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
61	2025-04-02	Automated Cerebrovascular Segmentation and Visualization of Intracranial Time-of-Flight Magnetic Resonance Angiography Based on Deep Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01215-6 PMID:39133457	research paper	该研究提出了一种基于深度学习的自动化脑血管分割和可视化方法，用于颅内飞行时间磁共振血管成像（TOF-MRA）	提出了一种优于现有两种深度学习方法的新型CNN模型，其可视化效果被评估为与放射科医生手动重建的外观相似	研究未提及模型在更广泛或多样化数据集上的表现，可能限制了其普适性	评估深度学习血管分割技术在TOF-MRA中自动获取颅内动脉的图像质量	颅内动脉的TOF-MRA扫描图像	digital pathology	cardiovascular disease	TOF-MRA	CNN	image	394例TOF-MRA扫描（包括脑血管健康、动脉瘤或狭窄病例）
62	2025-04-02	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	research paper	该研究探讨了MUC5B基因型及其他常见变异与寻常型间质性肺炎（UIP）的计算成像特征之间的关联	使用深度学习技术自动评估CT扫描中的UIP模式和肺纤维化程度，探索遗传风险特征与计算成像表型的关系	未发现常见变异与视觉评估的UIP模式之间的关联	确定IPF患者的遗传风险特征是否能识别独特的计算成像表型	329名具有基因型数据和胸部CT扫描的IPF患者	digital pathology	idiopathic pulmonary fibrosis	CT扫描，深度学习	deep learning	image	329名IPF患者
63	2025-04-02	Chemically Engineered Peptide Efficiently Blocks Malaria Parasite Entry into Red Blood Cells 2025-Apr-01, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00465 PMID:40062812	研究论文	通过化学肽工程技术设计出一种能高效抑制疟原虫侵入红细胞的环肽	通过残基插入、骨架环化和引入额外二硫键等化学肽工程技术，设计出亲和力比天然配体高20倍的环肽	研究主要基于体外实验，尚未进行体内验证	开发能阻断疟原虫侵入红细胞的肽类抑制剂	疟原虫侵入红细胞的过程及其相关蛋白相互作用	生物医学工程	疟疾	化学肽工程、表面等离子共振技术、深度学习结构预测	ColabFold-AlphaFold2	蛋白质结构数据	NA
64	2025-04-02	Reduction of Acquisition Time in Fourier Transform Infrared Spectral Imaging by Deep Learning for Clinical Applications 2025-Apr-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06317 PMID:40095897	研究论文	利用深度学习技术减少傅里叶变换红外光谱成像的采集时间，以应用于临床	首次将深度学习技术应用于傅里叶变换红外光谱成像，显著减少采集时间同时保持高质量数据	研究仅针对肾移植受者的福尔马林固定石蜡包埋组织切片，未验证其他类型样本的适用性	解决红外光谱成像在临床应用中的高采集时间问题	肾移植受者的福尔马林固定石蜡包埋组织切片的红外图像	数字病理	肾脏疾病	傅里叶变换红外光谱成像	autoencoder, ResUNet, 1D-CNN, 2D-CNN	红外图像	未明确说明样本数量，仅说明使用1次扫描和64次扫描的红外图像
65	2025-04-02	Quantitative Imaging of Colloidal Structures 2025-Apr-01, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c05270 PMID:40098481	research paper	该论文提出了一种用于胶体材料显微镜图像定量分析的图像处理和分析方法	开发了确保复杂图像准确二值化的方法，并定义了基于二进制对象基本形态特征的度量标准	适用于手动标记不实用但深度学习方法不可行的情况，可能不适用于其他场景	解决胶体材料显微镜图像定量分析中的挑战	胶体聚集体和悬浮液的结构特征	图像处理	NA	图像处理和分析方法	NA	视频显微图像	自组装胶体团簇的多样化数据集
