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
6181	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA
6182	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集
6183	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
6184	2025-02-21	ABIET: An explainable transformer for identifying functional groups in biological active molecules 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109740 PMID:39894011	研究论文	本文介绍了一种名为ABIET的可解释Transformer模型，用于识别生物活性分子中药物-靶点相互作用的关键区域——功能基团	ABIET模型通过利用Transformer编码器架构的注意力权重，结合双向交互、基于层的提取和激活变换等策略，有效区分功能基团与非功能基团原子，提升了Transformer模型的可解释性	NA	提高Transformer模型在药物发现中的可解释性，识别生物活性分子中的功能基团	生物活性分子中的功能基团	自然语言处理	NA	Transformer模型	Transformer	SMILES表示的分子数据	针对多种药理学受体（包括VEGFR2、AA2A、GSK3、JNK3和DRD2）的多样化数据集
6185	2025-02-21	Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109759 PMID:39914196	研究论文	本研究介绍了一种自动化分析视频荧光吞咽研究（VFSS）的新框架，用于表征头颈癌（HNC）患者的吞咽困难	提出了一种结合深度学习标记框架、吞咽动态参数提取和机器学习分类的自动化分析方法，用于从VFSS中识别十个感兴趣区域和四种吞咽困难相关损伤	数据集大小和VFSS的变异性带来的挑战	开发自动化分析VFSS的方法，以表征头颈癌患者的吞咽困难	头颈癌患者、健康个体以及非头颈癌相关吞咽困难患者	计算机视觉	头颈癌	深度学习、机器学习	深度学习标记框架、机器学习分类器	视频	未明确提及具体样本数量，但涉及健康个体、头颈癌患者放疗前后及非头颈癌相关吞咽困难患者
6186	2025-02-21	You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109733 PMID:39914201	研究论文	本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测	结合深度学习和传统机器学习方法进行乳腺癌风险预测，探索了图像数据在风险预测中的应用	需要进一步验证以确认其临床适用性	开发一种基于图像的乳腺癌风险预测模型，以个性化筛查需求	乳腺癌风险预测	计算机视觉	乳腺癌	深度学习, 传统机器学习	深度学习模型, 传统机器学习模型	图像	3720例对照组和1471例风险病例的乳腺X光片
6187	2025-02-21	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	本文介绍了一种名为REMED-T2D的集成机器学习模型，用于早期检测2型糖尿病，通过整合多种机器学习算法提高预测准确性和鲁棒性	REMED-T2D是首个使用Pima数据集进行综合分析的模型，结合了多种机器学习算法，并开发了公开可访问的Web服务器	模型主要在亚洲女性数据集上进行验证，可能在其他人群中的适用性有限	开发一种高效的机器学习模型，用于早期检测2型糖尿病	2型糖尿病患者	机器学习	糖尿病	集成学习	集成学习模型	医疗数据集	Pima Indian Diabetes数据集，RTML1和Pabna数据集
6188	2025-02-21	QMaxViT-Unet+: A query-based MaxViT-Unet with edge enhancement for scribble-supervised segmentation of medical images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109762 PMID:39919665	研究论文	本文提出了一种基于涂鸦监督的医学图像分割新框架QMaxViT-Unet+，通过改进U-Net架构并引入多轴视觉Transformer块和边缘增强模块，提高了分割精度	QMaxViT-Unet+框架结合了多轴视觉Transformer块和边缘增强模块，有效提升了模型在局部和全局特征学习上的能力，同时通过查询式Transformer解码器优化特征	尽管在多个数据集上表现优异，但模型在特定数据集（如BUSI）上的性能仍有提升空间，且依赖于涂鸦标签的质量	解决医学图像分割中高质量标注数据稀缺的问题，提出一种弱监督学习方法	心脏结构、结肠息肉和乳腺癌的医学图像	计算机视觉	心血管疾病、结肠癌、乳腺癌	深度学习	QMaxViT-Unet+（基于U-Net和多轴视觉Transformer）	医学图像	四个公开数据集：ACDC、MS-CMRSeg、SUN-SEG、BUSI
