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
8821	2025-03-03	Imaging Results in Data Usefully Analyzed by Artificial Intelligence Machine Learning 2025-Feb-26, 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.2025.02.024 PMID:40021066	研究论文	本文探讨了人工智能（AI）和机器学习（ML）在诊断影像分析中的应用，强调了深度学习在减少观察者间差异和提升诊断准确性方面的潜力	提出了一个有效的三步方法，包括检测器、注意力模块和可解释性，以提高影像分析的效率和准确性	需要外部验证以确定模型在单一机构外的泛化能力	研究AI和ML在诊断影像分析中的应用，以提高诊断的准确性和一致性	诊断影像数据	计算机视觉	NA	深度学习	NA	图像	NA
8822	2025-03-03	Simultaneous profiling of ac4C and m5C modifications from nanopore direct RNA sequencing 2025-Feb-13, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.140863 PMID:39954891	研究论文	本研究开发了一种名为modCnet的深度学习框架，利用纳米孔直接RNA测序技术同时识别ac4C和m5C修饰	首次实现了从纳米孔直接RNA测序数据中同时进行ac4C和m5C修饰的从头识别	需要进一步验证在更广泛生物样本中的应用效果	研究RNA修饰（ac4C和m5C）在mRNA稳定性和翻译效率中的作用	人类细胞系中的mRNA	生物信息学	NA	纳米孔直接RNA测序	深度学习框架（modCnet）	RNA测序数据	人类细胞系中的mRNA样本
8823	2025-03-03	Clinical utility of receptor status prediction in breast cancer and misdiagnosis identification using deep learning on hematoxylin and eosin-stained slides 2024-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00695-5 PMID:39706861	研究论文	本文探讨了使用深度学习从数字化H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在识别激素受体阳性患者、作为质量保证的第二阅读工具以及解决肿瘤内异质性方面的应用	首次使用深度学习从H&E染色切片预测乳腺癌的ER、PR和ERBB2状态，并在多机构数据集上进行训练和评估，展示了其在临床中的潜在应用	研究依赖于多机构数据集，可能存在数据异质性问题，且未在所有临床环境中进行广泛验证	探索从H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在诊断和治疗计划中的潜在应用	乳腺癌患者的数字化H&E染色切片	数字病理学	乳腺癌	深度学习	深度学习系统	图像	19,845张切片，来自7,950名患者，涵盖六个独立队列
8824	2025-03-03	Synthesizing Contrast-Enhanced MR Images from Noncontrast MR Images Using Deep Learning 2024-03-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8107 PMID:38453408	研究论文	本研究利用深度学习从非对比多参数MR图像中合成虚拟钆对比增强T1加权MR图像，以评估原发性脑肿瘤	开发了一种名为T1c-ET的残差Inception DenseNet网络，能够同时合成虚拟对比增强T1加权图像并分割肿瘤的增强部分	研究中使用的数据集来自2019年脑肿瘤分割挑战赛，可能限制了模型的泛化能力	减少对钆对比剂的需求，提供替代成像方法	原发性脑肿瘤患者	计算机视觉	脑肿瘤	深度学习	残差Inception DenseNet网络	MR图像	335名受试者的MR图像用于训练和验证，125名受试者的MR图像用于测试
8825	2025-03-03	A multitask approach for automated detection and segmentation of thyroid nodules in ultrasound images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107974 PMID:38244471	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	提出的多任务方法不仅检测可疑图像，还分割潜在结节，与甲状腺结节评估的工作流程相平行，提高了临床可翻译性	当前深度学习架构通常为半自动化，仅评估已知有结节的图像，未评估识别可疑图像的能力	提高甲状腺结节检测和风险分层的自动化水平，减少医疗成本、患者不适和不必要的侵入性操作	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	UNet	超声图像	280名患者的9888张图像
