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
1021	2025-02-11	Deep Learning for Predicting the Difficulty Level of Removing the Impacted Mandibular Third Molar 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.06.021 PMID:39043529	研究论文	本研究开发并评估了一种基于计算机辅助可视化的深度学习系统，用于通过全景X光片预测下颌第三磨牙（LM3）手术移除的难度级别	创新点在于整合了三种不同的深度学习模型（ResNet101V2、RetinaNet和Vision Transformer），分别用于识别、定位和评估LM3移除的难度级别	研究样本仅来自一家医院，可能限制了模型的泛化能力	开发并评估一种基于深度学习的系统，用于预测下颌第三磨牙手术移除的难度级别	下颌第三磨牙（LM3）的全景X光片	计算机视觉	口腔疾病	深度学习	ResNet101V2, RetinaNet, Vision Transformer	图像	1367张LM3图像，来自784名患者
1022	2025-02-11	Unsupervised stain augmentation enhanced glomerular instance segmentation on pathology images 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03154-7 PMID:38848032	研究论文	本文提出了一种基于无监督染色增强的方法，用于病理图像中的肾小球实例分割	通过对比无配对翻译（CUT）实现了不同染色方法（如PAS、MT和PASM）之间的转换，并使用swin transformer替换了mask R-CNN的主干网络，以提高特征提取效率	未来研究可以扩展该方法到病理图像领域的其他复杂分割任务中，以进一步探索染色增强技术在不同病理图像分析领域的潜力	提高病理图像中肾小球实例分割的准确性和多样性	病理图像中的肾小球	数字病理学	NA	对比无配对翻译（CUT）	mask R-CNN, swin transformer	病理图像	216张全切片图像（WSIs）
1023	2025-02-11	Artificial intelligence-driven electrocardiography: Innovations in hypertrophic cardiomyopathy management 2025-Feb, Trends in cardiovascular medicine IF:7.3Q1 DOI:10.1016/j.tcm.2024.08.002 PMID:39147002	综述	本文探讨了人工智能（AI）和机器学习（ML）技术在肥厚型心肌病（HCM）诊断、预后和管理中的应用，特别是通过心电图（ECG）分析	利用深度学习（DL）模型，如卷积神经网络（CNN），准确识别HCM相关的心电图异常，超越传统诊断方法，并在风险预测方面提供个性化治疗策略	需要更大规模和多样化的数据集以提高模型的泛化能力，并解决罕见事件预测中的不平衡问题	探索AI在HCM管理中的应用，特别是通过ECG分析改进诊断、预后和个性化治疗策略	肥厚型心肌病（HCM）患者的心电图数据	机器学习	心血管疾病	深度学习（DL），卷积神经网络（CNN）	CNN	心电图（ECG）数据	未明确提及具体样本数量
1024	2025-02-11	Real-time intraoperative ultrasound registration for accurate surgical navigation in patients with pelvic malignancies 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03299-5 PMID:39633142	研究论文	本研究开发并评估了几种实时术中超声（iUS）配准方法，用于提高盆腔恶性肿瘤手术导航的准确性	开发了实时深度学习骨和动脉分割的2D超声配准方法，显著提高了手术导航的准确性	iUS的用户依赖性较强，需要直观的软件以实现最佳的临床应用	提高盆腔恶性肿瘤手术导航的准确性	盆腔恶性肿瘤患者	数字病理	盆腔恶性肿瘤	实时术中超声（iUS）	深度学习	超声图像	30名患者
1025	2025-02-11	Deep Learning Architecture to Infer Kennedy Classification of Partially Edentulous Arches Using Object Detection Techniques and Piecewise Annotations 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.11.005 PMID:39645471	研究论文	本研究利用人工智能和基于深度学习的物体检测技术，自动检测正颌X光图像中的常见牙科问题，包括断根、牙周病牙齿和部分无牙弓的Kennedy分类	提出了一种新的深度学习架构，用于推断部分无牙弓的Kennedy分类，并提供了关于弓（上颌或下颌）和受影响侧（右或左）的详细信息	数据集较小	开发一种自动化工具，用于牙科问题的早期检测和分类	正颌X光图像中的牙科问题	计算机视觉	牙科疾病	深度学习物体检测技术	深度学习模型	图像	小数据集
