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
10221	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
10222	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
10223	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
10224	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
10225	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
10226	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
10227	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
10228	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
10229	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
10230	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
10231	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
10232	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
10233	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
10234	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
10235	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
10236	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
10237	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
10238	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
10239	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
10240	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