深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1781	2025-06-14	Acquisition and Reconstruction Techniques for Coronary CT Angiography: Current Status and Trends over the Past Decade 2025-07, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240083 PMID:40504731	review	本文回顾了过去十年中冠状动脉CT血管成像（CCTA）的采集和重建技术，探讨了其现状和发展趋势	总结了多种新技术如低管电压采集、高清CT、超高清CT、深度学习重建算法等，以提高图像质量和降低辐射剂量	尽管有多种新技术，但CCTA仍存在运动伪影、图像噪声、辐射暴露等问题	提高冠状动脉CT血管成像（CCTA）的临床价值，用于非侵入性评估冠状动脉疾病（CAD）	冠状动脉CT血管成像（CCTA）技术	医学影像	心血管疾病	低管电压采集、高清CT、超高清CT、深度学习重建算法	深度学习重建算法（DLR）	医学影像	NA	NA	NA	NA	NA
1782	2025-10-06	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2025-Jul, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究使用Fgfr3Y367C/+小鼠模型研究软骨发育不全对胚胎颅骨软骨发育的影响	首次在胚胎期系统研究Fgfr3突变对颅骨软骨发育的直接效应，并开发基于深度学习的3D分割模型	研究仅限于小鼠模型，人类胚胎发育的直接证据仍需进一步研究	探究Fgfr3突变对胚胎颅骨软骨发育的影响	Fgfr3Y367C/+突变小鼠及其正常同窝仔的胚胎颅骨软骨	数字病理学	软骨发育不全	显微CT成像，深度学习分割	深度学习	3D显微CT图像	胚胎期14.5天和16.5天的小鼠样本	NA	NA	NA	NA
1783	2025-10-06	ResNet-Transformer deep learning model-aided detection of dens evaginatus 2025-Jul, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13282 PMID:39545506	研究论文	开发基于ResNet-Transformer深度学习模型用于全景X光片中牙外突的自动检测	首次结合ResNet和Transformer架构的深度学习模型用于牙外突检测，并证明能提升年轻牙医的诊断准确性	样本仅来自1410名3-16岁患者，年龄范围有限	开发深度学习模型辅助牙医早期诊断牙外突，支持早期干预	牙外突（牙科形态发育异常）	计算机视觉	牙科疾病	全景X光摄影	深度学习	图像	1410名3-16岁患者的高质量标注全景X光片	NA	ResNet, Transformer	灵敏度, 特异度, F1分数	NA
1784	2025-10-06	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	研究论文	本研究开发了一种基于深度学习的CT到MR图像转换框架，用于脑部PET/CT的自动定量分析	提出通过深度学习将PET/CT中的CT图像转换为合成MR图像，并利用其进行自动区域分割和定量分析	排除楔前叶区域存在显著差异，样本量有限（139例）的回顾性研究	解决脑部PET/CT定量分析中MR图像不可用或配准困难的问题	接受脑部[18F]FBB PET/CT和T1加权MRI检查的患者	医学影像分析	神经系统疾病	PET/CT, MRI, 深度学习图像转换	U-Net	CT图像, MR图像, PET图像	139名受试者	NA	U-Net	结构相似性指数, Dice相似系数, Wilcoxon符号秩检验	NA
1785	2025-10-06	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	研究论文	开发基于[18F]PSMA-1007 PET/CT和多参数MRI的多模态深度学习模型，用于预测前列腺癌患者的不良病理	首次结合[18F]PSMA-1007 PET/CT和多参数MRI，采用卷积神经网络和Transformer架构构建多模态深度学习模型	回顾性研究设计，样本量相对有限（341例患者）	预测前列腺癌患者的不良病理，为制定有效治疗策略提供依据	前列腺癌患者	数字病理	前列腺癌	[18F]PSMA-1007 PET/CT, 多参数MRI	CNN, Transformer	医学影像（PET/CT, MRI）	341例接受根治性前列腺切除术的前列腺癌患者	NA	基于CNN和Transformer的多模态架构	AUC	NA
