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
61	2025-04-03	Integrating Deep Learning in Breast MRI: Technical Advances and Clinical Promise 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.047 PMID:40169328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
62	2025-06-03	Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.015 PMID:40175204	research paper	开发一个开源深度学习模型，用于生成膝关节的合成T2*加权梯度回波图像	使用cycleGAN模型从脂肪抑制中间加权图像生成合成T2*W图像，提供开源代码和独立可执行文件	识别出四种伪影类型，包括几何畸变、物体插入/遗漏、环绕样伪影和不完全脂肪抑制伪影，但对诊断影响较小	开发一个能够生成高质量合成T2*W图像的深度学习模型，以补充常规膝关节MRI协议	膝关节MRI图像	digital pathology	NA	MRI	cycleGAN	image	训练集12,118张矢状位膝关节MR图像，测试集2,996张图像
63	2025-06-03	Transforming pulmonary health care: the role of artificial intelligence in diagnosis and treatment 2025-Jun, Expert review of respiratory medicine IF:2.9Q2 DOI:10.1080/17476348.2025.2491723 PMID:40210489	综述	本文探讨了人工智能在呼吸系统疾病诊断和治疗中的应用及其潜力	强调了AI在预测模型、影像深度学习和个性化治疗方面的技术进步和临床应用	数据集需要更大且多样化，存在数据隐私、算法透明度和潜在偏见的问题，监管框架需进一步适应AI在医疗中的挑战	评估人工智能在呼吸系统疾病诊断和治疗中的角色及其对改善医疗效果的潜力	呼吸系统疾病如肺炎、哮喘和COPD	数字病理学	肺病	深度学习	NA	影像	NA
64	2025-06-03	Expanded AI learning: AI as a Tool for Human Learning 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.040 PMID:40210520	研究论文	探讨深度学习模型作为教学工具提升放射科医生在影像任务中的表现	首次提出将AI衍生的数据作为教学工具，以提升放射科医生在无AI辅助时的影像任务准确性	样本量较小，仅涉及三名放射科医生和有限数量的膝关节X光片	验证深度学习模型能否作为教学工具提升放射科医生的影像分类能力	放射科医生和膝关节X光片	数字病理	NA	深度学习	DL	图像	三名放射科医生和100张膝关节X光片（50张用于初始测试，50张用于后续测试）
65	2025-06-03	Deep Learning in Knee MRI: A Prospective Study to Enhance Efficiency, Diagnostic Confidence and Sustainability 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.018 PMID:40240275	研究论文	本研究评估了深度学习重建的并行采集技术（PAT）与同步多层（SMS）加速成像在膝关节MRI中的效果，并与传统成像方法进行比较	结合深度学习增强的四倍PAT与两倍SMS加速成像（P4S2），在图像质量、解剖结构描绘及时间效率上显著优于传统方法	P4在软骨损伤可视化方面诊断效果略逊于传统方法	提升膝关节MRI的效率、诊断信心及可持续性	接受膝关节MRI检查的成年人	数字病理	骨科疾病	深度学习重建的并行采集技术（PAT）与同步多层（SMS）加速成像	深度学习（DL）	MRI图像	34名参与者（平均年龄45±17岁；14名女性）
66	2025-06-03	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	review	本文回顾并总结了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略	识别并总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战	仅包括英文同行评审的脑成像研究，可能忽略了其他语言或非脑成像的相关研究	提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以增强其在实际临床实践中的可靠性	神经影像数据	machine learning	NA	深度学习	深度学习模型	医学影像	NA
67	2025-06-03	Comparison of time-series models for predicting physiological metrics under sedation 2025-Jun, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01237-z PMID:39470955	研究论文	本研究全面比较了多种时间序列模型在生理指标预测中的应用，特别关注了双频指数（BIS）的预测	比较了传统数学模型（如药代动力学-药效学模型、ARIMA、VAR）和现代深度学习模型（如LSTM、GRU、TCN、Transformer）在BIS预测中的表现，并发现LSTM模型在单变量和多变量预测中均表现最佳	研究仅基于两个实际手术过程中收集的生理指标数据集，可能无法涵盖所有临床场景	评估和比较不同时间序列模型在预测手术中镇静深度关键指标BIS方面的性能	双频指数（BIS），一种用于评估手术中镇静深度的重要指标	机器学习	NA	时间序列分析、深度学习	LSTM, GRU, TCN, Transformer, ARIMA, VAR	生理指标时间序列数据	两个实际手术过程中收集的生理指标数据集
68	2025-06-03	Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.067 PMID:39814661	研究论文	开发并验证了一种基于T2加权MRI的深度学习放射组学列线图（DLRN），用于术前区分卵巢交界性肿瘤（BOTs）和I期上皮性卵巢癌（EOC）	结合了深度学习、瘤内和瘤周放射组学以及临床预测因子，构建了DLRN模型，显著优于传统放射组学模型和临床模型	研究为回顾性多中心设计，可能存在选择偏倚	开发一种术前区分BOTs和I期EOC的预测工具	279名来自三个医疗中心的患者（207名训练集，72名外部测试集）	数字病理	卵巢癌	MRI	深度学习放射组学列线图（DLRN）	医学影像	279名患者（207名训练集，72名外部测试集）
