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
1121	2025-03-22	Impact of wearable device data and multi-scale entropy analysis on improving hospital readmission prediction 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae242 PMID:39301656	研究论文	本文探讨了可穿戴设备数据和多尺度熵分析在改善医院再入院预测中的应用	结合可穿戴设备数据和多尺度熵分析，开发了基于LSTM的时间序列深度学习模型，用于预测90天内非计划再入院	需要前瞻性研究来验证这些发现	提高医院非计划再入院的预测能力	使用可穿戴设备数据的患者	机器学习	NA	多尺度熵分析	FNN, LSTM	时间序列数据，可穿戴设备数据，人口统计和实验室数据	612名患者
1122	2025-03-22	Body composition analysis by radiological imaging - methods, applications, and prospects 2024-10, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2263-1501 PMID:38569516	综述	本文综述了使用放射学方法对人体组织组成（体成分，BC）进行定量评估的方法、应用及前景	强调了放射学横断面成像在体成分分析中的重要性，并探讨了人工智能（深度学习）在自动化组织分割中的应用	分析工具和适合AI训练的数据集的可用性被认为是当前的一个限制	介绍和推广体成分分析方法，特别是在肿瘤学和代谢问题中的应用	人体组织组成	数字病理学	NA	MRI和CT	深度学习	图像	NA
1123	2025-03-22	Deep Learning Accelerated Brain Diffusion-Weighted MRI with Super Resolution Processing 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.049 PMID:38521612	研究论文	本研究探讨了使用深度学习图像重建和超分辨率技术加速脑部扩散加权成像（DWI）的临床可行性和图像质量	利用深度学习技术进行图像重建和超分辨率处理，显著提高了脑部扩散加权成像的图像质量和诊断信心	研究样本量较小（85名患者），且仅在3T MRI扫描仪上进行，可能限制了结果的普遍性	研究加速脑部扩散加权成像的临床可行性和图像质量	85名临床需要MRI检查的患者	医学影像	脑部疾病	深度学习图像重建和超分辨率处理	深度学习模型	MRI图像	85名患者
1124	2025-03-22	Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.033 PMID:38614826	系统综述与荟萃分析	本文系统评估了放射组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	首次系统性地结合放射组学和深度学习技术，对良恶性软组织肿瘤进行鉴别诊断，并通过荟萃分析提供了综合的敏感性和特异性数据	研究设计和方法学质量存在异质性，未来需要更多多中心前瞻性验证以提高研究严谨性	评估放射组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	良性和恶性软组织肿瘤	数字病理学	软组织肿瘤	放射组学和深度学习	深度学习模型	影像数据	21项研究，涉及3866名患者
1125	2025-03-22	Ultrasound-Based Deep Learning Radiomics Nomogram for the Assessment of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.010 PMID:38658211	研究论文	本研究旨在开发一种基于B型超声和彩色多普勒血流成像图像的深度学习放射组学列线图，用于术前评估浸润性乳腺癌的淋巴血管侵犯状态	结合深度学习和手工放射组学特征，开发了一种新的深度学习放射组学列线图，用于评估浸润性乳腺癌的淋巴血管侵犯状态	研究为回顾性多中心研究，可能存在选择偏倚	开发一种深度学习放射组学列线图，用于术前评估浸润性乳腺癌的淋巴血管侵犯状态	浸润性乳腺癌患者	数字病理学	乳腺癌	B型超声和彩色多普勒血流成像	深度学习放射组学列线图	图像	832名病理确诊的浸润性乳腺癌患者
1126	2025-03-22	Feasibility of Artificial Intelligence Constrained Compressed SENSE Accelerated 3D Isotropic T1 VISTA Sequence For Vessel Wall MR Imaging: Exploring the Potential of Higher Acceleration Factors Compared to Traditional Compressed SENSE 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.041 PMID:38664146	研究论文	本研究探讨了使用深度学习加速的3D T1加权VISTA序列进行血管壁磁共振成像的可行性，并与传统的压缩感知技术进行比较	首次将深度学习约束的压缩感知技术（CS-AI）应用于3D T1 VISTA序列，以优化加速因子（AF），提高血管壁磁共振成像的质量	研究样本量较小（40例患者），且仅限于颅内或颈动脉粥样硬化斑块患者	探索深度学习加速的3D T1 VISTA序列在血管壁磁共振成像中的可行性，并优化加速因子以获得高质量的临床图像	40例颅内或颈动脉粥样硬化斑块患者	医学影像	动脉粥样硬化	深度学习约束的压缩感知技术（CS-AI）	深度学习	磁共振图像	40例患者
