深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1801	2024-12-02	Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103307 PMID:39303447	研究论文	本文通过Medico 2020和MedAI 2021挑战赛验证了结肠镜检查中息肉和器械分割方法的有效性	通过组织挑战赛，促进了高效和透明方法的开发，并分析了最佳方法的临床转化可能性	需要多中心和跨分布测试以解决当前方法的局限性，减少癌症负担并改善患者护理	验证和改进结肠镜检查中息肉和器械的自动分割方法，提高诊断准确性和治疗效果	结肠镜图像中的息肉和器械	计算机视觉	NA	深度学习	NA	图像	Medico 2020挑战赛收到17支队伍的提交，MedAI 2021挑战赛收到另外17支队伍的提交
1802	2024-12-02	Re-identification from histopathology images 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103335 PMID:39316996	研究论文	本文研究了深度学习算法在病理图像中重新识别患者身份的能力	本文展示了即使相对简单的深度学习算法也能在大型病理数据集中以高准确率重新识别患者	本文未详细讨论如何改进数据匿名化方法以防止患者身份泄露	评估深度学习算法在病理图像中重新识别患者身份的风险	肺鳞状细胞癌（LSCC）、肺腺癌（LUAD）和脑膜瘤的病理图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	两个TCIA数据集（LSCC和LUAD）和一个内部脑膜瘤数据集
1803	2024-12-02	Maxillofacial bone movements-aware dual graph convolution approach for postoperative facial appearance prediction 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103350 PMID:39332232	研究论文	本文提出了一种基于双图卷积的术后面部外观预测模型，通过在欧几里得和测地空间中构建面部网格图来学习表面几何，并将骨骼运动转移到面部运动中	本文的创新点在于提出了双图卷积方法，结合欧几里得和测地空间中的面部网格图，采用由粗到细的策略进行预测，提高了预测的准确性和鲁棒性	本文未提及具体的局限性	研究目的是改进术后面部外观预测方法，提高计算效率和预测准确性	研究对象是术后面部外观预测	计算机视觉	NA	图卷积网络	双图卷积网络	面部网格图	使用真实临床数据进行实验，具体样本数量未提及
1804	2024-12-02	DeepResBat: Deep residual batch harmonization accounting for covariate distribution differences 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103354 PMID:39368279	研究论文	本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过考虑协变量分布差异，提高了数据集间的协调性	本文提出了两种新的深度学习方法：covariate VAE (coVAE) 和 DeepResBat，这两种方法在处理协变量分布差异方面优于现有的方法	coVAE方法在不存在关联的情况下会产生虚假的协变量关联	开发一种能够有效减少多数据集MRI数据间变异性的深度学习方法	MRI数据集间的变异性和协变量分布差异	机器学习	NA	深度神经网络	条件变分自编码器 (cVAE)	图像	2787名参与者和10,085个解剖T1扫描
1805	2024-12-02	PViT-AIR: Puzzling vision transformer-based affine image registration for multi histopathology and faxitron images of breast tissue 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103356 PMID:39378568	研究论文	提出了一种基于深度学习的管道，用于多模态乳腺组织放射学和病理学图像的仿射配准	结合卷积神经网络和视觉变换器，有效捕捉组织宏观和微观信息，并通过拼图机制实现图像片段的同时配准和拼接	使用合成单模态数据进行弱监督训练，可能影响模型在真实多模态数据上的表现	开发一种自动化方法，用于乳腺组织放射学和病理学图像的配准，以提高癌症检测的准确性和效率	乳腺组织的放射学和病理学图像	计算机视觉	乳腺癌	深度学习	卷积神经网络和视觉变换器	图像	NA
1806	2024-12-02	Texture-preserving diffusion model for CBCT-to-CT synthesis 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103362 PMID:39393132	研究论文	本文提出了一种新的纹理保留扩散模型，用于CBCT到CT的合成	本文引入了自适应高频优化和双模态特征融合模块，以增强高频细节并有效融合跨模态特征	NA	旨在通过CBCT到CT的合成，提高诊断准确性和治疗计划精度	CBCT和CT图像的合成	计算机视觉	NA	扩散概率模型	扩散模型	图像	NA
1807	2024-12-02	RFMiD: Retinal Image Analysis for multi-Disease Detection challenge 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103365 PMID:39395210	研究论文	本文报告了在IEEE国际生物医学成像研讨会（ISBI-2021）上组织的“视网膜图像多疾病检测”挑战赛，介绍了数据集、表现最佳的参与者解决方案、评估指标和基于新“视网膜眼底多疾病图像数据集”（RFMiD）的结果	本文的创新点在于组织了一个挑战赛，旨在推进对常见和罕见眼科疾病的自动分类，特别是通过开发可推广的模型来筛查视网膜疾病	本文的局限性在于未详细讨论具体模型的性能和局限性，以及如何解决罕见疾病的检测问题	本文的研究目的是推进自动眼科疾病分类技术，特别是对常见和罕见疾病的检测	本文的研究对象是视网膜图像中的多疾病检测，包括常见和罕见的眼科疾病	计算机视觉	NA	深度学习	NA	图像	74个个人/团队提交了有效参赛作品
