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
8001	2025-01-24	ECGEFNet: A two-branch deep learning model for calculating left ventricular ejection fraction using electrocardiogram 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103065 PMID:39809042	研究论文	本文提出了一种名为ECGEFNet的双分支深度学习模型，用于通过心电图（ECG）计算左心室射血分数（LVEF），旨在作为初级医疗筛查工具并促进心脏功能障碍的长期动态监测	创新地整合了原始数值信号和波形图，通过融合注意力机制（FAT）和双分支特征融合模块（BFF）解决了分支间信息交互不足和特征融合效率低的问题	NA	开发一种通过心电图计算左心室射血分数的深度学习模型，以早期检测和监测左心室收缩功能障碍	左心室射血分数（LVEF）	机器学习	心血管疾病	深度学习	双分支深度学习模型（ECGEFNet）	心电图（ECG）	大型内部数据集
8002	2025-01-24	χ-sepnet: Deep Neural Network for Magnetic Susceptibility Source Separation 2025-Feb-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70136 PMID:39835664	研究论文	本文介绍了一种名为χ-sepnet的深度神经网络，用于磁化率源分离，旨在解决定量磁化率映射（QSM）中的条纹伪影问题，并通过深度学习提高磁化率源分离图的质量	提出了两种基于深度学习的磁化率源分离流程，χ-sepnet- 和χ-sepnet- ，分别适用于多回波GRE和多回波自旋回波（或快速自旋回波）数据输入，以及仅多回波GRE数据输入，显著减少了传统正则化重建方法中的伪影	需要进一步评估在各种疾病和病理条件下的应用效果	解决磁化率源分离中的条纹伪影问题，提高磁化率源分离图的质量	健康受试者和多发性硬化症患者的脑部磁化率源分离图	医学影像处理	多发性硬化症	多回波GRE和多回波自旋回波（或快速自旋回波）数据采集	深度神经网络	磁共振成像（MRI）数据	250个病灶
8003	2025-01-24	Mixed reality infrastructure based on deep learning medical image segmentation and 3D visualization for bone tumors using DCU-Net 2025-Feb, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100654 PMID:39839577	研究论文	本研究提出了一种基于双维度降维和通道注意力门控机制的U-Net模型（DCU-Net），用于骨肿瘤的医学图像分割和3D重建，并构建了混合现实（MR）基础设施，探索其在骨肿瘤诊断和治疗中的应用前景	提出了DCU-Net模型，结合双维度降维和通道注意力门控机制，优化特征提取和目标空间聚类能力，实现了骨肉瘤的自动分割和3D重建，并构建了基于深度学习和混合现实的MR基础设施	未提及具体的数据集规模和多样性，可能影响模型的泛化能力	提高骨肿瘤CT图像分割的性能，并通过3D重建和混合现实技术增强临床医生对肿瘤形态和空间关系的理解	骨肿瘤的CT图像	计算机视觉	骨肿瘤	DCU-Net模型，3D重建技术，混合现实（MR）技术	DCU-Net	图像	医院数据集（具体数量未提及）
8004	2025-01-24	Mid-infrared spectra of dried and roasted cocoa (Theobroma cacao L.): A dataset for machine learning-based classification of cocoa varieties and prediction of theobromine and caffeine content 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111243 PMID:39840227	研究论文	本文提供了一个关于干燥和烘焙可可豆的中红外光谱数据集，用于基于机器学习的可可品种分类和可可碱及咖啡因含量预测	该数据集结合了中红外光谱数据和HPLC定量分析，为机器学习模型提供了非破坏性的方法来预测可可碱和咖啡因含量及可可品种	数据集的应用可能受限于样本的多样性和实验条件的控制	开发自动化工具以支持可可工业中的实时质量控制、品种分类和产品优化	干燥和烘焙的可可豆	机器学习	NA	ATR-FTIR光谱和HPLC	NA	光谱数据	数据集包含根据实验条件和重复组织的Excel表格
