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
7101	2025-04-18	Hybrid CNN and random forest model with late fusion for detection of autism spectrum disorder in Toddlers 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103278 PMID:40236798	research paper	提出了一种结合VGG16 CNN和随机森林分类器的混合模型，用于幼儿自闭症谱系障碍（ASD）的检测	结合了VGG16 CNN的高层次图像特征提取和随机森林的集成分类能力，提高了ASD诊断的准确率	未来研究需要整合多模态数据（如遗传和社会人口统计数据）并在多样化数据集上进一步测试以提高泛化能力	提高幼儿自闭症谱系障碍（ASD）的早期诊断准确率	幼儿自闭症谱系障碍（ASD）患者	machine learning	自闭症谱系障碍	深度学习与机器学习结合	VGG16 CNN与随机森林（RF）分类器的混合模型	图像和问卷数据	Kaggle上的ACD图像数据集和ACD问卷数据集
7102	2025-04-18	Radiomics and Artificial Intelligence Landscape for [18F]FDG PET/CT in Multiple Myeloma 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.11.005 PMID:39674756	综述	本文综述了放射组学和人工智能在[18F]FDG PET/CT多发性骨髓瘤中的应用现状和前景	探讨了放射组学和AI在提高PET/CT标准化解读和客观量化方面的创新应用	目前尚无标准化的解读或客观量化PET/CT的方法	支持和指导多发性骨髓瘤的管理	多发性骨髓瘤患者的[18F]FDG PET/CT影像	数字病理学	多发性骨髓瘤	放射组学、机器学习、深度学习	NA	医学影像	NA
7103	2025-04-18	Deep Learning-Derived Quantitative Scores for Chronic Rhinosinusitis Assessment: Correlation With Quality of Life Outcomes 2025-May, American journal of rhinology & allergy IF:2.5Q1 DOI:10.1177/19458924251313845 PMID:39819002	research paper	本研究利用深度学习自动分割鼻窦，生成定量评分，并探讨其与慢性鼻窦炎患者生活质量的相关性	首次使用深度学习自动分割鼻窦并生成定量评分，探索其与疾病特异性生活质量的相关性	定量评分与术后生活质量改善无显著关联	开发慢性鼻窦炎的客观量化评估工具	慢性鼻窦炎患者的CT数据	digital pathology	chronic rhinosinusitis	CT扫描	nnU-Net	image	445例CT数据（来自2个医疗中心）
7104	2025-04-18	The Evolution of Artificial Intelligence in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.006 PMID:39934005	review	本文综述了人工智能在核医学中的演变及其在诊断、治疗和图像处理中的应用	探讨了人工智能在核医学中的最新进展，包括深度学习、生成式AI及其在个性化治疗中的应用	数据稀缺性、异质性以及伦理问题是临床转化的主要障碍	研究人工智能在核医学中的应用及其对诊断和治疗效果的优化	核医学中的诊断、预后、分割、图像质量增强和治疗诊断学	machine learning	NA	machine learning, deep learning, generative AI	CNN, transformer-based neural networks, large language models, diffusion techniques	image, text	NA
7105	2025-04-18	AI in Breast Cancer Imaging: An Update and Future Trends 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.008 PMID:40011118	review	本文回顾了人工智能在乳腺癌影像学中的最新应用和未来趋势	探讨了AI在乳腺癌影像学中的多种应用，包括病灶检测与分类、风险分层、分子亚型分析等，并展示了与放射科医生相当或更优的性能	需要数据标准化、大规模标注的多模态数据集和广泛的前瞻性临床试验来验证深度学习的临床效用，并解决法律和伦理问题	探讨人工智能在乳腺癌影像学中的应用及其未来发展趋势	乳腺癌影像学数据	digital pathology	breast cancer	mammography, digital breast tomosynthesis, ultrasound, magnetic resonance imaging, nuclear medicines techniques	foundation models, self-supervised learning, federated learning	image	NA
7106	2025-04-18	The Role of AI in the Evaluation of Neuroendocrine Tumors: Current State of the Art 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.003 PMID:40023682	review	本文综述了AI在神经内分泌肿瘤评估中的当前和新兴应用，特别是在影像工作流程、诊断、预后建模和治疗计划中的整合	利用先进的放射组学和深度学习技术，AI驱动的应用在肿瘤检测、分类和分级方面展现出潜力	未提及具体的技术实施细节或临床验证结果	探讨AI在神经内分泌肿瘤评估中的作用及其对临床工作流程的改进	神经内分泌肿瘤	digital pathology	neuroendocrine neoplasms	radiomics, deep learning	NA	image	NA
7107	2025-04-18	Optimizing CT Imaging Parameters: Implications for Diagnostic Accuracy in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.008 PMID:40055048	综述	本文综述了CT成像参数优化对核医学诊断准确性的影响，并探讨了实施稳健CT协议审查流程的方法	评估了迭代重建（IR）和深度学习（DL）在提升图像质量和减少辐射剂量方面的潜力	未提及具体实验数据或案例研究来支持提出的优化方法	优化CT成像参数以提高核医学诊断准确性	CT成像参数及其对核医学诊断的影响	数字病理	NA	CT, SPECT, PET, IR, DL	NA	医学影像	NA
