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
281	2025-05-12	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	research paper	本文介绍了ToothFairy挑战赛的细节及其参与者在分割下牙槽管（IAC）方面的贡献	首次在公共基准数据集上对IAC分割方法进行全面比较评估，并发布了最大的公开CBCT扫描数据集	数据集中的153个扫描有体素级注释，其余290个扫描可能缺乏详细注释	促进深度学习在下牙槽管分割领域的研究，并提供公共基准数据集	下牙槽管（IAC）在CBCT扫描中的分割	digital pathology	NA	Cone-Beam Computed Tomography (CBCT)	NA	3D medical images	443 CBCT scans (153 with voxel-level annotations)
282	2025-05-12	Training-Free Image Style Alignment for Domain Shift on Handheld Ultrasound Devices 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3522071 PMID:40030591	研究论文	提出了一种无需训练的图像风格对齐方法（TISA），用于解决手持超声设备数据与标准设备数据之间的领域偏移问题	TISA无需源数据，能够在测试时转换图像风格并保留空间上下文，且避免了预训练模型的持续更新	未提及具体的数据集规模或实验条件的限制	解决手持超声设备数据与标准设备数据之间的领域偏移问题，提升自动诊断的准确性和稳定性	手持超声设备数据	计算机视觉	NA	图像风格对齐	NA	图像	NA
283	2025-05-12	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	research paper	提出了一种基于语义特征的无监督多阶段网络SFM-Net，用于解决具有复杂解剖结构的图像之间的精细配准问题	SFM-Net采用双阶段训练策略和双流特征提取模块，能够在单个网络中实现从粗到细的多尺度变形场生成，提高了语义相关区域的对齐精度	NA	解决具有复杂解剖结构的图像之间的精细配准问题	3D脑MRI和肝脏CT图像	computer vision	NA	深度学习	U-Net	image	NA
284	2025-05-12	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	research paper	本研究开发了一种多模态可穿戴设备，结合Transformer驱动的双流融合模型（TTSF），用于实时腿部运动监测和步态分析	提出了一种新型的Transformer驱动的双流融合模型（TTSF），用于高效准确地提取时间和空间特征	当前单传感模态技术受限于尺寸限制、环境敏感性和准确性问题	推动多传感器融合与深度学习和医疗物联网（MIoT）技术在高级步态监测和分析中的应用	腿部运动和步态	machine learning	NA	多传感器融合，深度学习	Transformer-powered Two-Stream Fusion (TTSF)	多模态传感器数据	NA
285	2025-05-12	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	研究论文	提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割	采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩蔽对比约束和特征级语义感知约束，以减少域差异并保持血管结构的一致性	需要昂贵的标注，且在不同成像模态间存在性能下降的问题	提高跨模态脑血管分割的准确性和效率	时间飞行磁共振血管造影（TOF-MRA）和计算机断层扫描血管造影（CTA）的脑血管分割	计算机视觉	颅内血管疾病	无监督域适应	深度学习模型	图像	公开可用的TOF-MRA数据集和私有的CTA数据集
286	2025-05-12	Enhanced DTCMR With Cascaded Alignment and Adaptive Diffusion 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523431 PMID:40030837	research paper	提出了一种结合张量信息的深度学习框架，用于群组可变形配准，有效校正DTCMR中的帧间运动	引入了级联配准分支和平行分支的新框架，结合精炼的损失函数和去噪技术，显著提高了DTCMR成像的准确性	未提及方法在极端运动情况下的表现，以及在不同设备或采集参数下的泛化能力	改进扩散张量心血管磁共振成像（DTCMR）的帧间运动校正，提高临床生物标志物张量估计的准确性	心肌微结构的可视化	digital pathology	cardiovascular disease	diffusion tensor cardiovascular magnetic resonance (DTCMR)	deep learning framework	image	超过900例病例数据（2012-2023年）
287	2025-05-12	Amyloid-β Deposition Prediction With Large Language Model Driven and Task-Oriented Learning of Brain Functional Networks 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3525022 PMID:40030867	研究论文	该论文提出了一种基于大型语言模型和任务导向学习的大脑功能网络预测淀粉样蛋白沉积的新方法	1) 预训练的大型语言模型节点嵌入编码器，用于从fMRI信号中提取任务相关特征；2) 任务导向的分层功能连接网络学习模块，增强不同脑区复杂关联的表示；3) 任务特征一致性损失，促进预测与真实淀粉样蛋白值的相似性	NA	开发一种基于功能连接网络的淀粉样蛋白沉积预测方法，以替代昂贵且具有高放射性的正电子发射断层扫描	阿尔茨海默病患者的大脑功能连接网络	数字病理学	阿尔茨海默病	fMRI	大型语言模型	功能磁共振成像数据	NA
