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
5881	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
5882	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
5883	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
5884	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
5885	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
5886	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
5887	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
5888	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
5889	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
5890	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
5891	2025-03-05	TractGraphFormer: Anatomically informed hybrid graph CNN-transformer network for interpretable sex and age prediction from diffusion MRI tractography 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103476 PMID:39870000	研究论文	本文介绍了一种名为TractGraphFormer的混合图CNN-Transformer深度学习框架，用于从扩散MRI纤维束成像中预测性别和年龄	TractGraphFormer结合了局部解剖特征和全局特征依赖，通过图CNN模块捕捉白质几何和灰质连接性，并通过Transformer模块增强全局信息学习，同时包含一个注意力模块用于解释预测性白质连接	NA	研究目的是通过扩散MRI纤维束成像预测个体的性别和年龄	研究对象包括儿童（n = 9345）和年轻成年人（n = 1065）	数字病理学	NA	扩散MRI纤维束成像	Graph CNN-Transformer	图像	儿童（n = 9345）和年轻成年人（n = 1065）
5892	2025-03-05	Application-driven validation of posteriors in inverse problems 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103474 PMID:39892221	研究论文	本文提出了一个系统框架，用于在逆问题中基于应用需求验证后验方法	首次将目标检测验证中的关键原则应用于后验方法的验证，提出了模式中心验证方法	未提及具体局限性	解决逆问题中多解情况下的后验方法验证问题	后验方法（如条件扩散模型和可逆神经网络）	计算机视觉	NA	NA	条件扩散模型、可逆神经网络	图像	NA
5893	2025-03-05	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	本文提出了一种名为DSAM的深度学习框架，用于分析脑网络中的时空动态	DSAM框架通过时间因果卷积网络捕捉时间动态，使用时间注意单元识别重要时间点，自注意单元构建目标特定的连接矩阵，并采用图神经网络的变体捕捉空间动态，用于下游分类	NA	研究目标是开发一种深度学习框架，以更好地理解脑网络中的时空动态	研究对象为人类脑网络，具体使用了Human Connectome Project数据集和Adolescent Brain Cognitive Development数据集	机器学习	NA	rs-fMRI	图神经网络	时间序列数据	Human Connectome Project数据集包含1075个样本，Adolescent Brain Cognitive Development数据集包含8520个样本
5894	2025-03-05	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究旨在开发和验证一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究结果需要进一步在多中心、大样本中进行验证	预测胰腺导管腺癌患者的无复发生存期	469名胰腺导管腺癌患者	数字病理	胰腺癌	深度学习	多尺度深度学习模型	图像	469名患者，来自四家医院
5895	2025-03-05	Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110773 PMID:39914742	研究论文	本研究开发了一种两阶段的个性化深度学习自动分割（DLAS）模型，以辅助在线描绘大型脑转移瘤（BMs），旨在优化磁共振引导的自适应放射治疗（MRgART）的工作流程	提出了一个两阶段的个性化DLAS模型，显著提高了在MRgART过程中对大型BMs的分割精度和效率	研究样本量相对较小，仅包括20个大型BMs的741张每日在线MR图像	优化磁共振引导的自适应放射治疗（MRgART）的工作流程，提高大型脑转移瘤（BMs）的治疗效果	大型脑转移瘤（BMs）	医学影像分析	脑转移瘤	深度学习自动分割（DLAS）	深度学习模型	磁共振图像（MRI）	177个BMs的多序列图像用于基础模型训练，20个大型BMs的741张每日在线MR图像用于个性化模型开发
5896	2025-03-05	Deep graph embedding based on Laplacian eigenmaps for MR fingerprinting reconstruction 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103481 PMID:39923317	研究论文	本文提出了一种基于拉普拉斯特征映射的深度图嵌入框架，用于改进磁共振指纹（MRF）重建	引入了一种新的深度图嵌入框架，能够有效利用MRF数据中的非局部和非线性相关性，并通过展开迭代优化过程到深度神经网络中提高了计算效率	虽然提高了重建质量和计算效率，但方法的解释性可能仍然有限，且需要进一步验证其在不同数据集上的泛化能力	改进磁共振指纹（MRF）重建的质量和计算效率	磁共振指纹（MRF）数据和多参数图	计算机视觉	NA	磁共振指纹（MRF）	深度神经网络	图像	NA
5897	2025-03-05	Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110782 PMID:39929288	研究论文	本研究探讨了多种磁共振（MR）序列对头颈部区域深度学习合成CT（sCT）生成质量的影响	使用多种MR序列作为输入，训练14种独特的深度学习模型，以生成sCT，并评估不同多通道MR-sCT模型的质量	增加通道数虽然降低了像素误差，但也增加了人工组织，导致自动轮廓绘制和剂量测定准确性下降	评估多种MR序列对深度学习合成CT生成质量的影响，以支持头颈部癌症的MR-only放射治疗计划	26名头颈部癌症患者的12个MR序列（T1pre、T1post-contrast、T2，每个序列包含4个Dixon图像）	数字病理学	头颈部癌症	深度学习	U-Net	图像	26名患者的12个MR序列
5898	2025-03-05	"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network" 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109832 PMID:39951978	研究论文	本文提出了一种新的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，通过结合混沌和动力系统理论，改进癫痫脑状态的检测和理解	CATE-NET框架结合了混沌吸引子、深度学习和概率图，提供了脑状态分析、特征提取和拓扑映射的新平台，并通过可解释的AI（XAI）阐明了混沌吸引子模式和概率转换如何贡献于脑状态分类和癫痫状态动态转换	NA	改进儿童癫痫的脑状态检测和理解，以促进有效的临床干预	儿童癫痫患者的脑电图（EEG）信号	数字病理学	癫痫	混沌和动力系统理论，深度学习	LSTM	EEG信号	NA
5899	2025-03-05	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	研究论文	本研究探讨了基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤的有效性	结合深度学习和传统机器学习技术，使用预训练的ResNet152和GoogleNet模型提取特征，并通过多种分类器进行比较，ResNet152在准确率、F1分数和敏感性方面表现更优	未提及模型在其他类型肿瘤或不同数据集上的泛化能力	提高脑肿瘤诊断的准确性	脑肿瘤的MR图像	计算机视觉	脑肿瘤	迁移学习、PCA降维、数据增强	ResNet152、GoogleNet、SVM、KNN、CART、GNB	图像	数据集分为训练集（80%）和测试集（20%）
5900	2025-03-05	Illuminating the unseen: Advancing MRI domain generalization through causality 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103459 PMID:39952023	研究论文	本文提出了一种专门用于加速MRI重建的领域泛化框架，旨在提高在未见过的领域中的鲁棒性	提出了首个针对加速MRI重建的领域泛化框架，并引入了一种新的机制级不变性方法GenCA-MRI，通过对齐MRI数据中的内在因果关系来提高泛化能力	NA	解决加速MRI重建在训练和测试数据集之间领域转移（如图像对比度、解剖区域和采集策略的变化）时的挑战	MRI数据	计算机视觉	NA	深度学习	GenCA-MRI	图像	fastMRI和IXI数据集