7108	2025-04-18	U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading 2025-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70029 PMID:40229147	研究论文	本研究探讨了深度学习在预测人类脑脊液分布中的应用，并提出了一种基于U-net的监督学习模型	首次使用U-net模型预测脑脊液对比剂的分布，并验证了仅使用注射后2小时的成像数据即可获得与使用更多时间点数据相当的预测效果	研究仅基于T1加权MRI扫描，未考虑其他成像方式或更大样本量的验证	探索深度学习在预测脑脊液分布中的潜力，以提高临床分析的效率并降低医疗成本	人类脑脊液分布及脑室反流分级	数字病理学	中枢神经系统疾病	T1加权磁共振成像(MRI)	U-net	图像	NA
7109	2025-04-18	Improving the cleaning quality of tube lumen instruments by imaging analysis and deep learning techniques 2025-Apr-18, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0527 PMID:40241330	研究论文	本研究通过成像分析和深度学习技术提高管腔器械清洁质量的检测	引入两种注意力机制以关注重要特征，优化了模型性能	未提及模型在实际临床环境中的泛化能力	提高可重复使用管腔器械的清洁质量检测，确保患者安全和临床可靠性	管腔器械（TLIs）	计算机视觉	NA	成像分析、深度学习	FA-ResNet18（带scSE注意力机制）	图像	未明确提及具体样本数量
7110	2025-04-18	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to noninvasively predict periprocedural myocardial injury 2025-Apr-17, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	research paper	本研究探讨了结合T1加权MRI和CT血管造影的混合策略，以无创预测冠状动脉介入治疗后的围手术期心肌损伤	首次将MRI与CCTA结合，使用最新的成像和定量技术，提高了PMI预测的准确性	样本量较小，仅包括120名患者的132个病变	探索一种混合CCTA-MRI策略，以提高围手术期心肌损伤的预测准确性	计划进行选择性PCI的冠状动脉粥样硬化患者	digital pathology	cardiovascular disease	T1-weighted MRI, CT angiography, deep learning	deep learning	image	120名患者的132个病变
7111	2025-04-18	Left-handed conformations of glycyl residues may confer protection against protein aggregation 2025-Apr-17, The FEBS journal DOI:10.1111/febs.70092 PMID:40243345	research paper	该研究探讨了甘氨酸残基的左旋构象在防止蛋白质聚集中的作用及其进化意义	揭示了左旋构象甘氨酸残基在疾病变异位点的过度表现及其在进化中的保守性，以及其通过影响自由能来破坏天然折叠的机制	研究主要基于已知的疾病和良性变异位点，可能未涵盖所有相关情况	研究甘氨酸残基的左旋构象对蛋白质稳定性和聚集的影响及其在疾病变异中的作用	甘氨酸残基及其在蛋白质中的构象	生物信息学	蛋白质聚集相关疾病	构象分析、深度学习	深度学习模型	蛋白质序列和结构数据	1104个疾病变异位点和343个良性变异位点
7112	2025-04-18	DWI of the rectum with deep learning reconstruction: comparison of PROPELLER, reduced FOV, and conventional DWI 2025-Apr-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04950-8 PMID:40244478	研究论文	比较PROPELLER、rFOV和传统DWI结合深度学习重建在评估直肠肿瘤中的图像质量和诊断性能	首次结合深度学习重建技术比较三种DWI技术在直肠肿瘤评估中的表现	样本量较小(38例患者)，且对诊断准确性的影响不显著	评估不同DWI技术结合DLR在直肠肿瘤诊断中的表现	直肠肿瘤患者	医学影像分析	直肠癌	PROPELLER-DWI, rFOV-DWI, cDWI, 深度学习重建(DLR)	深度学习	MRI影像	38例患者共42次MRI检查
7113	2025-04-18	Empowering natural product science with AI: leveraging multimodal data and knowledge graphs 2025-Apr-16, Natural product reports IF:10.2Q1 DOI:10.1039/d4np00008k PMID:39148455	观点文章	探讨如何利用AI和多模态数据及知识图谱推动天然产物科学的发展	提出通过构建知识图谱整合多模态、非标准化的天然产物数据，以开发能模拟科学家决策的AI模型	天然产物数据存在多模态、不平衡、非标准化且分散的问题，限制了现有深度学习架构的应用	推动AI在天然产物科学中的应用，模拟科学家的决策过程	天然产物数据及知识图谱	机器学习	NA	知识图谱构建	深度学习架构	多模态数据	NA
7114	2025-04-18	A deep learning approach for quantifying CT perfusion parameters in stroke 2025-Apr-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc9b6 PMID:40194529	research paper	本文提出了一种基于Transformer的网络，用于从CT灌注图像中准确估计生理参数，以提高缺血性中风的诊断和治疗效果	使用Transformer网络学习CTP图像的体素级时间特征，估计局部动脉输入函数和流量缩放的残留函数，显著提高了参数估计的准确性	研究主要基于模拟数据和ISLES18数据集，需要在更广泛的患者数据中进行验证	开发一种从CT灌注图像中准确估计生理参数的方法，以改进缺血性中风的诊断和治疗	CT灌注图像中的局部动脉输入函数和流量缩放的残留函数	digital pathology	cardiovascular disease	CT perfusion imaging	Transformer	image	ISLES18数据集和模拟数据
