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
101	2025-05-12	Evaluating auto-contouring accuracy in reduced CT dose images for radiopharmaceutical therapies: Denoising and evaluation of 177Lu DOTATATE therapy dataset 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70066 PMID:40025651	research paper	评估在降低CT剂量图像中自动轮廓勾画的准确性，用于放射性药物治疗，特别是177Lu DOTATATE治疗数据集	使用深度学习方法（DenseNet）进行图像去噪，以支持在177Lu DOTATATE治疗期间降低CT剂量	研究仅针对177Lu DOTATATE治疗数据集，未涉及其他放射性药物治疗	评估降低CT剂量对器官分割准确性的影响，并探索去噪方法对提高剂量测定准确性的潜力	177Lu DOTATATE治疗患者的CT图像数据	digital pathology	NA	CT, SPECT/CT, deep learning	DenseNet, TotalSegmentator	image	177Lu DOTATATE患者数据集
102	2025-05-12	ROXSI: Robust Cross-Sequence Semantic Interaction for Brain Tumor Segmentation on Multi-Sequence MR Images 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3513479 PMID:40030420	research paper	提出了一种名为ROXSI的鲁棒跨序列语义交互框架，用于多序列MRI图像上的脑肿瘤分割	引入了跨序列语义交互模块（CSSI）和批级协方差机制，以利用序列间相关性并提取抗噪声特征，同时结合序列级方差正则化机制来利用序列特定特征	未明确提及具体局限性，但可能包括对特定类型噪声或伪影的敏感性未完全测试	提高多序列MRI图像中脑肿瘤分割的鲁棒性，以应对临床中常见的噪声和伪影	多序列MRI图像中的脑肿瘤	digital pathology	brain tumor	MRI	CNN, Transformer	image	在两个基准数据集上进行评估，具体样本数量未明确提及
103	2025-05-12	GAICN: Graph Attention Iterative Contraction Network for Bioluminescence Tomography 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510837 PMID:40030505	研究论文	提出了一种名为GAICN的新型网络，用于生物发光断层扫描（BLT），以提高重建性能、稳定性和泛化能力	结合图注意力机制和迭代收缩激活函数，实现非局部特征聚合和动态权重调整，增强网络的泛化性、稳定性和可解释性	未明确提及具体局限性	提高生物发光断层扫描的重建性能、稳定性和泛化能力	生物发光断层扫描（BLT）中的光源分布	数字病理	NA	深度学习	GAICN（Graph Attention Iterative Contraction Network）	三维肿瘤信息	仿真和体内实验
104	2025-05-12	Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510740 PMID:40030575	研究论文	提出了一种新型CNN模型TFA-Net，用于无需校准阶段的SSVEP信号解码	引入了频率注意力和通道重组模块，增强了模型在时频域中提取SSVEP信号特征的能力	NA	提高基于SSVEP的脑机接口的解码性能和实用性	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	EEG	CNN	时频信号	公共数据集
105	2025-05-12	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	research paper	本文介绍了ToothFairy挑战赛的细节及其参与者在分割下牙槽管（IAC）方面的贡献	首次在公共基准数据集上对IAC分割方法进行全面比较评估，并发布了最大的公开CBCT扫描数据集	数据集中的153个扫描有体素级注释，其余290个扫描可能缺乏详细注释	促进深度学习在下牙槽管分割领域的研究，并提供公共基准数据集	下牙槽管（IAC）在CBCT扫描中的分割	digital pathology	NA	Cone-Beam Computed Tomography (CBCT)	NA	3D medical images	443 CBCT scans (153 with voxel-level annotations)
106	2025-05-12	Training-Free Image Style Alignment for Domain Shift on Handheld Ultrasound Devices 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3522071 PMID:40030591	研究论文	提出了一种无需训练的图像风格对齐方法（TISA），用于解决手持超声设备数据与标准设备数据之间的领域偏移问题	TISA无需源数据，能够在测试时转换图像风格并保留空间上下文，且避免了预训练模型的持续更新	未提及具体的数据集规模或实验条件的限制	解决手持超声设备数据与标准设备数据之间的领域偏移问题，提升自动诊断的准确性和稳定性	手持超声设备数据	计算机视觉	NA	图像风格对齐	NA	图像	NA
