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
8781	2024-12-18	Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study 2025-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04733-0 PMID:38937291	研究论文	开发了一种基于全身低剂量CT（WBLDCT）的深度学习模型，用于预测多发性骨髓瘤（MM）患者的细胞遗传学异常	首次利用深度学习模型从全身低剂量CT扫描中预测多发性骨髓瘤患者的细胞遗传学风险	研究样本量相对较小，且仅限于新诊断的多发性骨髓瘤患者	开发和验证一种深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常	新诊断的多发性骨髓瘤患者	计算机视觉	多发性骨髓瘤	深度学习	深度学习模型	图像	151名多发性骨髓瘤患者
8782	2024-12-18	Recent advancements and future directions in automatic swallowing analysis via videofluoroscopy: A review 2025-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108505 PMID:39579458	综述	本文综述了通过视频荧光吞咽研究（VFSS）进行自动吞咽分析的最新进展和未来方向	利用计算机视觉、模式识别和深度学习技术，提供了新的范式来探索和提取VFSS记录中的信息	本文主要集中在图像处理技术在自动吞咽分析中的应用，未涵盖其他可能的技术方法	展示当前VFSS分析中的挑战，并提供未来开发更准确和临床可解释算法的见解	视频荧光吞咽研究（VFSS）记录中的解剖结构检测、食团对比分割和运动事件识别	计算机视觉	NA	计算机视觉、深度学习	深度学习模型	视频	46项研究
8783	2024-12-18	Smartwatch ECG and artificial intelligence in detecting acute coronary syndrome compared to traditional 12-lead ECG 2025-Feb, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2024.101573 PMID:39687687	研究论文	本研究评估了基于智能手表的多通道、异步心电图（ECG）与人工智能（AI）系统结合用于诊断急性冠状动脉综合征（ACS）的可行性	本研究首次评估了基于智能手表的ECG与AI系统结合用于诊断ACS的可行性，并展示了其与传统12导联ECG相比的高诊断性能	本研究的样本量较小，且仅限于ACS患者和健康对照组，未来需要更大规模的研究来验证结果	评估基于智能手表的ECG与AI系统结合用于诊断ACS的可行性	急性冠状动脉综合征（ACS）患者和健康对照组	机器学习	心血管疾病	深度学习	AI-ECG工具	图像	56名ACS患者和15名健康参与者
8784	2024-12-18	Advancing Ki67 hotspot detection in breast cancer: a comparative analysis of automated digital image analysis algorithms 2025-Jan, Histopathology IF:3.9Q1 DOI:10.1111/his.15294 PMID:39104219	研究论文	本文比较了基于虚拟双染色（VDS）和深度学习（DL）的数字图像分析算法在乳腺癌Ki67热点检测和评分中的临床表现	深度学习（DL）算法在临床适用性上优于虚拟双染色（VDS）算法，因为它不依赖于幻灯片的虚拟对齐，并且与手动评分相关性更强	NA	提高Ki67热点检测和评分的准确性，以改善乳腺癌的临床评估	Ki67热点检测和评分在乳腺癌中的应用	数字病理学	乳腺癌	数字图像分析（DIA）	深度学习（DL）	图像	135例连续的浸润性乳腺癌组织样本
8785	2024-12-12	Application of deep learning algorithms in classification and localization of implant cutout for the postoperative hip 2025-01, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04692-6 PMID:38771507	研究论文	本研究探讨了使用卷积神经网络在骨盆前后位X光片上检测和定位植入物切出的可行性	首次使用深度学习算法进行植入物切出的分类和定位	对象检测模型在假阳性预测中产生了较多错误结果	验证深度学习算法在骨盆X光片上检测和定位植入物切出的可行性	骨盆前后位X光片上的植入物切出	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	40191张骨盆X光片
8786	2024-12-18	Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240206 PMID:39565222	研究论文	本文评估并比较了不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行了比较	本文的创新点在于使用深度学习模型，特别是小型二维卷积神经网络（2D CNN），在不需要手动分割病变的情况下，区分良性和恶性乳腺肿瘤	本文的局限性在于研究是回顾性的，且样本量相对较小	研究目的是评估和比较不同人工智能模型在扩散加权成像中区分良性和恶性乳腺肿瘤的性能	研究对象是良性和恶性乳腺肿瘤的扩散加权成像数据	计算机视觉	乳腺癌	扩散加权成像（DWI）	卷积神经网络（CNN）	图像	334个乳腺病变，来自293名患者
