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
7601	2025-03-03	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	本文开发了一种基于深度学习的半固体磁化转移参考框架（DeepEMR），用于快速、可靠地估计磁化转移对比（MTC）和CEST信号，并评估其重复性和可靠性	提出了一个基于MR物理驱动的深度学习框架DeepEMR，用于快速估计MTC和CEST信号，并在数值模型和健康志愿者中验证了其准确性和重复性	研究主要基于数值模型和健康志愿者，虽然在脑肿瘤患者中进行了应用，但样本量可能有限	开发一种新的MR成像方法，用于快速、可靠地估计MTC和CEST信号，并评估其重复性和可靠性	数值模型、健康志愿者和脑肿瘤患者	医学影像	脑肿瘤	深度学习、磁共振成像（MRI）	神经网络	图像	数值模型、健康志愿者和脑肿瘤患者（具体数量未提及）
7602	2025-03-03	Generating synthetic medical images with limited data using auxiliary classifier generative adversarial network: a study on thyroid ultrasound images 2024-Mar, Journal of ultrasound IF:1.3Q3 DOI:10.1007/s40477-023-00837-w PMID:38064046	研究论文	本文提出了一种使用辅助分类器生成对抗网络（ACGAN）从有限数据生成合成医学图像的新方法，并在甲状腺超声图像上进行了实验	提出了一种改进的ACGAN架构，能够从非常有限的数据中生成高质量的合成医学图像，并开发了一种图像融合方法以模拟超声设备的输出	实验数据集较小，仅包含198张甲状腺结节超声图像，可能限制了模型的泛化能力	解决医学图像数据有限或未标注的问题，以提升深度学习模型的训练效果	甲状腺超声图像中的钙化和囊性结节	计算机视觉	甲状腺疾病	ACGAN（辅助分类器生成对抗网络）	ACGAN	图像	198张甲状腺超声图像
7603	2025-03-03	Robust explanation supervision for false positive reduction in pulmonary nodule detection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16937 PMID:38224306	研究论文	本文提出了一种结合可解释AI方法的框架，用于提高肺结节检测的准确性，减少假阳性	提出了一种基于解释监督的鲁棒可解释检测（RXD）框架，通过使用放射科医生的结节轮廓作为监督信号，增强模型在小数据集上的学习能力，并减少人工注释中的噪声	研究依赖于公开的LIDC-IDRI数据集，可能限制了模型的泛化能力	开发一个结合可解释AI方法的框架，以提高肺结节检测的准确性，减少假阳性	肺结节	计算机视觉	肺癌	深度学习	CNN	CT图像	480个训练集，265个验证集，265个测试集
7604	2025-03-03	Channelized hotelling observer-based low-contrast detectability on the ACR CT accreditation phantom: Part II. Repeatability study 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16961 PMID:38305692	研究论文	本研究旨在验证基于通道化霍特林观察者（CHO）的低对比度检测评估在四种CT扫描仪模型上的可重复性	优化了CHO模型观察者，使其仅需1-3次重复扫描即可准确测量检测指数（d'），并验证了其在多种CT扫描仪上的可重复性	研究仅限于ACR CT认证体模，未涉及实际临床数据	验证CHO在低对比度检测评估中的可重复性，以支持常规CT质量控制	ACR CT认证体模	医学影像	NA	通道化霍特林观察者（CHO）	CHO	CT图像	四种CT扫描仪模型，每种扫描10次，每次重新定位体模后进行3次重复扫描
7605	2025-03-03	2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16965 PMID:38319676	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7606	2025-03-03	Improved outcome models with denoising diffusion 2024-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103307 PMID:38325221	研究论文	本研究利用去噪扩散概率模型（DDPM）改进肿瘤局部控制模型的性能，以解决放疗结果建模中的类别不平衡问题	首次将DDPM应用于放疗结果建模，生成合成治疗计划数据以补充真实训练数据集，显著提高了模型性能	研究仅针对非小细胞肺癌（NSCLC）患者，未验证在其他类型癌症或更大样本量上的适用性	解决放疗结果建模中的类别不平衡问题，提高肿瘤局部控制预测模型的性能	535名接受立体定向体部放疗（SBRT）的非小细胞肺癌患者	数字病理	肺癌	去噪扩散概率模型（DDPM）	条件3D DDPM模型	图像（CT图像、3D剂量分布）和文本（患者人口统计数据）	535名非小细胞肺癌患者
7607	2025-03-03	Machine learning based prediction of image quality in prostate MRI using rapid localizer images 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.026001 PMID:38435711	研究论文	本文开发了一种基于机器学习的预测方法，用于在仅使用快速定位序列图像的情况下预测尚未获取的前列腺MRI图像质量	创新点在于利用快速定位序列图像（仅需几秒获取）来预测尚未获取的MRI图像质量，从而可能实现早期干预以改善图像质量	样本量较小（213例），且仅基于单一机构的专家标注数据，可能影响模型的泛化能力	研究目的是通过机器学习方法预测前列腺MRI图像质量，以优化诊断性能	研究对象为前列腺MRI快速定位序列图像及其对应的直肠内容物	医学影像分析	前列腺癌	MRI	2D U-Net, ResNet-34, 放射组学分类器	图像	213例前列腺MRI快速定位序列图像（147例训练，64例测试）
