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	2025-06-30	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了一种基于生物物理模型驱动的深度学习方法，结合Bloch-McConnell模拟器进行神经网络训练，实现了比传统方法更高的重建精度	研究仅在数值模型和健康人脑组织中进行验证，未涉及病理组织的应用验证	开发快速准确的饱和转移MR指纹成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场不均匀性	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MRI影像数据	数值模型及健康人脑组织数据(尺寸256×256×9×103)
2	2025-06-30	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度卷积神经网络整合QUASAR模型，显著减少了传统QSM方法中的伪影和误差	研究主要基于合成数据和数字脑模型验证，虽然也使用了活体人脑数据，但样本量未明确说明	提高磁敏感定量成像在生物组织中的准确性和可靠性	人脑组织（特别是深部灰质和白质）	医学影像分析	神经退行性疾病	定量磁敏感成像（QSM）	深度卷积神经网络	MRI影像数据	NA
3	2025-06-30	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	提出一种基于深度学习的图像配准方法AiM-ED，用于处理低信噪比的心脏MRI图像	使用预训练的边缘检测器定义训练损失，联合处理多个噪声源图像，提高了图像配准的质量	样本量较小，仅验证了24个健康受试者和5个患者的切片	提高低信噪比心脏MRI图像的配准和平均质量	自由呼吸单次心脏MRI图像	计算机视觉	心血管疾病	深度学习	AiM-ED	图像	24个健康受试者和5个患者的切片，以及6个患者的0.55T扫描数据
4	2025-06-30	Accelerating 3D radial MPnRAGE using a self-supervised deep factor model 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30549 PMID:40457622	研究论文	开发了一种自监督且内存高效的深度学习图像重建方法，用于高分辨率和大参数维度的4D非笛卡尔MRI	提出了深度因子模型(DFM)，通过神经网络以反转时间为条件，使用高效的零填充重建作为输入估计，以单次学习(SSL)方式从k空间数据中学习模型参数，并开发了兼容的迁移学习(TL)方法以减少重建时间	在训练神经网络时需要高性能GPU阵列支持，否则计算需求较高	开发一种适用于高分辨率和大参数维度MRI图像重建的自监督深度学习方法	4D非笛卡尔MRI图像	医学影像处理	NA	MRI, 深度学习	DFM (深度因子模型)	MRI图像数据	幻影和体内实验数据
5	2025-06-30	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（Mb-DWI）在BCLC A期肝细胞癌（HCC）中对采集时间、图像质量和微血管侵犯（MVI）预测能力的影响	使用深度学习重建加速Mb-DWI，显著减少采集时间并提高图像质量，同时保持与标准Mb-DWI相当的MVI预测性能	研究样本量相对较小（118例患者），且仅针对BCLC A期HCC患者	评估深度学习加速Mb-DWI在肝细胞癌诊断中的应用效果	BCLC A期肝细胞癌患者	数字病理	肝细胞癌	多b值DWI（Mb-DWI）	深度学习	医学影像	118例患者（48例MVI阳性）
6	2025-06-30	Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD 2025-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03311-3 PMID:39961912	研究论文	本研究提出了一种基于深度学习的快速预测主动脉瘤壁面剪应力（WSS）的方法，以替代计算流体动力学（CFD）	采用MultiViewUNet深度学习模型和领域转换技术，快速预测主动脉瘤的时间平均壁面剪应力分布	未提及具体样本量及模型在临床环境中的实际应用效果	开发一种快速准确的主动脉瘤破裂风险评估方法	腹主动脉瘤（AAA）	数字病理学	心血管疾病	深度学习	MultiViewUNet	几何数据	NA
7	2025-06-30	Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01756-y PMID:40038217	研究论文	评估基于双类型深度学习的图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果	采用双类型深度学习进行图像重建，结合去噪和超分辨率处理，缩短扫描时间并提高图像质量	研究样本量较小（43例患者），且未对所有可能的伪影类型进行全面评估	比较传统方法和基于深度学习的图像重建技术在头颈部脂肪抑制T2加权成像中的效果	头颈部脂肪抑制T2加权成像的图像质量	计算机视觉	头颈部病变	深度学习图像重建	DL（深度学习）	医学图像	43例患者
