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
1301	2025-09-03	Deep Learning for 3D Vascular Segmentation in Phase Contrast Tomography 2024-Jul-16, Research square DOI:10.21203/rs.3.rs-4613439/v1 PMID:39070623	研究论文	本文利用深度学习进行3D血管分割，基于新型HiP-CT成像技术，并通过nnU-Net框架在肾脏血管数据集上评估模型性能	引入经双标注验证的高分辨率HiP-CT血管数据集，并在新型成像模态上系统评估血管分割模型，为高分辨率器官成像中的机器学习模型评估设立新标准	Dice系数主要评估体素一致性但忽略血管关键特征；大血管因缺乏静水压（离体技术）塌陷导致分割效果差；细血管连通性降低及边界分割错误影响血管树结构理解	为血管分割提供理论基础并确定适用于HiP-CT成像的鲁棒基线模型	人体肾脏血管结构	计算机视觉	NA	Hierarchical Phase-Contrast Tomography (HiP-CT)	nnU-Net	3D图像	3个肾脏的血管数据（来自人类器官图谱项目）
1302	2025-09-03	Automatically Detecting Pancreatic Cysts in Autosomal Dominant Polycystic Kidney Disease on MRI Using Deep Learning 2024-07-16, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10070087 PMID:39058059	研究论文	本研究利用深度学习自动检测ADPKD患者MRI图像中的胰腺囊肿	首次开发基于nnU-Net的深度学习模型来自动化检测ADPKD相关的胰腺囊肿，并在多中心数据上验证性能	模型灵敏度较低（20-24%），标注一致性有限（放射科医生仅对52%的训练数据囊肿标注达成一致）	自动化检测常被放射科医生忽略的自体显性多囊肾病患者的胰腺囊肿	146名ADPKD患者的MRI扫描图像	数字病理学	胰腺疾病	深度学习，MRI成像	nnU-Net (2D和3D配置)	医学图像（轴向和冠状T2加权MR图像）	254次扫描来自146名ADPKD患者，包含40名内部测试、40名外部测试和23名重测重现性患者
1303	2025-09-03	Computed Tomography Effective Dose and Image Quality in Deep Learning Image Reconstruction in Intensive Care Patients Compared to Iterative Algorithms 2024-06-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10060069 PMID:38921946	研究论文	比较深度学习图像重建算法与传统迭代算法在重症监护患者CT扫描中的有效剂量和图像质量	首次在重症监护患者中系统评估深度学习图像重建算法相比传统滤波反投影和迭代重建算法在降低辐射剂量和提升图像质量方面的优势	单中心研究，样本量相对有限（83例患者），未涵盖所有类型CT扫描仪	评估深度学习图像重建算法是否能降低CT有效剂量并改善图像质量	重症监护病房患者	医学影像	重症监护	CT扫描，深度学习图像重建	CNN	医学影像	83例重症监护患者（平均年龄59±15岁，56名男性）
1304	2025-09-03	Impact of Deep Learning Denoising Algorithm on Diffusion Tensor Imaging of the Growth Plate on Different Spatial Resolutions 2024-04-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10040039 PMID:38668397	研究论文	评估深度学习去噪算法在不同空间分辨率下对生长板扩散张量成像的影响	首次在儿科患者中应用商用深度学习去噪模型，并系统比较不同体素尺寸下DTI指标的差异	样本量未明确说明，仅使用单一厂商设备和特定去噪设置	评估深度学习去噪算法在不同空间分辨率DTI扫描中的效果	儿童膝关节生长板的扩散张量成像数据	医学影像分析	NA	扩散张量成像(DTI), 深度学习去噪	深度学习模型	医学影像	未明确说明样本数量的儿科患者
