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
441	2025-07-19	Development of a deep learning method for phase retrieval image enhancement in phase contrast microcomputed tomography 2025-Aug, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13419 PMID:40357880	研究论文	开发了一种基于深度学习的相位检索图像增强方法，用于相位对比显微计算机断层扫描	提出了一种名为EVEPR的深度学习方法，通过整合去噪EEC和PR图像的互补空间特征，解决了传统相位检索算法过度平滑和噪声敏感的问题	该方法主要针对低密度材料（如水凝胶构建体）的图像处理，可能不适用于其他类型的材料	提高相位对比显微计算机断层扫描的图像质量，改善低密度材料的可视化和分割效率	低密度材料（如软组织和体外及离体的水凝胶构建体）	计算机视觉	NA	相位对比显微计算机断层扫描（PBI-µCT）	CNN	图像	体外及离体的PBI-µCT图像数据集
442	2025-07-19	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-Aug, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究探讨了使用深度学习人工智能模型在便携式超声膀胱扫描仪上测量膀胱体积的准确性	使用深度学习AI模型（AI-BV）在便携式超声设备上测量膀胱体积，相比传统方法（C-BV）更准确	研究仅在特定队列中进行内部验证，外部队列的性能和临床相关性需进一步研究	比较深度学习AI模型和传统方法在测量膀胱体积上的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理学	下尿路症状	便携式超声膀胱扫描仪（PUBS）	深度学习AI模型	超声图像	250名患者，1912张膀胱图像
443	2025-07-19	Enhancing HF-DL Model Validation for Liver Fibrosis Staging Through Sample Optimisation and Technical Integration 2025-Aug, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70214 PMID:40607661	comments	本文对Zhang等人的研究进行了讨论，重点关注了基于高频超声图像的深度学习模型在慢性乙型肝炎患者肝纤维化分期中的表现	强调了通过样本优化和技术整合来增强高频深度学习模型验证的创新点	未提及具体的研究局限性	探讨高频深度学习模型在肝纤维化分期中的验证优化	慢性乙型肝炎患者的肝纤维化分期	digital pathology	liver fibrosis	高频超声成像	深度学习模型	超声图像	NA
444	2025-07-19	Recognition and classification of facial expression using artificial intelligence as a key of early detection in neurological disorders 2025-Jul-28, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0125 PMID:39829206	综述	本文综述了人工智能在面部表情识别与分类中的应用，及其在神经退行性疾病早期检测中的潜力	探讨了AI技术（如深度学习和计算机视觉）在识别与神经退行性疾病相关的微妙面部表情变化中的创新应用	面临技术挑战和伦理考量，且尚未广泛应用于临床实践	评估AI驱动的面部表情分析在神经退行性疾病早期检测和监测中的应用	神经退行性疾病（如阿尔茨海默病和帕金森病）患者的面部表情	计算机视觉	神经退行性疾病	深度学习和计算机视觉	深度学习模型	图像	NA
445	2025-07-19	Biochar-Augmented Anaerobic Digestion System: Insights from an Interpretable Stacking Ensemble Deep Learning 2025-Jul-18, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c05051 PMID:40676947	研究论文	本研究提出了一种通过可解释的堆叠集成深度学习模型优化生物炭增强厌氧消化系统的综合方法	结合卷积神经网络和长短期记忆网络的堆叠集成框架，有效捕捉厌氧消化过程中的复杂相互依赖关系，并提高甲烷产量预测的准确性	模型在外部独立实验室规模数据集上的预测性能相对较低（R²为0.68）	优化生物炭增强厌氧消化系统，提高甲烷产量并保持过程稳定性	厌氧消化系统中的生物炭、原料特性、操作条件和稳定性指标	机器学习	NA	深度学习	CNN, LSTM, 堆叠集成模型	实验数据（包括原料特性、操作条件、生物炭性质和稳定性指标）	NA
446	2025-07-19	Commentary on "Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study" 2025-Jul-18, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70102 PMID:40678844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
447	2025-07-19	Deep Learning-Based Multimodal Fusion Approach for Predicting Acute Dermal Toxicity 2025-Jul-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01128 PMID:40679078	研究论文	本研究提出了一种基于深度学习的多模态融合方法TriModalToxNet，用于预测急性皮肤毒性	提出了一种新颖的TriModalToxNet架构，融合了三种不同的分子表示（2D分子图像、SMILES嵌入和分子指纹），以提高预测准确性	研究依赖于实验大鼠和兔子的数据，可能无法完全代表人类反应	开发一种可靠且准确的模型，用于预测急性皮肤毒性，支持动物测试中的3R原则（替代、减少和优化）	3845种来自实验大鼠和兔子急性皮肤毒性研究的化合物	机器学习	NA	深度学习	CNN（2D和1D）和全连接神经网络	分子图像、SMILES嵌入、分子指纹	3845种化合物
