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
241	2025-04-24	Automatic joint segmentation and classification of breast ultrasound images via multi-task learning with object contextual attention 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1567577 PMID:40265029	研究论文	提出一种多任务学习网络（MTL-OCA），用于乳腺超声图像的联合分割和分类	引入对象上下文注意力模块（OCA）以捕捉像素-区域关系，提升分割质量，并利用未增强分割掩码的高级特征提高分类准确性	未提及具体的数据集规模或模型在临床环境中的泛化能力验证	提升乳腺超声图像的分割和分类性能，助力乳腺癌早期诊断	乳腺超声图像（BUS）	计算机视觉	乳腺癌	深度学习	多任务学习网络（MTL-OCA）	图像	公开BUS数据集（未提具体数量）
242	2025-04-24	A bibliometric analysis of artificial intelligence applied to cervical cancer 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562818 PMID:40265176	研究论文	本文对人工智能在宫颈癌中的应用进行了文献计量分析，全面概述了研究现状和当前进展	通过文献计量分析揭示了宫颈癌与人工智能研究领域的增长趋势、主要贡献者和热点话题	分析仅限于Web of Science Core Collection中的出版物，可能未涵盖所有相关研究	提供人工智能在宫颈癌应用研究的全面概览，指导未来研究和促进合作	宫颈癌与人工智能相关的研究出版物	机器学习	宫颈癌	文献计量分析	NA	文本	770篇出版物
243	2025-04-24	Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422027 PMID:38959140	研究论文	本文提出了一种基于深度学习的无需真实数据的相位像差校正方法	首次提出无需真实数据即可校正相位像差的深度学习方法，并设计了自适应混合损失函数以提高性能	未明确说明方法在复杂临床环境中的泛化能力	解决超声成像中相位像差导致的图像质量下降问题	超声成像中的相位像差	医学影像处理	NA	深度学习	CNN	超声射频数据(RF data)和B模式图像	超过180,000张带有相位像差的单平面波图像(RF数据)
244	2025-04-24	Learning a Hand Model From Dynamic Movements Using High-Density EMG and Convolutional Neural Networks 2024-Dec, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3432800 PMID:39042539	research paper	该研究提出了一种深度学习方法，通过高密度表面肌电图（sEMG）和卷积神经网络（CNN）解码前臂肌肉的电生理活动，以预测人手运动	利用全带宽EMG信号（单极未滤波）揭示了人手协同运动和单独手指运动中的独特神经嵌入，这些嵌入能够一致地表示手的解剖结构，并在不同参与者之间具有通用性	研究仅涉及13名健康参与者，样本量较小，且运动速度仅限于慢速（0.5 Hz）和舒适速度（1.5 Hz）	开发一种能够将肌肉信号解码为手部运动的深度学习模型，以推进辅助手部设备的控制	人手运动（包括抓握和单独手指运动）	machine learning	NA	高密度表面肌电图（sEMG）	CNN	EMG信号和运动学/动力学数据	13名健康参与者
245	2025-04-24	A versatile attention-based neural network for chemical perturbation analysis and its potential to aid surgical treatment: an experimental study 2024-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001781 PMID:39017949	研究论文	本文提出了一种基于注意力机制的神经网络ACTIN，用于化学扰动分析，并探讨其在辅助手术治疗中的潜在应用	提出了结合图卷积和Transformer机制的ACTIN网络，能够在少量数据下实现高效药物发现，并具有较好的可解释性	模型训练样本量较小（仅393个实例），可能影响模型的泛化能力	开发一种灵活高效的药物发现方法以辅助手术治疗	药物药效团及其对基因表达的影响	机器学习	COVID-19	图卷积网络、Transformer机制	ACTIN（基于注意力机制的卷积转置融合网络）	药物数据、转录组数据	393个训练实例
246	2025-04-24	PolarFormer: A Transformer-Based Method for Multi-Lesion Segmentation in Intravascular OCT 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3417007 PMID:38900618	研究论文	提出了一种基于Transformer的多病灶分割方法PolarFormer，用于血管内OCT图像中的多类别易损斑块分割	引入了Polar Attention模块，模拟易损斑块在径向的空间关系，并整合了斑块的空间分布先验知识	研究受限于公开的大规模多类别易损斑块标注的血管内OCT数据集的缺乏	解决血管内OCT图像中多类别易损斑块分割的挑战	血管内OCT图像中的多类别易损斑块	计算机视觉	心血管疾病	深度学习	Transformer	图像	70个回拉数据
247	2025-04-24	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	research paper	提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	设计了多尺度卷积-Transformer时段编码器来捕捉局部和全局特征，并基于共同注意力机制开发了跨模态上下文编码器来建模不同模态间的关系	未明确提及具体局限性，但暗示现有研究忽略了全局特征和跨模态关系	开发高性能的自动睡眠分期方法	多导睡眠图（PSG）记录的睡眠数据	digital pathology	geriatric disease	deep learning	CNN, Transformer	生理信号（EEG和EOG）	一个私有数据集SSND和两个公共数据集Sleep-EDF-153和ISRUC
