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
1281	2025-03-08	Automated deep learning-assisted early detection of radiation-induced temporal lobe injury on MRI: a multicenter retrospective analysis 2025-Mar-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11470-y PMID:40050455	研究论文	本文评估了一种基于深度学习的自动化工具（RTLI-DM）在MRI上早期检测辐射诱导的颞叶损伤（RTLI）的效果	开发并验证了一种结合Unet++和修改版DenseNet-121网络的自动化RTLI检测模型，显著提高了放射科医生的诊断性能并减少了阅读时间	尽管RTLI-DM显著提高了诊断性能，但在临床应用中仍需进一步验证	评估自动化深度学习工具在早期检测辐射诱导颞叶损伤中的效果	396名RTLI患者和3181名非RTLI患者	数字病理学	颞叶损伤	MRI	Unet++, DenseNet-121	图像	396名RTLI患者和3181名非RTLI患者，总计3577名患者
1282	2025-03-08	The value of radiomics and deep learning based on PET/CT in predicting perineural nerve invasion in rectal cancer 2025-Mar-07, Abdominal radiology (New York) DOI:10.1007/s00261-025-04833-y PMID:40053051	研究论文	本研究探讨了基于PET/CT的放射组学特征和深度学习特征在预测直肠癌神经周围浸润（PNI）中的价值	结合PET代谢参数、放射组学特征和深度学习特征构建了联合模型，用于预测直肠癌的神经周围浸润	样本量相对较小，且外部验证集仅来自两家医院	研究PET/CT的放射组学和深度学习特征在预测直肠癌神经周围浸润中的应用价值	直肠癌患者	数字病理	直肠癌	PET/CT	深度学习模型、放射组学模型、联合模型	PET/CT图像	120例直肠癌患者（56例PNI阳性，64例PNI阴性），外加31例来自其他两家医院的患者作为外部验证集
1283	2025-03-08	Deep Learning-based Multi-class Classification for Neonatal Respiratory Diseases on Chest Radiographs in Neonatal Intensive Care Units 2025-Mar-06, Neonatology IF:2.6Q1 DOI:10.1159/000545107 PMID:40049153	研究论文	本研究介绍了一种基于深度学习的自动算法，用于分类新生儿重症监护病房中的各种新生儿呼吸系统疾病和健康肺	使用大规模高质量多类标注的胸部X光图像数据集，结合非影像数据，开发了一种新的深度学习模型，用于新生儿呼吸系统疾病的自动分类	研究仅基于韩国10所大学医院的数据，可能限制了模型的普遍适用性	开发一种自动分类算法，以支持新生儿科医生对重症新生儿的及时准确决策	新生儿重症监护病房中的新生儿	计算机视觉	新生儿呼吸系统疾病	深度学习	修改后的ResNet50	胸部X光图像	训练集34,598张，验证集4,370张，测试集4,370张
1284	2025-03-08	An Earth Mover's Distance-Based Self-Supervised Framework for Cellular Dynamic Grading in Live-Cell Imaging 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0672 PMID:39618334	研究论文	本文提出了一种基于地球移动距离的自监督框架，用于活细胞成像中的细胞动态分级	提出了一种新的自监督框架，利用地球移动距离构建概率转移矩阵，并通过损失函数约束来增强模型学习时空动态的能力	依赖于细胞动态分级与细胞外观变化速度一致性的假设，可能不适用于所有细胞类型或条件	解决活细胞动态分级任务中数据收集和标注的挑战，提高深度学习模型的性能	活细胞显微视频中的细胞动态	计算机视觉	NA	自监督学习	神经网络	视频	NA
1285	2025-03-08	Deep learning based super-resolution for CBCT dose reduction in radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17557 PMID:39625126	研究论文	本文提出了一种基于深度学习的超分辨率方法，用于减少放射治疗中CBCT的剂量	首次在CBCT剂量减少的背景下探索了深度学习超分辨率的应用，并提出了在投影域和图像域中使用增强型超分辨率生成对抗网络（ESRGAN）来恢复低剂量CBCT的图像质量	图像相似性指标受噪声水平影响，未能完全反映视觉上的改进	减少CBCT成像剂量，同时保持图像质量	头颈癌患者的CBCT扫描	数字病理	头颈癌	深度学习超分辨率	ESRGAN	图像	2997个CBCT扫描
1286	2025-03-08	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个利用深度学习预测剂量分布的决策框架，以帮助选择最佳乳腺癌放射治疗技术	使用2D U-Net卷积神经网络模型预测剂量分布图，并通过外部验证展示了该框架在临床决策中的高准确性和可靠性	研究依赖于回顾性数据集，且样本量相对较小（346名患者训练，30名患者验证），可能影响模型的泛化能力	开发一个基于深度学习的决策框架，以优化乳腺癌放射治疗计划的选择	乳腺癌患者	数字病理	乳腺癌	IMRT（调强放射治疗）和3D-CRT（三维适形放射治疗）	2D U-Net CNN	CT图像和剂量分布图	346名患者用于训练和调优，30名患者用于外部验证
1287	2025-03-08	DRGAT: Predicting Drug Responses Via Diffusion-Based Graph Attention Network 2025-Mar, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0807 PMID:39639802	研究论文	本文介绍了一种名为DRGAT的药物反应预测方法，结合了去噪扩散隐式模型和图注意力网络，用于提高药物反应的预测准确性	DRGAT方法结合了去噪扩散隐式模型和数据增强技术，以及高阶邻居传播的图注意力网络，显著提高了药物反应预测的准确性	生物数据集通常高维但样本量小，可能导致过拟合和泛化能力差的问题	提高基于患者基因组特征的药物反应预测准确性，推动个性化医疗的发展	药物反应预测	机器学习	NA	去噪扩散隐式模型，图注意力网络（GAT）	GAT, HO-GATs	基因表达（GE）数据	NA
1288	2025-03-08	Automatic plan selection using deep network-A prostate study 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17550 PMID:39657031	研究论文	本文介绍了一种使用深度学习框架自动选择前列腺高剂量率（HDR）近距离放射治疗计划的方法	引入了新的视觉类标准，并结合常用的剂量体积直方图（DVH）标准，训练深度学习算法来自动选择和排名治疗计划	研究仅在835名前列腺癌患者的数据集上进行训练，并在20名患者的独立队列中进行评估，样本量相对较小	开发一种自动选择最佳HDR近距离放射治疗计划的算法	前列腺癌患者的HDR近距离放射治疗计划	数字病理	前列腺癌	深度学习	深度网络	3D图像	835名前列腺癌患者用于训练，20名患者用于评估
1289	2025-03-08	A neural network to create super-resolution MR from multiple 2D brain scans of pediatric patients 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17563 PMID:39657055	研究论文	本文提出了一种基于卷积神经网络的超分辨率方法，用于从儿科患者的多平面2D低分辨率脑部扫描中重建高分辨率3D MR图像	提出了一种多级密集连接的超分辨率卷积神经网络（mDCSRN），能够从两个垂直的低分辨率扫描中重建3D高分辨率图像，并引入了运动伪影、模糊和配准误差以模拟真实情况	需要进一步验证其在其他结构分析任务中的有效性	通过深度学习技术从常规2D低分辨率扫描中重建高分辨率3D MR图像，以便于提取结构生物标志物	儿科患者的脑部MR图像	计算机视觉	儿童癌症	卷积神经网络（CNN）	mDCSRN	图像	90个高分辨率T1儿科头部扫描（ABCD研究），10个新ABCD图像，18个CBTN研究图像，6个儿科头颈癌患者的真实随访图像
1290	2025-03-08	An automated treatment planning portfolio for whole breast radiotherapy 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17588 PMID:39699058	研究论文	本研究开发了一套完整的自动化放射治疗计划组合，用于全乳放疗，适应不同的患者因素、临床方法和可用资源	提出了一个全面的、端到端的自动化放疗解决方案，结合了多种治疗方法和深度学习模型，适应不同的患者和治疗需求	研究中使用的样本量相对较小，且主要来自特定机构，可能限制了结果的普遍性	开发一套自动化放疗计划组合，以适应不同的患者因素和临床需求	全乳放疗患者	数字病理	乳腺癌	深度学习模型（nnU-net）、RapidPlan模型	nnU-net	放疗计划数据	15名内部患者（150个计划）和40名来自瑞士、阿根廷、伊朗和美国的外部患者（360个计划）
1291	2025-02-10	A 2.5D transfer deep learning model based on artificial intelligence for differentiating lymphoma and tuberculous lymphadenitis in HIV/AIDS patients 2025-Mar, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2025.106439 PMID:39922386	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1292	2025-03-07	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	本文提出了一种名为DeepOptimalNet的深度学习模型，用于胰腺肿瘤的早期诊断和分类，通过优化算法和深度学习技术处理胰腺CT图像中的复杂性和细微变化	DeepOptimalNet结合了优化算法和深度学习技术，特别是引入了改进的Remora优化算法（MROA）和深度迁移卷积神经网络（DTCNN）与ResNet-50，以提高胰腺癌组织分割的准确性和效率	未明确提及研究的局限性	开发一种优化的深度学习模型，用于胰腺肿瘤的早期诊断和分类	胰腺CT图像	计算机视觉	胰腺癌	CT成像	DeepOptimalNet（结合MROA、DTCNN与ResNet-50、DCCNN-ML）	图像	未明确提及样本数量
1293	2025-03-07	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Mar-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了从解剖ROI提取的放射组学特征在前列腺癌患者中区分国际泌尿病理学会（ISUP）分级的预测价值	通过结合前列腺的外周区（PZ）和中央腺体（CG）的放射组学特征，提高了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用效果	探索放射组学特征在前列腺癌ISUP分级预测中的应用	1500名前列腺癌患者	数字病理	前列腺癌	放射组学特征提取，SMOTE算法，随机森林分类	随机森林分类算法	T2加权成像（T2WI）、表观扩散系数（ADC）和扩散加权成像（DWI）图像	1500名前列腺癌患者
