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
841	2025-06-03	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络(CNN)的深度学习模型，用于自动检测血管超声中的自发回声对比(SEC)	使用多序列CNN结合软注意力机制，能够自动识别SEC，无需专家干预或额外临床报告时间	模型的AUC为0.74，敏感性和特异性分别为0.73和0.68，仍有提升空间	开发自动检测SEC的深度学习模型，以克服当前SEC识别需要专家判断和临床报告时间的障碍	股静脉的血管超声图像	医学影像分析	血栓栓塞性疾病	深度学习	多序列CNN(ResNetv2)结合软注意力机制	超声图像	201名患者的801份股静脉超声影像数据
842	2025-06-03	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出了一种加速联合T1和T2*映射的技术，结合并行成像、模型基础和深度学习方法来加速参数映射	提出了Joint MAPLE框架，结合并行成像、信号建模和数据一致性块，通过扫描特定的自监督重建提高参数估计的准确性	未提及具体样本量或临床验证结果	加速MRI参数映射，提高定量MRI的效率和准确性	MRI参数映射技术	医学影像处理	NA	并行成像、模型基础参数映射、深度学习	自监督网络	多回波、多翻转角梯度回波采集的多对比数据	NA
843	2025-06-03	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本文提出了一种使用无监督深度学习和CNN来设计静态并行传输脉冲的方法，以减少7T多通道传输阵列中的B1+不均匀性	引入了无监督训练方法，利用CNN处理多通道B1+图，避免了监督训练中参考传输RF权重的计算	研究仅针对健康人脑的B1+图，未涉及病态情况	减少7T多通道传输阵列中的B1+不均匀性	健康人脑的多通道B1+图	医学影像处理	NA	无监督深度学习	CNN	医学影像	143名受试者的3824张2D矢状面多通道B1+图
844	2025-06-03	Domain Adaptation-Based Deep Learning Model for Forecasting and Diagnosis of Glaucoma Disease 2024-Jun, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2024.106061 PMID:38463435	研究论文	开发了一种基于域适应的深度学习模型GDA，用于青光眼的预测和诊断	GDA模型通过域不变和域特定表示学习提取通用和特定特征，并采用渐进加权机制和低秩编码技术	未明确提及具体局限性	青光眼的早期预测和诊断	青光眼患者	数字病理学	青光眼	深度学习	GDA	眼底照片	1636名受试者的3272只眼睛的66,742张眼底照片
845	2025-06-03	Examining a punishment-related brain circuit with miniature fluorescence microscopes and deep learning 2024-Jun, Addiction neuroscience DOI:10.1016/j.addicn.2024.100154 PMID:38680653	research paper	研究通过微型荧光显微镜和深度学习算法分析惩罚学习的生物行为机制	结合微型荧光显微镜和深度学习算法，研究惩罚学习中的神经回路变化	未提及具体实验样本量或数据规模	理解惩罚学习的生物行为机制及其在药物使用障碍中的作用	啮齿类动物（用于实验模型）	machine learning	substance use disorder	miniature fluorescence microscopes, deep learning	deep learning	image	NA
846	2025-06-03	NeighBERT: Medical Entity Linking Using Relation-Induced Dense Retrieval 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00136-3 PMID:38681752	研究论文	本文提出了一种名为NeighBERT的新型预训练技术，用于解决临床自然语言处理中的医学实体链接问题	NeighBERT通过编码知识图谱中实体间的关系，扩展了BERT模型，增加了传统BERT中缺失的关系上下文，从而帮助解决临床文本中的歧义问题	NA	提高医学实体链接（MEL）的准确性和性能	临床文本中的医学实体	自然语言处理	NA	预训练技术	BERT扩展模型	文本	两个广泛使用的临床数据集
847	2025-06-03	Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00160-x PMID:38681760	研究论文	本文探讨了使用监督和无监督深度学习方法进行EEG癫痫发作预测的可行性	开发了新颖的无监督深度学习方法，仅使用正常EEG数据进行训练，将癫痫发作前EEG检测为异常事件	不同患者、方法和架构下的性能表现存在差异	预测癫痫发作以降低患者风险	癫痫患者的EEG数据	机器学习	癫痫	深度学习	监督学习和无监督学习模型	EEG信号数据	两个大型EEG癫痫数据集（具体数量未提及）
848	2025-06-03	Multimodal feature fusion in deep learning for comprehensive dental condition classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230271 PMID:38217632	研究论文	本研究评估了深度学习和多模态特征融合技术在自动化牙科疾病分类中的有效性	结合多模态特征融合与先进机器学习算法，显著提高了牙科疾病分类系统的精确性和鲁棒性	仅使用了11,653张临床图像，样本量可能不足以覆盖所有牙科疾病的多样性	推进自动化牙科疾病分类领域的发展	六种常见牙科疾病（龋齿、牙结石、牙龈炎、牙齿变色、溃疡和少牙症）	计算机视觉	牙科疾病	多模态特征融合	CNN, SVM, Naive Bayes	图像	11,653张临床图像