1786	2025-10-06	Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07165-7 PMID:40009163	研究论文	本研究提出了一种基于掩码视觉变换器(Mask-ViT)的深度学习方法，用于超快速肺部PET扫描图像的去噪处理	提出了一种鲁棒且数据高效的掩码视觉变换器方法，能够在有限训练数据下实现跨扫描仪泛化	训练数据量有限，仅包含1272个回顾性采集的全时PET数据和46个前瞻性采集的U2BH PET/CT图像	开发深度学习方法来降低超快速20秒屏气(U2BH)PET扫描中的统计噪声	肺部PET扫描图像	计算机视觉	肺癌	PET/CT成像	Transformer	医学图像	1272个回顾性全时PET数据，46个前瞻性U2BH和对应全时PET/CT图像	NA	Mask-ViT, U-Net, C-Gan	图像质量指标, Wilcoxon符号秩检验, 病变检测准确率, 5点制图像质量评分	NA
1787	2025-10-06	Deep learning-based weed detection for precision herbicide application in turf 2025-Jul, Pest management science IF:3.8Q1 DOI:10.1002/ps.8728 PMID:40022516	研究论文	本研究评估了基于深度卷积神经网络的杂草检测方法，结合路径规划算法实现精准除草剂喷洒	首次将除草剂敏感性杂草映射与路径规划算法相结合，实现智能喷洒系统的精准施药	未提及模型在复杂田间环境下的泛化能力和实时性能	开发精准除草剂喷洒系统以减少农药使用量	草坪杂草	计算机视觉	NA	深度学习	CNN	图像	NA	NA	DenseNet,GoogLeNet,ResNet	精确度,召回率,总体准确率,F1分数	NA
1788	2025-10-06	Evaluation of Caries Detection on Bitewing Radiographs: A Comparative Analysis of the Improved Deep Learning Model and Dentist Performance 2025-Jul, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.13470 PMID:40191981	研究论文	本研究评估了改进的YOLOv9c深度学习模型在咬翼片上检测龋齿的性能，并与牙医诊断表现进行对比分析	优化了YOLOv9c模型的主干网络架构，减小了模型规模和计算需求，并在龋齿检测任务中超越了牙医的临床评估表现	仅评估了11种YOLO模型，样本来源和规模未明确说明	比较不同深度学习模型在咬翼片龋齿检测中的性能，并优化模型提升检测准确率	咬翼X光片中的牙釉质和牙本质龋齿	计算机视觉	龋齿	X射线成像	YOLO系列目标检测模型	医学影像	NA	NA	YOLOv9c（改进版）	召回率,精确率,特异性,F1分数,Youden指数	NA
1789	2025-06-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估其在多个数据集中的鲁棒性	开发了一种结合内部和公共数据集训练的模型，提高了在多个数据集上的鲁棒性，并进行了临床可接受性评估	在0-2岁年龄组中表现最差，胃-肠和胰腺的DSC值低于0.90	开发并评估一种用于儿童上腹部肿瘤放疗中风险器官自动分割的深度学习模型	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric upper abdominal tumors	CT扫描	深度学习模型	CT图像	内部数据集189例，公共数据集189例	NA	NA	NA	NA
1790	2025-10-06	Meta-analysis of AI-based pulmonary embolism detection: How reliable are deep learning models? 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110402 PMID:40412084	荟萃分析	通过荟萃分析评估基于深度学习的肺栓塞检测模型的诊断性能，并比较CNN与U-Net架构的差异	首次系统比较卷积神经网络与U-Net架构在肺栓塞检测中的诊断效能差异	研究间存在显著异质性（I²≈97%），需要标准化前瞻性验证	评估深度学习算法在肺栓塞检测中的汇总性能表现	肺栓塞患者的CT肺动脉造影图像	医学影像分析	肺栓塞	CT肺动脉造影	深度学习	医学影像	22,984名患者	NA	CNN, U-Net	AUROC, 敏感性, 特异性, 准确率, PPV, NPV	NA
1791	2025-10-06	Artificial intelligence in resuscitation: a scoping review 2025-Jul, Resuscitation plus IF:2.1Q2 DOI:10.1016/j.resplu.2025.100973 PMID:40486106	综述	本文通过范围综述方法系统梳理了人工智能在心脏骤停与复苏领域的应用现状和研究特征	首次系统性地对人工智能在复苏领域的应用进行范围综述，明确了当前研究空白和未来研究方向	纳入研究多为回顾性分析，外部验证缺乏，真实世界应用有限	绘制人工智能在心脏骤停和复苏领域应用的文献图谱，识别研究空白	人工智能在复苏领域的应用研究	医疗人工智能	心脏骤停	机器学习，深度学习，自然语言处理	NA	医疗数据	197项符合纳入标准的研究	NA	NA	AUROC	NA
