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
1301	2025-10-06	Innovations in clinical PET image reconstruction: advances in Bayesian penalized likelihood algorithm and deep learning 2025-Sep, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02088-7 PMID:40681770	综述	本文综述了临床PET图像重建中贝叶斯惩罚似然算法和深度学习方法的技术原理与临床性能	系统总结商业PET系统中集成的BPL算法与新兴深度学习方法的创新融合，特别是混合重建方法uAI HYPER DPR	未涉及具体实验数据验证，主要基于技术原理和现有商业系统的性能分析	总结先进PET图像重建技术原理并促进其临床转化应用	PET图像重建算法	医学影像处理	NA	PET成像	CNN	医学影像	NA	NA	NA	图像质量, 定量准确性	NA
1302	2025-10-06	Towards trustworthy artificial intelligence in musculoskeletal medicine: A narrative review on uncertainty quantification 2025-Sep, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12737 PMID:40719310	综述	本文综述了不确定性量化在肌肉骨骼医学人工智能中的应用，旨在提升深度学习模型的可信度	提出了肌肉骨骼医学中不确定性量化的系统分类方法，并探讨了其在临床转化中的关键作用	属于叙述性综述，缺乏系统性评价的严格方法学框架	推动可信人工智能在肌肉骨骼医学中的临床应用	肌肉骨骼医学影像中的深度学习模型	医学影像分析	肌肉骨骼疾病	不确定性量化方法	深度学习模型	医学影像	NA	NA	NA	不确定性量化指标	NA
1303	2025-10-06	Improving Clinically Significant Prostate Cancer Detection with a Multimodal Machine Learning Approach: A Large-Scale Multicenter Study 2025-Sep, Radiology. Imaging cancer DOI:10.1148/rycan.240507 PMID:40815224	研究论文	开发并验证了一种结合临床和影像特征的多模态机器学习模型，用于预测临床显著性前列腺癌	首次在大规模多中心研究中结合双参数MRI影像组学特征与临床指标构建预测模型，并在前瞻性验证中证明其优于传统PI-RADS评分	在一个医疗中心表现较差，对高PI-RADS评分病例敏感性增加可能带来偏倚	提高临床显著性前列腺癌的检测准确性	前列腺癌患者	数字病理	前列腺癌	双参数MRI, 影像组学分析	深度学习, 机器学习	医学影像, 临床数据	回顾性数据集7157例患者，前瞻性验证集1629例患者	NA	自动深度学习分割算法	AUC, 特异性, 敏感性	NA
1304	2025-10-06	Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier 2025-Sep, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107183 PMID:40562078	研究论文	开发基于深度学习的分类器用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌落	首次使用YOLO深度学习方法和两阶段培养温度区分酵母菌落，实现自动化快速计数	仅针对特定两种酵母菌进行验证，未测试其他酵母菌种	开发自动化酵母菌落计数方法以监测酸面团发酵过程中的酵母菌群变化	Kazachstania humilis和Saccharomyces cerevisiae酵母菌	计算机视觉	NA	微生物培养，两阶段温度培养	YOLO	图像	酸面团分离的K. humilis和S. cerevisiae菌株，以及面包、清酒和葡萄酒中使用的S. cerevisiae菌株	NA	YOLO	准确率	NA
