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
641	2025-09-03	Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120519 PMID:38280690	研究论文	提出一种基于深度学习和空间注意力的时空卷积注意力模型（STCA），用于准确建模动态功能脑网络	结合自监督卷积自编码器和空间注意力机制，能够动态捕捉功能脑网络随时间的变化	NA	开发新方法以更准确地表征动态功能脑网络	人脑功能网络	机器学习	NA	深度学习，自监督学习	CNN，自编码器，注意力机制	fMRI功能磁共振成像数据	HCP-task运动行为数据集（具体样本数未明确说明）
642	2025-09-03	Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120485 PMID:38110045	研究论文	提出一种新颖的自监督多模态学习框架，用于从MRI数据中提取表征以增强群体推断并发现疾病相关脑区及多模态关联	将Deep InfoMax (DIM)自监督方法扩展至多模态神经影像数据，首次实现无标签预训练下的多模态表征学习与可解释性分析	NA	开发无需标注数据的多模态神经影像分析方法，提升脑疾病预测与脑区关联发现能力	多模态MRI神经影像数据	医学影像分析	阿尔茨海默病	Deep InfoMax (DIM), 自监督学习	DIM	多模态MRI图像	NA
643	2025-09-03	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本研究独立验证了深度学习模型TrUE-Net在白质高信号自动分割中的准确性，并与六种现有方法进行比较	首次对新型深度学习模型TrUE-Net进行严格独立验证，并在全局和区域水平评估其与年龄相关性的检测能力	NA	验证TrUE-Net在白质高信号自动分割中的准确性和可靠性	白质高信号(WMH)区域	医学图像分析	老年性疾病	深度学习	TrUE-Net	医学影像	NA
644	2025-09-03	BASE: Brain Age Standardized Evaluation 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120469 PMID:38065279	研究论文	提出一种名为BASE的脑年龄标准化评估框架，用于标准化脑年龄预测模型的评估与比较	首次提供包含多中心、未见站点、重测和纵向数据的标准化T1加权MRI数据集及配套评估协议	NA	解决脑年龄预测研究中因数据集和评估方法差异导致的难以比较问题	T1加权磁共振图像（T1w MRI）	医学影像分析	脑部疾病	深度学习	深度神经网络	MRI图像	多中心数据集，包含未见站点、重测和纵向数据
645	2025-09-03	Electrophysiological brain imaging based on simulation-driven deep learning in the context of epilepsy 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120490 PMID:38103624	研究论文	提出一种基于模拟驱动深度学习的癫痫脑电源成像方法，用于从高分辨率脑电图信号中定位和重建癫痫脑区活动	结合患者特异性头模型和神经质量模型生成模拟数据，并采用多尺度时空卷积网络（TCN与LSTM结合）捕捉EEG信号的局部空间模式和时间依赖关系	仅在三位耐药性部分性癫痫患者的真实数据上验证，样本量有限	解决癫痫背景下脑电源成像的逆问题，精确定位癫痫源并重建其电活动	癫痫患者的高分辨率256通道头皮EEG信号	计算神经科学	癫痫	高分辨率脑电图（Hr-EEG）、边界元法、神经质量模型	TCN（时序卷积网络）、LSTM（长短期记忆网络）	EEG信号	三位耐药性部分性癫痫患者的真实数据及模拟数据
646	2025-09-03	SIMPLEX: Multiple phase-cycled bSSFP quantitative magnetization transfer imaging with physic-guided simulation learning of neural network 2023-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120449 PMID:37951485	研究论文	提出一种基于物理引导神经网络学习的定量磁化转移成像方法SIMPLEX，用于改进多相位循环bSSFP数据的参数拟合	利用MR信号模型生成训练样本，无需真实标注数据，首次将仿真学习直接应用于体内数据定量分析	方法尚未在大规模临床数据集中验证，泛化能力需进一步评估	改进多相位循环bSSFP定量磁化转移成像的参数拟合精度与鲁棒性	磁共振成像信号与定量磁化转移参数	医学影像分析	NA	定量磁化转移成像（qMT），多相位循环平衡稳态自由进动（bSSFP）	神经网络	磁共振成像数据	仿真数据与体内实验数据（具体数量未明确说明）
647	2025-09-03	Deep learning based source imaging provides strong sublobar localization of epileptogenic zone from MEG interictal spikes 2023-11-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120366 PMID:37716593	研究论文	本研究提出了一种基于深度学习的脑电磁源成像框架，用于从MEG间歇性棘波中高精度定位癫痫灶	结合介观神经元建模与深度学习，直接从MEG数据学习传感器-源映射关系，突破了传统等效物理源模型的限制	模型训练依赖于神经网络模型生成的数据，且个性化模型需患者MRI几何信息	提高癫痫致病区的定位精度，支持临床决策	药物抵抗性局灶性癫痫患者	脑机接口与神经影像	癫痫	MEG, 深度学习, 颅内脑电图	DL-based ESI	脑磁图信号	29例接受颅内脑电图评估或手术切除的药物抵抗性癫痫患者
