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
12021	2025-01-12	Enhancing stereotactic ablative boost radiotherapy dose prediction for bulky lung cancer: A multi-scale dilated network approach with scale-balanced structure loss 2025-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14546 PMID:39374302	研究论文	本文提出了一种新的深度学习方法，用于准确预测大体积肺癌的部分立体定向消融增强放疗（P-SABR）计划的三维剂量分布	提出了一种3D多尺度扩张网络（MD-Net），并集成了尺度平衡结构损失函数，以提高剂量预测的准确性	研究样本量有限，仅包含74名患者的数据	提高大体积肺癌P-SABR计划的剂量预测效率	74名被诊断为患有体积较大的肺癌并接受P-SABR治疗的患者	数字病理学	肺癌	深度学习	3D多尺度扩张网络（MD-Net）	三维剂量分布数据	74名患者的数据，分为训练集（51个计划）、验证集（7个计划）和测试集（16个计划）
12022	2025-01-12	Clinical target volume (CTV) automatic delineation using deep learning network for cervical cancer radiotherapy: A study with external validation 2025-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14553 PMID:39401180	研究论文	本研究探讨了一种基于深度学习的算法在宫颈癌放疗中临床靶区（CTV）自动勾画的准确性和可行性，并评估其在外部宫颈癌和子宫内膜癌病例中的泛化能力	提出了一种名为ResCANet的新型网络，通过在跳跃连接中添加级联多尺度卷积来消除不同特征层之间的语义差异，并在最深特征层中使用空洞空间金字塔池化结合不同感受野的语义信息而不丢失信息	研究样本量相对较小，且仅针对宫颈癌和子宫内膜癌进行了外部验证，未涵盖其他类型的癌症	探索深度学习算法在宫颈癌放疗中临床靶区自动勾画的准确性和可行性，并评估其泛化能力	宫颈癌和子宫内膜癌患者	计算机视觉	宫颈癌	深度学习	ResCANet（基于ResNet-UNet的改进网络）	医学影像	332名患者（236名宫颈癌患者用于内部验证，54名宫颈癌和42名子宫内膜癌患者用于外部验证）
12023	2025-01-12	Multi-region infectious disease prediction modeling based on spatio-temporal graph neural network and the dynamic model 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012738 PMID:39787070	研究论文	本研究提出了一种基于时空图神经网络和动态模型的混合框架M-Graphormer，用于高维参数估计和多区域传染病预测	将Graph Transformer Neural Network和图学习机制整合到metapopulation SIR模型中，解决了现有模型在处理动态图结构时可能丢失隐藏空间依赖性的问题	NA	预测由于人类流动性导致的多区域传染病传播	多区域传染病传播动态	机器学习	传染病	Graph Transformer Neural Network, 图学习机制	M-Graphormer, metapopulation SIR模型	真实疫情数据	基于多波次传染病预测的多区域数据
12024	2025-01-12	Automatic anal sphincter integrity detection from ultrasound images via convolutional neural networks 2025, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240569 PMID:39213111	研究论文	本文开发了一种基于卷积神经网络（CNN）的深度学习工具，用于通过盆底超声自动诊断肛门括约肌完整性	首次提出使用CNN从盆底超声图像中获取诊断肛门括约肌损伤所需的平面，并初步诊断肛门括约肌损伤	NA	开发一种自动诊断肛门括约肌完整性的深度学习工具	肛门括约肌	计算机视觉	NA	深度学习	CNN	图像	NA
12025	2025-01-12	Deep Learning for Discrimination of Early Spinal Tuberculosis from Acute Osteoporotic Vertebral Fracture on CT 2025, Infection and drug resistance IF:2.9Q2 DOI:10.2147/IDR.S482584 PMID:39776757	研究论文	本文评估了深度学习模型在CT图像上区分早期脊柱结核和急性骨质疏松性椎体压缩骨折的效果，旨在提高诊断精度，减少对MRI和活检的依赖，并降低误诊风险	使用深度学习模型在CT图像上区分早期脊柱结核和急性骨质疏松性椎体压缩骨折，显著提高了诊断精度，并超越了经验丰富的脊柱外科医生的诊断准确性	研究样本主要来自大学附属医院，可能限制了模型的普遍适用性	评估深度学习模型在CT图像上区分早期脊柱结核和急性骨质疏松性椎体压缩骨折的效果	373名患者，其中302名来自一所大学附属医院，71名来自另一所大学附属医院	计算机视觉	脊柱结核和骨质疏松性椎体压缩骨折	深度学习	MVITV2, Efficient-Net-B5, ResNet101, ResNet50	CT图像	373名患者
12026	2025-01-12	A hybrid dual-branch model with recurrence plots and transposed transformer for stock trend prediction 2025-Jan-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0233275 PMID:39792696	研究论文	本文提出了一种创新的双分支网络模型，用于有效预测股票趋势	结合递归图和转置变压器，捕捉股票市场时间序列中的非线性关系和微妙互连	仅基于七只随机选择的股票的历史数据进行实验，样本量有限	提高股票趋势预测的准确性	股票市场时间序列	机器学习	NA	递归图分析，转置变压器	双分支网络模型	时间序列数据	七只随机选择的股票的历史数据
