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
5981	2025-04-25	Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.005 PMID:39138111	研究论文	本研究比较了基于深度学习的S-Detect技术与BI-RADS分类在不同平面中对乳腺病变的诊断价值	首次评估了S-Detect在不同成像平面中的诊断性能，并识别了导致诊断不一致的因素	研究为回顾性设计，可能受到选择偏倚的影响	评估S-Detect技术在不同平面中的诊断性能及其与BI-RADS分类的比较	711名患者的756个乳腺病变	数字病理	乳腺癌	深度学习辅助检测系统	S-Detect	超声图像	756个乳腺病变（来自711名患者）
5982	2025-04-25	Deep learning segmentation of mandible with lower dentition from cone beam CT 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00770-6 PMID:39141154	研究论文	本研究训练了一个3D U-Net卷积神经网络(CNN)，用于从锥形束计算机断层扫描(CBCT)中分割下颌骨和下颌牙齿	在包含高度金属伪影的多样化人口队列中，开发了自动分割下颌骨和下颌牙齿的模型，并在内部和外部测试集上展示了良好的准确性	分割准确性在年龄组和金属伪影程度方面存在显著差异	开发一个自动分割下颌骨和下颌牙齿的深度学习模型	下颌骨和下颌牙齿	计算机视觉	NA	锥形束计算机断层扫描(CBCT)	3D U-Net CNN	医学影像	来自490名患者的648次CBCT扫描
5983	2025-04-25	AutoSamp: Autoencoding k-Space Sampling via Variational Information Maximization for 3D MRI 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443292 PMID:39146168	research paper	提出了一种名为AutoSamp的新型深度学习框架，通过变分信息最大化联合优化MRI扫描的采样模式和重建	利用变分信息最大化联合优化k空间采样模式和MRI重建，实现了非笛卡尔平面上k空间样本位置的连续优化	未明确提及具体局限性	优化MRI的k空间采样模式以提高重建质量	3D MRI扫描数据	medical imaging	NA	非均匀快速傅里叶变换和深度学习重建网络	autoencoder	3D MRI图像数据	公共3D MRI数据集
5984	2025-04-25	HerbMet: Enhancing metabolomics data analysis for accurate identification of Chinese herbal medicines using deep learning 2025-Jan, Phytochemical analysis : PCA IF:3.0Q2 DOI:10.1002/pca.3437 PMID:39165116	研究论文	该研究开发了一种名为HerbMet的深度学习系统，用于准确识别中草药，特别是同属不同种的草药	提出了一种结合1D-ResNet架构和多层感知机的AI系统，并设计了双dropout正则化模块以缓解过拟合	研究可能受限于样本量较小和高维数据问题	开发高性能人工智能系统以准确识别中草药	中草药，特别是同属不同种的草药	机器学习	NA	代谢组学数据分析	1D-ResNet, 多层感知机	代谢组学数据	七种相似的人参属植物
5985	2025-04-25	Unsupervised Non-Rigid Histological Image Registration Guided by Keypoint Correspondences Based on Learnable Deep Features With Iterative Training 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3447214 PMID:39167523	research paper	提出了一种基于可学习深度特征和迭代训练的无监督非刚性组织学图像配准方法	引入了固定深度特征和可学习深度特征作为关键点描述符，采用迭代训练策略联合优化配准网络和可学习深度特征	未明确提及具体局限性	解决组织学图像配准中由于多重染色导致的显著外观差异问题	组织学图像	digital pathology	breast cancer	deep learning	unsupervised network	image	ANHIR和ACROBAT网站上的数据集
5986	2025-04-25	Artificial Intelligence Recognition Model Using Liquid-Based Cytology Images to Discriminate Malignancy and Histological Types of Non-Small-Cell Lung Cancer 2025, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1 DOI:10.1159/000541148 PMID:39197433	研究论文	本研究开发了一种基于深度学习的自动化图像分类模型，用于通过液基细胞学图像识别非小细胞肺癌的恶性肿瘤和组织学类型	使用Densenet-121 DCNN模型对肺癌细胞学图像进行分类，实现了高灵敏度和特异性的恶性肿瘤和组织学类型预测	样本量相对较小，且仅包含腺癌和鳞状细胞癌两种组织学类型	开发一种自动化图像分类模型，用于肺癌细胞学诊断	非小细胞肺癌的液基细胞学图像	数字病理学	肺癌	全切片成像	Densenet-121 DCNN	图像	45张巴氏染色玻片，共9141个图像块（2737个正常组织，4756个腺癌，1648个鳞状细胞癌）