248	2025-04-24	A Novel Deep Learning-based Artificial Intelligence System for Interpreting Urolithiasis in Computed Tomography 2024-Dec, European urology focus IF:4.8Q1 DOI:10.1016/j.euf.2024.07.003 PMID:38997836	研究论文	开发了一种基于深度学习的AI系统，用于在CT图像中检测尿路结石，并实时计算结石体积和密度等参数	使用YOLOv4架构和RTX 4900 GPU加速，实现了高准确率和快速分析，超越了人类专家的速度	对于不规则结石和输尿管膀胱连接处结石的检测存在一定漏诊率，且训练数据中未包含所有类型的结石	开发一种能够快速准确检测尿路结石的AI系统，以辅助临床决策	尿路结石患者的CT图像	计算机视觉	尿路结石	深度学习	YOLOv4	CT图像	39433张CT图像用于训练，5736张用于验证，100张用于外部验证
249	2025-04-24	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	提出了一种名为BP-Net的新方法，通过光电容积图(PPG)监测血压变化，而非直接估计血压值	将问题重新定义为跟踪血压在一段时间内的变化，而非直接估计其值，并提出了一种自对比掩码(SCM)模型进行成对时间比较	在训练期间未见过的受试者数据上，准确率为75.97%/73.19%，仍有提升空间	通过PPG信号监测血压的急性变化，为临床应用(如高血压急症)提供潜在价值	光电容积图(PPG)信号	机器学习	心血管疾病	深度学习	BP-Net, SCM	生理信号	使用PulseDB数据集，涉及未见过的受试者数据
250	2025-04-24	Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422102 PMID:38954581	研究论文	提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务	采用图像熵引导的掩码策略重建更具信息量的图像块，并引入动态头部生成器模块减轻模态混淆	未明确提及具体局限性	开发一种能够利用大量未标记眼科图像的自监督学习框架	眼科图像（包括2D和3D图像）	计算机视觉	眼科疾病	自监督学习（SSL）	Transformer	图像	未明确提及具体样本数量
251	2025-04-24	Multi-Label Chest X-Ray Image Classification With Single Positive Labels 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3421644 PMID:38949934	研究论文	提出一种名为多级伪标签一致性（MPC）的框架，用于解决胸部X光图像多标签分类中单阳性标签学习（SPML-CXR）的问题	引入单阳性多标签学习（SPML）问题到胸部X光图像分类中，并提出MPC框架，结合图像级、特征级和批次级的扰动一致性正则化来恢复潜在的错误标注阳性标签	需要进一步验证在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果	解决胸部X光图像多标签分类中标注成本高和噪声标签问题	胸部X光图像	计算机视觉	肺部疾病	深度学习	Transformer	图像	CheXpert和MIMIC-CXR数据集
252	2025-04-24	STAR-RL: Spatial-Temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419809 PMID:38935476	研究论文	提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于解决病理图像超分辨率问题中的黑盒恢复和资源分配不均问题	首次将分层强化学习应用于病理图像超分辨率，提出了空间和时间管理器来指导像素级可解释操作，避免了次优恢复和过度处理问题	实验仅在特定退化核下的医学图像上进行验证，未涉及所有可能的临床场景	开发可解释的病理图像超分辨率方法以提高诊断准确性	病理图像	数字病理	肿瘤	强化学习	STAR-RL（分层强化学习框架）	图像	NA
253	2025-04-24	HiCervix: An Extensive Hierarchical Dataset and Benchmark for Cervical Cytology Classification 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419697 PMID:38923481	research paper	介绍了一个名为HiCervix的广泛宫颈细胞学数据集和基准方法HierSwin，用于宫颈细胞分类	提出了目前最广泛的多中心宫颈细胞学数据集HiCervix，以及基于分层视觉变换器的分类网络HierSwin	现有方法主要基于覆盖范围较窄的粗粒度细胞类型数据库，无法全面详细地反映真实细胞病理学条件	提高宫颈细胞学分类的准确性和全面性，促进宫颈癌早期筛查	宫颈细胞	digital pathology	cervical cancer	NA	vision transformer	image	40,229个宫颈细胞，来自4,496张全切片图像
254	2025-04-24	Accurate Airway Tree Segmentation in CT Scans via Anatomy-Aware Multi-Class Segmentation and Topology-Guided Iterative Learning 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419707 PMID:38923479	research paper	提出了一种基于解剖学感知的多类别分割和拓扑引导迭代学习的方法，用于精确分割CT扫描中的气道树	结合解剖学感知的多类别分割任务和拓扑引导的迭代自学习方案，有效解决了气道树分割中的类内不平衡和标注不完整问题	需要依赖初始伪标签的质量，且计算成本较高	提高CT扫描中气道树分割的准确性和完整性，以支持呼吸系统疾病分析	胸腔内气道树	digital pathology	lung cancer	CT扫描	deep learning	image	四个数据集（包括两个公共挑战数据集）
