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
1401	2025-02-20	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型	研究样本量相对较小，且仅限于肺结节和乳腺结节患者	缩短动态PET扫描时间，提高临床应用的可行性	70名肺结节或乳腺结节患者	医学影像分析	肺结节, 乳腺结节	动态PET/CT扫描	Bi-AT-Seq2Seq	医学影像	70名患者（32名男性，平均年龄53.61±13.53岁）
1402	2025-02-20	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值	使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能	研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异	评估深度学习在区分OAL和IOI中的应用价值	97名经病理学确认的OAL和IOI患者	数字病理学	眼附属器淋巴瘤, 特发性眼眶炎症	深度学习	基于注意力的融合模型	MR图像	97名患者（43名OAL，54名IOI）
1403	2025-02-20	Identifying influential nodes in brain networks via self-supervised graph-transformer 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109629 PMID:39731922	研究论文	本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点	采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析	依赖于自监督学习的效果，可能受限于数据质量和模型训练过程	识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解	脑网络中的关键节点	脑成像	NA	自监督深度学习，图变换器	Graph-Transformer	脑图数据	56个关键节点
1404	2025-02-20	ESI-GAL: EEG source imaging-based trajectory estimation for grasp and lift task 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109608 PMID:39733553	研究论文	本研究利用脑电图（EEG）信号进行运动学预测，探索了基于EEG源成像（ESI）的运动学预测方法，并开发了深度学习模型用于解码手部运动学	首次将EEG源成像（ESI）数据用于运动学预测，并开发了深度学习模型rEEGNet进行解码	研究仅基于公开数据集WAY-EEG-GAL，未涉及其他任务或数据集	开发基于EEG信号的运动学预测方法，用于脑机接口（BCI）系统如外骨骼、假肢和康复设备	手部抓握和举升任务的三维运动学轨迹	脑机接口	NA	EEG源成像（ESI）	rEEGNet	EEG信号	公开数据集WAY-EEG-GAL
1405	2025-02-20	Towards safe and reliable deep learning for lung nodule malignancy estimation using out-of-distribution detection 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109633 PMID:39736253	研究论文	本文提出了一种基于马氏距离的离群分布检测方法，用于提高深度学习模型在肺结节恶性风险评估中的安全性和可靠性	提出了一种新的离群分布检测方法，利用马氏距离来检测与训练数据分布不同的未见数据，并在多个数据集上验证了其有效性	未发现深度学习模型性能随离群分布评分增加而下降的情况，这可能限制了方法的普适性	提高深度学习模型在临床应用中处理未见数据时的安全性和可靠性	肺结节的恶性风险评估	计算机视觉	肺癌	深度学习	深度学习模型	胸部CT图像	四个不同数据集
1406	2025-02-20	Enhancing lesion detection in liver and kidney CT scans via lesion mask selection from two models: A main model and a model focused on small lesions 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109602 PMID:39740509	研究论文	本文提出了一种通过从两个模型中选择病变掩码来增强肝脏和肾脏CT扫描中病变检测的方法	提出了一种选择性集成方法，利用两个基于UNet架构的模型的预测来选择最佳病变掩码，其中一个模型专注于小病变的检测	尽管提高了检测和分割性能，但方法在公共数据集上的假阴性率仍然较高，尤其是对于小病变	提高肝脏和肾脏CT扫描中病变的检测和分割准确性	肝脏和肾脏CT扫描中的病变	计算机视觉	肝癌, 肾癌	CT扫描	UNet, ConvNext	图像	三个不同的病变分割数据集
1407	2025-02-20	Knee osteoarthritis severity detection using deep inception transfer learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109641 PMID:39742824	研究论文	本文提出了一种基于InceptionV3模型的迁移学习方法，用于提高膝关节骨关节炎（OA）严重程度的检测准确性	通过双阶段预处理和卷积神经网络进行特征提取，改进了OA严重程度的识别	模型的准确性仍有待进一步提高，且依赖于特定数据集（Osteoarthritis Initiative dataset）	提高膝关节骨关节炎严重程度的检测准确性	膝关节骨关节炎患者	计算机视觉	骨关节炎	迁移学习	InceptionV3	图像	Osteoarthritis Initiative数据集
1408	2025-02-20	Attention-guided CenterNet deep learning approach for lung cancer detection 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109613 PMID:39753023	研究论文	本文提出了一种改进的CenterNet深度学习框架，结合ResNet-34和注意力机制，用于肺癌检测	创新性地将ResNet-34与注意力机制结合到CenterNet架构中，提升了特征提取能力，减少了计算复杂性和推理时间	无法有效定位光照变化强烈的样本	提高肺癌的早期检测和诊断能力	肺癌检测	计算机视觉	肺癌	深度学习	CenterNet, ResNet-34	图像	LUNA-16数据集和Kaggle数据样本
