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
9601	2025-01-24	Machine Learning Approaches in High Myopia: Systematic Review and Meta-Analysis 2025-Jan-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57644 PMID:39753217	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习（ML）在高度近视和病理性近视诊断中的表现，并探讨了其在预测疾病进展中的潜力	首次通过荟萃分析全面评估了机器学习在高度近视和病理性近视诊断中的准确性，并比较了深度学习（DL）与传统机器学习方法的性能差异	研究依赖于现有文献，可能存在发表偏倚；部分研究样本量较小，可能影响结果的普适性	评估机器学习在高度近视和病理性近视诊断中的表现，为智能诊断或预测工具的开发提供循证支持	高度近视、病理性近视及高度近视相关青光眼	机器学习	眼科疾病	机器学习（ML）、深度学习（DL）	深度学习（DL）、传统机器学习（非DL）	图像数据	45项研究，其中32项用于定量荟萃分析
9602	2025-01-24	Seg-SkiNet: adaptive deformable fusion convolutional network for skin lesion segmentation 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1451 PMID:39838982	研究论文	本文提出了一种名为Seg-SkiNet的自适应可变形融合卷积网络，用于精确分割皮肤病变，特别是复杂形状和小目标病变	Seg-SkiNet集成了双通道卷积编码器、多尺度多感受野提取与细化模块以及局部-全局信息交互融合解码器，有效捕捉病变的边缘特征和深层内部特征，并通过扩展卷积核的感受野来整合小目标病变的多尺度特征	NA	设计一种定制的深度学习模型，用于精确分割皮肤病变，特别是复杂形状和小目标病变	皮肤病变	计算机视觉	皮肤癌	深度学习	自适应可变形融合卷积网络（Seg-SkiNet）	图像	三个公开数据集：ISIC-2016、ISIC-2017和ISIC-2018
9603	2025-01-24	Deep learning models for CT image classification: a comprehensive literature review 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1400 PMID:39838987	综述	本文综述了深度学习在CT图像分类中的应用，特别是在COVID-19检测和肺结节分类中的进展	探讨了从传统卷积神经网络到复杂基础模型的深度学习架构演变，以及在CT图像分析中的应用创新	存在数据变异性、高质量数据集需求、计算需求等技术挑战，以及可解释性、验证和法规遵从性方面的挑战	探讨深度学习在CT图像分析中的应用，特别是在COVID-19和肺结节检测中的作用	CT图像	计算机视觉	肺癌	深度学习	CNN, FMs	图像	NA
9604	2025-01-24	Automated elbow ultrasound image recognition: a two-stage deep learning system via Swin Transformer 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-763 PMID:39839003	研究论文	本文介绍了一种基于Swin Transformer的两阶段深度学习系统，用于自动化肘部超声图像的识别和质量评估	创新点在于使用Swin Transformer作为骨干网络，构建了两阶段模型，显著提高了图像分类和质量评估的准确性和效率	未明确提及研究的局限性	开发并评估一种自动化系统，用于评估超声图像是否符合标准并识别其具体类别，以提高MSK超声诊断的效率和准确性	肘部超声图像	计算机视觉	肌肉骨骼损伤	深度学习	Swin Transformer-based Unet	图像	未明确提及样本数量
9605	2025-01-24	Evolutionary patterns and research frontiers of artificial intelligence in age-related macular degeneration: a bibliometric analysis 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1406 PMID:39839014	研究论文	本文通过文献计量分析，系统评估了人工智能在年龄相关性黄斑变性（AMD）领域的研究现状，揭示了出版模式、有影响力的贡献者和研究趋势	首次对人工智能在AMD领域的研究进行了全面的定量分析，揭示了三个不同的研究阶段，并指出了深度学习模型在AMD诊断和进展预测中的应用以及大语言模型（LLMs）和视觉语言模型（VLMs）在图像处理中的新兴研究方向	研究仅基于Web of Science Core Collection的数据，可能未涵盖所有相关文献	系统评估人工智能在AMD领域的研究现状，揭示关键趋势和新兴研究方向	年龄相关性黄斑变性（AMD）	机器学习	老年疾病	深度学习（DL）、大语言模型（LLMs）、视觉语言模型（VLMs）	深度学习模型	文献数据	1,721篇出版物
