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
3581	2025-10-06	Computed Tomography Effective Dose and Image Quality in Deep Learning Image Reconstruction in Intensive Care Patients Compared to Iterative Algorithms 2024-06-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10060069 PMID:38921946	研究论文	比较深度学习图像重建算法与传统迭代算法在重症监护患者CT扫描中的有效剂量和图像质量	首次在重症监护患者中系统比较深度学习图像重建算法与多种传统迭代重建算法的辐射剂量和图像质量表现	单中心研究，样本量相对有限（83例患者），未包含所有类型的CT重建算法	评估深度学习图像重建算法在降低CT有效剂量和改善图像质量方面的效果	重症监护病房患者	医学影像	重症监护	CT扫描，深度学习图像重建	CNN	CT图像	83例患者（平均年龄59±15岁，56名男性）	NA	NA	有效剂量，噪声水平，信噪比	NA
3582	2025-10-06	Impact of Deep Learning Denoising Algorithm on Diffusion Tensor Imaging of the Growth Plate on Different Spatial Resolutions 2024-04-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10040039 PMID:38668397	研究论文	评估深度学习去噪算法在不同空间分辨率下对生长板扩散张量成像的影响	首次在相同患者扫描中比较深度学习去噪算法在两种不同体素尺寸（空间分辨率）下的表现	样本量未明确说明，仅使用单一厂商提供的商业深度学习模型	评估深度学习去噪算法在不同空间分辨率DTI扫描中的效果	儿童膝关节生长板的扩散张量成像	医学影像分析	儿科骨骼发育	扩散张量成像（DTI），脂肪抑制单次激发自旋回波平面序列	深度学习去噪模型	医学影像数据	NA	NA	NA	Wilcoxon符号秩检验，Bland-Altman图，束数量，束体积，束长度，分数各向异性（FA）	GE Signa Premier 3T MRI设备
3583	2025-10-06	A 3D convolutional neural network to classify subjects as Alzheimer's disease, frontotemporal dementia or healthy controls using brain 18F-FDG PET 2024-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120530 PMID:38311126	研究论文	本研究开发并验证了一种基于脑部18F-FDG PET图像的3D卷积神经网络，用于区分阿尔茨海默病、额颞叶痴呆和认知正常受试者	这是首个基于[18F]-FDG PET扫描使用深度学习模型区分AD和FTD，并以极高准确度识别认知正常受试者的研究	研究数据来源于特定数据库，需要进一步验证在其他中心数据上的泛化能力	开发用于神经退行性疾病分类的深度学习模型	阿尔茨海默病、额颞叶痴呆和认知正常受试者	医学影像分析	神经退行性疾病	18F-FDG PET脑部成像	CNN	3D医学影像	591个受试者（199 AD, 192 FTD, 200 CN）	NA	3D VGG16-like	准确率, ROC曲线下面积, kappa系数	NA
3584	2025-10-06	Network response of brain microvasculature to neuronal stimulation 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120512 PMID:38199427	研究论文	本研究通过三维双光子荧光显微镜和深度学习技术，揭示了大脑微血管网络对神经元激活的差异化血流动力学响应	首次在500×500×500 μm皮层体积内系统绘制脑血管网络对邻近神经元激活的反应图谱，并基于深度学习实现微血管网络的自动分割和分层分析	研究局限于特定皮层区域，采样范围相对有限，可能无法完全代表全脑的神经血管耦合特性	理解神经血管耦合在微血管网络层面的工作机制	小鼠皮层微血管网络和锥体神经元	数字病理学	NA	双光子荧光显微镜，光遗传学激活，功能磁共振成像	深度学习	三维显微镜图像	约30个高分辨率3纳升fMRI体素对应的皮层体积	NA	NA	NA	NA
3585	2025-10-06	Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120519 PMID:38280690	研究论文	提出一种基于空间-时间卷积注意力的深度学习模型，用于发现和表征任务fMRI中的动态功能脑网络	首次将空间注意力机制与卷积自编码器结合，以自监督方式建模功能脑网络的动态特性	仅在HCP任务运动行为数据集上验证，未在其他任务或数据集上测试泛化能力	开发能够准确表征动态功能脑网络的新方法	人类大脑功能网络	医学影像分析	NA	功能磁共振成像(fMRI)	卷积自编码器,注意力机制	功能磁共振影像数据	HCP任务运动行为数据集	NA	空间-时间卷积注意力(STCA)	空间相似度	NA
