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
9341	2025-01-11	Visualizing Preosteoarthritis: Updates on UTE-Based Compositional MRI and Deep Learning Algorithms 2025-Jan-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29710 PMID:39792443	综述	本文综述了基于超短回波时间（UTE）的磁共振成像（MRI）技术和深度学习算法在可视化骨关节炎（OA）前期病变中的应用	结合UTE-MRI技术和深度学习算法，实现对短T2组织的直接可视化和定量成分评估，革新了MRI分析方式，如自动组织分割和定量图像生物标志物提取	证据等级为5，技术效能为第2阶段，表明研究尚处于初步阶段，需进一步验证	探讨如何通过先进成像技术和深度学习算法实现OA前期的可视化和管理	骨关节炎（OA）前期病变，包括软骨、半月板/唇、韧带和肌腱等短T2组织	数字病理学	骨关节炎	超短回波时间磁共振成像（UTE-MRI）	深度学习（DL）	MRI图像	NA
9342	2025-01-11	Multiparametric MRI for Assessment of the Biological Invasiveness and Prognosis of Pancreatic Ductal Adenocarcinoma in the Era of Artificial Intelligence 2025-Jan-09, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29708 PMID:39781607	研究论文	本文探讨了多参数磁共振成像（mpMRI）结合人工智能（AI）在评估胰腺导管腺癌（PDAC）生物学侵袭性和预后中的应用	利用AI增强的多参数磁共振成像技术，提供形态和功能信息，以量化肿瘤内特征，并预测PDAC的生物学特性和预后	当前的AI模型主要基于单一模态，样本量相对较小，技术可重复性和生物学解释面临新的挑战	评估和预测胰腺导管腺癌的生物学侵袭性和预后	胰腺导管腺癌（PDAC）	医学影像分析	胰腺癌	多参数磁共振成像（mpMRI）	深度学习	影像	相对较小的样本量
9343	2025-01-11	Multiple constraint network classification reveals functional brain networks distinguishing 0-back and 2-back task 2025-Jan-09, Canadian journal of experimental psychology = Revue canadienne de psychologie experimentale DOI:10.1037/cep0000360 PMID:39786863	研究论文	本研究利用多约束深度学习分类器分析儿童在执行不同情绪-back任务条件下的全脑血氧水平依赖（BOLD）活动模式，以识别任务类别和功能连接性	采用多变量模式分析和多约束深度学习分类器，提高了检测非线性任务差异或分布式活动模式差异的敏感性	样本量较小，仅包含20名儿童，可能限制结果的普遍性	识别区分0-back和2-back任务的功能性脑网络	儿童在执行情绪-back任务时的全脑BOLD活动模式	神经影像学	NA	多变量模式分析，深度学习分类器	神经网络分类器	功能成像数据	20名儿童
9344	2025-01-11	Deep Learning Models for Automatic Classification of Anatomic Location in Abdominopelvic Digital Subtraction Angiography 2025-Jan-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01351-z PMID:39789320	研究论文	本文探讨了常规数字减影血管造影（DSA）中的信息，并评估了深度学习算法在DSA序列中自动识别解剖位置的能力	开发了基于单图像预测的Mode模型和多重实例学习（MIL）模型，用于DSA序列的位置分类，并展示了高精度的多类分类准确率	数据中存在信息稀疏性，只有少数图像被专家标记为具有足够定位信息的“关键”图像	评估深度学习算法在DSA序列中自动识别解剖位置的性能	腹部主动脉、腹腔、上肠系膜、下肠系膜和双侧外髂动脉的DSA图像	计算机视觉	心血管疾病	数字减影血管造影（DSA）	Mode模型, 多重实例学习（MIL）模型	图像	205名患者的819个独特的血管造影序列
9345	2025-01-11	Innovative breast cancer detection using a segmentation-guided ensemble classification framework 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00435-7 PMID:39781047	研究论文	本文介绍了一种新颖的分割引导分类模型，旨在提高乳腺癌检测的准确性	提出了一种结合分割和集成分类的两阶段模型，通过注意力机制和多种分类器的集成，显著提高了乳腺癌检测的准确性和分割性能	未提及模型在不同数据集上的泛化能力或实际临床应用中的潜在挑战	提高乳腺癌的早期检测和诊断准确性	乳腺癌的超声图像	计算机视觉	乳腺癌	深度学习	Attention U-Net, 支持向量机, 决策树, k近邻, 人工神经网络, 随机森林	图像	未明确提及样本数量，但使用了超声图像数据集
9346	2025-01-11	Enhanced diagnosis of pes planus and pes cavus using deep learning-based segmentation of weight-bearing lateral foot radiographs: a comparative observer study 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00439-3 PMID:39781051	研究论文	本文开发了一种基于深度学习的语义分割模型，用于增强对足部负重侧位X光片中扁平足和高弓足的诊断	使用深度学习模型（特别是U-Net）进行语义分割，结合Dice Loss和边界损失函数，提高了分割精度和边界区域的精确描绘	研究仅使用了年轻韩国男性的数据，可能限制了模型的普适性	提高对扁平足和高弓足的诊断准确性	足部负重侧位X光片	计算机视觉	足部疾病	深度学习	U-Net	图像	300张连续的足部负重侧位X光片，来自年轻韩国男性
