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
6541	2025-02-27	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究通过多中心研究探讨了认知障碍患者的视网膜血管变化	使用VC-Net深度学习模型分割视网膜动静脉网络，提取了36种血管特征，发现了认知障碍患者视网膜血管结构的显著变化	需要在更大的队列中验证，并探索潜在的机制	探讨认知障碍患者的视网膜血管变化	176名轻度认知障碍（MCI）或阿尔茨海默病（AD）患者和264名对照者	数字病理学	阿尔茨海默病	深度学习	VC-Net	图像	440名参与者（176名患者和264名对照者）
6542	2025-02-27	Diagnostic value of deep learning reconstruction-based subtraction CT-FFR in patients with calcified-related stenosis or stent implantation 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1366 PMID:39995698	研究论文	本研究探讨了基于深度学习重建的减法CT-FFR在钙化相关狭窄或支架植入患者中的诊断价值	首次将深度学习重建技术应用于减法CT-FFR，提高了钙化相关狭窄和冠状动脉支架应用的诊断性能	样本量较小，仅包括30名患者，且未进行长期随访	探索减法CT-FFR在钙化相关狭窄和冠状动脉支架应用中的诊断价值	钙化相关狭窄或支架植入患者	数字病理学	心血管疾病	CT-FFR, 深度学习重建 (DLR), 混合迭代重建 (HIR)	深度学习	CT图像	30名患者，52个钙化相关病变和14个冠状动脉支架
6543	2025-02-27	Development and evaluation of a deep learning model for multi-frequency Gibbs artifact elimination 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1344 PMID:39995704	研究论文	本文开发并评估了一种深度学习模型，用于消除多频率Gibbs伪影，以提高MRI图像质量并改善脊髓空洞症的诊断准确性	开发了一种深度学习模型，能够有效消除多频率Gibbs伪影，并在不同解剖区域、MRI序列和伪影严重程度下表现出色	研究样本主要来自回顾性数据，外部验证样本量较小（30人），可能影响模型的泛化能力	开发并评估一种深度学习模型，用于消除MRI图像中的Gibbs伪影，以提高图像质量和诊断准确性	MRI图像中的Gibbs伪影	计算机视觉	脊髓空洞症	深度学习	深度学习模型	图像	290,940张MRI图像（来自4,936次扫描），外部验证包括20名健康成人和10名脊髓空洞症患者
6544	2025-02-27	Automatic measurement of X-ray radiographic parameters based on cascaded HRNet model from the supraspinatus outlet radiographs 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1373 PMID:39995702	研究论文	本研究开发了一种基于级联HRNet模型的自动测量方法，用于从肩胛上出口X光片中测量形态参数，以辅助肩部疾病的早期筛查和治疗决策	首次报道了使用级联HRNet模型自动测量肩胛上出口X光片中的放射学参数，提高了测量的精确性和效率	研究仅基于单一医院的影像数据，可能限制了模型的泛化能力	开发一种自动测量肩胛上出口X光片中形态参数的方法，以辅助肩部疾病的早期筛查和治疗决策	肩胛上出口X光片	计算机视觉	肩袖损伤	深度学习算法	级联HRNet模型	图像	1,668张肩胛上出口X光片，其中1,147张用于模型训练和验证，521张用于测试
6545	2025-02-27	Rapid and automatic hemodynamic assessment: integration of deep learning-based image segmentation, vessel reconstruction, and CFD prediction 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1721 PMID:39995727	研究论文	本研究开发了一种基于深度学习的快速准确提取血管血流动力学特征数据的方法，通过自动化CT图像分割、血管重建和CFD预测过程	提出了一种改进的卷积神经网络（Res2Net-ConvFormer-Dilation-UNet）用于自动分割预处理后的血管CT图像，并结合MC算法和OpenFOAM进行3D重建和血流动力学模拟	NA	开发一种快速准确的血管血流动力学特征数据提取方法，以提高诊断效率	下肢和主动脉动脉数据集	计算机视觉	心血管疾病	CT图像分割、MC算法、OpenFOAM	Res2Net-ConvFormer-Dilation-UNet (Res2-CD-UNet)	CT图像	下肢和主动脉动脉数据集
