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
481	2025-05-12	Prediction of Reactivation After Antivascular Endothelial Growth Factor Monotherapy for Retinopathy of Prematurity: Multimodal Machine Learning Model Study 2025-Apr-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/60367 PMID:40267476	研究论文	本研究开发并验证了使用多模态机器学习算法预测早产儿视网膜病变（ROP）抗血管内皮生长因子（anti-VEGF）治疗后复发的模型	结合传统机器学习、深度学习和融合模型，构建了预测ROP复发的多模态机器学习模型，其中融合模型表现最佳	样本量相对较小（239例），且仅来自3家医院，可能存在选择偏差	预测ROP患者接受anti-VEGF治疗后复发的风险	接受anti-VEGF治疗的ROP婴儿	数字病理学	早产儿视网膜病变	多模态机器学习算法	传统机器学习模型、深度学习模型、融合模型	临床数据	239例ROP婴儿（90例复发，149例未复发）
482	2025-05-12	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-Apr-21, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据	采用端到端非刚性运动校正重建网络，从八个多对比度欠采样数据中估计高质量运动校正重建，显著减少重建时间	未提及具体样本量或临床验证的广泛性	加速3D全心联合T1/T2映射，用于心肌组织表征	心肌组织	医学影像处理	心血管疾病	深度学习算法	端到端非刚性运动校正重建网络	多对比度欠采样数据	NA
483	2025-05-12	PM2.5 concentration prediction using a whale optimization algorithm based hybrid deep learning model in Beijing, China 2025-Apr-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125953 PMID:40032225	研究论文	本研究提出了一种基于鲸鱼优化算法(WOA)的混合深度学习模型，用于预测北京的PM2.5浓度	结合了鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)的混合模型，显著提高了预测精度	研究仅使用了2014年至2018年的数据，可能无法涵盖所有气象和污染情况	开发一种高精度的PM2.5浓度预测模型，以支持空气污染风险评估和早期预警	北京的PM2.5浓度	机器学习	NA	鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)	WOA-CNN-LSTM-AM	气象和空气污染数据	2014年至2018年的每日数据
484	2025-05-12	Use of deep learning-based high-resolution magnetic resonance to identify intracranial and extracranial symptom-related plaques 2025-Apr-06, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.055 PMID:40032038	research paper	本研究旨在开发一种基于高分辨率血管壁成像（HR-VWI）的深度学习模型，用于区分症状相关的颅内和颅外斑块，这对中风治疗和预防至关重要	使用深度学习模型结合HR-VWI技术，首次实现了对症状相关颅内和颅外斑块的高效区分	研究样本量相对较小（235例患者），且为回顾性分析，可能影响模型的泛化能力	开发能够区分症状相关颅内和颅外斑块的深度学习模型，以指导中风治疗和预防	235例患者的HR-VWI数据	digital pathology	cardiovascular disease	high-resolution vessel wall imaging (HR-VWI)	DenseNet 201	image	235例患者（训练集156例，测试集79例）
485	2025-05-12	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Apr, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	研究论文	本研究评估了深度学习技术在甲状腺结节超声图像分类中的应用及其临床潜力	利用多种CNN模型（ResNet、DenseNet、EfficientNet）和Siamese神经网络进行多视角超声图像分析，显著提高了甲状腺结节分类的准确性	模型性能可能因不同医生和设备获取的图像质量而异，在真实临床环境中的表现可能存在差异	评估深度学习技术在甲状腺结节超声图像分类中的适用性	甲状腺结节患者	计算机视觉	甲状腺癌	超声成像	CNN（ResNet, DenseNet, EfficientNet）, Siamese神经网络	超声图像	943名患者的1048个甲状腺结节（其中306个为恶性）
486	2025-05-12	Intuitive Human-Artificial Intelligence Theranostic Complementarity 2025-Apr, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2025.0021 PMID:39973351	research paper	本文探讨了人工智能在诊断影像学和核医学中的应用及其与人类直觉能力的互补性	提出了人工智能与核医学医生直觉能力的互补性概念，强调在癌症治疗中结合AI技术与人脑判断的重要性	未提及具体研究样本或实验数据来支持互补性概念的有效性	研究人工智能在核医学诊断和治疗决策中的作用及其局限性	核医学诊断和治疗决策过程	digital pathology	cancer	deep learning, radiomics, genomics	large language models	medical imaging, electronic medical records	NA
