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
821	2025-04-25	Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29574 PMID:39167019	研究论文	本研究探讨了结合多参数MRI和临床因素的非肌层浸润性膀胱癌5年复发风险评估模型	结合了基于cROI的放射组学和深度学习特征，显著提高了NMIBC 5年复发风险的预测性能	研究为回顾性设计，样本量相对较小(191例)	改进非肌层浸润性膀胱癌(NMIBC)的5年复发风险评估	非肌层浸润性膀胱癌患者	数字病理学	膀胱癌	多参数MRI(mp-MRI)包括T2WI、DWI和DCE序列	深度学习(DL)和临床-放射组学-DL(CRDL)模型	医学影像	191例患者(训练组115例，验证组和测试组各38例)
822	2025-04-25	Deep learning-based segmentation in MRI-(immuno)histological examination of myelin and axonal damage in normal-appearing white matter and white matter hyperintensities 2025-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.13301 PMID:39175459	research paper	该研究利用深度学习技术对MRI图像进行分割，结合(免疫)组织化学和偏振光成像(PLI)技术，详细量化了白质高信号(WMH)和正常表现白质(NAWM)中的髓鞘和轴突损伤	采用深度学习技术细化白质分割，结合(免疫)组织化学和PLI技术，首次实现了对NAWM中微观结构损伤的体素级病理评估	研究样本为尸检脑组织，无法进行纵向观察；高血压组与正常对照组的样本量可能有限	探究小血管疾病(SVD)导致的痴呆中，WMH和NAWM的髓鞘和轴突损伤机制	高血压患者和正常血压对照者的尸检脑组织	digital pathology	cerebral small vessel disease	Luxol Fast Blue染色, (免疫)组织化学, 偏振光成像(PLI), 深度学习分割	深度学习分割模型	MRI图像, 组织切片图像	高血压患者和正常血压对照者的尸检脑组织(具体数量未明确说明)
823	2025-04-25	Deep Learning-Enhanced Accelerated 2D TSE and 3D Superresolution Dixon TSE for Rapid Comprehensive Knee Joint Assessment 2025-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001118 PMID:39190787	research paper	评估深度学习增强的加速2D TSE和3D超分辨率Dixon TSE MRI在膝关节全面评估中的应用	采用深度学习重建的4倍加速2D TSE协议和6倍加速2D Dixon TSE的3D超分辨率重建技术，显著缩短了检查时间	3D SRR Dixon TSE协议在边缘锐度和伪影方面存在不足，影响了软骨、肌腱和骨骼的可视化	评估深度学习加速MRI协议在膝关节成像中的图像质量和诊断性能	19名有症状的成年受试者的膝关节MRI数据	医学影像分析	膝关节疾病	深度学习重建的加速MRI技术	深度学习模型	MRI图像	19名受试者，共228次膝关节MRI扫描，包含21,204张图像
824	2025-04-25	Classification of 3D shoe prints using the PointNet architecture: proof of concept investigation of binary classification of nike and adidas outsoles 2025-Mar, Forensic science, medicine, and pathology DOI:10.1007/s12024-024-00877-6 PMID:39235752	研究论文	本研究使用PointNet架构对3D鞋印进行二元分类，证明了深度学习在此领域的应用潜力	首次使用深度学习方法对3D鞋印进行分类研究	开发的二元分类方法可能无法完全满足当前法医需求	探索深度学习在3D鞋印分类中的应用	Nike和Adidas两个品牌的3D鞋印	计算机视觉	NA	深度学习	PointNet	3D图像	160双鞋的3242张图像(Adidas 797张，Nike 2445张)
825	2025-04-25	The utility and reliability of a deep learning algorithm as a diagnosis support tool in head & neck non-melanoma skin malignancies 2025-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-08951-z PMID:39242415	研究论文	本研究评估了一种基于深度学习的医疗设备在头颈部非黑色素瘤皮肤恶性肿瘤诊断中的性能和可靠性	使用深度学习算法（特别是视觉变换器）作为诊断辅助工具，用于头颈部非黑色素瘤皮肤恶性肿瘤的分类，展示了其在早期诊断和治疗中的潜在价值	需要进一步研究以阐明该技术在初级保健诊所、皮肤科和头颈外科诊所中的作用，以及作为自我检查工具的潜力	评估深度学习算法在头颈部非黑色素瘤皮肤恶性肿瘤诊断中的性能和可靠性	头颈部可疑皮肤病变患者	数字病理学	非黑色素瘤皮肤癌	深度学习	视觉变换器	图像	135名患者（92名男性和43名女性，中位年龄71岁），包括108例恶性病变（54例基底细胞癌和54例鳞状细胞癌）和27例良性病变（14例脂溢性角化病、2例光化性角化病和11例光化性唇炎）
