深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1681	2026-03-14	Open-source AI-assisted rapid 3D color multimodal image fusion and preoperative augmented reality planning of extracerebral tumors 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24557 PMID:40591963	研究论文	本研究开发了一种基于开源人工智能辅助的快速3D彩色多模态图像融合与增强现实规划方法，用于脑外肿瘤手术的术前规划和手术引导	整合开源AI工具（FastSurfer/Raidionics）与增强现实可视化，创建高效的3D彩色多模态图像融合工作流，通过颜色编码功能映射和血管关系可视化增强解剖理解	研究仅针对脑外肿瘤患者，样本量为130例，可能未涵盖所有肿瘤类型或复杂情况	开发用于脑外肿瘤手术术前规划和手术引导的先进方法	130名脑外肿瘤患者	数字病理	脑外肿瘤	多模态图像融合, 增强现实	深度学习	3D图像	130名患者	FastSurfer, Raidionics-Slicer	NA	Dice相似系数, 95% Hausdorff距离, 手术时间, 术中失血量, 全切除率, 并发症发生率, 改良Rankin量表评分	NA
1682	2026-03-14	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了生成对抗网络（GANs）和卷积神经网络结合隐式神经表示（CNN-INRs）两种深度学习架构，用于从双平面X光片生成脊柱合成CT（sCT）图像	首次系统比较了GAN和CNN-INR两种架构在从双平面X光片生成脊柱sCT图像方面的性能，并评估了其作为潜在术中成像技术的临床可行性	两种模型均未达到临床级输出水平，且研究样本量有限（共270例）	识别从双平面X光片生成脊柱sCT图像的最鲁棒且临床可行的深度学习方法	脊柱CT图像及其对应的数字重建X光片（DRRs）	计算机视觉	NA	数字重建X光片（DRRs）生成	GAN, CNN	图像（CT图像、X光片）	216个训练案例和54个验证案例	NA	生成对抗网络（GANs），卷积神经网络结合隐式神经表示（CNN-INRs）	结构相似性指数（SSIM），峰值信噪比（PSNR），余弦相似度（CS）	NA
1683	2026-03-14	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	研究论文	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和手术轨迹规划	提出了一个集成的AI驱动框架，结合了nnU-Net自动分割、基于眼部标志物的CT重定向、双解剖走廊安全区划定以及优先考虑最大血肿穿行和关键结构避开的轨迹优化	系统在幕下血肿的处理上仍存在局限	开发一个深度学习决策支持和规划系统，以普及手术规划并减少对操作者的依赖	脑出血患者	数字病理学	脑出血	CT成像	深度学习	医学图像	347名患者（31,024个CT切片）	nnU-Net	U-Net	Dice相似系数, 组内相关系数	NA
1684	2026-03-14	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	本文开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域和对腰椎中央管狭窄、侧隐窝狭窄及腰椎间孔狭窄进行多级分级	研究为回顾性设计，且外部测试集样本量较小（50例患者），可能影响模型的泛化能力评估	开发一个深度学习筛查系统，用于自动进行腰椎管狭窄症的二元和多级分级	接受腰椎MRI检查的住院患者	计算机视觉	腰椎管狭窄症	MRI	CNN	图像	内部数据集420例患者，外部测试集50例患者	PyTorch	YOLOv5	召回率, AUC, 灵敏度, kappa系数	NA
1685	2026-03-14	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究通过体模实验评估了低管电压、低对比剂剂量的四维CT血管成像结合深度学习重建在肾动脉成像中的可行性	首次将低管电压、低对比剂剂量的4D-CTA与深度学习重建技术结合用于肾动脉成像，探索减少辐射剂量和对比剂用量的新方法	研究基于体模实验，尚未进行临床验证，需要进一步临床研究确认结果	评估低管电压、低对比剂剂量的4D-CTA结合深度学习重建在选择性肾动脉栓塞术中的可行性	模拟对比增强血管的定制体模	医学影像	肾动脉疾病	四维CT血管成像，深度学习重建	深度学习	CT图像	定制体模扫描	NA	NA	峰值对比噪声比，图像噪声，定性评估（4分制）	NA
