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
3081	2025-04-02	Zero Echo Time and Similar Techniques for Structural Changes in the Sacroiliac Joints 2025-Apr, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/s-0045-1802660 PMID:40164079	综述	本文探讨了基于MRI的合成CT（sCT）在评估骶髂关节结构变化中的潜在作用，特别是在轴向脊柱关节炎（axSpA）的背景下	介绍了合成CT（sCT）作为一种创新工具，能够从MRI数据生成CT样图像，结合了MRI和CT的优势，无需电离辐射即可提供详细的解剖分辨率	未提及具体的临床研究数据或样本量，可能缺乏实证支持	探讨sCT在早期检测和监测骶髂关节炎中的潜在应用	骶髂关节的结构变化，特别是在轴向脊柱关节炎（axSpA）患者中	数字病理学	脊柱关节炎	合成CT（sCT）、深度学习、零回波时间（ZTE）、超短回波时间（UTE）、梯度回波序列	NA	MRI和CT图像数据	NA
3082	2025-04-02	Uncertainty quantification for CT dosimetry based on 10 281 subjects using automatic image segmentation and fast Monte Carlo calculations 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17796 PMID:40167139	research paper	本研究提出了一种结合自动图像分割与GPU加速蒙特卡罗模拟的新方法，用于分析10,281名接受CT检查的患者的器官剂量不确定性	结合深度学习自动分割与GPU加速蒙特卡罗模拟，处理大规模患者特异性器官剂量数据	研究仅基于中国一家医院的数据，可能无法完全代表其他地区或人群的情况	量化并理解CT剂量不确定性，改进依赖简化体模的剂量测定方法	10,281名接受CT检查的患者（6,419名男性和3,862名女性）	digital pathology	NA	自动图像分割，GPU加速蒙特卡罗模拟	DeepContour（深度学习模型）	CT图像	10,281名患者
3083	2025-04-02	Deep learning-based identification of vertebral fracture and osteoporosis in lateral spine radiographs and DXA VFA to predict incident fracture 2025-Apr-01, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf050 PMID:40167218	research paper	该研究利用深度学习技术从脊柱侧位X光片和DXA VFA图像中识别椎体骨折和骨质疏松症，以预测老年人骨折风险	开发了深度学习模型用于检测椎体骨折和骨质疏松症，并在DXA VFA数据集上进行了微调，提高了骨折风险预测的准确性	研究数据集来自单一三级医疗机构，可能影响模型的泛化能力	提高老年人骨折风险的预测准确性	脊柱侧位X光片和DXA VFA图像	digital pathology	geriatric disease	deep learning	DL	image	VERTE-X队列: 9276名个体的26299张脊柱侧位X光片；KURE队列: 部分DXA VFA数据集
3084	2025-04-02	Leveraging sound speed dynamics and generative deep learning for ray-based ocean acoustic tomography 2025-Apr-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0036312 PMID:40167492	研究论文	本文介绍了一种基于生成深度学习框架的射线海洋声学层析成像方法，用于估计声速剖面	利用变分自编码器和线性动力学模型对声速剖面变化进行低维参数化，作为进一步的正则化手段	方法仅在模拟数据上进行了测试，未涉及实际海洋环境数据	解决海洋声学层析成像中的逆问题，即基于多声学换能器之间的到达时间测量估计声速剖面	海洋声速剖面	机器学习	NA	变分自编码器，线性动力学模型	VAE	模拟声学数据	使用区域海洋模型模拟的声速剖面变化数据
3085	2025-04-02	Attention mechanism-based multi-parametric MRI ensemble model for predicting tumor budding grade in rectal cancer patients 2025-Apr-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04886-z PMID:40167646	research paper	开发并验证了一种基于深度学习的多参数MRI特征集成模型，用于预测直肠癌患者的肿瘤萌芽分级	基于注意力机制的Transformer模块用于捕捉不同成像序列间的空间交互，构建多参数集成模型，相比单序列模型能更有效地预测肿瘤萌芽分级	模型间AUC值的差异在统计上不显著，样本量相对有限且为回顾性研究	预测直肠癌患者的肿瘤萌芽分级，为治疗选择和预后评估提供指导	458例经病理证实的直肠癌患者	digital pathology	rectal cancer	multiparametric MRI (T2WI, DWI)	CrossFormer, Transformer-based attention mechanism	MRI图像	458例患者（训练队列248例，内部验证107例，外部验证103例）