849	2025-06-03	An adaptive weighted ensemble learning network for diabetic retinopathy classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230252 PMID:38217630	研究论文	提出了一种基于光学相干断层扫描（OCT）图像的自适应加权集成学习方法，用于糖尿病视网膜病变（DR）分类	提出了一种基于贝叶斯理论的新型决策融合方案，动态调整基模型的权重分布，以缓解数据不平衡带来的负面影响	未提及方法的计算复杂度或在实际临床环境中的适用性	提高糖尿病视网膜病变的自动检测性能	糖尿病视网膜病变（DR）患者的光学相干断层扫描（OCT）图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描（OCT）	集成学习模型（基于三种先进的深度学习模型）	图像	两个公共数据集（DRAC2022和APTOS2019）
850	2025-06-03	A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230184 PMID:38306086	research paper	提出一种基于深度学习的密集U型Transformer模型，用于稀疏视图CT重建中的伪影抑制	结合DenseNet和Transformer架构的优势，设计双域多损失函数优化模型	实验仅在Mayo Clinic LDCT数据集上进行验证，需进一步临床验证	开发先进方法抑制稀疏视图CT重建中的伪影	稀疏视图CT图像	computer vision	NA	deep learning	Dense U-shaped Transformer (D-U-Transformer)	CT图像	Mayo Clinic LDCT数据集
851	2025-06-03	Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230218 PMID:38306087	研究论文	提出了一种基于深度学习的框架，用于评估和量化高分辨率CT图像中的病变指标，以预测间质性肺疾病的严重程度	首次使用深度学习技术对间质性肺疾病的五种病变类型进行分割和量化，并结合临床数据建立多元预测模型	研究样本量未明确说明，且模型在部分病变类型的预测性能仍有提升空间	提高间质性肺疾病严重程度评估的准确性和客观性	间质性肺疾病患者的HRCT图像	数字病理学	间质性肺疾病	HRCT成像	CNN	医学影像	NA
852	2025-06-03	Dimensionality Reduction for Improving Out-of-Distribution Detection in Medical Image Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_15 PMID:40443712	研究论文	本文提出了一种通过降维技术改进医学图像分割中分布外检测的方法	使用主成分分析对Swin UNETR模型的瓶颈特征进行降维，结合马氏距离实现高效的分布外检测	仅针对T1加权磁共振成像中的肝脏分割任务进行了验证	提高医学图像分割模型对分布外数据的检测能力	肝脏T1加权磁共振图像	数字病理	肝脏疾病	主成分分析(PCA), 马氏距离	Swin UNETR	医学图像	NA
853	2025-06-02	Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34102 PMID:40443946	research paper	该研究提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化	引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应	研究主要基于体外和离体样本，尚未在临床环境中进行大规模验证	解决分子光声成像中因光漂白导致的组织可视化问题，提升实时成像和定量分析的可靠性	光声成像中的外源性染料及其光漂白效应	医学影像处理	NA	深度学习，光声成像	cGAN, U-Net	图像	体外和离体样本，包括ICG填充管
854	2025-06-02	TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051805 PMID:40444137	research paper	提出一种基于深度学习的无参考CT图像质量评估方法TFKT，通过从自然图像数据集迁移知识，减少对大型标注数据集的依赖	采用混合CNN-Transformer模型，结合自然图像失真和人类标注的平均意见分数进行预训练，并在低剂量CT图像上微调，实现任务特定的适应性	需要进一步验证在更广泛临床场景中的泛化能力	开发一种无参考、自动化的CT图像质量评估方法，以更准确地反映放射科医生的评估	CT图像质量评估	computer vision	NA	深度学习	CNN-Transformer混合模型	图像	约30张CT图像切片/秒的处理能力