1294	2025-03-06	Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory 2025-Mar-05, Journal of materials chemistry. B DOI:10.1039/d4tb02494j PMID:39869000	研究论文	本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应	结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程	研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力	预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生	纳米纤维支架及其对巨噬细胞炎症反应的影响	机器学习	NA	机器学习、图论、扫描电子显微镜（SEM）	随机森林（Random Forest）、卷积神经网络（CNN）	图像（SEM图像）	15种纳米纤维支架家族
1295	2025-03-06	High-Adhesive Hydrogel-Based Strain Sensor in the Clinical Diagnosis of Anterior Talofibular Ligament Sprain 2025-Mar-05, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03472 PMID:40042081	研究论文	本文提出了一种基于高粘性水凝胶的应变传感器，用于临床诊断前距腓韧带扭伤	该传感器由明胶、纤维素纳米纤维和交联聚丙烯酸接枝的琥珀酰亚胺酯制成，具有优异的贴合性和拉伸性，能够牢固地粘附在皮肤上，准确评估前距腓韧带扭伤的严重程度	尽管传感器具有高粘性和高拉伸强度，但其在实际临床应用中的长期稳定性和生物相容性仍需进一步验证	开发一种能够准确评估前距腓韧带扭伤严重程度的高粘性水凝胶应变传感器	前距腓韧带扭伤患者	数字病理学	运动损伤	深度学习模型	深度学习模型	传感器数据	未提及具体样本数量
1296	2025-03-06	Evaluating fusion models for predicting occult lymph node metastasis in tongue squamous cell carcinoma 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11473-9 PMID:40042648	研究论文	本研究评估并比较了多种预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	提出了基于决策的晚期融合模型，整合了2D深度学习、常规放射组学、肿瘤内异质性放射组学和临床数据，取得了最佳预测效果	研究为回顾性诊断实验，样本量相对有限，且仅来自三个医疗中心	评估和比较不同预测模型在预测舌鳞状细胞癌患者隐匿性淋巴结转移中的有效性	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	对比增强磁共振成像（CEMRI）	2D深度学习、常规放射组学、肿瘤内异质性放射组学、晚期融合模型	图像、临床数据	268名患者，分为训练集（107名）、内部测试集（53名）和两个外部测试集（63名和45名）
1297	2025-03-06	Artificial intelligence for the detection of airway nodules in chest CT scans 2025-Mar-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11468-6 PMID:40042650	研究论文	本文开发并评估了一种基于深度学习的AI系统，用于检测和定位胸部CT扫描中的气道结节	开发了一种能够检测大多数气道结节的AI系统，包括具有非常细微特征的结节，且具有可接受的假阳性率	研究仅在单一学术医院进行，样本量相对较小，且未进行外部验证	开发并评估一种AI系统，用于检测胸部CT扫描中的气道结节	2004年至2020年间接受胸部或胸腹部CT扫描的患者	计算机视觉	肺癌	深度学习	NA	图像	160名有气道结节的患者和160名无气道结节的患者
1298	2025-03-06	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2025-Mar-04, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习技术预测法洛四联症患者的心脏磁共振成像（CMR）衍生的射血分数（LVEF），使用超声心动图视频作为输入	利用EchoNet-Dynamic模型，通过迁移学习方法，以CMR衍生的LVEF为基准，预测法洛四联症患者的LVEF，提供了一种比传统方法更准确的评估方法	研究仅针对法洛四联症患者，且模型在不同视图（PSAX和A4C）下的预测性能存在差异	通过深度学习技术改进法洛四联症患者的心脏功能评估	法洛四联症患者的超声心动图视频	计算机视觉	心血管疾病	深度学习	CNN	视频	NA
1299	2025-03-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文综述了2D深度学习网络在肺癌CT分割中的应用现状和前景，总结了研究进展、关键概念和存在的不足	强调了卷积神经网络，特别是UNet在肺癌CT分析中的重要性，并提倡结合2D/3D建模方法	研究存在类别不平衡（67%）、交叉验证使用不足（21%）和模型稳定性评估不足（3%）等问题，88%的研究未处理缺失数据，仅34%讨论了泛化性问题	探讨深度学习在肺癌CT分割中的应用，以改善诊断、治疗和患者生存率	肺癌患者的CT扫描图像	计算机视觉	肺癌	深度学习	UNet及其变体	CT图像	124项研究符合纳入标准并进行了分析，主要使用LIDC-LIDR数据集
1300	2025-03-06	A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01449-y PMID:40038136	研究论文	本文提出了一种新的肾上腺分割流程，通过集成先进的预处理技术和强大的后处理框架，显著提高了左右肾上腺的分割精度	该研究创新性地结合了测试时间增强（TTA）和针对未连接区域的定向移除技术，显著提升了分割的准确性和鲁棒性	NA	提高CT图像中肾上腺的分割精度，以增强计算机辅助诊断和手术规划	CT图像中的左右肾上腺	医学图像分割	NA	测试时间增强（TTA），未连接区域定向移除	2D UNet, VGG16, ResNet34, InceptionV3	CT图像	AMOS数据集