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
661	2025-06-12	Multiparametric MR Urography: State of the Art 2025-04, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240151 PMID:40080439	review	本文综述了多参数MR尿路造影（MRU）的最新技术进展及其在临床中的应用	MRU技术在对比分辨率、组织表征及上尿路可视化方面与CT尿路造影（CTU）相当，并在特定患者群体中成为首选检查方法	MRU在某些情况下可能不如CTU普及，且需要技术优化和对各种尿路病理条件的深入了解	探讨MRU技术的发展现状及其在尿路疾病诊断中的应用	肾脏、肾盂系统、输尿管和膀胱	数字病理	泌尿系统疾病	静态流体T2加权成像、钆增强尿路上皮和排泄期成像、动态对比增强MRI、扩散加权成像	NA	图像	NA
662	2025-06-12	Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time 2025-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8491 PMID:39255988	research paper	研究探讨了基于深度学习的ASPECTS算法如何提升医生在急性缺血性卒中治疗中的表现并减少解读时间	开发了一种深度学习算法（CINA-ASPECTS），能够自动计算ASPECTS，显著提高医生的诊断准确性和效率	研究仅基于200例NCCT扫描，样本量有限，且仅评估了8位临床医生的表现	评估深度学习算法在急性缺血性卒中ASPECTS解读中的辅助效果	急性缺血性卒中患者的NCCT扫描图像	digital pathology	cardiovascular disease	深度学习	DL-based algorithm	image	200例NCCT扫描来自5个临床中心，涉及27种扫描仪型号和4个不同供应商
663	2025-06-12	Challenges and solutions of deep learning-based automated liver segmentation: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109459 PMID:39642700	系统综述	本文系统综述了基于深度学习的肝脏自动分割面临的挑战及其解决方案	将肝脏分割挑战分为五大类，并调查了针对每类挑战提出的技术解决方案	仅涵盖了2016年至2022年间发表的文献，可能未包含最新研究进展	分析肝脏分割的挑战并识别研究者为应对这些挑战对网络模型所做的修改及其他改进	医学图像中的肝脏分割	数字病理	肝脏疾病	深度学习	NA	医学图像	88篇来自Scopus和ScienceDirect数据库的文章
664	2025-06-12	Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109530 PMID:39693692	系统文献综述	本文通过系统文献综述探讨了深度学习技术在MRI检测和分析多发性硬化症中的应用	全面梳理和总结了深度学习在MRI检测和分析多发性硬化症中的最新研究进展	仅基于筛选后的82篇文献进行分析，可能未涵盖所有相关研究	评估深度学习技术在MRI检测和分析多发性硬化症中的应用效果	多发性硬化症患者	数字病理学	多发性硬化症	MRI	CNN	image	401篇文献初筛，最终纳入82篇研究
665	2025-06-12	The Use of Artificial Intelligence and Wearable Inertial Measurement Units in Medicine: Systematic Review 2025-Jan-29, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/60521 PMID:39880389	系统综述	本文系统评估了人工智能（AI）与可穿戴惯性测量单元（IMUs）在医疗保健中的整合，探讨了当前应用、挑战及未来机遇	首次系统性地分析了AI与IMUs在医疗领域的结合，揭示了机器学习模型的主导地位及深度学习模型的增长潜力	数据集规模较小（中位数50名参与者），监督学习的过度使用，以及临床环境研究多于真实场景的局限性	评估AI模型与可穿戴IMUs在医疗保健中的整合，以改善患者护理和推动医学研究	AI模型与可穿戴IMUs的整合应用	医疗保健技术	神经系统疾病（65%的研究聚焦于此）	机器学习（76%的研究使用），包括线性回归、支持向量机和随机森林	机器学习（传统模型）与深度学习（增长潜力）	可穿戴IMUs数据	中位数50名参与者