1305	2025-10-06	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	开发基于多参数乳腺MRI影像组学和深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	结合多参数MRI（T1WI、DWI、T2WI、DCE-MRI）的影像组学特征与深度学习技术构建多模态预测模型	样本量相对有限（176例患者），需进一步扩大验证	预测乳腺癌Ki-67表达状态，推进乳腺癌个体化治疗和精准医疗	176例浸润性乳腺癌患者	医学影像分析	乳腺癌	多参数MRI（T1WI、DWI、T2WI、DCE-MRI）	深度学习模型	医学影像	176例乳腺癌患者，按70%训练集和30%测试集随机分割	NA	多模态融合模型	AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, F1分数	NA
1306	2025-10-06	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	本研究评估了联邦学习在肾脏肿瘤MRI图像分割和分类中的性能，并与集中式学习方法进行比较	首次在多中心MRI数据集上应用联邦学习进行肾脏肿瘤分割和分类，并验证其与集中式学习相当的性能	研究为回顾性多中心研究，样本量相对有限（987例患者），仅模拟了三个机构场景	评估联邦学习在多机构肾脏肿瘤MRI数据分割和分类中的性能和可靠性	来自六家医院的987名肾脏肿瘤患者（403名女性），其中723例为恶性肿瘤	医学影像分析	肾脏肿瘤	MRI成像（T2加权成像和对比增强T1加权成像）	深度学习	医学影像（MRI）	987名患者，分为训练集785例、验证集104例、测试集99例	NA	nnU-Net, ResNet	Dice系数, 准确率, 灵敏度, 特异性, AUC	NA
1307	2025-10-06	Refining cardiac segmentation from MRI volumes with CT labels for fine anatomy of the ascending aorta 2025-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00926-x PMID:40553227	研究论文	本研究评估了一种CT引导的细化方法，用于从MRI体积中进行心脏分割，重点保留Valsalva窦的详细形状	使用来自其他患者的CT标签来细化MRI心脏分割，特别是针对Valsalva窦区域的低空间对比度问题	定量分割精度略有下降，Valsalva窦附近出现隆起样结构，未能验证分割精度的定量改善	改进心脏MRI分割，特别是保留Valsalva窦的详细解剖结构	心脏结构，特别是升主动脉和Valsalva窦	医学影像分析	心血管疾病	磁共振成像(MRI), 计算机断层扫描(CT)	深度学习	医学影像体积数据	20个MRI体积和20个CT体积	nnU-Net	U-Net	精确度, 召回率, Dice系数	NA
1308	2025-10-06	Content-based X-ray image retrieval using fusion of local neighboring patterns and deep features for lung disease detection 2025-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00932-z PMID:40610682	研究论文	提出一种基于内容的医学图像检索系统，通过融合局部纹理特征和深度学习特征来检测和检索肺部疾病病例	首次将局部二值模式纹理特征与多种预训练CNN模型的深度特征进行融合，优化肺部疾病图像检索性能	未提及数据集的具体规模和多样性限制，也未说明计算资源需求	开发辅助医生和放射科医师临床决策的肺部疾病图像检索系统	肺部X光图像	计算机视觉	肺部疾病	医学影像分析	CNN	图像	NA	NA	VGG-16, DenseNet121, InceptionV3	精度, 准确率	NA
1309	2025-10-06	Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180031 PMID:40639040	研究论文	本研究通过整合遥感数据和深度学习模型，开发了一种监测和预测德克萨斯高平原地下水消耗的数据驱动方法	结合一维卷积神经网络与长短期记忆网络(1DCNN-LSTM)的集成深度学习模型，用于作物分类和农田分割，实现了高精度的地下水来源归因分析	研究仅限于德克萨斯高平原的Castro和Hale县，模型在其他地区的适用性需要进一步验证	监测和预测地下水消耗，支持可持续水资源管理	德克萨斯高平原地区的高粱、棉花和玉米种植区	遥感分析, 水文建模	NA	遥感技术, 现场地下水监测, 水平衡方法	1DCNN, LSTM, 集成学习	遥感影像, 时间序列数据, 现场监测数据	Castro和Hale县1995-2024年的作物种植数据	NA	1DCNN-LSTM集成模型, Segment Anything Model (SAM)	准确率, F1分数, 马修斯相关系数, RMSE, 相关系数R	NA