6546	2025-02-27	Predicting joint space changes in knee osteoarthritis over 6 years: a combined model of TransUNet and XGBoost 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1397 PMID:39995733	研究论文	本研究通过深度学习方法和回归模型，开发了一种自动测量膝关节间隙宽度（JSW）的模型，并预测了第六年JSW的变化	结合TransUNet和XGBoost模型，显著提高了JSW测量的准确性，并仅使用两年的X射线图像实现了高精度的预测	研究依赖于特定数据库的数据，可能限制了模型的泛化能力	开发自动测量膝关节间隙宽度的模型，并预测第六年JSW的变化	膝关节X射线图像和临床数据	计算机视觉	骨关节炎	深度学习	TransUNet, XGBoost	图像, 临床数据	1,947名参与者的膝关节X射线图像
6547	2025-02-27	Deep learning for the detection of moyamoya angiopathy using T2-weighted images: a multicenter study 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1269 PMID:39995722	研究论文	本研究旨在开发一种基于T2加权成像（T2WI）的深度学习模型，用于检测烟雾病（MMA）	首次使用T2WI图像开发深度学习模型来检测MMA，并在多中心数据上验证了模型的性能	研究依赖于回顾性数据，可能存在选择偏差，且未考虑所有可能的混杂因素	开发并验证基于T2WI的深度学习模型，用于检测烟雾病（MMA）	烟雾病患者、正常MRA的对照组患者以及非MMA的脑血管疾病患者	计算机视觉	脑血管疾病	深度学习	SCNN, LeNet, VGG, ResNet, DenseNet	T2加权图像	1038名MMA患者、1211名正常MRA患者和271名非MMA的脑血管疾病患者
6548	2025-02-27	Combining pelvic floor ultrasonography with deep learning to diagnose anterior compartment organ prolapse 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-772 PMID:39995742	研究论文	本研究结合深度学习与盆底超声技术，旨在提高前腔室器官脱垂的诊断速度和可靠性	首次将深度学习应用于盆底超声图像解读，以提升前腔室器官脱垂的诊断效率和准确性	研究为回顾性分析，可能受到数据质量和样本选择偏差的影响	提高盆底超声诊断前腔室器官脱垂的速度和可靠性，促进基层医疗机构的诊断和治疗	前腔室器官脱垂的女性患者	计算机视觉	妇科疾病	深度学习	CNN（包括AlexNet、VGG-16、ResNet-18和ResNet-50）	图像	1,805名女性（1,605名有前腔室器官脱垂，200名无脱垂）
6549	2025-02-27	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	综述	本文综述了基于深度学习的药物-药物相互作用预测方法，包括相似性、网络和集成方法，为不同领域的研究者提供了最新且易于理解的指南	提供了多种药物-药物相互作用预测方法的全面综述，并深入分析了广泛使用的分子表示方法，以及从图数据中提取特征的理论框架	未提及具体实验验证或实际应用案例	探讨和总结基于深度学习的药物-药物相互作用预测方法	药物-药物相互作用	机器学习	NA	深度学习	NA	图数据	NA
6550	2025-02-27	Robust RNA secondary structure prediction with a mixture of deep learning and physics-based experts 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae097 PMID:39811444	研究论文	本文提出了一种混合专家（MoE）方法，用于改善深度学习模型在单序列RNA二级结构预测中的分布外（OOD）泛化能力	通过结合深度学习和基于物理的模型，MoEFold2D方法实现了自动化的ID/OOD检测，并在不依赖训练数据的情况下，通过共识分析对测试序列进行分类，从而在ID和OOD序列上分别利用深度学习和基于物理的模型进行预测	未明确提及具体局限性	提高RNA二级结构预测的准确性和鲁棒性，特别是在分布外序列上的表现	RNA二级结构	机器学习	NA	深度学习，基于物理的模型	混合专家模型（MoE）	RNA序列数据	未明确提及样本数量
