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
9961	2024-12-23	AELGNet: Attention-based Enhanced Local and Global Features Network for medicinal leaf and plant classification 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109447 PMID:39608035	研究论文	本文提出了一种基于注意力机制的增强局部和全局特征网络（AELGNet），用于药用植物和叶子的分类	本文的创新点在于结合了局部和全局特征提取，并引入了残差通道和空间注意力机制，以提高分类性能	本文的局限性在于实验仅使用了印度药用植物的数据集，可能限制了方法的普适性	研究目的是开发一种高效准确的药用植物和叶子分类方法	研究对象是药用植物及其叶子	计算机视觉	NA	深度学习	AELGNet	图像	使用了印度药用植物的数据集
9962	2024-12-23	Deep Learning Predicts Lymphovascular Invasion Status in Muscle Invasive Bladder Cancer Histopathology 2025-Jan, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16422-2 PMID:39472420	研究论文	开发了一种基于深度学习的模型SBLVIP，用于预测肌肉浸润性膀胱癌患者的淋巴血管侵犯状态	首次使用深度学习模型SBLVIP在全切片图像上预测肌肉浸润性膀胱癌患者的淋巴血管侵犯状态	需要进一步验证模型在不同数据集和临床环境中的泛化能力	开发一种深度学习模型，用于准确识别肌肉浸润性膀胱癌患者的淋巴血管侵犯状态，以进行有效的风险分层和精准治疗	肌肉浸润性膀胱癌患者的淋巴血管侵犯状态	数字病理学	膀胱癌	深度学习	NA	图像	使用了来自TCGA数据库的队列进行训练，并在武汉大学人民医院和汉川市人民医院的队列中进行外部验证
9963	2024-12-23	Utilization of a hierarchical electrocardiogram classification model for enhanced biometric identification 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109254 PMID:39522129	研究论文	本文提出了一种两阶段的基于心电图（ECG）信号的用户识别系统，通过结合ECG信号和状态信息来提高动态特征学习能力	本文的创新点在于提出了一种两阶段的分类模型，能够有效应对ECG信号在不同压力状态下的动态变化，从而提高用户识别的准确性	本文的局限性在于仅使用了两个数据库进行性能评估，未来需要更多的实验数据来验证模型的泛化能力	本文的研究目的是提高基于ECG信号的用户识别系统的实用性和准确性	本文的研究对象是心电图（ECG）信号及其在用户识别中的应用	机器学习	NA	NA	两阶段分类模型	信号	使用了CSU-BIODB和MIT-BIH ST Change数据库，分别获得了92.08%和95.83%的识别准确率
9964	2024-12-23	A novel semi-supervised learning model based on pelvic radiographs for ankylosing spondylitis diagnosis reduces 90% of annotation cost 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109232 PMID:39522130	研究论文	本研究开发了一种基于半监督学习的深度学习模型，用于通过骨盆X光片诊断强直性脊柱炎，显著降低了标注成本	首次将半监督学习应用于通过骨盆X光片诊断强直性脊柱炎，实现了90%的标注成本降低	NA	开发一种能够在有限标注数据下达到人类专家水平性能的强直性脊柱炎诊断模型	强直性脊柱炎的诊断	机器学习	骨骼疾病	半监督学习	深度神经网络	图像	5389张骨盆X光片，其中431张有标签，3880张无标签
9965	2024-12-23	Integrating PET/CT, radiomics and clinical data: An advanced multi-modal approach for lymph node metastasis prediction in prostate cancer 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109339 PMID:39522134	研究论文	本研究开发了一种深度学习模型，结合PET/CT影像、放射组学特征和临床参数，用于预测前列腺癌患者的淋巴结转移	本研究创新性地整合了PET/CT影像、放射组学特征和临床数据，提出了一种多模态方法来预测前列腺癌患者的淋巴结转移	本研究的样本量相对较小，且仅限于中高风险的前列腺癌患者，可能限制了模型的泛化能力	开发一种深度学习模型，用于预测前列腺癌患者的淋巴结转移，以辅助临床决策	中高风险的前列腺癌患者及其淋巴结转移情况	数字病理学	前列腺癌	深度学习	MNASNet	影像、文本	229名前列腺癌患者
