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
8861	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
8862	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
8863	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%
8864	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
8865	2024-12-16	Time-Series MR Images Identifying Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Using a Deep Learning Approach 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29405 PMID:38850180	研究论文	本文研究了使用深度学习方法基于VGG-LSTM网络通过时间序列动态对比增强磁共振成像（DCE-MRI）识别乳腺癌患者对新辅助化疗的病理完全反应（pCR）	本文提出了结合时间序列DCE-MR图像、临床特征和影像特征的组合模型，显著提高了pCR识别的准确性	本文为回顾性研究，样本量有限，且仅在两个中心进行了验证	旨在通过深度学习模型识别乳腺癌患者对新辅助化疗的病理完全反应	乳腺癌患者对新辅助化疗的病理完全反应	机器学习	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	VGG-LSTM网络	图像	中心A：235名患者（训练集164名，验证集71名）；中心B：150名患者作为测试集
8866	2024-12-16	Deep Learning-Based Approach for Identifying and Measuring Focal Liver Lesions on Contrast-Enhanced MRI 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29404 PMID:38826142	研究论文	本文评估了基于深度学习的人工智能软件在对比增强磁共振成像（MRI）图像上识别和测量肝局灶性病变（FLLs）的性能	本文展示了基于深度学习的人工智能软件在自动识别和测量肝局灶性病变方面的实际应用价值，并证明了其与放射科医生结合使用时具有更高的检测率和敏感性	本文为回顾性研究，样本量有限，且未提及模型的泛化能力或在外部数据集上的验证	评估基于深度学习的人工智能软件在识别和测量肝局灶性病变方面的性能	395名患者的1149个肝局灶性病变	计算机视觉	肝病	MRI	深度学习	图像	395名患者，1149个肝局灶性病变
8867	2024-12-16	Clinical feasibility of a deep learning approach for conventional and synthetic diffusion-weighted imaging in breast cancer: Qualitative and quantitative analyses 2025-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111855 PMID:39616946	研究论文	本研究旨在探讨基于深度学习的重建方法在常规扩散加权成像（cDWI）和合成扩散加权成像（sDWI）中的临床可行性，并通过与cDWI和sDWI的比较，评估其在不同乳腺癌患者中的表现	深度学习重建的扩散加权成像在高质量b值下表现优于常规和合成扩散加权成像，并缩短了采集时间	NA	评估深度学习重建方法在乳腺癌扩散加权成像中的临床可行性	115名经活检证实的乳腺癌患者	计算机视觉	乳腺癌	深度学习	NA	图像	115名乳腺癌患者
8868	2024-12-16	A Hybrid Model for Fetal Growth Restriction Assessment by Automatic Placental Radiomics on T2-Weighted MRI and Multifeature Fusion 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29399 PMID:38655903	研究论文	本文开发并验证了一种基于T2加权MRI和多特征融合的混合模型，用于自动评估胎儿生长受限	提出了一个混合模型，通过自动胎盘放射组学和多特征融合来提高胎儿生长受限的评估准确性，并引入了母体信息以提升性能	研究是回顾性的，且依赖于手动标注的胎盘数据	开发和验证一种能够通过自动胎盘放射组学和多特征融合来准确评估胎儿生长受限的混合模型	274名孕妇的胎盘和胎儿数据	数字病理学	胎儿生长受限	T2加权MRI	随机森林	图像	274名孕妇
8869	2024-12-16	Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29403 PMID:38676436	研究论文	本文开发了一种可解释的深度学习模型，用于在磁共振成像（MRI）上对腰椎间盘突出（LDH）进行分级和定位	利用深度学习模型自动化和标准化腰椎间盘突出的分级和定位过程，减少复杂性、时间和主观性	模型在外部测试集上的表现有所下降，表明需要进一步提高模型的泛化能力	开发一种能够对腰椎间盘突出进行分级和定位的深度学习模型	1496名患者的腰椎间盘突出MRI图像	计算机视觉	腰椎间盘突出	深度学习	深度学习模型	图像	1496名患者（男性783名，女性713名）
