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
8641	2024-12-07	Analysis of nailfold capillaroscopy images with artificial intelligence: Data from literature and performance of machine learning and deep learning from images acquired in the SCLEROCAP study 2025-Jan, Microvascular research IF:2.9Q2 DOI:10.1016/j.mvr.2024.104753 PMID:39389419	研究论文	评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现，使用来自SCLEROCAP研究的同一组甲襞毛细血管显微镜（NC）图像	首次使用深度学习模型DenseNet-121在NC图像上检测SSc景观，并展示了其高准确性	结果需要在大规模NC图像上进一步验证	评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现	甲襞毛细血管显微镜（NC）图像	计算机视觉	系统性硬化症	机器学习、深度学习	DenseNet-121、ResNet-18、VGG-16	图像	100名SCLEROCAP研究患者
8642	2024-12-07	Deep Learning Recognition of Paroxysmal Kinesigenic Dyskinesia Based on EEG Functional Connectivity 2025-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500017 PMID:39560445	研究论文	本研究提出了一种基于静息态脑电图（EEG）功能连接矩阵和深度学习架构（AT-1CBL）的阵发性运动诱发性运动障碍（PKD）识别方法	本研究首次利用静息态EEG功能连接矩阵和深度学习模型（AT-1CBL）进行PKD的识别，并取得了较高的分类准确率	数据集规模有限可能影响模型的泛化能力，需要进一步探索多模态数据整合和先进的深度学习架构以增强诊断模型的鲁棒性	开发一种准确且成本效益高的PKD诊断方法	阵发性运动诱发性运动障碍（PKD）患者和健康对照组（HCs）的脑电图数据	机器学习	神经系统疾病	脑电图（EEG）	1D-CNN和Bi-LSTM结合注意力机制	脑电图功能连接矩阵	44名PKD患者和44名健康对照组
8643	2024-12-06	Harnessing Deep Learning Methods for Voltage-Gated Ion Channel Drug Discovery 2025-Jan-01, Physiology (Bethesda, Md.) DOI:10.1152/physiol.00029.2024 PMID:39189871	综述	本文综述了利用深度学习和扩散模型在电压门控离子通道药物发现中的最新进展	探讨了利用深度学习和扩散模型设计蛋白质结合剂以调节电压门控离子通道活性的创新方法	讨论了开发电压门控离子通道靶向蛋白质结合剂的实际挑战	旨在提供一个框架，以开发新型策略，显著推进电压门控离子通道药理学并发现有效且安全的治疗药物	电压门控离子通道及其在不同疾病治疗中的应用	机器学习	心血管疾病	深度学习，扩散模型	NA	结构数据	NA
8644	2024-12-05	Atmospheric scattering model and dark channel prior constraint network for environmental monitoring under hazy conditions 2025-Jun, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.04.037 PMID:39617546	研究论文	提出了一种基于大气散射模型和暗通道先验约束网络的遥感图像去雾方法，用于改善雾霾天气下环境监测系统的精度	利用暗通道信息注入网络（DCIIN）和传输图网络，结合大气散射模型，实现了高质量的图像去雾效果，并通过分支融合模块优化特征权重，增强了去雾效果	NA	解决雾霾天气条件下遥感图像质量下降，导致环境监测系统精度降低的问题	遥感图像去雾	计算机视觉	NA	大气散射模型	暗通道先验约束网络	图像	合成非均匀雾霾遥感数据集
8645	2024-12-05	Meteorological and traffic effects on air pollutants using Bayesian networks and deep learning 2025-Jun, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.01.057 PMID:39617575	研究论文	研究利用贝叶斯网络和深度学习模型分析气象和交通因素对空气污染物的影响	提出了一种结合降雨量和模式的新方法来分析空气污染物和气象变量，并使用LSTM模型进行污染物浓度预测	NA	研究交通因素对空气质量的复杂影响，并构建空气质量预测模型	台北市的空气污染物数据，包括交通流量、速度、降雨模式和气象因素	机器学习	NA	贝叶斯网络、深度学习	LSTM	数据	NA
8646	2024-12-05	Retinal Vessel Plexus Differentiation Based on OCT Angiography Using Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100605 PMID:39624795	研究论文	本研究利用深度学习技术，基于OCT血管造影图像对视网膜血管丛进行分割	本研究首次提出仅使用OCT血管造影数据进行视网膜浅层、深层和无血管丛的分割，无需结构OCT图像输入或分割边界	本研究未在更复杂的多种类薄片数据上进行训练，且未涉及财务披露的具体细节	旨在通过深度学习技术，从OCT血管造影图像中分割出视网膜的浅层、深层和无血管丛	视网膜的浅层、深层和无血管丛	计算机视觉	NA	深度学习	U-Net	图像	235个OCTA立方体，来自33名患者