1026	2025-02-11	Classification of speech arrests and speech impairments during awake craniotomy: a multi-databases analysis 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03301-0 PMID:39652158	研究论文	本文探讨了在清醒开颅手术中使用深度学习模型客观评估言语停顿和言语障碍的方法	使用深度学习模型（Wav2Vec2）进行客观评估，而非依赖临床医生的主观观察	需要进一步评估，特别是在跨语言情况下的表现	提高清醒开颅手术中言语功能的实时评估精度，以改善术后结果	清醒开颅手术中的言语停顿和言语障碍	自然语言处理	脑肿瘤	深度学习	Wav2Vec2	音频	1883个3秒音频片段，来自25例清醒开颅手术（23例来自日本东京女子医科大学医院，2例来自法国布雷斯特大学医院）
1027	2025-02-11	Multi-institutional development and testing of attention-enhanced deep learning segmentation of thyroid nodules on ultrasound 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03294-w PMID:39751996	研究论文	本文介绍了一种用于超声图像中甲状腺结节自动分割的机器学习系统的开发、验证和多机构独立测试	使用带有额外注意力加权函数的AttU-Net架构进行甲状腺结节分割，并在多机构数据集上进行验证和测试	未来需要将该分割方法整合到自动甲状腺分类系统中	开发一种用于甲状腺结节自动分割的机器学习系统，以支持甲状腺结节的超声风险分层	甲状腺结节	计算机视觉	甲状腺疾病	超声成像	AttU-Net	图像	来自520名患者的1595张甲状腺超声图像
1028	2025-02-11	G-SET-DCL: a guided sequential episodic training with dual contrastive learning approach for colon segmentation 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03319-4 PMID:39789205	研究论文	本文介绍了一种新颖的深度学习方法，通过有限的数据标注显著提高了结肠分割的准确性，从而增强了CT结肠成像在临床环境中的整体效果	提出了一种结合3D上下文信息的引导顺序片段训练方法，并采用双重对比学习增强特征可区分性，以提高分割准确性	尽管在有限标注数据下表现良好，但方法仍需在更大规模数据集上进一步验证其泛化能力	提高结肠分割的准确性，以增强CT结肠成像在临床诊断中的应用效果	结肠的CT图像	数字病理学	结肠癌	深度学习	Markov Random Field, 对比学习	CT图像	98例腹部扫描数据
1029	2025-02-11	CLSSATP: Contrastive learning and self-supervised learning model for aquatic toxicity prediction 2025-Feb, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2025.107244 PMID:39805255	研究论文	本文介绍了一种名为CLSSATP的高效对比自监督学习深度神经网络预测模型，用于有机毒性预测	CLSSATP模型结合了自监督学习和对比学习两个模块，通过双视角学习深入理解分子的结构和性质关系，提供了新的水生毒性评估视角	NA	研究旨在通过深度学习方法来预测有机化合物对水生生物的毒性，以保护环境和确保可持续人类发展	有机化合物对水生生物的毒性	机器学习	NA	深度学习	深度神经网络	分子指纹和分子图	NA
1030	2025-02-11	Development and validation of fully automated robust deep learning models for multi-organ segmentation from whole-body CT images 2025-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104911 PMID:39899952	研究论文	本研究开发并验证了一种全自动的深度学习模型，用于从全身CT图像中进行多器官分割	开发了一种基于nnU-Net的多器官分割模型，并在包含成人和儿科患者的数据集上进行了验证，模型在不同数据库的图像上表现出色	模型在某些器官（如肾上腺和胰腺）上的分割效果相对较低	开发一种适用于成人和儿科患者的全自动多器官分割深度学习模型	成人和儿科患者的全身CT图像	计算机视觉	NA	深度学习	nnU-Net	CT图像	4082张CT图像，包括300例儿科病例
