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
10081	2024-12-23	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在没有MRI的情况下，通过深度学习模型使用CT图像实现前列腺自动分割的可能性	提出了基于CT-MRI配准信息的增量学习策略，显著提高了前列腺分割的准确性	研究样本量较小，且仅限于前列腺放射治疗患者	在没有MRI的情况下，通过CT图像实现前列腺自动分割，达到MRI级别的准确性	前列腺的自动分割	数字病理学	前列腺癌	深度学习	深度学习模型	图像	111名前列腺放射治疗患者
10082	2024-12-23	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种新的剂量预测方法——剂量带预测，用于放射治疗中的计划和质量保证	提出了剂量带预测方法，能够提供一系列预测的剂量分布，增加了预测的灵活性和准确性	NA	克服现有深度学习剂量预测方法只能预测单一剂量分布的局限性	鼻咽癌和宫颈癌病例的剂量分布预测	机器学习	癌症	3D神经网络	UBM/LBM	图像	104例鼻咽癌病例（Tomotherapy），54例宫颈癌病例（IMRT），37例宫颈癌病例（VMAT）
10083	2024-12-23	Osteoarthritis year in review 2024: Imaging 2025-Jan, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.10.009 PMID:39490728	综述	本文回顾了2024年期间关于骨关节炎（OA）影像学的最新文献，并识别了当前OA影像学研究的趋势	本文涵盖了AI在OA影像学中的新兴应用，并指出AI工具在OA影像学研究中的应用逐渐增加	本文未提及具体的AI模型或技术细节，且未讨论AI在OA影像学中的潜在局限性	回顾和总结2024年期间关于骨关节炎影像学的研究进展	骨关节炎的影像学研究，特别是膝关节和髋关节的影像学研究	NA	骨关节炎	CT、MRI、超声、DXA、AI	NA	影像	涉及多个观察性研究，如多中心骨关节炎研究、鹿特丹研究、SEKOIA研究等
10084	2024-12-23	Structural-based uncertainty in deep learning across anatomical scales: Analysis in white matter lesion segmentation 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109336 PMID:39546878	研究论文	本文探讨了在多发性硬化症患者的磁共振成像扫描中，基于结构的不确定性在深度学习白质病变分割中的应用	开发了新的测量方法来量化病变和患者尺度上的不确定性，并扩展了错误保留曲线分析框架以评估不确定性量化性能	NA	验证不同解剖尺度上的不确定性与特定类型错误之间的关系	多发性硬化症患者的白质病变分割	计算机视觉	神经系统疾病	深度学习	NA	图像	444名患者的多中心MRI数据集
10085	2024-12-23	Augmenting a spine CT scans dataset using VAEs, GANs, and transfer learning for improved detection of vertebral compression fractures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109446 PMID:39550911	研究论文	本文通过使用变分自编码器（VAEs）、生成对抗网络（GANs）和迁移学习来增强脊柱CT扫描数据集，以提高椎体压缩性骨折的检测	本文创新性地使用VAE-GAN模型生成高质量的合成数据，并通过迁移学习将其应用于真实数据集，显著提高了分类准确率	本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行验证	提高AI系统对椎体压缩性骨折的早期自动检测能力，填补医疗保健中的关键空白	椎体压缩性骨折的检测	计算机视觉	骨骼疾病	生成对抗网络（GANs）、变分自编码器（VAEs）、迁移学习	卷积神经网络（CNN）	图像	来自AUBMC的胸部CT扫描数据集，以及基于CTSpine1K数据集生成的合成数据
10086	2024-12-23	Leveraging AI technology for distinguishing Eucommiae Cortex processing levels and evaluating anti-fatigue potential 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109408 PMID:39550909	研究论文	利用深度学习技术区分杜仲皮的不同加工等级并评估其抗疲劳潜力	首次使用ResNet和Vision Transformer模型对杜仲皮图像进行自动分类，并评估不同加工等级杜仲皮的抗疲劳效果	研究仅在动物模型上进行，尚未在人体中验证效果	开发一种准确、快速且无创的方法来评估杜仲皮的加工等级及其抗疲劳潜力	杜仲皮的不同加工等级及其抗疲劳效果	计算机视觉	NA	深度学习	ResNet, Vision Transformer	图像	使用小鼠进行实验，具体数量未提及
