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
81	2025-05-21	Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1933 PMID:40384682	research paper	该研究结合反向双反转恢复（RDIR）和基于人工智能辅助压缩感知（ACS）重建的单次激发暗血快速自旋回波（SS-RDIR）技术，实现了自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估	结合RDIR和ACS重建的SS-RDIR技术显著缩短扫描时间并提高图像质量，优于传统多激发技术	研究样本量较小（20名健康儿童和47名儿科患者），且未提及长期临床效果验证	开发一种自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估方法	健康儿童和儿科患者的心脏成像	数字病理	心血管疾病	暗血T2加权快速自旋回波（DB-FSE）、反向双反转恢复（RDIR）、人工智能辅助压缩感知（ACS）重建	AI-assisted compressed sensing (ACS)	医学影像	67名受试者（20名健康儿童和47名儿科患者）
82	2025-05-21	MHAU-Net: a multi-scale hybrid attention U-shaped network for the segmentation of MRI breast tumors 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1515 PMID:40384695	research paper	提出了一种名为MHAU-Net的多尺度混合注意力U型网络，用于MRI乳腺肿瘤的分割	使用四组不同扩张率的空洞卷积提取多尺度上下文信息，并结合通道和空间注意力块提取混合注意力特征，提高了对不同大小和形状肿瘤的适应性	未提及具体的局限性	实现MRI扫描中乳腺肿瘤的准确自动分割	MRI乳腺肿瘤图像	digital pathology	breast cancer	MRI	MHAU-Net (基于3D U-Net的改进)	3D图像	906张3D乳腺MRI图像
83	2025-05-21	Detection-guided deep learning-based model with spatial regularization for lung nodule segmentation 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2511 PMID:40384696	研究论文	提出了一种结合检测引导和空间正则化的深度学习模型，用于肺部结节的分割	整合了基于U-Net的分割和基于ResNet的分类过程，并应用特征组合块和空间正则化技术以提高精度	训练数据集有限，可能影响模型的泛化能力	开发一种准确可靠的肺部结节分割方法，以辅助放射科医生提高诊断准确性	肺部结节	计算机视觉	肺癌	深度学习	U-Net, ResNet	CT图像	NA
84	2025-05-21	Lightweight attention network for guidewire segmentation and localization in clinical fluoroscopic images of vascular interventional surgery 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2926 PMID:40384703	research paper	本研究提出了一种轻量级注意力网络，用于血管介入手术临床荧光图像中导丝的分割与定位	引入了双边特征融合（BGA）模块和轻量级门控注意力（SDA）模块，提高了导丝分割的精确度	研究中使用的数据集仅来自38名受试者，样本量相对较小	提升经导管动脉化疗栓塞术（TACE）中导丝输送的精确性和实用性	临床荧光图像中的导丝	computer vision	cardiovascular disease	深度学习	CNN	image	2,839张X射线图像，来自38名受试者
85	2025-05-21	Deep learning-based key point detection algorithm assisting vessel centerline extraction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1949 PMID:40384705	research paper	提出一种基于深度学习的关键点检测算法，用于辅助血管中心线提取，以提升斑块定量分析的准确性	针对迂曲血管中心线提取误差大的问题，提出关键点检测算法，显著提升检测精度和效率	研究为回顾性设计，且仅针对脑血管疾病患者，可能限制结果的普适性	提升血管中心线提取精度以辅助斑块定量评估	539名接受3.0-T MRI扫描的脑血管疾病患者	digital pathology	cerebrovascular disease	3.0-T MRI	deep learning	medical image	539例多中心脑血管疾病患者MRI影像
