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
461	2025-06-26	Automatic Segmentation and Alignment of Uterine Shapes from 3D Ultrasound Data 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108794 PMID:38941903	研究论文	开发了一种从3D超声数据自动分割和对齐子宫形状的系统	使用深度学习技术自动分割3D超声扫描中的子宫，并结合标准几何方法对齐形状，填补了子宫形状大规模研究的空白	研究依赖于3D超声数据的质量，且初步结果需要进一步验证	建立正常子宫的形状，促进与不孕和反复流产相关的子宫形状异常研究	女性子宫	数字病理	妇科疾病	3D超声	nnU-Net	3D图像	来自多个医疗中心的3D超声图像综合数据集
462	2025-06-26	Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108746 PMID:38878403	研究论文	提出了一种新型的病灶感知跨阶段注意力网络（LACPANet），用于在多期CT扫描上准确分类肾脏肿瘤的病理亚型	首次引入3D跨阶段病灶感知注意力机制和多尺度注意力方案，有效捕捉肾脏病灶在不同CT阶段的时间依赖性	研究仅基于收集的数据集，未提及外部验证结果	提高肾脏肿瘤病理亚型的诊断准确性	多期CT扫描中的肾脏病灶	数字病理	肾癌	多期CT扫描	LACPANet（基于注意力机制的深度学习模型）	3D时间序列医学图像	收集的肾癌患者多期CT扫描数据集（具体数量未提及）
463	2025-06-26	State-of-art technologies, challenges, and emerging trends of computer vision in dental images 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108800 PMID:38917534	综述	本文综述了计算机视觉在牙科影像中的最新技术、挑战和新兴趋势	详细总结了计算机视觉在牙科影像中的应用，包括传统图像处理技术与智能机器学习算法及深度学习技术的结合	未提及具体的技术实施细节和实验验证结果	探讨计算机视觉在牙科影像诊断中的应用及其未来发展方向	牙科影像（如X光、CT扫描、彩色图像等）	计算机视觉	牙科疾病	图像处理、机器学习、深度学习	NA	图像	NA
464	2025-06-26	Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108765 PMID:38897143	研究论文	本研究开发并验证了一种基于知识的AI评估系统（MEKAS），用于耳鼻喉科临床核心医学知识（CCMK-OTO）的学习	采用知识型AI方法（如知识库技术和基于案例的推理）构建多专家知识聚合的自适应评估方案，促进CCMK-OTO学习	研究样本规模有限，且仅在单一三级转诊医院进行验证，需更大规模和多样化的机构进一步评估	开发并验证一种自适应评估系统，以促进耳鼻喉科临床核心医学知识的学习	医学实习生（包括研究生和本科生）和耳鼻喉科住院医师	医疗教育技术	耳鼻喉科疾病	知识库技术、基于案例的推理	知识型AI	问卷数据、测试成绩	实验组30人（22名UPGY实习生和8名ENT-R住院医师），对照组24名UPGY实习生
465	2025-06-26	Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108783 PMID:38909446	研究论文	提出了一种双通道端到端网络，通过嵌入先验知识来提高磁粒子成像（MPI）的空间分辨率	首次将MPI的点扩散函数（PSF）与深度学习范式无缝集成，显著提高了空间分辨率性能	未提及该方法在临床大规模应用中的验证情况	在不降低信噪比（SNR）的前提下提高磁粒子成像的空间分辨率	磁粒子成像（MPI）系统	医学影像处理	NA	深度学习	双通道端到端网络（DENPK-MPI）	医学影像数据	仿真、体模和体内MPI实验数据
466	2025-06-26	Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108791 PMID:38905892	research paper	本研究利用3D U-Net模型从MRI扫描中自动检测和分割骨及创伤性骨髓病变（BML），以替代传统的手动评估方法	采用多任务学习方法和后处理算法提升分割精度，首次实现BML的自动化分割	模型在不同人群和采集条件下的泛化性需进一步验证	开发自动化工具以简化创伤性骨髓病变的临床评估流程	急性前交叉韧带（ACL）撕裂患者的MRI扫描图像	digital pathology	骨关节炎	T2脂肪抑制快速自旋回波（FS FSE）MRI序列	3D U-Net	MRI图像	采用五折交叉验证，具体样本量未明确说明
467	2025-06-26	Multi-modal deep learning from imaging genomic data for schizophrenia classification 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1384842 PMID:39006822	研究论文	提出了一种基于多模态深度学习的方法，结合结构磁共振成像、功能磁共振成像和遗传标记数据，用于精神分裂症分类	采用多模态数据融合和可解释AI技术，提高了分类准确性并识别了关键的功能网络连接和SNPs	实验数据集可能有限，未提及模型在其他独立数据集上的泛化能力	改进精神分裂症的检测方法	精神分裂症患者和健康对照者	机器学习	精神分裂症	sMRI, fMRI, SNP分析	DenseNet, 1D CNN, XGBoost	医学影像数据、基因组数据	未明确提及具体样本数量