9606	2025-01-24	Bibliometric analysis of research on the application of deep learning to ophthalmology 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1340 PMID:39839016	研究论文	本文通过文献计量分析探讨了深度学习在眼科领域的应用研究趋势和当前研究方向	首次对深度学习在眼科领域的应用进行了全面的文献计量分析，识别了四个不同的研究集群	数据仅来源于Web of Science Core Collection，可能未涵盖所有相关研究	描述深度学习在眼科领域的国际研究趋势和当前研究方向	深度学习在眼科领域的应用研究	计算机视觉	眼科疾病	文献计量分析	NA	文本	3,055篇文章
9607	2025-01-24	MacNet: a mobile attention classification network combining convolutional neural network and transformer for the differentiation of cervical cancer 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-810 PMID:39839018	研究论文	本文提出了一种结合卷积神经网络和Transformer的移动注意力分类网络（MacNet），用于宫颈癌细胞分化的分类	创新性地将注意力机制与卷积神经网络结合，利用多尺度特征提取和自适应融合模块，提高了宫颈癌细胞分化分类的准确性	未提及具体的数据集大小或样本多样性，可能影响模型的泛化能力	提高宫颈癌细胞分化分类的准确性，并定量分析宫颈癌细胞分化	宫颈癌细胞分化的病理图像	计算机视觉	宫颈癌	深度学习	CNN, Transformer	图像	未提及具体样本数量
9608	2025-01-24	Metastasis lesion segmentation from bone scintigrams using encoder-decoder architecture model with multi-attention and multi-scale learning 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1246 PMID:39839026	研究论文	本研究开发了一种基于深度学习的模型，用于自动分割骨闪烁图中的转移病灶，以提高诊断准确性	该模型采用了多注意力学习方案和多尺度学习策略，结合了非局部注意力方案和视觉变换器（ViT），以及多尺度特征学习和多池化学习策略，能够准确检测和提取位置和强度随机性高的不同大小病灶	NA	开发一种深度学习模型，用于自动分割骨闪烁图中的转移病灶，以提高诊断准确性	骨闪烁图中的转移病灶	计算机视觉	骨转移	深度学习	编码器-解码器架构模型	图像	临床单光子发射计算机断层扫描（SPECT）骨闪烁图数据
9609	2025-01-24	Reproducibility of automatic adipose tissue segmentation using proton density fat fraction images between 1.5 and 3.0 T magnetic resonance 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1306 PMID:39839031	研究论文	本研究评估了使用深度学习模型在不同磁场强度下对全身脂肪组织分布分析的重复性	首次在不同磁场强度（1.5 T和3.0 T）下评估了基于深度学习的脂肪组织分割方法的重复性	在胸部的IAT体积、TAT/WH比率和SAT/TAT比率指标上，由于不同磁场强度的敏感性效应，重复性较差	评估在不同磁场强度下使用质子密度脂肪分数（PDFF）图像进行全身脂肪组织分布分析的重复性	24名志愿者	医学影像分析	代谢健康相关疾病	磁共振成像（MRI）	U-Net	图像	24名志愿者
9610	2025-01-24	Development and validation of a multi-parametric MRI deep-learning model for preoperative lymphovascular invasion evaluation in rectal cancer 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-789 PMID:39839029	研究论文	本研究开发并验证了一种基于多参数MRI的深度学习模型，用于术前评估直肠癌患者的淋巴血管侵犯状态	首次结合T2加权图像、扩散加权图像和临床因素，构建了一个综合模型来评估直肠癌的淋巴血管侵犯状态，并在外部中心进行了验证	研究为回顾性设计，样本量相对有限，且仅来自两个中心，可能限制了模型的泛化能力	开发并验证一种基于MRI的深度学习模型，用于术前评估直肠癌患者的淋巴血管侵犯状态	直肠癌患者	数字病理	直肠癌	MRI	3D ResNet-18	图像	489名患者（320名训练集，80名内部验证集，89名外部测试集）
