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
6601	2025-02-17	Identification of Intracranial Germ Cell Tumors Based on Facial Photos: Exploratory Study on the Use of Deep Learning for Software Development 2025-Jan-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58760 PMID:39883924	研究论文	本研究探讨了面部识别技术在儿童和青少年颅内生殖细胞肿瘤（iGCTs）早期检测中的应用，开发并验证了深度学习模型GVisageNet	首次将深度学习模型GVisageNet应用于iGCTs的早期检测，并结合临床数据开发了混合模型，显著提高了诊断准确性	研究样本量相对较小，且仅来自东亚地区的医疗机构，可能影响模型的普适性	探索面部识别技术在iGCTs早期检测中的应用，以提高患者的生活质量和治疗效果	儿童和青少年颅内生殖细胞肿瘤（iGCTs）患者	数字病理	脑肿瘤	深度学习	GVisageNet	面部照片	训练集847例（iGCTs=358，正常对照=300，其他中线脑肿瘤=189），测试集212例（iGCTs=79，正常对照=70，其他中线脑肿瘤=63），独立验证集336例（iGCTs=130，正常对照=100，其他中线脑肿瘤=106）
6602	2025-02-17	Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty 2025-Jan-27, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.032 PMID:39880053	研究论文	本研究开发了一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志并自动化相关测量	开发了一种新的深度学习模型，能够实时自动识别临床相关的骨盆标志，并提供与训练有素的人类相当的THA相关测量	临床使用目前仍有限	开发一种深度学习模型，用于在全髋关节置换术中自动标注骨盆标志并自动化相关测量	161例初次全髋关节置换术的影像数据	计算机视觉	骨科疾病	深度学习	深度学习模型	影像数据（X光和透视图像）	161例初次全髋关节置换术的影像数据
6603	2025-02-17	A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs 2025-Jan-27, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.038 PMID:39880057	研究论文	本研究开发了一种用于膝关节前后位X光片上最小关节间隙宽度（mJSW）自动测量的深度学习工具	开发了一种结合深度学习分割模型和计算机视觉算法的端到端算法，用于自动测量膝关节内外侧的最小关节间隙宽度，能够灵活处理自然膝关节和关节置换后的膝关节	算法与人工测量的差异在73.2%的情况下小于1毫米，但仍存在一定误差	开发并验证一种自动化算法，用于在膝关节前后位X光片上测量最小关节间隙宽度（mJSW）	膝关节前后位X光片	计算机视觉	骨关节炎	深度学习	深度学习分割模型	图像	583张图像用于训练、验证和测试深度学习模型，330张独立图像用于提供计算机视觉算法开发和验证的基准测量
6604	2025-02-17	An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients 2025-Jan-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17030423 PMID:39941791	研究论文	本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划	提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影	研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据	比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能	脑肿瘤患者	数字病理学	脑肿瘤	光谱MRI (sMRI)	自监督深度学习模型	MRI图像	30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试
6605	2025-02-17	Retrospectively Quantified T2 Improves Detection of Clinically Significant Peripheral Zone Prostate Cancer 2025-Jan-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17030381 PMID:39941750	研究论文	本研究评估了结合深度学习估计的T2映射与传统T2加权图像在检测临床显著性前列腺癌（csPCa）中的附加价值	利用深度学习从临床获取的T1和T2加权图像估计T2映射，结合传统T2加权图像，提高了对临床显著性前列腺癌的检测能力	研究样本量较小（76例），且为回顾性分析，可能存在选择偏倚	评估深度学习估计的T2映射在检测临床显著性前列腺癌中的附加价值	76例外周带前列腺病变，包括临床显著性和非显著性病例	数字病理学	前列腺癌	多参数MRI（mpMRI），深度学习	Logistic回归，高斯过程分类器	图像	76例外周带前列腺病变
