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
5581	2025-03-03	Quantifying U-Net uncertainty in multi-parametric MRI-based glioma segmentation by spherical image projection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16695 PMID:37696029	研究论文	本文提出了一种基于球形图像投影的U-Net分割不确定性量化方法，用于多参数MRI（MP-MRI）的胶质瘤分割	通过将平面MRI数据投影到球面，提出了一种新的球形投影U-Net（SPU-Net）模型，用于量化分割不确定性，并生成像素级的不确定性图	研究仅基于369名胶质瘤患者的MP-MRI数据，样本量相对有限，且未在其他类型的医学图像上进行验证	开发一种基于球形图像投影的U-Net分割不确定性量化方法，以提高胶质瘤分割的准确性和不确定性评估	胶质瘤患者的MP-MRI图像（T1, T1-Ce, T2, FLAIR）	数字病理	胶质瘤	多参数MRI（MP-MRI）	U-Net, SPU-Net	图像	369名胶质瘤患者的MP-MRI扫描数据
5582	2025-03-03	Clinical evaluation of deep learning systems for assisting in the diagnosis of the epiretinal membrane grade in general ophthalmologists 2024-Mar, Eye (London, England) DOI:10.1038/s41433-023-02765-9 PMID:37848677	研究论文	本研究开发了基于OCT图像的深度学习系统，用于辅助诊断视网膜前膜（ERM）的严重程度，并通过比较实验评估了AI系统在眼科医生诊断中的潜在益处和风险	开发了两种深度学习模型（分割模型和分类模型）来辅助诊断ERM的严重程度，并通过临床实验验证了AI系统在提高诊断准确性和减少时间消耗方面的潜力	研究中AI系统的误判情况需要进一步分析和改进，以确保其在临床实践中的安全性和可靠性	开发并评估AI系统在辅助诊断视网膜前膜（ERM）严重程度中的应用	视网膜前膜（ERM）患者	数字病理	老年疾病	光学相干断层扫描（OCT）	深度学习模型（分割模型和分类模型）	图像	来自三家医院的OCT数据集
5583	2025-03-03	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	本文开发了一种基于深度学习的半固体磁化转移参考框架（DeepEMR），用于快速、可靠地估计磁化转移对比（MTC）和CEST信号，并评估其重复性和可靠性	提出了一个基于MR物理驱动的深度学习框架DeepEMR，用于快速估计MTC和CEST信号，并在数值模型和健康志愿者中验证了其准确性和重复性	研究主要基于数值模型和健康志愿者，虽然在脑肿瘤患者中进行了应用，但样本量可能有限	开发一种新的MR成像方法，用于快速、可靠地估计MTC和CEST信号，并评估其重复性和可靠性	数值模型、健康志愿者和脑肿瘤患者	医学影像	脑肿瘤	深度学习、磁共振成像（MRI）	神经网络	图像	数值模型、健康志愿者和脑肿瘤患者（具体数量未提及）
5584	2025-03-03	Generating synthetic medical images with limited data using auxiliary classifier generative adversarial network: a study on thyroid ultrasound images 2024-Mar, Journal of ultrasound IF:1.3Q3 DOI:10.1007/s40477-023-00837-w PMID:38064046	研究论文	本文提出了一种使用辅助分类器生成对抗网络（ACGAN）从有限数据生成合成医学图像的新方法，并在甲状腺超声图像上进行了实验	提出了一种改进的ACGAN架构，能够从非常有限的数据中生成高质量的合成医学图像，并开发了一种图像融合方法以模拟超声设备的输出	实验数据集较小，仅包含198张甲状腺结节超声图像，可能限制了模型的泛化能力	解决医学图像数据有限或未标注的问题，以提升深度学习模型的训练效果	甲状腺超声图像中的钙化和囊性结节	计算机视觉	甲状腺疾病	ACGAN（辅助分类器生成对抗网络）	ACGAN	图像	198张甲状腺超声图像
5585	2025-03-03	Robust explanation supervision for false positive reduction in pulmonary nodule detection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16937 PMID:38224306	研究论文	本文提出了一种结合可解释AI方法的框架，用于提高肺结节检测的准确性，减少假阳性	提出了一种基于解释监督的鲁棒可解释检测（RXD）框架，通过使用放射科医生的结节轮廓作为监督信号，增强模型在小数据集上的学习能力，并减少人工注释中的噪声	研究依赖于公开的LIDC-IDRI数据集，可能限制了模型的泛化能力	开发一个结合可解释AI方法的框架，以提高肺结节检测的准确性，减少假阳性	肺结节	计算机视觉	肺癌	深度学习	CNN	CT图像	480个训练集，265个验证集，265个测试集
5586	2025-03-03	Channelized hotelling observer-based low-contrast detectability on the ACR CT accreditation phantom: Part II. Repeatability study 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16961 PMID:38305692	研究论文	本研究旨在验证基于通道化霍特林观察者（CHO）的低对比度检测评估在四种CT扫描仪模型上的可重复性	优化了CHO模型观察者，使其仅需1-3次重复扫描即可准确测量检测指数（d'），并验证了其在多种CT扫描仪上的可重复性	研究仅限于ACR CT认证体模，未涉及实际临床数据	验证CHO在低对比度检测评估中的可重复性，以支持常规CT质量控制	ACR CT认证体模	医学影像	NA	通道化霍特林观察者（CHO）	CHO	CT图像	四种CT扫描仪模型，每种扫描10次，每次重新定位体模后进行3次重复扫描