1031	2025-02-11	Deep Radiogenomics Sequencing for Breast Tumor Gene-Phenotype Decoding Using Dynamic Contrast Magnetic Resonance Imaging 2025-Feb, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01981-x PMID:39815134	研究论文	本研究旨在利用动态对比增强磁共振成像（MRI）对乳腺癌肿瘤进行放射基因组学分析，以解码雌激素受体（ER）、孕激素受体（PR）和人表皮生长因子受体2（HER2）基因的表型	结合MRI和深度学习算法进行乳腺癌基因表型解码，展示了放射基因组学在乳腺癌研究中的可行性	模型性能中等，AUC值在0.658至0.698之间，需进一步优化	解码乳腺癌肿瘤的基因表型，特别是ER、PR和HER2基因的状态	922例经活检确诊的浸润性乳腺癌患者的MRI图像数据	数字病理学	乳腺癌	动态对比增强磁共振成像（MRI）	SEResNet50, ResNet34, SEResNext101	图像	922例乳腺癌患者的MRI图像数据
1032	2025-02-11	Artificial Intelligence Applications in Cardiac CT Imaging for Ischemic Disease Assessment 2025-Feb, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70098 PMID:39927866	综述	本文探讨了人工智能在心脏CT成像中用于缺血性疾病评估的应用	强调了人工智能在提高心脏CT成像诊断准确性和效率方面的潜力，特别是在冠状动脉疾病评估中的应用	NA	研究人工智能在心脏CT成像中的应用，以改善缺血性心脏病的诊断和工作流程效率	心脏CT成像数据	医学影像	心血管疾病	机器学习和深度学习	NA	图像	NA
1033	2025-02-09	An AttSDNet model for multi-scale feature perception enhanced remote sensing classification of coastal salt-marsh wetlands 2025-Feb, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2024.106899 PMID:39673892	研究论文	本文提出了一种增强的U-Net模型，结合注意力机制和多尺度特征提取，用于沿海盐沼湿地的遥感分类	引入了堆叠扩张卷积和通道-空间注意力机制模块，增强了模型对多尺度特征的学习能力，特别是在复杂沿海湿地中的小尺度地物特征提取	未提及具体的数据集大小或模型训练的计算资源需求	提高沿海湿地遥感图像分类的准确性，以支持湿地保护和生态恢复	中国山东半岛黄河口和胶州湾的沿海湿地	计算机视觉	NA	深度学习	U-Net	图像	使用Sentinel-2光学影像，未提及具体样本数量
1034	2025-02-10	Deep learning multi-classification of middle ear diseases using synthetic tympanic images 2025-Feb, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2024.2448829 PMID:39797517	研究论文	本文开发了一种基于深度学习的自动化诊断系统，用于通过鼓膜图像分类中耳疾病	使用生成对抗网络（GANs）生成高质量的合成鼓膜图像，以增强训练数据集，并探索其在医学诊断中的潜在应用	合成图像的加入并未显著提高诊断准确性，且仅使用合成图像训练时模型的诊断准确率仅为约70%	开发一种自动化诊断系统，用于中耳疾病的分类	鼓膜图像，包括正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎	计算机视觉	中耳疾病	生成对抗网络（GANs）	InceptionV3	图像	472张内窥镜图像和200张合成图像
1035	2025-02-10	An Efficient Lightweight Multi Head Attention Gannet Convolutional Neural Network Based Mammograms Classification 2025-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70043 PMID:39921233	研究论文	本研究旨在利用深度学习创建自动化系统，以更好地检测和分类乳腺X光图像中的乳腺癌，帮助医疗专业人员克服时间消耗、特征提取问题和训练模型有限等挑战	引入了轻量级多头注意力Gannet卷积神经网络（LMGCNN）来有效分类乳腺X光图像，并结合了多种图像增强和特征提取技术	未提及具体的研究局限性	创建自动化系统以改进乳腺癌的检测和分类	乳腺X光图像	计算机视觉	乳腺癌	Wiener滤波、非锐化掩蔽、自适应直方图均衡化、灰度共生矩阵（GLCM）	LMGCNN（轻量级多头注意力Gannet卷积神经网络）	图像	两个数据集：CBIS-DDSM和MIAS
