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
1081	2025-04-18	Detecting keypoints with semantic labels on skull point cloud for plastic surgery 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1358 PMID:40235762	研究论文	提出了一种用于整形外科的密集三维头骨点云关键点检测框架，以辅助术前规划	结合PointRes2Net模块和自组织映射的关键点描述符-检测器框架，以及基于关键点的局部小部分分割策略	需要密集的三维点云数据，且未提及对其他类型点云的适用性	开发用于整形外科的精确关键点检测和分割方法	头骨三维点云模型	计算机视觉	整形外科	深度学习	PointRes2Net, 自组织映射	三维点云	未明确提及具体样本数量，但涉及尺寸为231 mm × 173 mm × 151 mm的头骨模型
1082	2025-04-18	A novel dual-branch segmentation algorithm for overall spine segmentation 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2297 PMID:40235769	research paper	提出了一种基于nnUnet框架的双分支分割算法DBU-Net，用于脊柱CT图像的高效自动化分割	DBU-Net结合了多尺度特征通道注意力模块和双分支解码器架构，能够自适应调整各通道重要性并整合全局上下文与局部特征	研究仅使用了VerSe数据集进行验证，未在其他脊柱CT数据集上进行广泛测试	开发一种高效的深度学习分割网络，用于脊柱CT图像的自动化分割	脊柱CT图像中的椎骨结构	digital pathology	spinal disease	CT imaging	DBU-Net (基于nnUNet改进的双分支网络)	CT图像	MICCAI 2019和2020年VerSe数据集
1083	2025-04-18	Diagnostic accuracy of deep learning for the invasiveness assessment of ground-glass nodules with fine segmentation: a systematic review and meta-analysis 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1839 PMID:40235789	meta-analysis	系统评价和荟萃分析深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性	首次系统评价和荟萃分析深度学习模型在肺腺癌侵袭性评估中的诊断准确性	证据的整体质量较低，需要更多大规模、多中心、高质量的研究来验证	评估深度学习模型通过精细结节分割在肺腺癌侵袭性诊断中的准确性	肺腺癌（IAC）表现为磨玻璃结节（GGNs）的患者	digital pathology	lung cancer	deep learning, nodule segmentation	DL	image	8项研究，涉及5,281个结节和4,676名患者
1084	2025-04-18	Carotid artery segmentation in computed tomography angiography (CTA) using multi-scale deep supervision with Swin-UNet and advanced data augmentation 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2087 PMID:40235793	research paper	本研究提出了一种基于深度学习的自动化三维颈动脉分割方法，用于计算机断层扫描血管造影（CTA）图像	结合了Swin变换器、深度监督机制和创新数据增强技术，显著提高了分割的准确性和鲁棒性	研究仅基于214例CTA图像，样本量相对较小	开发一种自动且准确的3D颈动脉分割方法，以辅助颈动脉疾病（CAD）的诊断	颈动脉疾病患者的CTA图像	digital pathology	cardiovascular disease	deep learning	MFSD-UNet (Multi-Flux-Swin-Deepsup-UNet)	image	214例CTA图像
1085	2025-04-18	Formal validation of a deep learning-based automated interpretation system for cardiac structure and function in adult echocardiography 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1852 PMID:40235804	研究论文	本研究提出了一种基于深度学习的自动化系统，用于解释成人超声心动图中的心脏结构和功能	开发了Auto-Echo和Auto-Doppler两种深度学习算法，用于自动测量超声心动图参数，显著提高了测量效率和准确性	在RV-A4C视图和RV参数测量中观察到较大的绝对偏差，且跨瓣速度的VTI测量显示出较大的相对偏差	验证深度学习在超声心动图心脏结构和功能自动解释中的准确性和效率	成人心脏结构和功能的超声心动图测量	数字病理学	心血管疾病	超声心动图	深度学习（具体架构未明确说明）	视频和图像	训练集：141名患者的416个视频循环和892幅多普勒图像；验证集：60名新患者的178个新视频循环和391幅多普勒图像；外部验证集：90个2D视频和120幅多普勒图像