448	2025-07-19	Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease 2025-Jul-18, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70046 PMID:40679171	综述	本文综述了集成PET-MRI在神经退行性疾病临床实践和研究中的最新技术进展及其应用	介绍了MRI为基础的衰减校正和运动校正技术，以及深度学习在PET和MRI数据分析中的应用	证据等级为5，技术效能为阶段3，表明仍需更多临床验证	探讨集成PET-MRI在神经退行性疾病诊断和研究中的应用及其技术进展	阿尔茨海默病及其他痴呆症患者	数字病理学	神经退行性疾病	PET-MRI, 深度学习	NA	图像	NA
449	2025-07-19	Artificial intelligence-enabled electrocardiography and echocardiography to track preclinical progression of transthyretin amyloid cardiomyopathy 2025-Jul-18, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf450 PMID:40679604	研究论文	本研究利用人工智能技术分析心电图和超声心动图数据，追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于心电图和超声心动图数据，用于ATTR-CM的临床前监测和风险分层	研究为回顾性分析，需要前瞻性研究验证	开发可扩展的ATTR-CM临床前监测策略	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像（心电图和超声心动图视频）	内部队列984人（YNHHS），外部队列806人（HMH），共分析7352次超声心动图和32205次心电图
450	2025-07-19	Investigating brain tumor classification using MRI: a scientometric analysis of selected articles from 2015 to 2024 2025-Jul-18, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03685-z PMID:40679613	研究论文	本文通过科学计量学方法研究了2015年至2024年间基于MRI的脑肿瘤分类研究	首次对2015年至2024年间基于MRI的脑肿瘤分类研究进行全面的科学计量分析	仅分析了Scopus数据库中的348篇同行评审文章，可能存在数据覆盖不全的问题	调查基于MRI的脑肿瘤分类研究现状和发展趋势	348篇同行评审文章	数字病理学	脑肿瘤	MRI	深度学习	图像	348篇论文
451	2025-07-19	Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition 2025-Jul-18, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06313-3 PMID:40679617	research paper	该研究比较了传统重建方法和基于深度学习算法的原型重建方法在儿科腹部MRI图像质量上的差异	首次在儿科患者中应用深度学习重建方法改进腹部MRI图像质量	研究样本量较小（38例患者），且为回顾性研究	评估深度学习重建方法在儿科腹部MRI中的应用效果	儿科患者（年龄<18岁）的腹部MRI图像	医学影像分析	儿科疾病	3D T1快速扰相梯度回波采集（SPGR）	深度学习（AIR™ Recon DL）	MRI图像	38例儿科患者（23名男性，平均年龄8.6±5.7岁）
452	2025-07-19	Deep learning-based automatic detection of pancreatic ductal adenocarcinoma ≤ 2 cm with high-resolution computed tomography: impact of the combination of tumor mass detection and indirect indicator evaluation 2025-Jul-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01836-z PMID:40679757	research paper	本研究评估了三维卷积神经网络在自动检测小型胰腺导管腺癌（PDAC）中的诊断性能，结合了自动肿瘤质量检测和间接指标评估	结合肿瘤质量检测和间接指标（D/P比值）评估，提高了小型PDAC的检测准确性	研究样本量较小，且仅使用了高分辨率CT扫描数据	提高小型胰腺导管腺癌（PDAC）的自动检测准确性	181名PDAC患者和104名正常对照的高分辨率CT扫描数据	digital pathology	pancreatic cancer	high-resolution contrast-enhanced computed tomography (CT)	3D CNN	image	181名PDAC患者和104名正常对照
453	2025-07-19	Deep learning reconstruction enhances image quality in contrast-enhanced CT venography for deep vein thrombosis 2025-Jul-18, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02366-x PMID:40679754	research paper	本研究评估并比较了深度学习重建（DLR）、混合迭代重建（Hybrid IR）和滤波反投影（FBP）在深静脉血栓（DVT）对比增强CT静脉造影中的诊断性能和图像质量	首次在DVT的CT静脉造影中应用DLR，并证明其在提高图像质量和解剖清晰度方面的优越性	样本量较小（51例患者），且为回顾性研究	评估和比较不同图像重建方法在DVT诊断中的效果	51例接受下肢CT静脉造影的患者（20例有DVT病变，31例无DVT病变）	digital pathology	cardiovascular disease	contrast-enhanced CT venography	deep learning reconstruction (DLR)	image	51例患者（20例DVT患者和31例非DVT患者）
