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
81	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
82	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
83	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
84	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
85	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
86	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
87	2024-12-17	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	本文总结并回顾了机器学习和深度学习模型在磁粒子成像（MPI）中的应用及其未来潜力	本文探讨了人工智能方法在MPI图像重建和分析中的应用，展示了其在提高成像精度和效率方面的潜力	本文主要为综述性质，未提供具体的实验数据或模型细节	探讨机器学习和深度学习在磁粒子成像中的应用及其未来发展	磁粒子成像技术及其图像重建和分析方法	机器学习	NA	磁粒子成像（MPI）	机器学习模型和深度学习模型	图像	NA
88	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
89	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
90	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
91	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
92	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
93	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%
94	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
95	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
96	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
97	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
98	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
99	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）
100	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