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
1221	2025-03-05	Comparative benchmarking of failure detection methods in medical image segmentation: Unveiling the role of confidence aggregation 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103392 PMID:39657400	研究论文	本文介绍了一个全面的基准测试框架，用于评估医学图像分割中的失败检测方法	提出了一个综合的基准测试框架，并强调了像素置信度聚合的重要性，发现成对Dice分数在集成预测之间的优越性能	研究中使用的数据集仅限于五个公共3D医学图像集合，可能无法涵盖所有临床场景	评估医学图像分割中的失败检测方法，以提高其在真实临床应用中的可靠性	医学图像分割中的失败检测方法	数字病理	NA	深度学习算法	NA	3D医学图像	五个公共3D医学图像集合
1222	2025-03-05	AutoFOX: An automated cross-modal 3D fusion framework of coronary X-ray angiography and OCT 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103432 PMID:39700845	研究论文	本文提出了一种自动化的跨模态3D融合框架AutoFOX，用于冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）的融合，以改善冠状动脉疾病的诊断和预后	AutoFOX框架首次采用了先进的侧支管腔重建算法，增强了分叉病变的评估，并通过深度学习模型TransCAN实现了3D血管对齐，显著提高了对齐精度	尽管AutoFOX在3D对齐和分叉病变评估方面表现出色，但其在临床应用中的广泛推广仍需进一步的多中心验证和优化	开发一种自动化的3D融合框架，以提高冠状动脉疾病的诊断和预后评估	冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）数据	数字病理学	心血管疾病	深度学习	TransCAN	3D图像	多中心数据集
1223	2025-03-05	DDoCT: Morphology preserved dual-domain joint optimization for fast sparse-view low-dose CT imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103420 PMID:39705821	研究论文	本文提出了一种名为DDoCT的双域联合优化低剂量CT成像框架，旨在通过减少管电流和投影数量来降低辐射剂量，同时解决由此引入的噪声和伪影问题	DDoCT框架在投影和图像域中进行联合优化，不仅解决了减少管电流引入的噪声，还特别关注了减少投影数量引起的条纹伪影问题，提升了在快速低剂量CT成像环境中的适用性	NA	开发一种能够在减少辐射剂量的同时，有效降低噪声和伪影的低剂量CT成像方法	低剂量CT成像	计算机视觉	NA	CT成像	深度学习	图像	NA
1224	2025-03-05	Personalized dental crown design: A point-to-mesh completion network 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103439 PMID:39705822	研究论文	本文介绍了一种端到端的深度学习模型，用于自动生成个性化的牙冠网格	提出了一种结合特征提取器和基于transformer的模型，以及点对网格模块的深度学习模型，用于牙冠设计，显著减少了Chamfer距离和MSE	未提及具体的数据集大小或模型在不同临床环境中的泛化能力	开发一种自动生成个性化牙冠的深度学习模型，以提高牙冠设计的效率和准确性	牙冠设计	计算机视觉	NA	深度学习	transformer, 点对网格模块	点云数据	未提及具体样本数量
1225	2025-03-05	SurgiTrack: Fine-grained multi-class multi-tool tracking in surgical videos 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103438 PMID:39708509	研究论文	本文提出了一种名为SurgiTrack的新型深度学习方法，用于在手术视频中进行精细的多类别多工具跟踪	SurgiTrack利用YOLOv7进行精确的工具检测，并采用注意力机制建模工具的起始方向，作为操作者的代理，以实现工具重新识别	手术视频中未明确捕捉到操作者的信息，工具在遮挡或重新插入体内后的重新识别仍然具有挑战性	提高手术视频中工具跟踪的准确性和灵活性，以支持计算机辅助干预的成功	手术视频中的多类别多工具	计算机视觉	NA	深度学习	YOLOv7, 注意力机制	视频	CholecTrack20数据集
1226	2025-03-05	Incorporating spatial information in deep learning parameter estimation with application to the intravoxel incoherent motion model in diffusion-weighted MRI 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103414 PMID:39740472	研究论文	本文提出了一种新的深度学习方法，用于在扩散加权磁共振成像（DWI）中估计模型参数，通过利用相邻体素之间的空间相关性来提高参数估计的准确性	提出了一种新的深度学习方法，通过训练神经网络在包含相邻体素直接相关性的合成数据块上，有效地结合了空间信息	研究主要基于合成数据和健康志愿者的数据，未涉及大规模临床数据验证	提高扩散加权磁共振成像（DWI）中模型参数估计的准确性	扩散加权磁共振成像（DWI）中的体素数据	医学图像分析	NA	扩散加权磁共振成像（DWI）	深度学习模型（包括注意力模型和卷积模型）	图像数据	12次重复的健康志愿者体内DWI数据