86	2025-05-21	Bibliometric analysis of the application of artificial intelligence in orthopedic imaging 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1384 PMID:40384704	研究论文	通过文献计量分析总结了基于AI的骨科影像学知识结构，并探讨了其潜在研究趋势和焦点	首次通过文献计量学方法系统分析AI在骨科影像学中的应用，揭示了研究热点和未来趋势	仅基于WoSCC数据库，可能遗漏其他数据库的重要文献	总结AI在骨科影像学领域的知识结构并探索研究趋势	2007-2024年间WoSCC数据库中关于AI在骨科影像学应用的文献	医学影像分析	骨科疾病	文献计量分析	CNN	文献数据	3,147篇出版物
87	2025-05-21	Value of deep learning model for predicting Breast Imaging Reporting and Data System 3 and 4A lesions on mammography 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1523 PMID:40384713	研究论文	评估基于乳腺X线摄影的深度学习模型在区分BI-RADS 3和4A病变中的诊断价值及其对放射科医生决策的影响	深度学习模型显著提高了初级放射科医生对BI-RADS 3和4A病变的诊断性能，有效减少漏诊和不必要的活检	研究为回顾性多中心研究，可能受到选择偏倚的影响，且深度学习模型的性能仍逊于资深放射科医生	评估深度学习模型在乳腺X线摄影中区分BI-RADS 3和4A病变的诊断价值	824名患者的846个乳腺X线摄影检测到的乳腺病变（BI-RADS 3和4A）	数字病理	乳腺癌	深度学习	DL模型	图像	846个乳腺病变（来自824名患者）
88	2025-05-21	Light Bladder Net: Non-invasive Bladder Cancer Prediction by Weighted Deep Learning Approaches and Graphical Data Transformation 2025-May, Anticancer research IF:1.6Q4 DOI:10.21873/anticanres.17572 PMID:40295062	research paper	该研究开发了一种轻量级深度学习模型Light-Bladder-Net (LBN)，用于通过常规尿液数据非侵入性预测膀胱癌	通过数据转换、添加均匀噪声、特征选择方法及加权投票策略，提高了模型的泛化能力和分类准确性	未提及模型在更大规模或多样化数据集上的验证情况	开发一种快速、轻量级的非侵入性膀胱癌检测方法	膀胱癌患者的常规尿液数据	digital pathology	bladder cancer	deep learning, feature selection methods (mRMR, PCA, SVD, t-SNE)	Light-Bladder-Net (LBN)	urine data	NA
89	2025-05-21	Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning 2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology DOI:10.1002/wnan.70015 PMID:40391396	综述	本文综述了表面增强拉曼散射（SERS）纳米标签的设计策略、生物医学应用及其与机器学习的整合	强调了SERS纳米标签在生物成像、治疗诊断和液体活检中的最新应用，以及机器学习在提升SERS纳米标签效能中的作用	讨论了SERS纳米标签在临床转化中面临的挑战	探讨SERS纳米标签在生物医学领域的应用及其与机器学习的整合	SERS纳米标签及其在生物医学中的应用	生物医学工程	癌症、SARS-CoV-2	表面增强拉曼散射（SERS）	机器学习（ML）、深度学习	光谱数据、图像数据	NA
90	2025-05-21	Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study 2025-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-1024 PMID:40386596	research paper	本研究验证了多种深度学习模型在结直肠肿瘤分化中的应用，通过内镜超声图像进行双中心研究	结合内镜超声(EUS)与人工智能(AI)技术，验证了四种深度学习模型在结直肠腺瘤和癌症诊断中的效能，并与传统内镜诊断进行比较	研究为回顾性设计，样本量相对有限(554例患者)，且仅来自两个中心	验证EUS结合AI在结直肠腺瘤和癌症诊断中的有效性	结直肠病变患者(包括CRC、腺瘤和对照组)	digital pathology	colorectal cancer	endoscopic ultrasound (EUS)	ResNet50, EfficientNet-B0, VGG_11_BN, ViT	image	554例患者(167例CRC，136例腺瘤，251例对照)