288	2025-05-12	CTUSurv: A Cell-Aware Transformer-Based Network With Uncertainty for Survival Prediction Using Whole Slide Images 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3526848 PMID:40031069	研究论文	提出了一种基于细胞感知的Transformer网络CTUSurv，用于全切片图像的生存预测，并引入不确定性估计框架以提高预测的可靠性	首次结合细胞间及细胞与微环境相互作用建模，并开发区域级不确定性估计模块	未明确说明模型在临床环境中的实际部署可行性	提升全切片图像生存预测的准确性和可信度	全切片图像中的细胞及微环境特征	数字病理学	NA	深度学习	Transformer	全切片图像(WSI)	四个数据集（未明确样本数量）
289	2025-05-12	Developing Brain-Based Bare-Handed Human-Machine Interaction via On-Skin Input 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3533088 PMID:40036449	研究论文	提出了一种名为MetaSkin的新型神经触觉接口，通过整合神经信号与皮肤交互，实现无需视觉参与的手势交互	首次将神经信号与皮肤交互结合，利用人类自然本体感觉能力实现无需视觉的手势交互，并开发了深度学习框架来解码神经信号	需要优化系统以适应不同用户群体和动态环境	开发自然、直观、以人为中心的移动人机交互输入系统	人机交互系统	人机交互	NA	深度学习	NA	神经信号	12名参与者
290	2025-05-12	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	提出一种混合人工智能系统，用于自动分析EEG背景活动并生成报告	结合深度学习模型和无监督伪迹去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动分析准确率	在局部异常检测方面虽有所改进但未达到统计学显著性	开发一个可扩展且准确的EEG自动分析系统，以辅助神经科医生提高诊断准确性并降低误诊率	EEG信号	人工智能在医疗诊断中的应用	神经系统疾病	深度学习、无监督学习、大语言模型(LLM)	集成模型、LLM	EEG信号数据	1530份标记的EEG数据，并在Temple University Abnormal EEG Corpus上进行验证
291	2025-05-12	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	research paper	提出了一种名为EEGDfus的条件扩散模型，用于精细去除脑电图(EEG)信号中的噪声	将标准扩散模型的去噪网络替换为新颖的双分支网络，利用噪声EEG信息作为条件指导生成干净的EEG信号，并整合了CNN和Transformer架构的优势	标准扩散模型的生成过程高度随机，限制了其在EEG去噪任务中的直接应用	提高EEG信号去噪的准确性和精细度	脑电图(EEG)信号	machine learning	NA	扩散模型	conditional diffusion model, CNN, Transformer	EEG信号	两个公开数据集EEGdenoiseNet和SSED
292	2025-05-12	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	研究论文	提出了一种基于功能连接的细观区域划分方法，用于基于EEG的驾驶员疲劳检测	利用数据内在特性和基于功能连接的GNN，提出了一种新的细观区域划分方法，克服了传统方法依赖任务特定先验知识的局限性	未明确说明方法在其他EEG任务中的泛化能力	提高基于EEG的驾驶员疲劳检测性能	EEG信号和驾驶员疲劳状态	脑机接口	NA	功能连接分析和GNN	GNN	EEG信号	公共驾驶员疲劳检测数据集（未明确样本数量）
293	2025-05-12	Automatic flow planning for fetal cardiovascular magnetic resonance imaging 2025-Apr-01, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	该研究开发了一种自动化实时规划二维相位对比血流成像（OWL）的方法，用于胎儿心血管磁共振成像	首次实现了胎儿心血管磁共振成像的实时自动规划，扩展了该技术的可及性	在7例前瞻性案例中仅成功实施了6例，且规划质量略低于手动规划	开发自动化实时规划方法以扩大胎儿血流成像技术的可及性	胎儿心血管系统	数字病理学	心血管疾病	二维相位对比血流成像（2D phase-contrast flow imaging）	深度学习网络	磁共振成像数据	167个胎儿数据集用于胎儿身体定位训练，71个用于心脏标志检测训练，10个回顾性数据集和7个前瞻性胎儿受试者（36+3-39+3孕周）用于评估
294	2025-05-12	Use of deep learning model for paediatric elbow radiograph binomial classification: initial experience, performance and lessons learnt 2025-04-01, Singapore medical journal IF:1.7Q2 DOI:10.4103/singaporemedj.SMJ-2022-078 PMID:40258236	research paper	本研究比较了基于卷积神经网络（CNN）的深度学习模型与儿科急诊医生在儿童肘部X光片二分类任务上的表现	使用EfficientNet B1网络架构训练AI模型，首次在儿童肘部X光片二分类任务中与医生表现进行对比	样本量相对较小（1314张X光片），医生间一致性仅为一般水平（fair inter-rater agreement）	评估深度学习模型在儿童肘部X光片异常检测中的性能	儿童肘部侧位X光片（正常与异常）	digital pathology	NA	deep learning	CNN (EfficientNet B1)	image (radiographs)	1314张儿科肘部X光片（平均年龄8.2岁），分为开发集（993张）、调优集（209张）和测试集（112张）