1227	2025-03-05	SegRap2023: A benchmark of organs-at-risk and gross tumor volume Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103447 PMID:39756265	研究论文	本文介绍了SegRap2023挑战赛，该挑战赛旨在为鼻咽癌放疗计划中的风险器官和肿瘤体积分割提供一个大规模基准数据集	提出了一个包含400个CT扫描的大规模基准数据集，用于鼻咽癌放疗计划中的风险器官和肿瘤体积分割，并详细分析了参与者的解决方案	尽管在较大风险器官的分割上取得了较好成绩，但在肿瘤体积和较小或较薄风险器官的分割上仍需更多努力	为鼻咽癌放疗计划中的风险器官和肿瘤体积分割提供一个高质量的基准数据集，以促进模型开发和评估	200名鼻咽癌患者的400个CT扫描，包括非对比和对比增强CT扫描	数字病理	鼻咽癌	CT扫描	深度学习	图像	200名患者的400个CT扫描
1228	2025-03-05	Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103451 PMID:39793216	研究论文	本文提出了一种深度学习策略，通过从心脏磁共振成像（CMR）向心电图（ECG）传递领域特定信息，实现仅使用ECG进行成本效益高且全面的心脏筛查	结合多模态对比学习和掩码数据建模，提出了一种新的多模态预训练范式，显著提高了CVD风险预测和心脏表型预测的性能	尽管方法在UK Biobank数据上表现出色，但其在更广泛人群中的普适性仍需进一步验证	开发一种仅使用ECG数据进行心血管疾病（CVD）筛查和心脏表型预测的深度学习策略	40,044名UK Biobank受试者的ECG和CMR数据	机器学习	心血管疾病	深度学习，多模态对比学习，掩码数据建模	深度学习模型	ECG和CMR图像数据	40,044名UK Biobank受试者
1229	2025-03-05	Graph neural networks in histopathology: Emerging trends and future directions 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103444 PMID:39793218	综述	本文综述了图神经网络（GNNs）在病理学中的应用，探讨了其新兴趋势和未来发展方向	提出了GNNs在病理学中的四种新兴趋势：分层GNNs、自适应图结构学习、多模态GNNs和高阶GNNs，并提出了未来研究方向	NA	探讨图神经网络在病理学中的应用及其未来发展方向	全切片图像（WSIs）中的拓扑组织和细胞结构	数字病理学	NA	图神经网络（GNNs）	GNNs	图像	NA
1230	2025-03-05	SAF-IS: A spatial annotation free framework for instance segmentation of surgical tools 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103471 PMID:39854817	研究论文	本文提出了一种无需空间注释的手术工具实例分割框架SAF-IS，利用二元工具掩码和工具存在标签进行训练	提出了一种不依赖空间注释的实例分割框架，仅需二元工具掩码和工具存在标签，减少了标注成本	依赖于二元工具掩码的准确性，且需要人工操作员进行少量实例的工具类型标注	开发一种无需空间注释的手术工具实例分割方法，以降低标注成本并提高分割效果	手术工具	计算机视觉	NA	深度学习	NA	图像	EndoVis 2017和2018分割数据集
1231	2025-03-05	TractGraphFormer: Anatomically informed hybrid graph CNN-transformer network for interpretable sex and age prediction from diffusion MRI tractography 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103476 PMID:39870000	研究论文	本文介绍了一种名为TractGraphFormer的混合图CNN-Transformer深度学习框架，用于从扩散MRI纤维束成像中预测性别和年龄	TractGraphFormer结合了局部解剖特征和全局特征依赖，通过图CNN模块捕捉白质几何和灰质连接性，并通过Transformer模块增强全局信息学习，同时包含一个注意力模块用于解释预测性白质连接	NA	研究目的是通过扩散MRI纤维束成像预测个体的性别和年龄	研究对象包括儿童（n = 9345）和年轻成年人（n = 1065）	数字病理学	NA	扩散MRI纤维束成像	Graph CNN-Transformer	图像	儿童（n = 9345）和年轻成年人（n = 1065）
1232	2025-03-05	Application-driven validation of posteriors in inverse problems 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103474 PMID:39892221	研究论文	本文提出了一个系统框架，用于在逆问题中基于应用需求验证后验方法	首次将目标检测验证中的关键原则应用于后验方法的验证，提出了模式中心验证方法	未提及具体局限性	解决逆问题中多解情况下的后验方法验证问题	后验方法（如条件扩散模型和可逆神经网络）	计算机视觉	NA	NA	条件扩散模型、可逆神经网络	图像	NA
1233	2025-03-05	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	本文提出了一种名为DSAM的深度学习框架，用于分析脑网络中的时空动态	DSAM框架通过时间因果卷积网络捕捉时间动态，使用时间注意单元识别重要时间点，自注意单元构建目标特定的连接矩阵，并采用图神经网络的变体捕捉空间动态，用于下游分类	NA	研究目标是开发一种深度学习框架，以更好地理解脑网络中的时空动态	研究对象为人类脑网络，具体使用了Human Connectome Project数据集和Adolescent Brain Cognitive Development数据集	机器学习	NA	rs-fMRI	图神经网络	时间序列数据	Human Connectome Project数据集包含1075个样本，Adolescent Brain Cognitive Development数据集包含8520个样本