66	2025-04-02	Ratiometric, 3D Fluorescence Spectrum with Abundant Information for Tetracyclines Discrimination via Dual Biomolecules Recognition and Deep Learning 2025-Apr-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c07061 PMID:40099919	research paper	该研究提出了一种基于双生物分子识别和深度学习的比率3D荧光光谱方法，用于准确区分四环素类抗生素	首次报道使用适配体在比率3D荧光光谱中获取丰富信息，结合深度学习实现四环素类抗生素的准确区分	未提及具体样本量或实际应用场景的验证	开发一种新型生物传感器方法用于四环素类抗生素的定性和定量分析	四环素类抗生素	生物传感器	细菌感染	3D荧光光谱	人工神经网络(ANN)	3D荧光光谱数据	NA
67	2025-04-02	Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2025-Apr-01, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.030 PMID:40139886	研究论文	开发并验证了一种基于集成深度学习的AI-ECG工具PRESENT-SHD，用于通过12导联心电图图像自动检测和预测多种结构性心脏病	首次利用集成深度学习模型（XGBoost）从心电图图像中筛查多种结构性心脏病，并在多中心临床队列和前瞻性人群中验证其性能	模型性能可能受到心电图图像质量的影响，且在不同人群中的泛化能力仍需进一步验证	开发可扩展的自动化结构性心脏病筛查工具	心电图图像与结构性心脏病患者	数字病理学	心血管疾病	深度学习	CNN+XGBoost集成模型	图像（心电图）	261,228份心电图（来自93,693名患者），并在11,023名个体中进行验证
68	2025-04-02	Zero Echo Time and Similar Techniques for Structural Changes in the Sacroiliac Joints 2025-Apr, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/s-0045-1802660 PMID:40164079	综述	本文探讨了基于MRI的合成CT（sCT）在评估骶髂关节结构变化中的潜在作用，特别是在轴向脊柱关节炎（axSpA）的背景下	介绍了合成CT（sCT）作为一种创新工具，能够从MRI数据生成CT样图像，结合了MRI和CT的优势，无需电离辐射即可提供详细的解剖分辨率	未提及具体的临床研究数据或样本量，可能缺乏实证支持	探讨sCT在早期检测和监测骶髂关节炎中的潜在应用	骶髂关节的结构变化，特别是在轴向脊柱关节炎（axSpA）患者中	数字病理学	脊柱关节炎	合成CT（sCT）、深度学习、零回波时间（ZTE）、超短回波时间（UTE）、梯度回波序列	NA	MRI和CT图像数据	NA
69	2025-04-02	Uncertainty quantification for CT dosimetry based on 10 281 subjects using automatic image segmentation and fast Monte Carlo calculations 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17796 PMID:40167139	research paper	本研究提出了一种结合自动图像分割与GPU加速蒙特卡罗模拟的新方法，用于分析10,281名接受CT检查的患者的器官剂量不确定性	结合深度学习自动分割与GPU加速蒙特卡罗模拟，处理大规模患者特异性器官剂量数据	研究仅基于中国一家医院的数据，可能无法完全代表其他地区或人群的情况	量化并理解CT剂量不确定性，改进依赖简化体模的剂量测定方法	10,281名接受CT检查的患者（6,419名男性和3,862名女性）	digital pathology	NA	自动图像分割，GPU加速蒙特卡罗模拟	DeepContour（深度学习模型）	CT图像	10,281名患者
70	2025-04-02	Deep learning-based identification of vertebral fracture and osteoporosis in lateral spine radiographs and DXA VFA to predict incident fracture 2025-Apr-01, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf050 PMID:40167218	research paper	该研究利用深度学习技术从脊柱侧位X光片和DXA VFA图像中识别椎体骨折和骨质疏松症，以预测老年人骨折风险	开发了深度学习模型用于检测椎体骨折和骨质疏松症，并在DXA VFA数据集上进行了微调，提高了骨折风险预测的准确性	研究数据集来自单一三级医疗机构，可能影响模型的泛化能力	提高老年人骨折风险的预测准确性	脊柱侧位X光片和DXA VFA图像	digital pathology	geriatric disease	deep learning	DL	image	VERTE-X队列: 9276名个体的26299张脊柱侧位X光片；KURE队列: 部分DXA VFA数据集
