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
5341	2025-04-18	Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240303 PMID:40008976	研究论文	开发一种基于深度学习的模型，从非对比心脏MRI中获取对齐应变值，用于预测杜氏肌营养不良症患者的心肌纤维化	提出了一种新的对齐应变技术，能够更准确地检测心肌功能障碍，并在非对比心脏MRI中实现患者间应变分析的详细比较	研究为回顾性单中心研究，样本量有限（139例患者）	开发并评估一种深度学习模型，用于预测杜氏肌营养不良症患者的心肌纤维化	杜氏肌营养不良症患者	数字病理学	杜氏肌营养不良症	心脏MRI	CNN	图像	139例男性杜氏肌营养不良症患者
5342	2025-04-18	AI in Breast Cancer Imaging: An Update and Future Trends 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.008 PMID:40011118	review	本文回顾了人工智能在乳腺癌影像学中的最新应用和未来趋势	探讨了AI在乳腺癌影像学中的多种应用，包括病灶检测与分类、风险分层、分子亚型分析等，并展示了与放射科医生相当或更优的性能	需要数据标准化、大规模标注的多模态数据集和广泛的前瞻性临床试验来验证深度学习的临床效用，并解决法律和伦理问题	探讨人工智能在乳腺癌影像学中的应用及其未来发展趋势	乳腺癌影像学数据	digital pathology	breast cancer	mammography, digital breast tomosynthesis, ultrasound, magnetic resonance imaging, nuclear medicines techniques	foundation models, self-supervised learning, federated learning	image	NA
5343	2025-04-18	The Role of AI in the Evaluation of Neuroendocrine Tumors: Current State of the Art 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.003 PMID:40023682	review	本文综述了AI在神经内分泌肿瘤评估中的当前和新兴应用，特别是在影像工作流程、诊断、预后建模和治疗计划中的整合	利用先进的放射组学和深度学习技术，AI驱动的应用在肿瘤检测、分类和分级方面展现出潜力	未提及具体的技术实施细节或临床验证结果	探讨AI在神经内分泌肿瘤评估中的作用及其对临床工作流程的改进	神经内分泌肿瘤	digital pathology	neuroendocrine neoplasms	radiomics, deep learning	NA	image	NA
5344	2025-04-18	Optimizing CT Imaging Parameters: Implications for Diagnostic Accuracy in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.008 PMID:40055048	综述	本文综述了CT成像参数优化对核医学诊断准确性的影响，并探讨了实施稳健CT协议审查流程的方法	评估了迭代重建（IR）和深度学习（DL）在提升图像质量和减少辐射剂量方面的潜力	未提及具体实验数据或案例研究来支持提出的优化方法	优化CT成像参数以提高核医学诊断准确性	CT成像参数及其对核医学诊断的影响	数字病理	NA	CT, SPECT, PET, IR, DL	NA	医学影像	NA
5345	2025-04-18	U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading 2025-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70029 PMID:40229147	研究论文	本研究探讨了深度学习在预测人类脑脊液分布中的应用，并提出了一种基于U-net的监督学习模型	首次使用U-net模型预测脑脊液对比剂的分布，并验证了仅使用注射后2小时的成像数据即可获得与使用更多时间点数据相当的预测效果	研究仅基于T1加权MRI扫描，未考虑其他成像方式或更大样本量的验证	探索深度学习在预测脑脊液分布中的潜力，以提高临床分析的效率并降低医疗成本	人类脑脊液分布及脑室反流分级	数字病理学	中枢神经系统疾病	T1加权磁共振成像(MRI)	U-net	图像	NA
5346	2025-04-18	Beyond Double Reading: Multiple Deep Learning Models Enhancing Radiologist-led Breast Screening 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.250125 PMID:40237597	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5347	2025-04-18	Improving the cleaning quality of tube lumen instruments by imaging analysis and deep learning techniques 2025-Apr-18, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0527 PMID:40241330	研究论文	本研究通过成像分析和深度学习技术提高管腔器械清洁质量的检测	引入两种注意力机制以关注重要特征，优化了模型性能	未提及模型在实际临床环境中的泛化能力	提高可重复使用管腔器械的清洁质量检测，确保患者安全和临床可靠性	管腔器械（TLIs）	计算机视觉	NA	成像分析、深度学习	FA-ResNet18（带scSE注意力机制）	图像	未明确提及具体样本数量