1792	2025-06-12	Intermuscular adipose tissue and lean muscle mass assessed with MRI in people with chronic back pain in Germany: a retrospective observational study 2025-Jul, The Lancet regional health. Europe DOI:10.1016/j.lanepe.2025.101323 PMID:40487774	研究论文	本研究通过MRI评估了德国慢性背痛患者的肌肉间脂肪组织和瘦肌肉质量，并探讨了它们与慢性背痛的关联	首次在大规模人群中使用全身MRI数据量化肌肉间脂肪组织和瘦肌肉质量，并分析其与慢性背痛的关联	横断面研究设计无法确定因果关系	探讨肌肉组成与慢性背痛之间的关联	30,868名德国国家队列(NAKO)参与者	医学影像分析	慢性背痛	全身MRI扫描和深度学习模型	深度学习模型	MRI图像数据	30,868名参与者(其中27,518人纳入最终分析)	NA	NA	NA	NA
1793	2025-10-06	Intraindividual Comparison of Image Quality Between Low-Dose and Ultra-Low-Dose Abdominal CT With Deep Learning Reconstruction and Standard-Dose Abdominal CT Using Dual-Split Scan 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001151 PMID:39874436	研究论文	通过双源CT扫描在肝转移患者中比较低剂量/超低剂量CT（采用深度学习重建）与标准剂量CT（采用模型迭代重建）对局灶性肝病灶显示效果的非劣效性研究	首次在单个CT检查中采用双源分割扫描技术，实现同一患者不同剂量水平CT图像的个体内比较，并评估深度学习重建在低剂量CT中的临床应用价值	对肝转移的敏感性可能有所降低，需要在临床应用时保持谨慎	评估低剂量和超低剂量腹部CT结合深度学习重建在局灶性肝病灶显示方面是否不劣于标准剂量CT	疑似或已知肝转移的患者	医学影像	肝转移癌	双源CT扫描，深度学习重建，模型迭代重建	深度学习重建	CT影像	133名参与者（男性58名，平均BMI 23.0±3.4 kg/m²）	NA	NA	病灶显示清晰度评分，病灶检测率，敏感性，特异性，信噪比，对比噪声比	NA
1794	2025-10-06	Impact of Noisy Supervision in Foundation Model Learning 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552309 PMID:40117144	研究论文	本文首次全面分析预训练数据中噪声的本质并提出NMTune方法来缓解其对下游任务的负面影响	首次系统研究预训练数据噪声对基础模型泛化能力的影响，并提出适用于参数高效和黑盒调优的噪声缓解方法	实验主要基于合成噪声数据集，在真实噪声场景下的验证仍需进一步加强	研究预训练数据噪声对基础模型泛化能力的影响及其缓解方法	基础模型在预训练和下游任务中的表现	机器学习	NA	全监督预训练、图像-文本对比预训练	基础模型	图像、文本	ImageNet-1K、YFCC15M、CC12M数据集	NA	流行的视觉和语言模型架构	域内性能、域外性能	NA
1795	2025-06-11	Artificial intelligence for optimal in vitro fertilization morphokinetics 2025-Jul, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2025.114039 PMID:40398145	research paper	该研究开发了一个基于人工智能的模型，用于通过延时成像视频确定胚胎的形态动力学阶段	首次使用公开的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，对胚胎形态动力学阶段进行分类	模型的整体准确率为0.71，灵敏度为0.59，仍有提升空间	开发人工智能模型以优化体外受精胚胎的形态动力学分析	人类胚胎的延时成像视频	digital pathology	infertility	time-lapse imaging (TLI)	CNN, EfficientNetB4	video	704个视频，来自716对不孕夫妇，共240万张图像	NA	NA	NA	NA