107	2025-05-12	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	research paper	提出了一种基于语义特征的无监督多阶段网络SFM-Net，用于解决具有复杂解剖结构的图像之间的精细配准问题	SFM-Net采用双阶段训练策略和双流特征提取模块，能够在单个网络中实现从粗到细的多尺度变形场生成，提高了语义相关区域的对齐精度	NA	解决具有复杂解剖结构的图像之间的精细配准问题	3D脑MRI和肝脏CT图像	computer vision	NA	深度学习	U-Net	image	NA
108	2025-05-12	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	research paper	本研究开发了一种多模态可穿戴设备，结合Transformer驱动的双流融合模型（TTSF），用于实时腿部运动监测和步态分析	提出了一种新型的Transformer驱动的双流融合模型（TTSF），用于高效准确地提取时间和空间特征	当前单传感模态技术受限于尺寸限制、环境敏感性和准确性问题	推动多传感器融合与深度学习和医疗物联网（MIoT）技术在高级步态监测和分析中的应用	腿部运动和步态	machine learning	NA	多传感器融合，深度学习	Transformer-powered Two-Stream Fusion (TTSF)	多模态传感器数据	NA
109	2025-05-12	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	研究论文	提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割	采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩蔽对比约束和特征级语义感知约束，以减少域差异并保持血管结构的一致性	需要昂贵的标注，且在不同成像模态间存在性能下降的问题	提高跨模态脑血管分割的准确性和效率	时间飞行磁共振血管造影（TOF-MRA）和计算机断层扫描血管造影（CTA）的脑血管分割	计算机视觉	颅内血管疾病	无监督域适应	深度学习模型	图像	公开可用的TOF-MRA数据集和私有的CTA数据集
110	2025-05-12	Enhanced DTCMR With Cascaded Alignment and Adaptive Diffusion 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523431 PMID:40030837	research paper	提出了一种结合张量信息的深度学习框架，用于群组可变形配准，有效校正DTCMR中的帧间运动	引入了级联配准分支和平行分支的新框架，结合精炼的损失函数和去噪技术，显著提高了DTCMR成像的准确性	未提及方法在极端运动情况下的表现，以及在不同设备或采集参数下的泛化能力	改进扩散张量心血管磁共振成像（DTCMR）的帧间运动校正，提高临床生物标志物张量估计的准确性	心肌微结构的可视化	digital pathology	cardiovascular disease	diffusion tensor cardiovascular magnetic resonance (DTCMR)	deep learning framework	image	超过900例病例数据（2012-2023年）
111	2025-05-12	Amyloid-β Deposition Prediction With Large Language Model Driven and Task-Oriented Learning of Brain Functional Networks 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3525022 PMID:40030867	研究论文	该论文提出了一种基于大型语言模型和任务导向学习的大脑功能网络预测淀粉样蛋白沉积的新方法	1) 预训练的大型语言模型节点嵌入编码器，用于从fMRI信号中提取任务相关特征；2) 任务导向的分层功能连接网络学习模块，增强不同脑区复杂关联的表示；3) 任务特征一致性损失，促进预测与真实淀粉样蛋白值的相似性	NA	开发一种基于功能连接网络的淀粉样蛋白沉积预测方法，以替代昂贵且具有高放射性的正电子发射断层扫描	阿尔茨海默病患者的大脑功能连接网络	数字病理学	阿尔茨海默病	fMRI	大型语言模型	功能磁共振成像数据	NA
112	2025-05-12	CTUSurv: A Cell-Aware Transformer-Based Network With Uncertainty for Survival Prediction Using Whole Slide Images 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3526848 PMID:40031069	研究论文	提出了一种基于细胞感知的Transformer网络CTUSurv，用于全切片图像的生存预测，并引入不确定性估计框架以提高预测的可靠性	首次结合细胞间及细胞与微环境相互作用建模，并开发区域级不确定性估计模块	未明确说明模型在临床环境中的实际部署可行性	提升全切片图像生存预测的准确性和可信度	全切片图像中的细胞及微环境特征	数字病理学	NA	深度学习	Transformer	全切片图像(WSI)	四个数据集（未明确样本数量）
113	2025-05-12	The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112014 PMID:40031377	research paper	本文探讨了在放射学中平衡'黑盒'系统与可解释人工智能的必要性	提出了在放射学中优先考虑可解释人工智能（XAI）的观点，以增强透明度和伦理标准	XAI可能在性能上不如黑盒模型	探讨AI在放射学中的实施挑战及解决方案	放射学中的AI系统	machine learning	NA	machine and deep learning	black-box models, XAI	image	NA
