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
1381	2025-02-21	Deep learning-based segmentation in MRI-(immuno)histological examination of myelin and axonal damage in normal-appearing white matter and white matter hyperintensities 2025-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.13301 PMID:39175459	研究论文	本文探讨了基于深度学习的MRI分割技术在正常表现白质和白质高信号中髓鞘和轴突损伤的（免疫）组织学检查中的应用	结合（免疫）组织化学和偏振光成像技术，使用深度学习细化分析技术，量化髓鞘和轴突损伤，揭示高血压患者轴突损伤的增加	直接病理特征化影响髓鞘轴突纤维的微结构改变仍缺失，尤其是正常表现白质	扩展对正常表现白质中可能已经发生的病理过程的认识，以减缓白质高信号的进展	高血压和正常血压对照者的死后脑部成像	数字病理	心血管疾病	（免疫）组织化学，偏振光成像（PLI），深度学习	深度学习	MRI图像	高血压和正常血压对照者的脑部样本
1382	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列
1383	2025-02-21	Artificial intelligence in in-vitro fertilization (IVF): A new era of precision and personalization in fertility treatments 2025-Mar, Journal of gynecology obstetrics and human reproduction IF:1.7Q3 DOI:10.1016/j.jogoh.2024.102903 PMID:39733809	综述	本文探讨了人工智能（AI）、机器学习（ML）和深度学习（DL）在体外受精（IVF）过程中各个阶段的潜在应用，以提高IVF的成功率	AI在IVF中的应用，包括个性化卵巢刺激方案、配子选择、胚胎注释和选择等关键领域，以及AI在提高实验室质量控制和工作流程优化方面的潜力	AI在改善临床结果方面的作用仍需通过大规模、设计良好的临床试验来确认，且需解决数据隐私、算法偏见和公平性等伦理问题	探索AI在IVF中的应用潜力，以提高IVF的成功率和患者护理水平	体外受精（IVF）过程中的各个阶段，包括卵巢刺激、配子选择、胚胎选择等	机器学习	生殖健康	AI, ML, DL	NA	图像数据、形态学数据	NA
1384	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA
1385	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集
1386	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
1387	2025-02-21	ABIET: An explainable transformer for identifying functional groups in biological active molecules 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109740 PMID:39894011	研究论文	本文介绍了一种名为ABIET的可解释Transformer模型，用于识别生物活性分子中药物-靶点相互作用的关键区域——功能基团	ABIET模型通过利用Transformer编码器架构的注意力权重，结合双向交互、基于层的提取和激活变换等策略，有效区分功能基团与非功能基团原子，提升了Transformer模型的可解释性	NA	提高Transformer模型在药物发现中的可解释性，识别生物活性分子中的功能基团	生物活性分子中的功能基团	自然语言处理	NA	Transformer模型	Transformer	SMILES表示的分子数据	针对多种药理学受体（包括VEGFR2、AA2A、GSK3、JNK3和DRD2）的多样化数据集
1388	2025-02-21	Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109759 PMID:39914196	研究论文	本研究介绍了一种自动化分析视频荧光吞咽研究（VFSS）的新框架，用于表征头颈癌（HNC）患者的吞咽困难	提出了一种结合深度学习标记框架、吞咽动态参数提取和机器学习分类的自动化分析方法，用于从VFSS中识别十个感兴趣区域和四种吞咽困难相关损伤	数据集大小和VFSS的变异性带来的挑战	开发自动化分析VFSS的方法，以表征头颈癌患者的吞咽困难	头颈癌患者、健康个体以及非头颈癌相关吞咽困难患者	计算机视觉	头颈癌	深度学习、机器学习	深度学习标记框架、机器学习分类器	视频	未明确提及具体样本数量，但涉及健康个体、头颈癌患者放疗前后及非头颈癌相关吞咽困难患者
1389	2025-02-21	You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109733 PMID:39914201	研究论文	本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测	结合深度学习和传统机器学习方法进行乳腺癌风险预测，探索了图像数据在风险预测中的应用	需要进一步验证以确认其临床适用性	开发一种基于图像的乳腺癌风险预测模型，以个性化筛查需求	乳腺癌风险预测	计算机视觉	乳腺癌	深度学习, 传统机器学习	深度学习模型, 传统机器学习模型	图像	3720例对照组和1471例风险病例的乳腺X光片
