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
341	2025-09-05	Clinical outcome prediction with an automated EEG trend, Brain State of the Newborn, after perinatal asphyxia 2024-06, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2024.03.007 PMID:38583406	研究论文	本研究评估了基于深度学习的自动化EEG趋势分析工具BSN在预测围产期窒息新生儿4岁时临床结局的效用	首次使用全自动深度学习定量测量EEG背景的新方法BSN，实现早期连续脑活动监测和动态预后预测	样本量较小（80例新生儿），需更大规模验证	早期预测围产期窒息新生儿的长期临床结局	围产期窒息新生儿	医疗人工智能	新生儿缺氧缺血性脑病	EEG监测、深度学习	深度学习模型	EEG时间序列数据	80例新生儿，总计5427小时EEG数据
342	2025-09-05	Improving the Prognostic Evaluation Precision of Hospital Outcomes for Heart Failure Using Admission Notes and Clinical Tabular Data: Multimodal Deep Learning Model 2024-05-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54363 PMID:38696251	研究论文	本研究开发了一种多模态深度学习模型，结合入院临床文本和表格数据，以提高心力衰竭患者院内死亡风险的评估精度	首次将入院临床笔记与结构化表格数据通过多模态深度学习结合，用于心衰预后评估，并在多个独立数据集上验证了其优越性	回顾性研究设计，数据来源于特定数据库，可能存在选择偏倚	提高心力衰竭患者住院结局的预后评估精度	重症心力衰竭患者	自然语言处理	心血管疾病	深度学习，Integrated Gradients，SHAP	多模态深度学习模型	文本，表格数据	开发集9989例患者，内部验证集2497例，前瞻验证集1896例，外部验证集7432例
343	2025-09-05	Early autism diagnosis based on path signature and Siamese unsupervised feature compressor 2024-05-02, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae069 PMID:38696605	研究论文	提出一种基于路径签名和孪生无监督特征压缩器的深度学习模型，用于自闭症谱系障碍的早期诊断	结合孪生验证框架扩展稀缺数据，使用无监督压缩器缓解数据不平衡，并通过路径签名方法从纵向数据中提取发育特征	数据存在稀缺性、类别不平衡和异质性挑战，样本量未明确说明	开发早期自闭症诊断的自动化方法	自闭症谱系障碍婴幼儿的结构MRI图像	医学影像分析	自闭症谱系障碍	深度学习，路径签名分析	Siamese网络，无监督特征压缩器	结构磁共振图像（MRI）	NA
344	2025-09-05	The development of a deep learning model for automated segmentation of the robotic pancreaticojejunostomy 2024-05, Surgical endoscopy DOI:10.1007/s00464-024-10725-x PMID:38488870	研究论文	开发用于机器人胰肠吻合术视频自动分割的深度学习模型	利用3D卷积神经网络对机器人手术视频进行任务级自动分割，首次在该复杂手术场景中实现高精度帧分类	样本量有限（111个视频），且为单中心回顾性研究	通过深度学习自动分析机器人胰十二指肠切除术中的胰肠吻合环节	机器人胰肠吻合术手术视频	计算机视觉	胰腺疾病	深度学习，视频分析	3D CNN	视频	111个手术视频（60训练+10验证+30测试）
345	2025-09-05	LST-AI: a Deep Learning Ensemble for Accurate MS Lesion Segmentation 2024-Mar-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.23.23298966 PMID:38045345	研究论文	提出一种基于深度学习的集成模型LST-AI，用于精确分割多发性硬化症脑白质病变	采用三个3D-UNet集成架构，结合二元交叉熵和Tversky损失函数的复合损失函数，显式处理病变与非病变组织的不平衡问题	NA	开发开源自动化脑白质病变分割工具，提升多发性硬化症病灶分割精度	多发性硬化症患者的脑部MRI图像	医学图像分析	多发性硬化症	深度学习，MRI成像	3D-UNet集成模型	3D医学图像（T1w和FLAIR序列）	491对训练图像（内部采集），103个测试案例（公开数据）
