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
741	2025-04-25	PixelPrint4D: A 3D Printing Method of Fabricating Patient-Specific Deformable CT Phantoms for Respiratory Motion Applications 2025-Apr-02, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001182 PMID:40173424	research paper	介绍了一种名为PixelPrint4D的3D打印方法，用于制造患者特异性的可变形CT体模，以模拟呼吸运动	提出了一种新型3D打印方法PixelPrint4D，能够制造具有真实组织结构和变形模式的呼吸运动体模，超越了现有模型的简化设计	研究仅基于单一肺癌患者的4DCT数据集，样本量较小，可能影响结果的普遍性	开发更真实的呼吸运动体模，以支持CT成像和放射治疗中新兴技术的测试和评估	肺癌患者的肺部结构和呼吸运动模式	digital pathology	lung cancer	3D打印技术，4DCT成像	NA	CT图像数据	1例肺癌患者的4DCT数据集
742	2025-04-25	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-Apr-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	本研究利用深度学习整合蛋白质组学和蛋白质相互作用数据，揭示Aβ-Tau相互作用在阿尔茨海默病中的新型调节因子	首次应用深度学习整合网络分析方法，发现GPNMB+小胶质细胞对Aβ-Tau相互作用的调节作用	研究结果主要基于ROSMAP队列数据，需要进一步在其他队列中验证	探索Aβ-Tau相互作用在阿尔茨海默病进展中的调节机制	阿尔茨海默病患者（轻度认知障碍和早期阶段）的蛋白质组学和蛋白质相互作用数据	数字病理学	阿尔茨海默病	蛋白质组学分析、蛋白质相互作用网络分析	深度学习模型（BIONIC）	蛋白质组学数据、基因表达数据	ROSMAP队列数据（具体样本数量未明确说明）
743	2025-04-25	Decoding pathology: the role of computational pathology in research and diagnostics 2025-Apr, Pflugers Archiv : European journal of physiology DOI:10.1007/s00424-024-03002-2 PMID:39095655	综述	本文介绍了计算病理学在研究和诊断中的作用及其进展	探讨了基于深度学习的计算病理学方法在突变预测、大规模病理组学分析和预后预测等多任务中的卓越表现，以及多模态数据源和多用途基础模型的新方法	NA	介绍计算病理学的进展并讨论其对组织病理学在研究和诊断中未来的影响	组织病理学标本	数字病理学	NA	深度学习	DL-based models	组织病理学图像	NA
744	2025-04-25	The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01214-7 PMID:39136827	研究论文	评估低keV多相CT结合深度学习图像重建技术在改善胰腺导管腺癌（PDAC）描绘中的效果	首次比较了深度学习图像重建（DLIR）与传统混合迭代重建（HIR）在低keV虚拟单色成像（VMI）中对PDAC描绘的改进	研究样本量较小（35例患者），且为回顾性研究	提高胰腺导管腺癌（PDAC）在CT图像中的描绘质量	胰腺导管腺癌（PDAC）患者	医学影像	胰腺癌	多相CT、虚拟单色成像（VMI）、深度学习图像重建（DLIR）	DLIR（TrueFidelity-H）	CT图像	35例PDAC患者
745	2025-04-25	Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00994-2 PMID:39138749	研究论文	本研究评估了使用DWI、ADC和FLAIR序列在缺血性卒中分割中的效用，并比较了自配置nnU-Net模型与传统U-Net模型的性能	自配置nnU-Net模型在仅使用DWI序列时表现出色，且无需手动优化，显著优于标准U-Net模型	在外部数据集上，假阳性率较高，特别是在颅内出血病例中	优化急性卒中MRI分割，评估不同MRI序列对深度学习分割的影响	缺血性卒中患者的MRI图像	数字病理	心血管疾病	MRI（DWI、ADC、FLAIR序列）	nnU-Net, U-Net	图像	200例梗死病例用于训练，50例用于测试，50例MRI用于外部验证
746	2025-04-25	Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01201-y PMID:39138748	research paper	该研究探讨了深度学习与机器学习分类器结合用于胸部X光图像肺炎分类的应用	提出了结合改进的VGG19、ResNet50V2和DenseNet121模型进行特征提取，并采用五种机器学习分类器的方法，显著提高了肺炎分类的准确率	未来研究需要优化模型并探索其在其他医学影像任务中的应用，同时增加可解释性方法以增强临床信任度	提高肺炎分类的准确性和效率，以优化治疗方案	胸部X光图像	digital pathology	lung cancer	deep learning, machine learning	VGG19, ResNet50V2, DenseNet121, logistic regression, SVM, decision tree, random forest, ANN	image	NA
747	2025-04-25	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	本文开发了一种基于光电容积图和多重近红外传感器的无创血糖检测系统	结合光电容积图和多重近红外方法，开发了一种新型指尖血糖检测系统，使用多重光传感器和轻量级深度学习模型	研究样本量较小，仅涉及10名参与者，可能影响结果的普遍性	开发一种更准确的无创血糖检测方法	人体血糖水平	生物医学工程	糖尿病	光电容积图(PPG)和多重近红外传感器技术	轻量级深度学习模型	生物信号数据	10名参与者，每人提供约700段10秒左右的数据
