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
3701	2025-04-02	Automated Cerebrovascular Segmentation and Visualization of Intracranial Time-of-Flight Magnetic Resonance Angiography Based on Deep Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01215-6 PMID:39133457	research paper	该研究提出了一种基于深度学习的自动化脑血管分割和可视化方法，用于颅内飞行时间磁共振血管成像（TOF-MRA）	提出了一种优于现有两种深度学习方法的新型CNN模型，其可视化效果被评估为与放射科医生手动重建的外观相似	研究未提及模型在更广泛或多样化数据集上的表现，可能限制了其普适性	评估深度学习血管分割技术在TOF-MRA中自动获取颅内动脉的图像质量	颅内动脉的TOF-MRA扫描图像	digital pathology	cardiovascular disease	TOF-MRA	CNN	image	394例TOF-MRA扫描（包括脑血管健康、动脉瘤或狭窄病例）
3702	2025-04-02	Chemically Engineered Peptide Efficiently Blocks Malaria Parasite Entry into Red Blood Cells 2025-Apr-01, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00465 PMID:40062812	研究论文	通过化学肽工程技术设计出一种能高效抑制疟原虫侵入红细胞的环肽	通过残基插入、骨架环化和引入额外二硫键等化学肽工程技术，设计出亲和力比天然配体高20倍的环肽	研究主要基于体外实验，尚未进行体内验证	开发能阻断疟原虫侵入红细胞的肽类抑制剂	疟原虫侵入红细胞的过程及其相关蛋白相互作用	生物医学工程	疟疾	化学肽工程、表面等离子共振技术、深度学习结构预测	ColabFold-AlphaFold2	蛋白质结构数据	NA
3703	2025-04-02	Reduction of Acquisition Time in Fourier Transform Infrared Spectral Imaging by Deep Learning for Clinical Applications 2025-Apr-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06317 PMID:40095897	研究论文	利用深度学习技术减少傅里叶变换红外光谱成像的采集时间，以应用于临床	首次将深度学习技术应用于傅里叶变换红外光谱成像，显著减少采集时间同时保持高质量数据	研究仅针对肾移植受者的福尔马林固定石蜡包埋组织切片，未验证其他类型样本的适用性	解决红外光谱成像在临床应用中的高采集时间问题	肾移植受者的福尔马林固定石蜡包埋组织切片的红外图像	数字病理	肾脏疾病	傅里叶变换红外光谱成像	autoencoder, ResUNet, 1D-CNN, 2D-CNN	红外图像	未明确说明样本数量，仅说明使用1次扫描和64次扫描的红外图像
3704	2025-04-02	Quantitative Imaging of Colloidal Structures 2025-Apr-01, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c05270 PMID:40098481	research paper	该论文提出了一种用于胶体材料显微镜图像定量分析的图像处理和分析方法	开发了确保复杂图像准确二值化的方法，并定义了基于二进制对象基本形态特征的度量标准	适用于手动标记不实用但深度学习方法不可行的情况，可能不适用于其他场景	解决胶体材料显微镜图像定量分析中的挑战	胶体聚集体和悬浮液的结构特征	图像处理	NA	图像处理和分析方法	NA	视频显微图像	自组装胶体团簇的多样化数据集
3705	2025-04-02	Ratiometric, 3D Fluorescence Spectrum with Abundant Information for Tetracyclines Discrimination via Dual Biomolecules Recognition and Deep Learning 2025-Apr-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c07061 PMID:40099919	research paper	该研究提出了一种基于双生物分子识别和深度学习的比率3D荧光光谱方法，用于准确区分四环素类抗生素	首次报道使用适配体在比率3D荧光光谱中获取丰富信息，结合深度学习实现四环素类抗生素的准确区分	未提及具体样本量或实际应用场景的验证	开发一种新型生物传感器方法用于四环素类抗生素的定性和定量分析	四环素类抗生素	生物传感器	细菌感染	3D荧光光谱	人工神经网络(ANN)	3D荧光光谱数据	NA
3706	2025-04-02	Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2025-Apr-01, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.030 PMID:40139886	研究论文	开发并验证了一种基于集成深度学习的AI-ECG工具PRESENT-SHD，用于通过12导联心电图图像自动检测和预测多种结构性心脏病	首次利用集成深度学习模型（XGBoost）从心电图图像中筛查多种结构性心脏病，并在多中心临床队列和前瞻性人群中验证其性能	模型性能可能受到心电图图像质量的影响，且在不同人群中的泛化能力仍需进一步验证	开发可扩展的自动化结构性心脏病筛查工具	心电图图像与结构性心脏病患者	数字病理学	心血管疾病	深度学习	CNN+XGBoost集成模型	图像（心电图）	261,228份心电图（来自93,693名患者），并在11,023名个体中进行验证
3707	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
3708	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
3709	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
3710	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
3711	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）
3712	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
3713	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
3714	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
3715	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
3716	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
3717	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
3718	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
3719	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)
3720	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）