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
1201	2025-04-24	Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422102 PMID:38954581	研究论文	提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务	采用图像熵引导的掩码策略重建更具信息量的图像块，并引入动态头部生成器模块减轻模态混淆	未明确提及具体局限性	开发一种能够利用大量未标记眼科图像的自监督学习框架	眼科图像（包括2D和3D图像）	计算机视觉	眼科疾病	自监督学习（SSL）	Transformer	图像	未明确提及具体样本数量
1202	2025-04-24	Multi-Label Chest X-Ray Image Classification With Single Positive Labels 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3421644 PMID:38949934	研究论文	提出一种名为多级伪标签一致性（MPC）的框架，用于解决胸部X光图像多标签分类中单阳性标签学习（SPML-CXR）的问题	引入单阳性多标签学习（SPML）问题到胸部X光图像分类中，并提出MPC框架，结合图像级、特征级和批次级的扰动一致性正则化来恢复潜在的错误标注阳性标签	需要进一步验证在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果	解决胸部X光图像多标签分类中标注成本高和噪声标签问题	胸部X光图像	计算机视觉	肺部疾病	深度学习	Transformer	图像	CheXpert和MIMIC-CXR数据集
1203	2025-04-24	STAR-RL: Spatial-Temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419809 PMID:38935476	研究论文	提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于解决病理图像超分辨率问题中的黑盒恢复和资源分配不均问题	首次将分层强化学习应用于病理图像超分辨率，提出了空间和时间管理器来指导像素级可解释操作，避免了次优恢复和过度处理问题	实验仅在特定退化核下的医学图像上进行验证，未涉及所有可能的临床场景	开发可解释的病理图像超分辨率方法以提高诊断准确性	病理图像	数字病理	肿瘤	强化学习	STAR-RL（分层强化学习框架）	图像	NA
1204	2025-04-24	HiCervix: An Extensive Hierarchical Dataset and Benchmark for Cervical Cytology Classification 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419697 PMID:38923481	research paper	介绍了一个名为HiCervix的广泛宫颈细胞学数据集和基准方法HierSwin，用于宫颈细胞分类	提出了目前最广泛的多中心宫颈细胞学数据集HiCervix，以及基于分层视觉变换器的分类网络HierSwin	现有方法主要基于覆盖范围较窄的粗粒度细胞类型数据库，无法全面详细地反映真实细胞病理学条件	提高宫颈细胞学分类的准确性和全面性，促进宫颈癌早期筛查	宫颈细胞	digital pathology	cervical cancer	NA	vision transformer	image	40,229个宫颈细胞，来自4,496张全切片图像
1205	2025-04-24	Accurate Airway Tree Segmentation in CT Scans via Anatomy-Aware Multi-Class Segmentation and Topology-Guided Iterative Learning 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419707 PMID:38923479	research paper	提出了一种基于解剖学感知的多类别分割和拓扑引导迭代学习的方法，用于精确分割CT扫描中的气道树	结合解剖学感知的多类别分割任务和拓扑引导的迭代自学习方案，有效解决了气道树分割中的类内不平衡和标注不完整问题	需要依赖初始伪标签的质量，且计算成本较高	提高CT扫描中气道树分割的准确性和完整性，以支持呼吸系统疾病分析	胸腔内气道树	digital pathology	lung cancer	CT扫描	deep learning	image	四个数据集（包括两个公共挑战数据集）
1206	2025-04-24	Video-Based Soft Tissue Deformation Tracking for Laparoscopic Augmented Reality-Based Navigation in Kidney Surgery 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3413537 PMID:38865220	研究论文	本研究提出了一种基于视频的软组织变形追踪增强现实导航系统，用于肾脏腹腔镜手术	提出了一种基于深度学习的特征点选择策略，用于提高位移矢量场的准确性，并介绍了一种用于内部结构误差评估的体外实验方法	NA	提高腹腔镜肾脏手术中隐藏关键结构的追踪准确性	肾脏手术中的软组织变形	增强现实	肾脏疾病	深度学习	NA	视频	体外和体内实验数据
1207	2025-04-24	Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation From Invasive Coronary Imaging 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3412935 PMID:38861432	research paper	提出了一种约束感知学习框架，用于从侵入性冠状动脉成像中估计分数流储备（FFR）回拉曲线	结合了几何和物理约束来近似冠状动脉中心线几何结构与FFR值之间的关系，并利用合成数据进行模型训练以减少临床数据收集成本	需要进一步验证在更大规模和多中心数据集上的泛化能力	提高从侵入性冠状动脉成像中估计FFR回拉曲线的准确性	冠状动脉成像数据和FFR回拉曲线	machine learning	cardiovascular disease	diffusion-driven test-time data adaptation method	deep learning	image	382名患者的数据集，涵盖三种成像模式