6551	2025-02-27	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	本文旨在开发一种基于大脑机械特性图的机器学习框架，以准确预测健康个体的实际年龄	结合磁共振弹性成像（MRE）和体积测量的多模态方法，利用3D卷积网络和传统统计模型预测大脑年龄，展示了MRE测量在大脑年龄模型中的补充价值	未来研究需提高模型对神经病理个体大脑完整性差异的敏感性	开发机器学习框架，从大脑机械特性图中准确预测个体的实际年龄	健康个体的大脑机械特性图	机器学习	神经退行性疾病	磁共振弹性成像（MRE）	3D卷积网络	图像	未明确提及样本数量
6552	2025-02-27	Enhanced swin transformer based tuberculosis classification with segmentation using chest X-ray 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241300018 PMID:39973770	研究论文	本文提出了一种基于深度学习的结核病分类与分割模型，通过胸部X光图像进行自动化诊断	结合了Adaptive Gaussian Filtering预处理、Attention UNet分割和Enhanced Swin Transformer分类模型，并采用Enhanced Lotus Effect Optimization算法优化损失函数	未提及模型在真实临床环境中的验证情况	提高结核病的早期检测准确性，减少人工诊断的时间和错误	胸部X光图像	计算机视觉	结核病	深度学习	Attention UNet, Enhanced Swin Transformer, Residual Pyramid Network based MLP	图像	未提及具体样本数量
6553	2025-02-27	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	本文提出了一种基于深度学习和标记控制分水岭的脊柱X光图像分割方法，旨在解决相邻椎骨的粘连问题并准确划分边界	创新点包括设计了一种新的骨方向损失（BD-Loss）来约束高分辨率网络（HRNet），并引入了位置信息感知模块（PIPM）以实现HRNet对VU-Net的引导，同时首次将HRNet和VU-Net的输出用于初始化标记控制分水岭算法	NA	开发自动椎骨分割方法，以客观分析脊柱图像中的每个椎骨，用于诊断各种脊柱疾病	脊柱X光图像	计算机视觉	脊柱疾病	深度学习，标记控制分水岭算法	HRNet, VU-Net	图像	两个脊柱X光数据集，分别包含颈椎矢状面图像和全脊柱冠状面图像
6554	2025-02-27	CT image super-resolution under the guidance of deep gradient information 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289225 PMID:39973779	研究论文	本文提出了一种基于生成对抗学习的新型超分辨率网络，用于CT图像的超分辨率重建，通过梯度分支和超分辨率分支的结合，提供梯度信息指导，以生成更真实的细节纹理	提出了一种新的超分辨率网络，结合梯度分支和超分辨率分支，利用梯度信息指导超分辨率重建，并通过结合图像空间损失函数、梯度损失和梯度方差损失来生成更真实的细节纹理	未提及具体的局限性	提高CT图像的超分辨率重建质量，解决结构失真和细节模糊问题	CT图像	计算机视觉	NA	生成对抗学习	GAN	图像	模拟和实验数据
6555	2025-02-27	A study on CT detection image generation based on decompound synthesize method 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241296249 PMID:39973778	研究论文	本研究提出了一种基于分解合成方法（DSM）的CT检测图像生成算法，用于增强缺陷检测训练数据集	提出了一种新的CT检测图像生成算法DSM，通过分解图像生成过程为模型转换、背景生成和缺陷合成三个步骤，有效解决了小样本和类别不平衡问题	需要进一步优化生成算法和模型结构以提高缺陷检测模型的性能和准确性	解决小样本和类别不平衡问题，增强缺陷检测训练数据集	高温气冷堆（HTGR）中的核石墨和碳组件	计算机视觉	NA	螺旋CT技术	Contour-CycleGAN	图像	NA