10087	2024-12-23	Data augmentation with generative models improves detection of Non-B DNA structures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109440 PMID:39550912	研究论文	本文研究了使用生成模型进行数据增强以改进非B DNA结构检测的方法	本文首次测试了扩散模型与其他生成模型在生成合成非B DNA结构方面的性能，并展示了数据增强对分类器质量的改进	本文指出在生成样本质量、多样性和采样速度之间存在权衡	测试不同生成模型在生成合成非B DNA结构以进行数据增强时的性能	非B DNA结构（flipons）	机器学习	NA	生成模型	扩散模型（DDPM和DDIM）、Wasserstein生成对抗网络（WGAN）、向量量化变分自编码器（VQ-VAE）	DNA序列	NA
10088	2024-12-23	Predicting brain age with global-local attention network from multimodal neuroimaging data: Accuracy, generalizability, and behavioral associations 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109411 PMID:39556917	研究论文	本研究探讨了通过整合结构MRI和扩散MRI数据，利用基于注意力机制的深度学习模型来提高大脑年龄预测的准确性和泛化能力，并分析了预测大脑年龄与行为测量之间的关系	提出了一个基于注意力机制的深度学习模型，融合了结构MRI的全局信息和扩散MRI的局部细节，显著提高了大脑年龄预测的准确性和泛化能力	尽管多模态模型在可重复性上表现优异，但在纵向一致性上略逊于单一模态模型	研究通过整合多模态神经影像数据来提高大脑年龄预测的准确性和泛化能力，并探讨预测大脑年龄与行为测量之间的关系	大脑年龄预测模型及其与行为测量的关联	机器学习	NA	MRI	注意力网络	图像	使用了两个大型数据集：HCP数据集（n=1064，年龄22-37）和Cam-CAN数据集（n=639，年龄18-88），并在三个独立数据集（n=546，年龄20-86）上测试了泛化能力，在测试-重测试数据集（n=44，年龄22-35）上验证了可重复性，并在纵向数据集（n=129，年龄46-92）上评估了纵向一致性
10089	2024-12-23	Automatic discrimination between neuroendocrine carcinomas and grade 3 neuroendocrine tumors by deep learning of H&E images 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109443 PMID:39577349	研究论文	本文开发了一种基于深度学习的系统NEToC，用于通过H&E染色图像自动区分神经内分泌癌和3级神经内分泌肿瘤	NEToC系统通过仅使用形态学信息而不依赖Ki-67或有丝分裂评估来区分神经内分泌肿瘤和癌，提供了一种新的诊断方法	系统在处理低级别神经内分泌肿瘤时存在误分类问题，主要表现为将G1型图像错误分类为癌型	开发一种能够准确区分神经内分泌癌和3级神经内分泌肿瘤的深度学习系统，以辅助病理诊断	神经内分泌肿瘤和癌的区分	数字病理学	NA	深度学习	人工神经网络	图像	95例神经内分泌肿瘤病例，包含588张图像
10090	2024-12-23	Deep learning-based denoising for unbiased analysis of morphology and stiffness in amyloid fibrils 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109410 PMID:39577350	研究论文	本研究开发了一种基于U-Net深度学习架构的去噪软件，用于提高原子力显微镜（AFM）图像中淀粉样纤维形态和刚度的分析精度	首次使用深度学习技术对AFM图像进行去噪处理，并开发了自动化的纤维分析技术，提高了淀粉样纤维形态和刚度的量化精度	NA	提高淀粉样纤维形态和刚度的分析精度，推动淀粉样相关疾病的研究	淀粉样纤维的形态和刚度	计算机视觉	老年性疾病	原子力显微镜（AFM）	U-Net	图像	NA
10091	2024-12-23	Multi-scale multimodal deep learning framework for Alzheimer's disease diagnosis 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109438 PMID:39579666	研究论文	本文提出了一种多模态和多尺度的深度学习框架，用于阿尔茨海默病的诊断	本文创新点在于开发了一种多模态和多尺度的深度学习模型，通过多尺度卷积神经网络嵌入和多模态尺度融合机制，有效利用了多模态和多尺度神经影像数据的交互，提升了特征提取和交互能力	本文未提及具体的局限性	开发一种新的深度学习框架，以提高阿尔茨海默病的诊断准确性	阿尔茨海默病的诊断	机器学习	阿尔茨海默病	卷积神经网络	CNN	图像	ADNI数据集
