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
1	2025-04-26	Generalizable, sequence-invariant deep learning image reconstruction for subspace-constrained quantitative MRI 2025-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30433 PMID:39834093	研究论文	开发一种适用于不同脉冲序列的深度子空间学习网络，用于定量MRI图像重建	提出了一种对比度不变的逐分量（CBC）网络结构，相比之前报道的时空多分量（MC）结构，在性能和泛化能力上表现更优，并能通过混合序列训练实现通用网络	实验数据主要来自三种特定的脉冲序列，可能在其他序列上的表现尚未验证	开发一种通用的、序列不变的深度学习图像重建方法，用于定量MRI	MRI图像重建	医学影像分析	NA	MRI	CBC网络、MC网络	图像	313名受试者（130名使用T1序列，167名使用T1-T2序列，16名使用T1-T2-T2*-脂肪分数映射序列）
2	2025-04-26	Accelerated EPR imaging using deep learning denoising 2025-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30473 PMID:40096518	research paper	本研究利用深度学习技术对3D EPR振幅和pO2图进行去噪，以提高图像信噪比并加速成像过程	首次将深度学习技术应用于EPRI去噪，特别是结合UNet和联合双边滤波层(JBF)的方法，显著提高了图像信噪比并实现了10倍加速成像	研究样本量相对较小(227个3D图像)，且仅在特定实验条件下验证(25 mT EPR成像仪)	提高电子顺磁共振成像(EPRI)的信噪比并加速成像过程	3D EPR振幅和pO2图	医学影像处理	纤维肉瘤	脉冲电子顺磁共振成像(EPRI)	UNet, Attention UNet, UNETR, 自编码器	3D图像	227个3D图像(56个体内，171个体外)
3	2025-04-26	Dynamic glucose enhanced imaging using direct water saturation 2025-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30447 PMID:40096575	研究论文	本文提出了一种利用直接水饱和曲线的交换性线宽增宽效应进行动态葡萄糖增强成像（DS-DGE MRI）的新方法，以克服现有技术在效应大小和运动敏感性方面的限制	首次提出利用直接水饱和曲线的线宽增宽效应进行动态葡萄糖增强成像，相比传统CEST或CESL方法具有更高的灵敏度和抗运动干扰能力	研究样本量较小（仅4例脑肿瘤患者），需要更大规模的临床验证	开发一种新型动态葡萄糖增强MRI技术，用于评估葡萄糖摄取情况	脑肿瘤患者的葡萄糖摄取动态变化	医学影像	脑肿瘤	DS-DGE MRI，Bloch-McConnell模拟，深度学习拟合	深度学习Lorentzian拟合	MRI影像数据	4例脑肿瘤患者
4	2025-04-26	Machine learning explainability for survival outcome in head and neck squamous cell carcinoma 2025-Jul, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105873 PMID:40121767	研究论文	本研究结合临床病理参数、治疗相关因素和社会人口学因素，构建机器学习模型预测头颈部鳞状细胞癌患者的总体生存率，并探讨这些输入参数的互补预后潜力	使用TabNet和XGBoost等先进算法预测生存率，并利用LIME和SHAP技术提供模型解释性	需要多机构数据集验证模型，并在临床试验中测试以确保临床安全性	构建预测头颈部鳞状细胞癌患者总体生存率的机器学习模型，并评估输入参数的预后潜力	头颈部鳞状细胞癌患者	机器学习	头颈部鳞状细胞癌	TabNet, XGBoost, LIME, SHAP	TabNet, XGBoost, 投票集成	临床数据	419名来自瑞典三家大学医院的患者
5	2025-04-26	Deep learning-assisted cellular imaging for evaluating acrylamide toxicity through phenotypic changes 2025-Jun, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2025.115401 PMID:40118138	研究论文	本研究开发了一种结合深度学习模型（U-Net和ResNet34）与细胞荧光成像的新方法，用于评估丙烯酰胺（AA）毒性引起的细胞表型变化	通过深度学习模型（U-Net和ResNet34）结合细胞荧光成像，实现了对丙烯酰胺毒性的高通量、准确评估，并建立了细胞表型与毒性之间的直接联系	未提及样本量的具体信息，且验证准确率为80%，仍有提升空间	评估丙烯酰胺（AA）毒性及其对细胞表型的影响	丙烯酰胺（AA）暴露下的细胞	数字病理学	NA	细胞荧光成像	U-Net和ResNet34	图像	NA
6	2025-04-26	Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support (Review) 2025-Jun, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15039 PMID:40271007	review	本文综述了深度学习在食管癌诊断和临床决策支持中的应用前景	深度学习在提高早期食管癌病变检测、区分良恶性病变以及辅助癌症分期和预后方面显示出巨大潜力	面临图像质量差异、数据标注不足和泛化能力有限等挑战	探讨深度学习在食管癌诊断和临床决策支持中的应用	食管癌（EC）及其癌前病变（如Barrett食管）	digital pathology	esophageal cancer	endoscopic examination, pathological analysis, computed tomography	deep learning (DL)	medical images	NA