7608	2025-03-03	Automated detection of nine infantile fundus diseases and conditions in retinal images using a deep learning system 2024-Mar, The EPMA journal DOI:10.1007/s13167-024-00350-y PMID:38463622	研究论文	本文开发了一种名为婴儿视网膜智能诊断系统（IRIDS）的自动化系统，用于辅助早期诊断和监测婴儿眼底疾病和健康状况	结合卷积神经网络和Transformer结构，开发了IRIDS系统，能够准确识别九种婴儿眼底疾病和状况	需要进一步研究以验证IRIDS在不同临床环境中的广泛适用性	开发一种自动化系统，用于辅助早期诊断和监测婴儿眼底疾病和健康状况	婴儿眼底疾病和健康状况	计算机视觉	眼底疾病	卷积神经网络和Transformer结构	ResNet-18和Multi-Axis Vision Transformer (MaxViT)	视网膜图像	7697张视网膜图像（来自1089名婴儿）
7609	2025-03-03	Few-shot learning using explainable Siamese twin network for the automated classification of blood cells 2023-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02804-3 PMID:36800155	研究论文	本文提出了一种基于对比学习的Siamese twin network (STN)模型，用于从少量图像中训练并自动分类健康的外周血细胞	使用EfficientNet-B3作为基础模型，提出了一种新的类激活映射方案，以提高模型的可解释性	模型训练依赖于少量数据，可能影响其泛化能力	开发一种自动化且可解释的血液细胞分类方法	健康的外周血细胞	计算机视觉	NA	对比学习	Siamese twin network (STN), EfficientNet-B3	图像	17,092张公开的细胞组织学图像，其中6%用于STN训练，6%用于少样本验证，88%用于少样本测试
7610	2025-03-02	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	review	本文比较和对比了用于预测基因组接触图的深度学习模型，并探讨了预处理、架构、训练、评估和解释方法	强调了不同模型的能力和局限性，并指出了基因组折叠模型面临的挑战、机遇和未来潜在方向	主要关注深度学习模型，未涉及其他类型的模型或方法	探讨深度学习模型在预测基因组接触图中的应用	三维基因组折叠	machine learning	NA	深度学习	深度学习模型	基因组接触图	NA
7611	2025-03-02	Physics-driven deep learning for high-fidelity photon-detection ghost imaging 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.541330 PMID:40020023	研究论文	本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率	通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络	NA	提高在散射介质中的光子探测成像的空间和深度分辨率	光子探测成像	计算机视觉	NA	深度学习	深度融合网络	图像	NA
7612	2025-03-02	Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.546727 PMID:40020024	研究论文	本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制	结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力	NA	提高MRI成像速度和分辨率	MRI系统	医学影像	NA	深度学习网络	前向神经网络	电磁响应特性	NA
7613	2025-03-02	Fusion of circulant singular spectrum analysis and multiscale local ternary patterns for effective spectral-spatial feature extraction and small sample hyperspectral image classification 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90926-z PMID:40011533	研究论文	本文提出了一种新颖的循环奇异谱分析（CiSSA）和多尺度局部三值模式融合方法，用于高光谱图像的联合光谱-空间特征提取和分类	结合循环奇异谱分析和多尺度局部三值模式进行光谱-空间特征提取，提高了小样本高光谱图像分类的准确性	仅在高光谱图像数据集上进行了实验，未在其他类型数据上验证	提高小样本高光谱图像分类的准确性	高光谱图像	计算机视觉	NA	PCA, CiSSA, LTP, SVM	SVM	图像	三个高光谱图像数据集（Indian Pines, Pavia University, Houston2013），训练样本比例为1%
7614	2025-03-02	Improved sand cat swarm optimization algorithm assisted GraphSAGE-GRU for remaining useful life of engine 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91418-w PMID:40011762	研究论文	本文提出了一种改进的沙猫群优化算法辅助的GraphSAGE-GRU模型，用于预测发动机的剩余使用寿命（RUL）	提出了改进的沙猫群优化算法（ISCSO）来增强GraphSAGE-GRU的预测性能，包括在种群初始化中使用帐篷映射和一种新的自适应方法来增强沙猫群优化的探索和开发能力	未提及具体局限性	提高发动机剩余使用寿命（RUL）预测的准确性	发动机	机器学习	NA	GraphSAGE-GRU, 沙猫群优化算法	GraphSAGE-GRU	图数据	使用CMAPSS数据集进行验证
