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
11981	2024-12-02	DeepResBat: Deep residual batch harmonization accounting for covariate distribution differences 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103354 PMID:39368279	研究论文	本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过考虑协变量分布差异，提高了数据集间的协调性	本文提出了两种新的深度学习方法：covariate VAE (coVAE) 和 DeepResBat，这两种方法在处理协变量分布差异方面优于现有的方法	coVAE方法在不存在关联的情况下会产生虚假的协变量关联	开发一种能够有效减少多数据集MRI数据间变异性的深度学习方法	MRI数据集间的变异性和协变量分布差异	机器学习	NA	深度神经网络	条件变分自编码器 (cVAE)	图像	2787名参与者和10,085个解剖T1扫描
11982	2024-12-02	PViT-AIR: Puzzling vision transformer-based affine image registration for multi histopathology and faxitron images of breast tissue 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103356 PMID:39378568	研究论文	提出了一种基于深度学习的管道，用于多模态乳腺组织放射学和病理学图像的仿射配准	结合卷积神经网络和视觉变换器，有效捕捉组织宏观和微观信息，并通过拼图机制实现图像片段的同时配准和拼接	使用合成单模态数据进行弱监督训练，可能影响模型在真实多模态数据上的表现	开发一种自动化方法，用于乳腺组织放射学和病理学图像的配准，以提高癌症检测的准确性和效率	乳腺组织的放射学和病理学图像	计算机视觉	乳腺癌	深度学习	卷积神经网络和视觉变换器	图像	NA
11983	2024-12-02	Texture-preserving diffusion model for CBCT-to-CT synthesis 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103362 PMID:39393132	研究论文	本文提出了一种新的纹理保留扩散模型，用于CBCT到CT的合成	本文引入了自适应高频优化和双模态特征融合模块，以增强高频细节并有效融合跨模态特征	NA	旨在通过CBCT到CT的合成，提高诊断准确性和治疗计划精度	CBCT和CT图像的合成	计算机视觉	NA	扩散概率模型	扩散模型	图像	NA
11984	2024-12-02	RFMiD: Retinal Image Analysis for multi-Disease Detection challenge 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103365 PMID:39395210	研究论文	本文报告了在IEEE国际生物医学成像研讨会（ISBI-2021）上组织的“视网膜图像多疾病检测”挑战赛，介绍了数据集、表现最佳的参与者解决方案、评估指标和基于新“视网膜眼底多疾病图像数据集”（RFMiD）的结果	本文的创新点在于组织了一个挑战赛，旨在推进对常见和罕见眼科疾病的自动分类，特别是通过开发可推广的模型来筛查视网膜疾病	本文的局限性在于未详细讨论具体模型的性能和局限性，以及如何解决罕见疾病的检测问题	本文的研究目的是推进自动眼科疾病分类技术，特别是对常见和罕见疾病的检测	本文的研究对象是视网膜图像中的多疾病检测，包括常见和罕见的眼科疾病	计算机视觉	NA	深度学习	NA	图像	74个个人/团队提交了有效参赛作品
11985	2024-12-02	HAGMN-UQ: Hyper association graph matching network with uncertainty quantification for coronary artery semantic labeling 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103374 PMID:39413456	研究论文	提出了一种基于超关联图匹配神经网络与不确定性量化的方法，用于冠状动脉语义标注	使用超图匹配方法扩展了表示能力，并通过不确定性量化提高了图匹配的鲁棒性和准确性	未提及	提高冠状动脉语义标注的准确性和计算效率	冠状动脉及其分支的语义标注	计算机视觉	心血管疾病	深度学习	超关联图匹配神经网络	图像	未提及
11986	2024-12-02	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出了一种基于拓扑引导的深度卷积网络TopoTxR，用于在DCE-MRI上学习乳腺实质结构	引入了一种新的拓扑方法，明确提取多尺度拓扑结构以更好地近似乳腺实质结构，并通过注意力机制将其整合到深度学习预测模型中	NA	解决现有方法在量化复杂和细微乳腺实质结构方面的不足	乳腺实质结构在DCE-MRI中的表征	计算机视觉	乳腺癌	深度学习	深度卷积网络	图像	VICTRE幻影乳腺数据集、I-SPY 1数据集（N=161）、Rutgers专有数据集（N=120）
11987	2024-12-02	Ensemble transformer-based multiple instance learning to predict pathological subtypes and tumor mutational burden from histopathological whole slide images of endometrial and colorectal cancer 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103372 PMID:39461079	研究论文	本文提出了一种基于集成变换器的深度学习框架，用于从子宫内膜癌和结直肠癌的病理全切片图像中预测病理亚型和肿瘤突变负荷	本文创新性地结合了自监督学习视觉变换器特征编码器和多实例学习，提出了一种新的深度学习框架，用于直接从病理全切片图像中预测肿瘤突变负荷和病理亚型	本文未详细讨论模型的泛化能力和在其他癌症类型中的应用效果	开发一种有效、高效、低成本且易于获取的工具，用于区分子宫内膜癌和结直肠癌患者的肿瘤突变负荷状态，以指导个性化治疗决策	子宫内膜癌和结直肠癌患者的病理全切片图像	数字病理学	子宫内膜癌，结直肠癌	深度学习	集成变换器	图像	918张子宫内膜癌病理全切片图像来自529名患者，1495张结直肠癌病理全切片图像来自594名患者