1409	2025-02-20	PFSH-Net: Parallel frequency-spatial hybrid network for segmentation of kidney stones in pre-contrast computed tomography images of dogs 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109609 PMID:39753026	研究论文	本文提出了一种并行频率-空间混合网络（PFSH-Net），用于在狗的预对比CT图像中分割肾结石	提出了一个并行频率-空间混合网络（PFSH-Net），并设计了一个多尺度融合（MSF）模块，以同时捕捉空间和频率域特征	公共数据集中缺乏高质量的狗病变和器官的CT注释	开发一种能够准确检测狗肾结石的深度学习模型	狗的预对比CT图像中的肾结石	计算机视觉	肾结石	深度学习	PFSH-Net	CT图像	JBNU-ACT数据集和BTCV数据集
1410	2025-02-20	Brain tumour histopathology through the lens of deep learning: A systematic review 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109642 PMID:39787663	系统综述	本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用，特别是针对胶质母细胞瘤（GBM）的研究	本文首次系统性地回顾了ML/DL技术在GBM组织病理学研究中的应用，并揭示了这些技术在揭示GBM发病机制中的潜力	许多研究未能清晰地报告ML/DL模型的训练和评估方法，影响了模型的稳健性和可重复性	探讨ML/DL技术如何推动脑肿瘤特别是GBM的组织病理学研究进展	胶质母细胞瘤（GBM）及其组织病理学数据	数字病理学	脑肿瘤	机器学习和深度学习技术	SVM分类器和基于ResNet的CNN架构	组织病理学数据和组学数据	54项符合条件的研究
1411	2025-02-20	Colorectal cancer classification using weakly annotated whole slide images: Multiple instance learning optimization study 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109649 PMID:39798507	研究论文	本研究利用深度学习技术，通过弱标注的病理全切片图像（WSIs）研究结直肠癌（CRC）分类问题，并优化多实例学习（MIL）算法以提高分类性能	提出了与MIL集成的WSI标签预测函数，显著提升了WSI级别的分类性能，并通过预处理技术生成了计算效率高的数据集表示	研究依赖于弱标注数据，可能影响模型的精确度	开发一个高效的计算机辅助诊断（CAD）系统，用于结直肠癌的早期检测和分类	结直肠癌的病理全切片图像	数字病理学	结直肠癌	深度学习	多实例学习（MIL）	图像	未明确提及具体样本数量
1412	2025-02-20	Glo-net: A dual task branch based neural network for multi-class glomeruli segmentation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109670 PMID:39799830	研究论文	本文提出了一种新的深度学习方法Glo-Net，用于基于数字化病理切片的肾小球精确分割和分类	Glo-Net将传统的语义分割网络分为两个分支，即分割和分类，并引入了一种创新的损失函数来补偿类别不平衡和少数类型的肾小球	NA	提高肾小球分割和分类的准确性，以帮助表征个体肾脏疾病	肾小球	计算机视觉	肾脏疾病	深度学习	CNN	图像	多机构数据集（包括外部验证集）
1413	2025-02-20	Sirolimus as a repurposed drug for tendinopathy: A systems biology approach combining computational and experimental methods 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109665 PMID:39809087	研究论文	本研究采用系统生物学方法，结合计算和实验手段，探索西罗莫司作为肌腱病再用途药物的潜力	通过系统生物学方法，结合多重转录药物预测、系统评价评估、深度学习疗效预测和孟德尔随机化，首次提出西罗莫司作为肌腱病的再用途药物	研究主要依赖于计算预测和动物模型，需要进一步的临床试验验证西罗莫司在人类肌腱病中的疗效	探索现有药物在肌腱病治疗中的再用途，以减少新药开发的时间和成本	肌腱病	系统生物学	肌腱病	转录组学、深度学习、孟德尔随机化、基因敲除小鼠模型	深度学习	转录组数据、基因表达数据	154个临床肌腱样本
1414	2025-02-20	Weakly-supervised thyroid ultrasound segmentation: Leveraging multi-scale consistency, contextual features, and bounding box supervision for accurate target delineation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109669 PMID:39809086	研究论文	本文提出了一种新的弱监督分割框架，用于甲状腺超声图像的分割，通过多尺度一致性、上下文特征和边界框监督来提高分割准确性	提出了一种新的弱监督分割框架，结合了空间排列一致性分支、层次预测一致性分支、上下文特征集成分支和多尺度原型细化模块，显著提高了分割性能并减少了对边界框注释的过拟合	虽然该方法在甲状腺超声图像上表现出色，但在其他类型的医学图像上的泛化能力尚未验证	提高甲状腺超声图像的分割准确性，减少对像素级注释的依赖	甲状腺超声图像	计算机视觉	甲状腺疾病	弱监督学习	深度学习模型	图像	两个甲状腺超声数据集：TG3K和TN3K
