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
8081	2025-02-11	Swarm learning with weak supervision enables automatic breast cancer detection in magnetic resonance imaging 2025-Feb-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00722-5 PMID:39915630	研究论文	本研究提出了一种结合弱监督学习和群体学习（SL）的集成管道，用于自动检测乳腺癌的磁共振成像（MRI）数据	通过弱监督学习减少详细注释需求，并通过群体学习实现本地AI模型训练，避免了集中式数据共享	研究依赖于多个国际数据集，可能存在数据隐私和注释变异性的挑战	开发一种无需详细注释或集中数据共享的AI模型，以提高乳腺癌MRI数据的分析效率	乳腺癌患者的双侧乳腺MRI检查数据	医学影像分析	乳腺癌	弱监督学习，群体学习（SL）	3D-ResNet-101	MRI图像	1372例来自美国、瑞士和英国的双侧乳腺MRI检查数据，以及649例来自德国和希腊的外部验证数据
8082	2025-02-11	Real-time intraoperative ultrasound registration for accurate surgical navigation in patients with pelvic malignancies 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03299-5 PMID:39633142	研究论文	本研究开发并评估了几种实时术中超声（iUS）配准方法，用于提高盆腔恶性肿瘤手术导航的准确性	开发了实时深度学习骨和动脉分割的2D超声配准方法，显著提高了手术导航的准确性	iUS的用户依赖性较强，需要直观的软件以实现最佳的临床应用	提高盆腔恶性肿瘤手术导航的准确性	盆腔恶性肿瘤患者	数字病理	盆腔恶性肿瘤	实时术中超声（iUS）	深度学习	超声图像	30名患者
8083	2025-02-11	Deep Learning Architecture to Infer Kennedy Classification of Partially Edentulous Arches Using Object Detection Techniques and Piecewise Annotations 2025-Feb, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.11.005 PMID:39645471	研究论文	本研究利用人工智能和基于深度学习的物体检测技术，自动检测正颌X光图像中的常见牙科问题，包括断根、牙周病牙齿和部分无牙弓的Kennedy分类	提出了一种新的深度学习架构，用于推断部分无牙弓的Kennedy分类，并提供了关于弓（上颌或下颌）和受影响侧（右或左）的详细信息	数据集较小	开发一种自动化工具，用于牙科问题的早期检测和分类	正颌X光图像中的牙科问题	计算机视觉	牙科疾病	深度学习物体检测技术	深度学习模型	图像	小数据集
8084	2025-02-11	Classification of speech arrests and speech impairments during awake craniotomy: a multi-databases analysis 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03301-0 PMID:39652158	研究论文	本文探讨了在清醒开颅手术中使用深度学习模型客观评估言语停顿和言语障碍的方法	使用深度学习模型（Wav2Vec2）进行客观评估，而非依赖临床医生的主观观察	需要进一步评估，特别是在跨语言情况下的表现	提高清醒开颅手术中言语功能的实时评估精度，以改善术后结果	清醒开颅手术中的言语停顿和言语障碍	自然语言处理	脑肿瘤	深度学习	Wav2Vec2	音频	1883个3秒音频片段，来自25例清醒开颅手术（23例来自日本东京女子医科大学医院，2例来自法国布雷斯特大学医院）
8085	2025-02-11	Proactive Deep Learning-Facilitated Inpatient Penicillin Allergy Delabelling: An Implementation Study 2025-Jan-17, International archives of allergy and immunology IF:2.5Q3 DOI:10.1159/000542589 PMID:39827874	研究论文	本研究探讨了利用深度学习促进的主动咨询是否能够增强住院患者青霉素过敏标签的去除	使用深度学习指导的主动咨询服务来促进青霉素过敏标签的去除，这是一种创新的方法	本研究为单中心实施研究，需要进一步研究以验证该方法在其他中心的适用性	确定深度学习促进的主动咨询是否能增强住院患者青霉素过敏标签的去除	住院患者中的青霉素过敏标签	医疗健康	过敏性疾病	深度学习	NA	医疗记录	439名患者，其中121名被算法识别为适合进行青霉素过敏询问
8086	2025-02-11	Virtual Gram staining of label-free bacteria using dark-field microscopy and deep learning 2025-Jan-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads2757 PMID:39772690	研究论文	本文介绍了一种使用暗场显微镜和深度学习对无标记细菌进行虚拟革兰氏染色的方法	通过训练神经网络，将未染色细菌的暗场图像数字转换为与亮场图像对比相匹配的革兰氏染色等效图像，从而绕过传统染色过程中的多个化学步骤	需要一次性训练模型，且未提及模型在不同类型细菌上的泛化能力	开发一种无需化学染色的虚拟革兰氏染色方法，以提高染色准确性和效率	无标记细菌	计算机视觉	NA	暗场显微镜，深度学习	神经网络	图像	未明确提及具体样本数量，但包含多种细菌样本
