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
5961	2025-02-27	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	本文提出了一种基于深度学习和标记控制分水岭的脊柱X光图像分割方法，旨在解决相邻椎骨的粘连问题并准确划分边界	创新点包括设计了一种新的骨方向损失（BD-Loss）来约束高分辨率网络（HRNet），并引入了位置信息感知模块（PIPM）以实现HRNet对VU-Net的引导，同时首次将HRNet和VU-Net的输出用于初始化标记控制分水岭算法	NA	开发自动椎骨分割方法，以客观分析脊柱图像中的每个椎骨，用于诊断各种脊柱疾病	脊柱X光图像	计算机视觉	脊柱疾病	深度学习，标记控制分水岭算法	HRNet, VU-Net	图像	两个脊柱X光数据集，分别包含颈椎矢状面图像和全脊柱冠状面图像
5962	2025-02-27	CT image super-resolution under the guidance of deep gradient information 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289225 PMID:39973779	研究论文	本文提出了一种基于生成对抗学习的新型超分辨率网络，用于CT图像的超分辨率重建，通过梯度分支和超分辨率分支的结合，提供梯度信息指导，以生成更真实的细节纹理	提出了一种新的超分辨率网络，结合梯度分支和超分辨率分支，利用梯度信息指导超分辨率重建，并通过结合图像空间损失函数、梯度损失和梯度方差损失来生成更真实的细节纹理	未提及具体的局限性	提高CT图像的超分辨率重建质量，解决结构失真和细节模糊问题	CT图像	计算机视觉	NA	生成对抗学习	GAN	图像	模拟和实验数据
5963	2025-02-27	A study on CT detection image generation based on decompound synthesize method 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241296249 PMID:39973778	研究论文	本研究提出了一种基于分解合成方法（DSM）的CT检测图像生成算法，用于增强缺陷检测训练数据集	提出了一种新的CT检测图像生成算法DSM，通过分解图像生成过程为模型转换、背景生成和缺陷合成三个步骤，有效解决了小样本和类别不平衡问题	需要进一步优化生成算法和模型结构以提高缺陷检测模型的性能和准确性	解决小样本和类别不平衡问题，增强缺陷检测训练数据集	高温气冷堆（HTGR）中的核石墨和碳组件	计算机视觉	NA	螺旋CT技术	Contour-CycleGAN	图像	NA
5964	2025-02-27	Quantitative analysis of deep learning reconstruction in CT angiography: Enhancing CNR and reducing dose 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301696 PMID:39973777	研究论文	本研究通过深度学习重建技术定量评估了CT血管造影中的对比噪声比增强和剂量减少效果	使用深度学习重建技术AiCE与传统FBP方法进行对比，评估了在不同对比剂浓度和管电流电压下的图像质量，展示了AiCE在提高对比噪声比和减少辐射剂量方面的潜力	研究仅基于体模设置进行，未涉及实际患者数据，可能影响结果的普适性	阐明传统FBP与深度学习重建技术AiCE在CT血管造影中的定量图像质量特征	CT血管造影图像	数字病理	心血管疾病	深度学习图像重建	AiCE	图像	八种碘浓度的体模设置
5965	2025-02-27	Radiomics and deep learning features of pericoronary adipose tissue on non-contrast computerized tomography for predicting non-calcified plaques 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241292476 PMID:39973776	研究论文	本研究结合放射组学和深度学习技术，基于非对比计算机断层扫描（CT）图像，预测冠状动脉非钙化斑块（NCP）的存在	首次结合放射组学和深度学习技术，利用非对比CT扫描的冠状动脉周围脂肪组织（PCAT）特征，预测NCP的存在	研究样本量有限，且仅在两中心进行验证，可能影响模型的泛化能力	探讨基于非对比CT扫描的PCAT放射组学和深度学习特征，结合临床风险因素，预测冠状动脉炎症和NCP的价值	353名患者的临床和影像数据	医学影像分析	心血管疾病	非对比CT扫描	XGBoost, Random Forest (RF)	影像数据	353名患者
5966	2025-02-27	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究评估了结合放射组学特征和深度学习特征在利用MRI扫描和集成学习技术对脑肿瘤进行分类中的有效性	结合放射组学特征和深度学习特征，并采用集成学习方法显著提高了脑肿瘤分类的准确性和可靠性	需要进一步通过额外的MRI序列和先进的机器学习技术来增强模型的泛化能力和精确度	评估结合放射组学特征和深度学习特征在脑肿瘤分类中的有效性	脑肿瘤（胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI扫描	3D卷积神经网络（CNN）、支持向量机（SVM）、决策树（DT）、随机森林（RF）、AdaBoost、Bagging、k近邻（KNN）、多层感知器（MLP）	图像	3064个T1加权对比增强脑MRI扫描