1310	2025-10-06	Deep learning based aerosol particle classification for the detection of ship emissions 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180041 PMID:40644880	研究论文	本研究开发了一种结合单颗粒质谱技术和深度学习的监测系统，用于实时检测船舶排放的气溶胶颗粒	首次将卷积神经网络应用于单颗粒质谱数据的自动分类，实现了对船舶重油燃烧排放颗粒的实时识别	监测距离限制在约1.3公里范围内，样本来源相对有限	开发自动化的气溶胶颗粒分类系统以检测船舶排放污染	船舶排放的气溶胶颗粒，特别是含钒、镍、铁离子的重油燃烧颗粒	环境监测	NA	单颗粒质谱技术(SPMS)	CNN	质谱数据	一周监测期内检测到21艘船舶经过80次	NA	卷积神经网络	准确率92%	NA
1311	2025-10-06	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估基于深度学习的模型，使用双参数前列腺MRI对临床显著前列腺癌进行分类，并优化MRI协议选择	首次将深度学习模型集成到临床工作流程中，实现基于个体风险的MRI协议个性化选择	研究为回顾性和前瞻性混合设计，样本来源有限	开发前列腺癌风险分层模型并优化MRI扫描方案	前列腺癌患者	医学影像分析	前列腺癌	双参数MRI (bpMRI), 多参数MRI (mpMRI)	深度学习	医学影像	26,129例前列腺MRI研究用于训练验证，回顾性队列151例患者，前瞻性队列142例初治患者	NA	3D ResNet-50	AUC, 敏感性, 特异性	实时MRI工作流程，处理延迟14-16秒
1312	2025-04-24	Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI" 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29806 PMID:40264361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1313	2025-10-06	CNN based precise nonlinear tracking control for a nano unmanned helicopter: Theory and implementation 2025-Sep, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.05.020 PMID:40393892	研究论文	提出一种基于深度卷积神经网络的纳米无人直升机非线性跟踪控制方法	将深度CNN与几何积分控制相结合，有效处理纳米直升机的复杂动力学和外部干扰	NA	实现纳米无人直升机的精确轨迹跟踪控制	重量小于70克、机身长度小于0.25米的纳米无人直升机	机器学习和控制系统	NA	深度卷积神经网络系统辨识	CNN	飞行实验数据	NA	NA	深度卷积神经网络	轨迹跟踪精度、鲁棒性	NA
1314	2025-10-06	Multifrequency Time-Dependent Deep Image Prior for Real-Time Free-Breathing Cardiac Imaging 2025-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70114 PMID:40760871	研究论文	本研究提出了一种多频率时间依赖深度图像先验方法，用于实现自由呼吸条件下的实时心脏磁共振成像	引入了多频率流形参数化时间，无需假设运动周期性；采用零样本深度学习联合估计线圈灵敏度	与传统扫描相比，边缘锐度和图像对比度评分较低	开发无需屏息或心电图门控的高时间分辨率功能性心脏成像技术	健康受试者和心律失常患者	医学影像	心血管疾病	MRI, 2D自由呼吸非门控黄金角螺旋bSSFP序列	深度图像先验	动态MRI图像	健康受试者和患者（包括心律失常患者）	零样本深度学习	Time-DIP, Multifrequency Time-DIP	图像质量指标，左心室功能测量，时间分辨率，混叠伪影减少	NA
1315	2025-10-06	Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts 2025-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241227485 PMID:38238934	研究论文	探讨神经生理学工具在精神疾病病理生理机制研究和早期诊断中的应用价值	聚焦三种高流行性精神疾病中神经生理学技术的新进展，结合机器学习方法提升诊断效能	未提及研究样本量的具体限制，主要基于现有文献证据进行论述	评估电生理工具在精神疾病诊断和治疗监测中的应用潜力	三种精神疾病：痴呆亚型、精神分裂症和成瘾障碍	医学神经科学	精神疾病	脑电图、失匹配负波、认知事件相关电位	深度学习	电生理信号	NA	NA	NA	NA	NA