1305	2025-09-03	A 3D convolutional neural network to classify subjects as Alzheimer's disease, frontotemporal dementia or healthy controls using brain 18F-FDG PET 2024-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120530 PMID:38311126	研究论文	本研究开发并验证了一种基于3D卷积神经网络的模型，使用脑部18F-FDG PET图像对阿尔茨海默病、额颞叶痴呆和健康对照进行分类	首次引入深度学习模型基于[18F]-FDG PET扫描区分AD和FTD，并以极高准确率识别健康对照	研究为回顾性设计，数据来自特定数据库，需要进一步验证在其他中心的泛化能力	开发准确的神经退行性疾病诊断工具以支持优化治疗	阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照者	医学影像分析	神经退行性疾病	18F-FDG PET脑部成像	3D VGG16-like CNN	3D医学影像	591个受试者（199 AD, 192 FTD, 200 CN）
1306	2025-09-03	Network response of brain microvasculature to neuronal stimulation 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120512 PMID:38199427	研究论文	本研究通过三维双光子荧光显微镜和深度学习分析，揭示了神经元激活后大脑微血管网络的血流动力学响应特征	首次在500×500×500 μm皮层体积内实现微血管网络级别的神经血管耦合响应映射，并采用深度学习流程进行高通量血管分割与图像分析	研究局限于特定皮层体积的观测，尚未扩展到全脑范围或不同疾病模型	探究神经血管耦合在微血管网络层面的响应机制	小鼠皮层锥体神经元及相邻微血管网络	神经科学	NA	3D双光子荧光显微镜、光遗传学激活、深度学习图像分割	深度学习管道（具体架构未说明）	3D显微图像	约30个高分辨率3纳升fMRI体素对应的皮层体积
1307	2025-09-03	Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120519 PMID:38280690	研究论文	提出一种基于深度学习和空间注意力的时空卷积注意力模型（STCA），用于准确建模动态功能脑网络	结合自监督卷积自编码器和空间注意力机制，能够动态捕捉功能脑网络随时间的变化	NA	开发新方法以更准确地表征动态功能脑网络	人脑功能网络	机器学习	NA	深度学习，自监督学习	CNN，自编码器，注意力机制	fMRI功能磁共振成像数据	HCP-task运动行为数据集（具体样本数未明确说明）
1308	2025-09-03	Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120485 PMID:38110045	研究论文	提出一种新颖的自监督多模态学习框架，用于从MRI数据中提取表征以增强群体推断并发现疾病相关脑区及多模态关联	将Deep InfoMax (DIM)自监督方法扩展至多模态神经影像数据，首次实现无标签预训练下的多模态表征学习与可解释性分析	NA	开发无需标注数据的多模态神经影像分析方法，提升脑疾病预测与脑区关联发现能力	多模态MRI神经影像数据	医学影像分析	阿尔茨海默病	Deep InfoMax (DIM), 自监督学习	DIM	多模态MRI图像	NA
1309	2025-09-03	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本研究独立验证了深度学习模型TrUE-Net在白质高信号自动分割中的准确性，并与六种现有方法进行比较	首次对新型深度学习模型TrUE-Net进行严格独立验证，并在全局和区域水平评估其与年龄相关性的检测能力	NA	验证TrUE-Net在白质高信号自动分割中的准确性和可靠性	白质高信号(WMH)区域	医学图像分析	老年性疾病	深度学习	TrUE-Net	医学影像	NA
1310	2025-09-03	BASE: Brain Age Standardized Evaluation 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120469 PMID:38065279	研究论文	提出一种名为BASE的脑年龄标准化评估框架，用于标准化脑年龄预测模型的评估与比较	首次提供包含多中心、未见站点、重测和纵向数据的标准化T1加权MRI数据集及配套评估协议	NA	解决脑年龄预测研究中因数据集和评估方法差异导致的难以比较问题	T1加权磁共振图像（T1w MRI）	医学影像分析	脑部疾病	深度学习	深度神经网络	MRI图像	多中心数据集，包含未见站点、重测和纵向数据