1127	2025-03-22	Automated Detection and Grading of Extraprostatic Extension of Prostate Cancer at MRI via Cascaded Deep Learning and Random Forest Classification 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.011 PMID:38670874	研究论文	本文提出了一种基于深度学习和随机森林分类的自动化工作流程，用于从前列腺T2W MRI、ADC图和High B DWI中自动检测和分级前列腺癌的包膜外侵犯（EPE）	结合深度学习模型和随机森林分类器，自动化评估前列腺癌的EPE分级，接近医生的准确度	模型的平衡准确率较低（0.390 ± 0.078），且ROC AUCs在不同EPE分级中表现不一	开发一种自动化AI工作流程，用于预测前列腺癌的包膜外侵犯（EPE）分级，以辅助医生决策	634名患者的MRI扫描数据	数字病理学	前列腺癌	深度学习、随机森林分类	CNN、随机森林	MRI图像	634名患者（507名训练集，127名测试集）
1128	2025-03-22	Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.012 PMID:38702214	研究论文	本文开发并验证了一种基于增强CT的深度学习放射组学模型，用于识别肝转移的原发来源	提出了一种新的深度学习放射组学模型，通过逐步分类方法提高了模型分类效率	样本来源仅限于特定临床中心，可能影响模型的泛化能力	开发并验证一种深度学习放射组学模型，用于识别肝转移的原发来源	肝转移病灶	数字病理学	肝转移	增强CT	深度学习放射组学模型	图像	657个肝转移病灶，来自428名患者，外加112个病灶作为外部测试集
1129	2025-03-22	A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions 2024-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58812-2 PMID:38589478	研究论文	本文提出了一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现特定受试者的脂肪T2校准	利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提高了计算效率	NA	提高肌肉水T2映射的处理速度和准确性，以便在临床和研究中更有效地利用定量水T2图	肌肉水T2映射	医学影像处理	NA	多自旋回波采集	全连接神经网络	MRI图像	使用了两家不同MRI供应商的体内实验数据
1130	2025-03-22	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题	提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性	未提及具体局限性	提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题	事件抽取任务中的词特征与序列信息	自然语言处理	NA	动态图聚合网络、掩码注意力机制	MaskDGNets	文本	两个基准数据集（DuEE和CCKS2020）
1131	2025-03-21	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	本研究旨在使用机器学习技术预测接受连续肾脏替代疗法（CRRT）的儿童和年轻成年人的ICU和医院出院生存率	这是首个使用机器学习模型预测接受CRRT的儿童和年轻成年人ICU和医院出院生存率的研究	数据集不平衡，未来研究应扩展输入变量，进行更复杂的特征选择，并使用深度学习算法生成更精确的模型	预测接受CRRT的儿童和年轻成年人的ICU和医院出院生存率	接受CRRT的儿童和年轻成年人	机器学习	急性肾损伤	机器学习	逻辑回归（LR）、决策树、随机森林（RF）、梯度提升机、支持向量机（线性核）	临床数据	933名患者
1132	2025-03-21	A deep profile of gene expression across 18 human cancers 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.17.585426 PMID:38559197	研究论文	本文介绍了DeepProfile，一个用于从18种人类癌症的50,211个转录组中学习低维潜在空间的综合框架	DeepProfile在生物解释性方面优于现有的降维方法，并揭示了跨所有癌症类型普遍重要的基因控制免疫细胞激活，而癌症类型特异性基因和通路定义了分子疾病亚型	NA	应用无监督深度学习从基因表达数据中提取临床和生物学上有价值的信息	18种人类癌症的50,211个转录组	机器学习	癌症	无监督深度学习	DeepProfile	基因表达数据	50,211个转录组
1133	2025-03-21	Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning 2024-Oct, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-024-00902-w PMID:39083144	系统综述	本文系统回顾了过去二十年中白质高信号（WMH）分割方法的演变和实施情况，重点关注了深度学习的应用	本文首次系统性地回顾了WMH分割方法的发展历程，并特别指出了深度学习技术的兴起	尽管定量分割方法日益复杂，视觉评分量表仍然广泛使用，且SPM技术作为参考标准可能限制了新技术的推广	探讨WMH分割方法的演变和实施情况，特别是深度学习的应用	白质高信号（WMH）分割方法	医学影像分析	老年疾病	深度学习	NA	医学影像	1007个视觉评分量表，118篇管道开发文章，509篇实施文章