346	2025-09-05	LST-AI: A deep learning ensemble for accurate MS lesion segmentation 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103611 PMID:38703470	研究论文	提出一种基于深度学习集成模型LST-AI，用于精确分割多发性硬化症脑白质病变	采用三个3D U-Net集成架构，结合二元交叉熵和Tversky损失函数的复合损失函数，显式处理病变与非病变组织的不平衡问题	NA	开发高性能开源脑白质病变自动分割工具	多发性硬化症患者的脑部MRI图像	医学图像分析	多发性硬化症	3D MRI成像	3D U-Net集成	医学图像（T1加权和FLAIR序列）	491对MRI图像用于训练，103个公开测试案例
347	2025-09-05	Geodesic shape regression based deep learning segmentation for assessing longitudinal hippocampal atrophy in dementia progression 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103623 PMID:38821013	研究论文	提出一种基于测地线形状回归的深度学习分割方法GeoLongSeg，用于评估痴呆进展中的纵向海马体萎缩	将测地线形状回归整合到两阶段分割网络中，通过增强个体内形态一致性来减少与疾病无关的纵向变异	NA	准确分割纵向MRI中的海马体形态，辅助痴呆早期诊断	痴呆患者和正常对照的海马体	医学图像分析	痴呆症	深度学习，测地线形状回归	3D U-Net	纵向3T T1加权MR图像	阿尔茨海默病神经影像倡议(ADNI)的纵向数据
348	2025-09-05	Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103624 PMID:38823248	研究论文	比较两种基于不同软件（FreeSurfer与DL+DiReCT）的个体MRI扫描中皮质厚度和灰质体积异常检测方法的性能	首次在公共OASIS3数据集上对比开源工具ScanOMetrics结合传统FreeSurfer与深度学习工具DL+DiReCT的异常检测效果，并验证深度学习工具显著缩短处理时间	临床评估仍处于早期阶段，未涉及大规模临床环境验证	评估不同脑形态计量工具在个体MRI异常检测中的性能差异	阿尔茨海默病患者和健康对照者的脑部MRI数据	医学影像分析	阿尔茨海默病	脑形态计量分析、规范建模	深度学习（未指定具体模型）	MRI脑部扫描图像	OASIS3公共数据集中的AD患者和健康对照组
349	2025-09-05	A deep learning analysis of stroke onset time prediction and comparison to DWI-FLAIR mismatch 2023, NeuroImage. Clinical DOI:10.1016/j.nicl.2023.103544 PMID:38000188	研究论文	使用深度学习模型预测缺血性卒中发病时间，并与DWI-FLAIR不匹配技术进行比较	首次采用组卷积神经网络分析未处理的DWI和FLAIR影像数据，并通过未标记数据预训练提升模型性能，在人类难以判定的病例中增强诊断准确性	研究未明确说明样本量规模及模型在多样化临床环境中的泛化能力	改进卒中发病时间预测精度，提升DWI-FLAIR不匹配概念的临床应用可及性	缺血性卒中患者的神经影像数据（DWI和FLAIR序列）	医学影像分析	脑血管疾病	深度学习，医学影像处理	Group CNN（组卷积神经网络）	医学影像（DWI和FLAIR）	NA
350	2025-09-05	Identifying Drug-Resistant Tuberculosis in Chest Radiographs: Evaluation of CNN Architectures and Training Strategies 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9630189 PMID:34891867	研究论文	本研究利用卷积神经网络分析胸部X光片以区分耐药性和药物敏感性肺结核	采用预训练CNN架构结合标准与深度学习数据增强策略提升分类性能，在结核病耐药性识别领域实现高达85%的AUC值	未明确说明样本量具体数值及模型泛化能力的验证范围	通过医学影像早期诊断肺结核耐药性以辅助临床治疗决策	肺结核患者的胸部X光影像	计算机视觉	肺结核	深度学习数据增强	CNN（包括InceptionV3）	医学影像（胸部X光片）	来自NIAID TB Portals的标注数据及未标注外部数据源