1390	2025-02-21	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	本文介绍了一种名为REMED-T2D的集成机器学习模型，用于早期检测2型糖尿病，通过整合多种机器学习算法提高预测准确性和鲁棒性	REMED-T2D是首个使用Pima数据集进行综合分析的模型，结合了多种机器学习算法，并开发了公开可访问的Web服务器	模型主要在亚洲女性数据集上进行验证，可能在其他人群中的适用性有限	开发一种高效的机器学习模型，用于早期检测2型糖尿病	2型糖尿病患者	机器学习	糖尿病	集成学习	集成学习模型	医疗数据集	Pima Indian Diabetes数据集，RTML1和Pabna数据集
1391	2025-02-21	QMaxViT-Unet+: A query-based MaxViT-Unet with edge enhancement for scribble-supervised segmentation of medical images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109762 PMID:39919665	研究论文	本文提出了一种基于涂鸦监督的医学图像分割新框架QMaxViT-Unet+，通过改进U-Net架构并引入多轴视觉Transformer块和边缘增强模块，提高了分割精度	QMaxViT-Unet+框架结合了多轴视觉Transformer块和边缘增强模块，有效提升了模型在局部和全局特征学习上的能力，同时通过查询式Transformer解码器优化特征	尽管在多个数据集上表现优异，但模型在特定数据集（如BUSI）上的性能仍有提升空间，且依赖于涂鸦标签的质量	解决医学图像分割中高质量标注数据稀缺的问题，提出一种弱监督学习方法	心脏结构、结肠息肉和乳腺癌的医学图像	计算机视觉	心血管疾病、结肠癌、乳腺癌	深度学习	QMaxViT-Unet+（基于U-Net和多轴视觉Transformer）	医学图像	四个公开数据集：ACDC、MS-CMRSeg、SUN-SEG、BUSI
1392	2025-02-21	Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109760 PMID:39923589	研究论文	本研究提出了一种基于级联点注释的深度学习框架，用于3D肺部感染分割，以减少标注工作量并提高分割性能	提出了一种新的级联点注释框架，通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，以在稀疏注释下约束网络对病变模式的更全面理解	虽然方法在未见过的感染亚型（如肺炎支原体）上表现出鲁棒性，但未明确讨论其在其他类型感染或更广泛数据集上的泛化能力	开发一种高效且准确的肺部感染分割方法，以减少标注工作量并提高分割性能	肺部感染的3D CT图像	计算机视觉	肺部感染	深度学习	级联深度学习模型	3D CT图像	1,072个CT体积
1393	2025-02-21	Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109769 PMID:39923592	研究论文	本文提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的独特方法	使用连续小波变换将心电图信号转换为尺度图，以捕捉时间和频率域信息，并采用优化的预训练GoogLeNet架构进行迁移学习	需要进一步验证在更大规模数据集上的泛化能力	开发一种基于单导联心电图信号的睡眠呼吸暂停检测方法	睡眠呼吸暂停患者的心电图信号	机器学习	睡眠障碍	连续小波变换	GoogLeNet	心电图信号	PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集
1394	2025-02-21	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	本文提出了一种名为ResoMergeNet（RMN）的多模态医学图像分类模型，用于白内障、肺癌和乳腺癌的诊断	RMN结合了迁移学习和先进技术（ResBoost框架和ConvMergeNet），能够有效处理多模态医学图像分类问题，并在不同数据集上表现出色	未明确提及模型的局限性	提高多模态医学图像分类的准确性，以支持白内障、肺癌和乳腺癌的早期诊断	白内障、肺癌和乳腺癌的医学图像	计算机视觉	白内障、肺癌、乳腺癌	迁移学习、ResBoost框架、ConvMergeNet	ResoMergeNet（RMN）	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类）
1395	2025-02-21	Review on computational methods for the detection and classification of Parkinson's Disease 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109767 PMID:39938340	review	本文系统地调查了用于帕金森病检测和分类的计算方法，特别是通过不同的成像模态	本文提供了对现有机器学习和深度学习模型的深入分析，并强调了改进现有方法以处理诊断准确性挑战的需求	现有数据集的应用性有限，需要扩展其适用性	系统调查帕金森病检测和分类的最新方法	帕金森病的生物标志物，包括解剖和神经递质变化、血清和遗传特征	machine learning	帕金森病	T1加权MRI	machine learning, deep learning	image	NA