9611	2025-01-24	Brain tumor enhancement prediction from pre-contrast conventional weighted images using synthetic multiparametric mapping and generative artificial intelligence 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-721 PMID:39839033	研究论文	本研究提出了一种使用生成人工智能从预对比常规加权图像中预测脑肿瘤增强的方法，以减少对钆基对比剂（GBCAs）的依赖	通过深度学习生成合成参数图，从预对比常规加权图像中预测T1加权增强，避免了使用GBCAs	研究样本量较小，仅包括15名胶质瘤患者和5名健康志愿者，且需要进一步验证在其他数据集上的泛化能力	减少对钆基对比剂的依赖，通过合成参数图预测脑肿瘤增强	胶质瘤患者和健康志愿者的脑部图像	数字病理学	脑肿瘤	深度学习	生成人工智能	图像	15名胶质瘤患者、5名健康志愿者和493名胶质母细胞瘤患者
9612	2025-01-24	Chemical shift encoding based double bonds quantification in triglycerides using deep image prior 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1507 PMID:39839039	研究论文	本研究评估了一种利用深度图像先验（DIP）的深度学习方法，用于从化学位移编码的多回波梯度回波图像中量化甘油三酯中的双键和亚甲基间隔双键，无需网络训练	该方法通过基于信号约束的成本函数，在单张图像切片上通过迭代过程不断优化神经网络参数，实现了无需网络训练的双键量化	研究主要基于幻影实验和少量扫描，样本量较小，且未在大规模临床数据上验证	评估深度图像先验（DIP）在量化甘油三酯中双键和亚甲基间隔双键方面的潜力	甘油三酯中的双键和亚甲基间隔双键	计算机视觉	代谢紊乱和炎症	化学位移编码的多回波梯度回波成像	深度图像先验（DIP）	图像	幻影实验和少量扫描
9613	2025-01-24	Using resting-state functional magnetic resonance imaging and contrastive learning to explore changes in the Parkinson's disease brain network and correlations with gait impairment 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1227 PMID:39839056	研究论文	本研究利用静息态功能磁共振成像（rs-fMRI）数据和对比学习方法，探索帕金森病（PD）患者脑网络的变化及其与步态障碍的相关性	首次将深度学习模型应用于rs-fMRI数据以区分PD患者和健康对照组（HCs），并首次将客观步态参数与PD患者的脑网络变化相关联	样本量较小，仅包括29名PD患者和38名健康对照组	探索PD患者脑网络中的异常连接区域，并研究这些区域与步态参数的相关性	帕金森病患者和健康对照组	计算机视觉	帕金森病	静息态功能磁共振成像（rs-fMRI）	卷积神经网络（CNN）和对比学习（CL）	图像	29名PD患者和38名健康对照组
9614	2025-01-24	An automatic and real-time echocardiography quality scoring system based on deep learning to improve reproducible assessment of left ventricular ejection fraction 2025-Jan-02, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-512 PMID:39839058	研究论文	本研究开发了一种基于深度学习的自动实时超声心动图质量评分系统，旨在提高左心室射血分数评估的可重复性	创新性地开发了一种深度学习模型，能够实时自主检测心脏关键解剖结构，并提供质量评分和左心室射血分数估计	模型在加权平均精度和加权平均召回率方面表现一般，评分范围在0.5到0.6之间	开发一种自动实时超声心动图质量评估系统，减少左心室射血分数测量误差	超声心动图数据集	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	来自10个中国医疗中心的2461名参与者的5000多个超声心动图数据集，以及来自两个外部医疗中心的175名参与者用于模型验证
9615	2025-01-24	A multi-patch-based deep learning model with VGG19 for breast cancer classifications in the pathology images 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241313161 PMID:39839961	研究论文	本文提出了一种基于多片段的深度学习模型MPa-DCAE，结合VGG19用于病理图像中的乳腺癌检测和分类	MPa-DCAE模型结合了VGG19的层次特征提取能力和深度卷积自编码器（DCAE）框架，通过多片段方法提取病理图像中的感兴趣区域，增强了模型的判别能力	NA	开发一种自动化的乳腺癌诊断方法，以提高病理图像中乳腺癌检测和分类的准确性	乳腺癌病理图像	计算机视觉	乳腺癌	深度学习	VGG19, DCAE	图像	CBIS-DDSM和MIAS数据集
