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
1261	2025-01-27	An interpretable deep learning model for hallux valgus prediction 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109468 PMID:39662315	研究论文	本研究开发了一种可解释的深度学习模型，用于自动标注足部X光图像中的关键点并计算拇外翻角度（HVA）和跖骨间角度（IMA），以提高拇外翻（HV）诊断的效率和准确性	提出了一种可解释的深度学习模型，能够自动识别足部X光图像中的12个关键点并计算HVA和IMA，显著减少了人工计算的时间和误差	模型在测试集中的平均误差距离为1.9 mm至5.6 mm，虽然表现良好，但仍存在一定的误差	提高拇外翻诊断的效率和准确性	足部X光图像	计算机视觉	拇外翻	深度学习	AG-UNet, SE-DNN	图像	2000张足部X光图像
1262	2025-01-27	Unsupervised reconstruction of accelerated cardiac cine MRI using neural fields 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109467 PMID:39672009	研究论文	本文提出了一种基于隐式神经场表示的无监督方法NF-cMRI，用于加速心脏电影MRI的重建	提出了一种无监督的深度学习方法，不需要大规模训练数据集，避免了数据偏差	未提及具体局限性	加速心脏电影MRI的重建，提高图像清晰度和鲁棒性	心脏电影MRI数据	医学影像处理	心血管疾病	隐式神经场表示	无监督深度学习	MRI图像	未提及具体样本数量
1263	2025-01-27	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	综述	本文系统回顾了神经科学与深度学习在解码运动想象脑电图（EEG）信号方面的最新进展，旨在提高运动障碍患者的生活质量	总结了自2017年以来相关研究的关键发现，重点关注数据集、预处理方法、特征提取技术和深度学习模型	EEG信号在个体间存在固有变异性且信噪比低，这在实际应用中带来了挑战	探索神经科学与深度学习的结合，以解码运动想象EEG信号，从而改善运动障碍患者的生活质量	运动想象EEG信号	机器学习	运动障碍	EEG	深度学习模型	EEG信号	NA
1264	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
1265	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）
1266	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
1267	2025-01-27	Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109530 PMID:39693692	系统文献综述	本文对使用深度学习技术通过MRI检测和分析多发性硬化症（MS）的研究进行了系统文献综述	提供了关于深度学习在MS检测和分析中的应用的全面综述，并以结构化表格形式总结了这些技术	仅关注了MRI数据，未涉及其他类型的医学数据	探讨深度学习技术在多发性硬化症（MS）检测和分析中的应用	多发性硬化症（MS）	医学影像分析	多发性硬化症	深度学习	卷积神经网络（CNN）	MRI图像	82篇相关研究
1268	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
1269	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
1270	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
1271	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
1272	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
1273	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
1274	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
1275	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
1276	2025-01-27	Peripheral nerve injury induces dystonia-like movements and dysregulation in the energy metabolism: A multi-omics descriptive study in Thap1+/- mice 2025-Feb, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2024.106783 PMID:39732371	研究论文	本研究探讨了周围神经损伤如何诱导Thap1+/-小鼠出现类似肌张力障碍的运动和能量代谢失调	首次在遗传易感的DYT-THAP1杂合敲除小鼠模型中，通过坐骨神经压伤研究基因-环境相互作用对肌张力障碍特征发展的影响，并采用多组学评估揭示疾病的病理生理途径	研究仅在小鼠模型中进行，尚未在人类中验证	研究基因-环境相互作用在肌张力障碍特征发展中的作用	Thap1+/-小鼠	神经科学	肌张力障碍	多组学评估	深度学习算法	行为数据、多组学数据	Thap1+/-小鼠和野生型小鼠
1277	2025-01-27	An accelerated deep learning model can accurately identify clinically important humeral and scapular landmarks on plain radiographs obtained before and after anatomic arthroplasty 2025-Feb, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-024-06401-3 PMID:39760903	研究论文	本文介绍了一种加速的深度学习模型，能够准确识别解剖性肩关节置换术前后的X光片上的肱骨和肩胛骨标志	使用深度学习模型自动识别X光片上的关键骨性标志，减少了人工标注的工作量，并避免了人为观察偏差	研究样本量较小，仅使用了240张标注的X光片进行训练	评估深度学习模型在识别肩关节置换术前后的X光片上的骨性标志的准确性	肩关节置换术前后的X光片	计算机视觉	肩关节疾病	深度学习	深度学习模型（DLM）	图像	240张标注的X光片，扩展至2,260张图像进行训练
1278	2025-01-27	Development and routine implementation of deep learning algorithm for automatic brain metastases segmentation on MRI for RANO-BM criteria follow-up 2025-Feb-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121002 PMID:39800174	研究论文	本研究开发并验证了一种基于深度学习的AI解决方案，用于在MRI上自动分割脑转移瘤（BM），以便在常规临床环境中轻松获取RANO-BM标准和BM体积	开发了一种无需AI专业知识即可使用的深度学习解决方案，能够有效分割脑转移瘤并显著节省时间	研究样本量相对较小，仅包括132名患者	开发并验证一种AI解决方案，用于在MRI上自动分割脑转移瘤，以符合RANO-BM标准	脑转移瘤（BM）患者	数字病理学	脑转移瘤	深度学习	UNETR	MRI图像	132名患者的27,456张MRI图像
1279	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
1280	2025-01-26	Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement 2025-Feb, Journal of the Air & Waste Management Association (1995) DOI:10.1080/10962247.2024.2412708 PMID:39440842	研究论文	本研究旨在通过改进U-Net卷积神经网络模型，结合边缘信息扩展和联合损失函数，提高农业塑料大棚（APGs）的提取精度，以实现更有效的农业管理和环境监测	提出了一种改进的U-Net卷积神经网络模型，结合边缘信息扩展和联合损失函数，显著提高了农业塑料大棚的提取精度	研究仅使用了GF-7卫星影像数据，未涉及其他类型的数据或更大范围的应用验证	提高农业塑料大棚的空间分布信息提取精度，支持农业管理和环境监测	农业塑料大棚（APGs）	计算机视觉	NA	深度学习网络模型	U-Net卷积神经网络（CNN）	遥感图像	使用GF-7卫星影像数据