855	2025-06-02	Structure information preserving domain adaptation network for fault diagnosis of Sucker Rod Pumping systems 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107392 PMID:40157234	研究论文	本文提出了一种结构信息保留的域适应网络（SIP-DAN），用于抽油机系统的故障诊断	SIP-DAN通过将源域数据按故障类别划分为不同子域，并实现源域和目标域的子域对齐，以保留结构信息，同时设计了分类器投票辅助对齐（CVAA）机制来处理目标域缺乏故障类别信息的问题	未提及具体样本量或实验数据的局限性	提高抽油机系统故障诊断模型的泛化性能	抽油机（Sucker Rod Pumping, SRP）系统	机器学习	NA	模糊聚类算法、局部最大均值差异（LMMD）损失优化	SIP-DAN	时间序列数据或传感器数据	NA
856	2025-06-02	An information-theoretic approach for heterogeneous differentiable causal discovery 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107417 PMID:40158364	研究论文	本文提出了一种基于信息论的异质可微分因果发现方法，旨在提高模型在复杂异质数据集上的鲁棒性	将最小误差熵(MEE)作为自适应误差调节器整合到结构学习框架中，有效减少不同样本间的误差变异性	未明确提及具体的数据集规模限制或计算资源需求	提高可微分因果发现方法在异质数据集上的鲁棒性和适应性	具有环境多样性和噪声分布变化的复杂异质数据集	机器学习	NA	最小误差熵(MEE)	可微分因果发现模型	合成数据集和真实世界数据集	未明确提及具体样本数量
857	2025-06-02	MuSIA: Exploiting multi-source information fusion with abnormal activations for out-of-distribution detection 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107427 PMID:40184868	research paper	提出了一种名为MuSIA的方法，通过多源信息融合和异常激活捕获来提高深度学习模型在开放世界中的OOD检测性能	MuSIA方法首次结合多源信息融合与异常激活捕获，显著提升了OOD检测的性能	实验仅在六种预训练模型和六种OOD数据集上进行验证，可能在其他模型或数据集上的泛化能力有待进一步研究	提高深度学习模型在开放世界中的OOD检测性能，确保模型的可靠性和鲁棒性	深度学习模型在开放世界中的OOD检测	machine learning	NA	多源信息融合与异常激活捕获	ViT, RepVGG, DeiT等	NA	六种OOD数据集在六种预训练模型上的实验
858	2025-06-02	AESeg: Affinity-enhanced segmenter using feature class mapping knowledge distillation for efficient RGB-D semantic segmentation of indoor scenes 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107438 PMID:40184869	研究论文	提出了一种结合静态和动态方法的亲和力增强语义分割框架，用于室内场景的RGB-D语义分割	通过构建二元亲和力矩阵和特征到类别映射细化技术，实现了全局上下文感知与静态特征的结合，提高了准确性同时减少了计算负担	未明确提及具体限制，但可能包括对特定场景或数据集的依赖性	提高RGB-D语义分割的效率和准确性	室内场景的RGB-D图像	计算机视觉	NA	深度学习	动态分割方法	RGB-D图像	NYUv2、SUN-RGBD和CamVid数据集
859	2025-06-02	Deep prior embedding method for Electrical Impedance Tomography 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107419 PMID:40184867	研究论文	本文提出了一种基于深度学习的新型方法，用于电阻抗断层扫描（EIT）重建，有效整合图像先验信息以提高重建质量	该方法利用图像先验信息指导神经网络的初始化，从而更充分地利用先验知识，提升重建过程的起点和整体效果	未明确提及具体局限性	提高电阻抗断层扫描（EIT）重建的质量和准确性	电阻抗断层扫描（EIT）的重建过程	医学影像处理	NA	深度学习	神经网络	图像	NA
860	2025-06-02	A prompt regularization approach to enhance few-shot class-incremental learning with Two-Stage Classifier 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107453 PMID:40220563	research paper	提出一种名为Prompt Regularization (PrRe)的新方法，通过嵌入两种不同的提示（任务提示和全局提示）在预训练的Vision Transformer (ViT)中，以增强少样本类增量学习的效果	提出Prompt Regularization (PrRe)方法和Two-Stage Classifier (TSC)，结合K-Nearest Neighbors和Prototype Classifier，以优化少样本类增量学习的性能	NA	提高少样本类增量学习（FSCIL）的效率，避免模型遗忘先前学习的任务	预训练的Vision Transformer (ViT)模型	computer vision	NA	Prompt Learning, K-Nearest Neighbors, Prototype Classifier	Vision Transformer (ViT)	image	NA