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
5761	2025-03-03	iEEG-recon: A fast and scalable pipeline for accurate reconstruction of intracranial electrodes and implantable devices 2024-Mar, Epilepsia IF:6.6Q1 DOI:10.1111/epi.17863 PMID:38148517	研究论文	本文介绍了一种名为iEEG-recon的快速且可扩展的管道，用于准确重建颅内电极和植入设备	开发了一个独立的模块化管道，用于自动化电极重建，并展示了其与临床和研究工作流程的兼容性以及在云平台上的可扩展性	需要进一步验证其在更多临床环境中的适用性和准确性	促进药物难治性癫痫病例的治疗，通过自动化电极重建过程来识别癫痫网络	颅内电极和植入设备	数字病理	癫痫	iEEG, MRI	ANTsPyNet	图像	132名患者的数据，来自两个癫痫中心
5762	2025-03-03	Predicting FDG-PET Images From Multi-Contrast MRI Using Deep Learning in Patients With Brain Neoplasms 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28837 PMID:37259967	研究论文	本研究利用深度学习技术，通过多对比MRI生成脑肿瘤患者的诊断质量FDG-PET等效图像	首次使用深度学习模型从多对比MRI生成FDG-PET图像，避免了放射性示踪剂的使用	合成PET图像的质量与真实PET图像相比存在显著差异，且读者间存在明显的变异性	生成诊断质量的PET等效图像，以减少地理限制、辐射暴露和高成本	脑肿瘤患者	医学影像分析	脑肿瘤	深度学习	卷积神经网络（CNN）	MRI和PET图像	51名患者（59项研究）
5763	2025-03-03	mmPose-FK: A Forward Kinematics Approach to Dynamic Skeletal Pose Estimation Using mmWave Radars 2024-Mar, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3348199 PMID:39309301	研究论文	本文提出了一种基于毫米波雷达的动态骨骼姿态估计方法mmPose-FK，采用动态前向运动学（FK）方法解决毫米波雷达常见的低分辨率、镜面反射和噪声问题	将前向运动学机制整合到深度学习模型中，开发了一种端到端的解决方案，显著提高了姿态估计的准确性和稳定性	未明确提及具体限制	解决毫米波雷达在姿态估计中的低分辨率、镜面反射和噪声问题，提高姿态估计的准确性和稳定性	人体骨骼姿态	计算机视觉	NA	毫米波雷达	深度学习模型	雷达数据	未明确提及样本数量
5764	2025-03-03	K-t PCA accelerated in-plane balanced steady-state free precession phase-contrast (PC-SSFP) for all-in-one diastolic function evaluation 2024-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29897 PMID:37927206	研究论文	本文开发了一种MRI方法，通过生成具有平衡稳态自由进动对比的2D相位对比序列（PC-SSFP），在单次扫描中同时评估舒张功能	提出了一种新的MRI方法PC-SSFP，结合k-t PCA加速技术，实现了在单次扫描中同时评估舒张功能	研究仅在10名健康受试者中进行，样本量较小，且未在患者群体中验证	开发一种MRI方法，用于在单次扫描中同时评估舒张功能	舒张功能的评估，包括早期和晚期舒张期二尖瓣充盈速度（E和A）以及二尖瓣环组织速度（e'）	医学影像	心血管疾病	MRI, k-t PCA	深度学习框架	图像	10名健康受试者
5765	2025-03-03	Biomimetic Deep Learning Networks With Applications to Epileptic Spasms and Seizure Prediction 2024-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3325762 PMID:37851549	研究论文	本文提出了一种新型的仿生深度学习网络，用于癫痫痉挛和癫痫发作预测，并与最先进的传统机器学习模型进行了性能比较	结合了模块化Volterra核卷积网络和双向循环网络，并利用头皮EEG的相位振幅跨频耦合特征	NA	提高癫痫发作预测的准确性，改善患者的生活质量	癫痫患者，特别是成人癫痫发作和婴儿痉挛综合征患者	机器学习	癫痫	EEG信号分析	仿生神经网络，Volterra核卷积网络，双向循环网络	EEG数据	标准CHB-MIT数据集，Montefiore医疗中心和加州大学洛杉矶分校的两个数据集
5766	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
5767	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
5768	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）
5769	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
5770	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
5771	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
5772	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
5773	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
5774	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）
5775	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）
5776	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
5777	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
5778	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
5779	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
5780	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