1686	2026-03-14	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究提出了一种新的评估方法，用于评估含有钛种子植入物金属伪影的CT图像，并确定了虚拟单色成像（VMI）的最佳能量水平以减少金属伪影并增强信号可检测性	开发了一种新的对比伪影比（CAR）评估方法，用于定量评估金属伪影对信号检测的影响，并结合Gumbel评估方法和对比噪声比（CNR）优化VMI能量水平	研究基于模拟放射性种子的体模进行，可能未完全反映临床实际患者数据的复杂性；仅针对钛种子植入物和骨盆区域，结果可能不适用于其他金属植入物或身体部位	研究旨在减少CT图像中金属伪影并优化信号可检测性，通过开发新的评估方法和确定VMI最佳能量水平	含有钛种子植入物金属伪影的CT图像，特别是骨盆区域包括前列腺的模拟体模	医学影像处理	前列腺癌	双能CT系统、虚拟单色成像（VMI）、金属伪影减少（MAR）技术	深度学习算法	CT图像	基于模拟放射性种子插入前列腺区域的体模进行研究，具体样本数量未明确说明	NA	NA	对比噪声比（CNR）、对比伪影比（CAR）、Gumbel评估方法的位置参数	NA
1687	2026-03-14	Reduction of radiation exposure in chest radiography using deep learning-based noise reduction processing: A phantom and retrospective clinical study 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102958 PMID:40280035	研究论文	本研究评估了基于深度学习的智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的效果	首次结合体模和回顾性临床研究，验证了智能降噪技术可在保持图像质量的同时平均降低35%的辐射剂量	研究仅针对特定设备（佳能开发的INR）和胸部X光，样本量有限（100例患者），且为回顾性设计	评估智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的可行性和效果	Lungman体模（模拟肺部肿瘤）和100例患者的临床胸部X光图像	数字病理	肺癌	平面X光摄影，智能降噪处理	深度学习模型	X光图像	100例患者的配对胸部X光图像（对照组和评估组各100张）	NA	NA	平均意见评分，盲/无参考图像空间质量评估器评分，入口表面剂量	NA
1688	2026-03-14	Automated acute skin toxicity scoring in a mouse model through deep learning 2025-03, Radiation and environmental biophysics IF:1.5Q3 DOI:10.1007/s00411-024-01096-x PMID:39503921	研究论文	本研究通过先进的成像设置和深度学习，提出了一种在小鼠临床前放疗试验中自动评估皮肤毒性的新方法	开发了一个结合物体检测和分类的两步深度学习框架，用于自动化皮肤毒性评分，并展示了其在减少观察者间变异和提高评估效率方面的潜力	模型在特定毒性等级的分类上仍存在细微挑战，未来需要通过扩展训练数据集来改进系统	开发一种客观、可重复的皮肤毒性评估方法，以解决临床前放疗试验中手动评分方法的不足	小鼠（160只）在质子/电子放疗试验中右后肢的急性皮肤毒性反应	计算机视觉	皮肤毒性（作为放疗副作用）	先进成像设置	物体检测模型, 分类模型	图像	160只小鼠，来自4项研究，共7542张图像	NA	NA	准确率	NA
1689	2026-03-14	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究通过回顾性队列分析，评估了基于深度学习的AI软件在胸部X光片上辅助诊断肺癌的性能，并探讨了其在临床实践中的潜在应用价值	首次在临床环境中系统验证了商用AI软件对肺癌早期检测的敏感性和时间效益，特别是在临床报告阴性的病例中AI能提前识别结节	研究为单中心回顾性设计，样本量有限（208名患者），且未评估AI对临床决策和患者预后的长期影响	评估AI软件在胸部X光片上辅助诊断肺癌的临床有效性，并分析其对诊断时间和检测率的潜在影响	105名肺癌阳性患者和103名阴性对照患者的胸部X光片及对应CT扫描	数字病理学	肺癌	胸部X光成像，CT扫描	深度学习自动检测算法	医学影像（胸部X光片）	208名患者（105例肺癌，103例对照），共320张胸部X光片	NA	NA	敏感性，假阳性率，诊断时间减少	NA
1690	2026-03-14	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本研究探讨了使用深度学习在放疗中自动校正患者摆位误差的可行性	利用人工智能辅助校正放疗中的摆位误差，推动放疗服务的自动化进程	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在放疗患者摆位校正中的潜在应用	接受放疗的脑部和气道消化道恶性肿瘤患者	计算机视觉	脑肿瘤, 气道消化道恶性肿瘤	放疗验证技术	神经网络	图像	156名患者	NA	NA	平均绝对误差, 均方误差	NA