8647	2024-12-02	Measurement of the Acetabular Cup Orientation After Total Hip Arthroplasty Based on 3-Dimensional Reconstruction From a Single X-Ray Image Using Generative Adversarial Networks 2025-Jan, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.06.059 PMID:38944061	研究论文	本研究利用生成对抗网络（GANs）从单张术后全髋关节置换术（THA）X光片重建三维CT图像，并验证其髋臼杯角度测量的准确性	首次使用生成对抗网络从单张X光片重建三维CT图像，用于髋臼杯角度的测量	模型在髋臼杯位置不良的情况下测量误差较大，需要进一步改进	验证生成对抗网络从单张术后THA X光片重建三维CT图像并测量髋臼杯角度的可行性	髋臼杯的角度测量	计算机视觉	NA	生成对抗网络（GANs）	生成对抗网络（GANs）	图像	386名接受无骨水泥髋臼杯全髋关节置换术的患者，训练数据集包括522张CT图像和2282张X光图像
8648	2024-12-02	Cross-view discrepancy-dependency network for volumetric medical image segmentation 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103329 PMID:39236632	研究论文	本文提出了一种跨视图差异依赖网络（CvDd-Net），用于体积医学图像分割，通过利用多视图切片先验来辅助体积表示学习，并探索视图差异和视图依赖性以提高性能	本文的创新点在于提出了跨视图差异依赖网络（CvDd-Net），通过差异感知形态强化模块（DaMR）和依赖感知信息聚合模块（DaIA）来有效学习视图特定的表示并增强多视图切片先验	NA	本文的研究目的是通过利用多视图信息来增强体积医学图像的分割性能	本文的研究对象是体积医学图像的分割	计算机视觉	NA	深度学习	跨视图差异依赖网络（CvDd-Net）	体积医学图像	四个医学图像数据集（甲状腺、宫颈、胰腺和胶质瘤）
8649	2024-12-02	Deep unfolding network with spatial alignment for multi-modal MRI reconstruction 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103331 PMID:39243598	研究论文	本文提出了一种新的深度展开网络，结合空间对齐技术，用于多模态MRI重建	本文创新性地将空间对齐任务嵌入到重建过程中，设计了一种新的联合对齐-重建模型，并通过展开迭代阶段构建了具有解释性的网络	现有方法的空间对齐任务与重建过程未充分结合，且整体框架解释性较弱	加速多模态MRI的采集过程，提高重建质量	多模态MRI数据的空间对齐与重建	计算机视觉	NA	深度学习	深度展开网络	MRI图像	四个真实数据集
8650	2024-12-02	Mammography classification with multi-view deep learning techniques: Investigating graph and transformer-based architectures 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103320 PMID:39244796	研究论文	本文评估了基于图和变压器的新型多视图深度学习架构在乳腺X光分类中的性能和可解释性	本文引入了基于视觉变压器和图的架构，这些架构在处理多视图乳腺X光图像时，能够更好地整合同侧和对侧乳房视图，并具有更强的长程依赖建模能力	尽管变压器架构表现优异，但不同架构对不同特征的敏感性不同，因此单一架构可能无法全面捕捉所有特征，且小病灶的检测在没有像素级监督或专用网络的情况下仍然具有挑战性	研究多视图深度学习技术在乳腺X光分类中的应用，特别是评估新型图和变压器架构的性能	乳腺X光图像的多视图分类	计算机视觉	乳腺癌	深度学习	CNN, 变压器, 图架构	图像	中等规模数据集CSAW
8651	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
8652	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
8653	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
8654	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
8655	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
8656	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
8657	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
8658	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
8659	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
8660	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