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
1461	2025-07-03	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了两种深度学习架构（GANs和CNN-INRs）在从双平面X光片生成脊柱合成CT（sCT）图像方面的表现	比较了GAN和CNN-INR两种架构在生成脊柱sCT图像上的性能，发现GAN在解剖细节和视觉真实性上表现更优	两种模型均未达到临床级输出水平	寻找一种稳健且临床可行的术中成像技术，以减少辐射暴露并提高成像可及性	脊柱CT图像	计算机视觉	NA	深度学习	GAN, CNN-INR	图像	216个训练案例和54个验证案例
1462	2025-07-03	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	research paper	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和轨迹规划	提出了一种集成nnU-Net的血肿和颅骨分割、CT重定向、安全区划分及轨迹优化的AI驱动框架，旨在降低手术规划对操作者的依赖	系统在幕下血肿中的应用仍存在局限	开发一个AI驱动的决策支持和规划系统，以普及手术规划并减少操作者依赖性	347名脑出血患者（31,024张CT切片）	digital pathology	intracerebral hemorrhage	CT imaging	nnU-Net	image	347名患者（31,024张CT切片）
1463	2025-07-03	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-Jul-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域(ROIs)和分级腰椎中央管狭窄(LCS)、侧隐窝狭窄(LRS)及腰椎间孔狭窄(LFS)	研究样本量相对较小，外部测试集仅包含50名患者	开发一个自动化系统用于腰椎管狭窄症的诊断和分级	接受腰椎MRI检查的住院患者	数字病理	腰椎管狭窄症	MRI	改进的YOLOv5网络	图像	内部数据集420名患者，外部测试集50名患者
1464	2025-07-03	Photon-counting detector CT of the brain reduces variability of Hounsfield units and has a mean offset compared with energy-integrating detector CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8910 PMID:40592542	research paper	本研究比较了光子计数探测器CT（PCD-CT）与能量积分探测器CT（EID-CT）在脑部成像中的Hounsfield单位（HU）变异性、灰质与白质对比及图像噪声	首次全面比较PCD-CT与EID-CT在脑部成像中的HU值、图像噪声及灰质白质对比，揭示了PCD-CT在降低图像噪声和HU值偏移方面的优势	研究未涉及脑部病理情况，且未来需进一步研究调整窗位预设的必要性	比较PCD-CT与EID-CT在脑部成像中的性能差异	脑部灰质和白质的CT成像数据	医学影像	NA	光子计数探测器CT（PCD-CT）和能量积分探测器CT（EID-CT）	深度学习分割	CT图像	329例EID-CT患者和180例PCD-CT患者
1465	2025-07-03	Evaluation of the effectiveness of artificial intelligence models in radiopaque and radiolucent lesions of the maxillofacial region on panoramic radiographs 2025-Jul-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00838-x PMID:40593453	研究论文	本研究评估了深度学习算法在颌面部区域全景X光片中放射线不透和放射线可透病变的分类、检测和分割中的效果	首次比较了多种深度学习架构（AlexNet、VGG16、GoogleNet和YOLOv8）在颌面部病变自动分析中的表现，并确定了最佳性能模型	研究样本年龄跨度较大（12-80岁），可能影响模型的泛化能力，且未说明具体样本数量	评估人工智能模型在颌面部放射影像病变分析中的有效性	颌面部区域的放射线不透和放射线可透病变	计算机视觉	颌面部疾病	深度学习	AlexNet, VGG16, GoogleNet, YOLOv8	医学影像（全景X光片）	NA