5967	2025-02-27	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究旨在通过构建基于深度学习的分类模型，利用磁共振图像（MRI）自动诊断脊髓神经鞘瘤和脑膜瘤，以促进早期诊断并减轻临床医生的压力	引入了选择性卷积核模块到原始CNN模型中，增强了网络对肿瘤特征的关注，有效提升了网络性能	研究样本量较小，仅包含74名患者，可能影响模型的泛化能力	构建一个深度学习模型，用于自动区分脊髓神经鞘瘤和脑膜瘤	脊髓神经鞘瘤（SCH）和脑膜瘤（MEN）患者	计算机视觉	脊髓肿瘤	MRI	CNN（ResNet34-SKConv）	图像	74名患者的MRI图像
5968	2025-02-27	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	本文提出了一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法，旨在提高临床骨密度检查中医生标注椎骨的效率	本文创新性地改进了原始MAE预训练网络的掩码策略，并采用半监督方法结合伪标签生成进行训练，有效提升了腰椎ROI的分割效果	该方法在有限标注数据条件下表现良好，但在完全无监督或数据分布差异较大的情况下可能效果有限	提高腰椎感兴趣区域自动分割的准确性和效率，以辅助临床骨密度检查	腰椎的三维图像数据	计算机视觉	NA	MAE预训练，半监督学习	MAE, UNetr	三维图像	NA
5969	2025-02-27	Mask R-CNN assisted diagnosis of spinal tuberculosis 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290326 PMID:39973774	研究论文	本文提出了一种基于深度学习的辅助诊断方法，用于脊柱结核的诊断，采用改进的Mask R-CNN模型	通过引入ResPath和cbam*模块对原始Mask R-CNN模型进行改进，提升了模型性能	未提及具体的研究样本量及数据来源的多样性	开发一种准确且客观的脊柱结核诊断方法	脊柱结核的CT影像	计算机视觉	脊柱结核	深度学习	Mask R-CNN, Faster-RCNN, SSD	CT图像	NA
5970	2025-02-27	Evaluation of stroke sequelae and rehabilitation effect on brain tumor by neuroimaging technique: A comparative study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317193 PMID:39992898	研究论文	本研究旨在通过深度学习技术改进脑卒中后遗症和康复效果的评估，特别是脑损伤区域的准确识别和跟踪	引入了基于深度学习的SWI-BITR-UNet模型，结合SWIN Transformer的局部感受野和移位机制，以及U-Net架构中的有效特征融合策略，提高了多模态MRI扫描中脑损伤区域分割的准确性	研究中未提及模型在实际临床环境中的广泛验证和应用情况	改进脑卒中后遗症和康复效果的评估方法	脑卒中患者的脑损伤区域	数字病理学	脑卒中	深度学习	SWI-BITR-UNet, 3D CNN	3D MRI图像	使用Bra2020数据集进行评估
5971	2025-02-27	Optimizing Bi-LSTM networks for improved lung cancer detection accuracy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316136 PMID:39992919	研究论文	本研究比较了手工特征提取和深度学习在肺癌诊断中的效果，并优化了双向长短期记忆网络（Bi-LSTM）以提高肺癌检测的准确性	结合手工特征提取和深度学习，特别是优化Bi-LSTM网络，显著提高了肺癌检测的准确性	未提及样本的具体来源和多样性，可能影响模型的泛化能力	提高肺癌早期检测的准确性，改进诊断系统	肺癌	计算机视觉	肺癌	深度学习，手工特征提取	Bi-LSTM, SVM	医学图像	未明确提及
5972	2025-02-27	Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1434334 PMID:39995787	研究论文	本文提出了一种基于深度学习模型的对比质量控制方法，用于CT成像中的中风病变分割任务	提出了一种评估图像数据集对比质量的方法，通过机器学习模型确定图像对比度的关键阈值，从而优化数据集设计和加速训练过程	该方法目前仅应用于CT图像中的中风病变分割，尚未在其他任务中验证其适应性	解决CT成像中中风病变分割的主要挑战之一——图像对比度问题	CT成像中的中风病变	数字病理学	中风	深度学习	NA	图像	NA
5973	2025-02-27	Deep Learning for Predicting Biomolecular Binding Sites of Proteins 2025, Research (Washington, D.C.) DOI:10.34133/research.0615 PMID:39995900	研究论文	本文探讨了深度学习在预测蛋白质-生物分子结合位点方面的应用及其对药物发现、突变分析和分子生物学的重要性	提出了结合序列和结构信息的混合模型，并引入了几何深度学习的创新方法，以提高预测准确性	计算需求高，动态建模复杂，且结构基础方法需要高质量的结构数据	开发计算效率高且灵活的模型，以捕捉现实世界中生物分子相互作用的复杂性，扩大结合位点预测在生物医学领域的应用范围	蛋白质-生物分子结合位点	机器学习	NA	深度学习	混合模型	序列数据, 结构数据	NA