351	2025-09-04	Deep learning mammography-based breast cancer risk model, its serial change, and breast cancer mortality 2025-Sep-03, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01772-w PMID:40900381	研究论文	基于深度学习模型Mirai评估乳腺X线摄影风险评分及其随时间变化与乳腺癌特异性死亡率的关联	首次将深度学习乳腺癌风险预测模型与死亡率结局直接关联，并分析风险评分动态变化对死亡风险的预测价值	样本中乳腺癌相关死亡事件较少（31例），可能影响统计效力	验证AI风险模型对乳腺癌死亡率的预测能力	124,653名接受乳腺X线筛查的韩国无癌女性	数字病理	乳腺癌	深度学习	Mirai (CNN-based)	乳腺X线图像	124,653名女性，1,075,177人年随访
352	2025-09-03	Robust multi-coil MRI reconstruction via self-supervised denoising 2025-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30591 PMID:40457510	研究论文	本研究探讨了在训练深度学习MRI重建方法前加入自监督去噪预处理步骤对高斯噪声污染数据的效果	利用GSURE进行自监督去噪作为预处理步骤，提升多线圈MRI重建质量，无需无噪声参考数据	实验仅针对T2加权脑部和脂肪抑制膝关节扫描，未验证其他MRI序列或身体部位的普适性	提高加速多线圈磁共振成像（MRI）重建的质量和效率	T2加权脑部扫描和脂肪抑制质子密度膝关节扫描的MRI数据	医学影像处理	NA	Generalized Stein's Unbiased Risk Estimate (GSURE), 深度学习重建方法	Diffusion Probabilistic Models (DPMs), Model-Based Deep Learning (MoDL)	多线圈k空间数据，图像	NA
353	2025-09-03	SMART MRS: A Simulated MEGA-PRESS ARTifacts toolbox for GABA-edited MRS 2025-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30597 PMID:40485116	研究论文	开发了一个基于Python的工具箱SMART MRS，用于模拟GABA编辑MRS数据中的常见伪影	创建了首个专门模拟GABA编辑MRS伪影的Python工具箱，包含多种伪影生成功能并支持机器学习模型训练	NA	开发用于模拟伽玛-氨基丁酸编辑磁共振波谱数据中常见伪影的工具箱	磁共振波谱数据中的各类伪影	医学影像分析	NA	MEGA-PRESS MRS, 深度学习	机器学习模型	磁共振波谱数据	NA
354	2025-09-03	MC-RED: A deep learning network for motion correction in 3D CEST imaging 2025-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30609 PMID:40495308	研究论文	提出并验证了一种基于深度学习的运动校正方法MC-RED，用于提升3D CEST成像的图像质量	采用结合频率特异性信息和静态参考图像的残差编码-解码网络，生成无运动参考帧以校正运动伪影	NA	开发并验证深度学习运动校正方法以提升3D CEST成像质量	健康志愿者模拟数据和脑炎患者临床数据	医学影像分析	脑炎	CEST成像，Lorentzian差异分析	残差编码-解码网络（RED）	3D医学影像	健康志愿者和脑炎患者数据（具体数量未明确说明）
355	2025-09-03	Deep learning-based automatic dose optimization for brachytherapy 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.111988 PMID:40532513	研究论文	本研究评估了不同剂量归一化方法对基于深度学习的近距离放疗剂量预测的影响，并利用逆向优化算法提升治疗计划质量	首次系统比较未处理剂量与三种归一化方法在3D U-Net模型中的预测性能，并验证逆向剂量优化算法对深度学习预测结果的进一步优化效果	研究仅基于单一机构186例宫颈癌患者数据，未包含其他癌症类型或更大规模多中心验证	确定近距离放疗中深度学习剂量预测的最佳数据处理方法，并提升治疗计划质量	宫颈癌患者的近距离放疗剂量分布数据	医学影像分析	宫颈癌	剂量分布预测、逆向优化算法	3D U-Net	3D剂量分布数据	186例宫颈癌患者数据（训练集150例，验证集18例，测试集18例）