5348	2025-04-18	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to noninvasively predict periprocedural myocardial injury 2025-Apr-17, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	research paper	本研究探讨了结合T1加权MRI和CT血管造影的混合策略，以无创预测冠状动脉介入治疗后的围手术期心肌损伤	首次将MRI与CCTA结合，使用最新的成像和定量技术，提高了PMI预测的准确性	样本量较小，仅包括120名患者的132个病变	探索一种混合CCTA-MRI策略，以提高围手术期心肌损伤的预测准确性	计划进行选择性PCI的冠状动脉粥样硬化患者	digital pathology	cardiovascular disease	T1-weighted MRI, CT angiography, deep learning	deep learning	image	120名患者的132个病变
5349	2025-04-18	Left-handed conformations of glycyl residues may confer protection against protein aggregation 2025-Apr-17, The FEBS journal DOI:10.1111/febs.70092 PMID:40243345	research paper	该研究探讨了甘氨酸残基的左旋构象在防止蛋白质聚集中的作用及其进化意义	揭示了左旋构象甘氨酸残基在疾病变异位点的过度表现及其在进化中的保守性，以及其通过影响自由能来破坏天然折叠的机制	研究主要基于已知的疾病和良性变异位点，可能未涵盖所有相关情况	研究甘氨酸残基的左旋构象对蛋白质稳定性和聚集的影响及其在疾病变异中的作用	甘氨酸残基及其在蛋白质中的构象	生物信息学	蛋白质聚集相关疾病	构象分析、深度学习	深度学习模型	蛋白质序列和结构数据	1104个疾病变异位点和343个良性变异位点
5350	2025-04-18	DWI of the rectum with deep learning reconstruction: comparison of PROPELLER, reduced FOV, and conventional DWI 2025-Apr-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04950-8 PMID:40244478	研究论文	比较PROPELLER、rFOV和传统DWI结合深度学习重建在评估直肠肿瘤中的图像质量和诊断性能	首次结合深度学习重建技术比较三种DWI技术在直肠肿瘤评估中的表现	样本量较小(38例患者)，且对诊断准确性的影响不显著	评估不同DWI技术结合DLR在直肠肿瘤诊断中的表现	直肠肿瘤患者	医学影像分析	直肠癌	PROPELLER-DWI, rFOV-DWI, cDWI, 深度学习重建(DLR)	深度学习	MRI影像	38例患者共42次MRI检查
5351	2025-04-18	Empowering natural product science with AI: leveraging multimodal data and knowledge graphs 2025-Apr-16, Natural product reports IF:10.2Q1 DOI:10.1039/d4np00008k PMID:39148455	观点文章	探讨如何利用AI和多模态数据及知识图谱推动天然产物科学的发展	提出通过构建知识图谱整合多模态、非标准化的天然产物数据，以开发能模拟科学家决策的AI模型	天然产物数据存在多模态、不平衡、非标准化且分散的问题，限制了现有深度学习架构的应用	推动AI在天然产物科学中的应用，模拟科学家的决策过程	天然产物数据及知识图谱	机器学习	NA	知识图谱构建	深度学习架构	多模态数据	NA
5352	2025-04-18	A deep learning approach for quantifying CT perfusion parameters in stroke 2025-Apr-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc9b6 PMID:40194529	research paper	本文提出了一种基于Transformer的网络，用于从CT灌注图像中准确估计生理参数，以提高缺血性中风的诊断和治疗效果	使用Transformer网络学习CTP图像的体素级时间特征，估计局部动脉输入函数和流量缩放的残留函数，显著提高了参数估计的准确性	研究主要基于模拟数据和ISLES18数据集，需要在更广泛的患者数据中进行验证	开发一种从CT灌注图像中准确估计生理参数的方法，以改进缺血性中风的诊断和治疗	CT灌注图像中的局部动脉输入函数和流量缩放的残留函数	digital pathology	cardiovascular disease	CT perfusion imaging	Transformer	image	ISLES18数据集和模拟数据
5353	2025-04-18	Comparison of CNNs and Transformer Models in Diagnosing Bone Metastases in Bone Scans Using Grad-CAM 2025-Apr-16, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005898 PMID:40237349	研究论文	本研究比较了CNN和Transformer模型在骨扫描中诊断骨转移的性能，并评估了ConvNeXt和Transformer模型的应用效果	首次探索了ConvNeXt和Transformer模型在骨扫描中诊断骨转移的应用，并比较了多种深度学习模型的性能	研究仅基于两家医院的数据，可能缺乏广泛代表性	评估各种深度学习模型在骨扫描中诊断转移性病灶的性能	癌症患者的骨扫描图像	计算机视觉	骨转移	Grad-CAM	CNN, Transformer (DeiT, ViT Large 16, Swin Base), ConvNeXt Large	图像	训练和验证集4626例（医院1），测试集1428例（医院2）
5354	2025-04-18	Deep Anatomical Federated Network (Dafne): An Open Client-server Framework for the Continuous, Collaborative Improvement of Deep Learning-based Medical Image Segmentation 2025-Apr-16, Radiology. Artificial intelligence DOI:10.1148/ryai.240097 PMID:40237599	research paper	介绍并评估了Dafne，一个免费的分散式协作深度学习系统，用于通过联邦增量学习对放射学图像进行语义分割	提出了一个开放的客户端-服务器框架，支持持续协作改进基于深度学习的医学图像分割	未提及具体的技术限制或数据隐私问题	开发和评估一个分散式协作深度学习系统，用于放射学图像的语义分割	放射学图像，特别是下肢MRI数据集	digital pathology	NA	federated incremental learning	deep learning	image	38 MRI数据集和639个实际使用案例