9347	2025-01-11	Gaussianmorph: deformable medical image registration with Gaussian noise constraints 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00428-6 PMID:39781058	研究论文	本文提出了一种基于深度学习的医学图像配准方法GaussianMorph，通过级联两个VoxelMorph卷积神经网络来提高配准性能	引入了增强特征编码器（EF-encoder）块，通过注意力机制实现特征增强，并在第二个网络中引入高斯噪声约束以提升配准性能	级联网络在训练和推理阶段耗时较长	提高医学图像配准的精度	医学图像	计算机视觉	NA	深度学习	VoxelMorph卷积神经网络	图像	LPBA40和HBN数据集
9348	2025-01-11	Brain-inspired learning rules for spiking neural network-based control: a tutorial 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00436-6 PMID:39781065	教程	本文回顾了受大脑启发的学习规则，并探讨了脉冲神经网络在控制任务中的应用	探讨了将全局第三因素与脉冲时间依赖可塑性相结合的方法，并提出了通过权重反向传播局部应用第三因素的方法	未提及具体实验数据或样本量，可能缺乏实证支持	研究脉冲神经网络在控制任务中的应用，以解决深度神经网络在实时数据处理中的能耗和延迟问题	脉冲神经网络及其在控制任务中的应用	机器学习	NA	脉冲时间依赖可塑性（STDP）	脉冲神经网络（SNN）	时空信息	NA
9349	2025-01-11	Spinal tissue identification using a Forward-oriented endoscopic ultrasound technique 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00440-w PMID:39781062	研究论文	本研究提出了一种前向超声内镜系统，用于提高自动识别脊柱软组织的准确性和有效性	使用前向超声内镜系统进行脊柱软组织的实时术中识别，提高了微创脊柱手术的精确性和安全性	研究仅使用了离体的绵羊脊柱软组织样本，未涉及人体样本	提高微创脊柱手术中脊柱软组织的自动识别准确性和有效性	绵羊脊柱的软组织样本	医学影像	脊柱疾病	前向超声内镜技术	DenseNet, 一维Vision Transformer (ViT)	超声图像	758个离体绵羊脊柱软组织样本
9350	2025-01-11	A Review for automated classification of knee osteoarthritis using KL grading scheme for X-rays 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00437-5 PMID:39781063	综述	本文综述了使用KL分级方案对膝关节骨关节炎（KOA）进行自动分类的最新进展	本文总结了近年来利用人工智能、机器学习和深度学习技术对KOA进行自动放射学分类和检测的最新进展	本文主要基于85篇研究或综述文章，可能未涵盖所有相关研究	旨在回顾基于KL系统的KOA自动放射学分类和检测的最新进展	膝关节骨关节炎（KOA）的X光片	计算机视觉	骨关节炎	NA	NA	图像	85篇文章
9351	2025-01-11	Addendum to: The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT 2025, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-249001 PMID:39792355	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9352	2025-01-11	[Research progress on prognostic prediction models for patients undergoing extracorporeal membrane oxygenation] 2024-Dec, Zhonghua wei zhong bing ji jiu yi xue DOI:10.3760/cma.j.cn121430-20240715-00598 PMID:39780683	研究论文	本文综述了体外膜肺氧合（ECMO）患者预后预测模型的研究进展，并提出了未来模型开发的方向	分类现有ECMO成人患者的预后模型，并提出了多中心前瞻性研究、机器学习和深度学习技术整合等未来发展方向	现有模型在样本量、多中心验证、静态数据分析和模型适用性方面存在局限性	优化治疗决策和提高患者生存率	接受ECMO治疗的患者	医学	呼吸衰竭和循环衰竭	ECMO	预后预测模型	临床数据	NA
9353	2025-01-11	Assessing Artificial Intelligence in Oral Cancer Diagnosis: A Systematic Review 2024-Oct-29, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000010663 PMID:39787481	系统综述	本文系统评估了2020年至2024年间人工智能技术在口腔癌检测和诊断中的有效性和准确性	首次系统性地评估了人工智能在口腔癌诊断中的应用，涵盖了多种AI技术和数据类型	数据集变异性和监管问题是主要限制	评估人工智能技术在口腔癌检测和诊断中的有效性和准确性	口腔癌	数字病理学	口腔癌	机器学习和深度学习算法	NA	图像和病理切片	12篇研究论文