6606	2025-02-17	Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling 2025-Jan-20, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2025.01.008 PMID:39842544	研究论文	本研究使用多种动态深度学习算法，基于视频超声心动图开发预测模型，并评估不同样本量对模型性能的影响	比较了3D卷积神经网络、视频视觉变换器以及混合卷积神经网络和长短期记忆模型在监督学习和半监督学习中的表现，特别是在不同样本量下的性能	研究主要关注模型性能的比较，未涉及实际临床应用效果的验证	开发并评估基于视频超声心动图的预测模型，探索样本量对模型性能的影响	视频超声心动图数据	计算机视觉	心血管疾病	深度学习	3D CNN, Video Vision Transformers, CNN+LSTM	视频	200、400、800个视频数据集
6607	2025-02-17	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	本文提出了一种基于流的截断去噪扩散模型（FTDDM），用于提高磁共振波谱成像（MRSI）的超分辨率	通过截断扩散链并使用基于归一化流的网络估计截断步骤，显著缩短了扩散过程，同时实现了多尺度超分辨率	尽管采样速度提高了9倍以上，但模型的训练和评估依赖于特定数据集，可能限制了其泛化能力	开发一种能够从低分辨率数据生成高分辨率MRSI的后处理方法，以克服时间和灵敏度限制	高分辨率磁共振波谱成像（MRSI）	计算机视觉	癌症	深度学习	FTDDM（基于流的截断去噪扩散模型）	图像	25名高级别胶质瘤患者的H-MRSI数据集
6608	2025-02-17	AI predictive models and advancements in microdissection testicular sperm extraction for non-obstructive azoospermia: a systematic scoping review 2025, Human reproduction open IF:8.3Q1 DOI:10.1093/hropen/hoae070 PMID:39764557	系统范围综述	本文综述了人工智能（AI）模型在预测非梗阻性无精子症（NOA）患者进行显微睾丸精子提取（m-TESE）手术中精子获取成功率方面的准确性和潜力	首次系统评估了AI模型在预测m-TESE手术结果中的应用，整合了临床、激素、组织病理学和遗传因素	研究设计的异质性、样本量小、缺乏验证研究以及仅依赖PubMed和Scopus两个数据库可能限制了研究结果的广泛适用性	评估AI模型在预测NOA患者m-TESE手术中精子获取成功率的准确性和潜力	非梗阻性无精子症（NOA）患者	生殖医学	非梗阻性无精子症	机器学习、深度学习、逻辑回归	AI预测模型	临床数据、激素水平、组织病理学评估、遗传参数	45项研究，具体样本量未明确
6609	2025-02-17	Hybrid-RViT: Hybridizing ResNet-50 and Vision Transformer for Enhanced Alzheimer's disease detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318998 PMID:39951414	研究论文	本研究开发了一种名为Hybrid-RViT的新型深度学习模型，通过结合ResNet-50和Vision Transformer来增强阿尔茨海默病的检测	Hybrid-RViT模型首次将预训练的卷积神经网络ResNet-50与Vision Transformer结合，用于分类不同阶段的阿尔茨海默病脑部MRI图像	NA	开发一种深度学习模型以提高阿尔茨海默病的早期检测能力	阿尔茨海默病患者的脑部MRI图像	计算机视觉	阿尔茨海默病	深度学习	ResNet-50, Vision Transformer (ViT)	图像	NA
6610	2025-02-17	Fast fault diagnosis of smart grid equipment based on deep neural network model based on knowledge graph 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315143 PMID:39951439	研究论文	本文提出了一种基于深度神经网络和知识图谱的智能电网设备快速故障诊断模型	创新性地将YOLOv4目标检测算法与知识图谱结合，建立了智能电网设备故障诊断模型	现有智能电网设备故障诊断技术应用复杂且诊断率不高	提高智能电网设备故障诊断的准确性和效率	智能电网设备	机器学习	NA	深度学习、知识图谱	YOLOv4	多模态信息	NA