12027	2025-01-11	Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task 2025-Jan-09, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale DOI:10.1037/cep0000360 PMID:39786863	研究论文	本研究利用多约束深度学习分类器分析儿童在执行不同情绪-back任务条件下的全脑血氧水平依赖（BOLD）活动模式，以识别任务类别和功能连接性	采用多变量模式分析和多约束深度学习分类器，提高了检测非线性任务差异或分布式活动模式差异的敏感性	样本量较小，仅包含20名儿童，可能限制结果的普遍性	识别区分0-back和2-back任务的功能性脑网络	儿童在执行情绪-back任务时的全脑BOLD活动模式	神经影像学	NA	多变量模式分析，深度学习分类器	神经网络分类器	功能成像数据	20名儿童
12028	2025-01-11	Deep Learning Models for Automatic Classification of Anatomic Location in Abdominopelvic Digital Subtraction Angiography 2025-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01351-z PMID:39789320	研究论文	本文探讨了常规数字减影血管造影（DSA）中的信息，并评估了深度学习算法在DSA序列中自动识别解剖位置的能力	开发了基于单图像预测的Mode模型和多重实例学习（MIL）模型，用于DSA序列的位置分类，并展示了高精度的多类分类准确率	数据中存在信息稀疏性，只有少数图像被专家标记为具有足够定位信息的“关键”图像	评估深度学习算法在DSA序列中自动识别解剖位置的性能	腹部主动脉、腹腔、上肠系膜、下肠系膜和双侧外髂动脉的DSA图像	计算机视觉	心血管疾病	数字减影血管造影（DSA）	Mode模型, 多重实例学习（MIL）模型	图像	205名患者的819个独特的血管造影序列
12029	2025-01-11	Innovative breast cancer detection using a segmentation-guided ensemble classification framework 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00435-7 PMID:39781047	研究论文	本文介绍了一种新颖的分割引导分类模型，旨在提高乳腺癌检测的准确性	提出了一种结合分割和集成分类的两阶段模型，通过注意力机制和多种分类器的集成，显著提高了乳腺癌检测的准确性和分割性能	未提及模型在不同数据集上的泛化能力或实际临床应用中的潜在挑战	提高乳腺癌的早期检测和诊断准确性	乳腺癌的超声图像	计算机视觉	乳腺癌	深度学习	Attention U-Net, 支持向量机, 决策树, k近邻, 人工神经网络, 随机森林	图像	未明确提及样本数量，但使用了超声图像数据集
12030	2025-01-11	Enhanced diagnosis of pes planus and pes cavus using deep learning-based segmentation of weight-bearing lateral foot radiographs: a comparative observer study 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00439-3 PMID:39781051	研究论文	本文开发了一种基于深度学习的语义分割模型，用于增强对足部负重侧位X光片中扁平足和高弓足的诊断	使用深度学习模型（特别是U-Net）进行语义分割，结合Dice Loss和边界损失函数，提高了分割精度和边界区域的精确描绘	研究仅使用了年轻韩国男性的数据，可能限制了模型的普适性	提高对扁平足和高弓足的诊断准确性	足部负重侧位X光片	计算机视觉	足部疾病	深度学习	U-Net	图像	300张连续的足部负重侧位X光片，来自年轻韩国男性
12031	2025-01-11	Gaussianmorph: deformable medical image registration with Gaussian noise constraints 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00428-6 PMID:39781058	研究论文	本文提出了一种基于深度学习的医学图像配准方法GaussianMorph，通过级联两个VoxelMorph卷积神经网络来提高配准性能	引入了增强特征编码器（EF-encoder）块，通过注意力机制实现特征增强，并在第二个网络中引入高斯噪声约束以提升配准性能	级联网络在训练和推理阶段耗时较长	提高医学图像配准的精度	医学图像	计算机视觉	NA	深度学习	VoxelMorph卷积神经网络	图像	LPBA40和HBN数据集
12032	2025-01-11	Brain-inspired learning rules for spiking neural network-based control: a tutorial 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00436-6 PMID:39781065	教程	本文回顾了受大脑启发的学习规则，并探讨了脉冲神经网络在控制任务中的应用	探讨了将全局第三因素与脉冲时间依赖可塑性相结合的方法，并提出了通过权重反向传播局部应用第三因素的方法	未提及具体实验数据或样本量，可能缺乏实证支持	研究脉冲神经网络在控制任务中的应用，以解决深度神经网络在实时数据处理中的能耗和延迟问题	脉冲神经网络及其在控制任务中的应用	机器学习	NA	脉冲时间依赖可塑性（STDP）	脉冲神经网络（SNN）	时空信息	NA