7615	2025-03-02	Infrared spectrum analysis of organic molecules with neural networks using standard reference data sets in combination with real-world data 2025-Feb-26, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00960-2 PMID:40011923	研究论文	本研究提出了一种基于神经网络的IR光谱分析方法，用于检测有机分子中的功能基团	该方法仅使用IR数据作为神经网络的输入，使其性能独立于其他分析测量获得的数据类型，并且通过结合来自不同实验室的真实数据，展示了开放获取的专业研究数据仓库作为未来机器学习研究的宝贵基准数据集的潜力	NA	分析IR光谱并检测有机分子中的功能基团	有机分子	机器学习	NA	IR光谱分析	神经网络	光谱数据	NIST数据集和Chemotion开放获取研究数据仓库中的数据
7616	2025-03-02	Geometric Self-Supervised Learning: A Novel AI Approach Towards Quantitative and Explainable Diabetic Retinopathy Detection 2025-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020157 PMID:40001677	研究论文	本文提出了一种基于几何自监督学习的新型AI方法，用于糖尿病视网膜病变（DR）的定量和可解释检测	开发了一种无需标注的深度学习策略，用于自动检测彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像中的渗出物和出血点	模型在UWF图像上的性能因病变大小而异，小病变的假阳性率较高	开发和验证一种自动检测糖尿病视网膜病变相关病变的深度学习模型	彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	U-Net	图像	两个CFP队列（Kaggle-CFP和E-Ophtha）和一个UWF队列，其中50例DR阳性病例用于独立测试
7617	2025-03-02	Deep Learning Approach Predicts Longitudinal Retinal Nerve Fiber Layer Thickness Changes 2025-Jan-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020139 PMID:40001659	研究论文	本研究旨在开发深度学习模型，预测青光眼患者视网膜神经纤维层（RNFL）厚度的变化，以促进疾病的早期诊断和进展监测	使用纵向OCT成像数据，结合自定义1D卷积神经网络（CNN），在不同人口统计学和疾病严重程度下实现一致的预测性能	样本量相对较小（251名参与者，437只眼睛），可能限制模型的泛化能力	开发深度学习模型以预测青光眼患者RNFL厚度的变化，支持临床决策	青光眼患者的视网膜神经纤维层（RNFL）厚度变化	数字病理学	青光眼	光学相干断层扫描（OCT）	线性回归（LR）、支持向量回归（SVR）、梯度提升回归（GBR）、自定义1D卷积神经网络（CNN）	图像（OCT扫描）	251名参与者（437只眼睛）
7618	2025-03-02	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文提出了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习技术加速重建过程	引入了虚拟线圈概念到展开网络中，显著提高了BUDA-cEPI的重建质量，并大幅减少了重建时间	重建过程仍然需要复杂的计算资源，且依赖于高质量的初始数据	开发一种快速重建管道，以便将BUDA-cEPI技术应用于常规临床和神经科学研究	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI）	U-Net	图像	NA
7619	2025-03-02	Deep Learning-Enabled Integration of Histology and Transcriptomics for Tissue Spatial Profile Analysis 2025, Research (Washington, D.C.) DOI:10.34133/research.0568 PMID:39830364	研究论文	本文介绍了一种名为GIST的深度学习模型，用于整合组织学图像和空间转录组数据，以进行组织空间特征分析	GIST模型结合了预训练的组织学基础模型和混合图变换器模型，显著提升了空间转录组数据的分析精度，并揭示了新的空间组织和功能动态	NA	开发一种深度学习模型，用于整合组织学图像和空间转录组数据，以提高空间细胞特征分析的准确性	人类肺癌、乳腺癌和结直肠癌的数据集	数字病理学	肺癌, 乳腺癌, 结直肠癌	空间转录组学	混合图变换器模型	图像, 转录组数据	NA
7620	2025-03-02	Liver fibrosis classification on trichrome histology slides using weakly supervised learning in children and young adults 2025-Jan, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100416 PMID:39867463	研究论文	本研究探讨了使用弱监督学习方法对儿童和年轻人的三色染色组织切片进行肝纤维化分类的可行性	采用聚类约束注意力多实例学习（CLAM）方法，首次在儿童和年轻人的三色染色全切片图像（WSI）上进行肝纤维化分期	研究为回顾性研究，样本量相对较小（217例），且仅限于儿童和年轻人群体	开发一种更客观的肝纤维化分期方法，减少诊断变异性	儿童和年轻人的肝纤维化组织切片	数字病理学	肝纤维化	弱监督学习	CLAM	图像	217例三色染色全切片图像