1086	2025-04-18	Feasibility of magnetization-transfer-contrast relaxation-enhanced angiography without contrast and triggering (REACT) imaging at 1.5 T combined with deep learning-based reconstruction for cardiovascular visualization 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2199 PMID:40235803	研究论文	本研究评估了在1.5 T磁场下结合磁化转移对比增强的无对比剂和触发血管成像（REACT）与基于深度学习的重建技术用于心血管可视化的可行性	结合磁化转移对比（MTC）预脉冲和深度学习的Adaptive-CS-Net算法，显著提升了肺动脉和肺静脉成像的信噪比（SNR）和对比噪声比（CNR）	研究样本量较小（20名参与者），且仅针对肺静脉和肺动脉成像进行了评估	评估MTC-REACT技术结合深度学习重建在心血管成像中的可行性和图像质量提升效果	肺动脉和肺静脉	医学影像	心血管疾病	磁共振血管成像（MRA）、深度学习重建	Adaptive-CS-Net	医学影像数据	20名参与者
1087	2025-04-18	Development and validation of the Artificial Intelligence-Proliferative Vitreoretinopathy (AI-PVR) Insight system for deep learning-based diagnosis and postoperative risk prediction in proliferative vitreoretinopathy using multimodal fundus imaging 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1644 PMID:40235812	research paper	开发并验证了一个基于深度学习的系统AI-PVR Insight，用于增殖性玻璃体视网膜病变(PVR)的自动识别、分级及术后风险评估	结合TwinsSVT和DenseNet-121两种深度学习模型，从B-scan超声、OCT和超广角视网膜成像三种模态中提取特征，实现PVR的自动化诊断与风险预测	研究数据来源于两家医院，可能存在选择偏倚；模型性能需在更多外部数据集中进一步验证	开发自动化系统以改善增殖性玻璃体视网膜病变的早期诊断和术后管理	接受玻璃体切除术的1700例患者（1700只眼）的多模态眼底影像数据	digital pathology	增殖性玻璃体视网膜病变(PVR)	B-scan超声、光学相干断层扫描(OCT)、超广角视网膜成像(UWF)	TwinsSVT, DenseNet-121, MLP, SVM	多模态医学影像	1700例患者（1700只眼）的回顾性数据
1088	2025-04-18	Deep learning network based on high-resolution magnetic resonance vessel wall imaging combined with attention mechanism for predicting stroke recurrence in patients with symptomatic intracranial atherosclerosis 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1723 PMID:40235801	研究论文	本研究开发了一种基于高分辨率磁共振血管壁成像（HR-VWI）和注意力机制的深度学习网络模型，用于预测症状性颅内动脉粥样硬化性狭窄（sICAS）患者的卒中复发风险	结合Transformer注意力机制构建了先进的集成模型Trans-CNN，显著提升了预测性能	研究为回顾性设计，样本量相对有限（363例患者）	开发高精度模型预测sICAS患者的卒中复发风险	症状性颅内动脉粥样硬化性狭窄患者	数字病理学	心血管疾病	高分辨率磁共振血管壁成像（HR-VWI）	CNN（ResNet50和DenseNet169）与Transformer注意力机制结合的Trans-CNN模型	医学影像	363例sICAS患者（训练集254例，测试集109例）
1089	2025-04-18	MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study 2025-Apr, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103186 PMID:40235946	研究论文	本研究开发了一种基于高分辨率血管壁成像（HR-VWI）的人工智能模型，用于识别症状性颅内动脉粥样硬化狭窄（sICAS）患者的易损斑块并预测卒中复发风险	结合了栖息地放射组学与Vision Transformer（ViT）架构，采用堆叠融合策略构建融合模型，显著提高了识别和预测性能	研究为回顾性设计，可能存在选择偏倚；样本来自四个医疗机构，可能影响模型的泛化能力	开发非侵入性工具以准确识别高风险易损斑块并评估卒中风险，辅助临床决策	726名sICAS患者的1806个斑块	数字病理	心血管疾病	高分辨率血管壁成像（HR-VWI）、K-means聚类、放射组学分析	Vision Transformer（ViT）、栖息地模型、融合模型	MRI图像	726名患者的1806个斑块
