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
1041	2025-04-03	Integrating Deep Learning in Breast MRI: Technical Advances and Clinical Promise 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.047 PMID:40169328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1042	2025-06-03	Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.015 PMID:40175204	research paper	开发一个开源深度学习模型，用于生成膝关节的合成T2*加权梯度回波图像	使用cycleGAN模型从脂肪抑制中间加权图像生成合成T2*W图像，提供开源代码和独立可执行文件	识别出四种伪影类型，包括几何畸变、物体插入/遗漏、环绕样伪影和不完全脂肪抑制伪影，但对诊断影响较小	开发一个能够生成高质量合成T2*W图像的深度学习模型，以补充常规膝关节MRI协议	膝关节MRI图像	digital pathology	NA	MRI	cycleGAN	image	训练集12,118张矢状位膝关节MR图像，测试集2,996张图像
1043	2025-06-03	Transforming pulmonary health care: the role of artificial intelligence in diagnosis and treatment 2025-Jun, Expert review of respiratory medicine IF:2.9Q2 DOI:10.1080/17476348.2025.2491723 PMID:40210489	综述	本文探讨了人工智能在呼吸系统疾病诊断和治疗中的应用及其潜力	强调了AI在预测模型、影像深度学习和个性化治疗方面的技术进步和临床应用	数据集需要更大且多样化，存在数据隐私、算法透明度和潜在偏见的问题，监管框架需进一步适应AI在医疗中的挑战	评估人工智能在呼吸系统疾病诊断和治疗中的角色及其对改善医疗效果的潜力	呼吸系统疾病如肺炎、哮喘和COPD	数字病理学	肺病	深度学习	NA	影像	NA
1044	2025-06-03	Expanded AI learning: AI as a Tool for Human Learning 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.040 PMID:40210520	研究论文	探讨深度学习模型作为教学工具提升放射科医生在影像任务中的表现	首次提出将AI衍生的数据作为教学工具，以提升放射科医生在无AI辅助时的影像任务准确性	样本量较小，仅涉及三名放射科医生和有限数量的膝关节X光片	验证深度学习模型能否作为教学工具提升放射科医生的影像分类能力	放射科医生和膝关节X光片	数字病理	NA	深度学习	DL	图像	三名放射科医生和100张膝关节X光片（50张用于初始测试，50张用于后续测试）
1045	2025-06-03	Deep Learning in Knee MRI: A Prospective Study to Enhance Efficiency, Diagnostic Confidence and Sustainability 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.018 PMID:40240275	研究论文	本研究评估了深度学习重建的并行采集技术（PAT）与同步多层（SMS）加速成像在膝关节MRI中的效果，并与传统成像方法进行比较	结合深度学习增强的四倍PAT与两倍SMS加速成像（P4S2），在图像质量、解剖结构描绘及时间效率上显著优于传统方法	P4在软骨损伤可视化方面诊断效果略逊于传统方法	提升膝关节MRI的效率、诊断信心及可持续性	接受膝关节MRI检查的成年人	数字病理	骨科疾病	深度学习重建的并行采集技术（PAT）与同步多层（SMS）加速成像	深度学习（DL）	MRI图像	34名参与者（平均年龄45±17岁；14名女性）
1046	2025-06-03	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	review	本文回顾并总结了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略	识别并总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战	仅包括英文同行评审的脑成像研究，可能忽略了其他语言或非脑成像的相关研究	提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以增强其在实际临床实践中的可靠性	神经影像数据	machine learning	NA	深度学习	深度学习模型	医学影像	NA
1047	2025-06-03	Comparison of time-series models for predicting physiological metrics under sedation 2025-Jun, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01237-z PMID:39470955	研究论文	本研究全面比较了多种时间序列模型在生理指标预测中的应用，特别关注了双频指数（BIS）的预测	比较了传统数学模型（如药代动力学-药效学模型、ARIMA、VAR）和现代深度学习模型（如LSTM、GRU、TCN、Transformer）在BIS预测中的表现，并发现LSTM模型在单变量和多变量预测中均表现最佳	研究仅基于两个实际手术过程中收集的生理指标数据集，可能无法涵盖所有临床场景	评估和比较不同时间序列模型在预测手术中镇静深度关键指标BIS方面的性能	双频指数（BIS），一种用于评估手术中镇静深度的重要指标	机器学习	NA	时间序列分析、深度学习	LSTM, GRU, TCN, Transformer, ARIMA, VAR	生理指标时间序列数据	两个实际手术过程中收集的生理指标数据集