9354	2025-01-11	Precision Opioid Prescription in ICU Surgery: Insights from an Interpretable Deep Learning Framework 2024, Journal of surgery (Lisle, IL) DOI:10.29011/2575-9760.11189 PMID:39781484	研究论文	本文开发了一种可解释的深度学习框架，用于评估个体特征对术后阿片类药物使用的影响，并识别重要因素	提出了一个可解释的深度学习框架，结合Permutation Feature Importance Test (PermFIT)方法，提高了模型在临床实践中的可接受性	尽管DNN模型表现优异，但其解释性仍然依赖于PermFIT方法，可能限制了其在某些临床场景中的应用	准确预测术后阿片类药物需求，并理解相关因素，以指导适当的阿片类药物使用，提高患者安全和恢复效果	ICU手术患者	机器学习	NA	Permutation Feature Importance Test (PermFIT)	Deep Neural Networks (DNN), Support Vector Machines, eXtreme Gradient Boosting, Random Forest	电子健康记录	4,912名手术患者
9355	2025-01-07	EEG-based cross-subject passive music pitch perception using deep learning models 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10196-9 PMID:39758357	研究论文	本研究利用深度学习模型，基于脑电图（EEG）数据，探索跨被试的音乐音高感知	提出了轻量级改进的EEGNet模型用于EEG音高分类，并采用分类器集成方法构建跨被试模型	研究仅针对小提琴的G3和B6音高，未涵盖更广泛的音高范围	客观检测和解码跨被试的音乐音高感知的脑响应	34名被试在听到小提琴G3和B6音高时的EEG信号	机器学习	NA	EEG	改进的EEGNet模型	EEG信号	34名被试
9356	2025-01-07	Deep learning enabled near-isotropic CAIPIRINHA VIBE in the nephrogenic phase improves image quality and renal lesion conspicuity 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100622 PMID:39758710	研究论文	本研究探讨了深度学习加速的CAIPIRINHA-VIBE技术在肾脏成像中的应用，以提升图像质量和病变检测能力	首次将深度学习技术应用于CAIPIRINHA-VIBE序列，以改善肾脏成像的图像质量和病变显着性	DL-CAIPIRINHA-VIBE呈现出更多的合成外观和混叠伪影	比较DL-CAIPIRINHA-VIBE与标准CAIPIRINHA-VIBE在肾脏成像中的图像质量和病变检测能力	50名患者，包括23个实性和45个囊性肾脏病变	医学影像	肾脏疾病	深度学习加速的CAIPIRINHA-VIBE技术	深度学习模型	MRI图像	50名患者，68个肾脏病变
9357	2025-01-07	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	研究论文	本文开发了多种深度学习模型，利用眼底自发荧光（FAF）图像预测地理萎缩（GA）病变的1年增长区域（ROG）	首次使用深度学习模型预测GA病变的1年增长区域，并比较了不同时间点FAF图像的预测效果	研究为回顾性分析，可能受到数据选择和模型训练的限制	预测地理萎缩（GA）病变的1年增长区域，以支持临床试验和临床治疗决策	地理萎缩（GA）病变	计算机视觉	老年性疾病	深度学习	2D U-Net	图像	597名患者的研究眼数据，分为训练集（310）、验证集（78）和测试集（209）
9358	2025-01-07	Optical coherence tomography: implications for neurology 2025-Feb-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001340 PMID:39704153	综述	本文探讨了光学相干断层扫描（OCT）在神经学实践中的作用，特别是在诊断和监测视乳头水肿、视神经炎和视网膜动脉阻塞等疾病中的应用	OCT作为一种非侵入性工具，能够有效检测和监测视觉通路中的神经轴索损伤，结合深度学习算法提高了诊断准确性和预测能力	NA	探讨OCT在神经学中的应用，特别是在诊断和监测视觉通路相关疾病中的作用	视乳头水肿、视神经炎、视网膜动脉阻塞等疾病患者	数字病理学	神经系统疾病	光学相干断层扫描（OCT）	深度学习算法	图像	NA
9359	2025-01-07	Artificial intelligence and stroke imaging 2025-Feb-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001333 PMID:39760722	综述	本文探讨了人工智能在卒中影像学中的应用及其潜力	提出了深度学习技术在卒中影像学中的高保真预测、描述和推理工具的应用，并探讨了生成模型在解决当前障碍中的潜力	尽管人工智能在卒中影像学中的潜力巨大，但在实际临床应用中仍面临数据噪声、不完整、偏见和小规模数据的挑战	探讨人工智能在卒中影像学中的应用，以实现个体化精准医疗	卒中影像学数据	医学影像	卒中	深度学习	生成模型	影像数据	NA
9360	2025-01-07	Deep learning-based segmentation of acute ischemic stroke MRI lesions and recurrence prediction within 1 year after discharge: A multicenter study 2025-Jan-26, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2024.12.002 PMID:39631660	研究论文	本研究探讨了基于深度学习的急性缺血性卒中（AIS）患者脑部MRI梗死病灶分割的性能，以及放射组学在出院后1年内复发预测的价值，并开发了一个结合放射组学特征和临床因素的模型来准确预测AIS复发	使用多尺度残差注意力UNet（MRA-UNet）进行MRI病灶分割，并结合放射组学数据和临床数据开发了预测AIS复发的模型	未提及具体样本量，且模型在验证集上的表现可能受到样本选择偏差的影响	提高急性缺血性卒中患者MRI病灶分割的准确性，并预测出院后1年内的复发风险	急性缺血性卒中患者的脑部MRI图像	医学影像分析	急性缺血性卒中	MRI	MRA-UNet, LR, RF, CatBoost, XGBoost	图像, 临床数据	未提及具体样本量