1796	2025-10-06	Myocardial Infarction Detection using Variational Mode Decomposition with Fuzzy Weight Particle Swarm Optimization and Depthwise Separable Convolutional Network 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110329 PMID:40403641	研究论文	提出一种结合变分模态分解与模糊权重粒子群优化、深度可分离卷积网络的心肌梗死检测框架	首次将VMD-FWPSO噪声消除技术与DwSCN分类模型结合，优化信号分解并提升心电图分类精度	未提及模型在实时临床环境中的验证及计算效率分析	开发高精度心肌梗死自动检测方法	心电图信号中的正常与异常心跳	生物医学信号处理	心血管疾病	变分模态分解、粒子群优化、主成分分析	深度可分离卷积网络	心电图时序信号	PTB-ECG和MIT-BIH心律失常两个公开数据集	NA	Depthwise Separable Convolutional Network	准确率, 精确率, 召回率, F1分数, 特异性	NA
1797	2025-10-06	Automatic adult age estimation using bone mineral density of proximal femur via deep learning 2025-Jul, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112511 PMID:40440868	研究论文	本研究开发了一种基于深度学习的端到端流程，利用股骨近端CT扫描的骨密度数据实现自动成人年龄估计	首次将Segment Anything Model (SAM)应用于股骨分割，并构建了大规模真实世界CT数据集（5151个样本），通过集成学习进一步提升年龄估计精度	外部尸体验证集的误差相对较高（MAE 6.91年），表明模型在跨域泛化能力方面仍存在改进空间	开发自动化成人年龄估计方法，用于法医和人类学应用	成人股骨近端CT扫描数据	计算机视觉	NA	CT扫描	CNN	医学图像	5151个CT扫描（来自临床和尸体队列）	NA	Segment Anything Model (SAM), 多种CNN架构	Dice系数, mIoU, MAE	NA
1798	2025-10-06	Multiclass ensemble framework for enhanced prostate gland Segmentation: Integrating Self-ONN decoders with EfficientNet 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110459 PMID:40449047	研究论文	提出一种用于前列腺腺体多类分割的集成框架，结合EfficientNet编码器和Self-ONN解码器	首次将Self-ONN解码器与EfficientNet编码器结合用于前列腺分割，并采用STAPLE方法集成最优模型	未明确说明模型的计算复杂度和实时性能	开发精确的前列腺腺体及其分区自动分割方法	前列腺腺体及其分区（外周区PZ、移行区TZ和整个腺体）	数字病理学	前列腺癌	MRI成像	CNN, ONN	医学图像	PI-CAI挑战数据集，采用5折交叉验证	NA	EfficientNetB4, Self-ONN	Dice系数	NA
1799	2025-10-06	Deep Learning Reveals Liver MRI Features Associated With PNPLA3 I148M in Steatotic Liver Disease 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70164 PMID:40478199	研究论文	本研究利用深度学习分析肝脏MRI图像，识别与PNPLA3 I148M基因变异相关的脂肪肝特征	首次通过深度学习模型从MRI图像中非侵入性检测PNPLA3 I148M纯合子变异，揭示了该变异与肝脏特定区域脂肪分布模式的关系	研究排除了杂合子个体，可能限制了模型的泛化能力；性能指标在非SLD患者中相对较低	开发基于MRI的深度学习模型来识别PNPLA3 I148M基因变异携带者	英国生物银行45,603名个体的MRI图像和基因数据	医学影像分析	脂肪肝病	MRI，水脂分离技术，基因分型	Vision Transformer, U-Net	MRI图像	45,603名个体，其中600张手动分割图像用于训练U-Net	NA	Vision Transformer, U-Net	AUROC	NA
1800	2025-06-10	Use of Artificial Intelligence and Machine Learning in Critical Care Ultrasound 2025-Jul, Critical care clinics IF:3.0Q2 DOI:10.1016/j.ccc.2025.02.008 PMID:40484623	research paper	本文探讨了人工智能（AI）在重症监护超声中的变革潜力	AI技术，特别是深度学习和卷积神经网络，现在辅助图像采集、解释和质量评估，简化工作流程并减少操作者变异性	需要可解释的AI系统以获得临床医生的信任并促进更广泛的采用	探索AI在重症监护超声中的应用及其潜力	重症监护超声	machine learning	NA	deep learning, convolutional neural networks	CNN	image	NA	NA	NA	NA	NA