1466	2025-07-03	The deep radon prior-based stationary CT image reconstruction algorithm for two phase flow inspection 2025-Jul, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251322078 PMID:40600316	研究论文	提出了一种基于深度Radon先验的静态CT图像重建算法，用于两相流检测	提出了一种名为Deep Radon Prior (DRP)的无监督深度学习算法，直接从投影数据重建图像，优化Radon域中的误差，并利用神经网络学习图像中的规则信息	受限于系统的整体物理布置，CT系统只能收集不完全的稀疏投影数据	研究高流速两相流在小直径合金钢管中的流动模式和空隙率的测量方法	两相流在热传递管道中的状态	计算机视觉	NA	静态计算机断层扫描(CT)	深度学习	图像	NA
1467	2025-07-02	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jul, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	research paper	该研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒(DKA)和HbA1c高于7%的风险	在大型多中心临床数据集上应用多种机器学习模型，特别是深度学习模型在预测DKA方面表现出色	研究仅基于澳大利亚和新西兰的数据，可能不适用于其他人群	开发预测1型糖尿病患者不良结局风险的机器学习模型	1型糖尿病患者	machine learning	diabetes	机器学习	Deep Learning, Support Vector Machine	临床数据	13761名1型糖尿病患者
1468	2025-07-02	Accelerated Multi-b-Value DWI Using Deep Learning Reconstruction: Image Quality Improvement and Microvascular Invasion Prediction in BCLC Stage A Hepatocellular Carcinoma 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.043 PMID:39955255	研究论文	本研究探讨了基于深度学习的加速多b值DWI在缩短采集时间、提高图像质量及预测BCLC A期肝细胞癌微血管侵犯方面的效果	首次将深度学习重建技术应用于多b值DWI，在保持预测性能的同时显著缩短52.86%的采集时间并提升图像质量	研究样本量有限（118例患者），且仅针对BCLC A期HCC患者	评估深度学习加速多b值DWI在肝细胞癌微血管侵犯预测中的临床应用价值	BCLC A期肝细胞癌患者（118例，其中48例MVI阳性）	医学影像分析	肝细胞癌	多b值DWI（Mb-DWI）、深度学习重建	深度学习模型（文中未明确具体架构）	MRI影像数据	118例接受肝脏MRI检查的患者
1469	2025-07-02	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	research paper	研究开发了一种基于CT的多参数深度学习和放射组学模型（DLRM），用于预测直肠癌患者的术前肿瘤萌芽（TB）分级	结合深度学习和手工制作的放射组学特征，构建了一个多参数预测模型，用于非侵入性评估直肠癌患者的TB分级	研究样本量较小（135例患者），且为回顾性研究，可能存在选择偏倚	预测直肠癌患者的术前肿瘤萌芽（TB）分级，以支持临床治疗决策	直肠癌患者	digital pathology	rectal cancer	CT-based extracellular volume (ECV) parameter imaging	DLRM (Deep Learning-Radiomic Model)	CT images	135例经组织学确认的直肠癌患者（85例Bd1+2组，50例Bd3组）
1470	2025-07-02	Dual-Modality Virtual Biopsy System Integrating MRI and MG for Noninvasive Predicting HER2 Status in Breast Cancer 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.039 PMID:40068996	研究论文	开发并验证了一种基于深度学习的决策视觉生物标志物系统（DM-VBS），用于通过MRI和MG的放射组学和深度学习特征预测乳腺癌HER2状态	整合MRI和MG的双模态虚拟活检系统，首次结合放射组学和深度学习特征预测HER2状态	未明确说明模型在临床实际应用中的可行性验证	开发非侵入性预测乳腺癌HER2状态的智能诊断系统	乳腺癌患者	数字病理	乳腺癌	MRI、MG、放射组学分析、深度学习	XGBoost	医学影像（MRI和MG图像）	550例患者（分为训练集、内部验证集和外部验证集）