7115	2025-04-18	Automatic Detection of Mandibular Fractures on CT scan Using Deep Learning 2025-Apr-16, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf031 PMID:40238181	research paper	本研究探讨了人工智能（AI），特别是深度学习在利用CT扫描检测和分类下颌骨骨折中的应用	使用nnU-Net分割框架和3D-ResNet进行下颌骨骨折的像素级精确定位和分类，显著提高了诊断准确率	研究数据仅来自单一医疗机构，可能影响模型的泛化能力	提高下颌骨骨折的自动检测和分类准确率，辅助临床诊断	459例患者的CT扫描数据	digital pathology	mandibular fracture	CT scan	nnU-Net, 3D-ResNet	image	459例患者
7116	2025-04-18	Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead 2025-Apr-16, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001192 PMID:40239043	review	回顾过去十年临床神经影像学的显著进展，包括技术进步和科学发现	整合了光子计数计算机断层扫描、高低场磁共振成像系统等影像技术的进步，以及深度学习等先进数据分析方法的应用	未提及具体研究的样本量或数据规模，可能缺乏定量分析	总结临床神经影像学领域的进展和未来方向	临床神经影像学技术和应用	digital pathology	NA	photon-counting computed tomography, low-field and high-field magnetic resonance imaging, deep learning	NA	image	NA
7117	2025-04-18	Deep learning and conventional hip MRI for the detection of labral and cartilage abnormalities using arthroscopy as standard of reference 2025-Apr-16, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11546-9 PMID:40240555	research paper	评估高分辨率深度学习髋关节MRI与传统压缩感知MRI在检测髋关节唇和软骨异常方面的性能	使用高分辨率深度学习MRI（CSAI）与传统压缩感知MRI（CS）进行比较，以髋关节镜检查为金标准	软骨评估的整体诊断性能仍然不理想，尤其是在某些髋关节区域的敏感性较低	比较深度学习MRI与传统MRI在髋关节唇和软骨异常检测中的性能	32名股骨髋臼撞击综合征患者	digital pathology	geriatric disease	MRI, deep learning	deep learning	image	32名患者（24名男性，平均年龄37.5岁）
7118	2025-04-18	Synthetic electroretinogram signal generation using a conditional generative adversarial network 2025-Apr-16, Documenta ophthalmologica. Advances in ophthalmology DOI:10.1007/s10633-025-10019-0 PMID:40240677	研究论文	使用条件生成对抗网络生成合成视网膜电图信号以支持分类模型	利用条件生成对抗网络生成合成视网膜电图信号，以解决异质性或罕见人群中数据不足的问题	研究仅基于公开可用的数据集，样本量相对较小	提高视网膜电图信号在分类模型中的性能	自闭症谱系障碍患者和对照组	机器学习	自闭症谱系障碍	条件生成对抗网络	GAN, Time Series Transformer, Visual Transformer	时间序列数据, 图像数据	560例自闭症谱系障碍患者和498例对照组，共18名自闭症谱系障碍患者和31名对照组
7119	2025-04-18	SlicesMapi: An Interactive Three-Dimensional Registration Method for Serial Histological Brain Slices 2025-Apr-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09724-7 PMID:40240690	research paper	提出了一种名为SlicesMapi的交互式三维配准方法，用于脑切片序列的配准	通过采用相邻切片和参考图谱切片的双重约束，在3D和2D空间中校正线性和非线性变形，并保证全分辨率图像的配准精度	未提及具体局限性	提高脑切片图像到3D标准脑空间的配准精度、计算效率和适用性	脑切片图像	digital pathology	NA	3D registration	NA	image	未提及具体样本数量
7120	2025-04-18	Deep learning-based hippocampus asymmetry assessment for Alzheimer's disease diagnosis 2025-Apr-16, Medical physics IF:3.2Q1 DOI:10.1002/mp.17831 PMID:40241310	research paper	本文提出了一种基于深度学习的海马体不对称性定量评估方法DeepHAA，用于阿尔茨海默病的诊断	通过深度学习模型提取MRI图像中海马体结构的特征表示，并利用交叉注意力机制进行特征融合，提出了一种基于多模态嵌入距离的定量评估方法	实验数据集规模相对较小（199名受试者），且未提及模型在其他独立数据集上的验证结果	开发定量评估海马体不对称性的方法以辅助阿尔茨海默病诊断	MRI图像中的左右海马体结构	digital pathology	geriatric disease	MRI扫描	深度学习模型（具体未说明，含交叉注意力机制）	医学影像（MRI）	199名受试者（53名正常认知NC，71名轻度认知障碍MCI，33名阿尔茨海默病AD）