1311	2025-09-03	Electrophysiological brain imaging based on simulation-driven deep learning in the context of epilepsy 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120490 PMID:38103624	研究论文	提出一种基于模拟驱动深度学习的癫痫脑电源成像方法，用于从高分辨率脑电图信号中定位和重建癫痫脑区活动	结合患者特异性头模型和神经质量模型生成模拟数据，并采用多尺度时空卷积网络（TCN与LSTM结合）捕捉EEG信号的局部空间模式和时间依赖关系	仅在三位耐药性部分性癫痫患者的真实数据上验证，样本量有限	解决癫痫背景下脑电源成像的逆问题，精确定位癫痫源并重建其电活动	癫痫患者的高分辨率256通道头皮EEG信号	计算神经科学	癫痫	高分辨率脑电图（Hr-EEG）、边界元法、神经质量模型	TCN（时序卷积网络）、LSTM（长短期记忆网络）	EEG信号	三位耐药性部分性癫痫患者的真实数据及模拟数据
1312	2025-09-03	SIMPLEX: Multiple phase-cycled bSSFP quantitative magnetization transfer imaging with physic-guided simulation learning of neural network 2023-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120449 PMID:37951485	研究论文	提出一种基于物理引导神经网络学习的定量磁化转移成像方法SIMPLEX，用于改进多相位循环bSSFP数据的参数拟合	利用MR信号模型生成训练样本，无需真实标注数据，首次将仿真学习直接应用于体内数据定量分析	方法尚未在大规模临床数据集中验证，泛化能力需进一步评估	改进多相位循环bSSFP定量磁化转移成像的参数拟合精度与鲁棒性	磁共振成像信号与定量磁化转移参数	医学影像分析	NA	定量磁化转移成像（qMT），多相位循环平衡稳态自由进动（bSSFP）	神经网络	磁共振成像数据	仿真数据与体内实验数据（具体数量未明确说明）
1313	2025-09-03	Deep learning based source imaging provides strong sublobar localization of epileptogenic zone from MEG interictal spikes 2023-11-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120366 PMID:37716593	研究论文	本研究提出了一种基于深度学习的脑电磁源成像框架，用于从MEG间歇性棘波中高精度定位癫痫灶	结合介观神经元建模与深度学习，直接从MEG数据学习传感器-源映射关系，突破了传统等效物理源模型的限制	模型训练依赖于神经网络模型生成的数据，且个性化模型需患者MRI几何信息	提高癫痫致病区的定位精度，支持临床决策	药物抵抗性局灶性癫痫患者	脑机接口与神经影像	癫痫	MEG, 深度学习, 颅内脑电图	DL-based ESI	脑磁图信号	29例接受颅内脑电图评估或手术切除的药物抵抗性癫痫患者
1314	2025-09-03	Weighted entropy deep features on hybrid RNN with LSTM for glucose level and diabetes prediction 2023 Oct-Dec, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2022.2149263 PMID:36448678	研究论文	提出一种结合加权熵深度特征和混合RNN-LSTM的深度学习模型，用于血糖水平分类和糖尿病预测	采用改进的逃逸能量哈里斯鹰优化算法调整权重，并设计混合R-LSTM模型进行参数优化	未明确说明模型在不同人群和数据集上的泛化能力评估细节	开发高效的糖尿病预测和血糖水平分类系统	糖尿病患者的血糖数据	机器学习	糖尿病	深度学习优化算法	CNN, RNN, LSTM, 混合R-LSTM, 改进模糊分类器	血糖水平数据	使用两个基准数据集，具体样本量未明确说明
1315	2025-09-03	Automated diagnosis and management of follicular thyroid nodules based on the devised small-dataset interpretable foreground optimization network deep learning: a multicenter diagnostic study 2023-09-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000506 PMID:37204464	研究论文	基于开发的小数据集可解释前景优化网络深度学习模型，实现滤泡性甲状腺结节的自动化诊断与管理	提出FThyNet深度学习模型，针对小数据集设计可解释前景优化网络，并首次系统评估结节边缘纹理信息对滤泡性甲状腺癌预测的影响	样本量相对有限（总样本503例），外部验证仅来自四个中心	开发可靠的术前滤泡性甲状腺癌检测系统，减少侵入性诊断需求	滤泡性甲状腺结节患者	数字病理	甲状腺癌	深度学习	CNN（基于超声图像的深度学习模型）	图像（术前超声图像）	训练与内部验证队列432例（瑞金医院），外部验证队列71例（四个临床中心）