826	2025-04-25	Accuracy of deep learning-based upper airway segmentation 2025-Mar, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.102048 PMID:39244033	研究论文	本研究评估了基于深度学习的自动模型和半自动方法在上气道分割中的准确性，并与金标准手动方法进行了比较	利用MONAI Label框架训练自动分割模型，并与开源程序ITK-SNAP的半自动分割方法进行比较，验证了两种方法在临床上的可接受性	研究中未提及样本的具体数量，可能影响结果的普遍性	评估自动和半自动上气道分割方法的准确性，以辅助正畸治疗中的诊断和规划	上气道的体积和形态	数字病理	NA	CBCT成像	深度学习模型	医学影像	NA
827	2025-04-25	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	review	本文综述了人工智能在预测心脏性猝死（SCD）中的当前应用和未来发展方向	利用机器学习和深度学习算法识别传统统计方法难以发现的SCD微妙预测指标	尽管AI在SCD风险分层方面具有潜力，但仍存在重要限制需要解决	提高心脏性猝死的个性化风险预测和预防策略	心脏性猝死高风险人群	machine learning	cardiovascular disease	machine and deep learning algorithms	NA	complex data	NA
828	2025-04-25	Deep Learning-Based Artificial Intelligence Can Differentiate Treatment-Resistant and Responsive Depression Cases with High Accuracy 2025-Mar, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241273181 PMID:39251228	研究论文	本研究利用基于深度学习的AI技术，通过EEG信号高准确度区分治疗抵抗性和非抵抗性抑郁症病例	首次将深度学习方法应用于EEG信号以检测抑郁症治疗抵抗性	临床组样本量适中且研究具有回顾性	识别抑郁症治疗抵抗性患者以节省治疗时间和资源	77名治疗抵抗性抑郁症患者、43名非抵抗性患者及40名健康对照者	机器学习	抑郁症	EEG信号分析	GoogleNet CNN	EEG信号	160人（77名TRD患者+43名非TRD患者+40名健康对照）
829	2025-04-25	Advances in spatial resolution and radiation dose reduction using super-resolution deep learning-based reconstruction for abdominal computed tomography: A phantom study 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.012 PMID:39304377	research paper	本研究评估了基于超分辨率深度学习重建（SR-DLR）在腹部CT图像质量提升方面的性能，并与混合迭代重建（HIR）和正常分辨率DLR（NR-DLR）进行了比较	首次在腹部CT中应用超分辨率深度学习重建技术，并在不同视野大小、辐射剂量和降噪强度下验证其性能	研究仅使用体模进行实验，未涉及真实患者数据	评估和比较不同重建技术在CT图像质量和辐射剂量降低方面的表现	Catphan体模	medical imaging	NA	super-resolution deep learning-based reconstruction (SR-DLR), hybrid iterative reconstruction (HIR), normal-resolution DLR (NR-DLR)	deep learning	CT images	NA
830	2025-04-25	Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice 2025-Mar, Endoscopy IF:11.5Q1 DOI:10.1055/a-2421-3194 PMID:39317205	研究论文	一项随机对照试验，评估人工智能诊断系统在临床实践中检测食管鳞状细胞癌的效果	首次在临床环境中前瞻性评估AI系统对食管鳞状细胞癌的检测能力	未能证明AI诊断支持系统能提高食管癌检出率	确定AI如何帮助内镜医师在临床环境中检测食管鳞状细胞癌	高风险食管鳞状细胞癌患者	数字病理	食管癌	白光成像(WLI)、窄带成像(NBI)、碘染色	深度学习系统	内窥镜图像	320名患者