9966	2024-12-23	Measurement of ureteral length: Comparison of deep learning-based method and other estimation methods on CT and KUB 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109374 PMID:39522131	研究论文	本文比较了基于深度学习的方法与其他估计方法在CT和KUB图像上测量输尿管长度的效果	本文提出了一种基于深度学习的3D模型，用于在CT尿路造影图像上自动测量输尿管长度，并证明其准确性和可靠性优于传统测量方法	本文仅在回顾性队列中进行了验证，未来需要在更大规模的前瞻性研究中进一步验证	利用深度学习方法在CT尿路造影图像上测量输尿管长度，并与传统方法进行比较	输尿管长度测量方法的准确性和可靠性	计算机视觉	NA	深度学习	3D模型	图像	411例患者用于模型开发，220例患者用于模型测试，共测量了437条输尿管的长度
9967	2024-12-23	Segmentation of breast lesion using fuzzy thresholding and deep learning 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109406 PMID:39531925	研究论文	本文提出了一种结合模糊阈值和深度学习的乳腺癌病变分割方法	本文创新性地将模糊C均值阈值（FCMTH）与深度学习网络结合，通过预处理图像提高了分割精度	本文仅使用了7名患者的123张DCE-MRI图像进行实验，样本量较小	提高乳腺癌病变分割的准确性	乳腺癌病变	计算机视觉	乳腺癌	DCE-MRI	DeepLabv3+	图像	7名患者的123张DCE-MRI图像
9968	2024-12-23	Database, prediction, and antibacterial research of astringency based on large language models 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109375 PMID:39531926	研究论文	本文介绍了基于大型语言模型的单宁数据库、预测和抗菌研究	首次创建了一个包含238个分子的全面单宁数据库，并开发了一个结合大型语言模型、深度学习和传统机器学习的基于配体的预测框架，用于增强分子和肽的预测	NA	研究单宁的感官体验及其与抗菌活性的关系	单宁分子及其抗菌特性	机器学习	NA	大型语言模型、深度学习、传统机器学习	Ligand-Based Prediction (LBP)框架	分子数据	238个分子
9969	2024-12-23	Explaining deep learning models for age-related gait classification based on acceleration time series 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109338 PMID:39536383	研究论文	本研究使用深度学习模型和可解释人工智能技术，基于加速度时间序列对与年龄相关的步态分类进行解释	本研究首次将SHapley Additive exPlanations (SHAP)应用于解释深度学习模型在步态分类中的预测结果，提升了模型的透明度	本研究仅使用了单一的传感器位置（L3），且样本量相对较小，可能限制了结果的普适性	旨在通过可解释的人工智能技术提高深度学习模型在步态分类中的透明度，促进其在临床应用中的接受度	研究对象为129名成年人和115名老年人，年龄均大于65岁	机器学习	NA	深度学习	卷积神经网络 (CNN) 和门控循环单元 (GRU)	加速度时间序列	244名参与者，包括129名成年人和115名老年人
9970	2024-12-23	SPE-YOLO: A deep learning model focusing on small pulmonary embolism detection 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109402 PMID:39536384	研究论文	本文开发了一种名为SPE-YOLO的深度学习模型，用于提高小肺栓塞的检测准确性	引入小检测头P2、SEAttention机制和ODConv卷积，优化了模型对小目标的检测能力	NA	提高小肺栓塞的检测准确性，以更好地服务于医学诊断和治疗	小肺栓塞的检测	计算机视觉	肺栓塞	深度学习	YOLO	图像	142名患者的图像数据，以及来自RSNA数据集的2000个案例
