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
141	2025-06-03	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	使用卷积神经网络（CNNs）分析对比增强磁共振成像（CE-MRI）的骨骼小腿肌肉灌注数据，以区分外周动脉疾病（PAD）患者与匹配对照组	首次应用CNNs分析CE-MRI的骨骼小腿肌肉灌注模式来区分PAD患者与对照组	样本量较小（56例），且模型准确率最高仅75%	探索深度学习在外周动脉疾病诊断中的应用	外周动脉疾病患者及匹配对照组的骨骼小腿肌肉	数字病理学	心血管疾病	对比增强磁共振成像（CE-MRI）	CNN（包括resNet和divNet）	3D医学影像	56例（36例PAD患者和20例匹配对照组）
142	2025-06-03	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	本研究开发了一种深度学习算法，利用基线和纵向结构测量数据预测青光眼患者的视野进展	首次使用Siamese Neural Network结合ResNet-152预训练模型，通过连续视盘照片和基线视网膜神经纤维层厚度预测视野进展	需要进一步验证才能在临床实践中实施	开发能够预测青光眼患者视野进展的深度学习工具	青光眼患者	数字病理	青光眼	深度学习	Siamese Neural Network with ResNet-152 backbone	图像	3,079只眼（1,765名患者）用于训练，427只眼用于测试
143	2025-06-03	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	research paper	开发了一种基于深度学习的AI模型，用于在前列腺癌分期CT上检测和分类骨病变	开发了两种自动化的深度学习AI模型，分别用于骨病变检测与分割以及良性与转移性病变分类，并与放射科医生的性能进行了比较	研究为回顾性研究，样本量相对较小，且仅针对前列腺癌患者	提高前列腺癌分期CT上骨病变的检测和分类效率	前列腺癌患者的骨病变	digital pathology	prostate cancer	deep learning	3DAISeg, 3DAIClass	CT scans	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变
144	2025-06-03	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	研究论文	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性的分类	该模型能够在不依赖经验丰富的读者或结构MRI的情况下，自动准确地对脑部PET扫描进行分类	研究为回顾性研究，可能受到数据收集和处理方法的限制	开发并评估一种深度学习模型，用于脑部PET扫描的淀粉样蛋白阳性或阴性分类	脑部PET扫描图像	数字病理学	阿尔茨海默病	PET扫描	深度学习模型（AmyloidPETNet）	图像	8476次PET扫描（6722名患者）
145	2025-06-03	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	本研究应用自然语言处理（NLP）技术自动化从临床记录中提取抗癌治疗和RECIST定义的响应信息，以减少人工数据收集的工作量并提高结果的一致性和可靠性	提出了一种复杂的混合NLP系统，结合机器学习和深度学习模块，用于从叙述性临床文本中自动提取、链接和总结抗癌治疗及相关的RECIST响应	系统在链接治疗和RECIST响应提及方面的最佳得分仅为0.66，端到端性能峰值为0.74，显示仍有改进空间	自动化从电子健康记录中提取抗癌治疗和响应信息，以支持癌症研究和治疗效果评估	临床记录中的抗癌治疗信息和RECIST定义的响应信息	自然语言处理	癌症	自然语言处理（NLP）	BioBERT, BioClinicalBERT	文本	来自不同机构的两个独立测试集
146	2025-06-03	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	research paper	本研究提出了一种基于U-Net的深度学习框架，用于增强基于LED的光声成像系统的图像质量	使用U-Net框架显著提高了低帧平均光声图像的信噪比和对比度，为低成本、低能量光源的光声成像系统提供了实时图像增强平台	网络存在模糊输出和无法减少椒盐噪声的缺点	提高基于LED的光声成像系统的图像质量和帧率	光声成像系统及其获得的图像	computer vision	NA	deep learning	U-Net	image	in vitro phantoms和in vivo models
