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
1441	2025-04-18	The Evolution of Artificial Intelligence in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.006 PMID:39934005	review	本文综述了人工智能在核医学中的演变及其在诊断、治疗和图像处理中的应用	探讨了人工智能在核医学中的最新进展，包括深度学习、生成式AI及其在个性化治疗中的应用	数据稀缺性、异质性以及伦理问题是临床转化的主要障碍	研究人工智能在核医学中的应用及其对诊断和治疗效果的优化	核医学中的诊断、预后、分割、图像质量增强和治疗诊断学	machine learning	NA	machine learning, deep learning, generative AI	CNN, transformer-based neural networks, large language models, diffusion techniques	image, text	NA
1442	2025-04-18	Machine Learning and Deep Learning Models for Automated Protocoling of Emergency Brain MRI Using Text from Clinical Referrals 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230620 PMID:39969276	研究论文	开发并评估基于机器学习和深度学习的模型，用于根据临床转诊文本自动制定急诊脑MRI扫描方案	首次使用Finnish BERT和GPT-3.5 Turbo等预训练深度学习模型进行急诊脑MRI方案的自动制定	单中心回顾性研究，样本量有限（1953例）	通过自然语言处理技术实现急诊脑MRI扫描方案的自动化制定	急诊脑MRI转诊文本	自然语言处理	神经系统疾病	自然语言处理	BERT, GPT-3.5, 朴素贝叶斯, 支持向量机, XGBoost	文本	1953例急诊脑MRI转诊
1443	2025-04-18	Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240303 PMID:40008976	研究论文	开发一种基于深度学习的模型，从非对比心脏MRI中获取对齐应变值，用于预测杜氏肌营养不良症患者的心肌纤维化	提出了一种新的对齐应变技术，能够更准确地检测心肌功能障碍，并在非对比心脏MRI中实现患者间应变分析的详细比较	研究为回顾性单中心研究，样本量有限（139例患者）	开发并评估一种深度学习模型，用于预测杜氏肌营养不良症患者的心肌纤维化	杜氏肌营养不良症患者	数字病理学	杜氏肌营养不良症	心脏MRI	CNN	图像	139例男性杜氏肌营养不良症患者
1444	2025-04-18	AI in Breast Cancer Imaging: An Update and Future Trends 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.008 PMID:40011118	review	本文回顾了人工智能在乳腺癌影像学中的最新应用和未来趋势	探讨了AI在乳腺癌影像学中的多种应用，包括病灶检测与分类、风险分层、分子亚型分析等，并展示了与放射科医生相当或更优的性能	需要数据标准化、大规模标注的多模态数据集和广泛的前瞻性临床试验来验证深度学习的临床效用，并解决法律和伦理问题	探讨人工智能在乳腺癌影像学中的应用及其未来发展趋势	乳腺癌影像学数据	digital pathology	breast cancer	mammography, digital breast tomosynthesis, ultrasound, magnetic resonance imaging, nuclear medicines techniques	foundation models, self-supervised learning, federated learning	image	NA
1445	2025-04-18	The Role of AI in the Evaluation of Neuroendocrine Tumors: Current State of the Art 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.003 PMID:40023682	review	本文综述了AI在神经内分泌肿瘤评估中的当前和新兴应用，特别是在影像工作流程、诊断、预后建模和治疗计划中的整合	利用先进的放射组学和深度学习技术，AI驱动的应用在肿瘤检测、分类和分级方面展现出潜力	未提及具体的技术实施细节或临床验证结果	探讨AI在神经内分泌肿瘤评估中的作用及其对临床工作流程的改进	神经内分泌肿瘤	digital pathology	neuroendocrine neoplasms	radiomics, deep learning	NA	image	NA
1446	2025-04-18	Optimizing CT Imaging Parameters: Implications for Diagnostic Accuracy in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.008 PMID:40055048	综述	本文综述了CT成像参数优化对核医学诊断准确性的影响，并探讨了实施稳健CT协议审查流程的方法	评估了迭代重建（IR）和深度学习（DL）在提升图像质量和减少辐射剂量方面的潜力	未提及具体实验数据或案例研究来支持提出的优化方法	优化CT成像参数以提高核医学诊断准确性	CT成像参数及其对核医学诊断的影响	数字病理	NA	CT, SPECT, PET, IR, DL	NA	医学影像	NA
1447	2025-04-18	U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading 2025-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70029 PMID:40229147	研究论文	本研究探讨了深度学习在预测人类脑脊液分布中的应用，并提出了一种基于U-net的监督学习模型	首次使用U-net模型预测脑脊液对比剂的分布，并验证了仅使用注射后2小时的成像数据即可获得与使用更多时间点数据相当的预测效果	研究仅基于T1加权MRI扫描，未考虑其他成像方式或更大样本量的验证	探索深度学习在预测脑脊液分布中的潜力，以提高临床分析的效率并降低医疗成本	人类脑脊液分布及脑室反流分级	数字病理学	中枢神经系统疾病	T1加权磁共振成像(MRI)	U-net	图像	NA