1808	2024-12-02	HAGMN-UQ: Hyper association graph matching network with uncertainty quantification for coronary artery semantic labeling 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103374 PMID:39413456	研究论文	提出了一种基于超关联图匹配神经网络与不确定性量化的方法，用于冠状动脉语义标注	使用超图匹配方法扩展了表示能力，并通过不确定性量化提高了图匹配的鲁棒性和准确性	未提及	提高冠状动脉语义标注的准确性和计算效率	冠状动脉及其分支的语义标注	计算机视觉	心血管疾病	深度学习	超关联图匹配神经网络	图像	未提及
1809	2024-12-02	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出了一种基于拓扑引导的深度卷积网络TopoTxR，用于在DCE-MRI上学习乳腺实质结构	引入了一种新的拓扑方法，明确提取多尺度拓扑结构以更好地近似乳腺实质结构，并通过注意力机制将其整合到深度学习预测模型中	NA	解决现有方法在量化复杂和细微乳腺实质结构方面的不足	乳腺实质结构在DCE-MRI中的表征	计算机视觉	乳腺癌	深度学习	深度卷积网络	图像	VICTRE幻影乳腺数据集、I-SPY 1数据集（N=161）、Rutgers专有数据集（N=120）
1810	2024-12-02	Ensemble transformer-based multiple instance learning to predict pathological subtypes and tumor mutational burden from histopathological whole slide images of endometrial and colorectal cancer 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103372 PMID:39461079	研究论文	本文提出了一种基于集成变换器的深度学习框架，用于从子宫内膜癌和结直肠癌的病理全切片图像中预测病理亚型和肿瘤突变负荷	本文创新性地结合了自监督学习视觉变换器特征编码器和多实例学习，提出了一种新的深度学习框架，用于直接从病理全切片图像中预测肿瘤突变负荷和病理亚型	本文未详细讨论模型的泛化能力和在其他癌症类型中的应用效果	开发一种有效、高效、低成本且易于获取的工具，用于区分子宫内膜癌和结直肠癌患者的肿瘤突变负荷状态，以指导个性化治疗决策	子宫内膜癌和结直肠癌患者的病理全切片图像	数字病理学	子宫内膜癌，结直肠癌	深度学习	集成变换器	图像	918张子宫内膜癌病理全切片图像来自529名患者，1495张结直肠癌病理全切片图像来自594名患者
1811	2024-12-02	An objective comparison of methods for augmented reality in laparoscopic liver resection by preoperative-to-intraoperative image fusion from the MICCAI2022 challenge 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103371 PMID:39488186	研究论文	本文比较了在腹腔镜肝切除术中通过术前到术中图像融合实现增强现实的不同方法	提出了自动化检测解剖标志并用于注册的方法，以减少手动标记的时间和错误	3D标志的分割更具挑战性，且只有一支团队在注册任务中取得了可接受的结果	研究在腹腔镜肝切除术中自动检测解剖标志并用于注册的可能性	腹腔镜图像和术前3D模型中的解剖标志	计算机视觉	NA	深度学习	NA	图像	167张腹腔镜图像和9个术前3D模型，来自9名患者
1812	2024-12-02	Beyond strong labels: Weakly-supervised learning based on Gaussian pseudo labels for the segmentation of ellipse-like vascular structures in non-contrast CTs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103378 PMID:39500029	研究论文	本文提出了一种基于高斯伪标签的弱监督学习框架，用于非对比CT中椭圆形血管结构的分割	引入了一种基于椭圆形拓扑特性的高效标注过程，并使用2D高斯热图作为伪标签进行训练	主要评估了腹部主动脉的分割效果，未涵盖其他血管结构	开发一种在非对比CT中自动分割血管结构的弱监督学习方法	非对比CT中的椭圆形血管结构，特别是腹部主动脉	计算机视觉	NA	弱监督学习	NA	图像	包括一个本地数据集和两个公共数据集，主要关注腹部主动脉的非对比CT扫描
1813	2024-12-02	A cross-attention-based deep learning approach for predicting functional stroke outcomes using 4D CTP imaging and clinical metadata 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103381 PMID:39500028	研究论文	本文提出了一种基于交叉注意力机制的深度学习模型，用于结合4D CTP影像和临床元数据预测急性缺血性卒中患者的90天改良Rankin量表评分	引入了一种中间融合策略与交叉注意力机制，以选择性地关注来自两种模态的最相关特征和模式	研究样本量较小，仅包含70名接受机械血栓切除术的急性缺血性卒中患者	开发并评估一种新的多模态深度学习模型，用于预测急性缺血性卒中患者的90天改良Rankin量表评分	急性缺血性卒中患者的4D CTP影像和临床元数据	机器学习	脑血管疾病	4D CTP成像	深度学习模型	影像和临床数据	70名接受机械血栓切除术的急性缺血性卒中患者