666	2025-06-12	Cell-APP: A generalizable method for microscopic cell annotation, segmentation, and classification 2025-Jan-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.23.634498 PMID:39896521	研究论文	提出了一种通用的方法Cell-APP，用于生成大规模实例分割训练数据集，以训练基于视觉变换器（ViT）的Mask-RCNN模型，实现细胞的高精度分割和分类	开发了一种通用方法生成大规模实例分割训练数据集，解决了标注数据不足的问题，并利用ViT-based Mask-RCNN模型实现高精度细胞分割和分类	方法依赖于通用的细胞特征，可能对某些特定细胞类型的适用性有限	开发一种通用方法，用于细胞的高通量显微镜图像的实例分割和分类	组织培养细胞在透射光显微镜图像中的实例分割和分类	计算机视觉	NA	荧光显微镜，透射光显微镜	ViT-based Mask-RCNN	图像	NA
667	2025-06-12	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	开发了一种基于病理组学的人工智能模型，用于预测口腔白斑和头颈部鳞状细胞癌中的9p染色体缺失及其预后	首次在口腔白斑和头颈部鳞状细胞癌中开发了基因组改变预测的深度学习模型，结合Transformer方法和XGBoost算法	样本量相对较小，外部测试数据集仅有23例	开发快速且经济高效的预测9p染色体缺失的AI模型，并评估其在头颈部鳞状细胞癌患者预后中的应用	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，基因组改变数据	Transformer, XGBoost	图像	333例OLK病例（217例训练集，93例验证集，23例外部测试集），407例HNSCC病例（42例和365例两个多中心数据集）
668	2025-06-12	Cognitive Dysfunction in the Addictions (CDiA): protocol for a neuron-to-neighbourhood collaborative research program 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1455968 PMID:40462873	研究论文	介绍了一项名为‘成瘾中的认知功能障碍’(CDiA)的综合研究计划，旨在填补对执行功能(EFs)在物质使用障碍(SUDs)中作用的理解空白	通过跨学科研究整合临床、生物医学、临床前和健康服务研究，开发与生物心理社会模型一致的政策和干预措施	研究样本仅限于18-60岁的成年人，且随访时间仅为一年	探索执行功能在物质使用障碍中的关键作用及其对功能恢复的影响	寻求SUD治疗的成年人(目标样本量=400)	神经科学与成瘾医学	物质使用障碍	重复经颅磁刺激(rTMS)、深度学习、聚类分析	深度学习	多模态数据(包括临床、生物医学和行为数据)	400名18-60岁的成年人
669	2025-06-12	A deep learning aided bone marrow segmentation of quantitative fat MRI for myelofibrosis patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1498832 PMID:40485725	research paper	该研究使用深度学习U-Net模型自动化定量脂肪MRI中骨髓纤维化患者骨盆骨髓的分割	比较了四种U-Net模型（2D U-Net、2D注意力U-Net、3D U-Net和3D注意力U-Net）在骨髓分割中的性能，发现2D注意力U-Net在股骨和髂骨的骨髓分割中表现最佳	研究仅针对骨髓纤维化患者，样本量为58人，可能限制了模型的泛化能力	自动化骨髓纤维化患者骨盆骨髓的分割	骨髓纤维化患者的骨盆MRI图像	digital pathology	myelofibrosis	quantitative fat MRI	U-Net, 2D attention U-Net, 3D U-Net, 3D attention U-Net	MRI images	58名骨髓纤维化患者的骨盆MRI图像
670	2025-06-12	Identification of Important Diagnostic Genes in the Uterine Using Bioinformatics and Machine Learning 2025, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.39.4 PMID:40486012	研究论文	本研究利用生物信息学和机器学习算法识别子宫癌的重要诊断基因	发现了MEX3B、CTRP2 (C1QTNF2)和AASS这三个新的子宫体子宫内膜癌(UCEC)生物标志物	NA	探索子宫癌诊断和预后的重要基因	子宫体子宫内膜癌(UCEC)患者	生物信息学	子宫癌	RNA测序、深度学习	DNN	基因表达数据	NA
