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
1161	2025-01-27	Exploring diabetes through the lens of AI and computer vision: Methods and future prospects 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109537 PMID:39672014	研究论文	本文探讨了人工智能和计算机视觉在糖尿病早期诊断和治疗中的应用及其未来前景	本文创新性地将人工智能和计算机视觉技术应用于糖尿病的诊断和治疗，提出了利用这些技术处理糖尿病相关问题的潜力	本文未提及具体的技术实施细节和实验结果，更多是理论探讨和未来展望	研究目的是探讨人工智能和计算机视觉技术在糖尿病诊断和治疗中的应用	研究对象是糖尿病患者及其相关临床数据	计算机视觉	糖尿病	人工智能、计算机视觉、机器学习、深度学习	NA	临床数据	NA
1162	2025-01-27	DCA-Enhanced Alzheimer's detection with shearlet and deep learning integration 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109538 PMID:39674071	研究论文	本研究提出了一种结合剪切波变换和深度学习的增强型阿尔茨海默病检测方法，旨在通过MRI数据实现早期诊断	结合3D剪切波变换和深度学习的特征提取方法，并使用判别相关分析（DCA）整合特征，提高了阿尔茨海默病早期诊断的准确性	MRI数据集的高维度、训练样本有限以及受试者内外的变异性可能影响模型的泛化能力	开发一种能够准确诊断早期阿尔茨海默病的模型，以促进有效的干预和管理	阿尔茨海默病患者、轻度认知障碍患者及认知正常人群	数字病理学	老年病	MRI	CNN, SVM, DTB	图像	200名患者（50名AD患者、50名进展性轻度认知障碍患者、50名稳定轻度认知障碍患者、50名认知正常者）
1163	2025-01-27	Proximity adjusted centroid mapping for accurate detection of nuclei in dense 3D cell systems 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109561 PMID:39693688	研究论文	本文提出了一种基于3D U-net的方法PAC-MAP，用于在密集3D细胞系统中准确检测细胞核中心点	PAC-MAP方法通过预测细胞核中心点及其邻近关系，解决了高密度细胞系统中的细胞核分割难题，显著提高了召回率	模型训练依赖于有限的专家标注数据（30张图像），且在处理异质分辨率和对比度的3D图像时仍存在挑战	开发一种在密集3D细胞系统中准确检测细胞核中心点的方法，以支持细胞定量分析和细胞浸润模式研究	密集3D细胞系统中的细胞核	计算机视觉	胶质母细胞瘤	3D U-net	U-net	3D图像	30张专家标注图像和超过2300张弱监督批量数据
1164	2025-01-27	Generating synthetic CT images from unpaired head and neck CBCT images and validating the importance of detailed nasal cavity acquisition through simulations 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109568 PMID:39700859	研究论文	本研究提出了一种利用循环一致性生成对抗网络（cycleGAN）对头颈部锥形束CT（CBCT）图像进行去噪并生成合成CT（sCT）图像的方法，并通过计算流体动力学（CFD）分析了精细分割鼻腔对气流的影响	使用cycleGAN结合多种损失函数和数据增强策略对CBCT图像进行去噪，生成高质量的sCT图像，并通过自动分割和CFD分析验证了鼻腔精细分割的重要性	研究中未提及样本量的具体信息，且未讨论模型在其他类型医学图像上的泛化能力	提高CBCT图像质量以替代传统CT，并验证精细分割鼻腔对气流模拟的影响	头颈部CBCT图像	数字病理学	NA	cycleGAN, 计算流体动力学（CFD）	cycleGAN	图像	NA
1165	2025-01-27	Generating 3D brain tumor regions in MRI using vector-quantization Generative Adversarial Networks 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109502 PMID:39700855	研究论文	本文提出了一种使用向量量化生成对抗网络（GAN）和结合掩码标记建模的变压器来生成高分辨率和多样化的3D脑肿瘤感兴趣区域（ROI）的新框架，用于增强脑肿瘤ROI分类的训练数据集	创新点在于生成脑肿瘤的感兴趣区域（ROI）而非整个图像体积，并采用向量量化GAN和变压器结合掩码标记建模的方法	NA	研究目的是通过生成高分辨率和多样化的3D脑肿瘤ROI来解决数据不平衡问题，从而提高脑肿瘤分类的准确性	研究对象为低级别胶质瘤（LGG）和BRAF V600E突变遗传标记的肿瘤ROI	数字病理学	脑肿瘤	向量量化生成对抗网络（GAN）和变压器结合掩码标记建模	GAN, Transformer	MRI图像	来自Multimodal Brain Tumor Segmentation Challenge (BraTS) 2019数据集的低级别胶质瘤（LGG）ROI和内部儿科低级别胶质瘤（pLGG）数据集的BRAF V600E突变遗传标记肿瘤ROI
1166	2025-01-27	DCSENets: Interpretable deep learning for patient-independent seizure classification using enhanced EEG-based spectrogram visualization 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109558 PMID:39708497	研究论文	本文提出了一种基于增强EEG频谱图可视化的可解释深度学习模型DCSENets，用于患者独立的癫痫发作分类	提出了一种新的STFT频谱图构建算法，结合taper函数（如Hann和Gaussian窗口）来最小化边缘效应，并采用DCSENets模型进行患者独立的癫痫分类，同时通过Grad CAM增强模型决策过程的可解释性	尽管模型在大多数患者中表现良好，但样本分布相似性测试显示部分患者的训练和测试样本分布存在差异，可能影响模型的泛化能力	开发一种计算机辅助诊断系统，减少神经科医生对EEG信号的手动检查时间，提高癫痫发作分类的准确性和可解释性	CHB-MIT数据集中的多通道EEG信号	数字病理学	癫痫	短时傅里叶变换（STFT）	Dilated Convolutional Squeeze and Excitation Networks (DCSENets)	EEG信号	CHB-MIT数据集中的选定患者
