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
1501	2025-02-03	Attention incorporated network for sharing low-rank, image and k-space information during MR image reconstruction to achieve single breath-hold cardiac Cine imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102475 PMID:39808868	研究论文	本文提出了一种新型深度学习网络A-LIKNet，用于心脏Cine磁共振成像（MRI）重建，通过嵌入低秩、图像和k空间等多域信息，实现单次屏气成像	A-LIKNet采用并行分支结构，实现k空间和图像域的独立学习，并通过耦合信息共享层实现域间信息交换，同时引入注意力机制以分配更重要的权重	现有网络存在单域学习、依赖单一正则化项和特征贡献均等等限制，A-LIKNet虽有所改进，但仍需进一步验证其在不同数据集上的泛化能力	加速心脏Cine MRI成像并提高重建质量，实现单次屏气成像	心脏Cine MRI图像	计算机视觉	心血管疾病	深度学习	A-LIKNet	图像	91名心血管病患者和38名健康受试者
1502	2025-01-16	PADS-Net: GAN-based radiomics using multi-task network of denoising and segmentation for ultrasonic diagnosis of Parkinson disease 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102490 PMID:39808869	研究论文	本文提出了一种基于生成对抗网络的多任务深度学习框架PADS-Net，用于帕金森病的超声图像去噪和分割，以提高诊断准确性	PADS-Net结合了生成对抗网络和多任务深度学习框架，同时进行超声图像去噪和分割，并采用复合损失函数和放射组学技术来提高帕金森病的诊断准确性	未提及具体的研究局限性	提高帕金森病的超声诊断准确性	帕金森病患者的经颅超声图像	计算机视觉	帕金森病	放射组学技术	GAN	图像	未提及具体样本数量
1503	2025-02-03	Deep Equilibrium Unfolding Learning for Noise Estimation and Removal in Optical Molecular Imaging 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102492 PMID:39823663	研究论文	本文介绍了一种用于光学分子成像中噪声估计和去除的端到端模型驱动方法DEQ-UMamba	提出了一种结合近端梯度下降技术和学习空间频率特征的深度平衡展开Mamba模型，能够将复杂噪声结构解耦为统计分布，实现有效的噪声估计和抑制	NA	解决光学分子成像中由于高帧率和低激发剂量导致的图像退化问题，提高图像质量	荧光图像	计算机视觉	NA	光学分子成像	DEQ-UMamba	图像	临床和体内数据集
1504	2025-02-03	Opportunistic AI for enhanced cardiovascular disease risk stratification using abdominal CT scans 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102493 PMID:39854859	研究论文	本研究介绍了一种基于深度学习的DL-CVDi评分，利用常规腹部CT扫描预测心血管疾病风险	开发了一种新的生物标志物DL-CVDi评分，利用深度生存学习从腹部CT扫描中提取心血管疾病风险信息	需要进一步在多民族队列中验证，并探索其在合并症患者中的效用	提高心血管疾病风险分层	腹部CT扫描	计算机视觉	心血管疾病	深度学习	Cox比例风险模型	图像	NA
1505	2025-01-31	Multimodal Deep Learning for Differentiating Bacterial and Fungal Keratitis Using Prospective Representative Data 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100665 PMID:39866343	研究论文	本研究开发并评估了使用来自南印度的前瞻性代表性数据集区分细菌性和真菌性角膜炎的多模态机器学习模型	使用前瞻性、连续收集的代表性数据集（MADURAI数据集）开发了三种预测模型，并比较了它们的性能，强调了使用此类数据进行模型训练和评估的重要性	多模态模型相比计算机视觉模型并未显著提升性能	区分细菌性和真菌性角膜炎	599名在印度Aravind眼科医院诊断为急性感染性角膜炎的患者	计算机视觉	角膜炎	深度学习	EfficientNet	图像和临床数据	599名患者