3086	2025-04-02	Deep learning-based segmentation of gallbladder cancer on abdominal computed tomography scans: a multicenter study 2025-Apr-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04887-y PMID:40167645	research paper	该研究训练并验证了用于从增强CT图像中自动分割胆囊癌（GBC）病变的深度学习模型	使用多中心数据集训练和验证了2D和3D图像分割模型，并比较了它们的性能，其中MedSAM表现最佳	分割性能与GBC形态无关，且与病变大小的相关性较弱	开发并验证用于胆囊癌自动分割的深度学习模型	胆囊癌（GBC）患者	digital pathology	gallbladder cancer	contrast-enhanced CT	SAM Adapter, MedSAM, 3D TransUNet, SAM-Med3D, 3D-nnU-Net	image	训练和验证队列317例，内部测试队列29例，外部测试队列85例
3087	2025-04-02	Optimizing bladder magnetic resonance imaging: accelerating scan time and improving image quality through deep learning 2025-Apr-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04895-y PMID:40167648	research paper	本研究探讨了深度学习在膀胱T2加权成像中的应用，以加速扫描时间并提高图像质量	首次在膀胱MRI中应用深度学习重建技术，显著减少扫描时间并提升图像质量	样本量较小（28例患者），且仅针对膀胱癌进行评估	评估深度学习在膀胱MRI中的临床应用价值	膀胱癌患者	digital pathology	bladder cancer	T2-weighted imaging, deep learning reconstruction	DL	MRI图像	28例连续膀胱癌患者
3088	2025-04-02	Coherence shaping for optical vortices: a coherence shift keying scheme enabled by deep learning for optical communication 2025-Apr-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.549356 PMID:40167728	research paper	本研究提出了一种用于光学涡旋的相干整形方法，并通过深度学习实现了一种相干移位键控方案，用于光通信	提出了一种新的相干整形方法，能够生成完全相干和非相干状态之间的非衍射干涉状态，并首次将深度学习应用于相干移位键控方案	实验验证仅限于特定条件下的性能测试，未涉及大规模实际应用场景的验证	开发一种基于低阶结构光模式的高容量加密移位键控通信系统	光学涡旋的相干性和干涉状态	optical communication	NA	coherence shaping, deep learning	deep learning model	optical interference patterns	NA
3089	2025-04-02	Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study 2025-Apr-01, La Radiologia medica DOI:10.1007/s11547-025-02006-x PMID:40167932	research paper	本研究评估了结合经阴道超声（US）的放射组学和深度学习模型在大规模研究中准确区分良性和恶性卵巢肿瘤的有效性	结合CNN和放射组学模型，提供了一种更准确和可靠的卵巢肿瘤诊断方法	研究为回顾性研究，可能存在选择偏倚	评估结合放射组学和深度学习模型在卵巢肿瘤诊断中的有效性	良性和恶性卵巢肿瘤	digital pathology	ovarian cancer	transvaginal ultrasound (US)	CNN	image	3193张图像来自2078名患者
3090	2025-04-02	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-Mar-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	research paper	该研究开发了一种利用数字光电容积描记（PPGD）信号和深度学习技术预测心血管生物标志物的非侵入性方法，用于全面评估心脏血流动力学状态	提出了一种并行卷积神经网络（PCNN）方法，同时处理原始PPGD信号和非线性特征，为心血管生物标志物预测提供了新颖的非侵入性解决方案	研究结果尚未在真实临床环境中验证，未来需要进一步改进临床适用性	开发非侵入性方法预测心脏血流动力学关键参数（如心输出量、系统血管阻力和动脉顺应性）	心脏血流动力学状态（CHS）及其关键参数	machine learning	cardiovascular disease	digital photoplethysmography (PPGD), deep learning	parallel convolutional neural network (PCNN)	PPGD signals	4374名虚拟受试者