8870	2024-12-15	Automated Detection of Central Retinal Artery Occlusion Using OCT Imaging via Explainable Deep Learning 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100630 PMID:39669299	研究论文	本文展示了使用深度学习模型通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）的能力	本文提出了一种可解释的深度学习模型，用于在OCT数据上检测CRAO，并展示了其在多分类任务中的高准确性	本文仅进行了回顾性外部验证研究，未来需要进一步的前瞻性研究来验证模型的临床应用	开发和验证一种深度学习模型，用于通过OCT影像自动检测视网膜中央动脉阻塞（CRAO）	视网膜中央动脉阻塞（CRAO）及其鉴别诊断	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	来自德国蒂宾根大学医学中心和汉堡-埃彭多夫大学医学中心的患者的OCT数据
8871	2024-08-07	Editorial for "Deep Learning Model for Grading and Localization of Lumbar Disc Herniation on Magnetic Resonance Imaging" 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29457 PMID:38804734	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8872	2024-12-15	A deep-learning system for diagnosing ectopic eruption 2025-Jan, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105399 PMID:39424256	研究论文	构建了一个用于混合牙列诊断的多阶段深度学习网络模型，以预测恒牙的异位萌发	该研究创新性地将牙列分割整合到自动分类牙发育阶段的过程中，并展示了模型在多个场景中的适应性	NA	开发一种用于诊断异位萌发的深度学习系统	儿童的混合牙列和恒牙的异位萌发	机器学习	NA	深度学习	多阶段深度学习网络	图像	1576张儿童全景X光片，年龄范围为6-12岁
8873	2024-12-14	Brain structural connectomic topology predicts medication response in youth with bipolar disorder: A randomized clinical trial 2025-Feb-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.11.061 PMID:39577502	研究论文	本研究探讨了大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的作用	首次研究了大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的价值，并提出了基于深度学习的预测模型	需要独立重复实验来验证初步发现	研究大脑结构连接组拓扑结构在预测双相情感障碍青少年药物反应中的作用	双相情感障碍青少年患者的大脑结构连接组拓扑结构	神经影像学	双相情感障碍	结构磁共振成像（MRI）	深度学习模型	图像	121名未接受过精神药物治疗的双相情感障碍I型青少年
8874	2024-12-14	A multi-perspective deep learning framework for enhancer characterization and identification 2025-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108284 PMID:39577030	研究论文	本研究介绍了一种用于增强子特征化和识别的多视角深度学习框架MPDL-Enhancer	创新的双尺度深度神经网络和独特的特征表示策略	NA	准确识别和表征增强子，以理解基因调控网络及相关疾病的发展	增强子序列	机器学习	NA	dna2vec模型	双尺度深度神经网络	DNA序列	独立测试数据集
8875	2024-12-14	Investigating streetscape environmental characteristics associated with road traffic crashes using street view imagery and computer vision 2025-Feb, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107851 PMID:39581057	研究论文	本研究利用街景图像和计算机视觉技术，结合语义分割和目标检测网络，分析了街道环境特征与道路交通事故之间的关系	本研究通过结合语义分割和目标检测网络，全面测量街道环境特征，克服了传统方法仅依赖语义分割的局限性	本研究主要基于百度街景图像，可能无法完全代表所有地区的街道环境特征	探讨街道环境特征与道路交通事故之间的关系，为提升道路安全提供依据	街道环境特征（如道路、人行道、建筑物等）与三种交通事故类型（车辆-车辆碰撞、车辆-行人碰撞、单车事故）	计算机视觉	NA	深度学习	语义分割网络和目标检测网络	图像	NA