671	2025-06-12	Donor-specific digital twin for living donor liver transplant recovery 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf037 PMID:40486178	research paper	该研究开发了一种基于深度学习的个性化数字孪生模型，用于预测活体肝移植供体的肝脏恢复轨迹	通过整合基因表达数据和肝细胞转换的数学模型，创建了一个个性化的数字孪生模型，能够预测供体特定的恢复轨迹	样本量较小（12名供体），且仅基于血液基因表达数据，可能无法完全反映肝脏再生的复杂性	提高活体肝移植供体的术后护理质量，确保更安全的移植和更好的供体恢复	活体肝移植供体	digital pathology	liver disease	gene expression analysis, deep learning	deep learning-based framework	gene expression data	12名供体
672	2025-06-12	Artificial intelligence based surgical support for experimental laparoscopic Nissen fundoplication 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1584628 PMID:40487013	研究论文	本研究开发了一种基于AI/CV的图像分类模型，用于评估腹腔镜Nissen胃底折叠术的质量指标	首次开发了基于AI/CV的图像分类模型来评估腹腔镜Nissen胃底折叠术的质量指标	研究仅基于猪模型实验，未进行临床Nissen胃底折叠术测试	探索AI/CV在手术支持中的应用，提高手术效果和患者安全性	腹腔镜Nissen胃底折叠术的质量指标	计算机视觉	胃食管反流病	深度学习	EfficientNet	图像	57个视频序列，提取了3,138张图像
673	2025-06-12	Metal artifact reduction combined with deep learning image reconstruction algorithm for CT image quality optimization: a phantom study 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19516 PMID:40487060	research paper	评估智能金属伪影减少(MAR)算法与不同扫描参数组合对CT图像质量的影响，以确定临床应用的最佳方案	结合深度学习图像重建(DLIR-H)算法与MAR技术，优化金属伪影减少和图像质量	研究基于体模实验，未涉及真实患者数据	优化CT图像质量，减少金属伪影	带有起搏器的体模	医学影像处理	NA	CT扫描，深度学习图像重建(DLIR)，金属伪影减少(MAR)	DLIR-H	CT图像	体模实验，标准剂量(3 mSv)和低剂量(0.5 mSv)各三种扫描电压(70, 100, 120 kVp)
674	2025-06-12	Automatic quantification of left atrium volume for cardiac rhythm analysis leveraging 3D residual UNet for time-varying segmentation of ECG-gated CT 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.039 PMID:40487246	研究论文	本研究提出了一种基于AI的框架，用于分割整个心动周期中的左心房并分类房颤患者	采用定制的Residual 3D-UNet模型和One-Class SVM，实现了对时间变化的ECG门控CT扫描的自动分割和房颤分类	分类器的敏感性较低（70%），存在将房颤误分类为窦性心律的风险	开发一种自动化工具，用于房颤的诊断和管理	左心房体积变化和房颤患者	数字病理学	心血管疾病	ECG门控CT扫描	Residual 3D-UNet, One-Class SVM	3D图像	93例时间变化的ECG门控CT扫描（60例用于分割任务，33例用于分类任务）
675	2025-06-12	ScannerVision: Scanner-based image acquisition of medically important arthropods for the development of computer vision and deep learning models 2025, Current research in parasitology & vector-borne diseases IF:1.7Q3 DOI:10.1016/j.crpvbd.2025.100268 PMID:40487328	研究论文	本文提出了一种基于扫描仪的高通量方法，用于捕获医学重要节肢动物的图像，以生成适合训练机器学习算法的大型数据集	开发了一种新型的扫描仪成像方法，解决了传统显微镜成像视野狭窄的问题，并验证了其图像质量与显微镜相当	未提及样本数量的具体限制或扫描仪方法在特定环境下的适用性问题	开发适用于计算机视觉和深度学习模型的医学重要节肢动物图像采集方法	医学重要节肢动物（如昆虫和蜘蛛）	计算机视觉	NA	扫描仪成像	InceptionV3, ResNet, MobileNetV2	图像	未明确提及具体数量，但涉及多种采样方法（如粘性陷阱、诱蚊陷阱、UV光陷阱）收集的样本