5987	2025-04-25	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	本研究比较了传统HASTE与基于深度学习的DL-HASTE在3T MRI中肠道成像的图像质量和疾病检测能力	开发了一种基于深度学习的单次激发T2加权图像重建技术(DL-HASTE)，相比传统HASTE技术缩短了采集时间	研究仅纳入了91例患者，样本量相对较小	比较不同厚度切片的DL-HASTE与传统HASTE在肠道MRI中的图像质量差异	接受3T MR肠造影检查的患者	医学影像分析	肠道疾病	3T MRI，单次激发T2加权成像	深度学习	医学影像	91例患者(51名女性，平均年龄44±10岁)
5988	2025-04-25	Detection and classification of electrocardiography using hybrid deep learning models 2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2024.08.011 PMID:39218394	研究论文	本文提出了一种结合CNN和VAE的混合深度学习模型，用于心电图的检测和分类，以提高心血管疾病的自动诊断准确性	提出了一种新的CNN-VAE混合架构，用于心电图的分类，相比其他深度学习方法表现更优	模型仅在PTB-XL数据集上进行了训练和测试，可能需要更多样化的数据验证其泛化能力	提高心电图的自动分类准确性，以辅助心血管疾病的早期诊断	心电图数据	机器学习	心血管疾病	深度学习	CNN-VAE混合模型	心电图信号	PTB-XL数据集中的21,799条12导联心电图，来自18,869名患者
5989	2025-04-25	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了利用机器学习和深度学习模型预测化学物质致癌性的研究进展	比较分析了多种机器学习和深度学习算法在致癌性预测中的应用，并指出深度学习模型在数据量受限情况下的潜力	深度学习模型受限于现有致癌性数据集的规模	开发高效预测化学物质致癌性的替代方法	化学物质的致癌性	机器学习	癌症	机器学习、深度学习	SVM、随机森林、集成学习、前馈神经网络、CNN、图卷积神经网络、胶囊神经网络、混合神经网络	化学物质数据	NA
5990	2025-04-25	Identification of genomic alteration and prognosis using pathomics-based artificial intelligence in oral leukoplakia and head and neck squamous cell carcinoma: a multicenter experimental study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002077 PMID:39248300	研究论文	本研究开发了一种基于病理组学的人工智能模型，用于快速且经济高效地预测口腔白斑（OLK）和头颈部鳞状细胞癌（HNSCC）中的9p染色体缺失，并评估患者预后	首次在OLK和HNSCC中开发了基因组改变预测的深度学习模型，结合了最新的Transformer方法和XGBoost算法	研究样本量相对较小，外部测试数据集仅有23例	开发一种基于病理组学的人工智能模型，用于预测9p染色体缺失并评估HNSCC患者预后	口腔白斑（OLK）和头颈部鳞状细胞癌（HNSCC）患者	数字病理	头颈部鳞状细胞癌	全切片图像分析	Transformer和XGBoost	图像	333例OLK病例（训练集217例，验证集93例，外部测试集23例），以及407例HNSCC病例（42例和365例）
5991	2025-04-25	An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning 2025-Jan, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-024-02830-x PMID:39249515	research paper	该研究开发了一种基于深度学习的排名集成多分类器，用于神经退行性疾病的分类	提出了一种基于加权策略的排名集成方法，结合五种深度学习模型进行分类，提高了诊断准确性	研究中未提及模型的可解释性及在更广泛数据集上的泛化能力	提高神经退行性疾病（如阿尔茨海默病和帕金森病）的分类准确率	阿尔茨海默病（AD）和帕金森病（PD）患者	digital pathology	neurodegenerative disease	MRI	ensemble of five deep learning models	image	ADNI数据集用于AD分类，PPMI数据集用于PD分类
5992	2025-04-25	Artificial intelligence in interventional radiology: Current concepts and future trends 2025-Jan, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.08.004 PMID:39261225	综述	本文综述了人工智能在介入放射学中的当前应用和未来趋势	探讨了深度学习模型特别是基础模型在介入放射学中的应用，以及AI如何提升手术效率和安全性	未具体提及AI技术在介入放射学中应用的具体限制或挑战	概述人工智能在介入放射学中的潜在应用和未来发展方向	介入放射学的医疗实践和技术发展	数字病理学	NA	深度学习	基础模型	多模态数据	NA
5993	2025-04-25	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	review	本文综述了当前利用放射组学、机器学习和深度学习在MRI上预测软组织肉瘤恶性程度的研究现状	结合语义成像特征、放射组学特征和深度学习特征的机器学习模型展示了比单一特征来源更优的预测性能	NA	预测软组织肉瘤的恶性程度	软组织肉瘤	digital pathology	soft tissue sarcoma	MRI, 机器学习和深度学习	random forest, support vector machine, LASSO, SMOTE	MRI图像	NA