1048	2025-06-03	Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.067 PMID:39814661	研究论文	开发并验证了一种基于T2加权MRI的深度学习放射组学列线图（DLRN），用于术前区分卵巢交界性肿瘤（BOTs）和I期上皮性卵巢癌（EOC）	结合了深度学习、瘤内和瘤周放射组学以及临床预测因子，构建了DLRN模型，显著优于传统放射组学模型和临床模型	研究为回顾性多中心设计，可能存在选择偏倚	开发一种术前区分BOTs和I期EOC的预测工具	279名来自三个医疗中心的患者（207名训练集，72名外部测试集）	数字病理	卵巢癌	MRI	深度学习放射组学列线图（DLRN）	医学影像	279名患者（207名训练集，72名外部测试集）
1049	2025-06-03	Evaluation of a Deep Learning Denoising Algorithm for Dose Reduction in Whole-Body Photon-Counting CT Imaging: A Cadaveric Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.052 PMID:39818525	研究论文	评估深度学习去噪算法在降低全身光子计数CT成像剂量中的效果	使用深度学习去噪算法在降低辐射剂量的同时保持图像质量	研究基于尸体扫描，可能无法完全反映活体成像情况	评估深度学习去噪算法在降低PCCT辐射剂量中的有效性	24具尸体样本	数字病理	NA	光子计数CT(PCCT)	深度学习算法(ClariCT.AI)	CT图像	24具尸体样本，生成192个数据集
1050	2025-06-03	EEG-ConvoBLSTM: A novel hybrid model for efficient EEG signal classification 2025-Jun-01, The Review of scientific instruments DOI:10.1063/5.0258358 PMID:40454762	研究论文	提出一种新型混合模型EEG-ConvoBLSTM，用于高效分类EEG信号以进行情感识别	结合卷积层和双向LSTM网络，实现对EEG信号时空特征的全面建模及长时依赖信息捕获	未明确说明模型在更大规模或多样化数据集上的泛化能力	提升基于EEG信号的情感识别准确率及跨被试泛化能力	EEG信号的情感识别	机器学习	NA	深度学习	CNN与BLSTM混合模型	EEG信号	使用SEED数据集（具体样本量未说明）
1051	2025-06-03	Physics-driven deep learning methods and numerically intractable "bad" Jaulent-Miodek equation 2025-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0264041 PMID:40455205	research paper	该论文提出了一种结合PINN和PECANN的两阶段深度学习方法，用于解决'bad' Jaulent-Miodek (JM)方程的非线性波演化问题	将PINN和PECANN两种物理驱动的深度学习方法结合成一个两阶段神经网络，提高了计算效率并正确求解了'bad' JM方程	NA	解决具有不良性质的'bad' JM方程的非线性波演化问题	'bad' JM方程的非线性波演化	machine learning	NA	Physics-Informed Neural Networks (PINN), Physics and Equality-Constrained Artificial Neural Networks (PECANN)	PINN+PECANN neural network	numerical data	NA
1052	2025-06-01	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	比较传统统计方法和深度学习技术在预测肾功能方面的准确性	首次在慢性肾病（CKD）患者中比较了传统统计方法和深度学习技术（如FFNN和GRU-D模型）在预测未来肾小球滤过率（eGFR）方面的表现	深度学习技术并未显示出比传统统计方法更高的预测准确性	评估深度学习技术是否能够提高肾功能预测的准确性	慢性肾病（CKD）患者	机器学习	慢性肾病	多重线性回归、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	FFNN, GRU-D	临床数据	22,929名CKD患者
1053	2025-06-01	Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07091-8 PMID:39878897	research paper	本研究探讨了使用生成式人工智能（AI）创建合成骨扫描图像，以增加小规模数据集的数据多样性，从而更有效地训练模型并提高泛化能力	利用生成式AI生成高质量的合成骨扫描图像，并通过增加合成数据提升深度学习模型在数据受限环境中的性能	研究仅基于单一中心的骨扫描数据，且合成数据的临床有效性需进一步验证	解决医学影像中深度学习模型因数据不足而表现不佳的问题	骨扫描图像（骨转移和心脏淀粉样变性的异常摄取）	digital pathology	bone metastases, cardiac amyloidosis	generative AI	GAN	image	9,170 patients (training), 7,472 scans from 6,448 patients (testing)
1054	2025-06-01	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散模型的全身PET图像去噪方法，能够有效处理不同扫描仪、示踪剂和剂量水平的多样性	提出了一种3D Denoising Diffusion Probabilistic Model (3D DDPM)作为通用且鲁棒的全身PET图像去噪解决方案，相比传统方法能更好地适应多样化的PET协议	NA	开发一种能够适应不同临床设置的通用PET图像去噪方法	全身PET图像	医学影像处理	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	3D PET图像	来自四台扫描仪、四种示踪剂类型和六种剂量水平的数据集