1090	2025-04-18	Optimizing Coronary CT Image Reconstruction With Deep Learning for Improved Quality: A Retrospective Study 2025-Apr-01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001746 PMID:40241428	研究论文	本研究评估了深度学习图像重建在冠状动脉CT血管成像（CCTA）中对图像质量的影响，并与自适应统计迭代重建（ASIR）进行了比较	首次在CCTA中应用深度学习图像重建技术（DLIR-H），并证明其在降低图像噪声、提高信噪比（SNR）和对比噪声比（CNR）方面显著优于传统ASIR-V方法	研究样本量有限（100例患者），且为单中心回顾性研究	优化冠状动脉CT图像重建技术以提高图像质量	疑似冠状动脉疾病（CAD）患者的CCTA图像	数字病理	心血管疾病	深度学习图像重建（DLIR-H）	深度学习（未指定具体模型）	医学影像（CT图像）	100例疑似CAD患者的连续病例
1091	2025-04-17	Dissection of tumoral niches using spatial transcriptomics and deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112214 PMID:40230519	研究论文	本研究介绍了一种名为TG-ME的创新计算框架，该框架结合了transformer和图变分自编码器（GraphVAE）模型，用于利用空间转录组学数据和形态学图像解析肿瘤微环境	TG-ME框架创新性地整合了transformer与GraphVAE模型，能够有效识别和表征肿瘤微环境中的特定区域，揭示了癌症进展过程中的分子变化	研究主要基于bench数据集和高分辨率NSCLC数据集，可能在其他类型癌症或更大规模数据集上的适用性有待验证	开发一种计算框架来解析肿瘤微环境的空间组织结构，以指导个性化治疗策略	肿瘤微环境中的特定区域及其分子特征	数字病理学	肺癌	空间转录组学	transformer, GraphVAE	空间转录组学数据, 形态学图像	bench数据集和一个高分辨率NSCLC数据集
1092	2025-04-17	Optical multilayer thin film structure inverse design: From optimization to deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112222 PMID:40230531	综述	本文回顾了从传统优化方法到深度学习算法在光学多层薄膜结构逆向设计中的最新进展	比较了不同深度学习算法在逆向设计中的差异，并探讨了当前最先进的算法	未提及具体实验验证或实际应用案例	探讨光学多层薄膜结构逆向设计的算法发展	光学多层薄膜结构	光子学	NA	深度学习算法	NA	NA	NA
1093	2025-04-17	Discovery and Characterization of Novel Receptor-Interacting Protein Kinase 1 Inhibitors Using Deep Learning and Virtual Screening 2025-Apr-16, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.5c00180 PMID:40181215	研究论文	本研究利用深度学习和虚拟筛选技术发现并表征了新型受体相互作用蛋白激酶1（RIPK1）抑制剂	结合指纹图注意力网络（FP-GAT）和分子对接虚拟筛选，从1300万化合物库中鉴定出两种具有抑制活性的新型RIPK1抑制剂	仅从1300万化合物库中筛选出43种化合物进行测试，样本量相对较小	发现新型RIPK1激酶抑制剂以治疗神经退行性疾病和炎症性疾病	受体相互作用蛋白激酶1（RIPK1）及其潜在抑制剂	机器学习	神经退行性疾病, 炎症性疾病	深度学习, 分子对接虚拟筛选, 分子动力学模拟	FP-GAT	化合物结构数据	从1300万化合物库中筛选出43种化合物进行测试
1094	2025-04-17	Quantitative Ischemic Lesions of Portable Low-Field Strength MRI Using Deep Learning-Based Super-Resolution 2025-Apr-16, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.050540 PMID:40235448	研究论文	本研究评估了基于深度学习的合成超分辨率磁共振成像（SynthMRI）在便携式低场强磁共振成像（LF-MRI）中定量缺血性病变的性能	利用深度学习框架SCUNet从LF-MRI图像生成SynthMRI图像，显著提高了对缺血性病变的检测和定量性能	研究为回顾性设计，样本量相对有限	评估SynthMRI在LF-MRI中定量缺血性病变的诊断性能	178名中风患者和104名健康对照者	数字病理学	心血管疾病	磁共振成像（MRI）	SCUNet	医学影像	282名参与者（178名患者和104名健康对照）