3091	2025-04-02	Diagnostic performance of deep learning-assisted [18F]FDG PET imaging for Alzheimer's disease: a systematic review and meta-analysis 2025-Mar-31, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07228-9 PMID:40159544	meta-analysis	通过系统综述和荟萃分析评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能	首次对深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能进行系统综述和荟萃分析	研究间存在显著的异质性，部分归因于深度学习方法和成像模态的差异	评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能	阿尔茨海默病(AD)、轻度认知障碍(MCI)和正常对照(NC)	digital pathology	geriatric disease	[18F]FDG PET成像	深度学习(DL)	医学影像	36项符合纳入标准的研究
3092	2025-04-02	Toxicologic Pathology Forum*: Opinion on New Technologies and Trends Disrupting Drug Discovery and Development: How Can the Next Generation of Toxicologic Pathologists Be Prepared for Evolving Roles? 2025-Mar-31, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233251321805 PMID:40159889	评论	本文探讨了制药行业技术创新的加速如何重塑药物研发，并提出了毒理病理学家如何适应和利用这些变化的建议	讨论了当前技术变革的速度和规模对毒理病理学家角色的影响，并提出了未来行业所需人才类型的思考	未提出具体的培训或教育方案来应对这些变化	探讨毒理病理学家如何适应制药行业的技术和社会变革，并利用这些变化为药物研发做出更大贡献	毒理病理学家和制药行业	数字病理	NA	人工智能、深度学习、数字病理	NA	NA	NA
3093	2025-04-02	Machine learning radiomics for H3K27M mutation prediction in gliomas: A systematic review and meta-analysis 2025-Mar-31, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03597-y PMID:40163098	meta-analysis	该研究通过系统综述和荟萃分析评估了基于机器学习的影像组学模型在预测胶质瘤H3K27M突变中的性能	首次通过荟萃分析全面评估机器学习模型在预测H3K27M突变中的诊断性能，并比较了深度学习与传统机器学习模型的差异	纳入研究数量有限(15项)，且未对不同MRI序列或特征提取方法进行亚组分析	评估机器学习模型预测胶质瘤H3K27M突变的诊断性能	胶质瘤患者	digital pathology	glioma	MRI radiomics	machine learning/deep learning	medical imaging	15项研究(具体样本量未明确说明)
3094	2025-04-02	Automated detection of retinal artery occlusion in fundus photography via self-supervised deep learning and multimodal interpretability using a multimodal AI chatbot 2025-Mar-31, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03353-7 PMID:40163243	research paper	本研究提出了一种基于自监督深度学习和多模态可解释性的创新AI方法，用于从眼底图像中自动检测视网膜动脉阻塞（RAO）	首次将深度学习应用于RAO检测，并采用自监督学习框架SimCLR解决标记数据不足的问题，同时结合多模态AI聊天机器人（ChatGPT-4）和Grad-CAM可视化提升模型的可解释性	研究未提及模型在更广泛或多样化数据集上的表现，可能影响其普遍适用性	开发一种AI模型，用于早期检测视网膜动脉阻塞（RAO）以预防不可逆的视力损失	眼底图像中的视网膜动脉阻塞（RAO）特征	digital pathology	cardiovascular disease	self-supervised learning (SSL), SimCLR, multimodal interpretability	ResNet50	image	两个外部验证数据集（具体样本量未提及）