8826	2025-03-03	Deep Learning and Geriatric Mental Health 2024-03, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry DOI:10.1016/j.jagp.2023.11.008 PMID:38142162	综述	本文旨在帮助临床医生掌握深度学习的基本术语，理解其基本原理及早期应用，并探讨其在老年精神病学中的相关性	提供了对深度学习工作原理的深入见解，并讨论了其在老年精神病学中的应用潜力	未具体提及研究的局限性	帮助临床医生理解深度学习的基本概念及其在老年精神病学中的应用	临床医生及老年精神病学领域的研究者	机器学习	老年疾病	NA	深度学习	NA	NA
8827	2025-03-03	Test Retest Reproducibility of Organ Volume Measurements in ADPKD Using 3D Multimodality Deep Learning 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.09.009 PMID:37798206	研究论文	本研究利用3D多模态深度学习技术，通过多脉冲序列MRI测量ADPKD患者的器官体积，以减少测量变异性	采用基于nnU-net的3D多模态多类分割模型，结合所有脉冲序列进行多次测量，通过异常值分析和平均减少变异性	样本量较小（n=19），且仅在3周内进行重复测试	减少ADPKD患者MRI器官体积测量的变异性	ADPKD患者的肾脏、肝脏和脾脏	数字病理学	常染色体显性多囊肾病（ADPKD）	MRI（T1, T2, SSFP, DWI）和CT	nnU-net	3D图像	413名受试者用于训练/验证，19名ADPKD患者用于测试-重测评估
8828	2025-03-03	Deformable lung 4DCT image registration via landmark-driven cycle network 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16738 PMID:37708440	研究论文	本文提出了一种基于标志点驱动的循环网络，用于肺部四维计算机断层扫描（4DCT）图像的自动变形配准	提出了一种新的弱监督深度学习方法，通过标志点驱动的损失函数和双向路径优化来提高变形向量场的生成精度	研究主要依赖于公开的DIR-Lab数据集和临床数据集，样本量相对较小，可能影响模型的泛化能力	开发一种自动、准确且高效的肺部4DCT图像配准方法，以量化呼吸运动并优化运动管理	肺部4DCT图像	计算机视觉	肺癌	4DCT	循环网络（包含生成器和判别器）	图像	10个4DCT数据集（来自DIR-Lab）和50个4DCT数据集（来自临床数据集）
8829	2025-03-03	Heterogenous thinning of peripapillary tissues occurs early during high myopia development in juvenile tree shrews 2024-Mar, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2024.109824 PMID:38336167	研究论文	本研究探讨了在幼年树鼩中实验性高度近视发展过程中视乳头周围组织的厚度变化	首次在幼年树鼩中研究了高度近视发展过程中视乳头周围组织的异质性变薄现象	样本量较小，仅涉及15只树鼩	研究高度近视发展过程中视乳头周围组织的厚度变化	幼年树鼩	数字病理学	近视	光学相干断层扫描（OCT）	深度学习算法	图像	15只幼年树鼩
8830	2025-03-03	iEEG-recon: A fast and scalable pipeline for accurate reconstruction of intracranial electrodes and implantable devices 2024-Mar, Epilepsia IF:6.6Q1 DOI:10.1111/epi.17863 PMID:38148517	研究论文	本文介绍了一种名为iEEG-recon的快速且可扩展的管道，用于准确重建颅内电极和植入设备	开发了一个独立的模块化管道，用于自动化电极重建，并展示了其与临床和研究工作流程的兼容性以及在云平台上的可扩展性	需要进一步验证其在更多临床环境中的适用性和准确性	促进药物难治性癫痫病例的治疗，通过自动化电极重建过程来识别癫痫网络	颅内电极和植入设备	数字病理	癫痫	iEEG, MRI	ANTsPyNet	图像	132名患者的数据，来自两个癫痫中心
