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
6981	2025-01-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤IDH基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测胶质瘤的IDH突变状态	研究样本量相对较小，且仅基于T2图像进行预测	探索DLRN在预测脑胶质瘤IDH基因型中的可行性	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习，放射组学	混合模型（深度学习特征、放射组学特征、临床特征）	图像（T2图像）	402名脑胶质瘤患者（训练队列239名，内部验证队列103名，外部验证队列60名）
6982	2025-02-10	Comparison of conventional diffusion-weighted imaging and multiplexed sensitivity-encoding combined with deep learning-based reconstruction in breast magnetic resonance imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110316 PMID:39716684	研究论文	本研究比较了传统扩散加权成像（DWI）与结合深度学习的多重灵敏度编码（MUSE-DLR）在乳腺磁共振成像中的应用	首次将深度学习重建技术应用于MUSE数据，以提升乳腺MRI图像质量	样本量较小，仅包括51名女性参与者	评估MUSE结合深度学习重建在乳腺成像中的可行性	接受乳腺磁共振成像的女性参与者	医学影像	乳腺癌	磁共振成像（MRI），扩散加权成像（DWI），多重灵敏度编码（MUSE）	深度学习重建（DLR）	图像	51名女性参与者
6983	2025-01-11	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	研究论文	本文探讨了基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建了融合模型，并验证了其在乳腺叶状肿瘤分类中的最佳诊断效能和临床效益	研究样本量较小（77例），且为回顾性分析，可能存在选择偏倚	探索MRI影像组学和深度学习在乳腺叶状肿瘤识别和病理分期中的应用价值	乳腺叶状肿瘤和纤维腺瘤患者	数字病理	乳腺癌	MRI成像	融合模型（传统影像组学、亚区域影像组学和深度学习）	MRI图像	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
6984	2025-01-14	Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data 2025-Apr, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109754 PMID:39799874	研究论文	本研究评估了基于深度学习的模型在预测猪颈肉半棘肌烹饪损失方面的性能，使用了死后24小时采集的高光谱图像	使用深度学习模型和高光谱图像预测猪颈肉半棘肌的烹饪损失，并通过数据增强克服小样本问题	分类准确率随着等级数量的增加而降低	预测猪颈肉半棘肌的烹饪损失	猪颈肉半棘肌	计算机视觉	NA	高光谱成像	深度学习模型	图像	70个猪颈肉样本
6985	2025-02-10	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法，旨在提高扩散特性的准确估计	提出了一种深度学习框架，用于映射和校正DWI中的自由水部分体积污染，适用于单壳采集方案	需要进一步验证在不同临床数据集上的通用性和稳定性	提高扩散MRI中自由水校正的准确性，特别是在单壳采集方案中	Human Connectome Project Young Adults (HCP-ya)、HCP Aging dataset (HCP-a) 以及 Brain Tumor Connectomics Data (BTC)	医学影像处理	NA	扩散磁共振成像 (dMRI)	深度学习模型	MRI图像	HCP-ya、HCP-a 和 BTC 数据集
6986	2025-02-10	FDuDoCLNet: Fully dual-domain contrastive learning network for parallel MRI reconstruction 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110336 PMID:39864600	研究论文	本文提出了一种新的全双域对比学习网络（FDuDoCLNet），用于并行MRI重建，以解决现有深度学习方法在重建质量上的局限性	提出了基于变分网络（VarNet）的全双域对比学习网络（FDuDoCLNet），通过引入双域对比损失来优化重建性能，并在图像域和小波域中同时进行加速并行成像（PI）	现有重建网络很少考虑小波域中的多样化频率特征，且现有双域重建方法可能过于关注单一域的特征，导致重建图像中关键全局结构或局部细节的丢失	提高并行MRI重建的速度和质量	MRI图像	计算机视觉	NA	深度学习	FDuDoCLNet, VarNet	图像	fastMRI多线圈膝盖数据集
6987	2025-02-10	Decoding thoughts, encoding ethics: A narrative review of the BCI-AI revolution 2025-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149423 PMID:39719191	综述	本文综述了脑机接口（BCI）与人工智能（AI）整合的机制，评估了信号采集和处理技术的最新进展，并评估了AI增强的神经解码策略	本文强调了BCI-AI系统在信号质量、解码精度和用户适应方面的显著进展，特别是在高密度电极阵列、深度学习解码器、自适应算法和闭环优化框架方面的创新	尽管BCI-AI整合取得了显著进展，但在长期稳定性和用户训练方面仍存在挑战	分析BCI与AI整合的机制，评估信号采集和处理技术的最新进展，并评估AI增强的神经解码策略	脑机接口（BCI）与人工智能（AI）整合	脑机接口	NA	高密度电极阵列、深度学习解码器、自适应算法、闭环优化框架	深度学习	神经信号	NA