1208	2025-04-24	SSL-CPCD: Self-Supervised Learning With Composite Pretext-Class Discrimination for Improved Generalisability in Endoscopic Image Analysis 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3411933 PMID:38857149	研究论文	提出一种结合复合前置任务与类别判别的自监督学习方法，用于提升内窥镜图像分析的泛化能力	通过斑块级实例组判别和余弦相似度度量中添加角度间隔惩罚来减少类间差异，创新性地提升模型对相似表征的聚类能力	未明确说明方法在计算资源消耗或实时性方面的表现	解决内窥镜图像分析中监督学习方法泛化性不足的问题	内窥镜图像数据	计算机视觉	溃疡性结肠炎	自监督学习	SSL-CPCD（提出的新型架构）	图像	未明确说明具体样本量，但提及公开数据集和医院内部数据集
1209	2025-04-24	CNN-O-ELMNet: Optimized Lightweight and Generalized Model for Lung Disease Classification and Severity Assessment 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3416744 PMID:38896522	research paper	提出了一种轻量级分类模型CNN-O-ELMNet，用于高效检测多种肺部疾病并评估其严重程度	结合CNN进行深度特征提取和优化的极限学习机，利用帝国主义竞争算法提升预测性能，克服了现有CAD系统局限于特定疾病和深度学习模型计算复杂的问题	NA	开发一种轻量级且通用的模型，用于肺部疾病的分类和严重程度评估	肺部疾病（气胸、结核病、肺癌）及其严重程度	digital pathology	lung cancer	imperialistic competitive algorithm	CNN, optimized extreme learning machine	image	benchmark datasets for lung diseases
1210	2025-04-24	Temporal Dynamic Synchronous Functional Brain Network for Schizophrenia Classification and Lateralization Analysis 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419041 PMID:38917293	研究论文	该研究提出了一种名为Temporal-BCGCN的动态脑网络分析模型，用于精神分裂症分类和大脑侧化分析	设计了DSF-BrainNet模块构建动态同步特征，提出了基于特征同步时间属性的TemporalConv图卷积方法，以及首个基于rs-fMRI数据的深度学习异常半球侧化模块测试工具CategoryPool	未提及具体样本量的局限性或模型在其他数据集上的泛化能力	开发先进的动态脑网络分析方法以揭示精神分裂症患者异常脑活动机制	精神分裂症患者的静息态功能磁共振成像(rs-fMRI)数据	数字病理学	精神分裂症	rs-fMRI	Temporal-BCGCN (包含DSF-BrainNet, TemporalConv和CategoryPool模块)	医学影像数据	COBRE和UCLA数据集（具体样本量未说明）
1211	2025-04-24	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Dec, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本研究旨在创建并验证一种卷积神经网络（CNN）在动态超声中识别骨盆底不同器官的适用性	首次应用深度学习技术，特别是CNN，在动态超声中自动识别骨盆底的不同器官	样本量较小，且在某些器官（如膀胱和子宫）的识别准确度较低	开发和验证CNN在动态超声中识别骨盆底器官的有效性	骨盆底的不同器官	医学影像分析	骨盆底疾病	动态超声	CNN（包括UNet、FPN和LinkNet）	视频	110名患者（86名用于训练，24名用于测试）
1212	2025-04-24	Development and validation of a deep learning model for predicting gastric cancer recurrence based on CT imaging: a multicenter study 2024-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001627 PMID:38896865	research paper	开发并验证了一种基于CT影像的深度学习模型，用于预测胃癌术后复发	提出了一种新的深度学习融合签名（DLFS），结合了深度学习特征和临床特征，显著提高了预测性能	研究为回顾性设计，可能存在选择偏差	预测胃癌患者的术后复发风险	2813名接受根治性手术的胃癌患者	digital pathology	gastric cancer	CT imaging	Resnet50	image	2813名患者
1213	2025-04-24	FedDBL: Communication and Data Efficient Federated Deep-Broad Learning for Histopathological Tissue Classification 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403927 PMID:38923486	research paper	提出一种轻量级且通用的联邦学习框架FedDBL，用于在有限训练样本和单轮通信下实现优异的组织病理学分类性能	通过整合预训练的深度学习特征提取器、快速轻量级的广度学习推理系统和经典联邦聚合方法，显著降低数据依赖性和提高通信效率	未明确提及具体局限性	解决组织病理学分类中的隐私保护和通信效率问题	组织病理学图像数据	digital pathology	NA	federated learning	ResNet-50	image	未明确提及具体样本数量
1214	2025-04-24	MRI-based Deep Learning Models for Preoperative Breast Volume and Density Assessment Assisting Breast Reconstruction 2024-Dec, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04074-2 PMID:38806828	research paper	本研究开发了三种基于MRI的深度学习模型，用于术前乳房体积和密度评估，以辅助乳房重建手术	开发了三种自动分割乳房的算法（简单配准模型、动态编程模型和深度学习模型），并评估了它们与手动分割的一致性	研究未明确说明样本的多样性或模型的泛化能力	开发人工智能模型以实现乳房的自动分割和体积测量，优化乳房重建手术	接受乳房重建手术的249名患者	digital pathology	breast cancer	MRI	deep learning model, dynamic programming model, simple registration model	image	249名患者
1215	2025-04-24	Assessment of Gender Differences in Letters of Recommendation for Physical Therapy Residency Applications 2024-Dec-01, Journal, physical therapy education DOI:10.1097/JTE.0000000000000337 PMID:38640081	research paper	评估物理治疗住院医师申请推荐信中性别差异的研究	首次在物理治疗住院医师申请中采用自然语言处理技术分析推荐信的性别差异	研究仅基于单一机构的三个物理治疗住院医师项目数据	识别物理治疗住院医师申请过程中潜在的隐性性别偏见	物理治疗住院医师申请者的推荐信	自然语言处理	NA	Natural Language Processing	深度学习和基于规则的自然语言处理模型	text	768封来自256份申请的推荐信（2014-2020年）
1216	2025-04-24	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	research paper	提出了一种结合多分支CNN和递归Transformer的深度学习框架ULM-MbCNRT，用于从少量超声帧中直接重建超分辨率图像，实现超快超声定位显微镜成像	结合多分支CNN和递归Transformer，显著减少数据采集时间和计算时间，同时保持高空间分辨率	未提及具体临床应用中的潜在限制或挑战	开发一种超快超声定位显微镜成像方法，以观察快速生物活动	微血管成像	医学影像处理	NA	超声定位显微镜(ULM)	多分支CNN和递归Transformer(RT)	超声图像	数值模拟和体内实验
1217	2025-04-24	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	本文提出了一种基于深度学习的时域反卷积方法，用于荧光寿命成像(FLI)中光子飞行时间(ToF)分布的恢复	首次提出专门用于FLI时域反卷积任务的深度学习模型，相比传统方法减少了计算负担和正则化需求	方法性能验证主要基于模拟数据和体外实验，需要更多真实场景验证	开发更高效的时域反卷积方法以准确恢复光子ToF分布	荧光寿命成像中的光子飞行时间分布	生物医学成像	NA	荧光寿命成像(FLI)，扩散光学成像	深度学习模型	时间分辨成像数据	模拟FLI数据+三种不同时间分辨成像模态的体外实验+体内临床前研究
1218	2025-04-24	Generative Adversarial Network-Based Augmentation With Noval 2-Step Authentication for Anti-Coronavirus Peptide Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3431688 PMID:39037884	research paper	本文提出了一种基于生成对抗网络（GAN）的抗病毒肽增强方法和一种新颖的两步认证过程，以提高抗病毒活性预测的准确性	使用GAN进行抗病毒肽增强，并引入两步认证过程验证合成肽的抗病毒活性	未提及具体的数据集规模限制或模型泛化能力的局限性	开发新的治疗方法以对抗病毒性疾病，特别是针对冠状病毒的抗病毒肽预测	抗病毒肽	machine learning	coronavirus	GAN, NCBI-BLAST	1-D CNN, GAN	peptide sequence data	benchmark antiviral and anti-corona peptides dataset（具体数量未提及）
1219	2025-04-24	Enhancing Generalizability in Biomedical Entity Recognition: Self-Attention PCA-CLS Model 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3429234 PMID:39012749	research paper	该论文提出了一种名为PCA-CLS的模型，用于提高生物医学实体识别的泛化能力	结合全局自注意力和字符级卷积神经网络技术，解决生物医学文本中的词汇外问题	未提及模型在更广泛或多样化数据集上的表现	提高生物医学实体识别的泛化能力	生物医学文本中的实体（如基因、药物、疾病和物种）	natural language processing	NA	self-attention, CNN, LSTM	PCA-CLS (Position and Contextual Attention with CNN-LSTM-Softmax)	text	八个不同的生物医学领域数据集
1220	2025-04-24	Bi-SeqCNN: A Novel Light-Weight Bi-Directional CNN Architecture for Protein Function Prediction 2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3426491 PMID:38990747	研究论文	提出一种新型轻量级双向CNN架构Bi-SeqCNN，用于蛋白质功能预测	首次将双向CNN应用于一般时序数据分析，而不仅限于蛋白质序列，且该架构在三个基准蛋白质序列数据集上比现有方法提升了高达5.5%的性能	未明确提及具体局限性	开发一种高效的蛋白质功能预测框架	蛋白质序列	机器学习	NA	CNN, RNN	Bi-SeqCNN (双向CNN)	蛋白质序列数据	三个基准蛋白质序列数据集