3586	2025-10-06	Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120485 PMID:38110045	研究论文	提出一种自监督多模态学习框架，从多模态神经影像数据中提取表征以增强群体推断并发现与脑部疾病相关的脑区及多模态关联	将Deep InfoMax（DIM）自监督方法扩展到多模态神经影像数据，无需预训练标签即可识别疾病相关脑区和探索多模态链接	未明确说明样本量的具体数值和多样性限制	开发无需标签数据的自监督多模态学习框架，用于脑部疾病预测和脑区发现	多模态神经影像数据（MRI）和阿尔茨海默症表型谱系	医学影像分析	阿尔茨海默症	MRI神经影像技术	自监督学习	多模态神经影像数据	NA	Deep InfoMax（DIM）	DIM	分类性能，联合信息捕获能力，可解释性	无解码器策略节省计算资源
3587	2025-10-06	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本研究对TrUE-Net与六种已建立的白质高信号分割方法进行了独立验证比较	首次对新型深度学习模型TrUE-Net进行严格的独立验证，并在全局和区域水平评估其检测WMH负担与年龄关系的能力	使用半手动分割作为参考标准可能存在一定主观性	验证TrUE-Net在白质高信号自动分割中的准确性和可靠性	白质高信号区域	医学影像分析	老年疾病	深度学习分割	深度学习模型	医学影像数据	NA	NA	TrUE-Net	假阳性率	NA
3588	2025-10-06	BASE: Brain Age Standardized Evaluation 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120469 PMID:38065279	研究论文	提出脑年龄标准化评估框架(BASE)，用于标准化评估基于深度学习的脑年龄预测模型	首次提出包含标准化数据集、评估协议和统计框架的脑年龄预测综合评估体系	仅针对T1加权磁共振图像数据，未涵盖其他脑影像模态	解决脑年龄预测研究中数据集、评估方法和指标不一致导致的比较困难问题	脑年龄预测模型	医学影像分析	脑部疾病	T1加权磁共振成像(T1w MRI)	深度学习神经网络	磁共振图像	包含多中心、新未见站点、重测和纵向数据的标准化T1w MRI数据集	NA	NA	准确性、鲁棒性、可重复性、一致性	NA
3589	2025-10-06	Electrophysiological brain imaging based on simulation-driven deep learning in the context of epilepsy 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120490 PMID:38103624	研究论文	提出一种基于仿真驱动深度学习的电生理源成像方法，用于癫痫背景下的脑源定位和电活动重建	结合仿真驱动深度学习，采用患者特异性头模型和神经质量模型生成训练数据，创新性地融合时序卷积网络和多尺度策略捕获空间特征，并利用LSTM提取时序依赖关系	仅在3名耐药性部分性癫痫患者的真实数据上验证，样本量有限	解决癫痫背景下脑电信号源成像的逆问题，精确定位癫痫脑区并重建其电活动	癫痫患者的脑电信号和脑源活动	医学影像分析	癫痫	高分辨率256通道头皮脑电图	TCN, LSTM	脑电信号	3名耐药性部分性癫痫患者的真实脑电数据，以及多种场景的仿真数据	NA	时序卷积网络，长短期记忆网络	偶极子定位误差，归一化汉明距离	NA
3590	2025-10-06	SIMPLEX: Multiple phase-cycled bSSFP quantitative magnetization transfer imaging with physic-guided simulation learning of neural network 2023-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120449 PMID:37951485	研究论文	提出一种基于物理引导模拟学习的神经网络方法SIMPLEX，用于改进多相位循环bSSFP的定量磁化转移成像参数提取	利用MR信号模型生成训练样本，无需昂贵的数据标注，网络仅使用模拟数据训练即可直接应用于体内数据	方法仅通过模拟和体内数据验证，尚未在更大规模临床数据集中测试	改进多相位循环bSSFP定量磁化转移成像的参数拟合质量	定量磁化转移成像参数（交换率、池分数）以及T1、T2和ΔB图	医学影像分析	NA	定量磁化转移成像，多相位循环bSSFP序列	神经网络	磁共振成像数据	模拟数据和体内数据	NA	NA	均方误差，量化质量	NA