487	2025-05-12	Role of Artificial Intelligence in the Detection and Management of Premalignant and Malignant Lesions of the Esophagus and Stomach 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.003 PMID:40021232	review	本文综述了人工智能在食管和胃的癌前病变及恶性肿瘤检测和管理中的作用	展示了AI工具在食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌筛查中的优越性能，超越内镜医师的表现	NA	探讨人工智能技术在消化道癌前病变和恶性肿瘤检测与管理中的应用	食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌	digital pathology	esophageal cancer, gastric cancer	deep learning	CNN	image	NA
488	2025-05-12	Past, Present, and Future: A History Lesson in Artificial Intelligence 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.09.003 PMID:40021228	综述	回顾人工智能在过去50年的发展历程及其在医学领域的深远影响	总结了AI在胃肠病学中的应用及其未来潜力	需要解决透明度、责任和伦理问题	探讨人工智能在医学领域的历史、现状和未来发展	人工智能在胃肠病学中的应用	人工智能	胃肠病学	NA	NA	NA	NA
489	2025-05-12	Role of Artificial Intelligence for Endoscopic Ultrasound 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.007 PMID:40021237	research paper	探讨人工智能在内镜超声（EUS）中的作用及其在疾病诊断中的应用	利用深度学习技术如卷积神经网络（CNN）提高EUS图像的病变检测和特征分析能力	未提及具体样本量或实验设计的局限性	研究人工智能如何提升内镜超声的诊断准确性和效率	胆胰和胃肠道疾病的内镜超声图像	digital pathology	biliopancreatic and gastrointestinal tract diseases	deep learning	CNN	image	NA
490	2025-05-12	Deep Learning Technique for Automatic Segmentation of Proximal Hip Musculoskeletal Tissues From CT Scan Images: A MrOS Study 2025-Apr, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13728 PMID:40022453	研究论文	开发一种基于深度学习的自动分割技术，用于从CT扫描图像中分割和量化近端髋部的肌肉骨骼组织	首次针对近端髋部肌肉骨骼组织的自动分割技术进行研究，填补了该领域的研究空白	研究仅针对男性参与者，样本量相对有限（300人）	开发一种快速准确的近端髋部肌肉骨骼组织分割和量化方法	近端髋部的肌肉骨骼组织（包括皮质骨、松质骨、骨髓脂肪组织等）	数字病理学	骨质疏松症和肌肉减少症	CT扫描	U-Net-like深度学习模型	图像	300名男性参与者（73±6岁）
491	2025-05-12	A feasibility study of lung tumor segmentation on kilo-voltage radiographic images with transfer learning: Toward tumor motion tracking in radiotherapy 2025-Apr, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104943 PMID:40023957	research paper	研究通过迁移学习在千伏X射线影像上分割肺部肿瘤，以实现无标记肿瘤运动追踪	提出了一种结合迁移学习和深度分割网络陪审团委员会（TL-DSN-JC）的新算法，显著提升了肿瘤分割的准确性	研究样本量相对较小，仅包含80名患者的1150张影像，可能影响模型的泛化能力	开发一种无标记的肺部肿瘤运动追踪方法，以提高放射治疗的精确性	肺部肿瘤患者的千伏X射线影像	digital pathology	lung cancer	迁移学习，深度学习	VGG-16/19, TL-DSN-JC	image	1150张影像来自80名肺癌患者
492	2025-05-12	Evaluating auto-contouring accuracy in reduced CT dose images for radiopharmaceutical therapies: Denoising and evaluation of 177Lu DOTATATE therapy dataset 2025-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70066 PMID:40025651	research paper	评估在降低CT剂量图像中自动轮廓勾画的准确性，用于放射性药物治疗，特别是177Lu DOTATATE治疗数据集	使用深度学习方法（DenseNet）进行图像去噪，以支持在177Lu DOTATATE治疗期间降低CT剂量	研究仅针对177Lu DOTATATE治疗数据集，未涉及其他放射性药物治疗	评估降低CT剂量对器官分割准确性的影响，并探索去噪方法对提高剂量测定准确性的潜力	177Lu DOTATATE治疗患者的CT图像数据	digital pathology	NA	CT, SPECT/CT, deep learning	DenseNet, TotalSegmentator	image	177Lu DOTATATE患者数据集
