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
6681	2025-02-19	Multi-task learning for automated contouring and dose prediction in radiotherapy 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb23d PMID:39904047	研究论文	本研究应用多任务学习（MTL）方法，将自动轮廓绘制和基于体素的剂量预测任务无缝集成，以提高放射治疗中自动治疗计划的效率和准确性	首次将多任务学习方法应用于放射治疗中的自动轮廓绘制和剂量预测任务，利用两个任务之间的共同信息，提高了自动任务的效率	研究仅使用了前列腺癌和头颈癌两个数据集，可能限制了模型的泛化能力	提高放射治疗中自动治疗计划的效率和准确性	前列腺癌和头颈癌患者	数字病理学	前列腺癌, 头颈癌	深度学习（DL）	多任务学习（MTL）	医学影像	内部前列腺癌数据集和公开可用的头颈癌数据集OpenKBP
6682	2025-02-19	Impact of pectoral muscle removal on deep-learning-based breast cancer risk prediction 2025-Feb-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb367 PMID:39914024	研究论文	本研究探讨了在训练/微调深度学习模型时排除胸肌对乳腺癌风险预测模型性能的影响	首次研究了在训练/微调过程中排除胸肌对乳腺癌风险预测模型性能的影响，并发现排除胸肌后模型的预测性能有所提升	研究仅基于特定数据集（美国马萨诸塞州总医院和斯洛文尼亚筛查项目的数据），可能无法推广到其他数据集或人群	评估排除胸肌对深度学习模型在乳腺癌风险预测中的性能影响	乳腺X光片	数字病理学	乳腺癌	深度学习	MIRAI	图像	23,792张乳腺X光片（来自斯洛文尼亚筛查项目）
6683	2025-02-19	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	研究论文	本研究提出了一种深度学习框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动定量区域分析	提出了一种新的深度学习框架，能够在不依赖MRI的情况下，通过CT图像生成合成MR图像，并用于PET图像的定量分析	研究中排除了前扣带回区域，且样本量相对较小（139名受试者）	解决PET/CT和MRI图像对不总是可用且对齐困难的问题，实现自动定量脑部PET分析	139名接受脑部[18F]FBB PET/CT和T1加权MRI的受试者	医学影像分析	脑部疾病	深度学习	U-Net	图像	139名受试者
6684	2025-02-19	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Feb-18, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	研究论文	本文评估了一种基于深度学习的时间飞行（DLToF）模型，该模型旨在提升非ToF PET图像的质量，使其接近ToF图像的质量	开发了一种适用于多种示踪剂的深度学习模型，能够显著提升非ToF PET图像的质量，使其接近ToF图像的质量	研究仅基于特定型号的扫描仪（GE Discovery MI）和特定数量的数据集，可能限制了模型的普适性	评估深度学习模型在提升非ToF PET图像质量方面的效果	非ToF PET图像	医学影像处理	NA	深度学习	3D残差U-NET	PET图像	309个训练数据集和33个验证数据集，测试集包括60个数据集，每个数据集包含5个图像系列
6685	2025-02-19	TongueTransUNet: toward effective tongue contour segmentation using well-managed dataset 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03278-7 PMID:39964658	研究论文	本文提出了一种名为TongueTransUNet的方法，用于有效地分割舌轮廓，以理解语言行为并作为生物反馈应用于不同领域	提出了一种结合UNet、Vision Transformer (ViT)和对比损失的混合架构，利用动态大小的数据集进行有效训练，并通过人类专家验证新输入数据	需要人类专家手动标注被拒绝的样本，增加了时间和成本	研究舌轮廓分割技术，以理解语言行为并应用于生物反馈	舌轮廓	计算机视觉	NA	舌部超声	UNet, Vision Transformer (ViT)	图像	动态大小的数据集
6686	2025-02-19	Deep learning for retinal vessel segmentation: a systematic review of techniques and applications 2025-Feb-18, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03324-y PMID:39964659	系统综述	本文系统回顾了2020年至2024年间发表的79项关于基于深度学习的视网膜血管分割的研究，重点关注数据集、分割模型、评估指标和新兴趋势	本文首次系统性地总结了U-Net和Transformer架构在视网膜血管分割中的应用，并提出了结合U-Net、Transformers和GANs的混合模型作为未来研究方向	尽管深度学习方法在视网膜血管分割中取得了显著成果，但仍存在挑战，如需要进一步提高分割精度	探讨深度学习在视网膜血管分割中的应用及其技术进展	视网膜血管	计算机视觉	眼科疾病	深度学习	U-Net, Transformer, GAN	图像	79项研究
6687	2025-02-19	3D Deep Learning for Virtual Orbital Defect Reconstruction: A Precise and Automated Approach 2025-Feb-17, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011143 PMID:39960444	研究论文	本研究介绍了一种改进的3D U-Net+++架构，用于眼眶缺损的虚拟重建，旨在提高精度和自动化水平	提出了一种改进的3D U-Net+++架构，特别适用于涉及中线两侧的眼眶缺损，相比传统方法具有更高的精度和自动化水平	研究样本量较小，仅包含300个合成缺损和15个临床病例，需要进一步的大规模验证	开发一种精确且高度自动化的眼眶缺损虚拟重建方法，以辅助术前规划	眼眶缺损的虚拟重建	计算机视觉	眼眶骨折	3D深度学习	3D U-Net+++	3D CT扫描图像	300个合成缺损和15个临床病例