8831	2025-03-03	Predicting FDG-PET Images From Multi-Contrast MRI Using Deep Learning in Patients With Brain Neoplasms 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28837 PMID:37259967	研究论文	本研究利用深度学习技术，通过多对比MRI生成脑肿瘤患者的诊断质量FDG-PET等效图像	首次使用深度学习模型从多对比MRI生成FDG-PET图像，避免了放射性示踪剂的使用	合成PET图像的质量与真实PET图像相比存在显著差异，且读者间存在明显的变异性	生成诊断质量的PET等效图像，以减少地理限制、辐射暴露和高成本	脑肿瘤患者	医学影像分析	脑肿瘤	深度学习	卷积神经网络（CNN）	MRI和PET图像	51名患者（59项研究）
8832	2025-03-03	mmPose-FK: A Forward Kinematics Approach to Dynamic Skeletal Pose Estimation Using mmWave Radars 2024-Mar, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3348199 PMID:39309301	研究论文	本文提出了一种基于毫米波雷达的动态骨骼姿态估计方法mmPose-FK，采用动态前向运动学（FK）方法解决毫米波雷达常见的低分辨率、镜面反射和噪声问题	将前向运动学机制整合到深度学习模型中，开发了一种端到端的解决方案，显著提高了姿态估计的准确性和稳定性	未明确提及具体限制	解决毫米波雷达在姿态估计中的低分辨率、镜面反射和噪声问题，提高姿态估计的准确性和稳定性	人体骨骼姿态	计算机视觉	NA	毫米波雷达	深度学习模型	雷达数据	未明确提及样本数量
8833	2025-03-03	K-t PCA accelerated in-plane balanced steady-state free precession phase-contrast (PC-SSFP) for all-in-one diastolic function evaluation 2024-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29897 PMID:37927206	研究论文	本文开发了一种MRI方法，通过生成具有平衡稳态自由进动对比的2D相位对比序列（PC-SSFP），在单次扫描中同时评估舒张功能	提出了一种新的MRI方法PC-SSFP，结合k-t PCA加速技术，实现了在单次扫描中同时评估舒张功能	研究仅在10名健康受试者中进行，样本量较小，且未在患者群体中验证	开发一种MRI方法，用于在单次扫描中同时评估舒张功能	舒张功能的评估，包括早期和晚期舒张期二尖瓣充盈速度（E和A）以及二尖瓣环组织速度（e'）	医学影像	心血管疾病	MRI, k-t PCA	深度学习框架	图像	10名健康受试者
8834	2025-03-03	Biomimetic Deep Learning Networks With Applications to Epileptic Spasms and Seizure Prediction 2024-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3325762 PMID:37851549	研究论文	本文提出了一种新型的仿生深度学习网络，用于癫痫痉挛和癫痫发作预测，并与最先进的传统机器学习模型进行了性能比较	结合了模块化Volterra核卷积网络和双向循环网络，并利用头皮EEG的相位振幅跨频耦合特征	NA	提高癫痫发作预测的准确性，改善患者的生活质量	癫痫患者，特别是成人癫痫发作和婴儿痉挛综合征患者	机器学习	癫痫	EEG信号分析	仿生神经网络，Volterra核卷积网络，双向循环网络	EEG数据	标准CHB-MIT数据集，Montefiore医疗中心和加州大学洛杉矶分校的两个数据集
8835	2025-03-03	Quantifying U-Net uncertainty in multi-parametric MRI-based glioma segmentation by spherical image projection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16695 PMID:37696029	研究论文	本文提出了一种基于球形图像投影的U-Net分割不确定性量化方法，用于多参数MRI（MP-MRI）的胶质瘤分割	通过将平面MRI数据投影到球面，提出了一种新的球形投影U-Net（SPU-Net）模型，用于量化分割不确定性，并生成像素级的不确定性图	研究仅基于369名胶质瘤患者的MP-MRI数据，样本量相对有限，且未在其他类型的医学图像上进行验证	开发一种基于球形图像投影的U-Net分割不确定性量化方法，以提高胶质瘤分割的准确性和不确定性评估	胶质瘤患者的MP-MRI图像（T1, T1-Ce, T2, FLAIR）	数字病理	胶质瘤	多参数MRI（MP-MRI）	U-Net, SPU-Net	图像	369名胶质瘤患者的MP-MRI扫描数据