114	2025-05-12	Developing Brain-Based Bare-Handed Human-Machine Interaction via On-Skin Input 2025-Apr, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3533088 PMID:40036449	研究论文	提出了一种名为MetaSkin的新型神经触觉接口，通过整合神经信号与皮肤交互，实现无需视觉参与的手势交互	首次将神经信号与皮肤交互结合，利用人类自然本体感觉能力实现无需视觉的手势交互，并开发了深度学习框架来解码神经信号	需要优化系统以适应不同用户群体和动态环境	开发自然、直观、以人为中心的移动人机交互输入系统	人机交互系统	人机交互	NA	深度学习	NA	神经信号	12名参与者
115	2025-05-12	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	提出一种混合人工智能系统，用于自动分析EEG背景活动并生成报告	结合深度学习模型和无监督伪迹去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动分析准确率	在局部异常检测方面虽有所改进但未达到统计学显著性	开发一个可扩展且准确的EEG自动分析系统，以辅助神经科医生提高诊断准确性并降低误诊率	EEG信号	人工智能在医疗诊断中的应用	神经系统疾病	深度学习、无监督学习、大语言模型(LLM)	集成模型、LLM	EEG信号数据	1530份标记的EEG数据，并在Temple University Abnormal EEG Corpus上进行验证
116	2025-05-12	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	research paper	提出了一种名为EEGDfus的条件扩散模型，用于精细去除脑电图(EEG)信号中的噪声	将标准扩散模型的去噪网络替换为新颖的双分支网络，利用噪声EEG信息作为条件指导生成干净的EEG信号，并整合了CNN和Transformer架构的优势	标准扩散模型的生成过程高度随机，限制了其在EEG去噪任务中的直接应用	提高EEG信号去噪的准确性和精细度	脑电图(EEG)信号	machine learning	NA	扩散模型	conditional diffusion model, CNN, Transformer	EEG信号	两个公开数据集EEGdenoiseNet和SSED
117	2025-05-12	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	研究论文	提出了一种基于功能连接的细观区域划分方法，用于基于EEG的驾驶员疲劳检测	利用数据内在特性和基于功能连接的GNN，提出了一种新的细观区域划分方法，克服了传统方法依赖任务特定先验知识的局限性	未明确说明方法在其他EEG任务中的泛化能力	提高基于EEG的驾驶员疲劳检测性能	EEG信号和驾驶员疲劳状态	脑机接口	NA	功能连接分析和GNN	GNN	EEG信号	公共驾驶员疲劳检测数据集（未明确样本数量）
118	2025-05-12	Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks 2025-Apr, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3498097 PMID:40030371	research paper	提出了一种基于深度学习的递归脉冲神经网络方法RSN-Count，用于家庭环境中睡眠呼吸暂停的筛查，重点在于无需精确定位事件即可可靠估计呼吸暂停低通气指数（AHI）	利用脉冲神经网络直接计数呼吸暂停事件，减少对事件时间精确定位的依赖，提高了AHI估计的准确性	研究样本量较小（N = 33），可能影响结果的普遍性	改进家庭环境中睡眠呼吸暂停的筛查方法	睡眠呼吸暂停事件	machine learning	sleep apnea	Spiking Neural Networks	RSN-Count	audio and SpO recordings	33名受试者的整夜音频和血氧记录
119	2025-05-12	Determining the Importance of Lifestyle Risk Factors in Predicting Binge Eating Disorder After Bariatric Surgery Using Machine Learning Models and Lifestyle Scores 2025-Apr, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-025-07765-0 PMID:40045153	研究论文	本研究通过生活方式评分和机器学习模型评估了生活方式风险因素与腹腔镜袖状胃切除术后两年暴食症发生几率之间的关联	首次结合生活方式评分和多种机器学习模型来预测暴食症的发生，并识别出关键的生活方式风险因素	样本量相对较小（450人），且仅针对腹腔镜袖状胃切除术患者	评估生活方式风险因素对减肥手术后暴食症发展的影响	450名接受过腹腔镜袖状胃切除术的患者	机器学习	暴食症	BES问卷评估	LG, KNN, DT, RF, SVM, XGBoost, ANN	临床问卷数据	450名LSG术后患者
120	2025-05-12	Automatic flow planning for fetal cardiovascular magnetic resonance imaging 2025-Apr-01, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101888 PMID:40180124	研究论文	该研究开发了一种自动化实时规划二维相位对比血流成像（OWL）的方法，用于胎儿心血管磁共振成像	首次实现了胎儿心血管磁共振成像的实时自动规划，扩展了该技术的可及性	在7例前瞻性案例中仅成功实施了6例，且规划质量略低于手动规划	开发自动化实时规划方法以扩大胎儿血流成像技术的可及性	胎儿心血管系统	数字病理学	心血管疾病	二维相位对比血流成像（2D phase-contrast flow imaging）	深度学习网络	磁共振成像数据	167个胎儿数据集用于胎儿身体定位训练，71个用于心脏标志检测训练，10个回顾性数据集和7个前瞻性胎儿受试者（36+3-39+3孕周）用于评估