831	2025-04-25	Upfront surgery for intrahepatic cholangiocarcinoma: Prediction of futility using artificial intelligence 2025-Mar, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.06.059 PMID:39322483	research paper	使用人工智能模型预测肝内胆管癌患者手术无效的风险	开发了一个基于多层感知器和梯度提升分类器的集成模型，用于术前预测手术无效的风险	模型在测试队列中的AUC为0.781，灵敏度为64.5%，仍有提升空间	识别肝内胆管癌患者手术无效的风险，避免不必要的手术	肝内胆管癌患者	digital pathology	肝内胆管癌	machine learning, deep learning	多层感知器, 梯度提升分类器	临床数据	827名肝内胆管癌患者
832	2025-04-25	Performance of AI-Enabled Electrocardiogram in the Prediction of Metabolic Dysfunction-Associated Steatotic Liver Disease 2025-Mar, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2024.08.009 PMID:39209186	research paper	本研究探讨了基于深度学习的AI模型利用12导联心电图（ECG）预测代谢功能障碍相关脂肪性肝病（MASLD）的性能	首次使用AI-ECG模型预测MASLD，其性能与单一临床参数模型相当或更优	AI-ECG模型性能未优于临床参数组合模型，且研究为回顾性设计	探索非侵入性筛查工具在MASLD预测中的应用	代谢功能障碍相关脂肪性肝病（MASLD）患者及对照人群	digital pathology	metabolic dysfunction-associated steatotic liver disease	deep learning	CNN	ECG数据	3468例MASLD患者和25407例对照
833	2025-04-25	ChatGPT, Bard, and Bing Chat Are Large Language Processing Models That Answered Orthopaedic In-Training Examination Questions With Similar Accuracy to First-Year Orthopaedic Surgery Residents 2025-Mar, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.08.023 PMID:39209078	research paper	评估ChatGPT、Bard和Bing Chat在骨科培训考试(OITE)问题上的表现，并与骨科实习生的表现进行比较	首次比较了大型语言处理模型与骨科实习生在骨科培训考试中的表现	未包含图像相关问题，且样本仅限于2021和2022年的OITE问题	评估AI模型在骨科诊断和治疗问题上的准确率	ChatGPT、Bard和Bing Chat模型以及骨科实习生	natural language processing	骨科疾病	大型语言模型	GPT-3.5, Bard, Bing Chat	text	420个OITE问题
834	2025-04-25	Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram 2025-03, The Korean journal of internal medicine DOI:10.3904/kjim.2024.130 PMID:39987899	研究论文	本研究旨在开发可靠的人工智能算法，利用12导联心电图检测正常窦性心律患者中房颤的早期迹象	采用可解释的人工智能技术，揭示了深度学习模型预测房颤发作的关键心电图特征	研究仅基于单中心数据，外部验证尚未进行	开发AI算法用于房颤早期诊断	318,321名患者的心电图数据	数字病理学	心血管疾病	12导联心电图	深度神经网络	心电图数据	552,372条心电图轨迹（来自318,321名患者）
835	2025-04-25	Sparse keypoint segmentation of lung fissures: efficient geometric deep learning for abstracting volumetric images 2025-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03310-z PMID:39775630	research paper	该论文提出了一种基于稀疏关键点的肺裂分割方法，利用几何深度学习在稀疏点云上进行高效分割	使用几何深度学习在稀疏点云上进行肺裂分割，比传统3D-CNN更高效，并提出了新型点云到网格自动编码器(PC-AE)	Poisson表面重建(PSR)在流程中占用大部分时间，尽管PC-AE提高了效率但仍有一定误差	提高肺裂在CT图像上的分割效率	CT图像中的肺裂结构	digital pathology	lung cancer	geometric deep learning	PointNets, GCNs, PointTransformers, PC-AE	3D CT images	多样化的临床和病理数据（具体数量未提及）