91	2025-05-21	Deep learning model for predicting spread through air spaces of lung adenocarcinoma based on transfer learning mechanism 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-985 PMID:40386718	研究论文	本研究基于深度学习算法开发并验证了一种用于预测肺腺癌空气播散（STAS）的模型	利用迁移学习机制结合ResNet50架构和最优语义特征构建混合模型，提高了STAS的预测性能	样本量相对较小（290例患者），且为回顾性研究	术前预测肺腺癌的空气播散（STAS）以帮助选择合适的手术和治疗策略	肺腺癌（LUAD）患者	数字病理	肺癌	深度学习	ResNet50	CT图像	290例患者（203例训练集，87例测试集）
92	2025-05-21	A narrative review of preoperative CT for predicting spread through air spaces of lung cancer 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-952 PMID:40386727	综述	本文回顾并总结了计算机断层扫描（CT）在预测肺癌空气扩散（STAS）中的作用，讨论了该领域研究的局限性和未来方向	结合人工智能发展，通过放射组学和深度学习方法显著提升了STAS预测模型的效能	风险分层研究仍然有限，需要通过更全面的STAS病理学定义进一步完善	评估术前CT成像预测STAS的可行性	肺癌患者的术前CT影像	数字病理学	肺癌	CT成像、放射组学、深度学习	深度学习模型	医学影像	NA
93	2025-05-21	Integrating radiomics and deep learning for enhanced prediction of high-grade patterns in stage IA lung adenocarcinoma 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-995 PMID:40386715	研究论文	本研究开发了一种基于术前CT图像的融合模型，用于预测IA期肺浸润性非黏液性腺癌中高级别模式（HGPs）的存在	结合放射组学特征和深度学习特征，使用XGBoost分类器构建融合模型，显著提高了预测HGPs的准确性	研究为回顾性分析，样本量相对有限（403例患者），且仅针对IA期肺浸润性非黏液性腺癌	开发术前预测肺腺癌高级别模式的工具，以辅助临床制定个体化治疗方案	403例手术治疗的临床IA期且病理确诊为浸润性非黏液性腺癌的患者	数字病理	肺癌	CT成像	XGBoost	图像	403例患者
94	2025-05-21	Automated Bi-Ventricular Segmentation and Regional Cardiac Wall Motion Analysis for Rat Models of Pulmonary Hypertension 2025-Apr, Pulmonary circulation IF:2.2Q3 DOI:10.1002/pul2.70092 PMID:40356847	研究论文	本文提出了一种基于深度学习的自动化管道，用于肺动脉高压（PH）大鼠模型的双心室分割和3D壁运动分析	开发了一种高效且新颖的转化工具，用于啮齿动物研究，与临床心脏成像AI发展保持一致	研究仅针对大鼠模型，未涉及人类或其他动物模型	通过自动化双心室分割和区域心脏壁运动分析，预测肺动脉高压疾病进展及其对心脏的影响	肺动脉高压（PH）大鼠模型	数字病理	肺动脉高压	深度学习，心脏磁共振扫描	全卷积网络（FCN）	图像	163个短轴电影心脏磁共振扫描，来自MCT和SuHx PH大鼠
95	2025-05-21	Fully automated MRI-based analysis of the locus coeruleus in aging and Alzheimer's disease dementia using ELSI-Net 2025 Apr-Jun, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70118 PMID:40365469	研究论文	介绍了一种基于深度学习的自动化MRI分析方法ELSI-Net，用于评估蓝斑核(LC)在衰老和阿尔茨海默病(AD)痴呆中的完整性	开发了名为ELSI-Net的集成式蓝斑核分割网络，相比之前的工作表现更优，并与人工评分和已发布的LC图谱高度一致	需要在更多样化的临床队列数据集上进行进一步评估，以全面验证ELSI-Net的普适性	评估蓝斑核在衰老和阿尔茨海默病痴呆中的完整性，并探索其与AD病理生物标志物的关联	健康老年人和阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	MRI	深度学习(ELSI-Net)	医学影像	健康老年人和AD痴呆患者数据集(具体数量未明确说明)