8787	2024-12-18	Long-term, automated stool monitoring using a novel smart toilet: A feasibility study 2025-Jan, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.14954 PMID:39486001	研究论文	本文展示了一种新型智能马桶用于长期自动收集粪便图像数据的可行性，并评估了基于计算机视觉的分析方法来根据布里斯托粪便形式量表（BSFS）评估粪便形式	本文提出了一种新型智能马桶系统，能够长期自动收集粪便图像数据，并通过深度学习分割和数学定义的手工特征进行计算机视觉分析，以量化粪便的形态学属性	研究样本量较小，仅涉及六名健康志愿者，且研究时间相对较短	验证长期自动粪便形式监测的可行性和准确性	粪便形式的长期自动监测	计算机视觉	NA	深度学习分割	NA	图像	六名健康志愿者，共记录了474次排便图像
8788	2024-12-18	Application of a deep learning algorithm for the diagnosis of HCC 2025-Jan, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101219 PMID:39687602	研究论文	本文开发并验证了一种深度学习算法，用于通过CT影像诊断肝细胞癌（HCC）	本文首次应用时空3D卷积网络（ST3DCN）模型，通过薄层三相CT肝图像和相关临床信息进行HCC诊断，显著提高了诊断准确性	本文的局限性在于仅在特定患者群体中进行了验证，且依赖于特定的CT影像数据	研究目的是通过深度学习算法提高肝细胞癌的诊断准确性	研究对象为通过CT影像进行肝细胞癌诊断的患者	机器学习	肝癌	深度学习	时空3D卷积网络（ST3DCN）	图像	2,832名患者和4,305次CT观察
8789	2024-12-17	A protocol for trustworthy EEG decoding with neural networks 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106847 PMID:39549492	研究论文	本文设计了一种全面的脑电图解码协议，通过探索整个流程的超参数并使用多种子初始化来提供稳健的性能估计	提出了一个包含多种子初始化的全面超参数搜索协议，显著提高了脑电图解码的可靠性和性能	实验仅在特定的脑电图数据集和模型上验证，可能需要进一步验证其在其他数据集和模型上的适用性	设计一种可信赖且可靠的脑电图解码协议	脑电图解码任务中的超参数优化和性能稳定性	机器学习	NA	深度学习	神经网络	脑电图数据	204名参与者和26次记录会话
8790	2024-12-17	Towards generalizable face forgery detection via mitigating spurious correlation 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106909 PMID:39579752	研究论文	本文提出了一种通过减少特征间的虚假相关性来提高人脸伪造检测模型泛化能力的方法	提出了Feature Independence Constrainer (FIC)来减少特征间的虚假相关性，并引入了细粒度高频成分和特征对齐模块来增强检测模型的性能	未提及具体的局限性	提高人脸伪造检测模型在跨域场景中的泛化能力	人脸伪造图像和视频的检测	计算机视觉	NA	深度学习	NA	图像	多个人脸伪造基准数据集
8791	2024-12-17	TV-Net: Temporal-Variable feature harmonizing Network for multivariate time series classification and interpretation 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106896 PMID:39581040	研究论文	本文提出了一种时间可变特征协调网络（TV-Net），用于多变量时间序列分类和解释	引入了一种图注意力机制（GAT-g）来增强全局特征的学习，并首次利用博弈交互来量化特征组合的效用，通过Shapley值动态协调不同时间序列特征的表示能力	NA	解决多变量时间序列分类中的依赖关系学习问题，同时提供可解释性	多变量时间序列数据	机器学习	NA	图注意力机制（GAT-g），博弈交互	深度学习框架	时间序列	30个多变量时间序列数据集
8792	2024-12-17	Deep learning techniques for automated Alzheimer's and mild cognitive impairment disease using EEG signals: A comprehensive review of the last decade (2013 - 2024) 2025-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108506 PMID:39581069	综述	本文综述了过去十年中使用脑电信号进行阿尔茨海默病和轻度认知障碍自动检测的深度学习技术	首次系统性地探讨了使用脑电信号对轻度认知障碍和阿尔茨海默病进行分类的方法，并提出了未来研究的方向	本文指出了当前深度学习在轻度认知障碍和阿尔茨海默病检测中的局限性，并提出了改进建议	探讨深度学习技术在脑电信号检测轻度认知障碍和阿尔茨海默病中的应用，并为未来研究提供参考	轻度认知障碍和阿尔茨海默病	机器学习	老年疾病	深度学习	NA	脑电信号	74篇相关文献
8793	2024-12-17	Separable integral neural networks 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106838 PMID:39615156	研究论文	本文提出了一种可分离积分层，用于在连续方式下表示离散的深度可分离卷积操作，并构建了一组轻量级的可分离积分神经网络（SINNs），部署在资源受限的移动设备上	创新点在于提出了可分离积分层，结合了积分神经网络和可分离卷积操作的优点，能够在保持竞争性能的同时降低计算成本	NA	研究目的是解决传统积分神经网络在移动设备上应用时无法表示可分离卷积操作的问题	研究对象是可分离积分层和基于此构建的轻量级神经网络	机器学习	NA	积分神经网络	CNN	图像	ImageNet数据集