11988	2024-12-02	An objective comparison of methods for augmented reality in laparoscopic liver resection by preoperative-to-intraoperative image fusion from the MICCAI2022 challenge 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103371 PMID:39488186	研究论文	本文比较了在腹腔镜肝切除术中通过术前到术中图像融合实现增强现实的不同方法	提出了自动化检测解剖标志并用于注册的方法，以减少手动标记的时间和错误	3D标志的分割更具挑战性，且只有一支团队在注册任务中取得了可接受的结果	研究在腹腔镜肝切除术中自动检测解剖标志并用于注册的可能性	腹腔镜图像和术前3D模型中的解剖标志	计算机视觉	NA	深度学习	NA	图像	167张腹腔镜图像和9个术前3D模型，来自9名患者
11989	2024-12-02	Beyond strong labels: Weakly-supervised learning based on Gaussian pseudo labels for the segmentation of ellipse-like vascular structures in non-contrast CTs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103378 PMID:39500029	研究论文	本文提出了一种基于高斯伪标签的弱监督学习框架，用于非对比CT中椭圆形血管结构的分割	引入了一种基于椭圆形拓扑特性的高效标注过程，并使用2D高斯热图作为伪标签进行训练	主要评估了腹部主动脉的分割效果，未涵盖其他血管结构	开发一种在非对比CT中自动分割血管结构的弱监督学习方法	非对比CT中的椭圆形血管结构，特别是腹部主动脉	计算机视觉	NA	弱监督学习	NA	图像	包括一个本地数据集和两个公共数据集，主要关注腹部主动脉的非对比CT扫描
11990	2024-12-02	A cross-attention-based deep learning approach for predicting functional stroke outcomes using 4D CTP imaging and clinical metadata 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103381 PMID:39500028	研究论文	本文提出了一种基于交叉注意力机制的深度学习模型，用于结合4D CTP影像和临床元数据预测急性缺血性卒中患者的90天改良Rankin量表评分	引入了一种中间融合策略与交叉注意力机制，以选择性地关注来自两种模态的最相关特征和模式	研究样本量较小，仅包含70名接受机械血栓切除术的急性缺血性卒中患者	开发并评估一种新的多模态深度学习模型，用于预测急性缺血性卒中患者的90天改良Rankin量表评分	急性缺血性卒中患者的4D CTP影像和临床元数据	机器学习	脑血管疾病	4D CTP成像	深度学习模型	影像和临床数据	70名接受机械血栓切除术的急性缺血性卒中患者
11991	2024-12-02	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	本文提出了一种利用隐私保护的大型语言模型和多类型注释来增强胸部X光数据集的方法，以提高分类效果	本文的创新点在于使用本地可执行的大型语言模型（LLM）来提取和增强胸部X光报告中的发现标签，不仅提取二元标签，还提取位置、严重程度和放射科医生的不确定性	本文的局限性在于其方法主要针对胸部X光报告，可能不适用于其他类型的医学图像或报告	本文的研究目的是通过改进标签质量和使用多类型注释来提高胸部X光图像分类的准确性	本文的研究对象是胸部X光图像及其报告	计算机视觉	NA	大型语言模型（LLM）	NA	文本	五个测试集中的八种异常情况
11992	2024-12-02	IGUANe: A 3D generalizable CycleGAN for multicenter harmonization of brain MR images 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103388 PMID:39546981	研究论文	本文介绍了一种名为IGUANe的3D通用CycleGAN模型，用于多中心脑部MRI图像的协调	IGUANe通过集成任意数量的域进行训练，扩展了CycleGAN的架构，使其能够处理多中心数据，并在推理阶段适用于未知采集站点的图像	未来的研究需要在其他多中心环境中进一步评估IGUANe的性能	开发一种能够协调多中心脑部MRI图像的深度学习方法，以提高后续分析的一致性	多中心脑部MRI图像	计算机视觉	NA	CycleGAN	CycleGAN	图像	11个不同扫描仪的T1加权图像
11993	2024-12-02	Enhancing global sensitivity and uncertainty quantification in medical image reconstruction with Monte Carlo arbitrary-masked mamba 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103334 PMID:39255733	研究论文	本文介绍了一种基于蒙特卡罗任意掩码Mamba的模型MambaMIR，用于医学图像重建和不确定性估计	提出了MambaMIR模型，结合了Mamba的线性可扩展性和全局敏感性，并通过任意扫描掩码机制引入随机性以进行不确定性估计，避免了超参数调整和性能下降问题	NA	提高医学图像重建中的全局敏感性和不确定性量化	医学图像重建和不确定性估计	计算机视觉	NA	蒙特卡罗方法	MambaMIR	图像	多个代表性医学图像重建任务