648	2025-09-03	Weighted entropy deep features on hybrid RNN with LSTM for glucose level and diabetes prediction 2023 Oct-Dec, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2022.2149263 PMID:36448678	研究论文	提出一种结合加权熵深度特征和混合RNN-LSTM的深度学习模型，用于血糖水平分类和糖尿病预测	采用改进的逃逸能量哈里斯鹰优化算法调整权重，并设计混合R-LSTM模型进行参数优化	未明确说明模型在不同人群和数据集上的泛化能力评估细节	开发高效的糖尿病预测和血糖水平分类系统	糖尿病患者的血糖数据	机器学习	糖尿病	深度学习优化算法	CNN, RNN, LSTM, 混合R-LSTM, 改进模糊分类器	血糖水平数据	使用两个基准数据集，具体样本量未明确说明
649	2025-09-03	Automated diagnosis and management of follicular thyroid nodules based on the devised small-dataset interpretable foreground optimization network deep learning: a multicenter diagnostic study 2023-09-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000506 PMID:37204464	研究论文	基于开发的小数据集可解释前景优化网络深度学习模型，实现滤泡性甲状腺结节的自动化诊断与管理	提出FThyNet深度学习模型，针对小数据集设计可解释前景优化网络，并首次系统评估结节边缘纹理信息对滤泡性甲状腺癌预测的影响	样本量相对有限（总样本503例），外部验证仅来自四个中心	开发可靠的术前滤泡性甲状腺癌检测系统，减少侵入性诊断需求	滤泡性甲状腺结节患者	数字病理	甲状腺癌	深度学习	CNN（基于超声图像的深度学习模型）	图像（术前超声图像）	训练与内部验证队列432例（瑞金医院），外部验证队列71例（四个临床中心）
650	2025-09-02	Automatic prostate volume estimation in transabdominal ultrasound images 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112274 PMID:40614658	研究论文	本研究提出了一种基于深度学习的框架，用于在经腹超声图像中自动估计前列腺体积，以改进非侵入性前列腺癌风险分层	开发了首个结合轴向和矢状面深度学习分割模型、自动直径估计及体积计算的TAUS前列腺体积自动估算框架	样本量有限（100例患者），且TAUS图像质量较低和操作者依赖性可能影响模型泛化能力	提升非侵入性前列腺癌风险分层的准确性和可及性	前列腺体积作为前列腺癌风险评估的关键参数	数字病理	前列腺癌	深度学习	CNN（基于分割任务推断）	超声视频	100例患者（中位年龄67岁，95%百分位范围55-81.2岁）
651	2025-09-02	Impact of super-resolution deep learning-based reconstruction for hippocampal MRI: A volunteer and phantom study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112289 PMID:40639021	研究论文	本研究评估了基于超分辨率深度学习重建（SR-DLR）对海马体薄层T2加权MRI图像质量的影响	提出SR-DLR方法，在保持对比度的同时显著提升图像信噪比，并减少零填充插值伪影	样本量较小（仅13名健康志愿者），未涉及患者群体验证	评估深度学习超分辨率重建技术在海马体MRI图像质量优化中的应用效果	人类志愿者和海马体MRI图像模体	医学影像分析	NA	超分辨率深度学习重建（SR-DLR），零填充插值（ZIP）	深度学习重建（DLR）	MRI图像	13名健康志愿者和ACR模体
652	2025-09-02	Deep learning CAIPIRINHA-accelerated 3D MRI of the knee cartilage at 7 Tesla 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112287 PMID:40651115	研究论文	研究深度学习重建在7特斯拉下CAIPIRINHA加速的3D膝关节软骨MRI中的可行性和扫描时间减少程度	将深度学习重建与CAIPIRINHA并行成像技术结合应用于7T超高场强膝关节软骨成像，实现最高六倍加速而保持图像质量	八倍和十二倍加速时图像质量下降，伪影显著增加；样本量较小（18名志愿者35个膝关节）	评估深度学习重建技术在超高场强膝关节软骨MRI中的加速性能和图像质量	人类膝关节软骨	医学影像分析	骨关节疾病	CAIPIRINHA并行成像，深度学习重建，3D DESS序列	深度学习重建模型	MRI图像	18名志愿者的35个膝关节
653	2025-09-02	A novel segmentation-based deep learning model for enhanced scaphoid fracture detection 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112309 PMID:40652603	研究论文	开发一种基于分割的深度学习模型，用于从手腕X光片中检测明显和隐匿的舟骨骨折	提出了一种结合分割方法的深度学习模型，在隐匿性舟骨骨折检测方面表现优于临床专家	样本量相对有限（408例患者），且仅针对单一类型骨折	开发并验证深度学习模型在舟骨骨折检测中的诊断性能	手腕X光片中的舟骨骨折，包括明显和隐匿性骨折	计算机视觉	骨科疾病	深度学习，图像分割	CNN	X光图像	408例患者，410个手腕，1011张X光片（其中718张包含骨折）