1506	2025-01-31	Deep-Reticular Pseudodrusen-Net: A 3-Dimensional Deep Network for Detection of Reticular Pseudodrusen on OCT Scans 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100655 PMID:39866344	研究论文	本文提出了一种名为Deep-RPD-Net的三维深度学习网络，用于在光谱域OCT扫描中检测网状假性玻璃膜疣（RPD），并解释了其决策过程，同时与基线方法进行了比较	Deep-RPD-Net结合了半监督学习（SSL）技术，利用未标记的OCT扫描数据改进模型性能，并在解释性方面表现优异	研究依赖于特定数据集（AREDS2和DAAMD），可能在其他数据集上的泛化能力有限	开发一种能够准确检测OCT扫描中RPD的深度学习模型	OCT扫描中的网状假性玻璃膜疣（RPD）	计算机视觉	老年性黄斑变性	半监督学习（SSL）	3D深度学习网络	OCT扫描图像	476名参与者（315名来自AREDS2，161名来自DAAMD），共2783张OCT扫描（826张标记的AREDS2数据和1366张标记的DAAMD数据）
1507	2025-01-31	Automated Quantification of Retinopathy of Prematurity Stage via Ultrawidefield OCT 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100663 PMID:39866345	研究论文	本研究通过深度学习自动测量早产儿视网膜病变（ROP）中异常神经血管组织（ANVTV）的体积，以开发基于OCT的定量生物标志物	首次使用深度学习自动测量ROP中ANVTV的体积，并验证其与疾病阶段的关联	样本量较小，仅来自单一中心，且仅评估了1至3阶段的ROP	开发基于OCT的定量生物标志物，用于ROP的筛查、诊断和监测	早产儿视网膜病变（ROP）患者	数字病理学	早产儿视网膜病变	OCT（光学相干断层扫描）	U-Net	图像	33名ROP婴儿，其中6名用于训练，6名用于测试，21名用于临床评估
1508	2025-01-31	Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study 2025-Mar, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101821 PMID:39866530	研究论文	本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估	创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法	样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证	改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性	30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像	数字病理学	慢性肾病	HRpQCT	深度学习模型和XGBoost	图像	30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD）
1509	2025-01-31	EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100664 PMID:39877463	研究论文	本文介绍了一种名为EyeLiner的深度学习管道，用于通过眼底标志物进行纵向图像配准，以监测慢性眼科疾病的进展	提出了一种基于深度学习的图像配准管道，通过关键点匹配算法有效对齐纵向眼底图像，优于现有的最先进方法	未提及具体局限性	开发一种能够自动对齐纵向眼底图像的工具，以帮助临床医生更好地监测疾病进展	眼底图像	计算机视觉	眼科疾病	深度学习	卷积神经网络（CNN）和基于Transformer的算法	图像	三个纵向数据集：FIRE、SIGF和CORIS
1510	2025-01-31	AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection 2025-Mar-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343640 PMID:39880496	研究论文	本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度	首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力	未提及具体的研究局限性	提高便携式SPR生物传感器的信噪比和检测精度	基于波长的便携式SPR生物传感器	生物传感	NA	深度学习，光谱减法	深度神经网络	光谱数据	NA
1511	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA
1512	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料
1513	2025-01-25	BPEN: Brain Posterior Evidential Network for trustworthy brain imaging analysis 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106943 PMID:39657531	研究论文	本文介绍了一种名为脑后验证据网络（BPEN）的新方法，用于在脑功能磁共振成像（fMRI）数据分析中捕捉不确定性的两种类型：随机不确定性和认知不确定性	提出了BPEN模型，首次在脑fMRI数据分析中同时捕捉随机不确定性和认知不确定性，提高了预测的可信度	未提及具体局限性	提高脑fMRI数据分析中的预测不确定性估计，以增强预测模型的可信度	脑功能磁共振成像（fMRI）数据	机器学习	老年疾病	fMRI	BPEN	图像	来自阿尔茨海默病神经影像倡议（ADNI）和ADNI-抑郁症（ADNI-D）队列的数据