6688	2025-02-19	World's first real-time artificial intelligence-assisted mechanical thrombectomy for acute ischemic stroke 2025-Feb-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文介绍了在急性缺血性卒中（AIS）机械取栓术（MT）中使用实时人工智能（AI）辅助的初步经验	首次在急性缺血性卒中的机械取栓术中应用实时AI辅助系统，并评估其效果、准确性和安全性	研究样本量较小（16例患者），需要更大规模的研究来验证其对手术流程和临床结果的影响	评估实时AI辅助系统在急性缺血性卒中机械取栓术中的有效性和安全性	16例急性缺血性卒中患者	医疗人工智能	急性缺血性卒中	深度学习	NA	视频记录	16例患者
6689	2025-02-19	Multimodal deep learning: tumor and visceral fat impact on colorectal cancer occult peritoneal metastasis 2025-Feb-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11450-2 PMID:39961863	研究论文	本研究提出了一种多模态深度学习方法，用于研究肿瘤和内脏脂肪对结直肠癌隐匿性腹膜转移的影响	基于ResNet18构建的多尺度特征融合网络（MSFF-Net）能够利用CT图像中的肿瘤和内脏脂肪特征来检测结直肠癌的隐匿性腹膜转移	研究主要依赖于术前CT扫描数据，可能无法涵盖所有相关临床信息	研究结直肠癌患者中肿瘤和内脏脂肪对隐匿性腹膜转移的影响	结直肠癌患者	数字病理学	结直肠癌	CT扫描	ResNet18, 随机森林分类器	图像	内部和外部测试集的结直肠癌患者
6690	2025-02-19	Automatic future remnant segmentation in liver resection planning 2025-Feb-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03331-2 PMID:39961898	研究论文	本研究提出了一种新的自动化肝脏切除规划方法，利用CT扫描中的肝脏、血管和肿瘤分割来预测未来肝脏残余（FLR），旨在提高术前规划的准确性和患者预后	提出了结合深度卷积网络和Transformer网络的自动化FLR分割方法，显著提高了术前规划的准确性和一致性	需要进一步研究以探索该方法在临床工作流程中的无缝集成	提高肝脏切除术前规划的准确性和患者预后	肝脏、血管和肿瘤的CT扫描图像	计算机视觉	肝癌	CT扫描	深度卷积网络和Transformer网络	图像	未明确提及样本数量
6691	2025-02-19	Precise dental caries segmentation in X-rays with an attention and edge dual-decoder network 2025-Feb-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03318-w PMID:39961911	研究论文	本文提出了一种名为AEDD-Net的新型网络，结合注意力机制和双解码器结构，以提高龋齿边界分割的性能	AEDD-Net集成了空洞空间金字塔池化和交叉坐标注意力机制，有效融合全局和多尺度特征，并引入了专门的边界生成模块和创新边界损失函数	NA	提高龋齿边界分割的准确性	龋齿的X射线图像	计算机视觉	龋齿	深度学习	AEDD-Net	图像	NA
6692	2025-02-19	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Feb-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本文提出了一种使用深度学习快速预测主动脉瘤壁面剪应力的方法，作为计算流体动力学的快速替代方案	提出了一种名为MultiViewUNet的深度学习替代模型，采用领域转换技术将复杂的主动脉几何形状转换为与先进神经网络兼容的表示，以快速预测时间平均壁面剪应力分布	未提及具体局限性	开发一种快速且准确的主动脉瘤壁面剪应力预测方法，以支持临床决策	腹主动脉瘤（AAA）	机器学习	心血管疾病	深度学习	MultiViewUNet	几何数据	真实和合成的AAA几何数据
6693	2025-02-19	Single Cell Inference of Cancer Drug Response Using Pathway-Based Transformer Network 2025-Feb-17, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400991 PMID:39962810	研究论文	本文提出了一种基于Transformer的深度学习模型scPDS，用于从单细胞RNA测序数据中预测癌症药物敏感性	开发了scPDS模型，通过通路激活转换从单细胞RNA测序数据中预测药物敏感性，整合了大批量RNA测序数据以提高准确性和计算效率	未明确提及具体局限性	提高癌症药物反应的预测准确性，优化个性化治疗方案	乳腺癌细胞	机器学习	乳腺癌	单细胞RNA测序（scRNA-seq）	Transformer	RNA测序数据	未明确提及具体样本数量
6694	2025-02-19	Harnessing the synergy of statistics and deep learning for BCI competition 4 dataset 4: a novel approach 2025-Feb-15, Brain informatics DOI:10.1186/s40708-025-00250-5 PMID:39954182	研究论文	本文提出了一种结合统计分析和深度学习的创新方法，用于处理BCI竞赛4数据集4中的ECoG信号，以识别手指运动模式	结合统计分析预处理数据，并设计了一个新的神经网络模型BC4D4，该模型在BCI竞赛4数据集4上取得了优于现有技术的性能	NA	提高从ECoG信号中识别手指运动模式的准确性和效率	BCI竞赛4数据集4中的ECoG信号	机器学习	NA	ECoG信号处理	CNN（卷积神经网络）和Dense神经网络	ECoG信号	BCI竞赛4数据集4