255	2025-04-24	Video-Based Soft Tissue Deformation Tracking for Laparoscopic Augmented Reality-Based Navigation in Kidney Surgery 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3413537 PMID:38865220	研究论文	本研究提出了一种基于视频的软组织变形追踪增强现实导航系统，用于肾脏腹腔镜手术	提出了一种基于深度学习的特征点选择策略，用于提高位移矢量场的准确性，并介绍了一种用于内部结构误差评估的体外实验方法	NA	提高腹腔镜肾脏手术中隐藏关键结构的追踪准确性	肾脏手术中的软组织变形	增强现实	肾脏疾病	深度学习	NA	视频	体外和体内实验数据
256	2025-04-24	Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation From Invasive Coronary Imaging 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3412935 PMID:38861432	research paper	提出了一种约束感知学习框架，用于从侵入性冠状动脉成像中估计分数流储备（FFR）回拉曲线	结合了几何和物理约束来近似冠状动脉中心线几何结构与FFR值之间的关系，并利用合成数据进行模型训练以减少临床数据收集成本	需要进一步验证在更大规模和多中心数据集上的泛化能力	提高从侵入性冠状动脉成像中估计FFR回拉曲线的准确性	冠状动脉成像数据和FFR回拉曲线	machine learning	cardiovascular disease	diffusion-driven test-time data adaptation method	deep learning	image	382名患者的数据集，涵盖三种成像模式
257	2025-04-24	SSL-CPCD: Self-Supervised Learning With Composite Pretext-Class Discrimination for Improved Generalisability in Endoscopic Image Analysis 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3411933 PMID:38857149	研究论文	提出一种结合复合前置任务与类别判别的自监督学习方法，用于提升内窥镜图像分析的泛化能力	通过斑块级实例组判别和余弦相似度度量中添加角度间隔惩罚来减少类间差异，创新性地提升模型对相似表征的聚类能力	未明确说明方法在计算资源消耗或实时性方面的表现	解决内窥镜图像分析中监督学习方法泛化性不足的问题	内窥镜图像数据	计算机视觉	溃疡性结肠炎	自监督学习	SSL-CPCD（提出的新型架构）	图像	未明确说明具体样本量，但提及公开数据集和医院内部数据集
258	2025-04-24	CNN-O-ELMNet: Optimized Lightweight and Generalized Model for Lung Disease Classification and Severity Assessment 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3416744 PMID:38896522	research paper	提出了一种轻量级分类模型CNN-O-ELMNet，用于高效检测多种肺部疾病并评估其严重程度	结合CNN进行深度特征提取和优化的极限学习机，利用帝国主义竞争算法提升预测性能，克服了现有CAD系统局限于特定疾病和深度学习模型计算复杂的问题	NA	开发一种轻量级且通用的模型，用于肺部疾病的分类和严重程度评估	肺部疾病（气胸、结核病、肺癌）及其严重程度	digital pathology	lung cancer	imperialistic competitive algorithm	CNN, optimized extreme learning machine	image	benchmark datasets for lung diseases
259	2025-04-24	Temporal Dynamic Synchronous Functional Brain Network for Schizophrenia Classification and Lateralization Analysis 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419041 PMID:38917293	研究论文	该研究提出了一种名为Temporal-BCGCN的动态脑网络分析模型，用于精神分裂症分类和大脑侧化分析	设计了DSF-BrainNet模块构建动态同步特征，提出了基于特征同步时间属性的TemporalConv图卷积方法，以及首个基于rs-fMRI数据的深度学习异常半球侧化模块测试工具CategoryPool	未提及具体样本量的局限性或模型在其他数据集上的泛化能力	开发先进的动态脑网络分析方法以揭示精神分裂症患者异常脑活动机制	精神分裂症患者的静息态功能磁共振成像(rs-fMRI)数据	数字病理学	精神分裂症	rs-fMRI	Temporal-BCGCN (包含DSF-BrainNet, TemporalConv和CategoryPool模块)	医学影像数据	COBRE和UCLA数据集（具体样本量未说明）
260	2025-04-24	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Dec, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本研究旨在创建并验证一种卷积神经网络（CNN）在动态超声中识别骨盆底不同器官的适用性	首次应用深度学习技术，特别是CNN，在动态超声中自动识别骨盆底的不同器官	样本量较小，且在某些器官（如膀胱和子宫）的识别准确度较低	开发和验证CNN在动态超声中识别骨盆底器官的有效性	骨盆底的不同器官	医学影像分析	骨盆底疾病	动态超声	CNN（包括UNet、FPN和LinkNet）	视频	110名患者（86名用于训练，24名用于测试）