69	2025-06-03	Evaluation of a Deep Learning Denoising Algorithm for Dose Reduction in Whole-Body Photon-Counting CT Imaging: A Cadaveric Study 2025-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.052 PMID:39818525	研究论文	评估深度学习去噪算法在降低全身光子计数CT成像剂量中的效果	使用深度学习去噪算法在降低辐射剂量的同时保持图像质量	研究基于尸体扫描，可能无法完全反映活体成像情况	评估深度学习去噪算法在降低PCCT辐射剂量中的有效性	24具尸体样本	数字病理	NA	光子计数CT(PCCT)	深度学习算法(ClariCT.AI)	CT图像	24具尸体样本，生成192个数据集
70	2025-06-03	Prediction of pathological grade of oral squamous cell carcinoma and construction of prognostic model based on deep learning algorithm 2025-Jun-01, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02144-8 PMID:40450613	研究论文	本研究旨在基于全切片图像(WSIs)建立深度学习模型，用于预测口腔鳞状细胞癌(OSCC)的病理分级	使用CLAM算法构建的深度学习模型在预测OSCC病理分级方面表现出良好的预测效率和泛化能力，并结合转录组数据构建了预后风险模型	外部验证集的AUC(0.71)较训练集(0.86)有所下降，表明模型在外部数据上的性能有待进一步提高	预测口腔鳞状细胞癌的病理分级并构建预后模型	口腔鳞状细胞癌(OSCC)患者	数字病理学	口腔癌	深度学习	CLAM算法	全切片图像(WSIs)和转录组数据	训练集257例(来自TCGA数据库)，外部验证集165例(来自CPTAC数据库)
71	2025-06-03	Deep learning-assisted analysis of biomarker changes after increase of dosing from aflibercept 2 mg to 8 mg in therapy-resistant neovascular age-related macular degeneration 2025-Jun-01, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2025-002176 PMID:40451292	研究论文	本研究利用深度学习辅助分析，评估了aflibercept 8 mg在治疗抵抗性新生血管性年龄相关性黄斑变性(nAMD)患者中的疗效，重点关注关键光学相干断层扫描生物标志物的变化	首次在真实世界环境中评估aflibercept 8 mg对治疗抵抗性nAMD患者的疗效，并应用深度学习算法进行生物标志物定量分析	样本量较小(21名患者23只眼)，缺乏长期随访数据，研究设计为回顾性	评估aflibercept 8 mg在治疗抵抗性nAMD患者中的真实世界疗效	21名对aflibercept 2 mg反应不足的nAMD患者(23只眼)	数字病理学	年龄相关性黄斑变性	光学相干断层扫描，深度学习语义分割算法	深度学习	医学影像	21名患者23只眼
72	2025-06-03	Deep learning driven interpretable and informed decision making model for brain tumour prediction using explainable AI 2025-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03358-0 PMID:40451921	研究论文	本研究提出了一种结合深度学习和可解释AI（XAI）的模型，用于准确且可解释的脑肿瘤预测	通过整合XAI技术，提高了深度学习模型的可解释性，使临床医生能够理解模型的预测依据	模型性能依赖于大量影像和临床数据，且未提及在多样化人群中的泛化能力	开发一个可解释的脑肿瘤预测框架，以辅助临床诊断	脑肿瘤患者	数字病理学	脑肿瘤	MRI和CT扫描	深度学习模型（未具体说明）	影像和临床数据	广泛的数据集（未具体说明样本数量）
73	2025-06-03	Deep learning-based acceleration of high-resolution compressed sense MR imaging of the hip 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100656 PMID:40453036	research paper	评估一种结合并行成像、压缩感知和深度学习的压缩感知人工智能框架(CSAI)在髋关节高分辨率MRI中的应用，并与标准分辨率CS成像进行比较	提出了一种结合并行成像、压缩感知和深度学习的CSAI框架，能够在保持采集时间不变的情况下提供更高分辨率的髋关节MRI图像	样本量较小(32名患者)，且骨骼显示评分较低	评估CSAI框架在髋关节高分辨率MRI中的性能表现	32名患有股骨髋臼撞击综合征的患者	医学影像分析	骨关节疾病	压缩感知(CS)、深度学习	深度学习模型(具体未说明)	MRI图像	32名患者
74	2025-06-03	A systematic review on deep learning-enabled coronary CT angiography for plaque and stenosis quantification and cardiac risk prediction 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100652 PMID:40453037	系统综述	本文系统综述了深度学习在冠状动脉CT血管造影（CCTA）中用于斑块和狭窄量化以及心脏风险预测的应用	综述了深度学习技术在CCTA分析中的创新应用，自动化斑块和狭窄的量化，提高心脏风险评估的精确性	研究设计存在变异性，可能存在潜在偏差	评估深度学习在CCTA中量化斑块和狭窄以及预测心脏风险的效果	18岁及以上接受CCTA检查的患者	数字病理学	心血管疾病	深度学习（DL）	深度学习模型	医学影像	10项研究