493	2025-05-12	ROXSI: Robust Cross-Sequence Semantic Interaction for Brain Tumor Segmentation on Multi-Sequence MR Images 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3513479 PMID:40030420	research paper	提出了一种名为ROXSI的鲁棒跨序列语义交互框架，用于多序列MRI图像上的脑肿瘤分割	引入了跨序列语义交互模块（CSSI）和批级协方差机制，以利用序列间相关性并提取抗噪声特征，同时结合序列级方差正则化机制来利用序列特定特征	未明确提及具体局限性，但可能包括对特定类型噪声或伪影的敏感性未完全测试	提高多序列MRI图像中脑肿瘤分割的鲁棒性，以应对临床中常见的噪声和伪影	多序列MRI图像中的脑肿瘤	digital pathology	brain tumor	MRI	CNN, Transformer	image	在两个基准数据集上进行评估，具体样本数量未明确提及
494	2025-05-12	GAICN: Graph Attention Iterative Contraction Network for Bioluminescence Tomography 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510837 PMID:40030505	研究论文	提出了一种名为GAICN的新型网络，用于生物发光断层扫描（BLT），以提高重建性能、稳定性和泛化能力	结合图注意力机制和迭代收缩激活函数，实现非局部特征聚合和动态权重调整，增强网络的泛化性、稳定性和可解释性	未明确提及具体局限性	提高生物发光断层扫描的重建性能、稳定性和泛化能力	生物发光断层扫描（BLT）中的光源分布	数字病理	NA	深度学习	GAICN（Graph Attention Iterative Contraction Network）	三维肿瘤信息	仿真和体内实验
495	2025-05-12	Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510740 PMID:40030575	研究论文	提出了一种新型CNN模型TFA-Net，用于无需校准阶段的SSVEP信号解码	引入了频率注意力和通道重组模块，增强了模型在时频域中提取SSVEP信号特征的能力	NA	提高基于SSVEP的脑机接口的解码性能和实用性	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	EEG	CNN	时频信号	公共数据集
496	2025-05-12	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	research paper	本文介绍了ToothFairy挑战赛的细节及其参与者在分割下牙槽管（IAC）方面的贡献	首次在公共基准数据集上对IAC分割方法进行全面比较评估，并发布了最大的公开CBCT扫描数据集	数据集中的153个扫描有体素级注释，其余290个扫描可能缺乏详细注释	促进深度学习在下牙槽管分割领域的研究，并提供公共基准数据集	下牙槽管（IAC）在CBCT扫描中的分割	digital pathology	NA	Cone-Beam Computed Tomography (CBCT)	NA	3D medical images	443 CBCT scans (153 with voxel-level annotations)
497	2025-05-12	Training-Free Image Style Alignment for Domain Shift on Handheld Ultrasound Devices 2025-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3522071 PMID:40030591	研究论文	提出了一种无需训练的图像风格对齐方法（TISA），用于解决手持超声设备数据与标准设备数据之间的领域偏移问题	TISA无需源数据，能够在测试时转换图像风格并保留空间上下文，且避免了预训练模型的持续更新	未提及具体的数据集规模或实验条件的限制	解决手持超声设备数据与标准设备数据之间的领域偏移问题，提升自动诊断的准确性和稳定性	手持超声设备数据	计算机视觉	NA	图像风格对齐	NA	图像	NA
498	2025-05-12	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	research paper	提出了一种基于语义特征的无监督多阶段网络SFM-Net，用于解决具有复杂解剖结构的图像之间的精细配准问题	SFM-Net采用双阶段训练策略和双流特征提取模块，能够在单个网络中实现从粗到细的多尺度变形场生成，提高了语义相关区域的对齐精度	NA	解决具有复杂解剖结构的图像之间的精细配准问题	3D脑MRI和肝脏CT图像	computer vision	NA	深度学习	U-Net	image	NA
499	2025-05-12	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	research paper	本研究开发了一种多模态可穿戴设备，结合Transformer驱动的双流融合模型（TTSF），用于实时腿部运动监测和步态分析	提出了一种新型的Transformer驱动的双流融合模型（TTSF），用于高效准确地提取时间和空间特征	当前单传感模态技术受限于尺寸限制、环境敏感性和准确性问题	推动多传感器融合与深度学习和医疗物联网（MIoT）技术在高级步态监测和分析中的应用	腿部运动和步态	machine learning	NA	多传感器融合，深度学习	Transformer-powered Two-Stream Fusion (TTSF)	多模态传感器数据	NA
500	2025-05-12	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	研究论文	提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割	采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩蔽对比约束和特征级语义感知约束，以减少域差异并保持血管结构的一致性	需要昂贵的标注，且在不同成像模态间存在性能下降的问题	提高跨模态脑血管分割的准确性和效率	时间飞行磁共振血管造影（TOF-MRA）和计算机断层扫描血管造影（CTA）的脑血管分割	计算机视觉	颅内血管疾病	无监督域适应	深度学习模型	图像	公开可用的TOF-MRA数据集和私有的CTA数据集