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
6561	2025-03-12	Deep Learning-Derived Myocardial Strain 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.01.011 PMID:38551533	研究论文	本研究开发了一种自动化的深度学习应变（DLS）分析管道，用于从标准超声心动图B模式图像中测量全局纵向应变（GLS），并验证其在多种应用和人群中的性能	开发了一种自动化的、开源且与供应商无关的DLS方法，用于从标准超声心动图B模式图像中测量GLS，减少了操作者经验和供应商间差异的影响	尽管DLS在外部验证中与2D GLS保持中等一致性，但仍存在一定的偏差和一致性限制	开发并验证一种自动化的深度学习应变分析管道，以减少超声心动图应变测量中的操作者经验和供应商间差异	超声心动图B模式图像	数字病理	心血管疾病	深度学习	NA	图像	多个应用和人群中的患者数据
6562	2025-03-12	Cross noise level PET denoising with continuous adversarial domain generalization 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本文提出了一种利用连续对抗域泛化技术进行跨噪声水平PET去噪的方法	首次从域泛化的角度解决跨噪声水平去噪中的性能下降问题，并提出了连续域泛化的新方法	模型在特定噪声水平上训练，可能在不同噪声水平上的泛化能力有限	解决PET图像去噪中由于噪声水平不同导致的分布偏移问题	PET图像	计算机视觉	阿尔茨海默病	深度学习	3D UNet	3D图像	60名受试者的97F-MK6240 tau PET研究数据，生成1400对训练图像、120对验证图像和420对测试图像
6563	2025-03-12	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过术前心电图预测术后死亡率	利用深度学习分析心电图波形信号，识别术后死亡率的隐藏风险标志物，超越了传统修订心脏风险指数（RCRI）的预测能力	研究仅基于美国三个医疗系统的数据，可能在其他地区或医疗系统中的适用性有待验证	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	机器学习	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者，共112,794份心电图
6564	2025-03-12	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	本文介绍了一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示，以进行快速分析	SAMPLER通过编码多尺度瓦片级别特征的累积分布函数来生成幻灯片级别表示，无需监督且计算效率高	尽管SAMPLER在速度和效果上表现出色，但其在外部验证数据集上的表现仍需进一步验证	开发一种无监督且快速的方法，用于生成全切片组织图像的幻灯片级别表示，以进行下游分析	乳腺癌（BRCA）、非小细胞肺癌（NSCLC）和肾细胞癌（RCC）的全切片图像	数字病理学	乳腺癌、非小细胞肺癌、肾细胞癌	深度学习	无监督模型	图像	来自The Cancer Genome Atlas (TCGA)的BRCA、NSCLC和RCC全切片图像
6565	2025-03-12	Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104933 PMID:38103513	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6566	2025-03-12	Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients 2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.01.015 PMID:36754100	研究论文	本文介绍了EchoNet-Peds，一种基于视频的深度学习算法，用于自动评估儿科患者的左心室射血分数（EF）	EchoNet-Peds是首个专门针对儿科患者开发的深度学习算法，能够匹配人类专家在左心室分割和射血分数评估方面的表现	尽管EchoNet-Peds在儿科数据上表现优异，但其在成人数据上的适用性尚未验证	开发一种自动化工具，用于准确评估儿科患者的左心室射血分数和识别收缩功能障碍	儿科患者的超声心动图数据	计算机视觉	心血管疾病	深度学习	CNN	视频	4,467个儿科超声心动图
6567	2025-03-12	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	本文介绍了一种新颖的深度学习方法，用于从多梯度回波（mGRE）MRI数据中鲁棒且加速地重建定量且B0不均匀性校正的R2*图像	RoAR方法采用自监督学习策略，无需真实R2*图像，且在训练过程中仅需F函数，应用时则不需要，显著提高了计算速度和噪声鲁棒性	NA	开发一种深度学习方法，用于从mGRE MRI数据中重建定量且B0不均匀性校正的R2*图像	多梯度回波（mGRE）MRI数据	计算机视觉	NA	mGRE MRI	CNN	图像	NA