1448	2025-04-18	Artificial intelligence in drug resistance management 2025-May, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04282-w PMID:40235844	综述	本文综述了人工智能（AI），特别是深度学习和机器学习（ML）在管理抗菌素耐药性（AMR）中的应用	AI模型如Naïve Bayes、决策树（DT）、随机森林（RF）、支持向量机（SVM）和人工神经网络（ANN）显著推进了耐药性模式的预测和新抗生素的识别	面临数据隐私、算法透明度、数据稀缺、伦理考虑及需要跨学科合作等问题	探讨AI在管理抗菌素耐药性（AMR）中的应用及其潜力	抗菌素耐药性（AMR）的管理	机器学习	抗菌素耐药性	深度学习、机器学习	Naïve Bayes、决策树（DT）、随机森林（RF）、支持向量机（SVM）、人工神经网络（ANN）	NA	NA
1449	2025-04-18	Beyond Double Reading: Multiple Deep Learning Models Enhancing Radiologist-led Breast Screening 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.250125 PMID:40237597	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1450	2025-04-18	The phase-seeding method for solving non-centrosymmetric crystal structures: a challenge for artificial intelligence 2025-May-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325002797 PMID:40243167	研究论文	提出了一种适用于非中心对称晶体结构的新相位播种方法，旨在通过人工智能解决晶体学中的相位问题	将非中心对称结构的连续相位问题简化为多类分类问题，降低了深度学习模型的训练数据需求和计算复杂度	目前仅进行了可行性研究，尚未在实际大规模或复杂结构中验证	开发一种能够解决非中心对称晶体结构相位问题的新方法	非中心对称晶体结构	晶体学	NA	相位播种方法	深度学习模型	晶体衍射数据	可行性研究中涉及小型、中型和大型结构
1451	2025-04-18	Improving the cleaning quality of tube lumen instruments by imaging analysis and deep learning techniques 2025-Apr-18, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0527 PMID:40241330	研究论文	本研究通过成像分析和深度学习技术提高管腔器械清洁质量的检测	引入两种注意力机制以关注重要特征，优化了模型性能	未提及模型在实际临床环境中的泛化能力	提高可重复使用管腔器械的清洁质量检测，确保患者安全和临床可靠性	管腔器械（TLIs）	计算机视觉	NA	成像分析、深度学习	FA-ResNet18（带scSE注意力机制）	图像	未明确提及具体样本数量
1452	2025-04-18	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to noninvasively predict periprocedural myocardial injury 2025-Apr-17, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	research paper	本研究探讨了结合T1加权MRI和CT血管造影的混合策略，以无创预测冠状动脉介入治疗后的围手术期心肌损伤	首次将MRI与CCTA结合，使用最新的成像和定量技术，提高了PMI预测的准确性	样本量较小，仅包括120名患者的132个病变	探索一种混合CCTA-MRI策略，以提高围手术期心肌损伤的预测准确性	计划进行选择性PCI的冠状动脉粥样硬化患者	digital pathology	cardiovascular disease	T1-weighted MRI, CT angiography, deep learning	deep learning	image	120名患者的132个病变
1453	2025-04-18	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-Apr-17, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	该论文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了脯氨酸和羟脯氨酸的单分子水平区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和一维卷积神经网络（1D-CNN）模型，实现了羟基化的单分子水平区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响数据分析和模型训练	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习和光谱分析	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
1454	2025-04-18	Left-handed conformations of glycyl residues may confer protection against protein aggregation 2025-Apr-17, The FEBS journal DOI:10.1111/febs.70092 PMID:40243345	research paper	该研究探讨了甘氨酸残基的左旋构象在防止蛋白质聚集中的作用及其进化意义	揭示了左旋构象甘氨酸残基在疾病变异位点的过度表现及其在进化中的保守性，以及其通过影响自由能来破坏天然折叠的机制	研究主要基于已知的疾病和良性变异位点，可能未涵盖所有相关情况	研究甘氨酸残基的左旋构象对蛋白质稳定性和聚集的影响及其在疾病变异中的作用	甘氨酸残基及其在蛋白质中的构象	生物信息学	蛋白质聚集相关疾病	构象分析、深度学习	深度学习模型	蛋白质序列和结构数据	1104个疾病变异位点和343个良性变异位点