11994	2024-12-02	A deep learning algorithm that aids visualization of femoral neck fractures and improves physician training 2024-Dec, Injury IF:2.2Q2 DOI:10.1016/j.injury.2024.111997 PMID:39504732	研究论文	开发了一种全自动深度学习模型，用于检测和分类股骨颈骨折，并评估其在诊断辅助和医生培训中的效用	首次使用深度学习算法来检测和分类股骨颈骨折，并通过分割方法可视化可能的骨折区域	研究仅限于股骨颈骨折的检测和分类，未涉及其他类型的骨折	开发和评估一种深度学习模型，以辅助医生在股骨颈骨折的诊断和培训中的应用	股骨颈骨折的检测和分类	计算机视觉	骨科疾病	深度学习	Faster R-CNN, DenseNet-121	图像	1527张骨盆和髋部的X光片
11995	2024-12-02	Predicting opinion using deep learning: From burning to sustainable management of organic waste in Indian State of Punjab 2024-Dec, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X231219627 PMID:38158841	研究论文	研究探讨了印度旁遮普邦农民对有机废物可持续管理的看法，并使用深度神经网络预测了农民的意见	采用多层感知器前馈深度神经网络预测农民意见，提供了一种新颖的分析农民行为的方法	NA	理解农民对有机废物可持续管理的看法，并预测影响农民意见的因素	印度旁遮普邦的800名奶农	机器学习	NA	深度学习	多层感知器前馈深度神经网络	文本	800名奶农，分为小规模和大规模奶农两组
11996	2024-12-02	Predicting early mortality in hemodialysis patients: a deep learning approach using a nationwide prospective cohort in South Korea 2024-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80900-6 PMID:39609495	研究论文	本研究使用韩国全国性前瞻性队列数据，通过深度学习方法预测血液透析患者的早期死亡率	开发了一种带有自编码器的循环神经网络（RNN）来处理缺失数据和时间序列变量，并改进了早期死亡率的预测	NA	量化风险因素对血液透析患者死亡率的影响	3284名血液透析患者	机器学习	肾脏疾病	循环神经网络（RNN）	RNN	时间序列数据	3284名患者，平均年龄58.4±13.6岁，59.3%为男性
11997	2024-12-02	Deep learning for predicting porosity in ultra-deep fractured vuggy reservoirs from the Shunbei oilfield in Tarim Basin, China 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81051-4 PMID:39609489	研究论文	研究开发了一种用于塔里木盆地顺北油田超深裂缝-溶洞型储层孔隙度预测的高级深度学习方法	该方法通过深度学习技术构建了超深碳酸盐岩储层的孔隙度预测模型，相比传统阻抗反演技术，均方误差降低了76%	NA	解决中国深层和超深层碳酸盐岩储层孔隙度预测的挑战	塔里木盆地顺北油田的超深裂缝-溶洞型储层	计算机视觉	NA	深度学习技术	深度学习模型	三维地震数据	使用顺北油田的盲井进行验证
11998	2024-12-02	Exploratory analysis of metabolic changes using mass spectrometry data and graph embeddings 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80955-5 PMID:39609505	研究论文	本文提出了一种基于图嵌入和异常检测算法的深度学习方法，用于分析质谱代谢组学数据	引入了一种新的深度学习方法GEMNA，通过节点嵌入和边嵌入来分析质谱代谢组学数据，相比传统方法能更好地识别代谢变化	传统统计方法可能会过度过滤原始数据，导致识别的代谢变化较少	开发一种新的方法来分析质谱代谢组学数据，以克服传统方法的局限性	质谱代谢组学数据	代谢组学	NA	质谱分析	图神经网络（GNN）	质谱数据	NA
11999	2024-12-02	Cell quantification at the osteochondral interface from synchrotron radiation phase contrast micro-computed tomography images using a deep learning approach 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81333-x PMID:39609521	研究论文	本文提出了一种基于深度学习的方法，用于从同步辐射相位对比显微CT图像中对骨软骨界面处的软骨细胞和骨细胞进行三维分割	本文将nnU-Net与标记控制的分水岭算法结合，改进了细胞腔隙的识别和分割	研究样本量较小，仅分析了15个样本，可能影响结果的普适性	研究骨软骨界面处软骨细胞和骨细胞的三维分割方法，并分析其在骨关节炎中的表现	人类膝关节中的软骨细胞和骨细胞	计算机视觉	骨关节炎	同步辐射相位对比显微CT	nnU-Net	图像	15个样本，包括10个对照组和5个骨关节炎组
12000	2024-12-02	Photorealistic attention style transfer network for architectural photography photos 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81249-6 PMID:39609556	研究论文	本文提出了一种用于建筑摄影照片的逼真注意力风格迁移网络，通过深度学习算法实现建筑照片风格的转换，同时保留关键结构和内容	本文的创新点在于利用语义分割模型将输入图像分割为前景和背景进行独立风格迁移，并使用坐标注意力机制对建筑细节进行精细处理，同时引入损失函数捕捉光影和色彩，确保图像的逼真度和艺术美感	本文未提及具体的局限性	研究目的是解决现有算法在建筑摄影风格迁移中面临的复杂细节处理和艺术效果保持的挑战	研究对象是建筑摄影照片的风格迁移	计算机视觉	NA	深度学习算法	注意力机制网络	图像	未提及具体样本数量