1167	2025-01-27	TSegLab: Multi-stage 3D dental scan segmentation and labeling 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109535 PMID:39708498	研究论文	本研究介绍了一种新颖的深度学习方法来增强计算机辅助设计（CAD）系统中的3D牙齿扫描分割和标记的准确性	提出了一种三阶段方法，包括粗定位、精细牙齿分割和标记，并引入了新的数据增强技术来模拟训练中缺失牙齿和牙齿位置变化	NA	提高牙齿扫描分割和标记的准确性，以增强牙科CAD应用的精度和可靠性	3D牙齿扫描	计算机视觉	NA	深度学习	Mask-RCNN, 图神经网络	3D扫描	1800个口腔内3D扫描
1168	2025-01-26	PTSP-BERT: Predict the thermal stability of proteins using sequence-based bidirectional representations from transformer-embedded features 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109598 PMID:39708499	研究论文	本文开发了一种基于蛋白质序列的深度学习模型PSTP-BERT，用于直接识别嗜热、嗜温和嗜冷蛋白质的三类分类	PSTP-BERT模型能够直接进行三类分类，而现有机器学习方法只能进行嗜热与非嗜热或嗜冷与非嗜冷蛋白质的二元分类	NA	开发一种能够直接识别嗜热、嗜温和嗜冷蛋白质的深度学习模型	嗜热、嗜温和嗜冷蛋白质	机器学习	NA	深度学习	BERT	蛋白质序列	NA
1169	2025-01-27	Generalized fractional optimization-based explainable lightweight CNN model for malaria disease classification 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109593 PMID:39709870	研究论文	本文提出了一种基于广义分数阶优化的可解释轻量级CNN模型，用于疟疾疾病分类	提出了一种基于分数阶优化算法的轻量级卷积神经网络模型，解决了现有深度学习模型在计算效率和可解释性方面的不足	未提及具体局限性	提高疟疾疾病诊断的准确性和效率	疟疾疾病分类	计算机视觉	疟疾	深度学习	CNN	图像	标准NIH数据集、外部MP-IDB数据集和M5测试集
1170	2025-01-27	Named entity recognition for de-identifying Spanish electronic health records 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109576 PMID:39709869	研究论文	本研究探索了西班牙语电子健康记录（EHRs）的自动去识别化，采用命名实体识别任务，并开发了两种基于深度学习的方法	首次在西班牙语EHRs上应用Transformer模型进行去识别化，并展示了其优于传统RNN模型的性能	研究主要依赖于一个包含599个真实临床案例的私有语料库，可能限制了模型的泛化能力	实现西班牙语电子健康记录的自动去识别化，以保护患者隐私并促进数据共享	西班牙语电子健康记录	自然语言处理	NA	命名实体识别	RNN, Transformer	文本	599个真实临床案例
1171	2025-01-27	Latent representation learning for classification of the Doppler ultrasound images 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109575 PMID:39729855	研究论文	本文提出了一种用于多普勒超声图像分类的潜在表示权重学习方法（LRWL），以解决图像长度不一和维度差异的问题	LRWL方法能够处理长度不一的多图像问题，特别是针对不规则多图像问题，并提出了空间交互测量（SIM）方法来验证LRWL在捕捉图像间关系方面的准确性	未明确提及具体局限性	通过多普勒超声图像进行妊娠预测	多普勒超声图像	计算机视觉	妊娠相关疾病	深度学习（DL）	LRWL（潜在表示权重学习）	图像	真实不规则生殖数据集和两个合成规则数据集
1172	2025-01-27	Assessment of deep learning technique for fully automated mandibular segmentation 2025-Feb, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2024.09.006 PMID:39863342	研究论文	本研究评估了一种基于卷积神经网络的自动分割下颌骨的开源模型	使用MONAI Label主动学习工具扩展训练自动模型，并评估其在临床中的适用性	样本量较小，仅包含55个锥形束计算机断层扫描	评估自动分割下颌骨模型的精度	下颌骨的自动分割	计算机视觉	NA	锥形束计算机断层扫描	卷积神经网络（CNN）	图像	55个锥形束计算机断层扫描
1173	2025-01-26	Fully automated coronary artery calcium score and risk categorization from chest CT using deep learning and multiorgan segmentation: A validation study from National Lung Screening Trial (NLST) 2025-Feb, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2024.101593 PMID:39850777	研究论文	本研究利用深度学习模型从非心电图门控胸部CT扫描中自动检测、量化和进行冠状动脉钙化评分（CACS）的风险分类	使用基于Mask R-CNN的神经网络进行多器官分割，实现冠状动脉钙化评分的全自动量化和风险分类	研究中仅使用了80名患者训练分割模型，样本量相对较小	验证深度学习模型在自动检测和量化冠状动脉钙化评分中的应用	高风险人群的胸部CT扫描	计算机视觉	心血管疾病	深度学习	Mask R-CNN	图像	80名患者用于训练，1442名患者用于验证
