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
1	2025-03-30	A multimodal deep learning model for detecting endoscopic images of near-infrared fluorescence capsules 2025-Jun-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117251 PMID:40020636	研究论文	本文提出了一种名为Multimodal-Retinex-Attention-YOLO (MRAY)的多模态深度学习模型，用于检测近红外荧光胶囊内镜图像，以提高胃肠道疾病的早期筛查准确性	提出了结合白光和荧光图像数据的多模态深度学习模型MRAY，显著提高了在低光条件下异常检测的准确性和效率	胃肠道内摄像头分辨率低和光线条件差可能导致误诊，且研究使用的是模拟人类胃肠道的猪胃图像数据集	提高胃肠道疾病的早期筛查准确性和效率	胃肠道疾病（如癌症、溃疡、炎症等）的早期检测	数字病理	胃肠道疾病	近红外荧光胶囊内镜(NIRF-CE)	Multimodal-Retinex-Attention-YOLO (MRAY), 基于YOLO系列目标检测模型	图像（白光和近红外荧光图像）	使用NIRF-CE系统捕获的猪胃图像数据集，模拟人类胃肠道
2	2025-03-30	Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning 2025-Jun, Cancer innovation DOI:10.1002/cai2.70002 PMID:40151333	研究论文	本研究通过深度学习评估了乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并探讨了新辅助系统治疗（NST）在减少手术干预需求方面的潜力	提出了平衡个体与混合效应（BIME）生存回归模型，该模型在治疗推荐中显示出最强的保护效果	需要进一步结合全面的预后评估来优化手术选择过程并完善其临床实用性	评估NSM与MRM对乳腺癌患者生存结果的影响，并探讨NST在减少手术干预需求方面的潜力	乳腺癌患者	数字病理	乳腺癌	深度学习	BIME	临床数据	NA
3	2025-03-30	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱分析技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，有一种未达到理想结果	提高复杂系统中化合物分析的效率并减少有机溶剂的使用	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC）	1D-CNN	色谱数据	NA
4	2025-03-30	Feasibility of deep learning algorithm in diagnosing lumbar central canal stenosis using abdominal CT 2025-May, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04796-z PMID:39249505	研究论文	开发一种基于深度学习的算法，利用腹部CT和腰椎CT诊断腰椎中央管狭窄症	首次使用U-Net架构的深度学习模型自动分割硬膜囊并分类中央管狭窄，且在腹部CT上的诊断性能优于腰椎CT	样本量较小（仅9名患者的990张图像），且为回顾性研究	评估深度学习算法在诊断腰椎中央管狭窄症中的可行性	腰椎中央管狭窄症患者	数字病理学	腰椎疾病	CT成像	U-Net	医学影像	990张CT图像（来自9名患者）
5	2025-03-30	Utilization of Image-Based Deep Learning in Multimodal Glaucoma Detection Neural Network from a Primary Patient Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100703 PMID:40151357	研究论文	开发了一种基于多模态成像数据的深度学习模型，用于青光眼的检测	通过多模态数据（眼底照片、OCT扫描和HVF分析）的整合，提高了青光眼检测模型的性能和准确性	模型在外部数据集上的性能可能受到数据质量和一致性的影响	开发一种临床可用的多模态神经网络模型，用于青光眼的检测	青光眼和非青光眼患者的眼底照片、OCT扫描和HVF测试数据	数字病理学	青光眼	深度学习	CNN和MLP	图像	716次就诊数据（706只眼睛，571名患者）和4个外部单模态数据集
6	2025-03-30	Artificial Intelligence Models to Identify Patients at High Risk for Glaucoma Using Self-reported Health Data in a United States National Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100685 PMID:40151359	研究论文	本研究开发了基于自报健康调查数据的人工智能模型，用于预测青光眼高风险患者	利用自报健康调查数据而非专业眼科检查数据来预测青光眼风险，适用于资源匮乏环境的大规模筛查	模型性能依赖于电子健康记录中诊断代码的准确性，且未包含眼科影像数据	开发青光眼高风险人群的预筛查工具	美国全国队列中18岁以上、有≥2次眼科相关电子健康记录并提交健康调查的参与者	机器学习	青光眼	机器学习	XGBoost, 逻辑回归, 全连接神经网络	结构化调查数据	8205名患者（其中873名确诊青光眼）
7	2025-03-30	Automated Cerebrovascular Segmentation and Visualization of Intracranial Time-of-Flight Magnetic Resonance Angiography Based on Deep Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01215-6 PMID:39133457	研究论文	本文提出了一种基于深度学习的自动化脑血管分割方法，用于颅内飞行时间磁共振血管成像的可视化	提出的CNN方法在临床评分上优于其他两种基于深度学习的方法，其可视化效果被评价为与放射科医生手动重建的外观相似	研究仅基于394例TOF-MRA扫描，样本量可能不足以覆盖所有临床情况	评估深度学习血管分割技术在TOF-MRA中自动获取颅内动脉的图像质量	颅内动脉，包括脑血管健康、动脉瘤或狭窄	数字病理学	脑血管疾病	TOF-MRA	CNN	图像	394例TOF-MRA扫描
