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
781	2025-07-03	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	research paper	本研究探讨了语义冗余训练数据对深度学习模型性能的影响，并提出了一种基于熵的样本评分方法来识别和移除冗余数据	提出了一种基于熵的样本评分方法，用于识别和移除语义冗余的训练数据，从而提升模型性能	研究仅基于公开的NIH胸部X光数据集，未在其他医学影像数据上进行验证	研究语义冗余训练数据对深度学习模型分类性能的影响	胸部X光影像数据	digital pathology	lung cancer	deep learning	CNN	image	公开的NIH胸部X-ray数据集
782	2025-07-03	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	research paper	提出一种端到端深度学习模型，用于心脏磁共振成像的运动校正和超分辨率重建	模型包含两个特定组件分别处理运动校正和超分辨率，以端到端方式训练	NA	从2D短轴切片重建高分辨率3D心脏体积	心脏磁共振成像数据	医学影像处理	心血管疾病	深度学习	端到端深度学习模型	医学影像	模拟数据集和真实世界数据集
783	2025-07-03	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	research paper	该研究提出了一种基于物理引导深度学习（PG-DL）的大规模3D非笛卡尔冠状动脉MRI重建方法，解决了硬件限制和训练数据不足的问题	结合深度学习与MRI重建的最新进展，提出2.5D重建方法，利用2D卷积神经网络处理3D体积数据，以有限训练数据实现高质量重建	训练数据有限可能影响模型的泛化能力	实现高质量的大规模3D非笛卡尔冠状动脉MRI重建	3D非笛卡尔冠状动脉MRI数据	医学影像处理	心血管疾病	MRI	CNN	3D MRI图像	NA
784	2025-07-03	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出了一种物理驱动的深度学习重建方法，用于解决频率调制拉比编码回波（FREE）MRI中的失真问题并提高成像速度	结合物理模型与深度学习，首次实现了FREE MRI的高加速率重建	目前仅在单接收线圈条件下验证了4倍加速的可行性	降低MRI成本并提高成像速度	MRI成像系统	医学影像	NA	频率调制拉比编码回波(FREE)	物理驱动深度学习(PD-DL)	MRI图像数据	未明确说明样本数量
785	2025-07-03	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	research paper	提出了一种新型的自监督学习框架RELAX-MORE，用于加速定量MRI重建	采用模型强化的自监督学习方法，无需大量训练数据，可在单被试数据上进行训练	NA	提高定量MRI的重建速度和准确性	大脑、膝盖和幻影数据	machine learning	NA	定量MRI，自监督学习	深度学习框架	MRI图像	单被试数据
786	2025-07-03	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	系统综述	本文通过系统综述探讨了机器学习和深度学习模型在医院环境中检测不当处方的应用现状	总结了AI在临床药学领域的应用现状，并指出了整合AI到临床医院药学实践中的潜在价值	纳入的研究中有12项被认为存在高偏倚风险，且训练数据集非常异质	探讨机器学习和深度学习模型在检测医院不当药物医嘱中的应用	医院临床药师使用的AI模型	机器学习	NA	监督学习技术	机器学习和深度学习模型	药物医嘱数据	分析的处方医嘱数量从31到5,804,192不等
787	2025-07-03	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	research paper	使用深度学习预测前段光学相干断层扫描中的角度发育不良，并将其与已知青光眼基因突变相关联	首次使用深度学习模型客观识别角度发育不良，并验证其与特定青光眼基因突变的关联	样本量相对较小，且仅针对特定几种基因突变进行了验证	预测角度发育不良并探索其与青光眼基因突变的关系	前段光学相干断层扫描图像及青光眼患者基因数据	digital pathology	glaucoma	deep learning, AS-OCT	DL	image	800张AS-OCT图像（其中340张用于建模，393张用于基因验证）
788	2025-07-03	Fetal growth analysis from ultrasound videos based on different biometrics using optimal segmentation and hybrid classifier 2024-02-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9995 PMID:38155152	研究论文	提出了一种基于超声视频的胎儿生长分析方法，通过最优分割和混合分类器分析胎儿头围生物特征	引入了混合鲸鱼与对立果蝇优化(WOFF)算法进行最优分割，改进的U-Net设计用于特征提取，以及改进的Boosting算术优化(MBAO)算法进行特征优化，最后采用双向LSTM与CNN混合深度学习技术(B-LSTM-CNN)进行胎儿生长分析	未提及具体样本量限制或算法在临床环境中的实际应用限制	通过超声图像分析胎儿生长和健康状况	胎儿头围生物特征	数字病理	出生缺陷	超声成像	改进的U-Net, B-LSTM-CNN	超声图像和视频帧	使用了公开基准数据集HC18(超声图像)和牛津大学研究档案(ORA-data)(超声视频帧)