1455	2025-04-18	DWI of the rectum with deep learning reconstruction: comparison of PROPELLER, reduced FOV, and conventional DWI 2025-Apr-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04950-8 PMID:40244478	研究论文	比较PROPELLER、rFOV和传统DWI结合深度学习重建在评估直肠肿瘤中的图像质量和诊断性能	首次结合深度学习重建技术比较三种DWI技术在直肠肿瘤评估中的表现	样本量较小(38例患者)，且对诊断准确性的影响不显著	评估不同DWI技术结合DLR在直肠肿瘤诊断中的表现	直肠肿瘤患者	医学影像分析	直肠癌	PROPELLER-DWI, rFOV-DWI, cDWI, 深度学习重建(DLR)	深度学习	MRI影像	38例患者共42次MRI检查
1456	2025-04-18	Empowering natural product science with AI: leveraging multimodal data and knowledge graphs 2025-Apr-16, Natural product reports IF:10.2Q1 DOI:10.1039/d4np00008k PMID:39148455	观点文章	探讨如何利用AI和多模态数据及知识图谱推动天然产物科学的发展	提出通过构建知识图谱整合多模态、非标准化的天然产物数据，以开发能模拟科学家决策的AI模型	天然产物数据存在多模态、不平衡、非标准化且分散的问题，限制了现有深度学习架构的应用	推动AI在天然产物科学中的应用，模拟科学家的决策过程	天然产物数据及知识图谱	机器学习	NA	知识图谱构建	深度学习架构	多模态数据	NA
1457	2025-04-18	A deep learning approach for quantifying CT perfusion parameters in stroke 2025-Apr-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc9b6 PMID:40194529	research paper	本文提出了一种基于Transformer的网络，用于从CT灌注图像中准确估计生理参数，以提高缺血性中风的诊断和治疗效果	使用Transformer网络学习CTP图像的体素级时间特征，估计局部动脉输入函数和流量缩放的残留函数，显著提高了参数估计的准确性	研究主要基于模拟数据和ISLES18数据集，需要在更广泛的患者数据中进行验证	开发一种从CT灌注图像中准确估计生理参数的方法，以改进缺血性中风的诊断和治疗	CT灌注图像中的局部动脉输入函数和流量缩放的残留函数	digital pathology	cardiovascular disease	CT perfusion imaging	Transformer	image	ISLES18数据集和模拟数据
1458	2025-04-18	Comparison of CNNs and Transformer Models in Diagnosing Bone Metastases in Bone Scans Using Grad-CAM 2025-Apr-16, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005898 PMID:40237349	研究论文	本研究比较了CNN和Transformer模型在骨扫描中诊断骨转移的性能，并评估了ConvNeXt和Transformer模型的应用效果	首次探索了ConvNeXt和Transformer模型在骨扫描中诊断骨转移的应用，并比较了多种深度学习模型的性能	研究仅基于两家医院的数据，可能缺乏广泛代表性	评估各种深度学习模型在骨扫描中诊断转移性病灶的性能	癌症患者的骨扫描图像	计算机视觉	骨转移	Grad-CAM	CNN, Transformer (DeiT, ViT Large 16, Swin Base), ConvNeXt Large	图像	训练和验证集4626例（医院1），测试集1428例（医院2）
1459	2025-04-18	Decoding cancer prognosis with deep learning: the ASD-cancer framework for tumor microenvironment analysis 2025-Apr-16, mSystems IF:5.0Q1 DOI:10.1128/msystems.01455-24 PMID:40237527	评论	本文评论了Zhang等人提出的半监督学习框架ASD-cancer，用于改进多组学数据分析，并探讨了其方法创新和可扩展性	ASD-cancer框架利用在癌症基因组图谱数据上预训练的自动编码器，性能优于基线模型，并通过迁移学习实现对新数据集的处理而无需重新训练	未来可考虑整合更多数据层和开发通过持续学习的自适应AI模型，以进一步提升框架性能	提高多组学数据分析的效率和准确性，以改善癌症预后和肿瘤微环境分析	癌症基因组图谱数据和多组学数据	数字病理学	癌症	多组学数据分析	自动编码器	多组学数据	NA
1460	2025-04-18	Hyperspectral Imaging and Deep Learning for Quality and Safety Inspection of Fruits and Vegetables: A Review 2025-Apr-16, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c11492 PMID:40237548	综述	本文综述了高光谱成像技术与深度学习方法在水果和蔬菜质量与安全检测中的应用	结合高光谱成像与深度学习，提高检测精度和效率，推动水果和蔬菜质量检测的智能化和精准化	成本较高，设备优化不足，特征提取和模型泛化能力有待提升，数据库需增强，定量研究重要性未被充分重视	探讨高光谱成像与深度学习在水果和蔬菜质量与安全检测中的应用及未来发展方向	水果和蔬菜的质量与安全检测	计算机视觉	NA	高光谱成像技术	深度学习	图像	NA