5974	2025-02-27	Identifying relevant EEG channels for subject-independent emotion recognition using attention network layers 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1494369 PMID:39995952	研究论文	本研究通过应用注意力机制层，识别出在三个独立数据集中对情绪预测最相关的EEG通道	利用注意力机制识别跨个体一致相关的EEG通道，以提高独立于个体的情绪识别模型的性能	研究仅基于三个数据集，可能无法涵盖所有EEG信号变异性	增强独立于个体的情绪识别方法，通过识别跨个体一致相关的EEG通道	EEG信号	机器学习	NA	注意力机制	深度学习模型	EEG信号	三个独立数据集（SEED, SEED-IV, SEED-V）
5975	2025-02-27	SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.10.626888 PMID:39713375	研究论文	本文提出了一种基于弱监督学习的皮质表面重建方法，通过大脑MRI带状分割来重建多个皮质表面	该方法通过联合学习微分同胚流来对齐皮质带状分割图的边界，避免了传统方法中对伪地面真值的依赖，减少了数据集特定的挑战和训练数据准备的复杂性	方法在深度皮质沟的挑战性区域可能仍存在一定的局限性	研究目的是开发一种新的皮质表面重建方法，以减少对伪地面真值的依赖并提高重建精度	大脑MRI带状分割数据	计算机视觉	NA	深度学习	NA	MRI图像	两个大规模大脑MRI数据集
5976	2025-02-27	The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002229 PMID:39808513	研究论文	本研究开发了一种基于眼底照片的深度学习人工智能算法，用于预测视神经炎（ON）的亚型，以辅助疑似ON患者的诊断评估	首次利用深度学习AI算法从眼底照片中预测ON亚型，为早期区分MS ON和非MS ON提供了新的方法	数据集规模有限，未来需要增加样本量并结合临床和辅助检查指标以优化模型	开发一种AI算法，通过眼底照片预测ON亚型，以辅助诊断评估	视神经炎（ON）患者，特别是MS ON和非MS ON患者	数字病理学	视神经炎	深度学习	深度学习模型	图像	321名患者的1,599张眼底照片
5977	2025-02-27	ANALYSIS OF CHALLENGES AND POSSIBILITIES OF USING ARTIFICIAL INTELLIGENCE IN MEDICAL DIAGNOSTICS 2024-Dec, Georgian medical news PMID:40007388	研究论文	本文分析了人工智能在医学诊断中的应用挑战和可能性，包括地理分布、实施挑战、成果评估以及提高医疗效率的潜在机会	通过系统综述分析了2019年至2024年间24项研究，揭示了多模态AI、深度学习和机器学习在精准医学、早期诊断和工作流程整合中的潜力	研究中常见的挑战包括数据短缺、算法偏见、伦理和监管问题，表明需要适当的指南和跨学科合作	分析人工智能在医学诊断中的应用挑战和可能性，评估其对医疗效率的提升潜力	人工智能在医学诊断中的应用	机器学习	NA	多模态AI、深度学习、机器学习	深度学习、机器学习	多模态数据	24项研究
5978	2025-02-27	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	研究论文	本文介绍了一种名为DECA的深度学习模型，利用基于视觉Transformer的架构，从批量染色质可及性数据中解析细胞类型信息，并利用单细胞ATAC-seq数据集作为参考以提高精度和分辨率	DECA模型通过其多头注意力机制生成的补丁注意力与Hi-C检测到的染色质相互作用对齐，能够预测由于遗传扰动引起的谱系特异性细胞组成变化，并在泛癌ATAC-seq数据集上展示了其解析具有临床意义的细胞类型比例的能力	NA	开发一种深度学习模型，用于从批量染色质可及性数据中解析细胞类型信息，以探索基因调控程序在发育和疾病中的作用	染色质可及性数据	机器学习	癌症	ATAC-seq, 单细胞ATAC-seq	Transformer	染色质可及性数据	NA
5979	2025-02-27	Noninvasive fetal genotyping using deep neural networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf067 PMID:39992001	研究论文	本文介绍了一种基于深度神经网络的非侵入性胎儿基因分型方法，利用循环游离DNA（cfDNA）进行全基因组非侵入性产前检测（NIPT-M）	首次提出基于深度学习的cfDNA基因分型框架，整合了DNA核苷酸、片段、突变区域、样本和家族特征等多层次信息，显著提升了检测性能	尽管在早期妊娠阶段（第7周）成功检测到三种有害突变，但该方法在临床应用中的广泛可行性仍需进一步验证	开发一种高效的深度学习方法，用于非侵入性胎儿基因分型，以实现全基因组非侵入性产前检测（NIPT-M）	孕妇血浆中的循环游离DNA（cfDNA）	机器学习	遗传性疾病	全基因组测序（WGS）	深度神经网络（DL）	DNA序列数据	NA
5980	2025-02-27	An arrhythmia classification using a deep learning and optimisation-based methodology 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463574 PMID:39949269	研究论文	本文提出了一种基于深度学习和优化方法的心电图信号分类方法，用于五种不同类型的心跳分类	结合了EfficientNet-B0深度学习模型和混合特征选择方法（包括两种过滤方法和自适应秃鹰搜索优化算法），实现了高准确率的心电图信号分类	未提及方法在其他数据集上的泛化能力或实际临床应用中的可行性	开发一种高效的心电图信号分类方法	心电图信号	机器学习	心血管疾病	离散小波变换、移动平均滤波、R峰检测	EfficientNet-B0	图像（灰度图和尺度图）	未提及具体样本数量