6189	2025-02-21	Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109760 PMID:39923589	研究论文	本研究提出了一种基于级联点注释的深度学习框架，用于3D肺部感染分割，以减少标注工作量并提高分割性能	提出了一种新的级联点注释框架，通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，以在稀疏注释下约束网络对病变模式的更全面理解	虽然方法在未见过的感染亚型（如肺炎支原体）上表现出鲁棒性，但未明确讨论其在其他类型感染或更广泛数据集上的泛化能力	开发一种高效且准确的肺部感染分割方法，以减少标注工作量并提高分割性能	肺部感染的3D CT图像	计算机视觉	肺部感染	深度学习	级联深度学习模型	3D CT图像	1,072个CT体积
6190	2025-02-21	Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109769 PMID:39923592	研究论文	本文提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的独特方法	使用连续小波变换将心电图信号转换为尺度图，以捕捉时间和频率域信息，并采用优化的预训练GoogLeNet架构进行迁移学习	需要进一步验证在更大规模数据集上的泛化能力	开发一种基于单导联心电图信号的睡眠呼吸暂停检测方法	睡眠呼吸暂停患者的心电图信号	机器学习	睡眠障碍	连续小波变换	GoogLeNet	心电图信号	PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集
6191	2025-02-21	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	本文提出了一种名为ResoMergeNet（RMN）的多模态医学图像分类模型，用于白内障、肺癌和乳腺癌的诊断	RMN结合了迁移学习和先进技术（ResBoost框架和ConvMergeNet），能够有效处理多模态医学图像分类问题，并在不同数据集上表现出色	未明确提及模型的局限性	提高多模态医学图像分类的准确性，以支持白内障、肺癌和乳腺癌的早期诊断	白内障、肺癌和乳腺癌的医学图像	计算机视觉	白内障、肺癌、乳腺癌	迁移学习、ResBoost框架、ConvMergeNet	ResoMergeNet（RMN）	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类）
6192	2025-02-21	Review on computational methods for the detection and classification of Parkinson's Disease 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109767 PMID:39938340	review	本文系统地调查了用于帕金森病检测和分类的计算方法，特别是通过不同的成像模态	本文提供了对现有机器学习和深度学习模型的深入分析，并强调了改进现有方法以处理诊断准确性挑战的需求	现有数据集的应用性有限，需要扩展其适用性	系统调查帕金森病检测和分类的最新方法	帕金森病的生物标志物，包括解剖和神经递质变化、血清和遗传特征	machine learning	帕金森病	T1加权MRI	machine learning, deep learning	image	NA
6193	2025-02-21	Deep learning model for identifying acute heart failure patients using electrocardiography in the emergency room 2025-Feb-20, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuaf001 PMID:39787045	研究论文	本研究旨在开发和评估一种使用心电图（ECG）数据的深度学习模型，以提高急诊室（ER）中急性心力衰竭（AHF）的识别	利用深度学习模型结合心电图和临床数据，显著提高了急诊室中急性心力衰竭的检测准确性	研究为回顾性队列研究，可能存在数据偏差，且仅在三家医院的数据集上进行了验证	提高急诊室中急性心力衰竭的识别准确性	急诊室中的急性心力衰竭患者	机器学习	心血管疾病	ECG数据分析	CatBoost, XGBoost, Light GBM, 线性回归	心电图数据	19285名患者，其中9119名被诊断为急性心力衰竭
6194	2025-02-21	Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy 2025-Feb-20, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr04033c PMID:39865849	研究论文	本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究	创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性	研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化	研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理	研究对象为液体活检中的循环肿瘤细胞（CTCs）	数字病理学	癌症	原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型	深度学习模型	图像、力学数据	三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物