5587	2025-03-03	2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16965 PMID:38319676	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5588	2025-03-03	Improved outcome models with denoising diffusion 2024-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103307 PMID:38325221	研究论文	本研究利用去噪扩散概率模型（DDPM）改进肿瘤局部控制模型的性能，以解决放疗结果建模中的类别不平衡问题	首次将DDPM应用于放疗结果建模，生成合成治疗计划数据以补充真实训练数据集，显著提高了模型性能	研究仅针对非小细胞肺癌（NSCLC）患者，未验证在其他类型癌症或更大样本量上的适用性	解决放疗结果建模中的类别不平衡问题，提高肿瘤局部控制预测模型的性能	535名接受立体定向体部放疗（SBRT）的非小细胞肺癌患者	数字病理	肺癌	去噪扩散概率模型（DDPM）	条件3D DDPM模型	图像（CT图像、3D剂量分布）和文本（患者人口统计数据）	535名非小细胞肺癌患者
5589	2025-03-03	Machine learning based prediction of image quality in prostate MRI using rapid localizer images 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.026001 PMID:38435711	研究论文	本文开发了一种基于机器学习的预测方法，用于在仅使用快速定位序列图像的情况下预测尚未获取的前列腺MRI图像质量	创新点在于利用快速定位序列图像（仅需几秒获取）来预测尚未获取的MRI图像质量，从而可能实现早期干预以改善图像质量	样本量较小（213例），且仅基于单一机构的专家标注数据，可能影响模型的泛化能力	研究目的是通过机器学习方法预测前列腺MRI图像质量，以优化诊断性能	研究对象为前列腺MRI快速定位序列图像及其对应的直肠内容物	医学影像分析	前列腺癌	MRI	2D U-Net, ResNet-34, 放射组学分类器	图像	213例前列腺MRI快速定位序列图像（147例训练，64例测试）
5590	2025-03-03	Automated detection of nine infantile fundus diseases and conditions in retinal images using a deep learning system 2024-Mar, The EPMA journal DOI:10.1007/s13167-024-00350-y PMID:38463622	研究论文	本文开发了一种名为婴儿视网膜智能诊断系统（IRIDS）的自动化系统，用于辅助早期诊断和监测婴儿眼底疾病和健康状况	结合卷积神经网络和Transformer结构，开发了IRIDS系统，能够准确识别九种婴儿眼底疾病和状况	需要进一步研究以验证IRIDS在不同临床环境中的广泛适用性	开发一种自动化系统，用于辅助早期诊断和监测婴儿眼底疾病和健康状况	婴儿眼底疾病和健康状况	计算机视觉	眼底疾病	卷积神经网络和Transformer结构	ResNet-18和Multi-Axis Vision Transformer (MaxViT)	视网膜图像	7697张视网膜图像（来自1089名婴儿）
5591	2025-03-03	Few-shot learning using explainable Siamese twin network for the automated classification of blood cells 2023-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02804-3 PMID:36800155	研究论文	本文提出了一种基于对比学习的Siamese twin network (STN)模型，用于从少量图像中训练并自动分类健康的外周血细胞	使用EfficientNet-B3作为基础模型，提出了一种新的类激活映射方案，以提高模型的可解释性	模型训练依赖于少量数据，可能影响其泛化能力	开发一种自动化且可解释的血液细胞分类方法	健康的外周血细胞	计算机视觉	NA	对比学习	Siamese twin network (STN), EfficientNet-B3	图像	17,092张公开的细胞组织学图像，其中6%用于STN训练，6%用于少样本验证，88%用于少样本测试
5592	2025-03-02	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	review	本文比较和对比了用于预测基因组接触图的深度学习模型，并探讨了预处理、架构、训练、评估和解释方法	强调了不同模型的能力和局限性，并指出了基因组折叠模型面临的挑战、机遇和未来潜在方向	主要关注深度学习模型，未涉及其他类型的模型或方法	探讨深度学习模型在预测基因组接触图中的应用	三维基因组折叠	machine learning	NA	深度学习	深度学习模型	基因组接触图	NA
5593	2025-03-02	Physics-driven deep learning for high-fidelity photon-detection ghost imaging 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.541330 PMID:40020023	研究论文	本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率	通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络	NA	提高在散射介质中的光子探测成像的空间和深度分辨率	光子探测成像	计算机视觉	NA	深度学习	深度融合网络	图像	NA
5594	2025-03-02	Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.546727 PMID:40020024	研究论文	本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制	结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力	NA	提高MRI成像速度和分辨率	MRI系统	医学影像	NA	深度学习网络	前向神经网络	电磁响应特性	NA