789	2025-07-02	Development of deep learning quantization framework for remote sensing edge device to estimate inland water quality in South Korea 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123760 PMID:40367723	研究论文	开发了一种用于边缘设备的深度学习量化框架，用于估算韩国内陆水质	通过神经架构搜索（NAS）和帕累托优化识别轻量级CNN模型，并结合后训练量化（PTQ）和量化感知训练（QAT）进一步压缩模型大小，同时保持准确性	尽管在深度学习方面取得了进展，但当代技术在水质监测中的应用尚未完全探索	开发一种适用于边缘设备的实时AI框架，用于水质监测	韩国内陆水质，特别是总悬浮固体（TSS）浓度	计算机视觉	NA	多光谱成像，神经架构搜索（NAS），后训练量化（PTQ），量化感知训练（QAT）	CNN	图像	NA
790	2025-07-02	Morphotype-resolved characterization of microalgal communities in a nutrient recovery process with ARTiMiS flow imaging microscopy 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123801 PMID:40382876	研究论文	本研究利用流式成像显微镜（FIM）技术对微藻群落进行实时表征，以优化废水处理过程中的磷回收效率	首次在市政污水处理厂规模下，结合ARTiMiS流式成像显微镜和深度学习模型，实时监测微藻群落动态及其与系统性能的关系	研究仅在美国威斯康星州的一个污水处理厂进行，结果可能受地域和环境因素影响	开发高效监测微藻群落动态的技术，以优化废水处理过程中的磷回收和系统性能	污水处理厂中的微藻群落（如Scenedesmus spp., Chlorella, Monoraphidium）	环境生物技术	NA	流式成像显微镜（FIM），包括FlowCam和ARTiMiS	CNN（卷积神经网络）和DNN（密集神经网络）	图像	为期两年的研究，涉及一个市政污水处理厂的微藻群落
791	2025-07-02	Multimodal MRI radiomics enhances epilepsy prediction in pediatric low-grade glioma patients 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05073-2 PMID:40402200	研究论文	本研究提出了一种基于机器学习和深度学习的创新框架，利用MRI进行儿童低级别胶质瘤患者肿瘤相关癫痫的快速无创术前评估	整合了肿瘤和瘤周特征的多模态MRI影像组学方法，显著提高了预测性能	需要更多标准化术前评估数据以增强模型的泛化能力	开发无创预测儿童低级别胶质瘤患者肿瘤相关癫痫的方法	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	MRI	SGD分类器	MRI图像	NA
792	2025-07-02	Risk calculator for long-term survival prediction of spinal chordoma versus chondrosarcoma: a nationwide analysis 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05063-4 PMID:40295452	研究论文	本研究通过全国性数据库分析，比较了脊柱脊索瘤和软骨肉瘤的临床特征、治疗策略及长期预后，并开发了一个基于机器学习的个体化生存预测模型	开发了一个基于机器学习的个体化生存预测模型，并构建了公开可访问的网络计算器	需要外部验证以增强模型的普适性和临床实用性	比较脊柱脊索瘤和软骨肉瘤的临床特征和长期预后，开发个体化生存预测模型	脊柱脊索瘤和软骨肉瘤患者	数字病理	骨肿瘤	机器学习、深度学习	DeepSurv、Gradient Boosting、CatBoost	临床数据	3175名患者（脊索瘤1204例，软骨肉瘤1971例）
793	2025-07-02	Automated detection and recognition of oocyte toxicity by fusion of latent and observable features 2025-Aug-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138411 PMID:40318589	research paper	开发了一个结合深度学习和可观察特征的框架，用于自动检测和识别卵母细胞毒性	首次将深度学习提取的潜在特征与人类可观察概念特征融合，用于卵母细胞毒性的检测、亚型和强度分类	研究仅基于小鼠卵母细胞图像，未在人类卵母细胞上进行验证	评估环境污染物对卵母细胞异常的影响，并预测污染物下的胚胎能力	小鼠卵母细胞	digital pathology	infertility	deep learning	CNN	image	2126张小鼠卵母细胞图像
794	2025-07-02	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-Aug, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	系统综述与荟萃分析	本研究通过系统综述和荟萃分析探讨了眼动追踪技术与人工智能在痴呆检测中的交叉应用	首次对眼动追踪与人工智能结合用于痴呆检测的现有文献进行系统综述和荟萃分析	样本量有限且主要集中于阿尔茨海默病，缺乏标准化指南和其他痴呆类型的纳入	评估眼动追踪与人工智能结合在痴呆检测中的性能表现	痴呆患者（主要为阿尔茨海默病）的眼动行为数据	数字病理学	老年痴呆症	眼动追踪技术	机器学习模型（6项研究）和深度学习模型（3项研究）	眼动数据	57至583名参与者（共9项研究）
