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
181	2024-12-02	ATEC23 Challenge: Automated prediction of treatment effectiveness in ovarian cancer using histopathological images 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103342 PMID:39260034	研究论文	本文总结了在ATEC23挑战赛中，使用组织病理学图像自动预测卵巢癌治疗效果的五种合格方法，并与五种最先进的深度学习方法进行了比较	本文提出了一个健壮且成本效益高的深度学习管道，用于数字病理任务，并强调了当前MIL方法在基于预后的分类任务中的局限性，特别是DCNN（如inception）在处理多分辨率数据方面的重要性	本文指出了当前MIL方法在基于预后的分类任务中的局限性，并建议未来研究中使用多尺度特征重用来改进模型	开发一种自动化的方法，使用组织病理学图像预测卵巢癌治疗效果，以帮助选择合适的患者进行治疗	卵巢癌患者的组织病理学图像	数字病理学	卵巢癌	深度学习	DCNN（深度卷积神经网络）	图像	训练集包含284张全切片图像，测试集包含180张组织芯图像
182	2024-12-02	Low-dose computed tomography perceptual image quality assessment 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103343 PMID:39265362	研究论文	本文介绍了低剂量计算机断层扫描（CT）图像质量评估挑战赛的结果，并提供了相关方法和见解的总结	首次引入了一个开放源代码的CT图像质量评估数据集，并提供了六种提交方法的综合分析	尚未提及	开发与放射科医生评估过程更接近的深度学习图像质量评估方法	低剂量CT图像的质量评估	计算机视觉	NA	深度学习	NA	图像	1000张CT图像，带有放射科医生的评估分数
183	2024-12-02	O-PRESS: Boosting OCT axial resolution with Prior guidance, Recurrence, and Equivariant Self-Supervision 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103319 PMID:39270466	研究论文	本文提出了一种名为O-PRESS的新型计算方法，通过先验指导、递归机制和等变自监督来提升光学相干断层扫描（OCT）的轴向分辨率	本文的创新点在于将OCT建模与深度学习无缝集成，实现了仅从测量数据中实时提升轴向分辨率，无需配对图像	NA	提升光学相干断层扫描（OCT）的轴向分辨率	光学相干断层扫描（OCT）图像的轴向分辨率和信噪比	计算机视觉	NA	深度学习	NA	图像	NA
184	2024-12-02	Will Transformers change gastrointestinal endoscopic image analysis? A comparative analysis between CNNs and Transformers, in terms of performance, robustness and generalization 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103348 PMID:39298861	研究论文	本文比较了卷积神经网络（CNNs）和Transformer在胃肠道内窥镜图像分析中的性能、鲁棒性和泛化能力	首次系统地比较了Transformer和CNN在胃肠道内窥镜图像分析中的应用，发现Transformer在某些方面表现优于CNN	研究主要集中在Barrett食管、结肠息肉分割和血管畸形检测，未涵盖所有胃肠道疾病	评估和比较CNN和Transformer在胃肠道内窥镜图像分析中的性能、泛化能力和鲁棒性	Barrett食管中的肿瘤检测、结肠息肉分割和血管畸形检测	计算机视觉	NA	深度学习	CNN, Transformer	图像	总共使用了10,208张图像（2,079名患者）进行训练和验证，并在7,118张图像（998名患者）上进行测试
185	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
186	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
187	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
188	2024-12-02	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	本文介绍了一种基于流模型的截断去噪扩散模型（FTDDM），用于磁共振波谱成像（MRSI）的超分辨率重建	提出了FTDDM模型，通过截断扩散链并使用归一化流网络估计截断步骤，显著缩短了采样时间，同时实现了多尺度超分辨率	NA	开发一种能够从低分辨率MRSI数据中生成高分辨率图像的深度学习方法，以提高MRSI的空间分辨率	高级别胶质瘤患者的H-MRSI数据	计算机视觉	脑部疾病	磁共振波谱成像（MRSI）	扩散模型	图像	25名高级别胶质瘤患者
189	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
190	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
191	2024-12-02	MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103351 PMID:39388843	研究论文	本文提出了一种肌肉骨骼感知（MUSA）深度学习框架，用于解剖引导的头颈部CT图像的可变形配准	通过利用显式多分辨率策略和不均匀变形约束，将复杂变形分解为整体姿势变化和残余精细变形，从而提高配准精度和变形合理性	NA	解决头颈部区域中多尺度肌肉骨骼运动和软组织变形的挑战	头颈部CT图像的可变形配准	计算机视觉	NA	深度学习	深度学习网络	图像	NA
192	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
193	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
194	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
195	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）
196	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
197	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
198	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
199	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
200	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