8794	2024-12-17	Three-Dimensional Deep Learning Normal Tissue Complication Probability Model to Predict Late Xerostomia in Patients With Head and Neck Cancer 2025-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.07.2334 PMID:39147208	研究论文	本研究利用三维深度学习模型预测头颈部癌症患者放疗后晚期口干症的发生	本研究首次将三维辐射剂量分布、CT影像、危险器官分割和临床变量结合，通过深度学习模型提高晚期口干症的预测准确性	深度学习模型在外部验证集上的表现不如参考模型，需要多中心数据进行训练以提高泛化能力	改进头颈部癌症患者放疗后晚期口干症的预测模型	头颈部癌症患者放疗后晚期口干症的预测	机器学习	头颈部癌症	深度学习	深度卷积神经网络（EfficientNet-v2 和 ResNet）	三维剂量分布、CT影像、危险器官分割、临床变量	1208名头颈部癌症患者
8795	2024-12-17	Deep learning can detect elbow disease in dogs screened for elbow dysplasia 2025-Jan, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13465 PMID:39679734	研究论文	本研究开发并评估了一种卷积神经网络（CNN，EfficientNet）用于评估筛查肘关节发育不良的犬只的肘关节X光片	本研究开发了一种基于深度学习模型的自动裁剪工具RetinaNet进行X光片预处理，并使用可解释的人工智能分析来可视化CNN模型预测的重要区域	本研究为回顾性诊断准确性研究，未提及前瞻性验证	开发并评估一种卷积神经网络用于检测筛查肘关节发育不良的犬只的肘关节异常	筛查肘关节发育不良的犬只的肘关节X光片	计算机视觉	肘关节疾病	卷积神经网络（CNN）	EfficientNet	图像	7229张X光片，包括训练集4000张，验证集1000张，测试集2229张
8796	2024-12-16	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	本文提出了一种基于元学习的磁共振成像（MRI）多任务重建方法	该方法通过元学习框架，能够在不同图像对比度下高效学习图像特征，并实现多任务学习，从而在高速加速率下超越现有的单任务学习方法	NA	提高磁共振成像数据在不同成像序列下的重建效果	磁共振成像数据	计算机视觉	NA	磁共振成像（MRI）	元学习	图像	多个MRI数据集
8797	2024-12-16	DDKG: A Dual Domain Knowledge Guidance strategy for localization and diagnosis of non-displaced femoral neck fractures 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103393 PMID:39581120	研究论文	提出了一种双领域知识引导策略DDKG，用于非移位股骨颈骨折的定位和诊断	利用空间和语义领域知识引导模型学习非移位股骨颈骨折的鲁棒表示，无需手动标注髋关节位置	未提及具体局限性	提高非移位股骨颈骨折的诊断准确性和鲁棒性	非移位股骨颈骨折的定位和诊断	计算机视觉	骨科疾病	深度学习	NA	图像	来自四个不同中心的数据集
8798	2024-12-16	CLMS: Bridging domain gaps in medical imaging segmentation with source-free continual learning for robust knowledge transfer and adaptation 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103404 PMID:39616943	研究论文	本文提出了一种名为CLMS的端到端无源领域自适应框架，通过多尺度重建、持续学习和风格对齐来弥合医疗图像分割中的领域差距	CLMS框架整合了多尺度重建、持续学习和风格对齐，能够在没有原始源数据的情况下，仅使用未标记的目标数据或公开数据进行领域自适应，避免了灾难性遗忘并保留了源知识	NA	解决深度学习模型在不同医疗环境中应用时因数据差异导致的性能下降问题，实现模型在新临床环境中的安全可靠部署	前列腺MRI分割、结肠镜息肉分割和视网膜图像中的plus疾病分类	计算机视觉	NA	深度学习	NA	图像	NA
8799	2024-12-16	The Developing Human Connectome Project: A fast deep learning-based pipeline for neonatal cortical surface reconstruction 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103394 PMID:39631250	研究论文	本文提出了一种基于深度学习的快速管道，用于新生儿皮质表面重建，旨在加速Developing Human Connectome Project (dHCP)中的脑图像处理	引入了一种多尺度形变网络进行端到端的可微分皮质表面重建，并集成了一种快速无监督的球形映射方法以最小化皮质表面与投影球体之间的度量失真	未提及具体的局限性	加速Developing Human Connectome Project (dHCP)中的新生儿皮质表面重建过程	新生儿脑部结构磁共振成像数据	计算机视觉	NA	深度学习	多尺度形变网络	图像	测试样本为82.5%
8800	2024-12-16	Multi-scale region selection network in deep features for full-field mammogram classification 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103399 PMID:39615148	研究论文	本文提出了一种深度多尺度区域选择网络（MRSN），用于无需ROI或分割标注的全场乳腺X光片分类	MRSN通过多尺度特征选择，避免了依赖ROI标注，同时提高了模型性能	NA	开发一种无需ROI标注的全场乳腺X光片分类方法，以降低计算机辅助诊断系统的成本和复杂性	乳腺X光片图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	两个公开数据集和一个私有数据集