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
1961	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
1962	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
1963	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
1964	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
1965	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
1966	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
1967	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
1968	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）
1969	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
1970	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
1971	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
1972	2024-12-01	Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) PMID:39605948	研究论文	本文提出了一种弱监督的深度学习方法，用于从未分割的医学图像中预测统计形状模型（SSM）	本文的创新点在于使用点云表面表示进行弱监督，避免了传统SSM构建过程中的繁琐步骤和潜在偏差	本文的局限性在于实验结果仅展示了与全监督场景相似的准确性和不确定性估计，未涉及更广泛的应用场景	本文的研究目的是简化统计形状模型（SSM）的构建过程，提高其在临床研究中的实用性	本文的研究对象是未分割的医学图像中的解剖形状	计算机视觉	NA	深度学习	BVIB-DeepSSM	图像	未明确提及具体样本数量
1973	2024-12-01	CrossViT with ECAP: Enhanced deep learning for jaw lesion classification 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105666 PMID:39492085	研究论文	研究探讨了CrossViT和ECAP技术在放射性下颌骨病变分类中的有效性	引入了CrossViT和ECAP技术，通过多尺度视觉变换器和扩展裁剪与填充方法，提高了放射性下颌骨病变的分类准确性	研究仅限于放射性下颌骨病变的分类，未涉及其他类型的病变	评估CrossViT和ECAP技术在放射性下颌骨病变分类中的性能	放射性下颌骨病变，包括成釉细胞瘤、含牙囊肿、牙源性角化囊肿和根尖囊肿	计算机视觉	口腔疾病	深度学习	CrossViT, ResNet	图像	208例放射性下颌骨病变样本
1974	2024-11-29	Automated detection of motion artifacts in brain MR images using deep learning 2025-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5276 PMID:39439086	研究论文	本研究利用深度学习模型自动检测脑部MRI图像中的运动伪影	首次利用2D卷积神经网络在合成数据上训练，实现对脑部T加权图像中运动伪影的三分类检测	模型在合成数据上的表现优于真实数据，可能存在泛化能力不足的问题	开发一种自动检测脑部MRI图像中运动伪影的深度学习模型，以加速质量评估过程	脑部T加权MRI图像中的运动伪影	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	六个运动模拟的回顾性数据集和一个前瞻性数据集
1975	2024-11-29	Unveiling the decision making process in Alzheimer's disease diagnosis: A case-based counterfactual methodology for explainable deep learning 2025-Jan, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110318 PMID:39528206	研究论文	本文提出了一种结合U-Net和生成对抗网络（GAN）的新方法，用于生成阿尔茨海默病（AD）诊断的综合反事实诊断图，以提高深度学习模型的可解释性和透明度	本文创新性地将反事实推理引入深度学习模型，通过生成详细的反事实图来解释模型决策过程，从而提高模型的可解释性和透明度	NA	提高阿尔茨海默病诊断模型的可解释性和透明度，促进精准医学在AD护理中的应用	阿尔茨海默病（AD）的诊断和深度学习模型的可解释性	机器学习	阿尔茨海默病	生成对抗网络（GAN）	U-Net	图像	ADNI数据集
1976	2024-11-26	Statistical inference and neural network training based on stochastic difference model for air pollution and associated disease transmission 2025-Jan-07, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2024.111987 PMID:39522944	研究论文	本文建立了一个耦合的离散SEIS模型和Beverton-Holt模型，用于描述空气污染与疾病传播之间的关系，并通过贝叶斯统计理论估计参数变化点和切换区间的参数值	提出了扩展的传输动力学信息神经网络（TDINN）算法，结合深度学习和差分方程，探索疾病与污染物浓度变化之间的未知机制	数据拟合中的偏差表明疾病与污染物浓度变化之间存在更复杂的关联模式	研究空气污染与疾病传播之间的机制	空气污染浓度变化与疾病感染之间的关系	机器学习	呼吸道疾病	神经网络	TDINN	时间序列数据	NA
1977	2024-11-24	Machine Learning Techniques to Infer Protein Structure and Function from Sequences: A Comprehensive Review 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_5 PMID:39576576	综述	本文综述了机器学习技术在从序列推断蛋白质结构和功能中的重要性和应用	本文讨论了最新的深度学习架构进展，并强调了机器学习在蛋白质结构和功能理解中的重要性	本文指出了使用机器学习技术时面临的挑战，如高质量训练数据集的可用性和模型的可解释性	本文旨在全面概述机器学习在推断蛋白质结构和功能中的应用	本文主要研究对象是蛋白质的二级和三级结构、残基-残基接触、蛋白质功能和亚细胞定位	机器学习	NA	机器学习	卷积神经网络和自然语言处理	序列数据	NA
1978	2024-11-24	The Iconic α-Helix: From Pauling to the Present 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_1 PMID:39576572	研究论文	本文回顾了从Pauling到现代，α-螺旋结构在蛋白质折叠问题中的演变及其在深度学习人工智能中的应用	2021年，深度学习人工智能，特别是AlphaFold2，超越了以往的预测方法，能够成功预测大多数蛋白质结构	深度学习方法缺乏假设或物理化学基础	探讨α-螺旋结构的历史及其在现代蛋白质结构预测中的应用	α-螺旋结构及其在蛋白质折叠问题中的应用	机器学习	NA	深度学习	神经网络	蛋白质结构数据	约2亿个预测的蛋白质结构
1979	2024-11-24	LMPTMSite: A Platform for PTM Site Prediction in Proteins Leveraging Transformer-Based Protein Language Models 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_16 PMID:39576587	研究论文	介绍了一个基于Transformer的蛋白质语言模型平台LMPTMSite，用于预测蛋白质的PTM位点	提出了两个基于Transformer的蛋白质语言模型pLMSNOSite和LMSuccSite，分别用于预测S-硝基化位点和琥珀酰化位点，并展示了其优于现有工具的效能	未提及具体局限性	开发一个高效的平台用于预测蛋白质的PTM位点	蛋白质的S-硝基化位点和琥珀酰化位点	机器学习	NA	Transformer	Transformer	序列	未提及具体样本数量
1980	2024-09-30	Can deep learning-derived IVUS predict outcomes in deferred CAD? 2025-Jan-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132594 PMID:39332454	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA