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
1321	2025-03-05	Deep learning reconstruction for accelerated high-resolution upper abdominal MRI improves lesion detection without time penalty 2025-Mar, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.09.008 PMID:39567306	研究论文	本研究比较了传统T1加权VIBE序列与DL重建加速高分辨率VIBE序列在上腹部MRI中的图像质量、病变显著性和病变检测效果	使用深度学习重建技术加速高分辨率VIBE序列，提高了图像质量和病变检测率，且不增加扫描时间	研究样本量较小（50名参与者），且仅在单一三级中心进行	比较传统VIBE序列与DL重建加速高分辨率VIBE序列在上腹部MRI中的表现	上腹部MRI图像	医学影像	NA	深度学习重建技术	NA	MRI图像	50名参与者（30名男性，20名女性，平均年龄60±15岁）
1322	2025-03-05	Dataset augmentation with multiple contrasts images in super-resolution processing of T1-weighted brain magnetic resonance images 2025-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00871-1 PMID:39680317	研究论文	本研究探讨了在脑部磁共振成像（MRI）T1加权图像（T1WIs）的超分辨率处理中，通过使用深度学习技术增强数据集的有效性	通过引入同一受试者的不同对比度图像来增强数据集，以提高网络性能并评估其对图像质量指标（如峰值信噪比和结构相似性）的影响	研究为回顾性研究，可能受到数据选择和偏差的影响	提高脑部MRI图像的超分辨率处理性能	240名接受脑部MRI检查的患者	计算机视觉	NA	深度学习	U-Net, EDSR	图像	240名患者
1323	2025-03-05	Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma 2025-Mar, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16843 PMID:39687978	研究论文	本文开发了一种基于深度学习的虚拟Lugol染色内镜（V-LCE）方法，用于检测浅表性食管鳞状细胞癌（ESCC）	使用CycleGAN生成虚拟Lugol染色内镜图像，为浅表性食管鳞状细胞癌的诊断提供了一种新的辅助工具	V-LCE在病变检测、边缘识别和颜色差异方面的表现介于真实Lugol染色内镜（R-LCE）和白光内镜（WLE）之间，尚未达到R-LCE的水平	开发一种基于深度学习的虚拟Lugol染色内镜方法，以提高浅表性食管鳞状细胞癌的检测灵敏度	浅表性食管鳞状细胞癌（ESCC）	计算机视觉	食管癌	CycleGAN	GAN	图像	六名内镜医师对WLE、R-LCE和V-LCE图像进行评分
1324	2025-03-05	GSCAT-UNET: Enhanced U-Net model with spatial-channel attention gate and three-level attention for oil spill detection using SAR data 2025-Mar, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117583 PMID:39862681	研究论文	本文提出了一种名为GSCAT-UNET的增强型U-Net模型，用于利用SAR数据进行油污检测和区分	GSCAT-UNET模型结合了空间-通道注意力门（SCAG）、三级注意力模块（TLM）和全局特征模块（GFM），以提高油污检测的准确性和鲁棒性	NA	提高油污检测的准确性和鲁棒性，以应对SAR数据的复杂性和不平衡数据集	油污及其类似物	计算机视觉	NA	深度学习	GSCAT-UNET	SAR图像	1112张Sentinel-1双极化SAR图像及其标注图像（5类）
1325	2025-02-01	Shaping the future of MRI in upper abdominal imaging: The promise of deep learning reconstruction 2025-Mar, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.12.003 PMID:39884888	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1326	2025-03-05	Feasibility of using Gramian angular field for preprocessing MR spectroscopy data in AI classification tasks: Differentiating glioblastoma from lymphoma 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111957 PMID:39892374	研究论文	本文探讨了使用Gramian角场将1D光谱转换为2D图像，作为卷积神经网络输入用于胶质母细胞瘤与淋巴瘤分类任务的可行性	首次将Gramian角场技术应用于MR光谱数据的预处理，以生成适合深度学习算法输入的2D图像	研究样本量较小，仅包括98名患者，且仅比较了傅里叶变换后的原始光谱和后处理拟合光谱的分类性能	探索MR光谱数据在神经网络分类任务中的应用潜力	胶质母细胞瘤和淋巴瘤患者	数字病理学	胶质母细胞瘤, 淋巴瘤	MR光谱, Gramian角场	卷积神经网络(CNN)	图像	98名患者（65名胶质母细胞瘤，33名淋巴瘤）
1327	2025-03-05	Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111959 PMID:39893823	研究论文	本研究开发了一种利用临床数据和超声特征的机器学习模型，用于痛风预测，并应用SHAP进行模型解释	结合临床数据和超声特征，开发了一种可解释的机器学习模型，并首次应用SHAP进行模型解释	研究样本来自两个机构，可能存在数据偏差	开发一种用于痛风预测的机器学习模型	609名患者的首次跖趾关节超声数据	机器学习	痛风	超声	Logistic Regression (LR), Random Forest (RF), LASSO, XGBoost	临床数据和超声图像	609名患者（571名来自机构1，92名来自机构2）
