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
1281	2025-04-23	Multi-Energy Evaluation of Image Quality in Spectral CT Pulmonary Angiography Using Different Strength Deep Learning Spectral Reconstructions 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.049 PMID:39732618	research paper	该研究评估并比较了使用标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量	比较了标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量，发现强深度学习谱重建（DLSR）显著提高了图像质量	研究样本量较小（70例患者），且为回顾性研究	评估不同能量水平的虚拟单色图像（VMIs）在标准与强深度学习谱重建（DLSR）下的图像质量	70例接受DECT-PA扫描的患者（15例有肺栓塞，55例无肺栓塞）	digital pathology	cardiovascular disease	双能CT肺动脉造影（DECT-PA）	deep learning spectral reconstruction (DLSR)	image	70例患者（15例有肺栓塞，55例无肺栓塞）
1282	2025-04-23	Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.026 PMID:39753479	research paper	开发基于脂肪抑制T2加权成像的放射组学和深度学习模型，用于术前区分良恶性软组织肿瘤	结合放射组学和深度学习特征，构建DLR模型，提高了良恶性软组织肿瘤的术前诊断准确性	样本量相对较小，且外部验证集仅来自一个中心，可能影响模型的泛化能力	开发非侵入性、低成本的术前诊断方法，用于区分良恶性软组织肿瘤	良性和恶性软组织肿瘤患者	digital pathology	soft tissue tumors	fat saturation T2-weighted imaging (FS-T2WI)	3D ResNet	image	115例患者作为训练集，70例患者作为外部验证集
1283	2025-04-23	Development and Validation of an AI-Based Multimodal Model for Pathological Staging of Gastric Cancer Using CT and Endoscopic Images 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.029 PMID:39753481	research paper	开发并验证了一种基于AI的多模态模型，用于结合CT和内窥镜图像对胃癌进行术前病理分期	提出了一种集成多模态模型，结合了CT图像的深度学习和手工特征以及内窥镜图像的深度特征，显著提高了胃癌术前分期的准确性	研究为回顾性设计，数据未公开且样本量有限（691例）	提高胃癌术前病理分期的准确性以优化治疗方案	胃癌患者	digital pathology	gastric cancer	CT成像, 内窥镜成像	ResNet-50, 深度学习模型, 机器学习算法, 集成学习	医学影像（CT和内窥镜图像）	691例胃癌患者
1284	2025-04-23	Improved Image Quality Through Deep Learning Acceleration of Gradient-Echo Acquisitions in Uterine MRI: First Application with the Female Pelvis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.021 PMID:39843279	research paper	本研究比较了深度学习加速的VIBE序列与标准VIBE序列在评估子宫时的图像质量	首次将深度学习加速的VIBE序列应用于女性盆腔MRI，显著提高了图像质量	样本量较小（54例患者），且仅在1.5T MRI扫描仪上进行	比较深度学习加速的VIBE序列与标准VIBE序列在子宫MRI中的图像质量	61名女性患者（最终分析54名）的盆腔MRI图像	digital pathology	NA	MRI, 深度学习加速的VIBE序列	深度学习	image	54名女性患者的盆腔MRI图像
1285	2025-04-23	Photoacoustic Imaging with Attention-Guided Deep Learning for Predicting Axillary Lymph Node Status in Breast Cancer 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.020 PMID:39848886	research paper	本研究探讨了结合光声成像和注意力引导深度学习在预测乳腺癌腋窝淋巴结状态中的精确性	首次将光声成像与注意力引导深度学习结合，开发出预测腋窝淋巴结状态的新型列线图	研究为回顾性设计，样本量相对有限（324例患者）	开发精确预测乳腺癌患者腋窝淋巴结状态的影像学方法	早期乳腺癌患者的腋窝淋巴结状态	digital pathology	breast cancer	photoacoustic-ultrasound (PA-US) imaging	attention-guided DL model	image	324例经组织学确诊的早期乳腺癌患者（2022-2024年）
1286	2025-04-23	Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.041 PMID:39870563	研究论文	本研究基于深度学习开发并验证了一种用于预测胃癌患者HER2表达的CT影像模型	首次利用CT影像特征结合机器学习方法预测胃癌HER2表达状态	研究为回顾性设计，样本中HER2阳性比例较低	开发非侵入性的HER2表达预测模型以指导胃癌精准治疗	胃癌患者	数字病理	胃癌	CT影像组学	LR-Lasso, SVM	医学影像	1059例患者（训练集720例，测试集339例）