6568	2025-03-11	In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127762 PMID:39999584	研究论文	本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性	结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能	NA	提高LIBS作为高精度分析工具的性能	金属样品的连续LIBS烧蚀过程	机器学习和光谱分析	NA	拉曼光谱和激光诱导击穿光谱（LIBS）	深度卷积神经网络（CNN）	光谱数据	NA
6569	2025-03-11	Two algorithms for improving model-based diagnosis using multiple observations and deep learning 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107185 PMID:39862533	研究论文	本文提出了两种新算法，通过整合多观察和深度学习技术来增强基于模型的诊断（MBD）	提出了两种新算法Discret2DiMO和Discret2DiMO-DC，通过整合多观察和深度学习技术显著提高了MBD的诊断准确性和计算效率	实验仅在模拟的三罐模型上进行，未在真实世界系统中验证	提高基于模型的诊断（MBD）的准确性和计算效率	基于模型的诊断（MBD）	人工智能	NA	深度学习	NA	模拟数据	模拟的三罐模型
6570	2025-03-11	Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107152 PMID:39874821	研究论文	本研究提出了一种新颖的音频-视觉语音增强系统，通过动态调整音频和视觉端点信息权重，基于环境噪声水平，有效整合音频和视觉信息，提高语音质量和可懂度	提出了一种基于SNR估计的动态权重调制技术，使模型能够根据环境噪声水平动态调整音频和视觉信息的权重，从而在广泛的SNR范围内提高语音增强效果	研究主要基于基准数据集进行实验，未在真实世界的多样化噪声环境中进行广泛验证	提高音频-视觉语音增强系统的性能，特别是在广泛SNR范围内的噪声环境中	音频和视觉语音信号	自然语言处理	NA	动态权重调制技术	Endpoint-Aware Network (EANet)	音频和视觉数据	基准数据集
6571	2025-03-11	Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110339 PMID:39880177	研究论文	本研究旨在通过深度学习整合MRI影像组学特征和临床数据，预测乳腺癌患者的血管侵犯情况	首次将MRI影像组学特征与临床数据结合，利用深度学习模型进行乳腺癌血管侵犯的术前预测	样本量较小（102例），且为回顾性研究，可能影响模型的泛化能力	提高乳腺癌患者术前血管侵犯预测的准确性，以辅助手术规划和患者管理	102例经手术病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	MRI影像组学	深度学习	图像和临床数据	102例乳腺癌患者
6572	2025-03-11	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于Swin UNETR架构的深度学习技术，用于自动分割脑肿瘤定量DCE-MRI中的大血管，并与U-Net和Attention U-Net架构进行了比较	首次将Swin UNETR架构应用于脑肿瘤定量DCE-MRI中的大血管分割，并展示了其在准确性和泛化能力上的优势	研究仅使用了来自两个中心和两种场强磁共振扫描仪的MRI数据，可能限制了模型的广泛适用性	提高脑肿瘤自动分级的准确性，并改进治疗计划	脑肿瘤患者的大血管	计算机视觉	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据
6573	2025-03-11	Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks 2025-Mar-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0255288 PMID:40062757	研究论文	本文提出了一种基于深度学习的方法，用于加速自洽场理论（SCFT）模拟，并通过深度神经网络（DNN）直接映射早期SCFT结果到平衡结构，显著减少了模拟时间	通过深度神经网络直接映射早期SCFT结果到平衡结构，避免了耗时的SCFT迭代，显著提高了模拟效率	需要生成训练数据集，且训练网络的成本可能较高	加速自洽场理论（SCFT）模拟，提高计算效率	嵌段共聚物（BCP）自组装	机器学习	NA	深度神经网络（DNN）	DNN	模拟数据	NA
6574	2025-03-11	AI-Driven Drug Discovery for Rare Diseases 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01966 PMID:39689164	综述	本文探讨了人工智能（AI）在罕见病药物发现中的潜力，通过克服传统药物发现模型的挑战，加速罕见病治疗的发展	本文综合了当前知识和最新突破，提供了关于AI如何加速罕见病治疗发展的关键见解，填补了文献中的关键空白	本文主要基于现有文献和突破，缺乏实际应用案例和数据的支持	探索AI在罕见病药物发现中的应用，以加速治疗发展并改善患者预后	罕见病（RDs）及其治疗	机器学习	罕见病	机器学习（ML）和深度学习（DL）	NA	NA	NA
