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
1401	2025-06-03	FovealNet: Advancing AI-Driven Gaze Tracking Solutions for Efficient Foveated Rendering in Virtual Reality 2025-05, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549577 PMID:40067704	research paper	本文介绍了一种名为FovealNet的先进AI驱动视线跟踪框架，旨在通过提高视线跟踪精度来优化虚拟现实中的注视点渲染系统性能	FovealNet采用基于事件的裁剪方法和令牌修剪策略，显著减少了输入图像中的无关像素，同时保持跟踪精度，并提出了系统性能感知的多分辨率训练策略以适应不同的运行时渲染配置	未明确提及具体限制，但可能涉及在极端或非标准条件下的性能表现	优化虚拟现实中的注视点渲染系统性能	虚拟现实中的视线跟踪技术	computer vision	NA	深度学习，视线跟踪	DNN	image	NA
1402	2025-06-03	Accelerated intracranial time-of-flight MR angiography with image-based deep learning image enhancement reduces scan times and improves image quality at 3-T and 1.5-T 2025-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03564-7 PMID:40095006	研究论文	本研究评估了基于深度学习的图像增强技术在加速颅内飞行时间磁共振血管成像中的应用效果	利用深度学习算法显著减少了扫描时间并提高了图像质量	研究为回顾性分析，样本量相对有限	评估深度学习增强的TOF-MRA相比传统方法在图像质量和扫描时间上的优势	129名接受脑血管检查的患者	医学影像处理	脑血管疾病	飞行时间磁共振血管成像(TOF-MRA)	深度学习	医学影像	129名患者（99例3-T，30例1.5-T）
1403	2025-06-03	Assessing the Severity of Connective Tissue-Related Interstitial Lung Disease Using Computed Tomography Quantitative Analysis Parameters 2025 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001693 PMID:39761506	research paper	该研究通过基于CT深度学习模型和密度阈值方法的计算机断层扫描定量分析参数，预测结缔组织病相关间质性肺病患者的肺功能损害并评估疾病严重程度	结合RDNet分析模型和Pulmo-3D软件的阈值分割方法，首次提出蜂窝状病变比例作为GAP分期的独立风险因子	样本量有限（105例患者），且为回顾性研究设计	开发CT定量参数用于评估结缔组织病相关间质性肺病的严重程度	结缔组织病相关间质性肺病患者（105例）和健康对照者（80例）	digital pathology	interstitial lung disease	CT定量分析、深度学习模型	RDNet	CT图像	105例CTD-ILD患者（46男/59女，中位年龄64岁）和80例健康对照
1404	2025-06-03	Deep Learning Reconstruction for Enhanced Resolution and Image Quality in Breath-Hold MRCP: A Preliminary Study 2025 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001680 PMID:39761494	研究论文	本研究评估了增强分辨率深度学习重建（ER-DLR）在磁共振胰胆管造影（MRCP）中的图像质量，并与非ER-DLR MRCP图像进行了比较	首次在MRCP中应用ER-DLR技术，显著提高了图像的分辨率、信噪比（SNR）和对比噪声比（CNR）	研究为初步研究，样本量较小（34例患者），且为回顾性研究	评估ER-DLR在MRCP中的图像质量提升效果	被诊断患有胆道和胰腺疾病的患者	医学影像	胆道和胰腺疾病	深度学习重建（DLR），磁共振胰胆管造影（MRCP）	深度学习	医学影像	34例患者
1405	2025-06-03	Machine Learning for Predicting Critical Events Among Hospitalized Children 2025-May-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.13149 PMID:40445617	research paper	开发一种机器学习模型，用于早期检测住院儿童的病情恶化，实现全院统一风险评估	提出了一种新型的全院范围模型，能够持续预测儿童住院期间的关键事件风险，优于现有的病房专用模型	研究为回顾性队列研究，可能受到数据质量的限制，且深度学习模型未表现出性能提升	开发一个统一的机器学习模型，用于早期检测住院儿童的病情恶化	住院儿童（年龄<18岁）	machine learning	儿科疾病	机器学习	XGBoost, 深度学习模型	临床数据（生命体征、实验室结果、既往合并症等）	135,621名患者（来自3家三级医疗学术医院）
1406	2025-06-03	Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients 2025-Apr-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.05.25325276 PMID:40453372	研究论文	本研究通过深度学习分析腹部手术患者的术前CT扫描，探讨了性别差异在身体组成与临床营养不良之间的关联	首次全面评估了性别特异性身体组成特征与营养不良的关联，并利用深度学习进行量化分析	研究为单中心回顾性研究，结果可能受限于样本选择偏差	探究腹部手术患者术前影像学身体组成特征与营养不良的性别特异性关联	接受腹部手术的患者	数字病理	NA	CT扫描	深度学习	图像	1,143名患者（52%为女性）