75	2025-06-03	EEG-ConvoBLSTM: A novel hybrid model for efficient EEG signal classification 2025-Jun-01, The Review of scientific instruments DOI:10.1063/5.0258358 PMID:40454762	研究论文	提出一种新型混合模型EEG-ConvoBLSTM，用于高效分类EEG信号以进行情感识别	结合卷积层和双向LSTM网络，实现对EEG信号时空特征的全面建模及长时依赖信息捕获	未明确说明模型在更大规模或多样化数据集上的泛化能力	提升基于EEG信号的情感识别准确率及跨被试泛化能力	EEG信号的情感识别	机器学习	NA	深度学习	CNN与BLSTM混合模型	EEG信号	使用SEED数据集（具体样本量未说明）
76	2025-06-03	Physics-driven deep learning methods and numerically intractable "bad" Jaulent-Miodek equation 2025-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0264041 PMID:40455205	research paper	该论文提出了一种结合PINN和PECANN的两阶段深度学习方法，用于解决'bad' Jaulent-Miodek (JM)方程的非线性波演化问题	将PINN和PECANN两种物理驱动的深度学习方法结合成一个两阶段神经网络，提高了计算效率并正确求解了'bad' JM方程	NA	解决具有不良性质的'bad' JM方程的非线性波演化问题	'bad' JM方程的非线性波演化	machine learning	NA	Physics-Informed Neural Networks (PINN), Physics and Equality-Constrained Artificial Neural Networks (PECANN)	PINN+PECANN neural network	numerical data	NA
77	2025-06-03	Estimating motor symptom presence and severity in Parkinson's disease from wrist accelerometer time series using ROCKET and InceptionTime 2025-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04263-2 PMID:40450120	research paper	研究使用ROCKET和InceptionTime从手腕加速度计时间序列估计帕金森病患者的运动症状存在和严重程度	首次将InceptionTime和ROCKET应用于帕金森病运动症状监测，并比较它们在处理复杂运动模式和小数据集上的表现	在检测运动障碍方面遇到挑战，且数据集规模较小	开发更有效的帕金森病运动症状监测方法	帕金森病患者的运动症状（震颤、运动迟缓和运动障碍）	machine learning	帕金森病	时间序列分类	InceptionTime, ROCKET, 多层感知机	时间序列数据（手腕加速度计数据）	NA
78	2025-06-03	Development and validation of an integrated residual-recurrent neural network model for automated heart murmur detection in pediatric populations 2025-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04746-2 PMID:40450176	研究论文	开发并验证了一种集成残差-循环神经网络模型，用于自动检测儿童人群中的心脏杂音	结合传统机器学习和深度学习技术，提出了一种创新的AI方法，显著提高了儿童心脏杂音的检测效果	研究样本量有限（500名儿童参与者），且未提及模型在不同年龄段或不同心脏疾病中的泛化能力	改善儿童心脏疾病的早期筛查策略	儿童人群的心脏杂音检测	机器学习	心血管疾病	心脏听诊声音分析	集成残差-循环神经网络（Residual-Recurrent Neural Networks）	音频（心脏声音记录）	500名儿科参与者
79	2025-06-03	Detecting cyber attacks in vehicle networks using improved LSTM based optimization methodology 2025-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04643-8 PMID:40450183	研究论文	本文提出了一种基于改进LSTM的优化方法，用于检测车辆网络中的网络攻击	采用改进的长短期记忆网络(ILSTM)结合鳄鱼优化算法(COA)进行参数优化，显著提高了检测准确率和性能指标	仅使用UNSW-NB15数据集进行验证，未在其他车辆网络数据集上测试	开发一种更有效的车辆网络网络攻击检测方法	车辆网络中的网络攻击	机器学习	NA	离散傅里叶变换(DFT)	改进的长短期记忆网络(ILSTM)	网络数据	UNSW-NB15数据集
80	2025-06-03	Time-series deep learning and conformal prediction for improved sepsis diagnosis in primarily Non-ICU hospitalized patients 2025-May-31, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110497 PMID:40450820	research paper	该研究开发了一种针对非ICU环境的深度学习模型，用于早期预测脓毒症，并通过共形预测框架处理不确定性	该模型在非ICU环境中表现出色，通过共形预测显著减少假阳性，提高了特异性，并在外部验证中保持高性能	模型依赖于MIMIC-IV和eICU-CRD数据集，可能在其他数据集上的泛化能力有待验证	提高非ICU住院患者脓毒症的早期诊断准确性	非ICU住院患者	machine learning	sepsis	deep learning, conformal prediction	DL	time-series data	83,813名患者用于训练，eICU-CRD数据集用于验证