1328	2025-03-05	Automated detection of early-stage osteonecrosis of the femoral head in adult using YOLOv10: Multi-institutional validation 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111983 PMID:39923593	研究论文	本文开发了一种基于YOLOv10的深度学习模型，用于通过X光片检测成人早期股骨头坏死（ONFH）	使用YOLOv10模型进行早期ONFH的自动化检测，并在多机构验证中表现出色，超越了放射科医生的诊断能力	研究依赖于回顾性数据，且样本主要来自特定机构，可能影响模型的泛化能力	开发一种深度学习模型，用于自动化检测成人早期股骨头坏死	成人早期股骨头坏死患者	计算机视觉	股骨头坏死	深度学习	YOLOv10	X光片	2321名患者，3970张单侧髋关节X光片
1329	2025-03-05	Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111952 PMID:39978270	研究论文	本研究开发并评估了基于3D U-Net的深度学习模型，用于自动分割和分类非对比脑CT图像中的颅内出血及其相关病理	使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响	对于小于1毫升的出血，模型存在较高的假阴性率，且Dice评分相较于文献较低	开发并评估用于颅内出血自动分割和分类的深度学习模型，以增强临床决策	非对比脑CT图像中的颅内出血及其相关病理	数字病理	颅内出血	深度学习	3D U-Net	CT图像	1508个非对比CT序列，来自医院、QURE500数据集和RSNA 2019脑出血数据集
1330	2025-03-05	Fluid Inverse Volumetric Modeling and Applications From Surface Motion 2025-Mar, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3370551 PMID:38416615	研究论文	本研究提出了一种从可观测、可测量的自由表面运动中进行流体体积重建的框架	结合深度学习和传统模拟的优势，保持再现流体的引导运动和时间一致性，并利用3D CNN生成体积速度场	NA	开发一种从表面运动中进行流体体积重建的方法，并应用于图形学中的流体行为再现和场景重编辑	流体	计算机视觉	NA	深度学习，3D CNN	3D CNN	图像	NA
1331	2025-03-05	Evaluation of a deep learning-based software to automatically detect and quantify breast arterial calcifications on digital mammogram 2025-Mar, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.10.001 PMID:39490357	研究论文	本研究评估了一种基于深度学习的软件，用于自动检测和量化数字乳腺X光片上的乳腺动脉钙化	开发了一种基于深度学习的AI软件，能够自动检测和量化乳腺动脉钙化，并与传统的手动评分方法进行了比较	研究为单中心回顾性研究，样本量相对较小，且仅针对特定人群	评估AI软件在自动检测和量化乳腺动脉钙化方面的性能，并探讨其在心血管风险评估中的潜在应用	2009年至2018年间接受乳腺X光检查和胸部CT检查的女性	数字病理学	心血管疾病	深度学习	NA	图像	502名女性，年龄中位数为62岁
1332	2025-03-05	Deep learning opportunistic screening for osteoporosis and osteopenia using radiographs of the foot or ankle - A pilot study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111980 PMID:39946811	研究论文	本研究旨在开发一种深度学习模型，通过足部或踝部X光片筛查骨质疏松或骨质减少	开发了一种新的深度学习模型，利用定制的架构从足部和踝部X光片中提取深度特征，用于筛查骨质疏松或骨质减少	研究为回顾性横断面研究，样本主要为白人（96.7%），可能限制了结果的普适性	开发一种深度学习模型，用于通过足部或踝部X光片筛查骨质疏松或骨质减少	50岁及以上接受足部或踝部X光检查和DXA（金标准）的患者	计算机视觉	骨质疏松	深度学习	定制深度学习模型	图像	907名患者（3109张X光片），其中96.7%为白人，1.8%为黑人，0.4%为亚洲人
1333	2025-03-05	Association between deep learning radiomics based on placental MRI and preeclampsia with fetal growth restriction: A multicenter study 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111985 PMID:39946812	研究论文	本研究旨在开发基于胎盘T2加权图像的自动定量模型，用于识别先兆子痫（PE）妊娠及其疾病严重程度	结合深度学习和放射组学技术，开发了一种新的深度放射组学（DLR）模型，用于自动分析胎盘MRI图像，以识别PE妊娠及其与胎儿生长受限（FGR）的关联	研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对较小	开发一种基于胎盘MRI的自动定量模型，用于识别PE妊娠及其疾病严重程度	420名孕妇，包括140例PE妊娠和280例正常血压妊娠	数字病理学	先兆子痫	MRI	深度学习放射组学（DLR）模型	图像	420名孕妇（140例PE妊娠，280例正常血压妊娠）