1471	2025-07-02	Automated Fast Prediction of Bone Mineral Density From Low-dose Computed Tomography 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.041 PMID:40082126	研究论文	本研究探讨了利用深度学习基于低剂量CT扫描建立体积骨密度预测和骨质疏松分类系统的可行性	首次利用深度学习从低剂量CT扫描中自动预测体积骨密度并进行骨质疏松分类	研究样本量相对较小（551名受试者），且仅针对腰椎区域进行评估	开发基于低剂量CT的自动化骨密度预测和骨质疏松诊断系统	接受低剂量CT和QCT检查的551名受试者	数字病理	骨质疏松	低剂量CT扫描	U-net	医学影像	551名同时接受LDCT和QCT检查的受试者
1472	2025-07-02	Magnetic resonance image generation using enhanced TransUNet in temporomandibular disorder patients 2025-Jul-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf017 PMID:40104864	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于从质子密度加权图像生成T2加权图像，以减少颞下颌关节紊乱病患者的MRI扫描时间	提出了一种结合TransUNet架构和生成对抗网络的模型，并集成了椎间盘分割解码器以提高图像质量	研究仅针对颞下颌关节紊乱病患者，样本量相对有限（178名患者）	开发深度学习模型以减少MRI扫描时间并保持高图像质量	颞下颌关节紊乱病患者的MRI图像	数字病理学	颞下颌关节紊乱病	MRI	TransUNet, GAN	图像	178名患者的7226张图像
1473	2025-07-02	Deep Learning and Radiomics Discrimination of Coronary Chronic Total Occlusion and Subtotal Occlusion using CTA 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.011 PMID:40164533	研究论文	本研究利用深度学习和放射组学技术，通过冠状动脉CT血管成像（CCTA）区分冠状动脉慢性完全闭塞（CTO）和次全闭塞（STO）病变	开发了基于CCTA的深度学习和放射组学模型，其性能优于传统方法	研究为回顾性设计，可能受到选择偏倚的影响	区分冠状动脉CTO和STO病变，优化治疗策略	冠状动脉慢性完全闭塞和次全闭塞病变	数字病理学	心血管疾病	冠状动脉CT血管成像（CCTA）	深度学习模型和放射组学模型	医学影像	581名参与者（共600个病变，包括403个CTO和197个STO病变）
1474	2025-07-02	Radiation and contrast dose reduction in coronary CT angiography for slender patients with 70 kV tube voltage and deep learning image reconstruction 2025-Jul-01, The British journal of radiology DOI:10.1093/bjr/tqaf077 PMID:40205479	research paper	评估70 kV管电压与深度学习图像重建（DLIR）结合在瘦弱患者冠状动脉CT血管造影（CCTA）中减少辐射和对比剂剂量的潜力	首次在瘦弱患者中结合70 kV管电压和DLIR技术，显著减少辐射和对比剂剂量同时提高图像质量	研究仅针对BMI≤25 kg/m2的瘦弱患者，结果可能不适用于其他人群	探索在CCTA中降低辐射和对比剂剂量的方法	60名接受CCTA检查的瘦弱患者（BMI≤25 kg/m2）	digital pathology	cardiovascular disease	coronary computed tomography angiography (CCTA), deep learning image reconstruction (DLIR)	DLIR (deep learning image reconstruction)	medical imaging	60名患者（分为两组）
1475	2025-07-02	A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.004 PMID:40300994	研究论文	本文提出了一种结合深度学习和改进的Hiking优化算法的AI框架，用于基于磁共振神经成像的臂丛神经病变神经损伤分类	结合MobileNetV4特征提取和改进的Hiking优化算法（MHOA）进行特征选择，提高了神经损伤分类的准确性	研究样本量较小（39名患者），可能影响模型的泛化能力	提高臂丛神经病变中神经损伤分类的准确性	臂丛神经病变患者的磁共振神经成像数据	数字病理学	臂丛神经病变	磁共振神经成像（MRN）	MobileNetV4	医学影像	39名臂丛神经病变患者