8876	2024-12-14	IoT based healthcare system using fractional dung beetle optimization enabled deep learning for breast cancer classification 2025-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108277 PMID:39586227	研究论文	本文提出了一种基于物联网的医疗系统，利用分数阶蜣螂优化算法支持的深度学习进行乳腺癌分类	创新点在于结合了物联网技术和分数阶蜣螂优化算法，通过SqueezeNet_Fractional Dung Beetle Optimization (Squeeze_FDBO)提高了乳腺癌分类的准确性和路由性能	NA	旨在提高乳腺癌分类的准确性，从而促进早期检测和治疗	乳腺癌的分类和诊断	计算机视觉	乳腺癌	分数阶蜣螂优化算法	SqueezeNet	图像	NA
8877	2024-12-13	Deep learning-assisted surface-enhanced Raman spectroscopy detection of intracellular reactive oxygen species 2025-Mar-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.127222 PMID:39556973	研究论文	本文结合表面增强拉曼光谱（SERS）技术和深度学习，建立了一种基于神经网络的细胞内活性氧（ROS）智能检测方法	本文创新性地将SERS技术与深度学习相结合，利用神经网络模型提高了SERS分析能力，并实现了对细胞内ROS的初步浓度预测	本文仅以过氧亚硝酸盐（ONOO）和次氯酸盐（ClO）的同时检测为模板，未来可能需要扩展到更多种类的ROS检测	实现细胞内活性氧的智能分析，以促进疾病的快速诊断	细胞内活性氧（ROS），特别是过氧亚硝酸盐（ONOO）和次氯酸盐（ClO）	机器学习	NA	表面增强拉曼光谱（SERS）	神经网络模型（ENN）和一维卷积神经网络模型（1D-CNN）	光谱数据	AuNP/4-MPBA/2-MP纳米探针的SERS光谱数据
8878	2024-12-13	Deep learning for NAD/NADP cofactor prediction and engineering using transformer attention analysis in enzymes 2025-Jan, Metabolic engineering IF:6.8Q1 DOI:10.1016/j.ymben.2024.11.007 PMID:39571721	研究论文	本文介绍了一种基于transformer的深度学习模型DISCODE，用于预测和设计酶的NAD(P)辅因子偏好	DISCODE模型利用transformer的注意力机制，能够解释性地分析关键残基，从而实现酶的辅因子特异性预测和设计	NA	理解和操纵NAD(P)-依赖的氧化还原酶的辅因子偏好	NAD(P)-依赖的氧化还原酶的辅因子偏好	机器学习	NA	深度学习	transformer	序列	7,132个NAD(P)-依赖的酶序列
8879	2024-12-13	Combining MRI radiomics and clinical features for early identification of drug-resistant epilepsy in people with newly diagnosed epilepsy 2025-Jan, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.110165 PMID:39612633	研究论文	本研究结合MRI放射组学和临床特征，使用深度学习模型ResNet-18提取MRI特征，构建机器学习分类器以早期识别药物难治性癫痫	首次将放射组学与临床特征结合，使用深度学习模型提取MRI特征，并构建机器学习分类器进行早期诊断	样本量较小，可能影响模型的泛化能力	早期识别新诊断的药物难治性癫痫患者	新诊断的癫痫患者	机器学习	癫痫	MRI放射组学	ResNet-18	图像	134名新诊断的癫痫患者
8880	2024-12-13	Decoding Depth of Meditation: Electroencephalography Insights From Expert Vipassana Practitioners 2025-Jan, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2024.100402 PMID:39660274	研究论文	本研究使用脑电图（EEG）技术解码专家内观冥想者自我报告的冥想深度	引入了一种新的自发涌现方法来评估冥想深度，并提出了一种融合源活动和连接信息的新型机器学习方法	研究样本仅限于34名专家内观冥想者，可能限制了结果的普适性	解码自我报告的冥想深度，并探讨神经活动与冥想深度之间的关系	专家内观冥想者的冥想深度及其神经相关性	神经科学	NA	脑电图（EEG）	机器学习	脑电信号	34名专家内观冥想者