9971	2024-12-23	BHBA-GRNet: Cancer detection through improved gene expression profiling using Binary Honey Badger Algorithm and Gene Residual-based Network 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109348 PMID:39615230	研究论文	本文提出了一种结合二进制蜜獾算法和基因残差网络的新方法，用于通过基因表达谱数据进行癌症检测	本文的创新点在于引入二进制蜜獾算法进行特征降维，并与基因残差网络结合，无需额外的预处理步骤，从而提高了癌症检测的准确性	本文的局限性在于仅在肺癌和血液型癌症的数据集上进行了验证，尚未在其他癌症类型上进行广泛测试	本文的研究目的是提高基于基因表达微阵列数据的癌症检测准确性	本文的研究对象是肺癌和血液型癌症	机器学习	肺癌	基因表达微阵列	GRNet	基因表达数据	三个代表肺癌和血液型癌症的已建立数据集
9972	2024-12-23	An optimized ensemble search approach for classification of higher-level gait disorder using brain magnetic resonance images 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109457 PMID:39615237	研究论文	本研究探讨了使用深度学习方法，特别是卷积神经网络，通过脑部磁共振图像对高级步态障碍进行分类的可能性	首次在文献中提出使用深度学习方法，通过磁共振图像识别高级步态障碍患者，并引入了一种计算成本较低的搜索算法来优化模型集成	研究结果需要进一步验证，且需要更多研究来理解网络基于哪些脑区进行分类	探索脑部形态与高级步态障碍之间的关联，并验证深度学习方法在此分类任务中的有效性	高级步态障碍患者与对照组的脑部磁共振图像	计算机视觉	老年疾病	磁共振成像	卷积神经网络	图像	来自VESPR大型人群队列的独特数据集
9973	2024-12-23	Multi-criteria Bayesian optimization of Empirical Mode Decomposition and hybrid filters fusion for enhanced ECG signal denoising and classification: Cardiac arrhythmia and myocardial infarction cases 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109462 PMID:39615235	研究论文	本文介绍了一种新的高级模型，用于去噪和分类心电图（ECG）信号，重点是使用混合滤波器和贝叶斯优化	本文创新性地结合了多种滤波器（如EEMD、Chebyshev Type II、Butterworth、Daubechies Wavelet和Savitzky-Golay滤波器），并通过多准则贝叶斯优化过程优化滤波器参数，显著提高了分类准确性	NA	提高心电图信号去噪和分类的准确性，以增强心脏疾病的诊断可靠性	心电图信号的去噪和分类，特别是心律失常和心肌梗死病例	数字病理学	心血管疾病	贝叶斯优化	深度学习架构	信号	NA
9974	2024-12-23	Deep learning for endometrial cancer subtyping and predicting tumor mutational burden from histopathological slides 2024-Dec-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00766-9 PMID:39709501	研究论文	本文提出了一种基于深度学习的TR-MAMIL框架，用于从组织病理学切片中对子宫内膜癌进行亚型分类并预测肿瘤突变负荷	首次提出TR-MAMIL深度学习框架，能够直接从H&E染色的全切片图像中预测肿瘤突变负荷并分类子宫内膜癌亚型，优于现有的七种先进方法	NA	开发一种新的方法来预测子宫内膜癌患者的肿瘤突变负荷，并进行亚型分类，以支持个性化免疫治疗和预后评估	子宫内膜癌患者的肿瘤突变负荷和癌症亚型	数字病理学	子宫内膜癌	深度学习	TR-MAMIL	图像	来自The Cancer Genome Atlas的大规模数据集
9975	2024-12-23	Quantification of urinary albumin in clinical samples using smartphone enabled LFA reader incorporating automated segmentation 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992d PMID:39622082	研究论文	本文介绍了一种使用智能手机辅助的LFA读取器进行临床样本中尿白蛋白定量的方法，通过自动分割技术提高了检测的准确性	本文的创新点在于使用LFA设备进行自动检测和尿白蛋白的定量，并通过YOLOv5模型进行自动分割，减少了干扰	本文未提及具体的样本数量和不同光照条件下的性能差异	开发一种高精度的智能手机辅助尿白蛋白检测方法	临床样本中的尿白蛋白浓度	机器学习	NA	LFA	YOLOv5	图像	NA
