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
4901	2025-03-08	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	本文提出了一种基于物理驱动的深度学习重建方法，用于解决频率调制Rabi编码回波（FREE）在MRI中的失真问题，并实现更高的加速率	提出了一种结合物理模型和深度学习的重建方法，解决了FREE采集中的非线性相位累积导致的失真问题，并实现了高达4倍的加速	目前仅在单接收线圈的序列梯度叠加（SGS）FREE序列上进行了验证，未涉及多接收线圈或其他序列的广泛测试	通过降低MRI成本和提高成像速度，使MRI技术更广泛地服务于全球人口	频率调制Rabi编码回波（FREE）的MRI重建	医学影像	NA	频率调制Rabi编码回波（FREE）	深度学习网络	MRI图像	未明确提及样本数量
4902	2025-03-08	Optimizing Modified Barium Swallow Exam Workflow: Automating Pre-Analysis Video Sorting in Swallowing Function Assessment 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782457 PMID:40039880	研究论文	本研究提出了一种深度学习解决方案，旨在通过自动识别视频方向和侦察视频片段来优化改良钡餐吞咽检查（MBS）的预分析过程	引入了深度学习模型来自动分类MBS检查中的视频方向和侦察视频片段，提高了预分析的效率和准确性	在区分侦察视频和吞咽任务视频时，模型的准确率最高为86%，仍有提升空间	优化改良钡餐吞咽检查的预分析流程，提高临床医生的工作效率	改良钡餐吞咽检查的视频片段	计算机视觉	吞咽功能障碍	深度学习	多任务学习模型	视频	来自172次MBS检查和106名患者的2,315个视频片段
4903	2025-03-08	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T和3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	使用新一代0.55 T MRI结合深度学习图像重建算法进行膝关节成像，并与3 T MRI进行比较	0.55 T MRI在低级别软骨和半月板病变的检测准确性和读者信心方面表现有限	比较0.55 T和3 T膝关节MRI在检测和分级关节病变方面的性能	25名有症状的膝关节内部紊乱患者	医学影像	膝关节疾病	MRI, 深度学习图像重建算法	NA	图像	25名患者
4904	2025-03-08	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-Apr-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2）	使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法	需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用	开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型	先天性长QT综合征患者及其亲属	数字病理学	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	4521份心电图来自990名患者
4905	2025-03-08	COVID-19 Detection From Respiratory Sounds With Hierarchical Spectrogram Transformers 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3339700 PMID:38051612	研究论文	本文介绍了一种基于深度学习的方法，通过分析咳嗽或呼吸声音的录音来区分COVID-19患者和健康对照组	提出了一种新颖的分层频谱图变换器（HST），利用自注意力机制在频谱图的局部窗口上操作，并逐步扩大窗口大小以捕捉从局部到全局的上下文	NA	开发一种远程监测方法，用于早期评估主要影响下呼吸道的COVID-19	COVID-19患者和健康对照组的呼吸声音录音	自然语言处理	COVID-19	深度学习	分层频谱图变换器（HST）	音频	多国众包数据集
4906	2025-03-08	EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation 2024-Feb-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2311343 PMID:38345061	研究论文	本文提出了一种新的集成深度学习网络模型（EDLNet），用于自动脑肿瘤分类和分割	提出了一种新的集成深度学习网络模型（EDLNet），结合了改进的Faster RCNN方法和深度循环卷积神经网络（DRCNN），用于脑肿瘤的早期分类和分割	未提及具体局限性	开发一种高效的深度学习模型，用于脑肿瘤的自动分类和分割	脑MRI扫描图像	数字病理学	脑肿瘤	深度学习	EDLNet（集成深度学习网络模型），改进的Faster RCNN，DRCNN（深度循环卷积神经网络）	图像（MRI扫描图像）	两个公开数据集（D1和D2），具体样本数量未提及