1095	2025-04-17	Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe Acute Kidney Injury 2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000695 PMID:40232856	research paper	开发并验证了一种结合结构化和非结构化数据的深度学习模型，用于预测中度至重度急性肾损伤	首次结合结构化数据和非结构化临床笔记信息，采用中间融合的深度学习循环神经网络架构来预测急性肾损伤	研究排除了入院时血清肌酐≥3.0mg/dL、48小时内需要透析等特定患者群体	开发能够早期预测中度至重度急性肾损伤的深度学习模型	成年住院患者（≥18岁）	digital pathology	acute kidney injury	deep learning, natural language processing	recurrent neural network (RNN)	structured clinical data and unstructured clinical notes	424,579例住院患者（推导队列339,998例，验证队列84,581例）
1096	2025-04-17	A deep learning framework for enhanced mass spectrometry data analysis and biomarker screening 2025-Apr-15, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2488501 PMID:40232885	研究论文	本文提出了一种深度学习框架，用于增强质谱数据的分类和生物标志物筛选	该框架整合了预处理、分类和生物标志物选择，解决了高维质谱数据分析中的挑战	NA	提升质谱数据的分类性能和生物标志物筛选效率	高维质谱数据	机器学习	NA	质谱(MS)	深度学习框架	质谱数据	NA
1097	2025-04-17	Hadamard product in deep learning: Introduction, Advances and Challenges 2025-Apr-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560423 PMID:40232897	综述	本文综述了深度学习中的Hadamard乘积，探讨了其应用、优势及挑战	首次提出了Hadamard乘积在深度学习中的全面分类，并系统分析了其作为核心架构原语的作用	未进行实验验证，仅为基础理论分析	系统分析Hadamard乘积在深度学习中的应用及其潜力	Hadamard乘积在深度学习架构中的应用	机器学习	NA	NA	NA	多模态数据	NA
1098	2025-04-17	Constraint Boundary Wandering Framework: Enhancing Constrained Optimization with Deep Neural Networks 2025-Apr-15, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3560762 PMID:40232899	研究论文	提出了一种基于深度神经网络的约束优化新方法——约束边界漫游框架（CBWF）	引入了受主动集方法启发的边界漫游策略，增强了等式约束的可行性，并将Lipschitz常数作为可学习参数	NA	解决传统约束优化技术在可扩展性方面的挑战	约束优化问题	机器学习	NA	深度神经网络（DNNs）	DNN	合成数据集和ACOPT数据集	NA
1099	2025-04-17	Multi-View Self-Supervised Learning Enhances Automatic Sleep Staging from EEG Signals 2025-Apr-15, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561228 PMID:40232903	research paper	该研究提出了一种多视图自监督学习方法，用于从脑电图信号中自动进行睡眠分期	采用多视图自监督学习方法，结合时间视图和频谱视图特征编码器，通过交叉视图对比损失和动态加权算法提高特征的迁移性和鲁棒性	依赖于公开数据集，未在更多样化的数据集上进行验证	提高自动睡眠分期的效率和准确性	脑电图信号	machine learning	睡眠障碍	自监督学习（SSL）	多视图睡眠分期模型	脑电图信号	三个公开数据集（SleepEDF-20、SleepEDF-78和MASS）
1100	2025-04-17	VibTac: A High-Resolution High-Bandwidth Tactile Sensing Finger for Multi-Modal Perception in Robotic Manipulation 2025-Apr-15, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2025.3561049 PMID:40232917	研究论文	介绍了一种名为VibTac的新型多模态触觉传感手指，旨在同时提供高分辨率和高带宽的触觉感知	VibTac创新性地结合了基于视觉和基于振动的触觉传感模式，实现了高分辨率和高带宽的触觉感知	NA	提升机器人操作能力，通过提供关键的局部信息反馈	机器人触觉传感手指	机器人技术	NA	基于视觉和基于振动的触觉传感	深度学习模型	触觉数据、视觉数据、声音数据	实验中使用发出不同声音的物体（如以太网连接器）进行测试