6988	2025-02-09	An AttSDNet model for multi-scale feature perception enhanced remote sensing classification of coastal salt-marsh wetlands 2025-Feb, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2024.106899 PMID:39673892	研究论文	本文提出了一种增强的U-Net模型，结合注意力机制和多尺度特征提取，用于沿海盐沼湿地的遥感分类	引入了堆叠扩张卷积和通道-空间注意力机制模块，增强了模型对多尺度特征的学习能力，特别是在复杂沿海湿地中的小尺度地物特征提取	未提及具体的数据集大小或模型训练的计算资源需求	提高沿海湿地遥感图像分类的准确性，以支持湿地保护和生态恢复	中国山东半岛黄河口和胶州湾的沿海湿地	计算机视觉	NA	深度学习	U-Net	图像	使用Sentinel-2光学影像，未提及具体样本数量
6989	2025-02-10	Deep learning multi-classification of middle ear diseases using synthetic tympanic images 2025-Feb, Acta oto-laryngologica IF:1.2Q3 DOI:10.1080/00016489.2024.2448829 PMID:39797517	研究论文	本文开发了一种基于深度学习的自动化诊断系统，用于通过鼓膜图像分类中耳疾病	使用生成对抗网络（GANs）生成高质量的合成鼓膜图像，以增强训练数据集，并探索其在医学诊断中的潜在应用	合成图像的加入并未显著提高诊断准确性，且仅使用合成图像训练时模型的诊断准确率仅为约70%	开发一种自动化诊断系统，用于中耳疾病的分类	鼓膜图像，包括正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎	计算机视觉	中耳疾病	生成对抗网络（GANs）	InceptionV3	图像	472张内窥镜图像和200张合成图像
6990	2025-02-10	An Efficient Lightweight Multi Head Attention Gannet Convolutional Neural Network Based Mammograms Classification 2025-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70043 PMID:39921233	研究论文	本研究旨在利用深度学习创建自动化系统，以更好地检测和分类乳腺X光图像中的乳腺癌，帮助医疗专业人员克服时间消耗、特征提取问题和训练模型有限等挑战	引入了轻量级多头注意力Gannet卷积神经网络（LMGCNN）来有效分类乳腺X光图像，并结合了多种图像增强和特征提取技术	未提及具体的研究局限性	创建自动化系统以改进乳腺癌的检测和分类	乳腺X光图像	计算机视觉	乳腺癌	Wiener滤波、非锐化掩蔽、自适应直方图均衡化、灰度共生矩阵（GLCM）	LMGCNN（轻量级多头注意力Gannet卷积神经网络）	图像	两个数据集：CBIS-DDSM和MIAS
6991	2025-02-09	Design and structure of overlapping regions in PCA via deep learning 2025-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2024.12.007 PMID:39917768	研究论文	本文提出了一种基于深度学习模型的SmartCut算法，用于设计重叠区域并提高PCA实验的成功率	利用深度学习模型从大量合成数据中识别重叠区域的潜在序列表示，并开发了SmartCut算法以提高合成成功率	未提及具体局限性	提高基因组合成中重叠区域设计的成功率	DNA序列的重叠区域	机器学习	NA	PCA（聚合酶循环组装）	深度学习模型	DNA序列数据	未提及具体样本数量
6992	2025-02-09	SIAM: Spatial and Intensity Awareness Module for cerebrovascular segmentation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108511 PMID:39626410	研究论文	本文提出了一种新的空间和强度感知模块（SIAM），用于有限的脑血管分割，通过引入空间和像素强度扰动来构建新的匹配数据，以增强模型的学习能力	SIAM模块通过空间和像素强度扰动构建新的匹配数据，增强了模型对脑血管语义的理解，且具有即插即用的特性	尽管SIAM在有限数据下表现良好，但其在更大规模数据集上的性能仍需进一步验证	提高脑血管分割的准确性和鲁棒性，特别是在数据有限的情况下	脑血管图像	计算机视觉	脑血管疾病	深度学习	SIAM模块	3D图像	三个不同模态的脑血管数据集
6993	2025-02-09	A multi-task framework for breast cancer segmentation and classification in ultrasound imaging 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108540 PMID:39647406	研究论文	本文提出了一种用于超声图像中乳腺癌分割和分类的多任务框架，旨在提高乳腺癌病变的检测效果	引入了一种端到端的多任务框架，利用乳腺癌病变分类和分割任务之间的内在相关性，并在广泛使用的公共乳腺癌超声数据集BUSI上进行了综合分析	研究中未提及具体的数据标准化问题，且未详细讨论非肿瘤图像在训练中的影响	探索多任务系统在增强乳腺癌病变检测中的潜力	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	多任务框架	图像	使用公共乳腺癌超声数据集BUSI
6994	2025-02-09	Time-hybrid OSAformer (THO): A hybrid temporal sequence transformer for accurate detection of obstructive sleep apnea via single-lead ECG signals 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108558 PMID:39662234	研究论文	本文提出了一种名为时间混合OSAformer（THO）的新方法，利用单导联心电图信号进行阻塞性睡眠呼吸暂停（OSA）的准确检测	THO模型结合了扩张卷积和长短期记忆（LSTM）的混合架构，以及多尺度特征融合策略，并集成了多头部注意力模型中的嵌入式记忆衰减机制，以捕捉时间序列数据的实时特征	NA	提高使用单导联心电图信号进行阻塞性睡眠呼吸暂停（OSA）检测的准确性	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	单导联心电图信号分析	THO（结合扩张卷积和LSTM的混合架构）	时间序列数据（心电图信号）	NA