1287	2025-04-23	Association Between Aortic Imaging Features and Impaired Glucose Metabolism: A Deep Learning Population Phenotyping Approach 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.032 PMID:39934079	研究论文	本研究开发了一个深度学习框架，用于从MRI中量化主动脉表型，并研究主动脉特征与糖代谢受损之间的关联	使用深度学习框架自动量化主动脉特征，并首次发现主动脉长度和体积与糖代谢受损的独立关联	样本量相对较小（381名参与者），且仅基于一个地区的人群数据	研究主动脉特征与糖代谢受损之间的关联，超越传统心血管风险因素	来自KORA研究的381名参与者（58%男性，平均年龄56岁）	数字病理学	心血管疾病	MRI	深度学习	图像	381名参与者（231名血糖正常，97名糖尿病前期，53名糖尿病患者）
1288	2025-04-23	Artificial intelligence for osteoporosis detection on panoramic radiography: A systematic review and meta analysis 2025-May, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105650 PMID:40010536	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在全景X光片上检测骨质疏松症的诊断准确性	首次对AI在全景X光片上检测骨质疏松症的诊断性能进行全面评估，并量化了其敏感性和特异性	研究间存在显著异质性，可能存在小样本效应和发表偏倚，需要进一步验证和标准化	评估人工智能在全景X光片上检测骨质疏松症的诊断性能	使用AI检测骨质疏松症的全景X光影像研究	digital pathology	骨质疏松症	深度学习	deep learning	image	24项研究（具体样本量未明确说明）
1289	2025-04-23	Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI 2025-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111118 PMID:40048835	research paper	开发并比较了基于多参数MRI的机器学习模型，用于术前预测脑膜瘤的分级	结合手工提取的放射组学特征和深度学习特征，开发了混合模型（HRO和HDLR）用于脑膜瘤分级预测	模型的敏感性和阳性预测值（PPV）存在不一致性，需要更大规模的多中心研究验证	开发机器学习模型以区分低级别和高级别脑膜瘤	脑膜瘤患者的术前多参数MRI数据	digital pathology	脑膜瘤	多参数MRI（T1、T1CE、T2、T2 FLAIR、DWI/ADC）	Random Forest, XGBoost	image	115例（97例低级别和18例高级别脑膜瘤）
1290	2025-04-23	Harnessing machine learning for predicting successful weaning from mechanical ventilation: A systematic review 2025-May, Australian critical care : official journal of the Confederation of Australian Critical Care Nurses IF:2.6Q1 DOI:10.1016/j.aucc.2025.101203 PMID:40058181	系统综述	本文通过系统综述评估了机器学习在预测成人患者机械通气脱机成功中的应用效果	评估了多种机器学习模型在机械通气脱机预测中的表现，并指出XGBoost模型优于其他模型	缺乏使用新型架构（如transformer模型）的研究，表明该领域仍有进一步探索和改进的空间	评估机器学习模型在预测成人患者机械通气脱机成功中的应用效果	接受机械通气的成人患者	机器学习	呼吸系统疾病	机器学习算法（如XGBoost、随机森林、多层感知机等）	XGBoost、随机森林、多层感知机、人工神经网络、卷积神经网络	临床数据	11项研究（n=18,336）
1291	2025-03-29	Advancing Bone Marrow MRI Segmentation Using Deep Learning-Based Frameworks 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.030 PMID:40148166	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1292	2025-04-23	Enhancing brain age estimation under uncertainty: A spectral-normalized neural gaussian process approach utilizing 2.5D slicing 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121184 PMID:40180003	研究论文	提出了一种结合谱归一化神经高斯过程（SNGP）和2.5D切片的方法，用于在低计算成本下实现脑年龄估计中的不确定性整合	首次将SNGP与2.5D切片方法结合，实现了在单一网络中无缝整合不确定性估计，同时保持低计算成本和模型复杂度	未明确提及具体局限性，但可能包括模型在更广泛人群中的验证不足	开发一种能够准确估计脑年龄并量化不确定性的方法，以提升脑异常检测的临床适用性	脑MRI数据	医学影像分析	脑部异常（如ADHD）	磁共振成像（MRI）	SNGP（谱归一化神经高斯过程）	2.5D MRI切片	11个公共数据集（N=6327）和独立验证集（N=301）
1293	2025-04-23	Automated segmentation of the dorsal root ganglia in MRI 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121189 PMID:40185423	研究论文	开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程	首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度提高10倍	方法仅在健康对照组和Fabry疾病患者中验证，需要更多疾病类型验证	开发全自动DRG分割方法以促进DRG成像生物标志物的研究和应用	背根神经节（DRG）	医学影像分析	Fabry病	MRI	CNN	3D T2加权MR图像	220个健康对照DRG