8	2025-03-30	The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01214-7 PMID:39136827	研究论文	评估低keV多相CT结合深度学习图像重建技术在改善胰腺导管腺癌（PDAC）轮廓描绘方面的效果	首次将深度学习图像重建（DLIR）技术应用于40-keV虚拟单色成像（VMI），显著提高了PDAC的对比噪声比（CNR）和病变显着性评分	研究样本量较小（35例患者），且为回顾性研究	评估低keV多相CT结合DLIR在PDAC诊断中的效果	胰腺导管腺癌（PDAC）患者	医学影像	胰腺癌	多相CT、虚拟单色成像（VMI）、深度学习图像重建（DLIR）	TrueFidelity-H（DLIR模型）	CT图像	35例PDAC患者
9	2025-03-30	Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00994-2 PMID:39138749	研究论文	本研究探讨了在缺血性卒中管理中，使用深度学习技术优化MRI图像中梗死区域的分割，特别是评估了DWI序列在nnU-Net模型中的表现	研究发现自配置的nnU-Net模型仅使用DWI序列即可达到高性能，且无需其他序列（ADC和FLAIR）的补充，显著优于传统U-Net模型	在外部临床数据集中，对于伴有颅内出血的阳性病例存在假阳性结果	优化急性缺血性卒中在MRI上的分割性能	缺血性卒中患者的MRI图像	数字病理学	心血管疾病	MRI（DWI、ADC、FLAIR序列）	nnU-Net, 标准3D U-Net	图像	200个梗死病例用于训练，50个病例用于测试，另外50个MRI用于外部验证
10	2025-03-30	Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01201-y PMID:39138748	research paper	本研究探讨了深度学习与机器学习分类器结合用于胸部X光片肺炎分类的方法	结合了修改后的VGG19、ResNet50V2和DenseNet121模型进行特征提取，并采用五种机器学习分类器，显著提高了分类准确率	未来研究需要优化模型并探索其在其他医学影像任务中的应用，同时增加可解释性方法以增强临床信任	提高肺炎的早期和准确分类，以优化治疗方案	胸部X光片图像	digital pathology	lung cancer	deep learning, machine learning	VGG19, ResNet50V2, DenseNet121, logistic regression, support vector machine, decision tree, random forest, artificial neural network	image	NA
11	2025-03-30	Deep Learning-Based Prediction of Post-treatment Survival in Hepatocellular Carcinoma Patients Using Pre-treatment CT Images and Clinical Data 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01227-2 PMID:39147884	research paper	本研究开发并评估了一个基于深度学习的模型，用于预测肝细胞癌（HCC）患者治疗后的生存情况，结合了CT图像和临床信息	采用3D CNN从CT图像中提取特征，并结合患者相关因素和治疗选项，通过级联模型预测生存概率，实现了多模态数据的整合	外部验证队列样本量较小（n=39），可能影响模型的泛化能力	预测肝细胞癌患者治疗后的生存情况	692名肝细胞癌患者	digital pathology	liver cancer	CT imaging	3D CNN (DenseNet-121)	image, clinical data	692名患者（507名训练，146名测试，39名外部验证）
12	2025-03-30	Construction and Validation of a General Medical Image Dataset for Pretraining 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01226-3 PMID:39147887	研究论文	本研究构建并验证了一个通用的医学图像预训练数据集CPMID，用于提升医学图像分类和分割任务的性能	首次构建专门用于医学图像预训练的通用数据集CPMID，并验证其在多种下游任务中的有效性	未提及数据集规模的具体数值，且仅验证了分类和分割两种任务类型	为医学图像分析领域构建通用的预训练数据集并验证其效果	医学图像数据	医学图像分析	NA	深度学习预训练	Resnet, Vision Transformer	医学图像	多个公开医学图像数据集的集合（具体数量未说明）
13	2025-03-30	Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01107-9 PMID:39150595	research paper	该研究利用深度学习模型对脑肿瘤病理图像进行分类，以解决医学影像数据有限的问题	采用预训练网络提取深度特征，并结合支持向量机进行分类，实现了97.4%的高准确率	研究依赖于有限的医学影像数据，可能影响模型的泛化能力	提高脑肿瘤病理诊断的准确性和效率	原发性弥漫性中枢神经系统大B细胞淋巴瘤（CNS-pDLBCL）和高级别胶质瘤（HGG）的病理图像	digital pathology	brain tumor	deep learning	CNN (Resnet50) + SVM	image	基于测试集的十倍交叉验证