1514	2025-01-24	PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease 2025-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110363 PMID:39832626	研究论文	本文介绍了一种名为PIDGN的可解释多模态深度学习框架，用于帕金森病的早期预测	PIDGN模型通过融合单核苷酸多态性（SNP）和脑部sMRI数据，利用门控注意力融合技术探索模态间交互，并通过SHAP值和Grad-CAM技术解释SNP和脑区对帕金森病的重要性	NA	开发一种基于人工智能的有效预测方法，以辅助医生及时诊断帕金森病	帕金森病患者	机器学习	帕金森病	SNP分析，sMRI	PIDGN（Parkinson's Integrative Diagnostic Gated Network）	遗传数据，图像数据	NA
1515	2025-01-25	Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.007 PMID:39674714	研究论文	本文提出了一种基于术中对比增强超声（CEUS）视频自动分析的实时IDH状态诊断方法，用于胶质瘤的诊断	提出了一种名为ATAN的自动CEUS视频分析方法，通过转移学习机制解决了术中胶质瘤数据样本量小的问题，并实现了无需肿瘤样本的实时IDH诊断	样本量相对较小，主要队列仅包含60名胶质瘤患者	开发一种基于CEUS视频自动分析的实时IDH状态诊断方法，以提高胶质瘤的诊断准确性	胶质瘤患者	数字病理学	胶质瘤	对比增强超声（CEUS）	ATAN（Automatic TIC Analysis Network）	视频	60名胶质瘤患者（平均年龄50岁±14，28名男性），并在两个辅助队列中对258名患者进行了预训练
1516	2025-01-25	Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.016 PMID:39676003	研究论文	本研究首次尝试使用深度学习模型自动分割早产儿脑部超声图像中的Sylvian裂	首次在早产儿脑部超声图像中应用深度学习模型进行Sylvian裂的自动分割，并比较了U-Net和ResU-Net的性能	研究仅针对单一超声平面（C3）的Sylvian裂分割，且不同厂商设备的图像适应性有待提高	自动化分割早产儿脑部超声图像中的脑沟，以监测其发育情况	早产儿的脑部超声图像	计算机视觉	NA	深度学习	U-Net, ResU-Net	图像	NA
1517	2025-01-25	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	研究论文	本文提出了一种基于深度学习的多模态超声图像乳腺癌分割与分类模型	提出了一种新颖的多模态融合U-Net（MMF-U-Net），通过融合B模式和SE模式信息进行病灶分割，并利用预训练的MMF-U-Net模型对裁剪后的图像进行分类	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	实现乳腺癌的早期检测和分类	乳腺癌病灶	计算机视觉	乳腺癌	深度学习	MMF-U-Net	超声图像	未提及具体样本数量，仅提到使用真实临床数据
1518	2025-01-25	Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images 2025-Mar, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.014 PMID:39709289	研究论文	本研究提出了一种深度学习方法来交互和更新CNN与ViT之间的中间特征，以实现高精度的乳腺超声图像分类	提出了CNN和transformer多阶段融合网络（CTMF-Net），通过特征交互模块实现CNN和ViT之间的特征交互与融合，提升了乳腺超声图像的分类性能	未提及具体局限性	开发一种深度学习方法，用于乳腺超声图像的良恶性分类	乳腺超声图像	计算机视觉	乳腺癌	深度学习	CNN, ViT, CTMF-Net	图像	三个公共乳腺超声数据集（SYSU, UDIAT, BUSI）
1519	2025-01-25	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究通过深度学习模型自动分割双回波稳态磁共振成像（MRI）扫描中的胫股软骨和骨骼，测量了3英里跑步后胫股软骨的变形及次日恢复情况	开发并验证了深度学习模型来自动化胫股软骨和骨骼的分割，从而精确测量跑步后的软骨变形和恢复情况	研究样本仅包括8名无症状男性，样本量较小，且未考虑不同性别和年龄的影响	测量3英里跑步后胫股软骨的变形及恢复情况	8名无症状男性	数字病理学	NA	双回波稳态磁共振成像（MRI）	深度学习模型	MRI图像	8名无症状男性
1520	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA