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
1741	2025-05-01	Preserving privacy in healthcare: A systematic review of deep learning approaches for synthetic data generation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108571 PMID:39742693	系统综述	本文系统回顾了医疗保健领域中用于合成数据生成的深度学习方法，重点关注其在保持数据效用和增强隐私方面的能力	探讨了生成对抗网络（GANs）、变分自编码器（VAEs）和扩散模型等深度学习方法在合成数据生成中的应用，并特别关注了差分隐私和联邦学习等隐私增强方法	在保持时间相关性、减少偏见以及符合监管框架方面仍存在挑战，尤其是对于纵向和高维数据	评估医疗保健领域中合成数据生成的深度学习方法，以促进隐私保护的数据共享	医疗保健数据，包括表格数据、信号数据、图像数据和多模态数据	机器学习	NA	GANs, VAEs, 扩散模型, 差分隐私, 联邦学习	GAN, VAE, 扩散模型	表格数据、信号数据、图像数据、多模态数据	NA
1742	2025-05-01	MRI-derived radiomics and end-to-end deep learning models for predicting glioma ATRX status: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110386 PMID:39742798	meta-analysis	本文通过系统综述和荟萃分析评估了MRI衍生的放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的诊断准确性	首次系统评估放射组学和深度学习模型在预测神经胶质瘤ATRX状态中的诊断性能，并进行了全面的质量评估和异质性分析	纳入研究数量有限（17项系统综述，11项荟萃分析），可能存在发表偏倚	评估MRI放射组学和深度学习模型预测神经胶质瘤ATRX状态的诊断准确性	神经胶质瘤患者的MRI影像数据	数字病理学	神经胶质瘤	MRI影像分析	端到端深度学习模型	医学影像	17项研究（系统综述），11项研究（荟萃分析）
1743	2025-05-01	Predicting lymph node metastasis in thyroid cancer: systematic review and meta-analysis on the CT/MRI-based radiomics and deep learning models 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110392 PMID:39742800	meta-analysis	本文通过系统回顾和荟萃分析评估了基于CT/MRI的放射组学和深度学习模型在预测甲状腺癌淋巴结转移中的表现	首次系统评估和比较了放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断准确性	研究存在异质性，且需要进一步研究来优化这些影像工具	评估CT/MRI为基础的放射组学和深度学习模型在术前预测甲状腺癌淋巴结转移的准确性	甲状腺癌患者的CT/MRI影像数据	digital pathology	thyroid cancer	CT/MRI-based radiomics	DL models	medical imaging	16项研究的数据
1744	2025-05-01	MrSeNet: Electrocardiogram signal denoising based on multi-resolution residual attention network 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153858 PMID:39742813	research paper	该研究提出了一种基于多分辨率残差注意力网络的ECG信号去噪方法MrSeNet	提出了一种端到端的多分辨率深度学习网络，结合注意力机制和挤压-激励模块，用于ECG信号的有效去噪	未提及具体局限性	减少ECG信号中的噪声，提高信号质量	ECG信号	machine learning	心血管疾病	深度学习	多分辨率残差注意力网络(MrSeNet)	ECG信号数据	CPSC2018数据库和MIT-BIH数据库
1745	2025-05-01	12 lead surface ECGs as a surrogate of atrial electrical remodeling - a deep learning based approach 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153862 PMID:39742814	研究论文	本研究评估了深度学习模型应用于12导联心电图非侵入性预测低电压区域（LVAs）的效能，以指导消融前策略并改善患者预后	首次将深度学习模型（结合LSTM和CNN）应用于12导联心电图，非侵入性预测心房颤动患者的LVAs和整体左心房电压	研究为回顾性分析，样本量较小（204例患者），且仅针对特定患者群体	评估深度学习模型在预测心房颤动患者低电压区域和整体左心房电压方面的效能	204名接受导管消融治疗的心房颤动患者	数字病理学	心血管疾病	深度学习	LSTM和CNN结合交叉注意力层	心电图和电解剖图	204名心房颤动患者