1407	2025-06-03	Deep Learning-Accelerated Non-Contrast Abbreviated Liver MRI for Detecting Malignant Focal Hepatic Lesions: Dual-Center Validation 2025-Apr, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0862 PMID:40150922	研究论文	比较深度学习加速的非增强简化MRI协议与标准简化MRI在肝脏恶性局灶性病变检测中的表现	采用深度学习加速的MRI协议，显著提高图像质量并减少扫描时间约50%	研究为回顾性设计，样本量相对较小（155例患者）	评估深度学习加速的简化MRI协议在肝脏恶性局灶性病变检测中的效能	肝脏恶性局灶性病变患者	医学影像分析	肝癌	深度学习加速的MRI序列（SSFSEDL和DWIDL）	深度学习	MRI图像	155例患者（其中64例有104个恶性病灶）
1408	2025-06-03	A systematic review of deep learning in MRI-based cerebral vascular occlusion-based brain diseases 2025-Mar-05, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.01.020 PMID:39805420	综述	本文系统回顾了2020年至2024年间发表的61项基于MRI的研究，探讨深度学习在诊断脑血管闭塞相关疾病中的作用	比较了基于CNN和ViT的方法，强调了U-Net变体和基于transformer的模型在提高临床应用中可靠性的潜力	讨论了数据隐私和算法可解释性等挑战，以及数据集的充分性和多样性问题	评估深度学习在MRI诊断脑血管闭塞相关疾病中的成功与局限	脑血管闭塞和中风等神经系统疾病	医学影像	脑血管疾病	MRI	CNN, Vision Transformer (ViT), U-Net	MRI图像	61项研究
1409	2025-06-03	Artificial intelligence in early screening for esophageal squamous cell carcinoma 2025-Mar, Best practice & research. Clinical gastroenterology DOI:10.1016/j.bpg.2025.102004 PMID:40451647	review	本文综述了人工智能在食管鳞状细胞癌早期筛查中的变革性作用	AI技术（如机器学习、深度学习和迁移学习）在优化筛查方式、提高成本效益及整合多源数据方面展现出显著潜力	数据集变异性、模型泛化能力、算法透明度及伦理法律问题仍需解决	探讨AI如何革新食管鳞状细胞癌的早期筛查	食管鳞状细胞癌（ESCC）高风险人群	digital pathology	esophageal squamous cell carcinoma	machine learning, deep learning, transfer learning, liquid biopsy	NA	imaging, genomic, clinical data	NA
1410	2025-06-03	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.31.587283 PMID:38826198	research paper	介绍了一种名为gRNAde的几何深度学习流程，用于3D RNA逆设计，能够考虑结构和动态性来设计RNA序列	gRNAde采用多状态图神经网络和自回归解码，能够基于一个或多个3D骨架结构设计RNA序列，显著提高了原生序列恢复率	实验验证的成功率为50%，虽然优于Rosetta的35%，但仍有一定提升空间	开发一种能够考虑3D构象多样性的RNA序列设计方法	RNA序列设计，特别是针对结构灵活的RNA	machine learning	NA	几何深度学习，图神经网络	GNN	3D RNA骨架结构数据	14个RNA结构（来自PDB）以及10个结构化RNA骨架的湿实验验证
1411	2025-06-03	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	该研究探讨了大脑在决策过程中如何通过多个脑区形成最优表征，并利用多区域循环神经网络（RNN）模拟这一过程	揭示了大脑在决策过程中通过多区域计算形成最小充分表征的机制，并发现DLPFC和PMd在任务中的不同作用	研究仅基于猴子的DLPFC和PMd区域数据，未涵盖其他可能参与决策的脑区	理解大脑在决策过程中如何通过多个脑区分布计算并形成最优表征	猴子背外侧前额叶皮层（DLPFC）和背侧前运动皮层（PMd）的神经元活动	神经科学	NA	单神经元和多单位记录，多区域循环神经网络（RNN）模拟	RNN	神经信号	猴子的DLPFC和PMd神经元活动数据
1412	2025-06-03	GastroHUN an Endoscopy Dataset of Complete Systematic Screening Protocol for the Stomach 2025-Jan-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04401-5 PMID:39824869	research paper	介绍了一个名为GastroHUN的开放数据集，用于胃部系统性筛查的内窥镜图像和视频序列	提供了一个基于系统性协议的胃部筛查数据集，包含丰富的标注和多个专家的验证	数据集的规模和多样性可能仍然有限，可能无法覆盖所有临床场景	为机器学习和AI模型开发提供高质量的胃部内窥镜图像和视频数据集	胃部的22个解剖学标志物和不合格图像	digital pathology	gastrointestinal disease	endoscopy	deep learning models	image, video	8,834张图像和4,729个标注视频序列，来自387名患者
1413	2025-06-03	A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors 2025-Jan-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04311-y PMID:39820508	research paper	该论文介绍了一个用于原发性骨肿瘤分类、定位和分割的X射线数据集BTXRD	建立了首个公开的原发性骨肿瘤X射线数据集BTXRD，包含临床信息和标注	数据集规模相对较小，仅包含3746张图像	促进基于深度学习的原发性骨肿瘤计算机辅助诊断算法开发	原发性骨肿瘤的X射线图像	digital pathology	bone tumor	X-ray imaging	deep learning	image	3746张骨图像（1879张正常，1867张肿瘤）