295	2025-05-12	Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica 2025-Apr, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0012985 PMID:40300022	研究论文	本文介绍了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位	利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约为81%，AUC为0.90	研究仅针对Fasciola hepatica进行了案例验证，未在其他寄生虫病原体上广泛测试	提高B细胞表位的预测准确性，推动基于表位的疫苗设计、治疗性抗体开发和诊断应用	寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白	机器学习	寄生虫病	深度学习	Transformer	肽序列	Fasciola hepatica的蛋白质组数据
296	2025-05-12	Technical note: Impact of tissue section thickness on accuracy of cell classification with a deep learning network 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100440 PMID:40343112	研究论文	研究组织切片厚度对深度学习网络细胞分类准确性的影响	确定了用于细胞分类系统的最佳组织切片厚度，并详细描述了不同厚度引入的形态学差异	研究仅针对肝脏组织，未涉及其他组织类型	优化深度学习网络在常规组织病理学中的细胞分类准确性	肝脏组织中的肝细胞和非肝细胞	数字病理学	NA	HE染色、深度学习	ResNet、随机森林	图像	手动切割的5种厚度肝脏切片和自动切片机(DS)切割的切片
297	2025-05-11	Radiomics for lung cancer diagnosis, management, and future prospects 2025-Apr-11, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106926 PMID:40344812	综述	本文综述了放射组学在肺癌诊断和管理中的作用，探讨了从手工放射组学到深度学习技术的各种方法及其应用	强调了放射组学在提高诊断准确性、预测治疗反应和个性化患者护理方面的潜力，并探讨了未来发展方向，如大型语言模型、可解释AI和超分辨率成像技术的整合	未具体提及研究的局限性	探讨放射组学在肺癌诊断和管理中的应用及其未来前景	肺癌患者	数字病理学	肺癌	放射组学、深度学习	AI模型	医学影像	NA
298	2025-05-11	Transfer learning and data augmentation for glucose concentration prediction from colorimetric biosensor images 2025-Apr-08, Mikrochimica acta DOI:10.1007/s00604-025-07136-7 PMID:40199789	研究论文	介绍了一种深度学习算法，用于通过比色纸传感器图像准确预测葡萄糖浓度	采用迁移学习和数据增强技术，简化了预测过程，无需单独的特征提取	需要大量训练数据，尽管数据增强技术试图缓解这一问题	开发一种基于深度学习的葡萄糖浓度预测方法	比色纸传感器图像	计算机视觉	NA	迁移学习, 数据增强	ResNet50, ResNet101, GoogLeNet, VGG-19	图像	五种不同葡萄糖浓度的比色纸传感器图像数据集
299	2025-05-11	Leveraging Radiomics and Hybrid Quantum-Classical Convolutional Networks for Non-Invasive Detection of Microsatellite Instability in Colorectal Cancer 2025-Apr, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-025-01990-w PMID:39979579	研究论文	本研究提出了一种结合放射组学和混合量子-经典卷积神经网络的新框架，用于无创检测结直肠癌的微卫星不稳定性状态	采用自注意力对抗性染色标准化、Slimmable Transformer进行肿瘤轮廓描绘以及混合量子-经典神经网络提取放射组学特征，显著提高了MSI状态检测的准确性	NA	提升结直肠癌微卫星不稳定性状态的检测准确性，改善临床决策和患者预后	结直肠癌组织病理学切片图像	数字病理学	结直肠癌	放射组学分析、混合量子-经典神经网络	混合量子-经典卷积网络、Slimmable Transformer	组织病理学图像	来自NCT-CRC-HE-100K和PAIP 2020数据库的样本
300	2025-05-11	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	research paper	本文介绍了一种基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒	AI-MET系统利用临床和实验室特征，在患者就诊前六小时内即可及时区分MIS-C和地方性斑疹伤寒，且在训练和测试数据集上的五个评估指标均达到100%	研究样本量相对较小，仅包括87例地方性斑疹伤寒患者和133例MIS-C患者	开发一种能够准确区分MIS-C和地方性斑疹伤寒的临床决策支持系统，以改善这两种疾病的早期诊断	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者	digital pathology	multisystem inflammatory syndrome in children, endemic typhus	deep learning	NA	clinical and laboratory features	87例地方性斑疹伤寒患者和133例MIS-C患者（训练和测试数据集），111例MIS-C患者（验证数据集）