8005	2025-01-24	The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding 2025-Jan-23, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad9957 PMID:39622169	研究论文	本文介绍了一种名为'Sandwich'的深度隐私保护元框架，结合了迁移学习和联邦学习，用于非侵入性脑电波解码	提出了一种新的深度隐私保护元框架'Sandwich'，结合了迁移学习和联邦学习，解决了脑电波解码中的数据变异性和隐私问题	NA	解决脑电波解码中的数据变异性和隐私问题	脑电波数据	机器学习	NA	迁移学习, 联邦学习	Inception SanDwich	时间序列数据	使用BEETL运动想象挑战中的异质脑电波数据集进行评估
8006	2025-01-24	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2025-Jan-23, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种多尺度卷积注意力残差神经网络（M-SCA ResNet），用于通过拉曼光谱进行胶质瘤分级	结合多尺度通道和空间注意力机制以及残差结构，提升了模型的特征提取能力，并通过Grad-CAM增强了深度学习模型的可解释性	NA	提高胶质瘤分级的准确性，辅助医生制定个性化手术计划	高级别胶质瘤（HGG）、低级别胶质瘤（LGG）和正常组织	数字病理学	胶质瘤	拉曼光谱	M-SCA ResNet	光谱数据	NA
8007	2025-01-24	A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data 2025-Jan-23, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.860 PMID:39844750	综述	本文综述了利用人工智能（AI）结合CT、PET和临床数据预测早期非小细胞肺癌（NSCLC）术后复发风险的研究	本文综合分析了2018年至2024年间发表的16项研究，评估了放射组学、机器学习和深度学习在预测术后复发风险中的应用，并指出了未来研究方向	现有研究存在样本量小、缺乏外部验证、可解释性问题以及多模态影像技术融合不足等挑战	预测早期非小细胞肺癌（NSCLC）术后复发风险	早期非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	放射组学、机器学习、深度学习	深度学习模型、多模态模型	CT、PET、临床数据	16项研究（具体样本量未明确）
8008	2025-01-24	High-throughput markerless pose estimation and home-cage activity analysis of tree shrew using deep learning 2025-Jan-23, Animal models and experimental medicine IF:3.8Q2 DOI:10.1002/ame2.12530 PMID:39846430	研究论文	本文提出了一种基于深度学习的方法，用于无标记姿态估计和识别树鼩的多种自发行为，以量化其笼内活动	创新点在于使用深度学习技术实现无标记姿态估计，并开发了一个高效的系统来监测树鼩的笼内活动	未明确提及具体限制	研究目的是量化树鼩的笼内活动，以更好地理解其日常行为并构建疾病模型	研究对象是树鼩	计算机视觉	NA	深度学习	NA	视频	16只树鼩
8009	2025-01-24	Adaptive ensemble loss and multi-scale attention in breast ultrasound segmentation with UMA-Net 2025-Jan-23, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03301-5 PMID:39847155	研究论文	本文提出了一种名为UMA-Net的增强型UNet架构，用于乳腺超声图像分割，通过集成残差连接、注意力机制和空洞卷积瓶颈来有效捕捉多尺度上下文信息，并引入自适应集成损失函数以动态平衡不同损失组件的贡献	UMA-Net结合了残差连接、注意力机制和空洞卷积瓶颈，并引入了自适应集成损失函数，以动态平衡不同损失组件的贡献，解决了传统损失函数中的不平衡问题	未明确提及具体局限性	提高乳腺超声图像分割的准确性和泛化能力	乳腺超声图像	计算机视觉	乳腺癌	深度学习	UMA-Net（基于UNet的增强架构）	图像	五个不同的乳腺超声数据集（BUET, BUSI, Mendeley, OMI, UDIAT）