6556	2025-02-27	Quantitative analysis of deep learning reconstruction in CT angiography: Enhancing CNR and reducing dose 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301696 PMID:39973777	研究论文	本研究通过深度学习重建技术定量评估了CT血管造影中的对比噪声比增强和剂量减少效果	使用深度学习重建技术AiCE与传统FBP方法进行对比，评估了在不同对比剂浓度和管电流电压下的图像质量，展示了AiCE在提高对比噪声比和减少辐射剂量方面的潜力	研究仅基于体模设置进行，未涉及实际患者数据，可能影响结果的普适性	阐明传统FBP与深度学习重建技术AiCE在CT血管造影中的定量图像质量特征	CT血管造影图像	数字病理	心血管疾病	深度学习图像重建	AiCE	图像	八种碘浓度的体模设置
6557	2025-02-27	Radiomics and deep learning features of pericoronary adipose tissue on non-contrast computerized tomography for predicting non-calcified plaques 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241292476 PMID:39973776	研究论文	本研究结合放射组学和深度学习技术，基于非对比计算机断层扫描（CT）图像，预测冠状动脉非钙化斑块（NCP）的存在	首次结合放射组学和深度学习技术，利用非对比CT扫描的冠状动脉周围脂肪组织（PCAT）特征，预测NCP的存在	研究样本量有限，且仅在两中心进行验证，可能影响模型的泛化能力	探讨基于非对比CT扫描的PCAT放射组学和深度学习特征，结合临床风险因素，预测冠状动脉炎症和NCP的价值	353名患者的临床和影像数据	医学影像分析	心血管疾病	非对比CT扫描	XGBoost, Random Forest (RF)	影像数据	353名患者
6558	2025-02-27	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究评估了结合放射组学特征和深度学习特征在利用MRI扫描和集成学习技术对脑肿瘤进行分类中的有效性	结合放射组学特征和深度学习特征，并采用集成学习方法显著提高了脑肿瘤分类的准确性和可靠性	需要进一步通过额外的MRI序列和先进的机器学习技术来增强模型的泛化能力和精确度	评估结合放射组学特征和深度学习特征在脑肿瘤分类中的有效性	脑肿瘤（胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI扫描	3D卷积神经网络（CNN）、支持向量机（SVM）、决策树（DT）、随机森林（RF）、AdaBoost、Bagging、k近邻（KNN）、多层感知器（MLP）	图像	3064个T1加权对比增强脑MRI扫描
6559	2025-02-27	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究旨在通过构建基于深度学习的分类模型，利用磁共振图像（MRI）自动诊断脊髓神经鞘瘤和脑膜瘤，以促进早期诊断并减轻临床医生的压力	引入了选择性卷积核模块到原始CNN模型中，增强了网络对肿瘤特征的关注，有效提升了网络性能	研究样本量较小，仅包含74名患者，可能影响模型的泛化能力	构建一个深度学习模型，用于自动区分脊髓神经鞘瘤和脑膜瘤	脊髓神经鞘瘤（SCH）和脑膜瘤（MEN）患者	计算机视觉	脊髓肿瘤	MRI	CNN（ResNet34-SKConv）	图像	74名患者的MRI图像
6560	2025-02-27	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	本文提出了一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法，旨在提高临床骨密度检查中医生标注椎骨的效率	本文创新性地改进了原始MAE预训练网络的掩码策略，并采用半监督方法结合伪标签生成进行训练，有效提升了腰椎ROI的分割效果	该方法在有限标注数据条件下表现良好，但在完全无监督或数据分布差异较大的情况下可能效果有限	提高腰椎感兴趣区域自动分割的准确性和效率，以辅助临床骨密度检查	腰椎的三维图像数据	计算机视觉	NA	MAE预训练，半监督学习	MAE, UNetr	三维图像	NA