1746	2025-05-01	Knee osteoarthritis severity detection using deep inception transfer learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109641 PMID:39742824	research paper	该研究提出了一种基于深度迁移学习的InceptionV3模型，用于提高膝骨关节炎严重程度的检测准确率	使用双阶段预处理和卷积神经网络进行特征提取的微调InceptionV3模型，显著提高了膝骨关节炎严重程度的分类准确率	模型的准确性可能依赖于特定数据集（Osteoarthritis Initiative dataset），在其他数据集上的表现尚不明确	提高膝骨关节炎严重程度的自动检测准确率	膝骨关节炎的X光片图像	computer vision	geriatric disease	deep learning, transfer learning	InceptionV3, CNN	image	Osteoarthritis Initiative数据集（具体样本数量未提及）
1747	2025-05-01	Attention-guided CenterNet deep learning approach for lung cancer detection 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109613 PMID:39753023	research paper	提出了一种基于注意力机制的改进CenterNet深度学习框架，用于肺癌检测	创新性地将ResNet-34与注意力机制集成到CenterNet架构中，提升了特征提取能力和模型解释性	无法有效定位光照变化强烈的样本	提升肺癌早期检测和诊断的准确性和效率	肺癌检测	computer vision	lung cancer	deep learning	Improved CenterNet (ResNet-34 + attention mechanism)	image	LUNA-16数据集和Kaggle数据样本
1748	2025-05-01	PFSH-Net: Parallel frequency-spatial hybrid network for segmentation of kidney stones in pre-contrast computed tomography images of dogs 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109609 PMID:39753026	研究论文	提出了一种并行频率-空间混合网络（PFSH-Net），用于在狗的预对比CT图像中分割肾结石	设计了同时捕获空间和频域特征的编码器-解码器架构，并提出了多尺度融合（MSF）模块以整合空间和频域的低级和高级表示	公共数据集缺乏高质量的狗病变和器官CT标注，且模型在小病变上的性能较差	开发一种能够准确检测不同大小肾结石和肾脏的深度学习模型	狗的预对比CT图像中的肾结石	数字病理	肾病	CT成像	PFSH-Net（并行频率-空间混合网络）	图像	收集了一个兽医CT数据集（JBNU-ACT数据集），并在公开可用的BTCV数据集上评估了模型的泛化能力
1749	2025-05-01	Predicting the likelihood of readmission in patients with ischemic stroke: An explainable machine learning approach using common data model data 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105754 PMID:39755003	研究论文	本研究开发了一种机器学习模型，用于预测缺血性卒中患者90天内的再入院风险	采用可解释的机器学习方法，利用电子病历数据转换为通用数据模型（CDM），并通过SHAP值解释特征重要性	研究数据来自单一地区医院，可能限制了模型的泛化能力	预测缺血性卒中患者的90天再入院风险，以改善幸存者的生活质量	缺血性卒中患者	机器学习	缺血性卒中	机器学习模型（包括六种机器学习和三种深度学习模型）	LightGBM	电子病历数据	1,136名缺血性卒中患者
1750	2025-05-01	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	研究论文	本研究探讨了使用深度学习技术自动分割海马结构在尸检MRI扫描中的应用	提出了一种新的分割框架，结合自注意力机制和空洞空间金字塔池化，以更好地绘制海马结构并识别四个海马区域	样本量较小，仅使用了15个尸检MRI扫描	开发自动分割海马结构的方法，以量化阿尔茨海默病等神经退行性疾病对海马的影响	尸检MRI扫描中的海马结构	数字病理学	阿尔茨海默病	MRI扫描（T1加权、T2加权和磁敏感加权）	CNN（具体为嵌入自注意力机制和空洞空间金字塔池化的编码器-解码器块）	图像	15个尸检MRI扫描