6611	2025-02-17	Tricuspid valve flow measurement using a deep learning framework for automated valve-tracking 2D phase contrast 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30163 PMID:38817154	研究论文	本文开发了一种自动瓣膜追踪的2D方法，用于测量动态三尖瓣的血流速度	使用深度学习网络TVnet自动追踪三尖瓣平面，并应用于动态2D相位对比成像	样本量较小，仅包括9名健康受试者和2名患者	评估三尖瓣血流速度，解决心血管MR测量中的挑战	健康受试者和患者的三尖瓣血流	计算机视觉	心血管疾病	2D相位对比成像	深度学习网络TVnet	图像	9名健康受试者和2名患者
6612	2025-02-17	Diffusion Correction in Fricke Hydrogel Dosimeters: A Deep Learning Approach with 2D and 3D Physics-Informed Neural Network Models 2024-Aug-30, Gels (Basel, Switzerland) DOI:10.3390/gels10090565 PMID:39330168	研究论文	本文提出了一种创新的深度学习方法，利用2D和3D物理信息神经网络模型来解决Fricke凝胶剂量计中离子扩散导致的剂量分布测量不准确的问题	首次将物理信息神经网络（PINNs）应用于Fricke凝胶剂量计中，通过将物理定律直接融入学习过程，优化网络以遵循离子扩散的物理原理，从而准确重建原始离子分布	研究仅针对数值模拟数据进行测试，未涉及实际实验数据的验证	提高Fricke凝胶剂量计在辐射剂量测量中的精度，克服离子扩散对剂量分布测量的影响	Fricke凝胶剂量计中的离子扩散现象	机器学习	NA	物理信息神经网络（PINNs）	PINNs	2D和3D数据	数值模拟数据，时间跨度从20到100小时
6613	2025-02-17	BioMapAI: Artificial Intelligence Multi-Omics Modeling of Myalgic Encephalomyelitis / Chronic Fatigue Syndrome 2024-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.24.600378 PMID:38979186	研究论文	本文介绍了BioMapAI，一个可解释的深度学习框架，用于建模肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的多组学数据	开发了BioMapAI框架，首次使用最丰富的纵向多组学数据集进行ME/CFS研究，并创建了健康和疾病状态下的组学连接图	NA	解决ME/CFS和长期COVID等慢性疾病的高异质性和多因素病因及进展问题，改善诊断和治疗	肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者	机器学习	慢性疲劳综合征	多组学分析	深度学习	多组学数据（包括肠道宏基因组学、血浆代谢组、免疫分析、血液实验室数据和临床症状）	NA
6614	2025-02-17	Universal representation learning for multivariate time series using the instance-level and cluster-level supervised contrastive learning 2024-May, Data mining and knowledge discovery IF:2.8Q2 DOI:10.1007/s10618-024-01006-1 PMID:39949582	研究论文	本文提出了一种新的监督对比学习方法（SupCon-TSC），用于多变量时间序列分类任务，以提高分类性能并学习可解释的低维表示	提出了实例级和集群级的监督对比学习方法，以捕捉上下文信息并学习多变量时间序列数据集的判别性和通用表示	在小型数据集上的表现较好，但在更大规模数据集上的效果尚未验证	提高多变量时间序列分类任务的性能，特别是在标签数据有限的情况下	多变量时间序列数据	机器学习	NA	监督对比学习	SupCon-TSC	时间序列数据	两个小型心肺运动测试（CPET）数据集和UEA多变量时间序列档案
6615	2025-02-17	Clinical efficacy of motion-insensitive imaging technique with deep learning reconstruction to improve image quality in cervical spine MR imaging 2024-Mar-28, The British journal of radiology DOI:10.1093/bjr/tqae026 PMID:38366622	研究论文	本研究探讨了结合深度学习重建（DLR）的T2周期性旋转重叠平行线增强重建（PROPELLER）技术在颈椎MRI中提高图像质量和降低图像噪声的临床效果	结合深度学习重建（DLR）的PROPELLER技术首次应用于颈椎MRI，显著提高了图像质量和降低了噪声	样本量较小（35例患者），且研究时间较短（2020年12月至2021年3月）	评估PROPELLER技术与DLR结合在颈椎MRI中的图像质量和噪声改善效果	35例接受颈椎MRI检查的患者	医学影像	颈椎疾病	T2 PROPELLER技术，深度学习重建（DLR）	深度学习模型	MRI图像	35例患者