1814	2024-12-02	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	本文提出了一种利用隐私保护的大型语言模型和多类型注释来增强胸部X光数据集的方法，以提高分类效果	本文的创新点在于使用本地可执行的大型语言模型（LLM）来提取和增强胸部X光报告中的发现标签，不仅提取二元标签，还提取位置、严重程度和放射科医生的不确定性	本文的局限性在于其方法主要针对胸部X光报告，可能不适用于其他类型的医学图像或报告	本文的研究目的是通过改进标签质量和使用多类型注释来提高胸部X光图像分类的准确性	本文的研究对象是胸部X光图像及其报告	计算机视觉	NA	大型语言模型（LLM）	NA	文本	五个测试集中的八种异常情况
1815	2024-12-02	IGUANe: A 3D generalizable CycleGAN for multicenter harmonization of brain MR images 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103388 PMID:39546981	研究论文	本文介绍了一种名为IGUANe的3D通用CycleGAN模型，用于多中心脑部MRI图像的协调	IGUANe通过集成任意数量的域进行训练，扩展了CycleGAN的架构，使其能够处理多中心数据，并在推理阶段适用于未知采集站点的图像	未来的研究需要在其他多中心环境中进一步评估IGUANe的性能	开发一种能够协调多中心脑部MRI图像的深度学习方法，以提高后续分析的一致性	多中心脑部MRI图像	计算机视觉	NA	CycleGAN	CycleGAN	图像	11个不同扫描仪的T1加权图像
1816	2024-12-02	Enhancing global sensitivity and uncertainty quantification in medical image reconstruction with Monte Carlo arbitrary-masked mamba 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103334 PMID:39255733	研究论文	本文介绍了一种基于蒙特卡罗任意掩码Mamba的模型MambaMIR，用于医学图像重建和不确定性估计	提出了MambaMIR模型，结合了Mamba的线性可扩展性和全局敏感性，并通过任意扫描掩码机制引入随机性以进行不确定性估计，避免了超参数调整和性能下降问题	NA	提高医学图像重建中的全局敏感性和不确定性量化	医学图像重建和不确定性估计	计算机视觉	NA	蒙特卡罗方法	MambaMIR	图像	多个代表性医学图像重建任务
1817	2024-12-01	Enhanced network synchronization connectivity following transcranial direct current stimulation (tDCS) in bipolar depression: Effects on EEG oscillations and deep learning-based predictors of clinical remission 2025-Jan-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.09.054 PMID:39293596	研究论文	研究双相抑郁中经颅直流电刺激（tDCS）对脑电图（EEG）振荡和深度学习预测临床缓解的影响	首次探讨了家庭式tDCS治疗对双相抑郁患者脑电图振荡网络的影响，并利用深度学习方法预测临床反应	样本量较小，且仅限于双相抑郁患者	探讨双相抑郁中脑电图振荡网络的变化、tDCS治疗的效果及临床反应的预测	双相抑郁患者及其脑电图数据	神经科学	精神疾病	经颅直流电刺激（tDCS）	深度学习	脑电图（EEG）	20名双相抑郁患者（14名女性）
1818	2024-12-01	Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105680 PMID:39500035	研究论文	本文开发了一种基于对比学习和k近邻搜索的模块化模型，用于跨模态相似临床病例检索	本文的创新点在于开发了一种新的跨模态检索模型CRMR，结合了对比学习和k近邻搜索技术，能够处理不同数据模态的临床病例检索	本文的局限性在于仅使用了MIMIC-CXR数据集进行模型开发和测试，未来需要验证其在其他数据集和疾病类型上的表现	本文的研究目的是开发一种能够跨模态检索相似临床病例的模型，以支持临床决策	本文的研究对象是不同数据模态记录的临床病例	机器学习	NA	对比学习、k近邻搜索	模块化模型	图像	使用了MIMIC-CXR数据集，具体样本数量未在摘要中提及
1819	2024-12-01	Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105694 PMID:39515045	研究论文	本文开发了一种基于注意力增强的多任务深度学习方法，用于非小细胞肺癌（NSCLC）的亚型分类和临床分期	本文创新性地将注意力机制引入多任务学习模型，显著提高了NSCLC亚型分类和临床分期的准确性	NA	开发一种新的多任务学习方法，用于NSCLC的亚型分类和临床分期，并评估其性能	NSCLC患者的CT切片数据，用于亚型分类和临床分期	计算机视觉	肺癌	多任务学习	CNN	图像	758例NSCLC患者，共4548张CT切片
1820	2024-12-01	Supporting the care to breast cancer patients with unique needs: Evidence from online community members' responses 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105695 PMID:39546951	研究论文	研究如何通过在线社区成员的回应来支持乳腺癌患者的独特需求	提出了一种独特性评分提取框架，用于计算在线社区帖子中健康和非健康相关话题的独特性评分，并利用深度学习自然语言处理模型BERTopic来识别话题	研究主要集中在乳腺癌患者的在线社区，可能不适用于其他类型的癌症或疾病	开发一种方法来识别和支持在线社区中讨论独特话题的帖子，以增强社区的回应和支持策略	乳腺癌患者的在线社区帖子及其成员的回应	自然语言处理	乳腺癌	深度学习	BERTopic	文本	NA