1036	2025-02-09	Deep learning-based multimodal integration of imaging and clinical data for predicting surgical approach in percutaneous transforaminal endoscopic discectomy 2025-Feb-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08668-5 PMID:39920320	研究论文	本研究开发了一种基于深度学习的多模态模型，通过综合分析影像和临床数据，为经皮椎间孔镜椎间盘切除术（PTED）的手术入路选择提供客观参考	创新点在于结合了影像和临床数据，采用多输入ResNet 50模型和机器学习模型，并通过贝叶斯优化确定模型融合的最佳权重	研究为回顾性研究，可能存在数据偏差，且样本量未明确说明	研究目的是开发一种深度学习模型，辅助医生选择PTED手术入路	研究对象为多节段腰椎间盘突出症（LDH）患者	医学影像分析	腰椎间盘突出症	深度学习（DL）、机器学习（ML）	多输入ResNet 50模型、自定义模型	影像数据、临床数据	NA
1037	2025-02-09	Deep learning radiomics model based on contrast-enhanced MRI for distinguishing between tuberculous spondylitis and pyogenic spondylitis 2025-Feb-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08696-1 PMID:39920318	研究论文	本研究旨在开发和验证一种基于对比增强MRI的深度学习放射组学列线图（DLRN），用于区分结核性脊柱炎（TS）和化脓性脊柱炎（PS）	结合放射组学和深度学习特征，开发了一种新的深度学习放射组学列线图（DLRN），用于区分TS和PS	研究样本量相对较小，且仅基于两个中心的数据	区分结核性脊柱炎（TS）和化脓性脊柱炎（PS）	被诊断为TS或PS的患者	数字病理学	脊柱炎	对比增强MRI（CE-MRI）	深度学习放射组学列线图（DLRN）	图像	147名患者（训练队列102名，外部测试队列45名）
1038	2025-02-09	Deep learning aided determination of the optimal number of detectors for photoacoustic tomography 2025-Feb-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adaf29 PMID:39874604	研究论文	本文介绍了一种基于深度学习的卷积神经网络架构RDUNet，用于解决光声断层扫描（PAT）中的条纹伪影问题，并优化探测器数量	提出了一种结合残差块和密集块的RDUNet架构，显著减少了光声断层扫描中所需的探测器数量	研究主要基于模拟数据，实验数据占比仅为19%，可能影响模型在实际应用中的泛化能力	优化光声断层扫描的图像质量并减少探测器数量	光声断层扫描图像	计算机视觉	NA	光声断层扫描（PAT）	CNN（卷积神经网络），RDUNet	图像	模拟数据（81%）和实验数据（19%）
1039	2025-02-09	Deep Learning Reconstruction Combined With Conventional Acceleration Improves Image Quality of 3 T Brain MRI and Does Not Impact Quantitative Diffusion Metrics 2025-Feb-07, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001158 PMID:39919383	研究论文	本研究评估了传统加速与基于Deep Resolve Boost（DRB）重建技术在3 T脑MRI中的单次激发平面回波成像（ssEPI）扩散加权成像（DWI）上的图像质量特征，并与最先进的DWI序列进行了比较	结合传统加速和DRB重建技术，显著提高了3 T脑MRI的图像质量，并缩短了采集时间	在DRB重建序列中，某些切片中观察到更多的伪影，且随着加速和DRB的应用，ADC值的差异增加	评估传统加速与DRB重建技术在3 T脑MRI中的图像质量特征	24名患者的标准护理ssEPI DWI和5种额外的适应性ssEPI DWI序列	医学影像	脑部疾病	单次激发平面回波成像（ssEPI）扩散加权成像（DWI）	Deep Resolve Boost（DRB）	图像	24名患者
1040	2025-02-09	A deep learning-driven method for safe and effective ERCP cannulation 2025-Feb-07, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03329-w PMID:39920403	研究论文	本文提出了一种基于深度学习的图形用户界面（GUI），用于辅助内镜逆行胰胆管造影（ERCP）插管操作，以提高其安全性和有效性	提出了一种基于四头Swin Transformer解耦头（4STDH）的深度学习方法，用于十二指肠乳头和手术插管的检测，并通过解耦分类和回归网络显著提高了模型的准确性和鲁棒性	尽管在DPAC数据集上表现优异，但该方法在真实临床环境中的泛化能力仍需进一步验证	开发一种计算机辅助的ERCP插管方法，以提高手术的安全性和效率	十二指肠乳头和手术插管	计算机视觉	NA	深度学习	Swin Transformer	内窥镜图像	1840张标注的内窥镜图像