748	2025-04-25	Deep Learning-Based Prediction of Post-treatment Survival in Hepatocellular Carcinoma Patients Using Pre-treatment CT Images and Clinical Data 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01227-2 PMID:39147884	research paper	该研究开发并评估了一个基于深度学习的模型，用于预测肝细胞癌（HCC）患者治疗后的生存率，结合了CT图像和临床信息	提出了一种级联模型，结合3D CNN提取CT图像特征，并整合患者相关因素和治疗选项，优化了生存预测性能	外部验证队列样本量较小（n=39），可能影响模型的泛化能力	预测肝细胞癌患者治疗后的生存率	692名肝细胞癌患者	digital pathology	hepatocellular carcinoma	CT imaging	3D CNN (DenseNet-121)	image (CT), clinical data	692 patients (507 training, 146 testing, 39 external validation)
749	2025-04-25	Construction and Validation of a General Medical Image Dataset for Pretraining 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01226-3 PMID:39147887	研究论文	本研究构建并验证了一个通用的医学图像预训练数据集CPMID，用于提升医学图像分类和分割任务的性能	首次构建了一个专门用于医学图像预训练的通用数据集CPMID，并在多种下游任务中验证了其有效性	未提及数据集的规模限制或多样性限制	为医学图像分析领域构建一个通用的预训练数据集	医学图像数据集CPMID及其预训练模型	数字病理学	NA	深度学习	Resnet, Vision Transformer	医学图像	多个公开医学图像数据集的集合（具体数量未提及）
750	2025-04-25	Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01107-9 PMID:39150595	研究论文	本研究利用深度学习模型对脑肿瘤病理图像进行分类，以解决医学影像数据有限的问题	采用预训练网络提取深度特征，并结合支持向量机进行分类，实现了97.4%的准确率	研究基于有限的医学影像数据，可能存在泛化能力不足的问题	提高脑肿瘤病理诊断的准确性和效率	原发性弥漫性中枢神经系统大B细胞淋巴瘤（CNS-pDLBCL）和高级别胶质瘤（HGG）	数字病理	脑肿瘤	深度学习	Resnet50 (TL + SVM)	图像	基于测试集的十倍交叉验证
751	2025-04-25	Speed and efficiency: evaluating pulmonary nodule detection with AI-enhanced 3D gradient echo imaging 2025-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11027-5 PMID:39154315	研究论文	评估人工智能辅助压缩感知在加速肺部MRI中对肺结节检测和表征的诊断可行性	结合压缩感知和AI技术显著减少肺部MRI扫描时间，同时保持高肺结节检测率	研究样本量较小（37名患者），且不同加速因子下的结节形态评估存在差异	优化肺部MRI扫描时间并评估其对肺结节检测和表征的影响	良性和恶性肺结节患者	数字病理	肺癌	呼吸门控3D梯度回波序列，结合并行成像、压缩感知和深度学习图像重建	深度学习	MRI和CT图像	37名患者，共64个肺结节（57个实性结节，6个部分实性结节，1个磨玻璃结节）
752	2025-04-25	Deep Learning-Based Model for Non-invasive Hemoglobin Estimation via Body Parts Images: A Retrospective Analysis and a Prospective Emergency Department Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01209-4 PMID:39160365	research paper	开发了一种基于深度学习的非侵入性血红蛋白估计模型，通过多个身体部位图像进行贫血检测	提出了一个基于多身体部位图像的深度学习预测模型（BPANet），采用融合注意力机制和双损失函数，提高了对少数样本的稳定处理能力	模型在前瞻性数据集上的准确率（0.716）和F1分数（0.788）略低于回顾性数据集	开发一种非侵入性血红蛋白估计方法，用于贫血的快速检测	贫血患者	digital pathology	anemia	deep learning	BPANet	image	回顾性数据集（EYES-DEFY-ANEMIA）和前瞻性数据集（101名患者）
753	2025-04-25	DECNet: Left Atrial Pulmonary Vein Class Imbalance Classification Network 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01221-8 PMID:39164454	research paper	提出了一种名为DECNet的网络，用于解决左心房肺静脉分类不平衡问题，结合多尺度特征增强注意力和双特征提取分类器，以提高分类准确性	整合多尺度特征增强注意力和双特征提取分类器，增强深度特征的表达能力，解决数据不平衡导致的分类偏差	仅在特定数据集（辽宁省人民医院和DermaMNIST数据集）上验证，可能在其他数据集上表现不同	解决左心房肺静脉分类不平衡问题，提高分类准确性以支持临床治疗	左心房肺静脉的解剖学分类	digital pathology	cardiovascular disease	deep learning	DECNet (multi-scale feature-enhanced attention and dual-feature extraction classifier)	image	数据集来自辽宁省人民医院和公开的DermaMNIST数据集
