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
5901	2025-04-26	Spatial structural abnormality maps associated with cognitive and physical performance in relapsing-remitting multiple sclerosis 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11157-w PMID:39470796	研究论文	使用深度学习算法表征复发缓解型多发性硬化症（RRMS）患者认知和身体表现相关的脑部异常	提出了一种新的空间异常图方法，用于识别RRMS患者的五种亚型，并揭示了这些亚型在认知和身体表现上的差异	研究样本量有限，尤其是验证数据集（Dataset-2和Dataset-3）的样本量较小	探究RRMS患者认知和身体表现与脑部异常的关系	复发缓解型多发性硬化症（RRMS）患者	数字病理学	多发性硬化症	深度学习算法	3D nnU-Net	T1加权图像	数据集1（281例RRMS患者），数据集2（33例RRMS患者），数据集3（56例RRMS患者）
5902	2025-04-26	SPINEPS-automatic whole spine segmentation of T2-weighted MR images using a two-phase approach to multi-class semantic and instance segmentation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11155-y PMID:39470797	research paper	介绍SPINEPS，一种用于全身矢状T2加权涡轮自旋回波图像中14个脊柱结构（十个椎体子结构、椎间盘、脊髓、椎管和骶骨）的语义和实例分割的深度学习方法	首次公开可用的算法，能够实现T2加权矢状图像中14个脊柱结构的语义和实例分割	研究使用了多个数据集，但内部数据集样本量较小（10个受试者）	开发一种自动全脊柱分割方法，便于生物标志物提取、病理定位和退行性疾病分析	14个脊柱结构（椎体子结构、椎间盘、脊髓、椎管和骶骨）	digital pathology	NA	deep learning	CNN	MRI图像	公共数据集（179训练/39测试）、德国国家队列子集（1412训练/65测试）和内部数据集（10测试）
5903	2025-04-26	Evaluation of a deep learning-based software to automatically detect and quantify breast arterial calcifications on digital mammogram 2025-Mar, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.10.001 PMID:39490357	研究论文	评估一种基于深度学习的软件，用于自动检测和量化数字乳腺X光片上的乳腺动脉钙化	开发了一种基于深度学习的AI软件，能够自动检测和量化乳腺动脉钙化（BAC），并与人工评分进行比较	研究为单中心回顾性研究，样本量相对较小（502名女性），且BAC AI评分对显著冠状动脉钙化（CAC）的诊断敏感性较低（32.7%）	评估AI软件在自动检测和量化乳腺动脉钙化方面的性能，并探讨其在心血管风险评估中的潜在应用	502名接受乳腺X光检查和胸部CT检查的女性	数字病理学	心血管疾病	深度学习	NA	图像	502名女性，年龄范围42-96岁
5904	2025-04-26	Comparing No-Code Platforms and Deep Learning Models for Glaucoma Detection From Fundus Images 2025-Mar, Cureus DOI:10.7759/cureus.81064 PMID:40271336	research paper	本研究比较了两种无代码机器学习平台（Google的Teachable Machine和Apple的Create ML）与传统深度学习模型ResNet200d在使用ACRIMA数据集对视网膜眼底图像进行青光眼分类的性能	首次比较无代码平台与传统深度学习模型在青光眼检测中的性能，展示了无代码平台在医疗图像分析中的潜力	研究仅使用了单一数据集（ACRIMA），建议未来研究使用更多样化的数据集验证结果	评估无代码平台与传统深度学习模型在青光眼检测中的性能差异	视网膜眼底图像	digital pathology	glaucoma	machine learning	ResNet200d, Create ML, Teachable Machine	image	705张标注的视网膜眼底图像（326张青光眼，239张非青光眼），验证集包含70张青光眼和70张非青光眼图像