8010	2025-01-24	Non-parametric Bayesian deep learning approach for whole-body low-dose PET reconstruction and uncertainty assessment 2025-Jan-23, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03296-z PMID:39847156	研究论文	本文提出了一种基于非参数贝叶斯深度学习的框架NPB-LDPET，用于低剂量PET图像重建和不确定性评估	提出了一种新的非参数贝叶斯深度学习框架，结合Adam优化器和随机梯度Langevin动力学（SGLD）进行后验分布采样，显著提高了低剂量PET图像的重建精度和不确定性评估	研究样本量相对较小（N=10,631和N=28），且仅使用了Ultra-low-dose PET Challenge数据集进行评估，可能限制了结果的普适性	提高低剂量PET图像的重建精度和不确定性评估，以支持临床决策	低剂量PET图像	医学影像处理	肿瘤学	深度学习，非参数贝叶斯方法	深度学习模型	医学影像数据	10,631个样本（全局重建精度评估），28个样本（局部病变对比度评估）
8011	2025-01-24	Biomimetic Fingerprint-like Unclonable Optical Anticounterfeiting System with Selectively In Situ-Synthesized Perovskite Quantum Dots Embedded in Spontaneous-Phase-Separated Polymers 2025-Jan-22, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c20440 PMID:39780348	研究论文	本文提出了一种基于钙钛矿量子点指纹物理不可克隆功能的仿生防伪系统，利用聚合物的自发相分离和选择性原位合成钙钛矿量子点作为熵源	该系统通过调整钙钛矿和聚合物成分，实现了从二进制到多值编码的扩展，具有高编码容量，并兼容主流生产技术和深度学习增强的智能融合方案	未提及具体局限性	开发一种新型防伪技术，以应对物联网时代防伪技术面临的挑战	钙钛矿量子点和聚合物	材料科学	NA	自发相分离和选择性原位合成	深度学习	图像	未提及具体样本数量
8012	2025-01-24	Artificial intelligence streamlines scientific discovery of drug-target interactions 2025-Jan-22, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.17427 PMID:39843168	综述	本文综述了人工智能（AI）技术在药物靶点相互作用（DTI）预测中的应用	本文系统性地概述了AI在DTI预测中的应用，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向	本文未涉及具体实验验证，主要集中于理论和方法论的探讨	探讨AI技术在药物发现和开发中的应用，特别是DTI预测	药物靶点相互作用（DTI）	机器学习	NA	NA	经典机器学习、深度学习、基于网络的方法	NA	NA
8013	2025-01-24	Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01338-w PMID:39843717	研究论文	本文开发了一种基于规则的自然语言处理（NLP）算法，用于从日本放射学报告中自动检测癌症可疑发现	提出了一种基于规则的NLP算法，并在多中心数据上验证了其性能，展示了其在不同机构间的泛化能力	算法主要依赖于规则，可能无法覆盖所有复杂的语言表达，且仅针对日文报告	开发并验证一种NLP算法，用于自动检测放射学报告中的癌症可疑发现，以减少漏诊和延误治疗	来自六个机构的胸部和腹部CT报告	自然语言处理	癌症	自然语言处理（NLP）	基于规则的算法，BERT作为基线深度学习模型	文本（放射学报告）	来自六个机构的CT报告，具体样本数量未明确
8014	2025-01-24	Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01403-y PMID:39843721	研究论文	本研究提出了一种基于图辅助全局推理的乳腺癌组织病理学图像分类方法，旨在通过深度学习提取病理特征并自动识别肿瘤信息，以辅助医生进行高精度的病理诊断	提出了一种双流全局-局部网络（DSGLNet），通过卷积网络提取局部图像特征，并利用图卷积映射构建全局特征交互空间，从而深度融合局部和全局特征以实现精确的图像分类	研究仅在公开的BreakHis数据集上进行了评估，未在其他数据集上验证模型的泛化能力	利用深度学习技术提高乳腺癌组织病理学图像分类的精度，辅助病理诊断	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	双流全局-局部网络（DSGLNet）	图像	BreakHis数据集，包含不同放大倍数的组织病理学图像