1476	2025-07-02	Deep Learning-enhanced Opportunistic Osteoporosis Screening in Ultralow-Voltage (80 kV) Chest CT: A Preliminary Study 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.062 PMID:40318972	研究论文	探讨深度学习增强的全自动骨密度测量在超低电压80 kV胸部CT扫描中用于骨质疏松筛查的可行性	首次在超低电压80 kV胸部CT扫描中应用深度学习技术进行全自动骨密度测量，为肺癌筛查中的骨质疏松筛查提供了新方法	研究样本量相对有限（987例），且仅使用了六台CT扫描仪的数据	评估深度学习在超低电压胸部CT扫描中自动测量骨密度的准确性和可行性	987名接受80 kV胸部CT和120 kV腰椎CT扫描的患者	数字病理	骨质疏松	定量CT（QCT）	3D VB-Net, SCN, DenseNet, ResNet	CT图像	987名患者（训练集561例，验证集177例，测试集1和2分别为112例和137例）
1477	2025-07-02	Video-estimated peak jump power using deep learning is associated with sarcopenia and low physical performance in adults 2025-Jul, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-025-07515-z PMID:40372459	research paper	该研究探讨了通过深度学习从视频中估计的峰值跳跃功率（vJP）与真实跳跃功率（gJP）的一致性，并分析了vJP与肌肉减少症、年龄及肌肉参数的关系	提出了一种无标记监测峰值跳跃功率的新方法，并验证了其在日常生活中的可行性	研究仅提供了概念验证，未涉及大规模实际应用验证	探索视频估计峰值跳跃功率在肌肉减少症和低体能成人中的关联性	成人群体	machine learning	geriatric disease	deep learning	NA	video	NA
1478	2025-07-02	Data-Driven Detection of Nocturnal Pollen Fragmentation Triggered by High Humidity in an Urban Environment 2025-Jul-01, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c13905 PMID:40400486	研究论文	本文开发了一种数据驱动的方法，结合深度学习和机器学习，用于检测城市环境中高湿度触发的花粉碎片化现象	首次利用气象和在线BioPM光谱数据常规检测花粉碎片化，并确定了湿度触发碎片化的阈值	研究结果基于特定城市环境，可能不适用于其他地区	检测花粉碎片化现象并确定其气象触发阈值	城市环境中的生物颗粒物（BioPM），特别是花粉	机器学习	NA	深度学习，自动机器学习，可解释方法	NA	气象数据，在线BioPM光谱数据	NA
1479	2025-07-02	Deep Learning Image Reconstruction (DLIR) Algorithm to Maintain High Image Quality and Diagnostic Accuracy in Quadruple-low CT Angiography of Children with Pulmonary Sequestration: A Case Control Study 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.005 PMID:40410108	研究论文	本研究评估了在儿童肺隔离症的四重低剂量CT血管造影中使用深度学习图像重建算法的效果	首次在儿童肺隔离症的四重低剂量CT血管造影中应用深度学习图像重建算法，并验证其诊断准确性	样本量较小(53例)，且仅针对儿童肺隔离症患者	评估四重低剂量CT血管造影在儿童肺隔离症诊断中的准确性	疑似肺隔离症的儿童患者	数字病理学	肺隔离症	CT血管造影(CTA)	深度学习图像重建(DLIR)	医学影像	106名儿童患者(53例实验组，53例对照组)
1480	2025-07-02	Artificial intelligence for early gastric cancer boundary recognition in NBI and nF-NBI endoscopic images 2025-Jul, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2509818 PMID:40452611	研究论文	本研究开发了基于深度学习的模型，用于在窄带成像（NBI）和近聚焦NBI（NF-NBI）图像中识别早期胃癌边界	提出了三种卷积神经网络（CNN1-CNN3）生成的六个深度学习模型，用于早期胃癌边界检测，性能与资深内镜医师相当	研究仅基于特定数据集（NBI和NF-NBI图像），未涉及其他类型的医学影像	开发深度学习模型以提高早期胃癌边界识别的准确性	早期胃癌患者的NBI和NF-NBI图像	数字病理学	胃癌	NBI, NF-NBI	CNN	图像	1215张NBI图像和1646张NF-NBI图像