454	2025-07-19	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2025-Jul-18, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	系统综述	本文对人工智能（AI）算法在非小细胞肺癌（NSCLC）预后预测中的应用进行了系统性文献综述	比较了不同类型AI（如机器学习和深度学习）在NSCLC预后预测中的表现，并展示了深度学习相对于传统预后技术（如TNM分期）的优越性	需要进一步通过设计良好的临床试验进行彻底验证，才能完全应用于临床实践	评估AI在NSCLC预后预测中的应用效果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	机器学习（ML）、深度学习（DL）	NA	组织学数据、遗传数据、CT、PET、MR影像	初始数据库3880项结果，筛选后纳入309项研究
455	2025-07-19	M4CEA: A Knowledge-guided Foundation Model for Childhood Epilepsy Analysis 2025-Jul-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3590463 PMID:40674185	研究论文	本文提出了一种知识引导的基础模型M4CEA，用于儿童癫痫分析的多任务处理	使用知识引导的掩码策略和时间编码器的时间嵌入，有效捕捉儿童EEG信号的多域表示	模型在特定任务上的性能可能依赖于预训练数据的质量和多样性	构建一个具有强泛化能力的基础模型，用于儿童癫痫的多任务分析	儿童癫痫患者的EEG信号	医疗分析	儿童癫痫	EEG信号分析	基础模型（Foundation Model）	EEG信号	超过1,000小时的儿童EEG记录
456	2025-07-19	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2025-Jul-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	开发了一种基于深度学习的静息态功能磁共振成像(rs-fMRI)的群体水平大脑分区方法BDEC	BDEC模型采用设计损失函数以最大化类间分离和增强类内相似性，促进功能一致大脑区域的形成	NA	开发一种鲁棒的群体水平大脑分区方法	人类大脑皮层	数字病理学	NA	rs-fMRI	BDEC (Brain Deep Embedded Clustering)	功能磁共振成像数据	NA
457	2025-07-19	Automatic selection of optimal TI for flow-independent dark-blood delayed-enhancement MRI 2025-Jul-17, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30632 PMID:40674608	研究论文	提出并评估一种自动预测流独立暗血延迟增强（FIDDLE）采集最佳反转时间（TI）的方法	利用深度学习网络分割心肌和血池，并通过对数拟合确定T1恢复曲线，自动预测最佳TI	仅在3T和1.5T扫描仪上进行了评估，样本量有限	优化流独立暗血延迟增强（FIDDLE）采集的最佳反转时间（TI）预测	267名患者的TI-scout图像	医学影像	心血管疾病	MRI，深度学习	深度学习网络	图像	267名患者，64名临床受试者评估
458	2025-07-19	Deep Learning-Based Precision Cropping of Eye Regions in Strabismus Photographs: Algorithm Development and Validation Study for Workflow Optimization 2025-Jul-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/74402 PMID:40674714	研究论文	本研究开发了一种基于深度学习的预处理算法，用于自动裁剪斜视照片中的眼部区域，以提高临床工作流程和AI数据预处理的准确性和效率	提出了一种基于旋转边界框检测框架的预处理算法，能够自动校正头部倾斜，显著提高了图像质量和处理效率	研究主要针对斜视患者，可能不适用于其他眼部疾病	优化眼部区域裁剪的准确性和标准化，以支持AI模型开发和临床应用	斜视患者的眼部照片	计算机视觉	斜视	深度学习	faster R-CNN, 视觉变换器	图像	5832张图像，来自648名住院和门诊患者，以及500张来自IMDB-WIKI的外部数据集
459	2025-07-19	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2025-Jul-17, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用LSTM深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的效果，并与多导睡眠图（PSG）进行了对比	首次将LSTM算法应用于儿童睡眠监测，结合活动记录仪和心率数据，显著提高了睡眠阶段预测的准确性	研究样本仅限于5-12岁儿童，且参与者因疑似睡眠障碍被转诊，可能影响结果的普遍性	评估LSTM算法在儿童睡眠监测中的性能	238名5-12岁儿童（52.8%男性，50%黑人，31.9%白人）	机器学习	睡眠障碍	活动记录仪、心率监测、多导睡眠图	LSTM、逻辑回归、随机森林	时间序列数据（活动记录仪和心率数据）	238名儿童
460	2025-07-19	Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning 2025-Jul-17, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01328-5 PMID:40676456	研究论文	开发了一种结合经食管超声心动图和深度学习的工具autoMAPSE，用于心脏手术后连续监测心室动脉耦合和心脏生物标志物变化	首次将深度学习与经食管超声心动图结合，开发出能够连续监测心室动脉耦合的新工具autoMAPSE	研究样本量较小（50名患者），且仅观察了术后2小时内的数据	评估autoMAPSE工具在监测心脏手术后心室动脉耦合和心脏生物标志物变化方面的有效性	50名心脏手术患者	数字病理	心血管疾病	经食管超声心动图	深度学习	医学影像	50名心脏手术患者，监测120分钟