5905	2025-04-26	Transformer-based approaches for neuroimaging: an in-depth review of their role in classification and regression tasks 2025-Feb-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0088 PMID:39333087	综述	本文深入探讨了Transformer模型在神经影像分类和回归任务中的应用及其研究进展	全面综述了Transformer模型在神经影像领域的应用现状，展示了其在分类任务中的卓越性能和在回归任务中的潜在优势	未涉及Transformer模型在实际临床应用中的具体挑战和限制	探讨Transformer模型在神经影像分类和回归任务中的应用及其研究进展	神经影像数据	神经影像分析	NA	Transformer模型及其变体	Transformer	神经影像数据	NA
5906	2025-04-26	DeepCOVIDNet-CXR: deep learning strategies for identifying COVID-19 on enhanced chest X-rays 2025-Feb-25, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2021-0272 PMID:39370946	research paper	该研究通过深度学习策略，利用增强的胸部X光片识别COVID-19	研究首次分析了3615例COVID-19病例，并确定了最适合ConvNet架构的自适应直方图均衡化参数	研究中COVID-19胸部X光片的数量有限，可能影响临床相关性	评估使用自适应直方图均衡化（AHE）技术，通过ConvNet架构识别COVID-19的性能	COVID-19病例的胸部X光片	digital pathology	COVID-19	自适应直方图均衡化（AHE）	CNN（包括MobileNet、DarkNet19、VGG16和AlexNet）	image	3615例COVID-19病例的胸部X光片
5907	2025-04-26	Geometric neural network based on phase space for BCI-EEG decoding 2025-Feb-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad88a2 PMID:39423831	research paper	本文提出了一种基于相位空间的几何神经网络Phase-SPDNet，用于BCI-EEG解码，旨在提高使用有限数量电极的脑机接口系统的性能	结合增强协方差方法和SPDNet框架，提出Phase-SPDNet架构，显著优于当前最先进的DL架构，且具有可解释性和低可训练参数数量	EEG信号存在训练数据有限、信噪比低以及受试者内和受试者间记录变异性大的问题	开发一种使用有限数量电极的深度学习算法，以提高脑机接口系统的用户舒适度和性能	脑电图（EEG）信号	脑机接口	NA	深度学习算法	Phase-SPDNet	EEG信号	近100名受试者，来自多个开源数据集
5908	2025-04-26	OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data 2025-Feb, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-024-00958-2 PMID:38805131	研究论文	开发了一种名为OrganoIDNet的深度学习工具，用于从时间分辨成像数据中识别PDAC类器官-PBMC共培养中的治疗效果	引入了OrganoIDNet这一基于深度学习的算法，能够分析活细胞成像获取的PDAC类器官的明场图像，并能够区分健康和病态状态以及测量类器官对治疗的反应	研究主要依赖于体外共培养系统，可能无法完全模拟体内复杂的肿瘤微环境	评估PDAC类器官对化疗和免疫治疗的响应，开发实时监测治疗效果的平台	小鼠和人类患者来源的PDAC类器官与PBMCs的共培养系统	数字病理	胰腺导管腺癌(PDAC)	活细胞成像	深度学习算法(OrganoIDNet)	图像	NA
5909	2025-04-26	Prediction of short-term adverse clinical outcomes of acute pulmonary embolism using conventional machine learning and deep Learning based on CTPA images 2025-Feb, Journal of thrombosis and thrombolysis IF:2.3Q2 DOI:10.1007/s11239-024-03044-4 PMID:39342072	研究论文	探讨基于CTPA图像的传统机器学习和深度学习算法对急性肺栓塞患者短期不良结局的预测价值	结合传统机器学习（如随机森林）和深度学习模型（如ResNet 50和Vgg 19）预测急性肺栓塞患者的短期不良结局，并比较不同模型的性能	样本量较小（132例患者），且为回顾性研究	预测急性肺栓塞患者的短期不良临床结局	132例经CTPA确诊的急性肺栓塞患者	数字病理	肺栓塞	CTPA图像分析、纹理特征提取	Logistic回归、随机森林、决策树、支持向量机、ResNet 50、Vgg 19	图像	132例患者（84例预后良好，48例预后不良）