12033	2025-01-11	Spinal tissue identification using a Forward-oriented endoscopic ultrasound technique 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00440-w PMID:39781062	研究论文	本研究提出了一种前向超声内镜系统，用于提高自动识别脊柱软组织的准确性和有效性	使用前向超声内镜系统进行脊柱软组织的实时术中识别，提高了微创脊柱手术的精确性和安全性	研究仅使用了离体的绵羊脊柱软组织样本，未涉及人体样本	提高微创脊柱手术中脊柱软组织的自动识别准确性和有效性	绵羊脊柱的软组织样本	医学影像	脊柱疾病	前向超声内镜技术	DenseNet, 一维Vision Transformer (ViT)	超声图像	758个离体绵羊脊柱软组织样本
12034	2025-01-11	A Review for automated classification of knee osteoarthritis using KL grading scheme for X-rays 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00437-5 PMID:39781063	综述	本文综述了使用KL分级方案对膝关节骨关节炎（KOA）进行自动分类的最新进展	本文总结了近年来利用人工智能、机器学习和深度学习技术对KOA进行自动放射学分类和检测的最新进展	本文主要基于85篇研究或综述文章，可能未涵盖所有相关研究	旨在回顾基于KL系统的KOA自动放射学分类和检测的最新进展	膝关节骨关节炎（KOA）的X光片	计算机视觉	骨关节炎	NA	NA	图像	85篇文章
12035	2025-01-11	Addendum to: The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT 2025, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-249001 PMID:39792355	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12036	2025-01-07	EEG-based cross-subject passive music pitch perception using deep learning models 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10196-9 PMID:39758357	研究论文	本研究利用深度学习模型，基于脑电图（EEG）数据，探索跨被试的音乐音高感知	提出了轻量级改进的EEGNet模型用于EEG音高分类，并采用分类器集成方法构建跨被试模型	研究仅针对小提琴的G3和B6音高，未涵盖更广泛的音高范围	客观检测和解码跨被试的音乐音高感知的脑响应	34名被试在听到小提琴G3和B6音高时的EEG信号	机器学习	NA	EEG	改进的EEGNet模型	EEG信号	34名被试
12037	2025-01-07	Deep learning enabled near-isotropic CAIPIRINHA VIBE in the nephrogenic phase improves image quality and renal lesion conspicuity 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100622 PMID:39758710	研究论文	本研究探讨了深度学习加速的CAIPIRINHA-VIBE技术在肾脏成像中的应用，以提升图像质量和病变检测能力	首次将深度学习技术应用于CAIPIRINHA-VIBE序列，以改善肾脏成像的图像质量和病变显着性	DL-CAIPIRINHA-VIBE呈现出更多的合成外观和混叠伪影	比较DL-CAIPIRINHA-VIBE与标准CAIPIRINHA-VIBE在肾脏成像中的图像质量和病变检测能力	50名患者，包括23个实性和45个囊性肾脏病变	医学影像	肾脏疾病	深度学习加速的CAIPIRINHA-VIBE技术	深度学习模型	MRI图像	50名患者，68个肾脏病变
12038	2025-01-07	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	研究论文	本文开发了多种深度学习模型，利用眼底自发荧光（FAF）图像预测地理萎缩（GA）病变的1年增长区域（ROG）	首次使用深度学习模型预测GA病变的1年增长区域，并比较了不同时间点FAF图像的预测效果	研究为回顾性分析，可能受到数据选择和模型训练的限制	预测地理萎缩（GA）病变的1年增长区域，以支持临床试验和临床治疗决策	地理萎缩（GA）病变	计算机视觉	老年性疾病	深度学习	2D U-Net	图像	597名患者的研究眼数据，分为训练集（310）、验证集（78）和测试集（209）
12039	2025-01-07	Optical coherence tomography: implications for neurology 2025-Feb-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001340 PMID:39704153	综述	本文探讨了光学相干断层扫描（OCT）在神经学实践中的作用，特别是在诊断和监测视乳头水肿、视神经炎和视网膜动脉阻塞等疾病中的应用	OCT作为一种非侵入性工具，能够有效检测和监测视觉通路中的神经轴索损伤，结合深度学习算法提高了诊断准确性和预测能力	NA	探讨OCT在神经学中的应用，特别是在诊断和监测视觉通路相关疾病中的作用	视乳头水肿、视神经炎、视网膜动脉阻塞等疾病患者	数字病理学	神经系统疾病	光学相干断层扫描（OCT）	深度学习算法	图像	NA
12040	2025-01-07	Artificial intelligence and stroke imaging 2025-Feb-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001333 PMID:39760722	综述	本文探讨了人工智能在卒中影像学中的应用及其潜力	提出了深度学习技术在卒中影像学中的高保真预测、描述和推理工具的应用，并探讨了生成模型在解决当前障碍中的潜力	尽管人工智能在卒中影像学中的潜力巨大，但在实际临床应用中仍面临数据噪声、不完整、偏见和小规模数据的挑战	探讨人工智能在卒中影像学中的应用，以实现个体化精准医疗	卒中影像学数据	医学影像	卒中	深度学习	生成模型	影像数据	NA