8	2025-06-30	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	研究基于CT的多参数深度学习和放射组学模型（DLRM）在预测直肠癌患者术前肿瘤萌芽（TB）分级中的应用	结合深度学习和手工制作的放射组学特征，构建了一个多参数模型来预测直肠癌的TB分级，为非侵入性评估提供了新方法	研究样本量较小（135例患者），且为回顾性研究，可能存在选择偏差	预测直肠癌患者的术前肿瘤萌芽（TB）分级	直肠癌患者	digital pathology	rectal cancer	CT扫描，深度学习，放射组学	DLRM（深度学习和放射组学组合模型）	CT图像	135例经组织学确认的直肠癌患者（85例Bd1+2组，50例Bd3组）
9	2025-06-30	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，首次使用XGBoost模型进行HER2状态的三元分类	HER2-zero和HER2-low组之间的影像特征差异不显著	预测乳腺癌HER2状态以指导靶向治疗	乳腺癌患者	数字病理学	乳腺癌	MRI, MG, 放射组学, 深度学习	XGBoost	影像	550名患者
10	2025-06-30	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）在心肌CT晚期增强（CT-LE）图像质量改进中的应用	首次将超分辨率深度学习重建技术应用于心肌CT晚期增强图像，显著降低图像噪声并提高图像质量	研究样本量较小（30例患者），且为回顾性研究	评估SR-DLR在心肌CT晚期增强图像重建中的性能	心肌疤痕评估	数字病理	心血管疾病	超分辨率深度学习图像重建（SR-DLR）	深度学习模型	CT图像	30例接受CT-LE检查的患者
11	2025-06-30	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	首次将深度学习应用于低剂量CT扫描中的体积骨密度预测和骨质疏松分类	研究样本量相对较小（551名受试者），且仅限于腰椎区域的评估	开发自动化系统用于骨质疏松筛查	低剂量CT扫描图像	数字病理学	骨质疏松症	低剂量CT扫描	U-net	医学影像	551名同时接受低剂量CT和QCT检查的受试者
12	2025-06-30	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	本研究旨在开发基于深度学习和放射组学的模型，利用冠状动脉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，并与传统方法进行比较	首次结合深度学习和放射组学技术，通过CCTA数据高效准确地区分CTO和STO病变	研究为回顾性设计，样本主要来自三级医院，可能存在选择偏倚	开发人工智能工具以改进冠状动脉闭塞性病变的鉴别诊断	冠状动脉慢性完全闭塞（CTO）和次全闭塞（STO）病变	数字病理	心血管疾病	冠状动脉CT血管成像（CCTA）	深度学习模型	医学影像	581名参与者（平均年龄50岁±11），共600个病变（403个CTO和197个STO）
13	2025-06-30	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	该研究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数据对臂丛神经病变中的神经损伤进行分类	结合了MobileNetV4进行特征提取和MHOA进行优化特征选择，提高了神经损伤分类的准确性	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的诊断准确性	臂丛神经病变患者的磁共振神经成像数据	数字病理	臂丛神经病变	磁共振神经成像（MRN）	MobileNetV4	图像	39名臂丛神经病变患者
14	2025-06-30	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	research paper	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扫描中的可行性	利用深度学习在超低电压80 kV胸部CT扫描中实现全自动骨密度测量，用于骨质疏松筛查	研究仅为初步研究，样本量有限，且仅涉及特定CT扫描仪	探索深度学习在骨质疏松筛查中的应用	987名接受80 kV胸部CT和120 kV腰椎CT扫描的患者	digital pathology	osteoporosis	quantitative CT (QCT), deep learning	3D VB-Net, SCN, DenseNet, ResNet	CT scans	987名患者，分为训练集、验证集和测试集（561:177:112:137）
