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
5181	2025-03-06	Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review 2024-Apr-19, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02366-4 PMID:38637466	综述	本文总结了当前关于后颅窝分割的文献，重点介绍了各种分割技术及其优缺点，以及文献中报道的各种研究的目标和结果	系统性地回顾了后颅窝相关病理的分割技术，涵盖了从手动分割到深度学习的演变	文献搜索仅限于PubMed、Embase、Cochrane和Web of Science，可能未涵盖所有相关研究	评估后颅窝体积/病理的分割技术及其优缺点	后颅窝相关病理，如Chiari畸形、三叉神经痛、术后儿童小脑性缄默综合征和Crouzon综合征	数字病理学	后颅窝相关病理	手动分割、半自动分割、全自动分割（基于图谱、卷积神经网络）	卷积神经网络（CNN）	图像	52篇文献
5182	2025-03-06	Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning 2024-04, The Journal of hand surgery, European volume DOI:10.1177/17531934231209876 PMID:37882645	研究论文	本研究开发了一种深度学习模型，用于从四维计算机断层扫描（4DCT）数据集中自动分割和标记腕骨	首次实现了从4DCT扫描中自动分割和标记腕骨的深度学习模型	未提及具体的数据集大小或模型性能的详细评估	实现4DCT在诊断腕韧带损伤中的应用，减少数据分析时间	腕骨	计算机视觉	腕韧带损伤	4DCT	深度学习模型	4DCT扫描数据	NA
5183	2025-03-06	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的方法，用于自动分类乳腺癌组织图像中的HER2状态	利用金字塔采样技术分析不同空间尺度的形态特征，有效管理计算负载，并提供对细胞和组织层面细节的详细检查	研究仅基于523个核心图像的数据集，样本量相对较小	提高乳腺癌HER2状态分类的准确性和评估速度	乳腺癌组织图像	数字病理学	乳腺癌	深度学习	NA	图像	523个核心图像
5184	2025-03-06	Analysis of the pattern recognition algorithm of broadband satellite modulation signal under deformable convolutional neural networks 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0234068 PMID:32658924	研究论文	本研究旨在分析在低信噪比或信道非理想条件下，基于深度学习的卫星调制信号识别性能受不同参数估计的影响	构建了基于可变形卷积神经网络（DCNN）的宽带卫星调制信号模式识别模型，并与其他模型（如VGG、AlexNet、ResNe）进行了比较，显示出更高的识别准确率和更短的训练时间	研究主要基于模拟数据，未涉及实际卫星信号的复杂环境	分析不同参数估计对卫星调制信号识别性能的影响	宽带卫星调制信号	机器学习	NA	深度学习	DCNN	信号数据	数据长度达到4000
5185	2025-03-06	Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0235980 PMID:32678855	研究论文	本研究基于改进的教学-学习优化算法（MTLBO）和深度学习多层前馈神经网络（BP神经网络）建立了预制建筑项目风险管理系统的模型，以提高大型预制建筑项目施工期间的风险管理需求	通过使用信息熵对传统的教学-学习优化算法（TLBO）进行改进，并结合BP神经网络建立了MTLBO-BP神经网络预测模型，该模型在全局搜索能力和避免局部最优方面表现更优	未提及具体的研究局限性	提高预制建筑项目施工期间的风险管理需求，提供智能管理和决策支持	预制建筑项目的风险管理系统	机器学习	NA	深度学习，BP神经网络，MTLBO算法	BP神经网络，MTLBO-BP神经网络	NA	NA
5186	2025-03-06	The data dimensionality reduction and bad data detection in the process of smart grid reconstruction through machine learning 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0237994 PMID:33027298	研究论文	本研究通过机器学习方法探索了在电网重构过程中检测虚假数据注入攻击（FDIAs），并解决了电力系统中高维数据和异常数据处理的问题	结合孤立森林（iForest）异常评分数据处理算法与局部线性嵌入（LLE）数据降维方法，构建了数据特征提取算法，并基于卷积神经网络（CNN）和门控循环单元（GRU）网络构建了FDIAs检测算法模型	研究中未提及对实际电网系统的测试，仅基于模拟数据进行实验	实现电网系统的安全稳定运行，检测虚假数据注入攻击（FDIAs）并处理高维数据和异常数据	电力系统中的数据，特别是虚假数据注入攻击（FDIAs）相关数据	机器学习	NA	孤立森林（iForest）、局部线性嵌入（LLE）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU	电力系统数据	IEEE14-bus节点和IEEE118-bus节点系统的模拟数据
5187	2025-03-05	IM- LTS: An Integrated Model for Lung Tumor Segmentation using Neural Networks and IoMT 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103201 PMID:40026592	研究论文	本文提出了一种集成模型IM-LTS，用于使用神经网络和医疗物联网进行肺肿瘤分割	结合了MobileNetV2和U-NET两种架构，并采用迁移学习技术，使用预训练的神经网络作为U-NET模型的编码器进行分割	未提及具体的数据集大小和样本类型，可能影响模型的泛化能力	开发一种高精度的肺肿瘤分割和分类模型，以支持早期疾病诊断	肺肿瘤	数字病理学	肺癌	深度学习，迁移学习	MobileNetV2, U-NET, 支持向量机	CT图像	NA
5188	2025-03-05	SERS based determination of ceftriaxone, ampicillin, and vancomycin in serum using WS2/Au@Ag nanocomposites and a 2D-CNN regression model 2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125850 PMID:39929115	研究论文	本文开发了一种基于表面增强拉曼光谱（SERS）和二维卷积神经网络（2D-CNN）回归模型的方法，用于快速检测血清中的头孢曲松、氨苄西林和万古霉素	结合了超灵敏的SERS技术和2D-CNN深度学习模型，用于复杂混合血清溶液中的抗生素浓度预测	未提及样本的具体数量，可能限制了结果的广泛适用性	开发一种快速、准确的抗生素治疗药物监测（TDM）方法	头孢曲松、氨苄西林和万古霉素	机器学习和化学分析	新生儿败血症	表面增强拉曼光谱（SERS）	2D-CNN回归模型	光谱数据	NA
5189	2025-03-05	Deep learning-assisted Raman spectroscopy for automated identification of specific minerals 2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125843 PMID:39954524	研究论文	本研究开发了一种基于深度学习的卷积注意力网络，用于快速准确识别矿物成分，并引入Grad-Cam++技术以可视化预测的重要区域	相比纯卷积神经网络（CNN），该模型更擅长学习特征峰中的细节，以区分具有相似拉曼光谱的矿物	NA	开发自动化识别矿物成分的深度学习模型，以加速现场地质工作中拉曼光谱数据的处理	矿物成分	机器学习	NA	拉曼光谱	卷积注意力网络	光谱数据	大量已知数据
5190	2025-03-05	Toward automated detection of microbleeds with anatomical scale localization using deep learning 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103415 PMID:39642804	研究论文	本文提出了一种新颖的3D深度学习框架，用于自动检测脑微出血（CMBs）并识别其在大脑中的解剖位置	提出了一种结合3D U-Net和区域提议网络（RPN）的单端到端模型，并引入了特征融合模块（FFM）和硬样本原型学习（HSPL）来减少假阳性	未提及具体的数据集大小或多样性限制	自动检测脑微出血并识别其解剖位置，以提高检测准确性和减少假阳性	脑微出血（CMBs）	计算机视觉	脑血管疾病	深度学习	3D U-Net, RPN	3D图像（SWI和相位图像）	未提及具体样本数量
5191	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
5192	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
5193	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
5194	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
5195	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
5196	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
5197	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
5198	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
5199	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
5200	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