1316	2025-09-02	Automatic prostate volume estimation in transabdominal ultrasound images 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112274 PMID:40614658	研究论文	本研究提出了一种基于深度学习的框架，用于在经腹超声图像中自动估计前列腺体积，以改进非侵入性前列腺癌风险分层	开发了首个结合轴向和矢状面深度学习分割模型、自动直径估计及体积计算的TAUS前列腺体积自动估算框架	样本量有限（100例患者），且TAUS图像质量较低和操作者依赖性可能影响模型泛化能力	提升非侵入性前列腺癌风险分层的准确性和可及性	前列腺体积作为前列腺癌风险评估的关键参数	数字病理	前列腺癌	深度学习	CNN（基于分割任务推断）	超声视频	100例患者（中位年龄67岁，95%百分位范围55-81.2岁）
1317	2025-09-02	Impact of super-resolution deep learning-based reconstruction for hippocampal MRI: A volunteer and phantom study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112289 PMID:40639021	研究论文	本研究评估了基于超分辨率深度学习重建（SR-DLR）对海马体薄层T2加权MRI图像质量的影响	提出SR-DLR方法，在保持对比度的同时显著提升图像信噪比，并减少零填充插值伪影	样本量较小（仅13名健康志愿者），未涉及患者群体验证	评估深度学习超分辨率重建技术在海马体MRI图像质量优化中的应用效果	人类志愿者和海马体MRI图像模体	医学影像分析	NA	超分辨率深度学习重建（SR-DLR），零填充插值（ZIP）	深度学习重建（DLR）	MRI图像	13名健康志愿者和ACR模体
1318	2025-09-02	Deep learning CAIPIRINHA-accelerated 3D MRI of the knee cartilage at 7 Tesla 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112287 PMID:40651115	研究论文	研究深度学习重建在7特斯拉下CAIPIRINHA加速的3D膝关节软骨MRI中的可行性和扫描时间减少程度	将深度学习重建与CAIPIRINHA并行成像技术结合应用于7T超高场强膝关节软骨成像，实现最高六倍加速而保持图像质量	八倍和十二倍加速时图像质量下降，伪影显著增加；样本量较小（18名志愿者35个膝关节）	评估深度学习重建技术在超高场强膝关节软骨MRI中的加速性能和图像质量	人类膝关节软骨	医学影像分析	骨关节疾病	CAIPIRINHA并行成像，深度学习重建，3D DESS序列	深度学习重建模型	MRI图像	18名志愿者的35个膝关节
1319	2025-09-02	A novel segmentation-based deep learning model for enhanced scaphoid fracture detection 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112309 PMID:40652603	研究论文	开发一种基于分割的深度学习模型，用于从手腕X光片中检测明显和隐匿的舟骨骨折	提出了一种结合分割方法的深度学习模型，在隐匿性舟骨骨折检测方面表现优于临床专家	样本量相对有限（408例患者），且仅针对单一类型骨折	开发并验证深度学习模型在舟骨骨折检测中的诊断性能	手腕X光片中的舟骨骨折，包括明显和隐匿性骨折	计算机视觉	骨科疾病	深度学习，图像分割	CNN	X光图像	408例患者，410个手腕，1011张X光片（其中718张包含骨折）
1320	2025-09-02	Deep learning reconstruction enhances bone visualization in zero echo time MRI for cervical spondylosis: A prospective study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112310 PMID:40669257	研究论文	本研究评估深度学习重建技术在零回波时间MRI中提升颈椎病图像质量并缩短扫描时间的应用	首次将深度学习重建（DLR）与零回波时间（ZTE）MRI结合，在减少62%扫描时间的同时达到与传统高激发次数相当的图像质量	样本量较小（43例），且仅针对颈椎病患者，未涉及其他骨骼疾病或健康对照组	优化MRI成像流程，提升骨骼可视化效果并减少扫描时间	颈椎病术前患者的骨骼及软组织结构	医学影像分析	颈椎病	零回波时间MRI（ZTE MRI）与深度学习重建（DLR）	深度学习（未指定具体网络结构）	MRI图像	43例颈椎病术前患者