7	2025-04-26	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	综述	本文综述了提高深度学习在神经影像分割和分类中鲁棒性和泛化能力的策略	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挑战	仅包括英文同行评审的脑成像研究，可能遗漏其他语言或非脑部影像的研究	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，以促进其临床实际应用	神经影像数据	医学影像分析	神经系统疾病	深度学习	深度学习模型	医学影像	NA
8	2025-04-26	A comprehensive Malabar Spinach dataset for diseases classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111532 PMID:40275977	研究论文	本研究致力于开发针对马拉巴尔菠菜病害的机器视觉算法，以提高病害检测的准确性	开发了专门针对马拉巴尔菠菜病害的机器视觉算法，并构建了一个包含健康和患病植株图像的全面数据集	研究仅限于马拉巴尔菠菜的特定病害，可能不适用于其他作物	提高马拉巴尔菠菜病害的检测准确性，以支持精准农业和有效的作物管理	马拉巴尔菠菜的病害检测	计算机视觉	植物病害	机器视觉	ResNet50	图像	包含健康和患病马拉巴尔菠菜植株图像的全面数据集
9	2025-04-26	Development of an artificial intelligence-generated, explainable treatment recommendation system for urothelial carcinoma and renal cell carcinoma to support multidisciplinary cancer conferences 2025-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2025.115367 PMID:40107091	研究论文	开发了一种基于人工智能的可解释治疗推荐系统，用于支持多学科癌症会议中尿路上皮癌和肾细胞癌的治疗决策	首次展示了AI生成的可解释治疗推荐，并在尿路上皮癌和肾细胞癌中表现出色，为临床肿瘤学中的多学科癌症会议提供了高质量、基于证据的治疗支持工具	需要前瞻性验证结果	开发一种AI系统，为尿路上皮癌和肾细胞癌生成额外的治疗推荐，以支持多学科癌症会议中的决策	尿路上皮癌和肾细胞癌患者	数字病理	尿路上皮癌, 肾细胞癌	机器学习（CatBoost, XGBoost, Random Forest）和深度学习（TabPFN, TabNet, SoftOrdering CNN, FCN）	多种模型包括CatBoost, XGBoost, Random Forest, TabPFN, TabNet, SoftOrdering CNN, FCN	临床数据	1617例尿路上皮癌和880例肾细胞癌的多学科癌症会议推荐
10	2024-08-07	Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics 2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20166 PMID:38808949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11	2024-09-23	Response to 'Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics' 2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20347 PMID:39305063	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2025-04-26	Deep learning radiomic nomogram outperforms the clinical model in distinguishing intracranial solitary fibrous tumors from angiomatous meningiomas and can predict patient prognosis 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11082-y PMID:39412667	研究论文	本文提出了一种基于MRI的深度学习放射组学列线图（DLRN），用于区分颅内孤立性纤维瘤（ISFTs）和血管瘤性脑膜瘤（AMs），并预测ISFT患者的总生存期（OS）	DLRN在区分ISFTs和AMs方面优于临床模型（CM），并能预测ISFT患者的OS	研究样本主要来自两家医院，可能存在一定的选择偏差	评估基于MRI的DLRN在区分ISFTs和AMs及预测ISFT患者OS中的价值	颅内孤立性纤维瘤（ISFTs）和血管瘤性脑膜瘤（AMs）患者	数字病理学	脑肿瘤	MRI	深度学习放射组学列线图（DLRN）	医学影像	1090名患者（主要队列）和131名患者（外部验证队列）
13	2025-04-26	MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11105-8 PMID:39422725	系统综述	本文系统综述了用于辅助诊断多种膝关节异常的深度学习MRI模型的现状	总结了不同卷积神经网络在膝关节MRI诊断中的性能表现，并比较了特定损伤检测与一般异常检测模型的准确性差异	研究设计存在差异，且需要更大规模的MRI数据集来验证模型性能以满足临床需求	评估深度学习模型在膝关节MRI辅助诊断中的应用现状和临床潜力	膝关节异常（如前交叉韧带损伤、骨关节炎、半月板损伤等）	数字病理学	膝关节疾病	MRI	CNN（包括ResNet、VGG、DenseNet、DarkNet等）	MRI图像	54篇相关研究文章