468	2025-06-24	Utilizing retinal arteriole/venule ratio to estimate intracranial pressure 2024-11-08, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06343-0 PMID:39514087	研究论文	本研究探讨了利用视网膜动静脉比率（A/V比率）结合眼内压（IOP）在神经重症监护病房（NICU）中无创估计颅内压（ICP）的可行性	首次在NICU环境中结合IOP使用视网膜A/V比率无创估计ICP，并验证了其与高ICP的显著负相关性	图像质量和诊断特异性存在挑战，样本量较小（15例），需更大规模的多中心研究验证	开发无创ICP监测方法以减少侵入性监测的风险	NICU中格拉斯哥昏迷评分≤8的成年患者	数字病理学	神经系统疾病	深度学习算法	混合效应线性回归模型	视频（眼底镜检查视频）	40例入组，15例纳入最终分析
469	2025-06-24	A deep learning approach to direct immunofluorescence pattern recognition in autoimmune bullous diseases 2024-Jul-16, The British journal of dermatology DOI:10.1093/bjd/ljae142 PMID:38581445	research paper	本研究开发了一种深度学习方法来自动分类自身免疫性大疱性皮肤病（AIBDs）的直接免疫荧光（DIF）模式，以提高诊断准确性和效率	首次将深度学习技术应用于自身免疫性大疱性皮肤病的DIF图像自动分类，特别是针对细胞间模式（ICP）和线性模式（LP）	样本量相对较小（训练集436张，测试集93张），且存在类别不平衡问题	开发AI算法以自动分类AIBDs的DIF模式，提高诊断准确性和疾病管理效率	自身免疫性大疱性皮肤病（AIBDs）患者的皮肤活检免疫荧光图像	digital pathology	autoimmune bullous skin diseases	direct immunofluorescence (DIF)	CNNs, Swin Transformer	image	训练集436张图像，测试集93张图像
470	2025-06-24	Longitudinal risk prediction for pediatric glioma with temporal deep learning 2024-Jun-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.04.24308434 PMID:38978642	研究论文	该研究提出了一种自监督的深度学习方法来分析纵向医学影像，预测儿童胶质瘤的复发风险	提出了一种名为时间学习的深度学习框架，能够利用患者当前和既往的脑部MR影像中的时空信息来预测未来复发	研究仅基于715名患者的3,994次扫描，样本量相对有限，且仅在儿童胶质瘤中进行了验证	提高儿童胶质瘤复发的个体化预测准确性	儿童胶质瘤患者	数字病理	儿童胶质瘤	深度学习	时间学习（Temporal Learning）	医学影像（MRI）	715名患者的3,994次扫描
471	2025-06-24	Predicting the age of field Anopheles mosquitoes using mass spectrometry and deep learning 2024-05-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj6990 PMID:38728404	研究论文	本文提出了一种结合质谱技术和深度学习的方法，用于快速预测野外按蚊的年龄	首次将MALDI-TOF质谱技术与深度学习相结合用于蚊虫年龄预测，并在塞内加尔两个生态点验证了方法的稳定性	研究仅针对按蚊进行，尚未验证在其他蚊种上的适用性	开发更准确的野外蚊虫年龄预测工具以支持疟疾防控	野外采集的按蚊	机器学习	疟疾	MALDI-TOF质谱技术	深度学习模型	质谱数据	251只野外采集的蚊子，共2763个质谱数据
472	2025-06-24	Neural network in food analytics 2024, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2022.2139217 PMID:36322538	review	本文综述了神经网络在食品分析领域的应用，包括食品安全、食品识别和组学分析等方面	首次全面概述神经网络在食品分析中的应用，涵盖基础方法、最新进展及挑战	食品科学家友好型界面软件包的缺乏、模型行为难以理解、多源异构数据等问题阻碍了神经网络的扩展	探讨神经网络在食品分析领域的应用潜力及其面临的挑战	食品分析领域的各种应用场景，如食品识别、感官评价、光谱和色谱的模式识别	machine learning	NA	NN (Neural Network)	NA	multi-source heterogeneous data	NA
473	2025-06-23	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	research paper	使用深度学习模型基于常规H&E染色病理切片识别胰腺导管腺癌的分子亚型	首次利用深度学习从常规H&E染色病理切片中识别PDAC分子亚型，提供了一种成本效益高且快速的方法	样本量较小（97张TCGA切片和44例活检患者的110张切片），且外部验证队列的性能有所下降	开发一种快速、经济的PDAC分子亚型分类方法以改善临床治疗	胰腺导管腺癌（PDAC）的分子亚型	digital pathology	pancreatic cancer	深度学习	CNN（未明确说明但推断为卷积神经网络）	whole slide pathology images	97张TCGA手术切除样本切片 + 44例患者（110张）活检切片
474	2025-06-23	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	research paper	本研究比较了半自动放射组学模型和自动3D-CNN模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发了一种全自动3D-CNN模型，能够自动诊断神经退行性帕金森综合征，并在经验不足的医院中减少6%的诊断错误	研究为回顾性设计，且仅在两个医疗中心进行	比较放射组学模型和3D-CNN模型在诊断神经退行性帕金森综合征上的性能及临床价值	687名具有帕金森综合征运动症状的患者	digital pathology	geriatric disease	18 F-FDOPA PET扫描	3D-CNN, SVM	image	687名患者（训练集417名，内部测试集100名，外部测试集170名）