1751	2025-05-01	Breast cancer classification based on breast tissue structures using the Jigsaw puzzle task in self-supervised learning 2025-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00874-y PMID:39760975	研究论文	本研究评估了自监督学习中的拼图任务在乳腺X线图像上用于乳腺癌分类的有效性	首次将自监督学习中的拼图任务应用于乳腺组织结构的特征提取，模拟放射科医生的诊断方法	研究仅使用了中国乳腺X线数据库(CMMD)，可能限制了模型的泛化能力	评估拼图任务在乳腺癌分类中的有效性	乳腺X线图像	数字病理学	乳腺癌	自监督学习(SSL)	CNN	图像	中国乳腺X线数据库(CMMD)中的样本
1752	2025-05-01	Multimodal deep learning for predicting in-hospital mortality in heart failure patients using longitudinal chest X-rays and electronic health records 2025-Mar, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03322-z PMID:39786626	研究论文	本研究利用多模态深度学习技术，结合纵向胸部X光片和电子健康记录，预测心力衰竭患者的院内死亡率	提出了一种基于空间和时间解耦Transformer的新型多模态深度学习网络（MN-STDT），首次将纵向胸部X光片与结构化电子健康记录数据结合用于心力衰竭患者的院内死亡率预测	研究仅使用了特定数据集（MIMIC-IV和MIMIC-CXR），可能限制了模型的泛化能力	提高心力衰竭患者院内全因死亡率预测的准确性	心力衰竭患者	数字病理学	心血管疾病	深度学习	MN-STDT（基于Transformer的多模态网络）	图像（胸部X光片）和结构化电子健康记录数据	MIMIC-IV和MIMIC-CXR数据集中的患者样本
1753	2025-05-01	Brain tumour histopathology through the lens of deep learning: A systematic review 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109642 PMID:39787663	系统综述	本文通过系统综述探讨了机器学习和深度学习技术在脑肿瘤组织病理学研究中的应用，特别是在胶质母细胞瘤（GBM）中的影响	首次系统性地回顾了ML/DL技术在GBM组织病理学研究中的应用趋势，并指出了当前研究的不足和未来方向	纳入研究的数量有限（54项），且部分研究未能清晰说明训练和评估方法	调查ML/DL技术如何推动脑肿瘤组织病理学研究的进展，特别是在GBM领域	胶质母细胞瘤（GBM）及其相关的组织病理学和组学数据	数字病理学	胶质母细胞瘤	机器学习（ML）和深度学习（DL）技术	SVM分类器和基于ResNet的CNN架构	组织病理学数据和组学数据	54项符合条件的研究，其中8项专注于GBM
1754	2025-05-01	Automatic medical report generation based on deep learning: A state of the art survey 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102486 PMID:39787734	综述	本文对基于深度学习的自动医学报告生成技术进行了全面综述	从四个关键方面全面回顾了自动医学报告生成的最新进展，并对现有研究进行了五类分类	对现有评估指标的讨论可能仍有限	加速患者护理流程，减轻放射科医生负担	医学影像报告	自然语言处理	NA	深度学习	检索式、领域知识驱动、注意力机制、强化学习、大语言模型及融合模型	医学影像	NA
1755	2025-05-01	DDEvENet: Evidence-based ensemble learning for uncertainty-aware brain parcellation using diffusion MRI 2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102489 PMID:39787735	研究论文	开发了一种基于深度学习和扩散MRI的DDEvENet模型，用于解剖学脑部分割，并量化预测不确定性	设计了一个基于证据的深度学习框架，用于在单次推理中量化每个体素的预测不确定性，并提出了一种基于证据的集成学习方法	未明确提及具体限制，但可能受限于数据集多样性和模型复杂性	提高脑部分割的准确性和不确定性估计，增强分割结果的可解释性和可靠性	健康成年人和患有多种脑部疾病的临床患者的扩散MRI数据	数字病理学	脑部疾病（包括精神分裂症、双相情感障碍、注意力缺陷多动障碍、帕金森病、脑小血管病和脑肿瘤患者）	扩散MRI	DDEvENet（基于证据的集成神经网络）	MRI图像	大规模数据集，包括健康成年人和多种脑部疾病患者的扩散MRI数据