795	2025-07-02	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了临床、放射组学、深度学习和融合模型在基于多参数MRI预测局部晚期直肠癌早期复发的效果	首次比较了四种模型（临床、放射组学、深度学习和两种融合模型）在预测局部晚期直肠癌早期复发中的表现，并发现基于决策的晚期融合模型表现最佳	研究为回顾性设计，可能存在选择偏差	预测局部晚期直肠癌的早期复发以优化临床决策	337名局部晚期直肠癌患者	数字病理学	直肠癌	多参数MRI（T2WI, DWI, T1WI, CET1WI）	XGBoost, 深度学习模型, 特征融合模型, 决策融合模型	MRI图像	337名患者（来自四个中心）
796	2025-07-02	Artificial Intelligence in Pediatric Endocrinology 2025-Aug, Advances in pediatrics DOI:10.1016/j.yapd.2024.12.003 PMID:40582750	review	本文探讨了人工智能在儿科内分泌学中的应用及其对医疗服务的提升	介绍了AI技术如何通过人机协作提升医疗服务的安全性和质量	未具体提及AI在儿科内分泌学中的实际应用案例或效果评估	探讨人工智能技术在儿科内分泌学中的应用潜力	儿科内分泌学领域的医疗服务	machine learning	NA	machine learning, deep learning, natural language processing, robotics, speech processing	NA	NA	NA
797	2025-07-02	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jul, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	research paper	该研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒(DKA)和HbA1c高于7%的风险	在大型多中心临床数据集上应用多种机器学习模型，特别是深度学习模型在预测DKA方面表现出色	研究仅基于澳大利亚和新西兰的数据，可能不适用于其他人群	开发预测1型糖尿病患者不良结局风险的机器学习模型	1型糖尿病患者	machine learning	diabetes	机器学习	Deep Learning, Support Vector Machine	临床数据	13761名1型糖尿病患者
798	2025-07-02	Accelerated Multi-b-Value DWI Using Deep Learning Reconstruction: Image Quality Improvement and Microvascular Invasion Prediction in BCLC Stage A Hepatocellular Carcinoma 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.043 PMID:39955255	研究论文	本研究探讨了基于深度学习的加速多b值DWI在缩短采集时间、提高图像质量及预测BCLC A期肝细胞癌微血管侵犯方面的效果	首次将深度学习重建技术应用于多b值DWI，在保持预测性能的同时显著缩短52.86%的采集时间并提升图像质量	研究样本量有限（118例患者），且仅针对BCLC A期HCC患者	评估深度学习加速多b值DWI在肝细胞癌微血管侵犯预测中的临床应用价值	BCLC A期肝细胞癌患者（118例，其中48例MVI阳性）	医学影像分析	肝细胞癌	多b值DWI（Mb-DWI）、深度学习重建	深度学习模型（文中未明确具体架构）	MRI影像数据	118例接受肝脏MRI检查的患者
799	2025-07-02	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	research paper	研究开发了一种基于CT的多参数深度学习和放射组学模型（DLRM），用于预测直肠癌患者的术前肿瘤萌芽（TB）分级	结合深度学习和手工制作的放射组学特征，构建了一个多参数预测模型，用于非侵入性评估直肠癌患者的TB分级	研究样本量较小（135例患者），且为回顾性研究，可能存在选择偏倚	预测直肠癌患者的术前肿瘤萌芽（TB）分级，以支持临床治疗决策	直肠癌患者	digital pathology	rectal cancer	CT-based extracellular volume (ECV) parameter imaging	DLRM (Deep Learning-Radiomic Model)	CT images	135例经组织学确认的直肠癌患者（85例Bd1+2组，50例Bd3组）
800	2025-07-02	Dual-Modality Virtual Biopsy System Integrating MRI and MG for Noninvasive Predicting HER2 Status in Breast Cancer 2025-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.039 PMID:40068996	研究论文	开发并验证了一种基于深度学习的决策视觉生物标志物系统（DM-VBS），用于通过MRI和MG的放射组学和深度学习特征预测乳腺癌HER2状态	整合MRI和MG的双模态虚拟活检系统，首次结合放射组学和深度学习特征预测HER2状态	未明确说明模型在临床实际应用中的可行性验证	开发非侵入性预测乳腺癌HER2状态的智能诊断系统	乳腺癌患者	数字病理	乳腺癌	MRI、MG、放射组学分析、深度学习	XGBoost	医学影像（MRI和MG图像）	550例患者（分为训练集、内部验证集和外部验证集）