14	2025-04-26	Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm 2025-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001131 PMID:39437009	研究论文	本研究探讨了图像重建参数和CT扫描仪制造商对Sybil算法在低剂量胸部CT扫描中预测肺癌风险性能的影响	首次系统评估了不同图像重建参数和CT扫描仪制造商对Sybil算法性能的影响，并发现结合有利的重建参数可以显著提高2-4年预测能力	研究仅基于美国国家肺癌筛查试验的参与者数据，可能无法推广到其他人群	评估Sybil算法在不同图像重建参数和CT扫描仪条件下的性能稳定性	低剂量胸部CT扫描图像	数字病理学	肺癌	低剂量CT扫描	深度学习算法(Sybil)	医学影像	1049对标准与骨重建滤波器图像，1961对标准与肺重建滤波器图像，1288对2mm与5mm轴向切片厚度图像
15	2025-04-26	Deep learning super-resolution reconstruction for fast and high-quality cine cardiovascular magnetic resonance 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11145-0 PMID:39441391	研究论文	比较标准分辨率与通过深度学习超分辨率算法重建的低分辨率心血管磁共振电影图像的质量和效率	使用深度学习超分辨率算法重建低分辨率心血管磁共振电影图像，显著减少采集时间而不影响图像质量或容积结果	样本量较小（30名参与者），且仅评估了特定参数（如LVEF、LVEDVi等），未涵盖所有可能的临床应用场景	评估深度学习超分辨率重建在心血管磁共振电影成像中的效果，以提高采集效率并保持诊断准确性	健康志愿者和患者的心血管磁共振电影图像	数字病理	心血管疾病	深度学习超分辨率算法、压缩感知去噪	DL（深度学习）	图像	30名参与者（20名健康志愿者和10名患者）
16	2025-04-26	Unbiased and reproducible liver MRI-PDFF estimation using a scan protocol-informed deep learning method 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11164-x PMID:39500799	research paper	该研究提出了一种基于深度学习的VET-Net方法，用于从化学位移编码MR图像中精确且稳健地估计质子密度脂肪分数（PDFF）	VET-Net通过整合回波时间（TEs）作为辅助输入，能够在任何TE设置下计算PDFF，提高了方法的适应性和精确性	研究仅使用了单中心肝脏CSE-MRI数据集，可能限制了结果的广泛适用性	开发一种精确且对不同MR扫描仪和采集回波时间（TEs）稳健的PDFF估计方法	肝脏CSE-MR图像和脂肪-水幻影数据集	医学影像分析	肝脂肪变性	化学位移编码MR成像（CSE-MRI）	深度学习（DL）	图像	188名受试者的4146个轴向切片，以及一个开源的多中心多厂商脂肪-水幻影数据集
17	2025-04-26	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	开发了一种基于深度学习的微交互分割方法，用于CT和MRI上的软组织肿瘤分割	提出了一种仅需用户点击六个点即可生成距离图作为CNN输入的微交互分割方法，显著提高了分割效率和准确性	需要用户进行少量交互（点击六个点），而非完全自动化	开发一种比手动分割更快、比其他自动方法更准确的软组织肿瘤分割方法	软组织肿瘤（STTs）	数字病理	软组织肿瘤	深度学习	CNN	医学影像（CT和MRI）	514名患者，包含9种STT表型和7个解剖位置的数据（内部验证）；另有一个包含5种未见STT表型的公共数据集（外部验证）
18	2025-04-26	Using interpretable deep learning radiomics model to diagnose and predict progression of early AD disease spectrum: a preliminary [18F]FDG PET study 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11158-9 PMID:39477837	研究论文	本研究提出了一种基于[18F]FDG PET图像的可解释深度学习放射组学（IDLR）模型，用于诊断阿尔茨海默病（AD）的临床谱并预测从轻度认知障碍（MCI）到AD的进展	提出的IDLR模型结合了放射组学和深度学习的特征，提高了传统深度学习模型的解释性并提升了分类准确性	研究为初步结果，需要进一步验证	诊断AD的临床谱并预测MCI到AD的进展	1962名来自不同种族的受试者（包括ADNI的高加索人群和中国两家医院的亚洲人群）	数字病理学	阿尔茨海默病	[18F]FDG PET成像	IDLR（可解释深度学习放射组学模型）	图像	1962名受试者
19	2025-04-26	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-May-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	研究论文	比较基于人工智能和偏最小二乘法的个性化面部生长预测模型	使用基于TabNet深度神经网络的深度学习方法构建面部生长预测模型，并与偏最小二乘法(PLS)进行比较，AI在预测精度上优于PLS	样本量较小（33名受试者），且仅基于Mathews生长收集的数据	开发并比较不同条件下的面部生长预测模型	33名受试者的纵向侧位头颅X光片，共1257对生长前后的图像	计算机视觉	NA	深度学习，偏最小二乘法(PLS)	TabNet, PLS	图像（侧位头颅X光片）	33名受试者，1257对图像
20	2025-04-26	FovealNet: Advancing AI-Driven Gaze Tracking Solutions for Efficient Foveated Rendering in Virtual Reality 2025-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549577 PMID:40067704	研究论文	本文介绍了FovealNet，一种先进的AI驱动视线跟踪框架，旨在通过战略性地提高视线跟踪精度来优化系统性能	FovealNet采用基于事件的裁剪方法减少输入图像中无关像素，并引入令牌修剪策略动态移除令牌而不影响跟踪精度，同时提出系统性能感知的多分辨率训练策略	未明确提及具体局限性	优化虚拟现实中的注视点渲染系统性能	视线跟踪技术及其在虚拟现实中的应用	计算机视觉	NA	深度学习	DNN	图像	NA