6575	2025-03-11	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Mar-10, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	本文开发了一种基于深度学习的自动化方法，用于在肝硬化患者中检测小肝细胞癌（sHCC），并利用Gd-EOB-DTPA增强MRI进行验证	本研究首次将nnU-Net应用于小肝细胞癌的自动检测，并在肝硬化患者中验证了其有效性	研究为回顾性研究，样本量相对较小，且仅使用了单一类型的MRI数据	开发一种自动化深度学习方法，用于检测肝硬化患者中的小肝细胞癌	肝硬化患者中的小肝细胞癌（sHCC）和非HCC病变	计算机视觉	肝癌	Gd-EOB-DTPA增强MRI	nnU-Net	MRI图像	120名肝硬化患者（78名sHCC患者和42名非HCC肝硬化患者）
6576	2025-03-11	Paradigms and methods of noninvasive brain-computer interfaces in motor or communication assistance and rehabilitation: a systematic review 2025-Mar-10, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03340-y PMID:40059266	系统综述	本文系统回顾了过去十年中非侵入性脑机接口（BCI）在运动或沟通辅助及康复中的范式、方法和应用的发展	本文综述了非侵入性BCI技术的最新发展，特别是EEG和fNIRS在康复和辅助设备控制中的应用，并强调了深度学习等解码方法的进步	尽管非侵入性BCI技术取得了进展，但仍面临诸多挑战，如设计更便捷的电极、提高解码准确性和效率、为特定患者设计更适用的系统等	探讨非侵入性BCI技术在运动或沟通辅助及康复中的应用和发展	非侵入性脑机接口技术及其在康复和辅助设备中的应用	脑机接口	NA	脑电图（EEG）、功能性近红外光谱（fNIRS）	深度学习	神经生理信号	223篇研究文章（自2016年起）
6577	2025-03-11	Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification 2025-Mar-08, Endocrine IF:3.0Q2 DOI:10.1007/s12020-025-04198-8 PMID:40056264	研究论文	本研究探讨了基于深度学习结合超声和CT成像技术对甲状腺TI-RADS 3-5类结节进行良恶性分类的诊断价值	首次将深度学习与超声和CT成像结合，用于甲状腺TI-RADS 3-5类结节的自动分类，相比单一成像方式显著提高了诊断准确性	研究仅针对TI-RADS 3-5类结节，未涵盖所有甲状腺结节类型	探索一种无需活检即可准确区分甲状腺TI-RADS 3-5类结节良恶性的方法	甲状腺TI-RADS 3-5类结节	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	768例甲状腺结节（499例恶性，269例良性）
6578	2025-03-11	Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision 2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.14041 PMID:40055947	研究论文	本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性	结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性	该方法的准确性尚不足以用于临床应用	研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性	上颌无牙模型上的6个种植体和扫描体	计算机视觉	NA	深度学习	深度学习模型	视频	10次重复实验
6579	2025-03-11	Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT 2025-Mar-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8730 PMID:40054878	系统综述与荟萃分析	本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析	本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性	研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性	评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果	儿童头部CT扫描	医学影像	儿科疾病	CT扫描、迭代重建技术	NA	医学影像数据	20项研究
6580	2025-03-11	A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy 2025-Mar-07, Medical physics IF:3.2Q1 DOI:10.1002/mp.17732 PMID:40055148	研究论文	本文提出了一种在头颈部自适应放射治疗中，利用患者治疗前影像进行自动分割的通用模型	研究探讨了在推理阶段加入治疗前数据对模型性能的影响，避免了新患者群体所需的昂贵模型再训练	刚性配准方法在GTVp和大多数OARs上表现与自适应DL模型相似，可能限制了GAM的广泛应用	提高头颈部自适应放射治疗中自动分割的准确性，特别是对于高变异性或低对比度的结构	头颈部癌症患者	数字病理	头颈部癌症	深度学习	通用自适应模型（GAM）	计算机断层扫描图像	110名接受头颈部癌症自适应放射治疗的患者