754	2025-04-25	Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01220-9 PMID:39187704	研究论文	本研究开发了一个基于深度多任务学习的卷积神经网络模型，用于自动化质量控制，特别针对手腕X光片的关键属性检测与分类	采用基于DenseNet 121架构的多任务深度学习模型，实现了对手腕X光片的高精度质量控制，包括投影分类、石膏检测和手术硬件识别	在侧位标记检测方面表现较低（F1分数82.52%），特别是对于部分可见或截断的标记	提高放射工作流程中手腕X光片自动化质量控制的准确性和效率	手腕X光片的质量控制属性，包括投影、侧位标记、石膏和手术硬件的存在	数字病理	NA	深度学习	CNN, DenseNet 121	图像	6283张手腕X光片，来自2591名患者
755	2025-04-25	Two-step deep learning models for detection and identification of the manufacturers and types of dental implants on panoramic radiographs 2025-Apr, Odontology IF:1.9Q2 DOI:10.1007/s10266-024-00989-z PMID:39198339	research paper	本研究开发了两步深度学习模型，用于在全景X光片上自动检测种植体区域并识别多种种植体类型	采用两步深度学习模型（YOLO v7和EfficientNet）分别进行种植体区域检测和类型识别，实现了高精度的种植体制造商及类型分类	Nobel的class 2 (Parallel)分类指标相对较低	开发自动化工具以辅助牙科种植体的检测与识别	全景X光片中的牙科种植体	computer vision	dental disease	deep learning	YOLO v7, EfficientNet	image	1574张全景X光片，包含3675个种植体
756	2025-04-25	Generating synthetic high-resolution spinal STIR and T1w images from T2w FSE and low-resolution axial Dixon 2025-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11047-1 PMID:39231829	研究论文	该研究利用深度学习模型从T2加权FSE和低分辨率轴向Dixon序列生成合成的高分辨率脊柱STIR和T1加权图像	首次应用两个连续的3D Pix2Pix深度学习模型从T2w FSE和低分辨率轴向T1w-Dixon序列生成合成图像	研究为回顾性设计，依赖于现有数据集，可能影响结果的普遍性	探索从现有MRI序列生成高质量合成T1w FSE和STIR图像的可行性	脊柱MRI图像	医学影像分析	骨髓病变	3D Pix2Pix深度学习模型	GAN	MRI图像	SHIP数据集(3142例)、NAKO数据集(2000例)和内部数据集(157例患者)
757	2025-04-25	Feature-Based vs. Deep-Learning Fusion Methods for the In Vivo Detection of Radiation Dermatitis Using Optical Coherence Tomography, a Feasibility Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01241-4 PMID:39231883	研究论文	本研究探讨了使用基于强度的光学相干断层扫描（OCT）图像特征和机器学习方法检测急性放射性皮炎（ARD）的可行性	比较了传统基于特征的机器学习方法和深度学习后期融合方法在ARD检测中的表现，发现深度学习方法具有更高的准确性	样本量较小（22名患者），且仅在颈部六个位置进行成像	开发一种定量评估工具，以改善ARD的预防和管理策略	接受放射治疗的癌症患者	数字病理学	皮肤疾病	光学相干断层扫描（OCT）	深度学习后期融合方法	图像	22名患者的1487张OCT图像
758	2025-04-25	Unsupervised and Self-supervised Learning in Low-Dose Computed Tomography Denoising: Insights from Training Strategies 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01213-8 PMID:39231886	review	本文综述了低剂量计算机断层扫描（LDCT）去噪中的无监督和自监督深度学习方法，重点分析了训练策略的分类、理论基础及其优缺点	首次对LDCT去噪中的无监督和自监督学习训练策略进行全面分类和综述，填补了该领域的空白	主要关注训练策略的理论分析，未涉及具体临床应用的性能比较	为研究人员和从业者提供LDCT去噪中无监督和自监督学习方法的训练策略指导	低剂量计算机断层扫描（LDCT）图像	digital pathology	NA	deep learning	NA	image	NA
759	2025-04-25	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2025-Apr, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	research paper	开发了一种基于深度学习的计算机视觉方法，用于高通量定量分析单个毛发纤维的高分辨率特征	创新的计算机视觉工具能够区分和提取重叠的毛发纤维，量化多变量特征，如长度、宽度和颜色，生成小鼠生命周期中不同条件下的单毛发表型	NA	探索激素信号、基因修饰和衰老对毛囊输出的影响	小鼠的毛发纤维	computer vision	NA	deep learning	CNN	image	NA
760	2025-04-25	Global Research Trends in the Detection and Diagnosis of Dental Caries: A Bibliometric Analysis 2025-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2024.08.010 PMID:39237399	文献计量分析	本研究通过文献计量分析方法，概述了过去20年全球在龋齿检测和诊断方面的研究趋势	揭示了龋齿诊断方法的研究趋势，特别是分子诊断和AI辅助诊断在近5年的显著增长	仅基于Scopus数据库的文献，可能未涵盖所有相关研究	分析全球龋齿检测和诊断方法的研究趋势	龋齿诊断方法的研究文献	口腔医学	龋齿	文献计量分析、VOSviewer关键词共现分析	NA	文献数据	1879篇出版物，涵盖7类龋齿诊断方法