676	2025-06-12	Classification of non-small cell lung cancer by histologic subtype using deep learning in public and private data sets of computed tomography images 2025 Jan-Dec, Radiologia brasileira DOI:10.1590/0100-3984.2024.0093 PMID:40487349	研究论文	开发了一种基于深度学习的系统，用于从CT图像中分类非小细胞肺癌的组织学亚型	使用2D U-Net和VGG16网络进行肿瘤分割和分类，并在公共和私人数据集上验证了其准确性	研究仅针对腺癌和鳞状细胞癌两种亚型，未涵盖其他非小细胞肺癌亚型	开发一个深度学习系统，用于从CT图像中自动分类非小细胞肺癌的组织学亚型	非小细胞肺癌（NSCLC）的CT图像	数字病理学	肺癌	CT成像	2D U-Net, VGG16	图像	28,506张CT图像用于预训练，2,015张用于验证，3,080张腺癌和鳞状细胞癌图像用于分类算法开发
677	2025-06-12	Brain Tumour Detection Using VGG-Based Feature Extraction With Modified DarkNet-53 Model 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/5535505 PMID:40487802	research paper	该研究提出了一种基于改进DarkNet-53模型和VGG特征提取的脑肿瘤检测方法，以提高MRI扫描中脑肿瘤的早期诊断准确率	结合改进的DarkNet-53架构和入侵杂草优化（IWO）算法，优化特征提取过程，显著提高脑肿瘤检测的准确率	研究仅基于3264个MRI扫描样本，可能需要更大规模的数据集验证模型的泛化能力	提高脑肿瘤的早期检测准确率，以改善治疗效果和患者预后	MRI扫描图像中的脑肿瘤	computer vision	brain tumor	deep learning	modified DarkNet-53 with VGG-based feature extraction	MRI images	3264 MRI scans
678	2025-06-12	Automatic identification of human spermatozoa with zona pellucida-binding capability using deep learning 2025, Human reproduction open IF:8.3Q1 DOI:10.1093/hropen/hoaf024 PMID:40487847	研究论文	本研究开发了一种基于深度学习的模型，用于自动识别具有透明带结合能力的人类精子，以预测其受精潜力	首次建立了一个独立于传统精液分析的深度学习模型，基于精子受精能力而非WHO标准进行形态评估	模型目前仅适用于高分辨率、风干、Diff-Quik染色的精子样本，需要进一步研究验证其在其他图像质量和大样本量下的分类性能	开发一种能够预测精子受精潜力的自动化评估方法	人类精子	数字病理学	男性不育症	深度学习	VGG13	图像	1083张Diff-Quik染色图像用于训练，220张用于独立测试，临床验证涉及117名男性患者的33000多张精子图像
679	2025-06-12	Leveraging machine learning in nursing: innovations, challenges, and ethical insights 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1514133 PMID:40487987	综述	本文综述了机器学习在护理领域的应用，探讨其对患者护理、护理实践和医疗保健服务的影响	填补了机器学习在护理领域应用的讨论空白，平衡了技术创新与护理的人本特性	未提及具体研究样本量，且主要基于2019-2023年的文献，可能无法涵盖最新进展	分析机器学习在护理中的整合情况，包括当前应用、挑战、伦理考量和未来发展潜力	护理领域的机器学习应用	机器学习	NA	机器学习	深度学习（如COMPOSER模型）	NA	NA
680	2025-06-12	Enhancing corn industry sustainability through deep learning hybrid models for price volatility forecasting 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323714 PMID:40489457	研究论文	本研究提出了一种基于多模块小波变换的融合预测模型TLDCF-TSD-BBF，用于准确预测短期玉米价格波动，从而提升玉米产业的可持续性	提出了TLDCF-TSD-BBF模型，整合了TLDCF-TSD、BiTCEN、BiLSTM和FECAM等多种技术，显著提高了预测精度和鲁棒性	研究仅针对中国五大玉米产区的价格数据，可能无法完全代表全球其他地区的玉米价格波动情况	解决玉米价格波动对产业可持续性带来的挑战	玉米价格波动	机器学习	NA	小波变换、双向时间卷积增强网络、双向长短期记忆网络、频率增强通道注意力机制	TLDCF-TSD-BBF（整合了BiTCEN、BiLSTM等技术）	时间序列数据	中国五大玉米产区的价格数据