475	2025-06-23	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	research paper	该研究探讨了在非小细胞肺癌预后预测中，利用机器学习算法从健康器官提取的放射组学信息的附加价值	首次提出并验证了健康器官放射组学（Organomics）在非小细胞肺癌预后预测中的重要性，突破了传统仅关注恶性病灶的研究模式	样本量较小（154例），且数据来源于在线数据库，可能影响模型的泛化能力	探索健康器官放射组学信息对非小细胞肺癌预后预测的附加价值	非小细胞肺癌患者的PET/CT图像	digital pathology	lung cancer	PET/CT成像	nnU-Net, random survival forest, CoxPH	医学影像（PET/CT）	154例患者PET/CT图像
476	2025-06-23	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	该研究结合受激拉曼组织学（SRH）和深度学习技术，开发了一种名为RapidLymphoma的深度学习流程，用于快速术中检测原发性中枢神经系统淋巴瘤（PCNSL）并与其他CNS肿瘤区分	首次将SRH与深度学习结合，实现了在3分钟内完成PCNSL的检测与鉴别，且准确率优于传统冰冻切片分析	研究样本主要来自四个国际医疗中心，可能存在一定的选择偏差	开发一种快速准确的术中诊断方法，以区分PCNSL和其他CNS肿瘤	原发性中枢神经系统淋巴瘤（PCNSL）及其他CNS肿瘤/非肿瘤病变	数字病理学	中枢神经系统淋巴瘤	受激拉曼组织学（SRH）	深度学习（具体架构未明确说明）	图像	训练集：54,000个SRH图像块；测试集：三个独立队列（n=160, n=420, n=59）
477	2025-06-23	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	research paper	本研究利用卷积神经网络（CNN）从平衡放射性核素心血管造影数据集中生成深度学习驱动的感兴趣区域（ROIs），用于左心室射血分数（LVEF）测量	采用2D U-Net卷积神经网络架构自动生成ROIs，减少了观察者间的变异性，提高了LVEF测量的便利性和可重复性	研究依赖于手动绘制的ROIs作为预处理基础，可能存在初始偏差；样本量虽大但未说明是否涵盖多样化的临床场景	开发基于深度学习的自动化方法以提升LVEF测量的准确性和效率	平衡放射性核素心血管造影数据集中的左心室ROIs	digital pathology	cardiovascular disease	equilibrium radionuclide angiography	2D U-Net CNN	medical imaging	41,462次扫描（来自19,309名患者）
478	2025-06-23	Clinical Feasibility of Deep Learning-Based Attenuation Correction Models for Tl-201 Myocardial Perfusion SPECT 2024-May-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005129 PMID:38409758	研究论文	本研究旨在开发基于深度学习的Tl-201心肌灌注SPECT图像的衰减校正模型，并评估其临床可行性	提出了一种基于深度学习的图像到图像转换技术，用于将未经衰减校正的图像转换为基于CT的衰减校正图像，并采用改进的U-Net模型进行训练	研究为回顾性研究，样本来源仅限于疑似或已知冠状动脉疾病的患者	开发并评估基于深度学习的Tl-201心肌灌注SPECT图像衰减校正模型的临床可行性	疑似或已知冠状动脉疾病的患者	数字病理学	心血管疾病	SPECT成像	改进的U-Net	图像	657名男性和328名女性（年龄65±11岁）
479	2025-06-23	A Convolutional Neural Network for Automated Detection of Cervical Ossification of the Posterior Longitudinal Ligament using Magnetic Resonance Imaging 2024-04-01, Clinical spine surgery IF:1.6Q3 DOI:10.1097/BSD.0000000000001547 PMID:37941120	研究论文	开发并验证了一个基于卷积神经网络（CNN）的模型，用于通过磁共振成像（MRI）自动检测颈椎后纵韧带骨化（OPLL）	首次尝试开发深度学习模型用于MRI图像中颈椎OPLL的检测	回顾性研究设计可能限制了结果的普遍性	区分颈椎OPLL和多节段退变性椎管狭窄	颈椎OPLL和退变性椎管狭窄患者	数字病理	颈椎病	MRI	CNN（ResNet34, ResNet50, ResNet101）	图像	684例（272例OPLL和412例退变性患者）
480	2025-06-22	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-09-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种3D深度学习模型在真实世界环境中检测和定位脑微出血（CMBs）的性能	该模型不仅能检测CMBs，还能识别其解剖位置，且在真实世界环境中验证了其性能	需要更大规模和更多样化的人群研究以确立其临床实用性	验证3D深度学习模型在检测和定位脑微出血（CMBs）中的性能	脑微出血（CMBs）患者	数字病理学	脑血管疾病	3D深度学习	3D深度学习模型	医学影像	33名患者（21名有CMBs，12名无CMBs），共116个CMBs