14	2025-03-30	Deep Learning-Based Model for Non-invasive Hemoglobin Estimation via Body Parts Images: A Retrospective Analysis and a Prospective Emergency Department Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01209-4 PMID:39160365	研究论文	提出一种基于深度学习的非侵入性血红蛋白估计模型，通过身体部位图像进行贫血检测	结合多个身体部位图像、融合注意力机制和双损失函数，提高了模型的准确性和稳定性	前瞻性数据集的样本量相对较小（101例患者）	开发一种非侵入性血红蛋白预测模型，用于贫血检测	贫血患者	计算机视觉	贫血	深度学习	BPANet（基于CNN的融合注意力机制模型）	图像（结膜、手掌和指甲）	回顾性数据集（EYES-DEFY-ANEMIA）和前瞻性数据集（101例患者）
15	2025-03-30	DECNet: Left Atrial Pulmonary Vein Class Imbalance Classification Network 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01221-8 PMID:39164454	research paper	提出了一种名为DECNet的网络，用于解决左心房肺静脉分类不平衡问题，结合多尺度特征增强注意力和双特征提取分类器，提高分类准确性	整合多尺度特征增强注意力和双特征提取分类器，增强深度特征表达能力，解决数据不平衡导致的分类偏差	未提及具体样本量或数据集的多样性限制	解决左心房肺静脉解剖分类不平衡问题，提高分类准确性以支持临床治疗	左心房肺静脉的解剖分类	digital pathology	cardiovascular disease	深度学习	DECNet（结合多尺度特征增强注意力和双特征提取分类器）	医学影像	NA
16	2025-03-30	Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01220-9 PMID:39187704	研究论文	本研究开发了一种基于深度多任务学习的卷积神经网络模型，用于自动化腕部X光片的质量控制	采用DenseNet 121架构的多任务深度学习模型，能够高精度分类投影、检测石膏和识别手术硬件	在侧位标记检测方面表现较低，特别是对于部分可见或截断的标记	提高腕部X光片自动化质量控制的准确性和效率	腕部X光片	计算机视觉	NA	深度学习	CNN (DenseNet 121)	图像	2591名患者的6283张腕部X光片
17	2025-03-30	Feature-Based vs. Deep-Learning Fusion Methods for the In Vivo Detection of Radiation Dermatitis Using Optical Coherence Tomography, a Feasibility Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01241-4 PMID:39231883	研究论文	本研究探讨了使用基于强度的光学相干断层扫描（OCT）图像特征和机器学习方法检测急性放射性皮炎（ARD）的可行性	比较了传统的基于特征的机器学习方法和深度学习晚期融合方法在ARD检测中的表现，发现深度学习方法表现更优	样本量较小（22名患者），且仅在颈部六个位置进行成像	开发一种定量评估工具，以改善ARD的管理	接受放射治疗的癌症患者	数字病理学	皮肤疾病	光学相干断层扫描（OCT）	深度学习	图像	22名患者的1487张图像
18	2025-03-30	Unsupervised and Self-supervised Learning in Low-Dose Computed Tomography Denoising: Insights from Training Strategies 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01213-8 PMID:39231886	review	本文综述了低剂量计算机断层扫描（LDCT）去噪中的无监督和自监督深度学习方法，重点分析了六种训练策略	首次全面回顾和分类了LDCT去噪中的无监督和自监督训练策略，填补了该领域的空白	主要关注训练策略，未深入探讨具体模型架构或性能比较	总结和分析LDCT图像去噪中的无监督和自监督深度学习方法	低剂量计算机断层扫描（LDCT）图像	digital pathology	NA	deep learning	NA	image	NA
19	2025-03-30	A Novel Network for Low-Dose CT Denoising Based on Dual-Branch Structure and Multi-Scale Residual Attention 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01254-z PMID:39261373	研究论文	提出了一种基于双分支结构和多尺度残差注意力的新型网络，用于低剂量CT图像去噪	采用了双分支框架结构，结合自适应动态卷积块(ADCB)、多尺度边缘增强注意力块(MEAB)和多尺度残差卷积块(MRCB)，有效提取和融合图像的浅层和深层特征，提升去噪效果和图像质量	未提及在极端噪声条件下的性能表现，也未讨论计算复杂度或实时处理能力	提高低剂量CT图像的去噪效果和图像质量	低剂量CT图像	计算机视觉	NA	深度学习	双分支网络结构(包含ADCB、MEAB和MRCB模块)	医学CT图像	两个公开数据集(AAPM-Mayo和Qin_LUNG_CT)
20	2025-03-30	Screening Patient Misidentification Errors Using a Deep Learning Model of Chest Radiography: A Seven Reader Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01245-0 PMID:39261374	研究论文	本研究评估了深度学习模型在胸部X光片（CXR）中识别患者的能力，并与人类专家进行了比较	开发了基于相似性的深度学习模型SimChest，其在多个数据集上表现出色，且不受疾病变化状态影响	研究为回顾性研究，可能受到数据选择和标注偏差的影响	评估深度学习模型在胸部X光片中识别患者的性能，并与人类专家进行比较	胸部X光片（CXR）和患者识别	计算机视觉	NA	深度学习	SimChest（基于相似性的深度学习模型）	图像（胸部X光片）	240,004张CXR用于模型开发，240名患者（113名女性，160对相同配对）用于读者研究