9976	2024-12-23	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2024-Dec-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	开发并验证了一种模态不变的3D Swin U-Net Transformer模型，用于在多站点临床双参数MR图像上对肝脏和脾脏进行分割	提出了模态不变的3D Swin U-Net Transformer模型，显著提高了肝脏和脾脏分割的准确性	研究仅限于肝脏和脾脏的分割，未涉及其他器官	开发和验证一种能够在多站点临床双参数MR图像上对肝脏和脾脏进行分割的深度学习模型	肝脏和脾脏的分割	计算机视觉	NA	深度学习	Swin U-Net Transformer	图像	304名患者，包括241个T1w和339个T2w MR序列
9977	2024-12-23	Enhancing classification of active and non-active lesions in multiple sclerosis: machine learning models and feature selection techniques 2024-Dec-20, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01528-6 PMID:39707207	研究论文	本研究探讨了机器学习和深度学习模型在多发性硬化症（MS）活动性和非活动性病变分类中的表现	本研究首次评估了多种机器学习模型和一种顺序深度学习模型在MS病变分类中的性能，并展示了顺序深度学习方法和集成方法在实现稳健预测性能方面的有效性	本研究的局限性在于仅使用了T2加权MRI图像进行分析，未涵盖其他类型的影像数据	评估机器学习和深度学习模型在多发性硬化症活动性和非活动性病变分类中的性能	多发性硬化症的活动性和非活动性病变	机器学习	多发性硬化症	机器学习模型和特征选择技术	顺序深度学习模型和混合梯度提升分类器（HGBC）	图像	75个活动性病变和100个非活动性病变
9978	2024-12-23	Adaptive fusion of dual-view for grading prostate cancer 2024-Dec-17, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102479 PMID:39708679	研究论文	本文提出了一种深度学习方法，通过自适应融合双视角MRI图像来实现前列腺癌的准确分级	设计了一种双视角自适应融合模型，通过动态调整融合权重来充分利用互补信息，并基于不确定性估计自适应加权预测结果	未提及具体实验数据集的样本量和多样性，可能影响模型的泛化能力	开发一种非侵入性且高效的前列腺癌分级方法，以辅助临床诊断	前列腺癌的分级诊断	计算机视觉	前列腺癌	多参数磁共振成像（MRI）	自适应融合模型	图像	NA
9979	2024-12-23	Guidelines for cerebrovascular segmentation: Managing imperfect annotations in the context of semi-supervised learning 2024-Dec-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102474 PMID:39705890	研究论文	本文研究了在半监督学习背景下，针对脑血管理分割任务中不完美标注的数据依赖性，并比较了多种最先进的半监督方法	提出了在半监督学习框架下处理不完美标注的指南，并评估了不同数据量和质量场景下的性能	未提及具体限制	提供脑血管理分割模型的标注和训练指南	脑血管理分割任务中的标注一致性和模型性能	计算机视觉	NA	半监督学习	NA	图像	未提及具体样本数量
9980	2024-12-23	Crucial rhythms and subnetworks for emotion processing extracted by an interpretable deep learning framework from EEG networks 2024-Dec-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae477 PMID:39707986	研究论文	本文提出了一种结合注意力机制和领域对抗策略的深度学习框架，用于从脑电图网络中提取可解释的情感处理特征	本文创新性地结合了注意力机制和领域对抗策略，增强了情感识别的关键节律和子网络的贡献，并提高了跨受试者任务的泛化性能	本文未详细讨论该方法在其他数据集或不同情感识别任务中的适用性	研究目的是从脑电图网络中提取可解释的结构特征，用于情感识别任务	研究对象是脑电图网络中的情感处理特征	机器学习	NA	脑电图	深度学习模型	脑电图数据	使用了SJTU Emotion EEG Dataset (SEED)和实验室记录的脑电图数据