6995	2025-02-09	EpiBrCan-Lite: A lightweight deep learning model for breast cancer subtype classification using epigenomic data 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108553 PMID:39667144	研究论文	本文提出了一种名为EpiBrCan-Lite的轻量级深度学习模型，用于利用DNA甲基化数据对乳腺癌亚型进行分类	EpiBrCan-Lite模型通过改进传统的Transformer编码器，使用GRU模块替代MLP模块，减少了可训练权重参数（TWP），并捕捉了输入特征数据的长程依赖关系	模型在TCGA乳腺癌数据集上进行了验证，但该数据集存在类别不平衡问题，尽管使用了SMOTE技术进行缓解，但仍可能影响模型的泛化能力	提高乳腺癌亚型分类的准确性和效率，以便更好地进行患者预后	乳腺癌亚型分类	机器学习	乳腺癌	DNA甲基化数据	EpiBrCan-Lite（基于Transformer和GRU的混合模型）	DNA甲基化数据	TCGA乳腺癌数据集
6996	2025-02-09	Improving real-time detection of laryngeal lesions in endoscopic images using a decoupled super-resolution enhanced YOLO 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108539 PMID:39689500	研究论文	本研究提出了一种名为SRE-YOLO的深度学习方法，用于实时检测喉部病变，通过结合YOLOv8n基线和超分辨率分支来提高病变检测的准确性	SRE-YOLO方法在YOLOv8n基线的基础上集成了超分辨率分支，以增强病变检测，并在推理过程中解耦以保持低计算需求	研究依赖于多中心数据集，可能受到数据集多样性和采集模态的限制	开发一种高效的深度学习驱动决策支持系统，用于实时检测喉部病变	喉部病变	计算机视觉	喉癌	深度学习	YOLOv8n	图像	多中心数据集，涵盖多种喉部病理和采集模态
6997	2025-02-09	Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108560 PMID:39693791	研究论文	本研究提出将自监督学习（SSL）集成到细胞分类流程中，以解决数据稀缺和模型泛化能力有限的问题	通过自监督学习提取细胞图像特征，无需使用图像注释，并在少量标注图像上训练轻量级机器学习分类器，提高了分类准确性和模型适应性	研究仅基于四个公开的血液学单细胞图像数据集，可能无法完全代表所有实验室的情况	开发稳健可靠的自动细胞分类系统，以解决数据稀缺和模型泛化能力有限的问题	外周血和骨髓细胞	数字病理学	血液疾病	自监督学习（SSL）	轻量级机器学习分类器	图像	四个公开的血液学单细胞图像数据集，包括一个骨髓和三个外周血数据集
6998	2025-02-09	Multimodal autism detection: Deep hybrid model with improved feature level fusion 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108492 PMID:39700689	研究论文	本研究提出了一种基于深度学习的多模态自闭症检测模型，通过改进的特征级融合方法提高预测准确性	提出了一种新的自闭症检测模型，结合了改进的特征级融合方法和混合模型（CNN和Bi-GRU），显著提高了预测准确性	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	开发一种基于深度学习的自闭症检测模型，以提高诊断准确性	自闭症谱系障碍（ASD）患者	机器学习	自闭症	Gabor滤波、Wiener滤波、CSP、改进的奇异谱熵、相关维度、改进的主动外观模型、GLCM特征、SLBT	CNN、Bi-GRU	图像、EEG信号	NA
6999	2025-02-09	Robust multi-modal fusion architecture for medical data with knowledge distillation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108568 PMID:39709743	研究论文	本文提出了一种新颖且高效的多模态融合框架，用于医疗数据集，即使在缺少一个或多个模态的情况下也能保持一致的性能	提出了一种基于池化瓶颈（PB）注意力的多模态融合模块，并结合知识蒸馏（KD）和梯度调制（GM）方法，以增强模型在缺失模态情况下的推理能力	研究仅在MIMIC-IV数据集上进行评估，可能需要进一步验证在其他数据集上的泛化能力	开发一种能够在缺失模态情况下保持性能的多模态融合框架，用于医疗数据	胸部X光片、现病史文本、人口统计和实验室测试等表格数据	数字病理	NA	知识蒸馏（KD）、梯度调制（GM）	多模态融合模型	图像、文本、表格数据	MIMIC-IV数据集
7000	2025-02-09	TD-STrans: Tri-domain sparse-view CT reconstruction based on sparse transformer 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108575 PMID:39733746	研究论文	本文提出了一种基于稀疏变换器的三域稀疏视图CT重建模型（TD-STrans），以解决稀疏视图CT重建中的过平滑问题	将频域信息引入投影-图像域重建，提出了一种三域稀疏视图CT重建模型，通过多域联合损失函数提升重建质量	未明确提及模型在更广泛数据集上的泛化能力或计算效率	解决稀疏视图CT重建中的过平滑问题，提升图像细节保留能力	稀疏视图CT图像	计算机视觉	NA	稀疏变换器	TD-STrans	CT图像	淋巴结数据集和核桃数据集