1414	2025-06-03	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2025-Jan, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	research paper	本研究通过图像掩蔽和显著性激活图探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	结合图像掩蔽和显著性激活图系统性地分析了CT图像中不同区域对肺结节分类的影响	研究仅针对4-20毫米直径的实性肺结节，未考虑其他类型的结节	探索深度学习网络在CT图像中识别肺癌所依赖的放射学特征	来自国家肺癌筛查试验(NLST)的实性肺结节患者	digital pathology	lung cancer	CT扫描	deep neural networks	image	来自NLST的特定尺寸肺结节患者数据
1415	2025-06-03	Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review 2025-Jan, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04421-3 PMID:39384606	系统综述	本文通过系统综述评估了机器学习、深度学习和人工智能在美容整形手术中的应用	首次系统性地总结了AI、ML和DL在美容整形手术中的多种应用及其潜力	可能产生不切实际的术后效果预期，需要谨慎使用这些工具	评估AI技术在美容整形手术领域的应用现状	美容整形手术中的AI应用研究	人工智能在医疗中的应用	整形外科	机器学习(ML)、深度学习(DL)、人工智能(AI)	NA	图像数据	41篇研究进行全文审查，最终纳入18篇研究
1416	2025-06-03	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文开发了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习重建技术显著缩短重建时间	提出了基于机器学习的展开重建方法，引入了虚拟线圈概念，并设计了模仿S-LORAKS正则化的网络架构，显著提高了重建速度	虽然重建速度大幅提升，但该方法仍依赖于额外的非扩散图像（b值=0 s/mm2）以获得最佳效果	开发快速重建管道，促进BUDA-cEPI在常规临床和神经科学应用中的部署	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI），深度学习重建	U-Net	医学影像	NA
1417	2025-06-03	Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis? 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2025.3568641 PMID:40443707	research paper	本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性	首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法	研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景	评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性	医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像）	digital pathology	breast cancer, lung disease, colon disease	deep learning optimization	CNN, vision transformers	image	三种医学图像数据集
1418	2025-06-03	Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers 2025, Journal of clinical & experimental cardiology PMID:40443717	review	本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向	利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释	讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑	探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案	心电图数据	machine learning	cardiovascular disease	Deep Learning	DL	ECG数据	NA
1419	2025-06-03	XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322488 PMID:40445896	研究论文	该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌	XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性	研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集	开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类	组织病理学图像中的三类肺癌	数字病理学	肺癌	深度学习	CNN	图像	LC25000数据集中的三类肺癌样本
1420	2025-06-03	Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320362 PMID:40445963	研究论文	本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估	首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比	FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001）	比较两种扩散加权成像技术在肝脏MRI中的表现	199名接受临床肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像（DWI），深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变