4907	2025-03-08	Intelligent deep learning-based disease monitoring system in 5G network using multi-disease big data 2024-Feb-09, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2310785 PMID:38334127	研究论文	本文提出了一种基于深度学习的智能疾病监测系统，利用5G网络和多疾病大数据进行疾病预测和分类	提出了一种改进的基于捕食者存在概率的松鼠搜索-萤火虫群优化算法（MPPP-SSGSO）来优化模型参数，并采用集成增强模型和模糊分类器进行疾病预测和分类	未提及具体的数据来源和样本多样性，可能限制了模型的泛化能力	开发一种高效的疾病监测系统，以降低死亡率并提高疾病预测的准确性	患者的多疾病大数据	机器学习	多疾病	1D-CNN, AdaBoost, XGBoost, CatBoost, 模糊分类器	1D-CNN, 集成增强模型, 模糊分类器	多疾病大数据	未明确提及样本数量
4908	2025-03-08	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文探讨了机器学习和深度学习技术在解决攀岩路线难度评定主观性问题中的应用	提出了使用机器学习和深度学习技术来标准化攀岩路线难度评定的方法，特别是通过自然语言处理和循环神经网络算法	现有方法主要集中在路线中心、攀岩者中心和路径查找与生成三种方法，仍需进一步研究以提高准确性和适用性	研究目的是通过机器学习和深度学习技术标准化攀岩路线难度的评定	攀岩路线的难度评定	自然语言处理	NA	机器学习和深度学习	循环神经网络（RNN）	文本	NA
4909	2025-03-08	Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230733 PMID:38277290	研究论文	本研究探讨了基于人工智能深度学习和循证医学的MRI海马体积测量在预测阿尔茨海默病发生和进展中的价值	结合人工智能深度学习和循证医学方法，利用MRI海马体积测量进行阿尔茨海默病的早期诊断和干预	研究依赖于特定数据库（ADNI和OASIS-brains）的数据，可能限制了结果的普适性	研究MRI海马体积测量在预测阿尔茨海默病发生和进展中的能力	483名阿尔茨海默病患者、756名轻度认知障碍患者和968名正常对照者	数字病理学	老年病	MRI	CNN（InceptionResNetv2, Densenet169, SEResNet50）	图像	483名AD患者、756名MCI患者和968名NC
4910	2025-03-08	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
4911	2025-03-07	The Chest X- Ray: The Ship has Sailed, But Has It? 2025-Jul-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-52-1-21-22.1 PMID:40047110	评论	本文探讨了胸部X光片（CXR）在保险风险评估中的历史地位及其在深度学习技术发展下的潜在价值	探讨了深度学习技术如何可能重新赋予CXR在保险风险评估中的价值	未提供具体数据或实验结果支持CXR在深度学习下的实际应用效果	评估CXR在保险风险评估中的潜在价值	保险申请人	计算机视觉	NA	深度学习	NA	图像	NA
4912	2025-03-07	Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy 2025-Mar-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202411191 PMID:40047328	研究论文	本研究利用3D电子显微镜和深度学习技术，开发了半自动方法重建秀丽隐杆线虫的线粒体，并收集了正常生殖阶段和dauer阶段的线粒体重建数据，以比较神经肌肉系统中线粒体结构的发育变化	首次使用3D电子显微镜和深度学习技术半自动重建线粒体，揭示了神经肌肉系统中线粒体结构的发育变化及其与突触连接的相关性	研究主要基于秀丽隐杆线虫模型，可能不直接适用于其他生物体	探究神经肌肉系统中线粒体结构的发育变化及其功能意义	秀丽隐杆线虫的神经肌肉系统	数字病理学	NA	3D电子显微镜, 深度学习	NA	图像	秀丽隐杆线虫的正常生殖阶段和dauer阶段的线粒体重建数据
4913	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
4914	2025-03-07	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了从解剖ROI提取的放射组学特征在前列腺癌患者中区分国际泌尿病理学会（ISUP）分级的预测价值	通过结合前列腺的外周区（PZ）和中央腺体（CG）的放射组学特征，提高了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用效果	探索放射组学特征在前列腺癌ISUP分级预测中的应用	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取，SMOTE算法，随机森林分类	随机森林分类算法	T2加权成像（T2WI）、表观扩散系数（ADC）和扩散加权成像（DWI）图像	1500名前列腺癌患者