10092	2024-12-23	Advanced statistical inference of myocardial stiffness: A time series Gaussian process approach of emulating cardiac mechanics for real-time clinical decision support 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109381 PMID:39579662	研究论文	本文提出了一种基于时间序列高斯过程的统计推断方法，用于模拟心脏力学并实时支持临床决策	本文创新性地将高斯过程与克罗内克积技巧结合，用于分解复杂协方差矩阵，并利用主成分分析将患者特异性左心室几何形状整合到高斯过程模拟器中	本文的局限性在于其方法的计算成本仍然较高，尽管比传统方法有所改进	本文的研究目的是通过推断患者特异性的心肌刚度参数，为个性化医疗提供支持	本文的研究对象是左心室容积和心肌刚度	数字病理学	心血管疾病	高斯过程、主成分分析、深度学习神经网络	高斯过程模型、深度学习神经网络	时间序列数据	使用真实患者数据进行测试
10093	2024-12-23	Implementing deep learning on edge devices for snoring detection and reduction 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109458 PMID:39579667	研究论文	本研究介绍了MinSnore，一种专门为低配置边缘设备设计的实时打鼾检测和减少的深度学习模型	MinSnore通过集成MobileViTV3块到Dynamic MobileNetV3骨干模型架构中，利用卷积神经网络（CNN）和变换器来提供增强的特征表示，同时保持最小的计算开销	NA	开发一种高效、低成本且高度准确的打鼾缓解解决方案，以解决与睡眠相关的健康问题	打鼾检测和减少	机器学习	NA	卷积神经网络（CNN），变换器，自监督学习与Barlow Twins（SSL-BT）方法	CNN	音频	46,349个音频文件用于预训练，17,355个分段剪辑用于微调
10094	2024-12-23	Deep learning-based multiple-CT optimization: An adaptive treatment planning approach to account for anatomical changes in intensity-modulated proton therapy for head and neck cancers 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110650 PMID:39581351	研究论文	本文提出了一种基于深度学习的多次CT优化的自适应治疗计划方法，用于解决头颈部癌症强度调制质子治疗中的解剖变化问题	本文的创新点在于使用深度学习方法进行剂量预测，并结合多次CT（MCT）和剂量模拟算法，提高了治疗计划的鲁棒性	本文的局限性在于仅在回顾性研究中验证了方法的有效性，未来需要在更多临床试验中进一步验证	本文的研究目的是提高头颈部癌症强度调制质子治疗中治疗计划的鲁棒性，以应对解剖变化	本文的研究对象是头颈部癌症患者	机器学习	头颈部癌症	深度学习	U-net	图像	55名头颈部癌症患者，其中38名用于训练，7名用于验证，10名用于最终评估
10095	2024-12-23	NExpR: Neural Explicit Representation for fast arbitrary-scale medical image super-resolution 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109354 PMID:39602975	研究论文	本文提出了一种名为NExpR的神经显式表示方法，用于快速实现任意尺度的医学图像超分辨率	NExpR通过显式解析函数表示图像，避免了现有隐式神经表示方法中重复执行神经网络的低效问题，显著提高了处理速度	NA	开发一种快速且高效的任意尺度医学图像超分辨率方法	医学图像，包括MRI和CT图像	计算机视觉	NA	神经网络	神经网络	图像	包括ProstateX、fastMRI、内部临床前列腺数据集以及Medical Segmentation Decathlon肝脏数据集
10096	2024-12-23	RS-MOCO: A deep learning-based topology-preserving image registration method for cardiac T1 mapping 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109442 PMID:39608033	研究论文	本文提出了一种基于深度学习的拓扑保持图像配准方法RS-MOCO，用于心脏T1映射中的运动校正	提出了隐式一致性约束BLOC，通过双向一致性约束和局部抗折叠约束在一定程度上保持图像拓扑；引入了加权图像相似性度量用于多模态心脏T1加权图像的配准；集成了半监督心肌分割网络和双域注意力模块以提高配准性能	未提及具体限制	开发一种有效、鲁棒且高效的运动校正方法，用于心脏T1映射	心脏T1映射图像的运动校正	计算机视觉	心血管疾病	深度学习	CNN	图像	未提及具体样本数量
10097	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
10098	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
10099	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
10100	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