96	2025-05-21	Potential of Artificial Intelligence for Bone Age Assessment in Iranian Children and Adolescents: An Exploratory Study 2025-Apr-01, Archives of Iranian medicine IF:1.0Q3 DOI:10.34172/aim.32070 PMID:40382691	研究论文	本研究探讨了人工智能系统在伊朗儿童和青少年骨龄评估中的准确性	开发了一个针对特定人群的深度学习模型，用于骨龄评估，相比传统方法更高效和一致	模型的预测准确性在年龄范围的两端存在误差，且男孩的预测准确性相对较低，需要进一步优化和验证	评估人工智能系统在骨龄评估中的准确性和潜在应用	伊朗1-18岁儿童和青少年的左手X光片	数字病理	肌肉骨骼疾病	深度学习	深度学习模型	图像	555张X光片（220名男孩和335名女孩）
97	2025-05-21	Artificial Intelligence as a Screening Tool for MRI Evaluation of Normal and Abnormal Medial Meniscus 2025-Apr, Cureus DOI:10.7759/cureus.82523 PMID:40385820	研究论文	本研究评估了基于深度学习的Mask R-CNN模型在MRI扫描中对内侧半月板进行分割和分类的性能	与之前使用边界框分割膝关节结构的研究不同，本模型采用精确的多边形注释确保仅对半月板进行像素级分割，从而实现准确的异常检测	需要多中心数据集验证，且未来需要扩展模型以对半月板异常进行子分类	评估AI在MRI扫描中自动评估半月板的性能，提高诊断准确性和效率	内侧半月板	计算机视觉	NA	MRI	Mask R-CNN (ResNet-50 backbone + FPN)	图像	3600张矢状面质子密度加权脂肪抑制(PD-FS) MRI图像
98	2025-05-21	The Role of Artificial Intelligence in the Prediction of Bariatric Surgery Complications: A Systematic Review 2025-Apr, Cureus DOI:10.7759/cureus.82461 PMID:40385919	系统综述	本文综述了人工智能在预测减肥手术后并发症中的作用	探讨了AI在预测减肥手术并发症中的潜力，特别是集成方法和神经网络相比传统逻辑回归的优势	研究存在过拟合、数据不平衡和泛化能力有限的问题，尤其是深度学习模型，且多数研究集中在瑞典和美国，可能引入区域偏见	评估人工智能在预测减肥手术后并发症中的效果和应用	减肥手术患者	医疗人工智能	肥胖症	AI算法（包括集成方法和神经网络）	集成方法、神经网络、逻辑回归	临床数据	七个回顾性队列研究，涉及大样本数据集
99	2025-05-21	Recurrent and convolutional neural networks in classification of EEG signal for guided imagery and mental workload detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92378-x PMID:40140460	研究论文	本研究探讨了使用循环神经网络和卷积神经网络对脑电图信号进行分类，以检测引导想象和心理工作负荷	首次在引导想象和心理工作负荷检测中比较了使用26个认知电极和256个通道的信号分类效果，并发现仅使用认知电极即可获得与全信号相似的结果	研究样本仅包括26名学生，可能限制了结果的泛化能力	验证是否能够通过深度学习方法和循环神经网络检测和分类引导想象放松技术与心理任务工作负荷之间的差异	26名接受引导想象放松技术和心理任务工作负荷的学生	机器学习	精神疾病	密集阵列脑电图放大器	EEGNet, LSTM, 1D CNN, 1D CNN-LSTM混合模型	脑电图信号	26名学生
100	2025-05-21	Convolutional Neural Network Models for Visual Classification of Pressure Ulcer Stages: Cross-Sectional Study 2025-Mar-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/62774 PMID:40135412	研究论文	本研究探讨了使用卷积神经网络（CNN）模型对压力性溃疡（PI）进行视觉分类的潜力	首次将AlexNet、VGGNet16、ResNet18和DenseNet121等CNN模型应用于PI分期，并展示了DenseNet121的最高准确率	未与不同经验水平的护士进行比较以进一步验证临床应用效果	提供一种有效的工具来辅助PI分期	压力性溃疡（PI）图像	计算机视觉	压力性溃疡	深度学习	CNN（包括AlexNet、VGGNet16、ResNet18和DenseNet121）	图像	853张原始PI图像，经过数据增强后得到7677张图像