8087	2025-02-11	Ultrasound elastic modulus reconstruction using a deep learning model trained with simulated data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.017001 PMID:39916991	研究论文	本文提出了一种基于深度学习的超声弹性成像逆问题解决方法，通过模拟数据训练的U-Net神经网络模型来重建弹性模量的空间分布	采用数据驱动的深度学习模型替代传统的迭代或直接技术，解决了传统方法在计算速度和噪声敏感性方面的限制	模型的性能依赖于模拟数据的多样性和代表性，可能需要进一步验证其在更广泛临床数据上的泛化能力	开发并验证一种深度学习方法来高效准确地解决超声弹性成像中的逆问题，即从超声测量的位移场中恢复弹性模量的空间分布	超声弹性成像中的位移场数据	医学影像处理	NA	超声弹性成像	U-Net	图像	模拟数据、体模实验数据和临床数据
8088	2025-02-11	RETRACTED: Lung cancer diagnosis of CT images using metaheuristics and deep learning 2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221090725 PMID:35445619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8089	2025-02-11	RETRACTION NOTICE: Lung cancer diagnosis of CT images using metaheuristics and deep learning 2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221134231 PMID:36237147	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8090	2025-02-11	Self-Supervised Learning for Improved Optical Coherence Tomography Detection of Macular Telangiectasia Type 2 2024-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.6454 PMID:38329740	研究论文	本文提出了一种自监督学习方法，用于在有限标注数据的情况下，通过光学相干断层扫描（OCT）自动分类2型黄斑毛细血管扩张症（MacTel）	使用自监督学习方法在有限标注数据的情况下提高了MacTel的自动分类准确性，并展示了其在其他罕见疾病中的潜在应用	需要进一步研究以验证该方法在其他罕见疾病中的适用性	开发一种自监督学习方法，用于在有限标注数据的情况下自动分类MacTel	2型黄斑毛细血管扩张症（MacTel）患者和非MacTel患者的OCT图像	计算机视觉	黄斑毛细血管扩张症	光学相干断层扫描（OCT）	ResNet18, ResNet50	图像	2636张OCT扫描图像来自780名MacTel患者和131名非MacTel患者，以及2564张来自1769名非MacTel患者的OCT扫描图像
8091	2025-02-09	Estimating baselines of Raman spectra based on transformer and manually annotated data 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125679 PMID:39733708	研究论文	本文提出了一种基于Transformer和手动标注数据的拉曼光谱基线估计方法	设计了一种针对拉曼光谱数据的一维Transformer模型（1dTrans），并在基线估计任务中表现优于传统的卷积神经网络（CNN）、ResUNet和三种参数化方法	手动标注数据的过程可能耗时且依赖于参数调整，模型的泛化能力未在更多材料上进行验证	改进拉曼光谱的基线校正方法，以提高定量分析的准确性	拉曼光谱数据	机器学习	NA	拉曼光谱分析	Transformer, CNN, ResUNet	光谱数据	八种不同生物材料的光谱数据
8092	2025-02-10	On the analysis of adapting deep learning methods to hyperspectral imaging. Use case for WEEE recycling and dataset 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125665 PMID:39746253	研究论文	本文评估了在深度学习架构中结合不同空间和光谱特征对高光谱图像分割的影响，并探讨了从RGB图像预训练模型到高光谱领域的知识迁移	提出了不同架构配置，评估了光谱和空间信息对模型性能、能耗和推理时间的影响，并公开了Tecnalia WEEE高光谱数据集	未对所有光谱波长进行优化，且从RGB领域迁移的预训练模型性能较低、能耗较高、推理时间较长	研究高光谱图像分割中空间和光谱信息对深度学习模型性能的影响	高光谱图像	计算机视觉	NA	深度学习	深度学习架构	高光谱图像	Tecnalia WEEE高光谱数据集，包含铜、黄铜、铝、不锈钢和白铜等非铁金属废料