71	2025-04-02	Can Deep Learning Blind Docking Methods be Used to Predict Allosteric Compounds? 2025-Apr-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00331 PMID:40167386	research paper	探讨深度学习盲对接方法在预测变构化合物中的应用	提出了一种基于数据驱动的平台MDMR，用于预测变构抑制剂与CDK2的复合物，并发现了一种中间蛋白质构象	变构化合物的结构基药物设计比正构化合物更复杂，且变构结合仅在特定蛋白质构象中观察到	评估盲对接方法在预测正构和变构结合模式中的效用	变构化合物与Cyclin-Dependent Kinase (CDK) 2的复合物	machine learning	NA	DiffDock, Lin_F9, MDMR	深度学习模型	蛋白质-配体复合物数据	NA
72	2025-04-02	Leveraging sound speed dynamics and generative deep learning for ray-based ocean acoustic tomography 2025-Apr-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0036312 PMID:40167492	研究论文	本文介绍了一种基于生成深度学习框架的射线海洋声学层析成像方法，用于估计声速剖面	利用变分自编码器和线性动力学模型对声速剖面变化进行低维参数化，作为进一步的正则化手段	方法仅在模拟数据上进行了测试，未涉及实际海洋环境数据	解决海洋声学层析成像中的逆问题，即基于多声学换能器之间的到达时间测量估计声速剖面	海洋声速剖面	机器学习	NA	变分自编码器，线性动力学模型	VAE	模拟声学数据	使用区域海洋模型模拟的声速剖面变化数据
73	2025-04-02	Attention mechanism-based multi-parametric MRI ensemble model for predicting tumor budding grade in rectal cancer patients 2025-Apr-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04886-z PMID:40167646	research paper	开发并验证了一种基于深度学习的多参数MRI特征集成模型，用于预测直肠癌患者的肿瘤萌芽分级	基于注意力机制的Transformer模块用于捕捉不同成像序列间的空间交互，构建多参数集成模型，相比单序列模型能更有效地预测肿瘤萌芽分级	模型间AUC值的差异在统计上不显著，样本量相对有限且为回顾性研究	预测直肠癌患者的肿瘤萌芽分级，为治疗选择和预后评估提供指导	458例经病理证实的直肠癌患者	digital pathology	rectal cancer	multiparametric MRI (T2WI, DWI)	CrossFormer, Transformer-based attention mechanism	MRI图像	458例患者（训练队列248例，内部验证107例，外部验证103例）
74	2025-04-02	Deep learning-based segmentation of gallbladder cancer on abdominal computed tomography scans: a multicenter study 2025-Apr-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04887-y PMID:40167645	research paper	该研究训练并验证了用于从增强CT图像中自动分割胆囊癌（GBC）病变的深度学习模型	使用多中心数据集训练和验证了2D和3D图像分割模型，并比较了它们的性能，其中MedSAM表现最佳	分割性能与GBC形态无关，且与病变大小的相关性较弱	开发并验证用于胆囊癌自动分割的深度学习模型	胆囊癌（GBC）患者	digital pathology	gallbladder cancer	contrast-enhanced CT	SAM Adapter, MedSAM, 3D TransUNet, SAM-Med3D, 3D-nnU-Net	image	训练和验证队列317例，内部测试队列29例，外部测试队列85例
75	2025-04-02	Optimizing bladder magnetic resonance imaging: accelerating scan time and improving image quality through deep learning 2025-Apr-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04895-y PMID:40167648	research paper	本研究探讨了深度学习在膀胱T2加权成像中的应用，以加速扫描时间并提高图像质量	首次在膀胱MRI中应用深度学习重建技术，显著减少扫描时间并提升图像质量	样本量较小（28例患者），且仅针对膀胱癌进行评估	评估深度学习在膀胱MRI中的临床应用价值	膀胱癌患者	digital pathology	bladder cancer	T2-weighted imaging, deep learning reconstruction	DL	MRI图像	28例连续膀胱癌患者