356	2025-09-03	Synergistic analysis based on chemometrics and deep learning: An innovative Kolmogorov-Arnold neural network (CKAN) model combined with ternary hybrid SERS substrate (Au@mSiO₂(YSN)-Fe₃O₄@MoS₂-rGO) for highly sensitive detection of trace quinolone antibiotics in milk 2025-Nov-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145193 PMID:40544590	研究论文	提出一种基于三元复合SERS基底和深度学习的创新方法，用于牛奶中痕量喹诺酮类抗生素的高灵敏度检测	结合化学计量学算法与深度学习模型（CKAN），并设计三元杂化SERS基底（Au@mSiO₂(YSN)-Fe₃O₄@MoS₂-rGO），实现高精度定性与定量分析	NA	开发高灵敏度检测牛奶中痕量喹诺酮类抗生素的方法	牛奶中的恩诺沙星（ENR）、依诺沙星（ENO）和诺氟沙星（NOR）	分析化学与深度学习交叉	NA	表面增强拉曼光谱（SERS）、有限差分时域（FDTD）方法	Kolmogorov-Arnold神经网络（CKAN）	光谱数据	NA
357	2025-09-03	Hyperspectral-driven PSO-SVM model and optimized CNN-LSTM-Attention fusion network for qualitative and quantitative non-destructive detection of adulteration in strong-aroma Baijiu 2025-Oct-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145197 PMID:40541145	研究论文	结合高光谱成像与深度学习，开发PSO-SVM分类模型和GLSNet融合网络，用于浓香型白酒掺假的定性与定量无损检测	提出新型融合网络GLSNet（Ghost-LSTM-Scaled Dot-Product Attention），在定量预测中显著优于传统方法，推理效率提升3.55倍，并通过热图可视化掺假分布	NA	实现白酒掺假的快速准确无损检测，为质量控制和市场监管提供技术支持	浓香型白酒样品	计算机视觉	NA	高光谱成像	PSO-SVM, CNN, LSTM, Attention机制, GLSNet融合网络	高光谱图像	NA
358	2025-09-03	High-Resolution Magnetic Resonance Imaging Radiomics for Identifying High-Risk Intracranial Plaques 2025-Oct, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-025-01345-1 PMID:40108073	研究论文	基于高分辨率磁共振成像（HRMRI）的影像组学模型用于区分症状性和无症状性颅内斑块	结合传统影像特征与影像组学特征构建混合模型，并应用深度学习和机器学习方法提升高危斑块识别准确率	样本量有限（172名患者，188个斑块），模型泛化能力需进一步验证	识别易破裂的高危颅内斑块以预测脑血管事件	颅内动脉粥样硬化斑块（100个症状性，88个无症状）	医学影像分析	脑血管疾病	高分辨率磁共振成像（HRMRI），影像组学分析	随机森林、岭回归、LASSO、深度学习（DL）	医学影像（MRI）	172名患者，188个颅内斑块
359	2025-09-03	ElastoNet: Neural network-based multicomponent MR elastography wave inversion with uncertainty quantification 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103642 PMID:40482562	研究论文	提出一种基于神经网络的多成分磁共振弹性成像波反演方法ElastoNet，具备不确定性量化能力	首次实现独立于分辨率和振动频率的多波成分分析，并提供不确定性量化图谱	NA	开发通用神经网络反演方法以克服噪声和压缩波对磁共振弹性成像参数重建的影响	剪切波传播数据	医学影像分析	NA	磁共振弹性成像(MRE), 证据深度学习	神经网络	波图像数据	合成波斑块(5×5像素), 有限元模拟数据, 体模数据, 14名健康志愿者的宽频多频率腹部MRE数据
360	2025-09-03	Navigating the landscape of multimodal AI in medicine: A scoping review on technical challenges and clinical applications 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103621 PMID:40482561	综述	本文对基于深度学习的多模态AI在医学领域的应用进行了范围综述，分析了432篇相关论文	系统评估多模态AI模型相比单模态模型的性能提升（AUC平均提高6.2个百分点），并识别关键技术挑战和临床实施策略	存在跨部门协调困难、数据异质性和数据集不完整等持续挑战	探讨多模态AI在医学领域的技术挑战和临床应用	2018-2024年间发表的432篇医学多模态AI研究论文	机器学习	NA	深度学习	多模态AI	多模态医疗数据	432篇研究论文