5910	2025-04-26	Deep Learning-based 12-Lead Electrocardiogram for Low Left Ventricular Ejection Fraction Detection in Patients 2025-Feb, The Canadian journal of cardiology DOI:10.1016/j.cjca.2024.09.018 PMID:39343388	研究论文	开发了一种基于深度学习的人工智能心电图算法，用于检测患者左心室射血分数降低并预测LVEF值	首次开发了一种AI-ECG算法，能够高效、快速地识别低射血分数患者，并预测LVEF值	外部验证的AUC值和MAE值较测试集有所下降，表明算法在不同数据集上的性能可能存在差异	开发一种高效、低成本的心力衰竭早期筛查工具	患者的12导联心电图数据	机器学习	心血管疾病	深度学习	AI-ECG算法	心电图数据	初始LVEF正常患者的5年随访数据及MIMIC-IV数据库的外部验证数据
5911	2025-04-26	A review of deep learning methods for gastrointestinal diseases classification applied in computer-aided diagnosis system 2025-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03203-y PMID:39343842	综述	本文综述了深度学习在胃肠道疾病分类中的应用，特别是在计算机辅助诊断系统中的进展	提供了针对胃肠道疾病分类的深度学习技术的全面调查，并解决了复杂场景、临床限制和技术障碍中的挑战	NA	回顾胃肠道疾病的计算机辅助诊断系统，以配合实际的临床诊断流程	胃肠道疾病，包括食管、胃、小肠和大肠的病变	计算机视觉	胃肠道疾病	深度学习	NA	图像	NA
5912	2025-04-26	A Dual-Branch Cross-Modality-Attention Network for Thyroid Nodule Diagnosis Based on Ultrasound Images and Contrast-Enhanced Ultrasound Videos 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472609 PMID:39356606	research paper	提出了一种基于超声图像和对比增强超声视频的双分支跨模态注意力网络，用于甲状腺结节的诊断	通过跨模态注意力机制整合CEUS视频和超声图像信息，模仿放射科医生的诊断方式，分解为结节分割和分类两个相关任务	未提及具体的数据集规模限制或模型泛化能力的详细评估	提高甲状腺结节的诊断准确率	甲状腺结节	digital pathology	thyroid nodule	contrast-enhanced ultrasound (CEUS)	dual-branch cross-modality-attention network (UAC-T and CAU-T transformers)	ultrasound images and CEUS videos	未明确提及具体样本量（仅描述为'our collected thyroid US-CEUS dataset'）
5913	2025-04-26	Deep learning model for automated diagnosis of degenerative cervical spondylosis and altered spinal cord signal on MRI 2025-Feb, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.09.015 PMID:39357744	研究论文	开发了一个基于深度学习的模型，用于自动诊断退行性颈椎病和MRI上的脊髓信号改变	使用基于transformer的深度学习模型，首次实现了对颈椎管狭窄、神经孔狭窄和脊髓信号异常的自动检测与分类	研究为回顾性设计，且排除了有器械植入的病例	提高MRI颈椎病评估的效率和一致性	退行性颈椎病患者的MRI图像	数字病理学	颈椎病	MRI	transformer-based DL模型	图像	504例内部训练和测试MRI（504名患者），100例外部测试MRI（100名患者）
5914	2025-04-26	Multi-Organ Foundation Model for Universal Ultrasound Image Segmentation With Task Prompt and Anatomical Prior 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3472672 PMID:39361457	研究论文	提出了一种多器官基础模型（MOFO），用于通用超声图像分割，通过任务提示和解剖先验知识提高分割性能	首次提出多器官基础模型（MOFO），通过联合优化多个器官的分割任务，探索多器官之间的相关性，并引入任务提示和解剖先验知识以提高分割性能	模型依赖于多器官超声数据库的建立，数据稀缺问题可能影响模型的泛化能力	开发一种通用超声图像分割模型，提高多器官分割的准确性和鲁棒性	超声图像中的多器官分割	计算机视觉	NA	深度学习	MOFO	图像	7039张来自10个不同器官的超声图像