8015	2025-01-24	How to Efficiently Annotate Images for Best-Performing Deep Learning-Based Segmentation Models: An Empirical Study with Weak and Noisy Annotations and Segment Anything Model 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01408-7 PMID:39843720	研究论文	本文通过实证研究探讨了在有限标注预算下，如何高效地为深度学习分割模型标注图像，比较了弱标注和噪声标注与传统精确标注的效果	首次系统评估了六种标注策略（共9-10种子策略）在四个数据集上的成本效益，发现精确标注在预算有限时并非最优选择，弱标注和噪声标注在某些情况下能达到与精确标注相似的性能，但成本效益更高	研究仅基于四个数据集，可能无法涵盖所有应用场景，且未探讨不同模型架构对标注策略效果的潜在影响	评估不同标注策略在深度学习图像分割任务中的成本效益，以指导研究者更高效地使用标注预算	图像分割任务中的标注策略	计算机视觉	NA	深度学习	DNN	图像	四个数据集
8016	2025-01-24	Semi-Supervised Medical Image Segmentation Based on Frequency Domain Aware Stable Consistency Regularization 2025-Jan-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01397-7 PMID:39843719	研究论文	本文提出了一种基于频域感知稳定一致性正则化的半监督医学图像分割方法	利用图像的固有频域信息作为一致性约束，避免了人为设置扰动引入的偏差，并在模型训练的编码器阶段引入监督，确保模型不会因强增强导致的原始特征空间破坏而学习失败	未提及具体的数据集或样本量限制，也未讨论在更广泛医学图像数据集上的泛化能力	改进半监督医学图像分割方法，提高模型在有限标注数据下的性能	医学图像	计算机视觉	NA	频域分析	半监督学习模型	图像	NA
8017	2025-01-24	Real-time CBCT imaging and motion tracking via a single arbitrarily-angled x-ray projection by a joint dynamic reconstruction and motion estimation (DREME) framework 2025-Jan-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ada519 PMID:39746309	研究论文	本文介绍了一种名为DREME的框架，用于实时CBCT成像和运动估计，无需依赖患者特定的先验知识	DREME框架结合了深度学习实时CBCT成像和运动估计方法，通过单一任意角度的X射线投影实现实时3D呼吸诱导的解剖运动估计	尽管DREME在数字幻影和真实患者研究中表现出色，但其在更广泛临床环境中的有效性和稳定性仍需进一步验证	开发一种不依赖患者特定先验知识的实时CBCT成像和运动估计框架，以提高放疗中的图像引导和运动跟踪精度	CBCT成像和呼吸诱导的解剖运动	医学影像	NA	深度学习，卷积神经网络	卷积神经网络（CNN）	X射线投影图像	数字幻影模拟和真实患者研究
8018	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024) 2025-Jan-21, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.12.012 PMID:39843287	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8019	2025-01-24	On the Effect of the Patient Table on Attenuation in Myocardial Perfusion Imaging SPECT 2025-Jan-20, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00713-4 PMID:39832088	研究论文	本研究探讨了患者检查台对心肌灌注成像（MPI）SPECT中衰减的影响，通过比较幻影扫描和患者研究的重建结果	使用深度学习方法和自动去除患者检查台的算法，首次在患者研究中评估了检查台对衰减的影响	研究仅基于15名患者的回顾性队列，样本量较小	评估患者检查台对MPI SPECT中衰减的影响	Jaszczak幻影扫描和15名患者的MPI数据	医学影像	心血管疾病	SPECT成像	NA	图像	15名患者
8020	2025-01-24	Triple-attentions based salient object detector for strip steel surface defects 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86353-9 PMID:39833226	研究论文	本文提出了一种基于三重注意力机制的显著目标检测器TADet，用于带钢表面缺陷的检测	引入了创新的三重注意力机制（TA），通过三个不同且相互关联的二维平面视角（通道-宽度、通道-高度和宽度-高度）同时迭代地提炼和整合特征图，增强了特征的表示能力	NA	提高带钢表面缺陷检测的准确性和鲁棒性	带钢表面缺陷	计算机视觉	NA	深度学习	编码器-解码器网络	图像	NA