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
7541	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
7542	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
7543	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
7544	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
7545	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
7546	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
7547	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
7548	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
7549	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
7550	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
7551	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
7552	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
7553	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
7554	2025-02-09	Deep Learning-Based Accelerated MR Cholangiopancreatography Without Fully-Sampled Data 2025-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70002 PMID:39907193	研究论文	本研究旨在通过深度学习加速磁共振胰胆管成像（MRCP）的采集，并在3T和0.55T场强下进行评估	使用深度学习方法进行MRCP重建，无需完全采样数据，并在不同场强下验证其效果	研究仅涉及健康志愿者，未在患者群体中验证	加速MRCP采集并保持图像质量	35名健康志愿者	医学影像	NA	深度学习重建	深度学习模型	磁共振图像	35名健康志愿者
7555	2025-02-09	The Role of Artificial Intelligence in Obesity Medicine 2025-Mar, Endocrinology and metabolism clinics of North America IF:4.8Q1 DOI:10.1016/j.ecl.2024.10.008 PMID:39919876	review	本文综述了人工智能在肥胖医学中的变革性作用，展示了机器学习、深度学习、自然语言处理和大语言模型等技术如何改善肥胖管理	强调了人工智能在肥胖医学中的创新应用，包括预测分析、个性化治疗计划和实时行为干预	面临数据隐私、算法偏见、人工智能幻觉、透明度和实施障碍等挑战和伦理问题	探讨人工智能在肥胖医学中的应用及其潜力	肥胖患者	自然语言处理	肥胖	机器学习、深度学习、自然语言处理、大语言模型	NA	数据集	NA
7556	2025-02-09	Deep learning-based multimodal integration of imaging and clinical data for predicting surgical approach in percutaneous transforaminal endoscopic discectomy 2025-Feb-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08668-5 PMID:39920320	研究论文	本研究开发了一种基于深度学习的多模态模型，通过综合分析影像和临床数据，为经皮椎间孔镜椎间盘切除术（PTED）的手术入路选择提供客观参考	创新点在于结合了影像和临床数据，采用多输入ResNet 50模型和机器学习模型，并通过贝叶斯优化确定模型融合的最佳权重	研究为回顾性研究，可能存在数据偏差，且样本量未明确说明	研究目的是开发一种深度学习模型，辅助医生选择PTED手术入路	研究对象为多节段腰椎间盘突出症（LDH）患者	医学影像分析	腰椎间盘突出症	深度学习（DL）、机器学习（ML）	多输入ResNet 50模型、自定义模型	影像数据、临床数据	NA
7557	2025-02-09	Deep learning radiomics model based on contrast-enhanced MRI for distinguishing between tuberculous spondylitis and pyogenic spondylitis 2025-Feb-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08696-1 PMID:39920318	研究论文	本研究旨在开发和验证一种基于对比增强MRI的深度学习放射组学列线图（DLRN），用于区分结核性脊柱炎（TS）和化脓性脊柱炎（PS）	结合放射组学和深度学习特征，开发了一种新的深度学习放射组学列线图（DLRN），用于区分TS和PS	研究样本量相对较小，且仅基于两个中心的数据	区分结核性脊柱炎（TS）和化脓性脊柱炎（PS）	被诊断为TS或PS的患者	数字病理学	脊柱炎	对比增强MRI（CE-MRI）	深度学习放射组学列线图（DLRN）	图像	147名患者（训练队列102名，外部测试队列45名）
7558	2025-02-09	Deep learning aided determination of the optimal number of detectors for photoacoustic tomography 2025-Feb-07, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adaf29 PMID:39874604	研究论文	本文介绍了一种基于深度学习的卷积神经网络架构RDUNet，用于解决光声断层扫描（PAT）中的条纹伪影问题，并优化探测器数量	提出了一种结合残差块和密集块的RDUNet架构，显著减少了光声断层扫描中所需的探测器数量	研究主要基于模拟数据，实验数据占比仅为19%，可能影响模型在实际应用中的泛化能力	优化光声断层扫描的图像质量并减少探测器数量	光声断层扫描图像	计算机视觉	NA	光声断层扫描（PAT）	CNN（卷积神经网络），RDUNet	图像	模拟数据（81%）和实验数据（19%）
7559	2025-02-09	Deep Learning Reconstruction Combined With Conventional Acceleration Improves Image Quality of 3 T Brain MRI and Does Not Impact Quantitative Diffusion Metrics 2025-Feb-07, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001158 PMID:39919383	研究论文	本研究评估了传统加速与基于Deep Resolve Boost（DRB）重建技术在3 T脑MRI中的单次激发平面回波成像（ssEPI）扩散加权成像（DWI）上的图像质量特征，并与最先进的DWI序列进行了比较	结合传统加速和DRB重建技术，显著提高了3 T脑MRI的图像质量，并缩短了采集时间	在DRB重建序列中，某些切片中观察到更多的伪影，且随着加速和DRB的应用，ADC值的差异增加	评估传统加速与DRB重建技术在3 T脑MRI中的图像质量特征	24名患者的标准护理ssEPI DWI和5种额外的适应性ssEPI DWI序列	医学影像	脑部疾病	单次激发平面回波成像（ssEPI）扩散加权成像（DWI）	Deep Resolve Boost（DRB）	图像	24名患者
7560	2025-02-09	A deep learning-driven method for safe and effective ERCP cannulation 2025-Feb-07, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03329-w PMID:39920403	研究论文	本文提出了一种基于深度学习的图形用户界面（GUI），用于辅助内镜逆行胰胆管造影（ERCP）插管操作，以提高其安全性和有效性	提出了一种基于四头Swin Transformer解耦头（4STDH）的深度学习方法，用于十二指肠乳头和手术插管的检测，并通过解耦分类和回归网络显著提高了模型的准确性和鲁棒性	尽管在DPAC数据集上表现优异，但该方法在真实临床环境中的泛化能力仍需进一步验证	开发一种计算机辅助的ERCP插管方法，以提高手术的安全性和效率	十二指肠乳头和手术插管	计算机视觉	NA	深度学习	Swin Transformer	内窥镜图像	1840张标注的内窥镜图像