15	2025-06-30	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（4L-CTA）中使用深度学习图像重建（DLIR）算法的诊断准确性	首次在儿童肺隔离症的四重低剂量CTA中应用DLIR算法，并证明了其在降低辐射和对比剂剂量的同时保持图像质量和诊断准确性	样本量较小（53例患者），且仅针对肺隔离症这一特定疾病	评估DLIR算法在儿童四重低剂量CTA中的诊断准确性和图像质量	疑似肺隔离症的儿童患者	数字病理	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名接受4L-CTA，53名接受常规CTA）
16	2025-06-30	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	research paper	本研究开发了基于深度学习的模型，用于在窄带成像（NBI）和近焦NBI（NF-NBI）图像中识别早期胃癌（EGC）的边界	提出了三种卷积神经网络（CNN1-CNN3）生成的六个深度学习模型，用于精确识别EGC边界，其诊断性能与资深内镜医师相当	研究仅基于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内镜图像	digital pathology	gastric cancer	narrow-band imaging (NBI), near-focus NBI (NF-NBI)	CNN	image	1215 NBI和1646 NF-NBI图像
17	2025-06-30	Broadscale reconnaissance of coral reefs from citizen science and deep learning 2025-Jun-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14261-6 PMID:40571887	研究论文	本研究探讨了结合公民科学和深度学习技术对珊瑚礁进行大规模勘测的可行性和准确性	结合公民科学和深度学习技术进行珊瑚礁勘测，实现了大规模、低成本的数据收集	对于'所有其他珊瑚'这一单一类别的估计准确性较低，仅在60%的站点和10-30%珊瑚覆盖率的图像中达到95%的准确性	评估公民科学和深度学习技术在珊瑚礁勘测中的准确性和可行性	珊瑚礁的底栖覆盖情况，特别是分枝状鹿角珊瑚、板状鹿角珊瑚和块状珊瑚	计算机视觉	NA	深度学习	NA	图像	8086张图像
18	2025-06-30	AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting 2025-Jun-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07309-7 PMID:40579399	研究论文	本研究比较了AI支持和手动显微镜在诊断土壤传播蠕虫感染中的效果，特别是在初级医疗环境中	使用便携式全玻片扫描仪和基于深度学习的AI技术，提高了对轻度感染病例的检测灵敏度	研究样本仅限于肯尼亚的学龄儿童，可能无法完全代表其他人群或地区	比较和评估AI支持与手动显微镜在诊断土壤传播蠕虫感染中的效果	学龄儿童的粪便样本	数字病理学	土壤传播蠕虫感染	Kato-Katz厚涂片法，全玻片扫描，深度学习	深度学习AI	图像	965份粪便样本（其中704份适合分析）
19	2025-06-30	A two-step automatic identification of contrast phases for abdominal CT images based on residual networks 2025-Jun-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01995-7 PMID:40579615	研究论文	开发了一种基于ResNet的深度学习模型，用于自动准确识别腹部CT图像的对比阶段	提出了一种两步策略，显著提高了对比阶段识别的准确率，优于传统的一步策略	研究仅针对腹部CT图像，未涉及其他部位的CT图像	开发一种自动准确识别腹部CT图像对比阶段的深度学习模型	腹部对比增强CT扫描图像	计算机视觉	NA	深度学习	ResNet	图像	内部数据集1175例，外部测试集215例
20	2025-06-30	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-Jun-26, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	research paper	利用深度学习从视盘照片预测视网膜神经纤维层厚度，评估其作为原发性开角型青光眼风险因素的效用	开发了一种基于OCT训练的深度学习模型（M2M模型），用于从视盘照片预测视网膜神经纤维层厚度，并验证其作为青光眼风险因素的预测能力	研究仅针对眼高压患者，未涉及其他类型青光眼或健康人群	预测视网膜神经纤维层厚度并评估其作为原发性开角型青光眼风险因素的效用	1636名眼高压患者的3272只眼睛	digital pathology	glaucoma	deep learning	M2M model	image	3272只眼睛的66714张视盘照片