6616	2025-02-17	Characterizing Anti-Vaping Posts for Effective Communication on Instagram Using Multimodal Deep Learning 2024-Feb-15, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco IF:3.0Q2 DOI:10.1093/ntr/ntad189 PMID:38366336	研究论文	本研究旨在通过人工智能识别Instagram上反电子烟图片帖子中与高社交媒体用户参与度相关的关键特征	利用深度学习模型和统计模型识别反电子烟Instagram图片帖子中与高用户参与度显著相关的特征	研究主要基于Instagram平台，可能不适用于其他社交媒体平台	识别反电子烟Instagram图片帖子中与高社交媒体用户参与度相关的关键特征	Instagram上的反电子烟图片帖子	自然语言处理	NA	深度学习模型（OpenAI: contrastive language-image pre-training with ViT-B/32）和统计模型（负二项回归模型）	CNN（ViT-B/32）	图像和文本	8972个反电子烟Instagram图片帖子，其中2200个手工编码
6617	2025-02-17	End-to-end deep learning method for predicting hormonal treatment response in women with atypical endometrial hyperplasia or endometrial cancer 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.017502 PMID:38370423	研究论文	本研究探讨了使用深度学习模型预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗反应的可行性	首次使用全切片图像（WSI）和混合监督的端到端机器学习模型来预测激素治疗反应	样本量较小（112例患者），且仅来自两个临床中心，可能影响模型的泛化能力	探索使用深度学习模型预测非典型子宫内膜增生或子宫内膜癌患者对激素治疗反应的可行性	非典型子宫内膜增生（AEH）或子宫内膜癌（EC）患者	数字病理学	子宫内膜癌	深度学习	Autoencoder, ResNet50	图像	112例患者
6618	2025-02-16	A Veterinary DICOM-Based Deep Learning Denoising Algorithm Can Improve Subjective and Objective Brain MRI Image Quality 2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70015 PMID:39945204	研究论文	本研究评估了一种专为兽医患者开发的基于DICOM的深度学习去噪算法在犬猫脑部MRI图像中的应用效果	开发了一种专为兽医患者设计的基于DICOM的深度学习去噪算法，并首次在犬猫脑部MRI图像中进行了定量和定性评估	样本量较小，仅包括30只犬猫，且仅在1.5T MRI设备上进行了测试	评估深度学习去噪算法在兽医脑部MRI图像中的应用效果	犬和猫的脑部MRI图像	计算机视觉	NA	深度学习去噪算法	深度学习	图像	30只犬猫的脑部MRI图像
6619	2025-02-16	Unsupervised cross talk suppression for self-interference digital holography 2025-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.544342 PMID:39951778	研究论文	本文提出了一种基于循环一致性生成对抗网络（CycleGAN）的无监督串扰抑制方法，用于自干涉数字全息术	创新点在于提出了一种无需配对训练数据的无监督学习方法，通过显著性约束避免图像内容失真	在实际实验中，获取配对数据集以完成训练是困难的	研究目的是提高自干涉数字全息术在非相干成像领域的分辨率	自干涉数字全息术中的串扰信息	计算机视觉	NA	自干涉数字全息术	CycleGAN	图像	NA
6620	2025-02-16	Fourier-inspired single-pixel holography 2025-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.547399 PMID:39951780	研究论文	本文介绍了一种名为傅里叶启发的单像素全息术（FISH）的有效数字全息术方法，该方法使用单像素探测器而非传统相机来捕捉光场信息	FISH结合了傅里叶单像素成像和离轴全息技术，能够直接获取有用信息，而无需在空间域记录全息图并在傅里叶域过滤不需要的项，此外，还采用深度学习技术联合优化采样掩模和成像增强模型，以在低采样率下实现高质量结果	NA	探索并验证一种新的数字全息术方法，以在低采样率下实现高质量的单像素相位成像	光场信息的捕捉与成像	计算机视觉	NA	傅里叶单像素成像、离轴全息技术、深度学习	深度学习模型	光场信息	NA