4915	2025-03-06	Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging 2025-Apr-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005685 PMID:39883026	研究论文	本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割	提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题	研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力	开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题	2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂	数字病理学	NA	深度学习	nnU-Net	PET/CT图像	2062例PET/CT图像
4916	2025-03-06	EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108652 PMID:39938252	研究论文	本文提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过脑电图（EEG）信号自动检测阿尔茨海默病（AD）和额颞叶痴呆（FD）	EEGConvNeXt模型是一种轻量级的卷积神经网络，基于Transformer模型，具有四个主要阶段：stem、主模型、下采样和输出stem，能够高效地进行多类分类	研究依赖于相对较小的数据集，并且需要进一步验证以适用于不同人群	开发一种高精度的深度学习模型，用于自动检测阿尔茨海默病和额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FD）和健康对照组的EEG信号	数字病理学	阿尔茨海默病、额颞叶痴呆	脑电图（EEG）信号分析	CNN（卷积神经网络）	图像（EEG信号转换的功率谱图）	包含AD、FD和健康对照组的公开EEG信号数据集
4917	2025-03-06	Hybrid-noise generative diffusion probabilistic model for cervical spine MRI image generation 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108639 PMID:39938251	研究论文	本文提出了一种高质量颈椎MRI图像生成方法，称为颈椎MRI扩散概率模型（CSM-DPM），通过混合噪声和余弦噪声调度生成更自然清晰的图像	提出了一种混合标准高斯噪声和点噪声的方法来近似图像数据的真实分布，并设计了Asa-ResUNet模块，通过非对称注意力机制提高特征提取能力	未提及具体的数据集规模或生成图像的临床应用验证	解决从有限样本中学习解剖特征的挑战，生成高质量的颈椎MRI图像	颈椎MRI图像	计算机视觉	颈椎疾病	扩散模型	Asa-ResUNet	图像	NA
4918	2025-03-06	MBST-Driven 4D-CBCT reconstruction: Leveraging swin transformer and masking for robust performance 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108637 PMID:39938253	研究论文	本研究开发了一种创新的基于掩码的Swin Transformer网络（MBST），用于提高4D锥形束计算机断层扫描（4D-CBCT）重建的质量	提出了一种新的MBST网络，能够在有限的扫描条件下进行4D-CBCT重建，并适用于广泛的4D-CBCT重建场景，包括高扫描速度的情况	研究仅使用了20例患者的4D成像数据进行训练和评估，样本量相对较小	提高4D-CBCT图像的重建质量，特别是在有限扫描条件下的应用	20例患有胸部肿瘤的患者的4D成像数据	计算机视觉	胸部肿瘤	深度学习	Swin Transformer	4D成像数据	20例患者的4D成像数据（15例用于训练，5例用于测试）
4919	2025-03-06	LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108640 PMID:39951959	研究论文	本文提出了一种名为LMTTM-VMI的新模型，用于3D体积医学图像的分类，通过引入外部链接记忆模块来提高空间依赖性和结构复杂性的处理能力	引入了Linked Memory Token Turing Machine (LMTTM)，利用外部链接记忆模块高效处理3D体积医学图像的空间依赖性和结构复杂性，提升了分类性能	未提及模型在更大规模或更多样化数据集上的表现，也未讨论计算资源需求	提高3D体积医学图像的分类准确性，以辅助医疗诊断和治疗规划	3D体积医学图像	计算机视觉	NA	深度学习	LMTTM	3D图像	六个3D体积医学图像数据集（来自MedMNIST v2）
4920	2025-03-06	Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108657 PMID:39954654	研究论文	本研究比较了传统预测方程与机器学习和深度学习模型在重症患者静息能量消耗（REE）估计中的表现	首次在重症患者中广泛验证了机器学习和深度学习模型在REE估计中的应用，并展示了其优于传统预测方程的潜力	需要进一步在独立数据集和多样化患者群体中进行验证	比较不同方法在重症患者静息能量消耗估计中的准确性	重症患者的静息能量消耗	机器学习	重症监护	间接量热法（IC）	XGBoost, Random Forest Regressor (RFR), Convolutional Neural Networks (CNN)	静态和动态生理变量	300例重症监护病房（ICU）患者的间接量热法测量数据