1691	2026-03-14	Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.002 PMID:39549604	研究论文	本研究利用深度学习生成伪CT图像进行衰减校正，评估了在99mTc-GSA SPECT/CT肝成像中深度学习衰减校正的准确性	首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露	研究仅纳入正常和异常肝功能患者各一例，样本量小，且未涵盖多种肝病和肝脏形态变化	评估深度学习生成的伪CT图像在99mTc-GSA SPECT/CT成像中衰减校正的准确性	99mTc-GSA SPECT/CT肝成像数据	医学影像分析	肝病	SPECT/CT成像	GAN	医学影像（SPECT和CT图像）	2例患者（正常和异常肝功能各一例）	NA	CycleGAN	总肝计数、结构相似性指数（SSIM）、变异系数（%CV）	NA
1692	2026-03-14	Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.027 PMID:39667265	研究论文	本研究探讨了使用深度学习重建的单次屏气扩散加权磁共振成像在恶性肝肿瘤患者中的可行性，并与导航触发扩散加权成像进行比较	首次将深度学习重建技术应用于单次屏气扩散加权磁共振成像，以改善图像质量并可能作为导航触发成像的补充	研究未明确深度学习重建的具体模型架构和计算资源，且样本量相对有限（91例患者）	比较单次屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的图像质量和可行性	恶性肝肿瘤患者	医学影像分析	肝恶性肿瘤	扩散加权磁共振成像，深度学习重建	深度学习模型	磁共振图像	91例患者	NA	NA	信噪比，对比噪声比，表观扩散系数值	NA
1693	2026-03-14	Analyzing the TotalSegmentator for facial feature removal in head CT scans 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.12.018 PMID:39754865	研究论文	本研究评估了使用TotalSegmentator进行头部CT扫描面部特征去除的流程，以降低再识别风险并保护数据隐私	首次将TotalSegmentator应用于头部CT扫描的面部特征去除，并与现有先进算法进行比较，展示了其在隐私保护方面的优越性	研究仅基于单一数据集（UCLH EIT Stroke数据集），样本量为1404个渲染图像，可能无法完全代表所有临床场景	评估面部识别技术在医学影像中的隐私风险，并开发一种有效的去面部特征流程以降低再识别风险	头部CT扫描的渲染图像，包括去面部特征前后的对比	医学影像分析	卒中	CT扫描，深度学习模型	深度学习模型，支持向量机	图像	1404个高质量渲染图像，来自UCLH EIT Stroke数据集	NA	NA	ROC-AUC, 准确率	NA
1694	2026-03-14	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统纯CNN方法，在寄生虫分类任务中实现了更高的准确率	数据集较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中对土壤传播蠕虫和血吸虫病进行分类，以改善在资源有限环境下的诊断	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病等类别以及阴性样本	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像，来自埃塞俄比亚公共卫生研究所	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
1695	2026-03-14	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-12-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探索了使用基于注意力机制的深度学习模型（Transformer）分析跨膜肌电图（tmEMG）数据，以区分健康对照、神经源性损伤和睡眠呼吸暂停患者的肌电信号	首次将Transformer架构应用于tmEMG信号分析，通过迁移学习、模拟数据增强和正则化策略，在小数据集上训练出具有良好泛化能力的模型，用于睡眠呼吸暂停的诊断和神经肌肉病理分型识别	研究样本量相对较小（仅177条记录），且模型在区分OSA与对照时的特异性较低（64%），可能影响临床应用的可靠性	开发一种基于深度学习的tmEMG分析方法，以无创、便捷地诊断阻塞性睡眠呼吸暂停（OSA）并识别涉及神经肌肉病理的OSA内型	健康对照者、中度至重度OSA患者以及伴有延髓受累证据的肌萎缩侧索硬化症（ALS）患者（代表神经源性损伤）的跨口腔肌电图记录	数字病理学	睡眠呼吸暂停	跨膜肌电图（tmEMG）	Transformer	肌电信号，频谱图	177条跨口腔肌电图记录，来自6名健康对照、5名中度至重度OSA患者和5名伴有延髓受累的ALS患者	未明确指定，但提及使用标准反向传播进行微调	音频频谱Transformer（AST）	灵敏度，特异性	NA