1055	2025-06-01	Integrating generative AI with neurophysiological methods in psychiatric practice 2025-Jun, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104499 PMID:40262408	research paper	探讨生成式AI与神经生理学方法在精神病学实践中的整合潜力	提出生成式AI在精神病学中与神经科学和生理学结合的创新应用，包括实时通信、内容生成和数据合成	数据可靠性、隐私问题和资源限制等挑战	探索生成式AI在精神病学中的应用及其与神经科学的协同关系	精神病学实践中的生成式AI和神经生理学方法	natural language processing	psychiatric disease	generative AI, deep learning	large language models	multi-modal data	NA
1056	2025-06-01	Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages 2025-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125600 PMID:40345087	research paper	本研究采用深度学习方法预测德黑兰的饮用水短缺问题，以应对气候变化下的可持续水资源分配	结合RNN和LSTM模型与三种优化技术（FHO、WOA、HOA），开发了预测水库流入和地下水位波动的混合模拟模型	研究仅针对德黑兰地区，可能无法直接推广到其他城市或地区	理解和缓解城市化、土地利用管理不善和气候变率对德黑兰水资源的影响	德黑兰的五个关键水库和地下含水层	machine learning	NA	RNN, LSTM, FHO, WOA, HOA	hybrid simulation models	climate and water resource data	德黑兰地区2021-2050年的气候和水资源数据
1057	2025-06-01	Learnable fractional Fourier transform for high-quality computer-generated holography 2025-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561347 PMID:40445699	research paper	提出了一种基于深度学习的计算机生成全息术方法，通过分数傅里叶变换提升全息成像质量	提出了复数分数傅里叶网络（CFrFNet），整合分数傅里叶变换（FrFT）于空间-频率统一框架中，生成高保真相位全息图（POHs）	NA	提升计算机生成全息术的成像质量	相位全息图（POHs）	computer vision	NA	分数傅里叶变换（FrFT）	CFrFNet, FrFNM, MFEB	image	NA
1058	2025-05-31	Deep learning-based forecasting of daily maximum ozone levels and assessment of socioeconomic and health impacts in South Korea 2025-Jun-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179684 PMID:40409021	研究论文	本研究评估了三种深度学习模型在预测韩国19个省份未来七天每日最大臭氧浓度方面的性能，并将高精度臭氧预测与健康和经济社会指标相结合，评估环境影响	将深度学习模型的高精度臭氧预测与省份和性别特定的健康及社会经济指标相结合，评估环境影响的创新方法	研究仅针对韩国19个省份，可能无法推广到其他地区	预测每日最大臭氧浓度并评估其公共健康和社会经济影响	韩国19个省份的每日最大臭氧浓度及其与健康和经济社会指标的关系	机器学习	心血管疾病	深度学习	Deep-CNN, LSTM, DNN	时间序列数据	韩国19个省份的臭氧浓度数据
1059	2025-05-31	Non-parametric Bayesian deep learning approach for whole-body low-dose PET reconstruction and uncertainty assessment 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03296-z PMID:39847156	研究论文	提出了一种基于深度学习的非参数贝叶斯框架NPB-LDPET，用于低剂量PET图像重建和不确定性评估	采用非参数贝叶斯方法和随机梯度Langevin动力学优化器，能够更准确地进行低剂量PET重建并提供不确定性评估	研究仅使用了特定数据集进行评估，未涉及其他可能影响临床应用的变量	提高低剂量PET图像重建的准确性并评估不确定性，以改善临床决策	低剂量PET图像	医学影像处理	肿瘤学	深度学习	非参数贝叶斯框架	医学影像	10,631个样本（全局评估）和28个样本（局部评估）
1060	2025-05-31	Smart home-assisted anomaly detection system for older adults: a deep learning approach with a comprehensive set of daily activities 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03308-y PMID:39888470	research paper	该研究提出了一种基于深度学习的智能家居辅助异常检测系统，用于监测老年人的日常活动	使用深度学习技术建模群体行为，考虑全面的日常活动集（41种），并检测显著偏差	未明确提及数据来源的多样性和样本的具体特征	通过智能家居远程监测老年人的健康和福祉，提高健康结果和独立性	老年人的日常活动	machine learning	geriatric disease	deep learning	recurrent neural networks	activity data	未明确提及具体样本数量，但涉及41种日常活动