1234	2025-03-05	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究旨在开发和验证一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究结果需要进一步在多中心、大样本中进行验证	预测胰腺导管腺癌患者的无复发生存期	469名胰腺导管腺癌患者	数字病理	胰腺癌	深度学习	多尺度深度学习模型	图像	469名患者，来自四家医院
1235	2025-03-05	Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110773 PMID:39914742	研究论文	本研究开发了一种两阶段的个性化深度学习自动分割（DLAS）模型，以辅助在线描绘大型脑转移瘤（BMs），旨在优化磁共振引导的自适应放射治疗（MRgART）的工作流程	提出了一个两阶段的个性化DLAS模型，显著提高了在MRgART过程中对大型BMs的分割精度和效率	研究样本量相对较小，仅包括20个大型BMs的741张每日在线MR图像	优化磁共振引导的自适应放射治疗（MRgART）的工作流程，提高大型脑转移瘤（BMs）的治疗效果	大型脑转移瘤（BMs）	医学影像分析	脑转移瘤	深度学习自动分割（DLAS）	深度学习模型	磁共振图像（MRI）	177个BMs的多序列图像用于基础模型训练，20个大型BMs的741张每日在线MR图像用于个性化模型开发
1236	2025-03-05	Deep graph embedding based on Laplacian eigenmaps for MR fingerprinting reconstruction 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103481 PMID:39923317	研究论文	本文提出了一种基于拉普拉斯特征映射的深度图嵌入框架，用于改进磁共振指纹（MRF）重建	引入了一种新的深度图嵌入框架，能够有效利用MRF数据中的非局部和非线性相关性，并通过展开迭代优化过程到深度神经网络中提高了计算效率	虽然提高了重建质量和计算效率，但方法的解释性可能仍然有限，且需要进一步验证其在不同数据集上的泛化能力	改进磁共振指纹（MRF）重建的质量和计算效率	磁共振指纹（MRF）数据和多参数图	计算机视觉	NA	磁共振指纹（MRF）	深度神经网络	图像	NA
1237	2025-03-05	Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110782 PMID:39929288	研究论文	本研究探讨了多种磁共振（MR）序列对头颈部区域深度学习合成CT（sCT）生成质量的影响	使用多种MR序列作为输入，训练14种独特的深度学习模型，以生成sCT，并评估不同多通道MR-sCT模型的质量	增加通道数虽然降低了像素误差，但也增加了人工组织，导致自动轮廓绘制和剂量测定准确性下降	评估多种MR序列对深度学习合成CT生成质量的影响，以支持头颈部癌症的MR-only放射治疗计划	26名头颈部癌症患者的12个MR序列（T1pre、T1post-contrast、T2，每个序列包含4个Dixon图像）	数字病理学	头颈部癌症	深度学习	U-Net	图像	26名患者的12个MR序列
1238	2025-03-05	"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network" 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109832 PMID:39951978	研究论文	本文提出了一种新的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，通过结合混沌和动力系统理论，改进癫痫脑状态的检测和理解	CATE-NET框架结合了混沌吸引子、深度学习和概率图，提供了脑状态分析、特征提取和拓扑映射的新平台，并通过可解释的AI（XAI）阐明了混沌吸引子模式和概率转换如何贡献于脑状态分类和癫痫状态动态转换	NA	改进儿童癫痫的脑状态检测和理解，以促进有效的临床干预	儿童癫痫患者的脑电图（EEG）信号	数字病理学	癫痫	混沌和动力系统理论，深度学习	LSTM	EEG信号	NA
1239	2025-03-05	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	研究论文	本研究探讨了基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤的有效性	结合深度学习和传统机器学习技术，使用预训练的ResNet152和GoogleNet模型提取特征，并通过多种分类器进行比较，ResNet152在准确率、F1分数和敏感性方面表现更优	未提及模型在其他类型肿瘤或不同数据集上的泛化能力	提高脑肿瘤诊断的准确性	脑肿瘤的MR图像	计算机视觉	脑肿瘤	迁移学习、PCA降维、数据增强	ResNet152、GoogleNet、SVM、KNN、CART、GNB	图像	数据集分为训练集（80%）和测试集（20%）
1240	2025-03-05	Illuminating the unseen: Advancing MRI domain generalization through causality 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103459 PMID:39952023	研究论文	本文提出了一种专门用于加速MRI重建的领域泛化框架，旨在提高在未见过的领域中的鲁棒性	提出了首个针对加速MRI重建的领域泛化框架，并引入了一种新的机制级不变性方法GenCA-MRI，通过对齐MRI数据中的内在因果关系来提高泛化能力	NA	解决加速MRI重建在训练和测试数据集之间领域转移（如图像对比度、解剖区域和采集策略的变化）时的挑战	MRI数据	计算机视觉	NA	深度学习	GenCA-MRI	图像	fastMRI和IXI数据集