147	2025-06-03	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	research paper	该研究通过腹部CT扫描的生物标志物评估组织年龄，探讨其与慢性疾病和死亡率的关系	利用深度学习模型从腹部CT扫描中提取生物标志物，构建组织年龄评估模型，并发现组织年龄与慢性疾病和死亡率的关联	研究样本仅来自美国特定地区，可能限制结果的普遍性	评估基于医学影像的身体成分是否可用于评估组织水平的生物年龄	20至89岁的普通人群，共4900人	digital pathology	geriatric disease	腹部CT扫描	deep learning	image	4900人
148	2025-06-03	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	research paper	提出一种基于深度学习的骨微结构图像协调方法，用于低分辨率和高分辨率CT扫描仪之间的图像数据协调	使用3D版本的GAN-CIRCLE方法，通过两个生成对抗网络同时学习低分辨率CT到高分辨率CT的映射及其反向映射	样本量较小（20名志愿者），且仅针对胫骨远端进行测试	开发一种深度学习方法，用于协调不同分辨率CT扫描仪获取的骨微结构图像数据	人体胫骨远端的骨微结构	医学影像分析	骨质疏松症	CT扫描	3DGAN-CIRCLE	3D医学影像	20名志愿者的胫骨远端CT扫描数据，其中12名用于训练，8名用于评估
149	2025-06-03	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	本文开发了一种多任务深度学习模型，用于预测放射治疗中不同模式的剂量分布	提出了一种多任务学习框架，能够同时预测多种放射治疗模式的剂量分布，提高了预测效率和准确性	样本量较小（28名患者），且训练时间较长	开发一种高效且个性化的方法，用于确定加速部分乳房照射（APBI）的最佳放射治疗模式	28名APBI患者及其92个治疗计划	数字病理	乳腺癌	深度学习	CNN	CT扫描图像	28名患者，92个治疗计划
150	2025-06-03	Deep learning generation of preclinical positron emission tomography (PET) images from low-count PET with task-based performance assessment 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17105 PMID:38710222	研究论文	本研究开发了一种名为ARD-Net的深度学习架构，用于从低计数PET图像生成标准计数PET图像，并通过多种评估指标验证其性能	提出了一种新颖的深度学习架构ARD-Net，用于从低计数PET图像生成高质量的标准计数PET图像，并在多个评估指标上显著优于现有方法	研究仅在小鼠模型上进行验证，尚未在人体临床试验中测试	开发并评估一种能够从低计数PET图像生成高质量标准计数PET图像的深度学习方法	小鼠模型中的乳腺脂肪垫肿瘤	医学影像处理	肿瘤	FDG-PET/CT成像	ARD-Net（基于注意力机制的残差扩张网络）	PET图像	48个临床前FDG-PET数据集用于训练和优化，16个数据集用于性能评估
151	2025-06-03	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	research paper	该研究利用基于EEG的功能连接特征和卷积神经网络评估意识障碍	采用三种重排方案优化脑网络评估性能，并使用Grad-CAM可视化不同脑区连接对分类的贡献	未提及样本量是否足够大以覆盖不同类型的意识障碍患者	开发一种有效检测意识障碍患者意识水平的深度学习方法	意识障碍(DOC)患者	digital pathology	geriatric disease	EEG	CNN	EEG信号	NA
152	2025-06-03	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	本文介绍了一种基于深度学习的无标记肺部肿瘤实时跟踪新方法，用于放射治疗中的肿瘤定位	提出使用条件生成对抗网络(cGAN)生成合成分解目标图像(sDTI)，显著提高了kV投影图像中肿瘤的可见性	目前仅验证了2D跟踪，需要进一步开发3D跟踪方法	开发无标记kV图像肺部肿瘤实时跟踪方法，提高放射治疗精度	肺部肿瘤患者	数字病理	肺癌	条件生成对抗网络(cGAN)	Pix2Pix	医学影像	9名植入信标标记的肺癌患者数据集
153	2025-06-03	Diagnostic evaluation of deep learning accelerated lumbar spine MRI 2024-Jun, The neuroradiology journal DOI:10.1177/19714009231224428 PMID:38195418	research paper	评估深度学习加速腰椎MRI在诊断质量和扫描时间上的表现	首次全面评估基于深度学习的MRI协议对常规腰椎MRI扫描时间和诊断质量的影响	DL加速协议显示出降低的信噪比和增加的伪影感知	比较深度学习加速腰椎MRI协议与传统协议在图像质量和诊断性能上的差异	36名连续门诊患者的非增强腰椎MRI图像	digital pathology	spinal disease	MRI	DL	image	36名门诊患者