5915	2025-04-26	Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3473970 PMID:39365719	研究论文	提出了一种新颖的几何感知编码器-解码器框架，用于稀疏视图CBCT重建，以减少辐射剂量并提高重建质量和时间效率	引入几何感知的编码器-解码器框架，利用CBCT扫描的几何关系，将多视图2D特征反投影到3D空间，形成全面的体积特征图，从而在极稀疏视图输入下实现高质量重建	未提及具体在真实临床环境中的验证效果，可能在实际应用中存在未发现的限制	减少CBCT重建中的辐射剂量，同时保持或提高重建图像的质量和时间效率	稀疏视图CBCT重建	计算机视觉	NA	深度学习，神经渲染算法	2D CNN编码器，3D CNN解码器	2D X射线投影，3D CBCT图像	两个模拟数据集和一个真实世界数据集
5916	2025-04-26	Coronary artery disease detection using deep learning and ultrahigh-resolution photon-counting coronary CT angiography 2025-Feb, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.09.012 PMID:39366836	研究论文	本研究评估了深度学习在光子计数冠状动脉CT血管造影（PC-CCTA）上自动检测冠状动脉疾病（CAD）的诊断性能	使用深度学习模型（CorEx, Spimed-AI）在非超高分辨率PC-CCTA图像上自动检测CAD，并与人类专家评估的UHR PC-CCTA图像进行比较	回顾性单中心研究，样本量较小（140例患者）	评估深度学习在CAD检测中的诊断性能	疑似CAD并接受PC-CCTA检查的患者	数字病理学	心血管疾病	光子计数冠状动脉CT血管造影（PC-CCTA）	深度学习（CorEx, Spimed-AI）	医学影像	140例患者（96名男性，44名女性）
5917	2025-04-26	CQformer: Learning Dynamics Across Slices in Medical Image Segmentation 2025-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3477555 PMID:39388328	研究论文	提出了一种名为CQformer的新型Transformer架构，通过ODE建模2D切片间的动态变化，提升3D医学图像分割性能	首次将ODE引入跨切片特征交互建模，提出交叉实例查询引导的Transformer架构(CQformer)和回归头设计	未明确说明计算复杂度或实时性表现，在BTCV数据集上性能排名第二	改进3D医学图像中连续2D切片的分割精度	多模态医学图像(CT/MRI)中的器官/组织/病变	数字病理	NA	ODE建模	Transformer(CQformer)	3D医学图像	7个不同模态和任务的数据集
5918	2025-04-26	Alzheimer's Disease Detection in EEG Sleep Signals 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3478380 PMID:39392730	research paper	该研究探讨了利用睡眠相关脑电图（EEG）信号通过半监督深度学习技术早期检测阿尔茨海默病（AD）的潜力	研究采用半监督深度学习模型处理有限的标记数据，并在所有睡眠阶段实现稳定的分类性能，准确率达到90%	研究受到标记数据稀缺的限制，可能影响模型的泛化能力	早期检测阿尔茨海默病（AD）	睡眠相关的脑电图（EEG）信号	digital pathology	geriatric disease	polysomnography (PSG)	semi-supervised Deep Learning	EEG signals	NA
5919	2025-04-26	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-Feb, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	本研究设计了一个深度学习模型，用于预测心电图（ECG）信号中的高血压，并识别与高血压相关的ECG片段	提出了一个深度学习框架，包括MML-Net（多分支、多尺度LSTM神经网络）和ECG-XAI（面向ECG的波对齐AI解释流程），用于检测高血压引起的心脏结构微小变化	研究依赖于特定医院的数据，可能不具有普遍代表性	探索ECG信号是否能够捕捉高血压引起的心脏结构微小变化	心电图信号	数字病理学	心血管疾病	深度学习	LSTM	ECG信号	210,120条10秒12导联ECG（FX-8322设备）和812条ECG（RAGE-12设备）
5920	2025-04-26	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	评估大型语言模型（LLMs）在放射学研究中提供统计和深度学习解决方案及代码的能力	首次系统评估LLMs在放射学研究中处理生物统计学和深度学习编码任务的能力	需要用户进一步验证和优化生成的代码，存在潜在错误和幻觉风险，以及数据隐私问题	探索LLMs在放射学研究中的辅助作用	ChatGPT-4o、ChatGPT-3.5和Google Gemini三种大型语言模型	自然语言处理	NA	生物统计学分析、深度学习模型构建	Vision Transformer (ViT-B/16)	医学影像数据、统计问题	Cancer Imaging Archive数据集和RSNA-STR肺炎检测挑战数据集