5994	2025-04-25	SeqSeg: Learning Local Segments for Automatic Vascular Model Construction 2025-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03611-z PMID:39292327	research paper	本文提出了一种名为SeqSeg的深度学习算法，用于自动追踪和分割医学图像中的血管结构，以构建基于图像的血管模型	SeqSeg采用局部U-Net推理方法，能够顺序分割血管结构，相比传统的2D和3D全局nnU-Net模型，能够分割更完整的血管系统，并能泛化到训练数据中未标注的血管结构	NA	改进心血管结构的计算机模型生成过程，提高自动化和效率	主动脉和主动脉-股动脉模型的CT和MR图像	digital pathology	cardiovascular disease	deep learning	U-Net, nnU-Net	image	NA
5995	2025-04-25	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	research paper	本研究评估了一种基于深度学习的去噪算法在神经放射学创伤CT扫描中降低辐射剂量的能力	使用深度学习去噪算法在25%辐射剂量下仍能保持高质量的诊断图像	单中心回顾性研究，样本量有限（100例患者）	评估深度学习去噪算法在降低神经放射学创伤CT扫描辐射剂量方面的效果	神经放射学创伤患者的CT扫描图像	digital pathology	traumatic neuroradiological emergencies	deep learning-based denoising (DLD), iterative reconstruction (IR2)	deep learning	CT scans	100例神经放射学创伤患者
5996	2025-04-25	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	开发并验证了一种基于CT影像的深度学习模型，用于肺癌的自动化病理分级和预后评估	利用MobileNetV3架构构建深度学习模型，实现了肺癌术前病理分级的自动化评估，并通过内外验证集验证了其高准确性和预后价值	研究样本主要来自NLST和TCIA数据库，可能无法代表所有肺癌患者群体	为外科医生提供非侵入性工具以指导肺癌手术规划	肺癌患者（非小细胞肺癌）	数字病理	肺癌	CT成像	MobileNetV3	医学影像（CT）	796例（NLST队列572例+外部验证队列224例）
5997	2025-04-25	Physician Level Assessment of Hirsute Women and of Their Eligibility for Laser Treatment With Deep Learning 2025-Jan, Lasers in surgery and medicine IF:2.2Q2 DOI:10.1002/lsm.23843 PMID:39308029	研究论文	本研究比较了医疗专业人员和基于卷积神经网络（CNN）的模型在评估多毛症女性患者激光脱毛资格方面的能力	开发了一种基于深度学习的激光脱毛资格评估工具，其表现与训练有素的皮肤科医生相当	需要前瞻性随机临床干预研究以实现真正的临床普适性	评估多毛症女性患者激光脱毛的资格	多毛症女性患者	数字病理	多毛症	深度学习	CNN	图像	NA
5998	2025-04-25	Reliability of brain volume measures of accelerated 3D T1-weighted images with deep learning-based reconstruction 2025-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03461-5 PMID:39316090	研究论文	本研究探讨了基于深度学习的加速MRI扫描在脑体积测量中的可行性和可靠性	使用深度学习重建技术，实现了3D T1加权MRI扫描的加速，最高可达75%的加速比	研究样本量较小（模拟加速数据集42人，验证数据集48人），且未在所有脑区（如苍白球）表现出良好一致性	评估深度学习加速MRI在脑体积测量中的临床应用可行性	3D T1加权MRI图像和脑体积测量	医学影像分析	脑萎缩相关疾病	深度学习重建技术	深度学习（具体架构未说明）	3D MRI图像	模拟加速数据集42人，验证数据集48人
5999	2025-04-25	Step Width Estimation in Individuals With and Without Neurodegenerative Disease via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3470310 PMID:39331558	研究论文	提出了一种新颖的数据增强深度学习模型，用于通过最小化可穿戴惯性传感器估计步宽	使用数据增强的深度学习模型和最小化可穿戴惯性传感器（IMUs）来估计步宽，克服了传统方法的高成本和耗时问题	研究样本量较小，仅包括12名神经退行性疾病患者和17名健康个体	开发一种便携式步宽监测方法，以增强康复训练、评估和动态平衡控制	神经退行性疾病患者（SCA3）和健康个体	机器学习	神经退行性疾病	深度学习	数据增强深度学习模型	惯性传感器数据	12名SCA3患者和17名健康个体
6000	2025-04-25	FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056333970241212132150 PMID:39757652	research paper	该研究开发了一个基于联邦学习的深度学习模型FedPneu，用于通过X光图像早期检测肺炎	采用联邦学习框架，解决了传统集中式深度学习模型在医疗影像数据上的隐私泄露风险	研究仅测试了2-5个客户端架构，未探索更大规模的分布式场景	开发一个隐私保护的肺炎早期检测系统	多机构医疗影像数据集	digital pathology	pneumonia	federated learning	deep learning	X-ray images	未明确说明具体样本量（多机构X光数据集）