1756	2025-05-01	CFPLncLoc: A multi-label lncRNA subcellular localization prediction based on Chaos game representation and centralized feature pyramid 2025-Mar, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.139519 PMID:39761904	研究论文	提出了一种基于混沌游戏表示和集中特征金字塔的多标签lncRNA亚细胞定位预测模型CFPLncLoc	利用混沌游戏表示图像和集中特征金字塔进行多标签lncRNA亚细胞定位预测，引入了图像更新策略和多尺度特征融合模型	未提及具体局限性	预测具有多个亚细胞定位的lncRNA的亚细胞位置	长链非编码RNA（lncRNA）	计算机视觉	NA	混沌游戏表示（CGR）	深度学习模型（CFPLncLoc）	图像	未提及具体样本数量
1757	2025-05-01	A cognitive digital twin approach to improving driver compliance and accident prevention 2025-Mar, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107913 PMID:39778287	研究论文	本文提出了一种基于认知数字孪生的驾驶辅助系统（CDAS），通过个性化驾驶决策模型动态调整驾驶辅助选项，以提高驾驶安全性和用户接受度	引入认知数字孪生（CDT）技术，结合驾驶员观察行为和控制动作，动态更新驾驶决策模型，实现更个性化的驾驶辅助	未提及系统在极端驾驶条件下的表现或对大规模未标注数据集的依赖性	提高驾驶辅助系统的个性化程度和有效性，减少交通事故	驾驶员行为及驾驶辅助系统	机器学习	NA	认知数字孪生技术	个性化驾驶决策模型	驾驶员行为数据、环境状态数据	通过两项综合实验验证
1758	2025-05-01	Fully automated segmentation of brain and scalp blood vessels on multi-parametric magnetic resonance imaging using multi-view cascaded networks 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108584 PMID:39761623	研究论文	本研究提出了一种多视图级联深度学习网络（MVPCNet），用于全自动准确分割脑部和头皮血管	结合多视图学习、多参数输入和多视图集成模块的多重优化，显著提高了小血管和低对比度血管的分割性能	未提及模型在其他数据集上的泛化能力或实际临床应用的验证	解决脑部和头皮血管分割的挑战，为神经外科导航提供支持	脑部和头皮血管	医学图像分析	神经外科相关疾病	多参数磁共振成像	MVPCNet（多视图级联网络）	医学影像	155名患者的数据集
1759	2025-05-01	Development of an interactive ultra-high resolution magnetic resonance neurography atlas of the brachial plexus and upper extremity peripheral nerves 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110400 PMID:39765207	research paper	开发了一个交互式超高分辨率磁共振神经图谱，用于直接可视化臂丛和上肢周围神经	使用深度学习算法重建MR神经图谱数据集，并开发了一个基于网络的用户界面软件，用于标记周围神经和肌肉，并将肌肉映射到其各自的神经支配	研究仅涉及16名无已知周围神经病变的成年志愿者，样本量较小	开发一个教育性的、交互式的、超高分辨率的体内磁共振神经图谱，用于直接可视化臂丛和上肢周围神经	臂丛和上肢周围神经	digital pathology	NA	MR neurography, deep learning algorithm	NA	image	16名成年志愿者
1760	2025-05-01	Multilabel segmentation and analysis of skeletal muscle and adipose tissue in routine abdominal CT scans 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109622 PMID:39778239	research paper	提出一种基于深度学习的多标签分割网络，用于在腹部CT扫描中分割和分析骨骼肌和脂肪组织	扩展了Unet结构，能够分割三种脂肪组织和五种不同肌肉组织，并改进了肌间脂肪的分割	基于自建数据集，样本量较小（130名患者）	开发一种精确的肌肉和脂肪组织分割方法，以支持临床实践中的患者健康评估	腹部CT扫描中的骨骼肌和脂肪组织	digital pathology	NA	deep learning	Unet	CT images	130名患者