1316	2025-10-06	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	本研究探讨深度学习重建技术在炎症性肠病患者低剂量CT小肠造影中的应用价值	首次将深度学习重建技术应用于炎症性肠病患者的低剂量CT小肠造影，证明其能在降低54.1%辐射剂量的同时提升图像质量	样本量较小（36例低剂量组，40例标准剂量组），且为单中心研究	评估深度学习重建技术在降低CT小肠造影辐射剂量和改善图像质量方面的潜力	炎症性肠病患者	医学影像	炎症性肠病	CT小肠造影	深度学习重建	CT影像	76例患者（36例前瞻性低剂量组，40例回顾性标准剂量组）	Advanced Intelligence ClearIQ Engine (AiCE)	NA	图像噪声，信噪比，总体图像质量，主观图像噪声，诊断效能，AUC	NA
1317	2025-10-06	A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04849-4 PMID:40009155	研究论文	本研究开发了一种基于深度学习的增强CT网络，用于预测肝细胞癌患者肝切除术后早期复发	首次将DenseNet与注意力机制结合，能够同时处理三期增强CT扫描并自动关注影响患者生存的关键区域	回顾性研究设计，样本量相对有限（302例），需要进一步前瞻性验证	开发可靠的深度学习模型预测肝细胞癌患者术后早期复发	接受部分肝切除术的肝细胞癌患者	计算机视觉	肝细胞癌	三期增强CT扫描	CNN	医学影像	302例来自五个中心的患者数据	NA	DenseNet	C-index, AUC, 校准曲线, 决策曲线分析	NA
1318	2025-10-06	DeepOptimalNet: optimized deep learning model for early diagnosis of pancreatic tumor classification in CT imaging 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04860-9 PMID:40047871	研究论文	提出一种名为DeepOptimalNet的优化深度学习模型，用于CT影像中胰腺肿瘤的早期诊断分类	集成优化算法与深度学习技术，提出改进的Remora优化算法(MROA)用于组织分割，并采用深度迁移CNN与ResNet-50结合的多模态学习级联卷积神经网络	NA	解决胰腺CT图像分类中的挑战，实现胰腺肿瘤的早期准确诊断	胰腺CT影像	计算机视觉	胰腺癌	CT成像	CNN, 深度学习	医学影像	NA	NA	ResNet-50, 级联卷积神经网络	准确率, 敏感度, 特异性, F分数	NA
1319	2025-10-06	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	开发基于深度学习的自动化方法，利用Gd-EOB-DTPA增强MRI检测肝硬化患者中的小肝细胞癌	应用nnU-Net深度学习架构实现小肝细胞癌的自动检测，在肝硬化背景下具有挑战性的小目标分割任务中表现出色	回顾性研究设计，样本量相对有限（120例患者），需要进一步的外部验证	开发自动化深度学习方法来检测肝硬化患者中的小肝细胞癌	肝硬化患者，包括78例小肝细胞癌患者和42例非肝细胞癌肝硬化患者	医学影像分析	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习	医学影像	120例患者（78例sHCC，42例非HCC肝硬化）	NA	nnU-Net	Dice系数, ROC曲线, AUC, 准确率, 灵敏度, 特异性	NA
1320	2025-10-06	Progress in the application of machine learning in CT diagnosis of acute appendicitis 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04864-5 PMID:40095017	综述	本文综述了机器学习在急性阑尾炎CT诊断中的应用进展与挑战	系统总结了机器学习在阑尾炎自动检测、鉴别诊断和严重程度分层方面的最新突破，包括深度学习模型AppendiXNet和3D CNN的优异表现	人工智能的'黑箱'特性、临床工作流程整合困难以及所需资源庞大	整合机器学习与CT技术以改进急性阑尾炎的诊断	急性阑尾炎患者及其CT影像数据	医学影像分析	急性阑尾炎	CT成像	CNN,深度学习模型	CT影像	NA	NA	3D CNN, AppendiXNet	AUC,准确率	NA