6695	2025-02-19	DeepFlood for Inundated Vegetation High-Resolution Dataset for Accurate Flood Mapping and Segmentation 2025-Feb-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04554-3 PMID:39955285	研究论文	本文介绍了DeepFlood，一个用于洪水映射和分割的高分辨率数据集，旨在提高洪水范围的快速准确评估	DeepFlood是一个包含高分辨率载人和无人机航拍图像以及合成孔径雷达（SAR）图像的新数据集，特别标注了淹没植被，这是洪水映射中最具挑战性的区域之一	NA	提高洪水范围的快速准确评估，以支持有效的灾害响应、减灾规划和资源分配	洪水映射和分割	计算机视觉	NA	卷积神经网络（CNNs）	CNN	图像	NA
6696	2025-02-19	Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series 2025-Feb-15, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-025-00489-y PMID:39955293	研究论文	本文介绍了一种名为DeepSpiro的深度学习新方法，旨在通过肺活量时间序列早期预测慢性阻塞性肺疾病（COPD）的未来风险	DeepSpiro方法结合了SpiroSmoother、SpiroEncoder、SpiroExplainer和SpiroPredictor四个关键组件，能够通过关键斑块的凹度预测未诊断的高风险患者的疾病风险，预测时间跨度可达1-5年甚至更长	NA	早期预测慢性阻塞性肺疾病（COPD）的未来风险	肺活量时间序列数据	机器学习	慢性阻塞性肺疾病	深度学习	DeepSpiro	时间序列数据	UK Biobank数据集
6697	2025-02-19	Exploration of contemporary modernization in UWSNs in the context of localization including opportunities for future research in machine learning and deep learning 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89916-y PMID:39955359	综述	本文探讨了水下无线传感器网络（UWSNs）中的定位技术现代化，包括机器学习与深度学习在未来研究中的机遇	本文不仅回顾了UWSNs定位技术的基础与挑战，还探讨了机器学习和深度学习在提升定位过程中的潜在贡献，并提出了未来研究方向	本文主要基于理论分析和模拟评估，缺乏实际应用场景的验证	提升水下无线传感器网络中的定位技术，以支持环境监测、灾害管理、军事监视等应用	水下无线传感器网络（UWSNs）中的节点定位	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	模拟数据	NA
6698	2025-02-19	Machine learning via DARTS-Optimized MobileViT models for pancreatic Cancer diagnosis with graph-based deep learning 2025-Feb-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02923-x PMID:39955532	研究论文	本研究提出了一种结合图数据表示和DARTS优化的MobileViT模型的新方法，旨在提高胰腺癌诊断的准确性和可靠性	创新点在于将图数据表示与DARTS优化的MobileViT模型结合，动态调整架构，并通过多种机器学习算法进一步提升分类准确性	未提及具体局限性	提高胰腺癌诊断的准确性和可靠性	胰腺CT图像	计算机视觉	胰腺癌	Harris角点检测算法、DARTS优化、KNN、SVM、RF、XGBoost	MobileViTv2_150、MobileViTv2_200、CNN、Vision Transformer	图像	未提及具体样本数量
6699	2025-02-19	Enhancing pediatric congenital heart disease detection using customized 1D CNN algorithm and phonocardiogram signals 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42257 PMID:39959496	研究论文	本研究提出了一种定制的1D卷积神经网络（1D-CNN），用于将心音图（PCG）信号分类为正常或异常，为先天性心脏病（CHD）的诊断提供了一种自动化且高效的解决方案	结合现代信号处理与深度学习，提出了一种定制的1D-CNN模型，用于CHD的自动检测，显著提高了诊断的准确性和可靠性	数据集变异性和噪声问题仍然存在，未来需要扩展到多类分类并评估在更广泛医疗问题上的表现	提高先天性心脏病的早期检测效率，提供一种自动化诊断方法	心音图（PCG）信号	数字病理	先天性心脏病	低通和高通滤波（60-650 Hz）、重采样、降噪、数据增强技术（分块、填充、音高变换）	1D-CNN	信号	本地儿科PCG信号和公开可访问的数据集
6700	2025-02-19	In vivo electrophysiology recordings and computational modeling can predict octopus arm movement 2025-Feb-14, Bioelectronic medicine DOI:10.1186/s42234-025-00166-9 PMID:39948616	研究论文	本文通过体内电生理记录和计算模型预测章鱼手臂运动	首次使用碳电极阵列进行单单位电生理记录，结合机器学习模型预测章鱼手臂运动类型	研究仅限于章鱼前神经索，未涉及其他神经回路或更复杂的运动模式	揭示运动回路和控制原理，预测行为	章鱼前神经索和手臂运动	机器学习	NA	单单位电生理记录	深度学习模型	电生理数据	NA