5595	2025-03-02	Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction 2025-Feb-28, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.24000195 PMID:40020200	研究论文	本文旨在评估一种基于人工智能-心电图（AI-ECG）的模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能	使用智能手机摄像头进行心电图数字化，并利用卷积神经网络（CNN）进行心电图分类，AI模型在检测ACOMI方面表现优于人类专家	需要进一步的研究和外部验证以了解AI模型在ACS环境中的作用	评估AI-ECG模型在检测ACOMI中的性能	急性冠状动脉综合征（ACS）患者	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	未明确提及样本数量
5596	2025-03-02	Enhanced glioma tumor detection and segmentation using modified deep learning with edge fusion and frequency features 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84661-0 PMID:40011472	研究论文	本文提出了一种结合边缘融合和频率特征的改进深度学习模型，用于增强胶质瘤的检测和分割	提出了边缘融合算法（EIF）和Gabor变换（GaT）用于提高MRI图像中边缘像素的对比度和检测精度，并优化了深度学习架构以减少检测时间	未提及具体的局限性	提高胶质瘤检测和分割的准确性，特别是在资源有限的医疗环境中	胶质瘤	计算机视觉	胶质瘤	深度学习，Gabor变换	改进的深度学习架构（MDL）	MRI图像	PLCO和NU数据集
5597	2025-03-02	Modelling of pome fruit pollen performance using machine learning 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91286-4 PMID:40011508	研究论文	本研究旨在开发一个机器学习模型，用于预测仁果类水果的花粉萌发率	利用人工神经网络和深度学习技术，成功开发出预测花粉萌发率的模型，R²值达到0.89，展示了机器学习在农业研究中的潜力	研究仅针对四种仁果类水果的花粉进行测试，可能无法完全代表其他水果或作物的花粉表现	开发一个能够预测花粉萌发率的模型，以评估极端气温对水果开花期的影响	四种仁果类水果的花粉	机器学习	NA	人工神经网络	深度学习模型	实验数据	四种仁果类水果的花粉，在不同温度、培养基和持续时间下进行体外萌发测试
5598	2025-03-02	A labeled medical records corpus for the timely detection of rare diseases using machine learning approaches 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90450-0 PMID:40011510	研究论文	本文提出了一个用于罕见病早期检测的标注医疗记录数据集，并应用多种机器学习方法进行验证	利用MIMIC-III数据库和其他来源的医疗记录，创建了一个新的标注数据集，用于罕见病的早期检测	数据集可能受到来源数据的限制，且模型的泛化能力需要进一步验证	通过机器学习方法提高罕见病的早期检测和诊断准确性	罕见病患者	机器学习	罕见病	监督学习方法	逻辑回归、决策树、SVM、LSTM、CNN、BERT	医疗记录	NA
5599	2025-03-02	Fusion of circulant singular spectrum analysis and multiscale local ternary patterns for effective spectral-spatial feature extraction and small sample hyperspectral image classification 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90926-z PMID:40011533	研究论文	本文提出了一种新颖的循环奇异谱分析（CiSSA）和多尺度局部三值模式融合方法，用于高光谱图像的联合光谱-空间特征提取和分类	结合循环奇异谱分析和多尺度局部三值模式进行光谱-空间特征提取，提高了小样本高光谱图像分类的准确性	仅在高光谱图像数据集上进行了实验，未在其他类型数据上验证	提高小样本高光谱图像分类的准确性	高光谱图像	计算机视觉	NA	PCA, CiSSA, LTP, SVM	SVM	图像	三个高光谱图像数据集（Indian Pines, Pavia University, Houston2013），训练样本比例为1%
5600	2025-03-02	Early attention-deficit/hyperactivity disorder (ADHD) with NeuroDCT-ICA and rhinofish optimization (RFO) algorithm based optimized ADHD-AttentionNet 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90649-1 PMID:40011599	研究论文	本文提出了一种基于NeuroDCT-ICA和RhinoFish优化算法的ADHD检测方法，通过改进数据处理、检测精度和计算时间，提高了ADHD检测的准确性	提出了新的NeuroDCT-ICA模块用于EEG数据预处理，并引入了RhinoFish优化算法进行特征选择，增强了系统的数据处理能力和稳定性	未提及具体的研究局限性	改进现有的ADHD检测系统，提高检测准确性和效率	ADHD患者的行为、认知或生理数据（如EEG、眼动追踪或调查数据）	机器学习	注意力缺陷多动障碍（ADHD）	EEG数据处理、RhinoFish优化算法	ADHD-AttentionNet（基于深度学习的模型）	EEG数据、眼动追踪数据、调查数据	未提及具体样本量