654	2025-09-02	Deep learning reconstruction enhances bone visualization in zero echo time MRI for cervical spondylosis: A prospective study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112310 PMID:40669257	研究论文	本研究评估深度学习重建技术在零回波时间MRI中提升颈椎病图像质量并缩短扫描时间的应用	首次将深度学习重建（DLR）与零回波时间（ZTE）MRI结合，在减少62%扫描时间的同时达到与传统高激发次数相当的图像质量	样本量较小（43例），且仅针对颈椎病患者，未涉及其他骨骼疾病或健康对照组	优化MRI成像流程，提升骨骼可视化效果并减少扫描时间	颈椎病术前患者的骨骼及软组织结构	医学影像分析	颈椎病	零回波时间MRI（ZTE MRI）与深度学习重建（DLR）	深度学习（未指定具体网络结构）	MRI图像	43例颈椎病术前患者
655	2025-09-02	Automated CAD-RADS scoring from multiplanar CCTA images using radiomics-driven machine learning 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112320 PMID:40684709	研究论文	本研究提出一种基于影像组学的机器学习方法，用于从多平面CCTA图像自动进行CAD-RADS评分	首次开发基于影像组学的CAD-RADS自动评分模型，相比深度学习方法具有更好的可解释性	回顾性单中心研究，样本量有限（251例患者）	自动化冠状动脉疾病报告和数据系统（CAD-RADS）评分	冠状动脉CT血管成像（CCTA）图像	医学影像分析	心血管疾病	影像组学特征提取，机器学习	级联分类管道（包含临床模型、影像组学模型和组合模型）	医学图像	251例患者（70%男性，平均年龄60.5±12.7岁）
656	2025-09-02	Deep learning-based temporal muscle quantification on MRI predicts adverse outcomes in acute ischemic stroke 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112332 PMID:40716184	研究论文	开发基于深度学习的MRI颞肌定量分析流程，用于预测急性缺血性卒中患者的不良预后	提出端到端的深度学习流程，实现自动切片选择、颞肌分割及定量分析，并首次验证颞肌厚度和面积作为急性缺血性卒中的独立预后标志物	研究样本仅来自单一中心，未进行外部验证	评估颞肌定量参数在急性缺血性卒中预后预测中的价值	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	MRI成像，深度学习	ResNet50, TransUNet	MRI图像	1020名急性缺血性卒中患者（分三个数据集：295例用于切片选择，258例用于分割，467例用于预后分析）
657	2025-09-02	NAVIGATOR: A regional multimodal imaging biobank initiative powered by AI tools for precision medicine in oncology 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112327 PMID:40743874	研究论文	介绍NAVIGATOR项目，一个集成了多模态成像、临床和组学数据的AI驱动生物样本库与研究平台，用于肿瘤精准医学	超越静态存储库，提供安全的虚拟研究环境(VRE)，支持用户上传数据、测试AI算法并执行完整分析流程，整合AI驱动的放射组学和深度学习方法	NA	通过AI方法推进肿瘤学研究并支持临床决策，解决数据协调、监管合规和AI系统公平性等挑战	前列腺癌、直肠癌和胃癌患者	数字病理	肿瘤学（前列腺癌、直肠癌、胃癌）	放射组学、深度学习	AI模型（具体类型未指定）	多模态成像、临床数据、组学数据	超过700名患者的成像和临床数据
658	2025-09-02	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出一种基于变分点云自编码器的3D心脏形状分析方法，用于心肌梗死预测和虚拟心脏合成	首次将多类别变分点云自编码器(Point VAE)应用于心脏形状分析，能够直接在点云表示上学习多尺度特征并捕获非线性3D形状变异性	NA	开发一种几何深度学习方法用于3D心脏形状和功能分析	人类心脏解剖结构和生理功能	计算机视觉	心血管疾病	变分自编码器	VAE	3D点云	超过10,000名受试者
659	2025-09-02	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	研究论文	提出一种名为FeaCL的自监督学习技术，通过特征级和实例级对比学习提升超声图像中颈动脉斑块的分类性能	结合三重网络与强弱数据增强策略，在自监督预训练中同时优化特征和实例层面的表示相似性	NA	解决颈动脉斑块超声图像标注数据稀缺问题，提升分类准确率	颈动脉斑块超声图像	计算机视觉	心血管疾病	自监督学习，对比学习	三重网络（Triplet Network）	图像	NA
660	2025-09-02	D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102589 PMID:40602042	研究论文	提出一种基于无监督配准网络和相似性分析的脑区分割方法D2C-Morph	通过双路径网络和双重对比学习强调输入特征，并利用相关层增强特征图相似性以提升解码器性能	NA	开发能够联合执行图像配准与分割的无监督学习模型	脑部图像数据	计算机视觉	NA	无监督学习，对比学习	无监督配准网络，双路径网络	图像	NA