6195	2025-02-21	Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning 2025-Feb-20, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02098g PMID:39925033	研究论文	本文开发了一种形状适应性强的柔性表面增强拉曼散射（SERS）基底，结合深度学习算法，用于快速检测和定量分析水果表面的福美双	创新性地设计了一种柔性SERS基底，通过将银纳米颗粒沉积在波纹状的PDMS薄膜上，提高了物理灵活性，确保了与曲面的共形接触，同时实现了高灵敏度、重现性和机械鲁棒性	NA	快速检测和定量分析水果表面的福美双，以确保食品安全	水果表面的福美双	计算机视觉	NA	表面增强拉曼散射（SERS）	一维卷积神经网络（1D CNN）	SERS信号	NA
6196	2025-02-21	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Feb-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究旨在使用深度学习重建技术（DLS）实现高分辨率双反转恢复（DIR）成像，并比较其在检测多发性硬化症（MS）皮质旁病变中的诊断性能与传统DIR（C-DIR）的差异	开发了一种新的基于深度学习的重建技术（DLS），用于重建高度欠采样的MR数据，并在检测MS皮质旁病变中表现出优于压缩感知的性能	研究样本量较小，仅包括25名MS患者	比较DLS-DIR和C-DIR在检测MS皮质旁病变中的诊断性能	25名多发性硬化症患者的MRI数据	医学影像	多发性硬化症	深度学习重建技术（DLS）	深度学习	MRI图像	25名多发性硬化症患者
6197	2025-02-21	Boosting 2D brain image registration via priors from large model 2025-Feb-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17696 PMID:39976314	研究论文	本文探讨了如何利用基础模型DINOv2的先验知识来支持基于学习的无监督配准网络，以提高2D脑图像配准的准确性	首次将基础模型DINOv2应用于医学图像配准任务，提出了三种DINOv2辅助配准模式，并研究了三种特征聚合方法在配准框架中的适用性	研究仅限于2D脑图像配准，未涉及3D或其他类型的医学图像	克服深度学习配准方法在有限数据集上的过拟合问题，提高配准精度和泛化能力	2D脑图像	计算机视觉	NA	深度学习	DINOv2	图像	IXI和OASIS公共数据集
6198	2025-02-21	T2-weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study 2025-Feb-20, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70031 PMID:39976552	研究论文	本研究比较了使用深度学习重建（DLR）与传统重建的T2加权3D快速自旋回波序列在直肠癌MRI中的图像质量和临床效用	首次在直肠癌MRI中比较了深度学习重建与传统重建的图像质量和临床效用	研究样本量较小，仅包括50名患者	比较深度学习重建与传统重建在直肠癌MRI中的图像质量和临床效用	直肠癌患者	医学影像	直肠癌	T2加权3D快速自旋回波序列	深度学习重建（DLR）	MRI图像	50名直肠癌患者
6199	2025-02-21	Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study 2025-Feb-20, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07145-x PMID:39976703	研究论文	本研究旨在开发先进的深度学习模型，利用SPECT心肌灌注成像（MPI）进行冠状动脉疾病（CAD）的诊断	采用了多种监督和半监督深度学习算法及训练策略，包括迁移学习和数据增强，以提高CAD诊断的准确性	研究仅针对LAD区域的诊断，未涵盖所有冠状动脉区域	开发并验证基于深度学习的SPECT-MPI图像分析模型，用于CAD的自动化诊断	940名接受SPECT-MPI检查的患者，其中281名患者进行了侵入性冠状动脉造影（ICA）	数字病理学	心血管疾病	SPECT-MPI, 侵入性冠状动脉造影（ICA）	DenseNet201, ResNet152V2, InceptionResNetV2	图像	940名患者，其中281名进行了ICA
6200	2025-02-21	Impact of deep learning on pediatric elbow fracture detection: a systematic review and meta-analysis 2025-Feb-20, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02779-w PMID:39976732	系统综述与荟萃分析	本研究系统评估了深度学习模型在检测儿童肘部骨折中的表现	首次系统评估和荟萃分析了深度学习模型在儿童肘部骨折检测中的应用及其性能	仅纳入了6项符合条件的研究，样本量相对较小，可能影响结果的普遍性	评估深度学习模型在儿童肘部骨折检测中的准确性和性能	0至16岁儿童的肘部骨折	计算机视觉	儿童肘部骨折	深度学习	ResNet等深度学习模型	医学影像	22项研究中的6项符合条件的研究