8093	2025-02-10	Enhancing thin slice 3D T2-weighted prostate MRI with super-resolution deep learning reconstruction: Impact on image quality and PI-RADS assessment 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110308 PMID:39667642	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在提高薄层3D T2加权成像（T2WI）图像质量和前列腺影像报告与数据系统（PI-RADS）评估中的有效性	使用SR-DLR技术在不延长MRI采集时间的情况下提高图像质量，并评估其对PI-RADS评分的影响	样本量较小（28名患者），且为回顾性研究	评估SR-DLR在提高前列腺MRI图像质量和PI-RADS评分中的有效性	前列腺MRI图像	医学影像	前列腺癌	超分辨率深度学习重建（SR-DLR）	深度学习模型	MRI图像	28名男性患者（年龄范围：47-88岁；平均年龄：70.8岁）
8094	2025-02-10	A lightweight adaptive spatial channel attention efficient net B3 based generative adversarial network approach for MR image reconstruction from under sampled data 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110281 PMID:39672285	研究论文	本文提出了一种基于轻量级自适应空间通道注意力EfficientNet B3的生成对抗网络（ASCA-EffNet GAN），用于从欠采样的k空间数据中快速高质量地重建MR图像	提出了一种结合自适应空间通道注意力机制和EfficientNet B3的生成对抗网络，用于MR图像重建，有效捕捉空间和通道特征，提升重建质量	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	加速MR图像采集并提高重建质量，适用于临床快速诊断	欠采样的k空间数据	计算机视觉	NA	压缩感知MRI（CS-MRI）	生成对抗网络（GAN），U-net生成器，ResNet解码器	MR图像	未提及具体样本数量
8095	2025-02-10	Conditional generative diffusion deep learning for accelerated diffusion tensor and kurtosis imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110309 PMID:39675686	研究论文	本研究开发了DiffDL，一种生成扩散概率模型，旨在从减少的扩散加权图像（DWI）集中生成高质量的扩散张量成像（DTI）和扩散峰度成像（DKI）指标	DiffDL模型通过生成扩散概率模型解决了扩散MRI数据采集时间过长的问题，同时保持了指标的准确性	未来研究需要优化计算需求，并在临床队列和标准MRI扫描仪上验证模型	开发一种生成扩散概率模型以减少扩散MRI数据采集时间并保持指标准确性	扩散加权图像（DWI）	计算机视觉	NA	扩散张量成像（DTI）和扩散峰度成像（DKI）	UNet	图像	300训练/验证对象和50测试对象
8096	2025-02-10	Predicting molecular subtypes of breast cancer based on multi-parametric MRI dataset using deep learning method 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110305 PMID:39681144	研究论文	本研究开发了一种基于多参数MRI的深度学习模型，用于预测乳腺癌的分子亚型	使用五种类型的术前MRI图像，通过集成学习方法融合五个基础模型的输出，构建了一个多参数MRI模型，用于预测乳腺癌的分子亚型	研究样本量相对较小，且为回顾性研究，可能存在选择偏差	开发一种基于多参数MRI的模型，用于预测乳腺癌的分子亚型	325例经病理证实的乳腺癌患者的临床数据和五种MRI图像	数字病理	乳腺癌	多参数MRI成像	ResNeXt50	图像	325例乳腺癌患者（260例训练集，65例测试集）
8097	2024-12-28	Reliability of post-contrast deep learning-based highly accelerated cardiac cine MRI for the assessment of ventricular function 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110313 PMID:39708928	研究论文	本研究评估了基于深度学习的加速心脏电影MRI在对比剂注射前后的等效性，用于评估心室功能	首次在临床环境中评估了对比剂注射前后基于深度学习的加速心脏电影MRI的图像质量和心室功能量化等效性	样本量较小，仅30名患者，且仅在1.5T扫描仪上进行	评估对比剂注射前后基于深度学习的加速心脏电影MRI在图像质量和心室功能量化上的等效性	30名患者（20名男性，平均年龄53.7±17.8岁）	医学影像	心血管疾病	心脏磁共振成像（MRI）	深度学习	图像	30名患者
8098	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）
8099	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
8100	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