836	2025-04-25	Deep learning-based analysis of gross features for ovarian epithelial tumors classification: A tool to assist pathologists for frozen section sampling 2025-Mar, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.105762 PMID:40122402	research paper	本研究提出了一种基于Swin Transformer的SGFD-network，用于辅助病理学家通过大体特征定位卵巢上皮性肿瘤的病变区域	首次利用深度学习分析大体图像特征辅助卵巢上皮性肿瘤分类，特别是针对冰冻切片采样中的微浸润鉴别难题	研究仅基于4129张大样本图像，未说明外部验证集的性能表现	开发辅助病理学家进行卵巢上皮性肿瘤冰冻切片采样的AI工具	卵巢上皮性肿瘤的大体图像特征	digital pathology	ovarian cancer	deep learning	Swin Transformer	image	4129张卵巢上皮性肿瘤大体图像
837	2025-04-25	RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597812 PMID:38895232	研究论文	介绍了一个名为RESPAN的开源深度学习流程，用于准确、自动地恢复、分割和量化树突棘	RESPAN整合了最先进的深度学习技术，用于图像恢复、分割和分析，提供了一个易于部署、用户友好的界面，显著提高了可用性和准确性	未明确提及具体限制	开发一个自动化工具，用于树突棘的恢复、分割和量化，以研究突触连接性	树突棘、树突分支和神经元胞体	数字病理学	NA	深度学习	NA	图像	多种样本，包括活体成像和体内双光子显微镜获取的挑战性数据集
838	2025-04-25	Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82639-6 PMID:39952935	research paper	本研究验证了Cellpose在自发荧光显微镜图像中用于单细胞分割的可靠性	开发了一种新的自发荧光训练模型（ATM），用于NAD(P)H强度图像的核分割，提高了分割的再现性和准确性	研究主要针对NAD(P)H图像，可能不适用于其他类型的自发荧光图像	验证Cellpose在自发荧光显微镜图像中的单细胞分割性能	PANC-1细胞和患者来源的癌症类器官（9例患者）	digital pathology	cancer	multiphoton intensity imaging, fluorescence lifetime imaging microscopy (FLIM)	Cellpose	image	PANC-1细胞和9例患者来源的癌症类器官
839	2025-04-25	Reducing inference cost of Alzheimer's disease identification using an uncertainty-aware ensemble of uni-modal and multi-modal learners 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86110-y PMID:39952976	研究论文	本文提出了一种新型的多模态深度学习方法，通过结合MRI和FDG PET数据，减少对FDG PET扫描的依赖，从而降低阿尔茨海默病识别的推理成本	该方法通过MRI模型的不确定性估计来决定是否需要FDG PET扫描，仅在必要时输入FDG PET数据到多模态模型中，显著减少了对昂贵且有辐射的FDG PET扫描的依赖	方法假设MRI数据始终可用，且未考虑其他可能影响诊断的临床因素	优化阿尔茨海默病的识别过程，减少医疗资源使用并提高患者安全性	阿尔茨海默病患者	数字病理学	老年病	MRI, FDG PET, 蒙特卡洛dropout, 证据深度学习	多模态深度学习模型	医学影像	NA
840	2025-04-25	Early detection of Parkinson's disease using a multi area graph convolutional network 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82027-0 PMID:39952991	research paper	提出了一种名为Ma-ST-DGN的多区域图卷积网络模型，用于帕金森病的早期检测	引入了多区域自注意力机制和定向图重构人体骨架特征，提高了对帕金森病潜在迹象的敏感性	样本量相对较小（95名PD患者和96名健康个体），可能影响模型的泛化能力	提高帕金森病早期检测的准确性并增强运动识别模型的鲁棒性	帕金森病患者的步态运动数据	computer vision	geriatric disease	深度学习	Multi-area Attention Spatiotemporal Directed Graph Convolutional Network (Ma-ST-DGN)	video	95名PD患者和96名健康个体的步行视频