1174	2025-01-25	MRI-based deep learning and radiomics for predicting the efficacy of PD-1 inhibitor combined with induction chemotherapy in advanced nasopharyngeal carcinoma: A prospective cohort study 2025-Feb, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.102245 PMID:39662448	研究论文	本研究旨在基于MRI的深度学习和放射组学特征，建立并评估预测PD-1抑制剂联合GP诱导化疗在晚期鼻咽癌中疗效的模型	结合放射组学特征和深度学习特征（DLFs），构建了Tf_Radiomics+Resnet101模型，该模型在预测PD-1抑制剂联合GP化疗疗效方面表现出色	样本量相对较小，且仅基于MRI数据，未考虑其他可能影响疗效的因素	预测PD-1抑制剂联合GP诱导化疗在晚期鼻咽癌中的疗效	晚期鼻咽癌患者	数字病理学	鼻咽癌	MRI	Resnet101	图像	99名晚期鼻咽癌患者
1175	2025-01-25	LipBengal: Pioneering Bengali lip-reading dataset for pronunciation mapping through lip gestures 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111254 PMID:39845145	研究论文	本文介绍了一个名为LipBengal的开创性孟加拉语唇读数据集，旨在通过唇部动作进行发音映射	填补了孟加拉语唇读研究领域的空白，提供了首个专门针对孟加拉语的唇读数据集，包含150名说话者的视觉数据，涵盖54个类别，包括孟加拉语音素、字母和符号	数据采集环境多样且不受控制，可能影响模型的泛化能力	推动孟加拉语唇读和视觉语音识别研究，促进未来应用和技术进步	孟加拉语音素、字母和符号的唇部动作	自然语言处理	NA	深度学习	NA	视频	150名说话者，涵盖54个类别
1176	2024-08-07	Deep learning to predict fetal acidemia 2025-Feb, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2024.07.031 PMID:39084497	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1177	2024-08-07	Deep learning to predict fetal acidemia: a response 2025-Feb, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2024.07.037 PMID:39074680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1178	2025-01-24	Deep learning-based classifier for carcinoma of unknown primary using methylation quantitative trait loci 2025-Feb-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae123 PMID:39607989	研究论文	本文开发了一种基于深度学习的DNA甲基化分类器，用于识别未知原发癌（CUP）的原发部位	利用特定器官的甲基化数量性状位点（mQTL）开发分类器，提高了分类准确性并减少了所需样本量	研究依赖于回顾性分析，且样本来源仅限于福尔马林固定石蜡包埋组织	开发一种能够辅助病理学家识别未知原发癌原发部位的DNA甲基化分类器	759例来自福尔马林固定石蜡包埋组织的癌样本	数字病理学	未知原发癌	DNA甲基化阵列分析	深度学习	甲基化数据	759例癌样本
1179	2025-01-24	Automatic classification of HEp-2 specimens by explainable deep learning and Jensen-Shannon reliability index 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103030 PMID:39637573	研究论文	本文介绍了一种基于迁移学习和预训练深度学习模型的创新平台，用于自动分类HEp-2标本，并通过Jensen-Shannon可靠性指数增强方法的可信度	结合无监督深度描述、新型特征选择方法和独立测试数据集，提出了一种改进的梯度加权类激活映射和基于Jensen-Shannon散度的样本质量指数	未来工作将解决有丝分裂纺锤体识别的挑战，并扩展方法以覆盖混合模式	开发一种计算机辅助系统，用于HEp-2图像分析和ANA模式分类	HEp-2标本	计算机视觉	结缔组织疾病	迁移学习	深度学习模型	图像	两个来自不同医院的独立数据集
1180	2025-01-24	Increased chloroplast occupancy in bundle sheath cells of rice hap3H mutants revealed by Chloro-Count: a new deep learning-based tool 2025-Feb, The New phytologist DOI:10.1111/nph.20332 PMID:39668515	研究论文	本研究开发了一种基于深度学习的工具Chloro-Count，用于量化水稻OsHAP3H功能获得和缺失突变体束鞘细胞中叶绿体的尺寸	开发了新的深度学习工具Chloro-Count，首次实现了对水稻束鞘细胞中叶绿体尺寸的精确量化，并揭示了OsHAP3H功能缺失导致叶绿体数量增加的机制	2D量化方法受叶绿体在细胞中位置的影响，可能存在一定的误差	提高水稻光合作用效率，增加产量潜力	水稻OsHAP3H功能获得和缺失突变体	计算机视觉	NA	深度学习	NA	图像	OsHAP3H功能获得和缺失突变体