1415	2025-02-20	ResViT FusionNet Model: An explainable AI-driven approach for automated grading of diabetic retinopathy in retinal images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109656 PMID:39823821	研究论文	本文提出了一种名为ResViT FusionNet的混合模型，用于自动分级糖尿病视网膜病变（DR）的视网膜图像	结合了卷积神经网络（CNN）和视觉变换器（ViT）的优势，并采用可解释的人工智能（XAI）技术提高模型的透明度和可解释性	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高糖尿病视网膜病变（DR）的自动检测和分类准确性	糖尿病视网膜病变（DR）的视网膜图像	计算机视觉	糖尿病视网膜病变	数据增强（包括像素值重缩放、水平翻转、旋转和缩放）	ResViT FusionNet（结合ResNet50和ViT）	图像	未提及具体样本数量
1416	2025-02-20	Synthesized colonoscopy dataset from high-fidelity virtual colon with abnormal simulation 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109672 PMID:39826299	研究论文	本文提出了一种从高保真虚拟结肠生成合成结肠镜图像的方法，用于训练深度学习模型	通过高保真3D结肠模型和异常模拟生成多样化的结肠镜图像，解决了真实结肠镜图像数据不足的问题	合成数据的真实性可能仍与真实数据存在差距，且未提及数据集的公开性	解决深度学习模型在结肠镜图像数据不足情况下的泛化能力问题	高保真3D结肠模型及其生成的合成结肠镜图像	计算机视觉	结肠疾病	CT图像建模、表面网格变形、纹理映射、血液扩散模拟	深度学习模型	图像	NA
1417	2025-02-20	Cross-modality PET image synthesis for Parkinson's Disease diagnosis: a leap from [18F]FDG to [11C]CFT 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07096-3 PMID:39828866	研究论文	本文开发了一种深度学习框架，用于从真实的[18F]FDG PET图像合成[11C]CFT PET图像，并利用它们的跨模态相关性来区分帕金森病（PD）和正常对照（NC）	通过深度学习框架合成[11C]CFT PET图像，解决了[11C]CFT PET成像在大多数医院不可用的问题，从而扩大了先进诊断工具的应用范围	研究中未提及合成图像在不同医院或设备上的通用性和稳定性	开发一种深度学习框架，用于合成[11C]CFT PET图像，以增强帕金森病的诊断	帕金森病患者和正常对照者	数字病理学	帕金森病	深度学习	深度学习框架	PET图像	604名参与者（274名帕金森病患者和330名正常对照者）
1418	2025-02-20	An in-depth review of AI-powered advancements in cancer drug discovery 2025-Mar, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167680 PMID:39837431	review	本文深入探讨了人工智能在癌症药物发现中的进展，特别是通过深度学习和高级数据分析技术加速药物发现的关键阶段	强调了AI技术在药物发现中的变革性作用，包括使用DrugnomeAI和PandaOmics等工具进行靶点识别，以及AI在个性化治疗策略中的应用	面临大规模基因组数据管理和AI在医疗中应用的伦理问题等挑战	探讨人工智能如何重新定义癌症药物发现，促进个性化和有效疗法的发展	癌症药物发现过程，包括靶点识别、药物设计、临床试验优化和药物反应预测	machine learning	cancer	deep learning, advanced data analytics	NA	genomic datasets	NA
1419	2025-02-20	A novel hybrid ViT-LSTM model with explainable AI for brain stroke detection and classification in CT images: A case study of Rajshahi region 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109711 PMID:39847947	研究论文	本研究提出了一种结合Vision Transformer (ViT)和长短期记忆网络(LSTM)的混合模型，用于在CT图像中准确检测和分类脑卒中特征	该研究创新性地将ViT和LSTM结合，利用ViT从CT图像中识别关键特征，LSTM处理ViT生成的序列信息，以捕捉时间依赖性，并通过XAI方法提高模型的可解释性	研究主要基于Rajshahi地区的数据集，可能在其他地区的泛化能力有限	开发一种自动化解决方案，用于及时准确地诊断脑卒中	CT图像中的脑卒中特征	计算机视觉	脑卒中	深度学习	ViT-LSTM	CT图像	BrSCTHD-2023数据集（来自Rajshahi Medical College Hospital）和Kaggle脑卒中数据集
1420	2025-02-20	Interpretable COVID-19 chest X-ray detection based on handcrafted feature analysis and sequential neural network 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109659 PMID:39847942	研究论文	本文提出了一种基于手工特征分析和序列神经网络的COVID-19胸部X光检测方法，旨在提高检测的准确性和可解释性	引入了两种新算法：动态共现灰度矩阵（DC-GLM）和上下文自适应多尺度Gabor网络（CAMSGNeT），以增强特征提取和分类精度	需要进一步验证在大规模数据集上的表现，并且算法的计算资源需求仍需优化	提高COVID-19胸部X光检测的准确性和可解释性	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	动态共现灰度矩阵（DC-GLM），上下文自适应多尺度Gabor网络（CAMSGNeT）	序列神经网络	图像	两个数据集，准确率分别为98.27%和100%