3095	2025-04-02	Deep Learning-Enhanced Hand-Driven Microfluidic Chip for Multiplexed Nucleic Acid Detection Based on RPA/CRISPR 2025-Mar-31, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202414918 PMID:40163382	研究论文	提出了一种名为R-CHIP的便携式系统，用于多重核酸检测，整合了RPA、CRISPR检测、手动微流控和人工智能平台	结合了RPA/CRISPR技术、手动微流控和深度学习模型ResNet-18，提高了检测效率和便捷性	未提及长期稳定性和大规模应用的验证	开发一种便携式系统，用于高风险人乳头瘤病毒（HR-HPV）的早期检测，以改善宫颈癌的预后评估	高风险人乳头瘤病毒（HR-HPV）的临床样本	数字病理学	宫颈癌	RPA, CRISPR, 微流控技术	ResNet-18	图像	300例临床样本
3096	2025-04-02	Artificial Intelligence for Classification of Endoscopic Severity of Inflammatory Bowel Disease: A Systematic Review and Critical Appraisal 2025-Mar-31, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf050 PMID:40163659	系统性综述	本文系统性综述并批判性评估了人工智能辅助内镜下炎症性肠病严重程度分类的文献	总结了2019至2024年间31项关于AI模型用于内镜下IBD严重程度分类的研究，并首次使用APPRAISE-AI工具对研究质量进行系统评估	克罗恩病相关研究较少(仅3项)，AI模型的外部验证不足，数据和代码透明度有待提高	评估AI在内镜下炎症性肠病严重程度分类中的应用现状与研究质量	溃疡性结肠炎(28项研究)和克罗恩病(3项研究)的内镜图像/视频	数字病理学	炎症性肠病	深度学习	AI模型（具体类型未说明）	图像和视频	31项研究（未报告总样本量）
3097	2025-04-02	Diagnosis of Oral Cancer With Deep Learning. A Comparative Test Accuracy Systematic Review 2025-Mar-31, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15330 PMID:40163741	meta-analysis	比较深度学习模型与人类专家及其他诊断方法在口腔癌临床检测中的准确性	首次系统性地比较深度学习模型与人类专家在口腔癌诊断中的准确性	纳入研究存在偏倚风险，证据等级较低	评估深度学习模型在口腔癌诊断中的准确性	口腔黏膜病变（癌变与非癌变）的摄影图像	digital pathology	oral cancer	deep learning	NA	image	8项研究（具体样本量未明确说明）
3098	2025-04-02	A Tunable Forced Alignment System Based on Deep Learning: Applications to Child Speech 2025-Mar-31, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-24-00347 PMID:40163771	research paper	开发了一个基于深度学习的可调谐强制对齐系统Wav2TextGrid，用于儿童语音分析	提出了一个可训练的、说话者自适应的神经强制对齐器，可直接在手动对齐上进行训练	仅使用了42名3至6岁神经典型儿童的语料库进行验证	开发一个适用于非标准语音（如儿童语音）的自动化语音分析工具	儿童语音和TIMIT语料库	natural language processing	NA	deep learning	neural forced aligner	speech	42名3至6岁神经典型儿童
3099	2025-04-02	Enrichment Analysis and Deep Learning in Biomedical Ontology: Applications and Advancements 2025-Mar-31, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih DOI:10.24920/004464 PMID:40164517	review	本文综述了基于生物医学本体结构及语义注释特性的富集分析和深度学习方法，强调了技术进步如何更全面地利用本体信息	结合富集分析和深度学习技术，探索生物医学本体的新应用和进展	NA	推动生物医学研究的发展，探索生物医学本体在大数据技术下的新应用	生物医学本体	machine learning	NA	富集分析, deep learning	deep learning	multi-dimensional, heterogeneous biomedical big data	NA
3100	2025-04-02	Vision Transformers in Medical Imaging: a Comprehensive Review of Advancements and Applications Across Multiple Diseases 2025-Mar-31, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01481-y PMID:40164818	综述	本文全面回顾了视觉变换器（ViT）模型在医学影像分类中的最新研究进展及其在多种疾病中的应用	系统性地总结了ViT在医学影像领域的应用，并对比了其与传统CNN的性能差异	未进行原始实验验证，仅基于文献综述进行分析	评估ViT模型在医学影像分类领域的应用现状与发展趋势	涵盖乳腺癌、皮肤病变、脑部MRI肿瘤、肺部疾病、视网膜分析等15个医学领域	数字病理	多疾病（乳腺癌/脑肿瘤/COVID-19等）	深度学习	ViT（Vision Transformer）	医学影像	NA（文献综述不涉及具体样本量）