154	2025-06-03	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究探讨了基于深度学习的T2加权MR图像质量评估及其对前列腺癌检测率的影响	使用内部开发的AI算法评估T2加权图像质量，并分析其对前列腺癌检测率的影响	研究为回顾性设计，且仅使用单一放射科医师的PI-RADSv2.1评估	评估前列腺MRI图像质量对癌症检测率的影响	615名血清PSA升高的前列腺活检前患者	数字病理	前列腺癌	T2加权涡轮自旋回波MRI、高b值回波平面扩散加权成像和梯度回波动态对比增强	AI算法	MRI图像	615名患者
155	2025-06-03	Hybrid Deep Learning and Model-Based Needle Shape Prediction 2024-Jun, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2024.3386120 PMID:39301509	研究论文	本文提出了一种结合深度学习和模型的方法，用于预测前列腺癌微创手术中柔性斜面针的轨迹	首次提出结合深度学习和Lie群理论模型的混合方法，用于术中针形预测，并引入了一种新颖的自监督学习方法	实验仅在单层和双层均匀模型组织中进行，未涉及真实人体组织的复杂性	提高前列腺癌微创手术中针头插入的准确性	柔性斜面针的轨迹预测	机器学习	前列腺癌	深度学习	Lie群理论模型	针形轨迹数据	约3,000个预测样本
156	2025-06-03	EEG classification based on visual stimuli via adversarial learning 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09967-7 PMID:39534363	research paper	提出一种基于视觉刺激的对抗学习EEG分类方法	使用双路径深度学习架构和梯度反转层(GRL)学习主体不变特征，并采用引导反向传播选择信息量更大的EEG通道	NA	基于图像类别对视觉刺激诱发的EEG信号进行分类	由外部视觉刺激(图像)诱发的EEG信号	脑机接口	NA	对抗学习	CNN, GRL	EEG信号	NA
157	2025-06-03	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络(CNN)的深度学习模型，用于自动检测血管超声中的自发回声对比(SEC)	使用多序列CNN结合软注意力机制，能够自动识别SEC，无需专家干预或额外临床报告时间	模型的AUC为0.74，敏感性和特异性分别为0.73和0.68，仍有提升空间	开发自动检测SEC的深度学习模型，以克服当前SEC识别需要专家判断和临床报告时间的障碍	股静脉的血管超声图像	医学影像分析	血栓栓塞性疾病	深度学习	多序列CNN(ResNetv2)结合软注意力机制	超声图像	201名患者的801份股静脉超声影像数据
158	2025-06-03	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出了一种加速联合T1和T2*映射的技术，结合并行成像、模型基础和深度学习方法来加速参数映射	提出了Joint MAPLE框架，结合并行成像、信号建模和数据一致性块，通过扫描特定的自监督重建提高参数估计的准确性	未提及具体样本量或临床验证结果	加速MRI参数映射，提高定量MRI的效率和准确性	MRI参数映射技术	医学影像处理	NA	并行成像、模型基础参数映射、深度学习	自监督网络	多回波、多翻转角梯度回波采集的多对比数据	NA
159	2025-06-03	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本文提出了一种使用无监督深度学习和CNN来设计静态并行传输脉冲的方法，以减少7T多通道传输阵列中的B1+不均匀性	引入了无监督训练方法，利用CNN处理多通道B1+图，避免了监督训练中参考传输RF权重的计算	研究仅针对健康人脑的B1+图，未涉及病态情况	减少7T多通道传输阵列中的B1+不均匀性	健康人脑的多通道B1+图	医学影像处理	NA	无监督深度学习	CNN	医学影像	143名受试者的3824张2D矢状面多通道B1+图
160	2025-06-03	Domain Adaptation-Based Deep Learning Model for Forecasting and Diagnosis of Glaucoma Disease 2024-Jun, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2024.106061 PMID:38463435	研究论文	开发了一种基于域适应的深度学习模型GDA，用于青光眼的预测和诊断	GDA模型通过域不变和域特定表示学习提取通用和特定特征，并采用渐进加权机制和低秩编码技术	未明确提及具体局限性	青光眼的早期预测和诊断	青光眼患者	数字病理学	青光眼	深度学习	GDA	眼底照片	1636名受试者的3272只眼睛的66,742张眼底照片