5355	2025-04-18	Automatic Detection of Mandibular Fractures on CT scan Using Deep Learning 2025-Apr-16, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf031 PMID:40238181	research paper	本研究探讨了人工智能（AI），特别是深度学习在利用CT扫描检测和分类下颌骨骨折中的应用	使用nnU-Net分割框架和3D-ResNet进行下颌骨骨折的像素级精确定位和分类，显著提高了诊断准确率	研究数据仅来自单一医疗机构，可能影响模型的泛化能力	提高下颌骨骨折的自动检测和分类准确率，辅助临床诊断	459例患者的CT扫描数据	digital pathology	mandibular fracture	CT scan	nnU-Net, 3D-ResNet	image	459例患者
5356	2025-04-18	Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead 2025-Apr-16, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001192 PMID:40239043	review	回顾过去十年临床神经影像学的显著进展，包括技术进步和科学发现	整合了光子计数计算机断层扫描、高低场磁共振成像系统等影像技术的进步，以及深度学习等先进数据分析方法的应用	未提及具体研究的样本量或数据规模，可能缺乏定量分析	总结临床神经影像学领域的进展和未来方向	临床神经影像学技术和应用	digital pathology	NA	photon-counting computed tomography, low-field and high-field magnetic resonance imaging, deep learning	NA	image	NA
5357	2025-04-18	DCA-U-Net: A Deep Learning Network for Segmentation of Laser-Induced Thermal Damage Regions in Mouse Skin OCT Images 2025-Apr-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adcd7c PMID:40239684	研究论文	提出了一种基于U-Net的高效轻量级分割模型DCA-U-Net，用于小鼠皮肤OCT图像中激光诱导热损伤区域的分割	通过引入更高效的Dilated ConvNeXT Block (DCB)和Dual Module Attention Block (DMAB)，DCA-U-Net在减少参数数量的同时提高了特征提取能力和分割精度	研究仅在小鼠皮肤激光热损伤OCT数据集上进行了验证，未涉及人类临床数据	提高皮肤激光热损伤区域的自动分割精度，降低计算成本，为精准诊断和治疗提供技术支持	小鼠皮肤激光热损伤区域的OCT图像	数字病理学	皮肤损伤	OCT成像	DCA-U-Net（基于U-Net的改进模型）	图像	两个不同部位的小鼠皮肤激光热损伤OCT数据集
5358	2025-04-18	Deep learning and conventional hip MRI for the detection of labral and cartilage abnormalities using arthroscopy as standard of reference 2025-Apr-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11546-9 PMID:40240555	research paper	评估高分辨率深度学习髋关节MRI与传统压缩感知MRI在检测髋关节唇和软骨异常方面的性能	使用高分辨率深度学习MRI（CSAI）与传统压缩感知MRI（CS）进行比较，以髋关节镜检查为金标准	软骨评估的整体诊断性能仍然不理想，尤其是在某些髋关节区域的敏感性较低	比较深度学习MRI与传统MRI在髋关节唇和软骨异常检测中的性能	32名股骨髋臼撞击综合征患者	digital pathology	geriatric disease	MRI, deep learning	deep learning	image	32名患者（24名男性，平均年龄37.5岁）
5359	2025-04-18	Synthetic electroretinogram signal generation using a conditional generative adversarial network 2025-Apr-16, Documenta ophthalmologica. Advances in ophthalmology DOI:10.1007/s10633-025-10019-0 PMID:40240677	研究论文	使用条件生成对抗网络生成合成视网膜电图信号以支持分类模型	利用条件生成对抗网络生成合成视网膜电图信号，以解决异质性或罕见人群中数据不足的问题	研究仅基于公开可用的数据集，样本量相对较小	提高视网膜电图信号在分类模型中的性能	自闭症谱系障碍患者和对照组	机器学习	自闭症谱系障碍	条件生成对抗网络	GAN, Time Series Transformer, Visual Transformer	时间序列数据, 图像数据	560例自闭症谱系障碍患者和498例对照组，共18名自闭症谱系障碍患者和31名对照组
5360	2025-04-18	SlicesMapi: An Interactive Three-Dimensional Registration Method for Serial Histological Brain Slices 2025-Apr-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09724-7 PMID:40240690	research paper	提出了一种名为SlicesMapi的交互式三维配准方法，用于脑切片序列的配准	通过采用相邻切片和参考图谱切片的双重约束，在3D和2D空间中校正线性和非线性变形，并保证全分辨率图像的配准精度	未提及具体局限性	提高脑切片图像到3D标准脑空间的配准精度、计算效率和适用性	脑切片图像	digital pathology	NA	3D registration	NA	image	未提及具体样本数量