8836	2025-03-03	Clinical evaluation of deep learning systems for assisting in the diagnosis of the epiretinal membrane grade in general ophthalmologists 2024-Mar, Eye (London, England) DOI:10.1038/s41433-023-02765-9 PMID:37848677	研究论文	本研究开发了基于OCT图像的深度学习系统，用于辅助诊断视网膜前膜（ERM）的严重程度，并通过比较实验评估了AI系统在眼科医生诊断中的潜在益处和风险	开发了两种深度学习模型（分割模型和分类模型）来辅助诊断ERM的严重程度，并通过临床实验验证了AI系统在提高诊断准确性和减少时间消耗方面的潜力	研究中AI系统的误判情况需要进一步分析和改进，以确保其在临床实践中的安全性和可靠性	开发并评估AI系统在辅助诊断视网膜前膜（ERM）严重程度中的应用	视网膜前膜（ERM）患者	数字病理	老年疾病	光学相干断层扫描（OCT）	深度学习模型（分割模型和分类模型）	图像	来自三家医院的OCT数据集
8837	2025-03-03	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	本文开发了一种基于深度学习的半固体磁化转移参考框架（DeepEMR），用于快速、可靠地估计磁化转移对比（MTC）和CEST信号，并评估其重复性和可靠性	提出了一个基于MR物理驱动的深度学习框架DeepEMR，用于快速估计MTC和CEST信号，并在数值模型和健康志愿者中验证了其准确性和重复性	研究主要基于数值模型和健康志愿者，虽然在脑肿瘤患者中进行了应用，但样本量可能有限	开发一种新的MR成像方法，用于快速、可靠地估计MTC和CEST信号，并评估其重复性和可靠性	数值模型、健康志愿者和脑肿瘤患者	医学影像	脑肿瘤	深度学习、磁共振成像（MRI）	神经网络	图像	数值模型、健康志愿者和脑肿瘤患者（具体数量未提及）
8838	2025-03-03	Generating synthetic medical images with limited data using auxiliary classifier generative adversarial network: a study on thyroid ultrasound images 2024-Mar, Journal of ultrasound IF:1.3Q3 DOI:10.1007/s40477-023-00837-w PMID:38064046	研究论文	本文提出了一种使用辅助分类器生成对抗网络（ACGAN）从有限数据生成合成医学图像的新方法，并在甲状腺超声图像上进行了实验	提出了一种改进的ACGAN架构，能够从非常有限的数据中生成高质量的合成医学图像，并开发了一种图像融合方法以模拟超声设备的输出	实验数据集较小，仅包含198张甲状腺结节超声图像，可能限制了模型的泛化能力	解决医学图像数据有限或未标注的问题，以提升深度学习模型的训练效果	甲状腺超声图像中的钙化和囊性结节	计算机视觉	甲状腺疾病	ACGAN（辅助分类器生成对抗网络）	ACGAN	图像	198张甲状腺超声图像
8839	2025-03-03	Robust explanation supervision for false positive reduction in pulmonary nodule detection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16937 PMID:38224306	研究论文	本文提出了一种结合可解释AI方法的框架，用于提高肺结节检测的准确性，减少假阳性	提出了一种基于解释监督的鲁棒可解释检测（RXD）框架，通过使用放射科医生的结节轮廓作为监督信号，增强模型在小数据集上的学习能力，并减少人工注释中的噪声	研究依赖于公开的LIDC-IDRI数据集，可能限制了模型的泛化能力	开发一个结合可解释AI方法的框架，以提高肺结节检测的准确性，减少假阳性	肺结节	计算机视觉	肺癌	深度学习	CNN	CT图像	480个训练集，265个验证集，265个测试集
8840	2025-03-03	Channelized hotelling observer-based low-contrast detectability on the ACR CT accreditation phantom: Part II. Repeatability study 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16961 PMID:38305692	研究论文	本研究旨在验证基于通道化霍特林观察者（CHO）的低对比度检测评估在四种CT扫描仪模型上的可重复性	优化了CHO模型观察者，使其仅需1-3次重复扫描即可准确测量检测指数（d'），并验证了其在多种CT扫描仪上的可重复性	研究仅限于ACR CT认证体模，未涉及实际临床数据	验证CHO在低对比度检测评估中的可重复性，以支持常规CT质量控制	ACR CT认证体模	医学影像	NA	通道化霍特林观察者（CHO）	CHO	CT图像	四种CT扫描仪模型，每种扫描10次，每次重新定位体模后进行3次重复扫描