3591	2025-10-06	Deep learning based source imaging provides strong sublobar localization of epileptogenic zone from MEG interictal spikes 2023-11-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120366 PMID:37716593	研究论文	本研究开发了一种基于深度学习的电磁源成像框架，用于从MEG间歇性棘波中精确定位癫痫灶	结合中尺度神经元建模和深度学习，直接学习MEG数据中的传感器-源映射关系，提供超越传统物理源模型的替代方法	研究样本量相对有限（29名患者），且依赖于计算机模拟和临床验证的准确性	开发更准确和稳健的癫痫灶定位方法，提升MEG源定位和成像能力	29名药物抵抗性局灶性癫痫患者	医学影像分析	癫痫	脑磁图（MEG），颅内脑电图（iEEG），磁共振成像（MRI）	深度学习	脑磁图数据，MRI数据	29名药物抵抗性局灶性癫痫患者	NA	基于神经质量模型的深度学习架构	空间离散度，脑叶一致性，敏感性，特异性，定位误差	NA
3592	2025-10-06	Weighted entropy deep features on hybrid RNN with LSTM for glucose level and diabetes prediction 2023 Oct-Dec, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2022.2149263 PMID:36448678	研究论文	提出一种结合加权熵深度特征和混合RNN-LSTM的糖尿病预测及血糖水平分类方法	使用改进的逃逸能量哈里斯鹰优化算法调整权重提取加权熵深度特征，并开发R-LSTM混合模型进行血糖预测	仅在两个基准数据集上验证，未在更多多样化人群数据上进行评估	开发高效的糖尿病预测和血糖水平分类系统	糖尿病患者血糖数据	机器学习	糖尿病	深度学习	CNN, RNN, LSTM, 模糊分类器	血糖数据	两个基准数据集	NA	混合RNN-LSTM (R-LSTM), 卷积神经网络	SMAPE	NA
3593	2025-10-06	Automated diagnosis and management of follicular thyroid nodules based on the devised small-dataset interpretable foreground optimization network deep learning: a multicenter diagnostic study 2023-09-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000506 PMID:37204464	研究论文	开发基于小数据集可解释前景优化网络深度学习的滤泡性甲状腺结节自动诊断系统	针对小数据集设计可解释前景优化网络，并首次系统评估结节边缘纹理信息对滤泡性甲状腺癌预测的影响	样本量相对有限（总样本503例），外部验证仅包含71例患者	开发可靠的术前滤泡性甲状腺癌检测系统，减少侵入性诊断需求	滤泡性甲状腺结节患者	数字病理	甲状腺癌	超声成像	深度学习	超声图像	训练和内部验证队列432例（来自瑞金医院），外部验证队列71例（来自四个临床中心）	NA	FThyNet（可解释前景优化网络）	AUC, 准确率	NA
3594	2025-10-06	Automatic prostate volume estimation in transabdominal ultrasound images 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112274 PMID:40614658	研究论文	提出基于深度学习的框架，利用经腹超声图像自动估计前列腺体积	首次开发针对经腹超声图像的深度学习框架，实现非侵入性前列腺体积自动估计	样本量相对较小（100例患者），经腹超声图像质量较低且存在操作者依赖性	改进前列腺癌风险分层的非侵入性方法	100名前列腺患者（中位年龄67岁）的经腹超声视频数据	计算机视觉	前列腺癌	超声成像	深度学习	超声视频图像	100例患者	NA	NA	Dice相关系数, Hausdorff距离, 体积误差	NA
3595	2025-10-06	Impact of super-resolution deep learning-based reconstruction for hippocampal MRI: A volunteer and phantom study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112289 PMID:40639021	研究论文	评估超分辨率深度学习重建对海马体磁共振图像质量的影响	首次将超分辨率深度学习重建技术应用于海马体MRI，在保持对比度的同时显著提升图像质量并减少采集时间	样本量较小（仅13名健康志愿者），缺乏患者数据验证	评估超分辨率深度学习重建技术对海马体MRI图像质量的改善效果	健康志愿者和ACR模体	医学影像分析	神经系统疾病	MRI，超分辨率深度学习重建	深度学习	磁共振图像	13名健康志愿者和ACR模体	NA	NA	对比度，对比噪声比，隔板斜率，噪声，伪影，锐度，整体质量	3T MRI