9616	2025-01-24	Artificial Intelligence-Assisted Segmentation of a Falx Cerebri Calcification on Cone-Beam Computed Tomography: A Case Report 2024-Dec-12, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina60122048 PMID:39768927	研究论文	本文探讨了人工智能在锥形束计算机断层扫描（CBCT）图像中分割和检测大脑镰钙化的应用	利用基于云的人工智能平台分析CBCT图像，有效分割大脑镰钙化，尽管在区分这些钙化与其他颅骨结构方面仍存在挑战	在区分大脑镰钙化与其他颅骨结构方面仍存在挑战，且该领域的研究文献较少	探索人工智能在放射学诊断中的应用，特别是用于检测大脑镰钙化	大脑镰钙化	计算机视觉	颅内钙化	锥形束计算机断层扫描（CBCT）	深度学习	图像	1例59岁患者
9617	2025-01-24	From pixels to patients: the evolution and future of deep learning in cancer diagnostics 2024-Dec-11, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.11.009 PMID:39665958	评论	本文探讨了深度学习在癌症诊断中的演变和未来，强调了神经网络架构在生物医学研究中的进展及其对医学影像解释和多模态数据整合的影响	提出了开发能够整合多样化数据源的多模态大型语言模型的需求，这些模型有潜力显著提高癌症诊断的精确性和效率	文章未具体提及现有技术的局限性	探讨深度学习在癌症诊断中的应用及其未来发展方向	癌症诊断中的深度学习技术	数字病理学	癌症	深度学习	大型语言模型	多模态数据	NA
9618	2025-01-24	Deep-AutoMO: Deep automated multiobjective neural network for trustworthy lesion malignancy diagnosis in the early stage via digital breast tomosynthesis 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109299 PMID:39437606	研究论文	本研究开发了一种新型深度自动化多目标神经网络（Deep-AutoMO），用于通过数字乳腺断层合成（DBT）进行早期乳腺癌恶性病变的可信诊断	提出了多目标免疫神经架构搜索（MINAS）和基于熵的证据推理（ERE）方法，以在训练和测试阶段实现模型的平衡、安全和鲁棒性	未提及具体的数据集规模或外部验证结果	开发一种可信赖的深度学习模型，用于早期乳腺癌恶性病变的诊断	数字乳腺断层合成（DBT）图像	计算机视觉	乳腺癌	深度学习	ResNet、DenseNet	图像	未提及具体样本数量
9619	2025-01-24	Role of Artificial Intelligence in MRI-Based Rectal Cancer Staging: A Systematic Review 2024-Dec, Cureus DOI:10.7759/cureus.76185 PMID:39840208	系统综述	本文系统综述了人工智能（AI）在基于磁共振成像（MRI）的直肠癌（RC）分期中的应用及其表现	首次对AI在MRI-based RC分期中的表现进行了全面评估，涵盖了多种AI模型和MRI技术	仅纳入了14项研究，样本量较小，且未对不同AI模型进行直接比较	评估AI模型在MRI-based RC分期中的诊断性能	直肠癌（RC）患者	数字病理	直肠癌	MRI	深度学习（DL）、卷积神经网络（CNN）、随机森林分类器、LASSO等	MRI图像（T1加权、T2加权、扩散加权图像等）	14项研究，涉及716条记录
9620	2025-01-24	Automated cell lineage reconstruction using label-free 4D microscopy 2024-Oct-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	本文介绍了一种名为embGAN的深度学习管道，用于在无标记3D延时成像中实现自动化细胞检测和跟踪	embGAN无需手动数据注释进行训练，能够学习到具有高度尺度不变性的稳健检测，并在多个实验室和仪器上获得的图像上表现出良好的泛化能力	目前尚无解决方案可用于在密集组织和胚胎的无标记3D成像中实现自动化细胞检测和跟踪	开发一种自动化细胞检测和跟踪方法，以支持高通量的细胞谱系研究	线虫Caenorhabditis elegans胚胎	计算机视觉	NA	4D无标记显微镜	GAN	3D时间序列图像	NA