1294	2025-04-23	FetDTIAlign: A deep learning framework for affine and deformable registration of fetal brain dMRI 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121190 PMID:40221066	研究论文	介绍了一种名为FetDTIAlign的深度学习框架，用于胎儿脑部扩散磁共振成像（dMRI）的仿射和可变形配准	提出了一种新颖的双编码器架构和基于迭代特征的推理方法，有效减少了噪声和低分辨率的影响，提高了配准的准确性和鲁棒性	虽然在小样本数据上表现良好，但需要进一步验证在大规模数据集上的适用性和稳定性	开发一种适用于胎儿脑部dMRI的高精度配准方法，以支持早期脑发育研究	胎儿脑部扩散磁共振成像数据	数字病理	神经发育疾病	扩散磁共振成像（dMRI）	深度学习（双编码器架构）	图像	60个白质束，涵盖孕龄23至36周的数据
1295	2025-04-23	IT: An interpretable transformer model for Alzheimer's disease prediction based on PET/MR images 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121210 PMID:40222500	研究论文	本文提出了一种基于PET/MR图像的阿尔茨海默病预测的可解释Transformer模型IT	创新性地结合Transformer架构，能够同时捕捉影像数据的局部和全局特征，并通过高级特征工程技术实现特征的协同整合	未提及具体样本量或数据来源的局限性	开发用于阿尔茨海默病早期检测和精确监测的先进诊断工具	阿尔茨海默病患者	数字病理学	老年疾病	PET/MR成像	Transformer	图像	NA
1296	2025-04-23	Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework 2025-May, Radiology. Imaging cancer DOI:10.1148/rycan.240184 PMID:40249269	research paper	开发基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类	提出了一种结合3D ResU-Net和集成模型Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型自动分类	研究为回顾性多中心研究，可能存在选择偏倚	开发基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类	687名经活检证实的浸润性乳腺癌女性患者	digital pathology	breast cancer	contrast-enhanced MRI	3D ResU-Net, Ensemble ResNet	MRI图像	687名患者（训练集289名，内部测试集61名，两个外部测试集73名和264名）
1297	2025-04-23	Deciphering the Scattering of Mechanically Driven Polymers Using Deep Learning 2025-Apr-22, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00409 PMID:40197011	研究论文	本文提出了一种利用深度学习分析二维散射数据的方法，用于研究外力作用下的半柔性聚合物	使用变分自编码器(VAE)和转换网络建立聚合物参数与散射函数的双向映射，提供了一种快速、自动化的散射分析工具	方法尚未经过实验验证，且目前仅适用于静态散射数据	开发一种可扩展的自动化工具用于聚合物散射分析	半柔性聚合物在外部力作用下的散射数据	机器学习	NA	变分自编码器(VAE), 蒙特卡洛模拟	VAE	二维散射数据	通过离格蒙特卡洛模拟生成的训练数据
1298	2025-04-23	Optimization of Material Composition for Improving Mechanical Properties of Fly Ash-Slag-Based Geopolymers: A Deep Learning Approach 2025-Apr-22, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04969 PMID:40203137	研究论文	本研究利用深度学习技术优化粉煤灰-矿渣基地质聚合物（FASGG）的材料组成和配合比设计，以提高其力学性能的预测精度	开发了一种新型预测模型MK-CNN-GRU，整合了最大信息系数-K中值算法、卷积神经网络和门控循环单元算法，能够充分挖掘实验数据的内部特征并学习其变化规律	NA	优化粉煤灰-矿渣基地质聚合物的材料组成和配合比设计，提高其力学性能的预测精度	粉煤灰-矿渣基地质聚合物（FASGG）	机器学习	NA	深度学习	MK-CNN-GRU（整合了最大信息系数-K中值算法、CNN和GRU）	实验数据	600组实验数据
1299	2025-04-23	Design of Multi-Cancer VOCs Profiling Platform via a Deep Learning-Assisted Sensing Library Screening Strategy 2025-Apr-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06468 PMID:40211116	研究论文	提出了一种深度学习辅助的两步筛选策略，用于识别最小传感器元件的最佳组合，以开发高性能传感器阵列	使用深度学习辅助的FRR算法有效筛选传感元件，快速构建了8元和10元传感器阵列，实现了100%的VOCs判别准确率	NA	开发高性能传感器阵列用于多癌症VOCs的并行判别	挥发性有机化合物(VOCs)和癌症模型	机器学习	多癌症	深度学习辅助的传感器元件筛选策略	前馈神经网络-随机森林-递归特征消除(FRR)算法	颜色变化数据和图像数据	400个传感元件（由20个可电离阳离子元件和20个阴离子染料配对构成）
1300	2025-04-23	Using deep learning for estimation of time-since-injury in pediatric accidental fractures 2025-Apr-22, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06223-4 PMID:40258953	research paper	使用深度学习模型评估儿童意外骨折的受伤时间	首次应用深度学习模型对儿童长骨意外骨折的受伤时间进行准确估计	研究样本仅来自一家大型儿童医院，可能缺乏广泛代表性	提高儿童骨折受伤时间评估的准确性	6岁以下儿童的长骨意外骨折	digital pathology	pediatric fracture	deep learning	CNN	image	2,328张X光片来自399名患者