1396	2025-02-21	Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study 2025-Mar, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02221-x PMID:38498173	研究论文	本研究旨在探讨深度学习（DL）衍生的影像特征在预测局部晚期非小细胞肺癌（LA-NSCLC）患者放射性肺炎（RP）中的能力	结合3D深度学习衍生的影像特征与剂量-体积指标，提高了对LA-NSCLC患者放射性肺炎的预测能力	研究样本量相对较小，且仅来自两个中心，可能影响结果的普遍性	预测局部晚期非小细胞肺癌患者放射性肺炎的发生	局部晚期非小细胞肺癌患者	数字病理	肺癌	3D深度学习	多层感知机	影像数据	149名患者（90名来自复旦大学上海癌症中心，59名来自江南大学附属医院）
1397	2025-02-20	The Microscope and Beyond: Current Trends in the Characterization of Kidney Allograft Rejection From Tissue Samples 2025-Mar-01, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000005153 PMID:39436268	综述	本文综述了当前和新兴的创新工具，这些工具有潜力从组织样本中增强对肾移植排斥反应的表征	讨论了数字化病理工作流程、深度学习、多重免疫组化、转录组学以及单细胞和空间转录组学等新兴技术，这些技术有望解决Banff分类系统的当前盲点	Banff分类系统主要依赖于半定量组织学评分系统，缺乏可重复性和精细度，且从大块组织的组织病理学损伤和转录组学分析推断排斥反应的发病机制的能力受到质疑	增强对肾移植排斥反应的表征	肾移植排斥反应的组织样本	数字病理学	肾移植排斥反应	多重免疫组化、转录组学、单细胞转录组学、空间转录组学	深度学习	组织样本	NA
1398	2025-02-20	Spatial structural abnormality maps associated with cognitive and physical performance in relapsing-remitting multiple sclerosis 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11157-w PMID:39470796	研究论文	本研究旨在利用深度学习算法表征与复发缓解型多发性硬化症（RRMS）患者认知和身体表现相关的脑部异常	使用3D nnU-Net计算新颖的空间异常图，并识别出五种RRMS亚型，这些亚型在认知和身体表现上存在差异	研究依赖于特定的数据集，且样本量在不同数据集间存在差异，可能影响结果的普适性	探索RRMS患者认知和身体表现与脑部异常之间的关系	复发缓解型多发性硬化症（RRMS）患者	数字病理学	多发性硬化症	深度学习算法	3D nnU-Net	T1加权图像	数据集1：281名RRMS患者（男/女=101/180，中位年龄35.0岁）；数据集2：33名RRMS患者；数据集3：56名RRMS患者
1399	2025-02-20	Burnout crisis in Chinese radiology: will artificial intelligence help? 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11206-4 PMID:39567429	研究论文	本研究评估了中国医院放射科使用人工智能（AI）软件与职业倦怠之间的相关性	首次定量评估AI软件使用与放射科工作人员职业倦怠之间的关系	研究设计为横断面研究，无法确定因果关系	评估AI软件使用与放射科工作人员职业倦怠之间的相关性	中国68家公立医院的放射科医生和技术人员	数字病理学	NA	在线调查、MBI-HSS量表、AI使用问卷	NA	问卷数据	522名放射科工作人员
1400	2025-02-20	Convolutional neural networks for automatic MR classification of myocardial iron overload in thalassemia major patients 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11245-x PMID:39658686	研究论文	本文开发了一种深度学习模型，用于从T2*多回波MR图像中自动分类心肌铁过载（MIO）	开发了两种2D卷积神经网络（CNN），分别用于多切片（MS-HippoNet）和单切片（SS-HippoNet）分析，以自动分类心肌铁过载	研究仅基于回顾性数据，且样本主要来自地中海贫血患者，可能限制了模型的泛化能力	开发一种深度学习模型，用于自动分类心肌铁过载（MIO）	496名地中海贫血患者的心脏T2*多回波MR图像	计算机视觉	地中海贫血	T2*多回波MR成像	CNN	图像	823张心脏T2*多回波MR图像，来自496名地中海贫血患者