1134	2025-03-21	A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.002 PMID:38637240	研究论文	本文评估了深度学习在利用来自两个机构的DCE-MRI预测不同乳腺癌分子亚型中的性能	开发了一种多分支卷积神经网络（MBCNN），并采用中间融合和80像素的ROI大小进行外观转换，以优化性能	在预测luminal B、HER2-enriched和TN亚型时，MBCNN虽然表现优于CNN和CLSTM，但除了在TN亚型中对CNN表现出统计显著性外，其他情况下未达到统计显著性	评估深度学习在预测乳腺癌分子亚型中的性能	366名乳腺癌患者	计算机视觉	乳腺癌	DCE-MRI	MBCNN, CNN, CLSTM	图像	366名乳腺癌患者（训练集292名，验证集49名，测试集25名）
1135	2025-03-21	Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.035 PMID:38641451	研究论文	开发并验证了一个结合对比增强光谱乳腺摄影（CESM）深度学习和临床病理特征的列线图，用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗（NAC）反应	结合CESM深度学习和临床病理特征，开发了一个新的列线图模型，用于预测NAC反应，该模型在预测性能上优于单独的深度学习模型和临床模型	研究为回顾性研究，可能存在选择偏差，且样本量相对较小	预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应	265名ER阳性/HER2阴性乳腺癌患者	数字病理	乳腺癌	对比增强光谱乳腺摄影（CESM）	ResNet34	图像	265名乳腺癌患者
1136	2025-03-21	Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography 2024-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.021 PMID:38290889	研究论文	本研究评估了基于深度学习的重建（DLR）在低剂量CT结肠成像（CTC）中的图像质量，并与迭代重建（IR）进行了比较	首次将深度学习重建技术应用于低剂量CT结肠成像，显著提高了图像质量	研究仅针对特定BMI群体的成年人，未涵盖更广泛的人群	评估低剂量CT结肠成像的图像质量	270名成年志愿者	计算机视觉	结直肠癌	CT成像	深度学习	图像	270名志愿者（平均年龄47.94岁，115名男性）
1137	2025-03-21	Research Progress of Artificial Intelligence in the Grading and Classification of Meningiomas 2024-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.003 PMID:38413314	综述	本文总结了人工智能在脑膜瘤分级和分类中的研究进展，分析了放射组学和深度学习的应用及其在临床治疗和预后中的价值	本文综述了人工智能在脑膜瘤分级和分类中的最新研究进展，提出了现有研究的局限性和未来改进建议	现有研究存在一定的局限性，未来需要进一步改进	探讨人工智能在脑膜瘤分级和分类中的应用，以促进其在脑膜瘤诊断和治疗中的未来应用	脑膜瘤	数字病理学	脑膜瘤	放射组学, 深度学习	深度学习	医学影像	NA
1138	2025-03-21	A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.035 PMID:38182443	研究论文	本研究探讨了使用深度学习模型基于超声图像非侵入性诊断子宫内膜癌患者肌层浸润程度的可行性，并与放射科医生的诊断效果进行了比较	首次将深度学习模型应用于子宫内膜癌肌层浸润程度的非侵入性诊断，并证明其性能显著优于放射科医生	研究样本主要来自特定医疗中心，可能限制了结果的普遍适用性	评估深度学习模型在诊断子宫内膜癌肌层浸润程度中的应用效果	子宫内膜癌患者的超声图像	计算机视觉	子宫内膜癌	深度学习	EfficientNet-B6	图像	604名患者的1289张超声图像
1139	2025-03-21	nnU-Net-Based Pancreas Segmentation and Volume Measurement on CT Imaging in Patients with Pancreatic Cancer 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.004 PMID:38350812	研究论文	本研究开发并验证了一种基于深度学习的CT图像胰腺分割和胰腺体积自动测量方法，用于胰腺癌患者	使用3D nnU-net架构进行全自动胰腺分割，并通过自动和手动分割结果的比较验证了模型的有效性	研究为回顾性研究，样本量相对有限，且仅使用了一种深度学习模型	开发并验证一种基于深度学习的胰腺分割和体积测量方法	胰腺癌患者的CT图像	数字病理学	胰腺癌	CT成像	3D nnU-net	CT图像	851张门静脉期CT图像（499例胰腺癌和352例正常胰腺）
1140	2025-03-21	Improving Image Quality and Nodule Characterization in Ultra-low-dose Lung CT with Deep Learning Image Reconstruction 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.010 PMID:38429189	研究论文	本研究探讨了深度学习图像重建（DLIR）在超低剂量肺部CT条件下对图像质量和肺结节定量分析的影响	首次在超低剂量CT中使用高强度的深度学习图像重建（DLIR-H）技术，并与传统的自适应统计迭代重建（ASIR-V40%）进行比较	样本量相对较小，仅包括56名患者	研究DLIR在超低剂量肺部CT中对图像质量和肺结节定量分析的影响	56名疑似肺结节患者	计算机视觉	肺癌	深度学习图像重建（DLIR）	NA	图像	56名患者，共检测到104个肺结节