1696	2026-03-14	Prediction of intraoperative hypotension using deep learning models based on non-invasive monitoring devices 2024-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01206-6 PMID:39158783	研究论文	本研究开发了一种基于多通道无创监测设备的深度学习模型，用于预测术中低血压	首次将深度学习算法应用于常规无创监测设备（而非有创动脉血压监测）来预测术中低血压，并采用注意力机制量化各监测设备的贡献度	研究为回顾性分析，未来需要前瞻性研究来验证模型在临床实践中预防低血压的实际效果	开发并验证一种基于无创监测设备的深度学习算法，用于预测术中低血压	接受非心脏手术的患者	机器学习	NA	无创血压监测、心电图、光电容积描记、二氧化碳描记、双频指数监测	深度学习	多通道生理监测时间序列数据	算法开发阶段4754例患者，外部验证阶段421例患者	NA	多头注意力全连接模型, 全局注意力局部循环模型	受试者工作特征曲线下面积	NA
1697	2026-03-14	Radiographer Education and Learning in Artificial Intelligence (REAL-AI): A survey of radiographers, radiologists, and students' knowledge of and attitude to education on AI 2024-12, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.10.010 PMID:39481214	研究论文	本研究通过调查放射技师、放射科医生和学生对人工智能（AI）的知识和态度，评估了医疗影像专业人员对AI的当前理解水平	首次在2023年欧洲放射学大会上针对医疗影像专业人员（包括学生）进行跨国家、跨大洲的AI知识和教育需求调查	样本量较小（136人），且调查主要基于自我报告，可能存在偏差	评估医疗影像专业人员和学生对AI的认知水平及教育需求，为AI教育提供依据	放射技师（诊断和治疗）、放射科医生、学生	医疗影像	NA	问卷调查	NA	调查数据	136名参与者，来自25个国家和5大洲	NA	NA	NA	NA
1698	2026-03-14	Multimodal Artificial Intelligence in Medicine 2024-11-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000556 PMID:39167446	综述	本文探讨了多模态人工智能在医学中的应用，特别是基于Transformer的模型如何整合文本、图像和结构化数据以提升医疗诊断和治疗的适用性	强调了多模态Transformer模型在医疗领域处理多样化数据形式的潜力，并指出其在标准基准测试（如美国医学执照考试题库）上的出色表现	多模态深度学习模型的集成面临伦理和环境挑战，需要谨慎考虑	研究多模态人工智能在医学诊断和治疗中的适用性和挑战	医疗人工智能模型，特别是多模态Transformer模型	人工智能在医疗	NA	多模态深度学习	Transformer	文本, 图像, 结构化数据	NA	NA	Transformer	NA	NA
1699	2026-03-14	Impact of artificial intelligence assisted compressed sensing technique on scan time and image quality in musculoskeletal MRI - A systematic review 2024-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.012 PMID:39217002	系统综述	本文系统综述了人工智能辅助压缩感知技术在肌肉骨骼MRI中对扫描时间和图像质量的影响	首次系统评估AI-CS技术在肌肉骨骼MRI中结合不同加速因子对扫描时间与图像质量的综合影响	纳入研究数量有限（9篇），部分研究质量中等，高加速因子仍会导致图像评分降低	评估人工智能辅助压缩感知技术对肌肉骨骼MRI扫描时间和图像质量的影响	肌肉骨骼MRI扫描	医学影像分析	肌肉骨骼疾病	MRI, 压缩感知, 人工智能重建	深度学习算法	MRI图像	730名参与者	NA	NA	扫描时间减少百分比, 图像质量评分	NA
1700	2026-03-14	Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images 2024-08, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.005 PMID:39179459	研究论文	本研究探讨了使用少量放疗计划CT图像进行深度学习自动肝脏轮廓勾画的可行性	首次研究基于深度学习的肝脏轮廓勾画所需的最小数据量，并采用改进的注意力U-Net和残差U-Net网络在有限数据下实现高精度分割	未明确说明具体预处理方法的详细参数或网络修改的具体细节，且外部数据集数量可能有限	研究使用有限数据实现自动肝脏轮廓勾画的可行性，并评估模型的泛化能力	放疗计划CT图像中的肝脏区域	数字病理	NA	CT成像	深度学习	图像	62个训练案例，外加两个未见外部数据集	NA	改进的注意力U-Net, 改进的残差U-Net	Dice相似系数, 平均Hausdorff距离	NA