76	2025-04-02	Coherence shaping for optical vortices: a coherence shift keying scheme enabled by deep learning for optical communication 2025-Apr-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.549356 PMID:40167728	research paper	本研究提出了一种用于光学涡旋的相干整形方法，并通过深度学习实现了一种相干移位键控方案，用于光通信	提出了一种新的相干整形方法，能够生成完全相干和非相干状态之间的非衍射干涉状态，并首次将深度学习应用于相干移位键控方案	实验验证仅限于特定条件下的性能测试，未涉及大规模实际应用场景的验证	开发一种基于低阶结构光模式的高容量加密移位键控通信系统	光学涡旋的相干性和干涉状态	optical communication	NA	coherence shaping, deep learning	deep learning model	optical interference patterns	NA
77	2025-04-02	The current landscape of artificial intelligence in computational histopathology for cancer diagnosis 2025-Apr-01, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02212-z PMID:40167870	综述	本文综述了2013年至2024年间人工智能在计算病理学中用于癌症诊断的关键方法和应用	涵盖了监督学习、无监督学习、弱监督学习和迁移学习等多种深度学习方法在病理学图像识别中的应用，并探讨了AI在识别基因突变和病理生物标志物方面的潜力	仅基于41项主要研究，可能未能涵盖该领域所有最新进展	评估人工智能在计算病理学中用于癌症诊断和预后的应用现状	组织病理学图像	数字病理学	癌症	深度学习	监督学习、无监督学习、弱监督学习和迁移学习	图像	41项主要研究
78	2025-04-02	Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study 2025-Apr-01, La Radiologia medica DOI:10.1007/s11547-025-02006-x PMID:40167932	research paper	本研究评估了结合经阴道超声（US）的放射组学和深度学习模型在大规模研究中准确区分良性和恶性卵巢肿瘤的有效性	结合CNN和放射组学模型，提供了一种更准确和可靠的卵巢肿瘤诊断方法	研究为回顾性研究，可能存在选择偏倚	评估结合放射组学和深度学习模型在卵巢肿瘤诊断中的有效性	良性和恶性卵巢肿瘤	digital pathology	ovarian cancer	transvaginal ultrasound (US)	CNN	image	3193张图像来自2078名患者
79	2025-04-02	Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes 2025-Apr-01, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03621 PMID:40167999	研究论文	该研究开发了一种结合深度学习、微流控技术和表面增强拉曼散射（SERS）的方法，用于非小细胞肺癌（NSCLC）的早期诊断和分子亚型分类	结合深度学习、微流控技术和SERS技术，实现了外泌体的高效捕获、富集和分析，用于NSCLC的早期诊断和分子亚型分类	未提及该方法在临床样本中的验证情况，以及与其他现有技术的比较	开发一种非侵入性方法，用于NSCLC的早期诊断和分子亚型分类	非小细胞肺癌（NSCLC）的外泌体	数字病理学	肺癌	微流控技术、表面增强拉曼散射（SERS）	深度学习	光学信号	三种不同的NSCLC细胞系和正常细胞系
80	2025-04-01	The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01214-7 PMID:39136827	研究论文	评估低keV多相CT结合深度学习图像重建技术在改善胰腺导管腺癌(PDAC)描绘中的效果	首次将深度学习图像重建(DLIR)技术应用于低keV虚拟单色成像(VMI)，显著提高了PDAC的对比噪声比(CNR)和病灶显着性评分	样本量较小(35例患者)，且为回顾性研究	改进胰腺导管腺癌的影像学诊断方法	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	多相CT扫描、虚拟单色成像(VMI)、深度学习图像重建(DLIR)	深度学习(具体模型未提及)	CT影像	35例PDAC患者