3596	2025-10-06	Deep learning CAIPIRINHA-accelerated 3D MRI of the knee cartilage at 7 Tesla 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112287 PMID:40651115	研究论文	本研究探讨了在7特斯拉磁场下使用深度学习重建的CAIPIRINHA加速3D DESS序列进行膝关节软骨成像的可行性和扫描时间缩减程度	首次将深度学习重建与CAIPIRINHA加速技术结合应用于7T膝关节软骨成像，实现了最高六倍加速而保持图像质量	样本量较小（18名志愿者的35个膝关节），未在患者群体中验证	评估深度学习重建在7T膝关节软骨加速MRI中的可行性和性能	健康志愿者的膝关节软骨	医学影像分析	骨科疾病	3D双回波稳态序列，并行成像加速技术	深度学习	MRI图像	18名志愿者的35个膝关节	NA	NA	图像质量评分，统计学显著性分析，读者间一致性评估	NA
3597	2025-10-06	A novel segmentation-based deep learning model for enhanced scaphoid fracture detection 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112309 PMID:40652603	研究论文	开发了一种基于分割的深度学习模型，用于从手腕X光片中检测明显和隐匿的舟骨骨折	首次提出基于分割的深度学习模型用于舟骨骨折检测，特别在隐匿骨折检测方面表现优于临床专家	样本量相对有限（408例患者），仅使用单一机构数据	开发深度学习模型检测舟骨骨折，并与专家诊断性能进行比较	手腕X光片中的舟骨骨折	计算机视觉	骨科创伤	磁共振成像,计算机断层扫描	深度学习	X光图像	408例患者，410个手腕，1011张X光片（其中718张包含舟骨骨折，58例为隐匿骨折）	NA	基于分割的深度学习模型	敏感度,特异度,准确率,AUC	NA
3598	2025-10-06	Deep learning reconstruction enhances bone visualization in zero echo time MRI for cervical spondylosis: A prospective study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112310 PMID:40669257	研究论文	本研究评估深度学习重建技术在零回波时间MRI中提升颈椎病骨组织可视化效果的应用价值	首次将深度学习重建技术应用于零回波时间MRI，在保证图像质量的同时显著缩短62%扫描时间	样本量有限（43例患者），需进一步多中心验证	评估深度学习重建技术对零回波时间MRI图像质量和扫描时间的优化效果	颈椎病术前患者的骨组织和软组织结构	医学影像分析	颈椎病	零回波时间MRI，深度学习重建	深度学习	MRI图像	43例颈椎病术前患者	NA	NA	信噪比，对比噪声比，κ值，组内相关系数	NA
3599	2025-10-06	Automated CAD-RADS scoring from multiplanar CCTA images using radiomics-driven machine learning 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112320 PMID:40684709	研究论文	本研究开发了一种基于放射组学的机器学习方法，用于从多平面CCTA图像自动进行CAD-RADS评分	首个基于放射组学的CAD-RADS分类模型，相比深度学习方法具有更好的可解释性	回顾性单中心研究，样本量相对有限	自动化冠状动脉疾病报告与数据系统评分	冠状动脉疾病患者	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管成像	机器学习	医学影像	251名患者	NA	级联管道模型	AUC	NA
3600	2025-10-06	NAVIGATOR: A regional multimodal imaging biobank initiative powered by AI tools for precision medicine in oncology 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112327 PMID:40743874	研究论文	介绍NAVIGATOR项目建立的意大利区域影像生物库和交互式研究平台，通过整合多模态影像、临床和组学数据支持精准肿瘤学	超越静态存储库，提供安全的虚拟研究环境，用户可上传数据、测试AI算法并执行完整分析流程	NA	推进肿瘤学研究并支持临床决策	前列腺癌、直肠癌和胃癌患者	数字病理	前列腺癌,直肠癌,胃癌	影像组学,深度学习	深度学习模型	多模态影像,临床数据,组学数据	700多名患者	NA	NA	NA	虚拟研究环境