1334	2025-03-05	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文介绍了一种针对心电图（ECG）数据的专门数据增强技术，通过考虑12导联ECG中胸前导联之间的独特角度，提出了一种在临床环境中可能发生的情况下的数据增强方法，并用于训练深度学习模型以诊断多种心脏疾病	本文的创新点在于提出了一种专门针对ECG数据的数据增强技术，考虑了胸前导联之间的独特角度，并在多种数据集和任务中展示了其性能提升	本文的局限性在于未提及该方法在其他类型生物信号处理中的适用性，且未详细讨论其在更大规模数据集上的表现	研究目的是开发一种优化的数据增强技术，以提高ECG数据的深度学习模型诊断心脏疾病的准确性	研究对象是12导联ECG数据，特别是胸前导联之间的角度变化	生物信号处理	心血管疾病	数据增强技术	深度学习模型	ECG信号	NA
1335	2025-03-05	Reinforcement learning-based generative artificial intelligence for novel pesticide design 2025-Mar-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.030 PMID:40032026	研究论文	本研究提出了一种基于强化学习的生成人工智能框架，用于设计具有高结合亲和力的农药样分子	首次将生成人工智能应用于农药设计，提出了结合强化学习的框架，并成功设计出一种新型4-羟基苯基丙酮酸双加氧酶抑制剂	未提及具体样本量或实验数据规模	探索生成人工智能在农药设计中的应用，开发新型绿色农药	农药样分子	机器学习	NA	强化学习，蒙特卡洛树搜索算法	生成模型	化学分子数据	NA
1336	2025-03-05	Prediction of quality traits in packaged mango by NIR spectroscopy 2025-Mar, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115963 PMID:40032464	研究论文	本研究旨在通过近红外光谱技术预测包装芒果的质量特性，并开发创新方法以减少纸袋对光谱信号的干扰	结合深度学习全连接神经网络（FNN）和高斯空间（GS）滤波，有效减少了包装芒果光谱信号的干扰，提高了质量特性预测的准确性	研究中仅针对特定波段的近红外信号进行了优化，可能无法完全消除所有干扰	准确评估包装芒果的硬度（FI）、干物质含量（DMC）、可溶性固形物含量（SSC）和可滴定酸度（TA）	包装芒果	机器视觉	NA	近红外光谱技术（NIR）	全连接神经网络（FNN）、偏最小二乘回归（PLSR）	光谱数据	NA
1337	2025-03-05	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	本研究开发并测试了一种两阶段深度学习模型，用于自动检测腹部CT图像中的肾上腺结节，并模拟与人类解释结合的筛选性能	提出了一种两阶段深度学习架构，分别针对左右肾上腺进行训练，结合人类解释提高了检测的敏感性和特异性	研究为回顾性研究，可能受到数据选择和偏差的影响	开发并测试一种深度学习模型，用于自动检测和分类肾上腺结节	腹部CT图像中的肾上腺结节	计算机视觉	肾上腺疾病	深度学习	两阶段深度学习模型（检测和分割模型）	CT图像	内部数据集995名患者，外部数据集12080名患者
1338	2025-03-04	Recent Advances in Structured Illumination Microscopy: From Fundamental Principles to AI-Enhanced Imaging 2025-Mar-03, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401616 PMID:40025917	综述	本文介绍了结构光照明显微镜（SIM）的基本原理及其在超分辨率成像中的最新进展，并探讨了深度学习技术在SIM成像中的应用	探讨了深度学习技术在SIM成像中的应用，包括提高图像质量、加速成像和重建速度或替代现有图像重建方法	未提及具体的研究局限性	介绍SIM的基本原理及其最新进展，并探讨深度学习技术在SIM成像中的应用	结构光照明显微镜（SIM）及其在生物成像中的应用	数字病理学	NA	结构光照明显微镜（SIM）	深度学习神经网络	图像	NA
1339	2025-03-04	Automated Von Willebrand Factor Multimer Image Analysis for Improved Diagnosis and Classification of Von Willebrand Disease 2025-Mar-02, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14455 PMID:40025642	研究论文	本文开发了一种基于深度学习的自动化图像分析流程，用于提高Von Willebrand因子多聚体模式分类的再现性和效率	首次使用YOLOv8深度学习模型对VWF多聚体模式进行分类，提高了分类的准确性和效率	模型在罕见亚型上的表现较低	改进Von Willebrand病的诊断和分类	Von Willebrand因子多聚体图像	数字病理学	Von Willebrand病	深度学习	YOLOv8	图像	514张凝胶图像（6168个标记实例）用于训练，192张图像（2304个实例）用于验证，94张图像（1128个实例）用于测试
1340	2025-03-04	Deep learning MR reconstruction in knees and ankles in children and young adults. Is it ready for clinical use? 2025-Mar, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04769-2 PMID:39112675	研究论文	本研究评估了在儿童和年轻成人膝关节和踝关节MRI中使用深度学习重建加速Turbo Spin Echo序列的诊断性能和图像质量，并与传统序列进行比较	首次在儿童和年轻成人膝关节和踝关节MRI中应用深度学习重建技术，并与传统序列进行对比，证明了其在诊断性能和图像质量上的相似性或优越性，同时显著缩短了采集时间	样本量较小（49例MRI，48名受试者），且年龄范围较广（7-29岁），可能影响结果的普遍性	评估深度学习重建加速Turbo Spin Echo序列在儿童和年轻成人膝关节和踝关节MRI中的诊断性能和图像质量	儿童和年轻成人的膝关节和踝关节MRI	医学影像	NA	深度学习重建加速Turbo Spin Echo序列	深度学习	MRI图像	49例MRI，48名受试者（10名男性，平均年龄16.4岁，范围7-29岁）