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
3301	2025-12-02	Glomerular Segmentation, Classification, and Pathomic Feature-based Prediction of Clinical Outcomes in Minimal Change Disease and Focal Segmental Glomerulosclerosis 2025-Oct-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25336172 PMID:41282794	研究论文	本研究应用计算图像分析自动化分割和分类肾小球，并提取非硬化肾小球的亚视觉病理特征以评估其临床相关性	利用深度学习模型自动化分割和分类肾小球，并从非硬化肾小球中提取亚视觉病理特征用于预测临床结局，揭示了传统评估中未被充分认识的预后信息	研究仅基于特定染色（PAS）的WSI图像，且模型在%SS的评估上一致性仅为中等（ICC=0.592），非硬化肾小球病理特征的预测性能相对有限（iAUCs约0.66-0.68）	自动化评估肾小球硬化并探索非硬化肾小球的病理特征与临床结局（疾病进展和蛋白尿缓解）的关联	局灶节段性肾小球硬化症和微小病变病的肾小球	数字病理学	肾脏疾病	PAS染色全切片图像分析	深度学习模型	图像	基于NEPTUNE/CureGN队列的PAS染色WSI图像，具体样本数量未在摘要中明确	NA	NA	ICC, iAUC	NA
3302	2025-12-02	Physics-Informed Machine Learning in Biomedical Science and Engineering 2025-Oct-06, ArXiv PMID:41281212	综述	本文综述了物理信息机器学习在生物医学科学与工程中的应用，重点介绍了PINNs、NODEs和神经算子三类框架	系统性地将参数化物理定律与数据驱动方法相结合，为复杂生物医学系统建模提供了可解释且高效的范式	存在不确定性量化、泛化能力以及与大型语言模型整合等开放挑战	探讨物理信息机器学习在生物医学领域的应用潜力与发展方向	生物固体与流体力学、力学生物学、医学成像、生理系统、药代动力学、细胞信号传导等多尺度生物医学系统	机器学习	NA	NA	物理信息神经网络, 神经常微分方程, 神经算子	NA	NA	NA	PINNs, NODEs, NOs	NA	NA
3303	2025-12-02	Diffusion model-based contrast-enhanced CT synthesis for breast cancer radiotherapy: Pursuing contrast-free imaging 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251399577 PMID:41308043	研究论文	本研究开发了一种基于扩散模型的深度学习框架，用于从非对比增强CT合成对比增强CT图像，以探索其在乳腺癌放疗中的应用效果	提出了一种新颖的基于扩散模型的图像到图像转换方法（SynDiff），在乳腺癌放疗中实现从非对比增强CT到对比增强CT的合成，相比传统生成对抗网络模型（如Pix2Pix、CycleGAN、RegGAN）表现出更优性能	样本量相对有限（共194例患者），且外部验证队列仅包含18例患者，可能影响模型的泛化能力评估	开发并评估深度学习模型在乳腺癌放疗中从非对比增强CT合成对比增强CT图像的应用效果，以追求无对比剂成像	乳腺癌患者的非对比增强CT和对比增强CT图像对	计算机视觉	乳腺癌	CT成像	扩散模型, GAN	医学图像（CT）	194例患者（176例来自医院一，18例来自医院二），分为训练队列（122例）、内部测试队列（54例）和外部验证队列（18例）	NA	SynDiff, Pix2Pix, CycleGAN, RegGAN	PSNR, SSIM, NMAE	NA
3304	2025-12-02	Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study 2025-Aug, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103351 PMID:40697959	研究论文	本研究开发并验证了一种基于深度学习（OverLoCK模型）的超声诊断系统，用于术前区分良恶性滤泡型甲状腺肿瘤	开发了新颖的OverLoCK（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels）模型，并首次在多中心、大规模回顾性研究中验证了深度学习系统在滤泡型甲状腺肿瘤术前诊断中的应用价值	研究为回顾性设计，需要在真实世界临床环境中进行前瞻性研究以进一步验证	开发并验证一种基于深度学习的超声诊断系统，以提高滤泡型甲状腺肿瘤的术前诊断准确性，减少不必要的手术干预	滤泡型甲状腺肿瘤患者，包括甲状腺滤泡腺瘤、滤泡癌和滤泡亚型乳头状甲状腺癌	数字病理	甲状腺癌	超声成像	CNN	图像	3817名患者（9393张超声图像），来自中国11个中心	NA	OverLoCK	AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数	NA
3305	2025-12-02	Mapping the Evolution of Thyroid Ultrasound Research: A 30-year Bibliometric Analysis 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056396607250811115439 PMID:40849785	综述	本文通过文献计量学方法，系统梳理了甲状腺超声研究30年的发展历程，识别了发展趋势、研究热点和新兴前沿	首次对甲状腺超声研究领域进行了长达30年的系统性文献计量分析，并利用VOSviewer和CiteSpace工具揭示了合作网络、参考文献时间线及关键词突现	分析仅基于Web of Science核心合集中的英文文献，可能遗漏其他语言或数据库的重要研究	通过文献计量分析，绘制甲状腺超声研究的演变图谱，识别发展趋势、研究热点和新兴前沿	1994年至2023年间Web of Science核心合集收录的甲状腺超声相关英文文章和综述	医学影像分析	甲状腺疾病	文献计量分析	NA	文献元数据	8,489篇文献	VOSviewer, CiteSpace	NA	NA	NA
3306	2025-12-02	Enhancing Bangla handwritten character recognition using Vision Transformers, VGG-16, and ResNet-50: a performance analysis 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1682984 PMID:41322980	研究论文	本文通过比较Vision Transformer、VGG-16和ResNet-50在孟加拉语手写字符识别任务上的性能，展示了ViT在捕获全局上下文和长距离依赖方面的优势	首次在孟加拉语手写字符识别任务中应用Vision Transformer，并实现了98.26%的当前最佳准确率，超越了传统CNN架构	研究仅使用了CMATERdb 3.1.2数据集，未在其他数据集上验证模型的泛化能力；未讨论计算资源消耗和模型推理速度	比较不同深度学习架构在孟加拉语手写字符识别任务上的性能，探索Transformer架构在该领域的应用潜力	孟加拉语手写字符图像	计算机视觉	NA	NA	Vision Transformer, CNN	图像	24,000张图像，涵盖50个基本孟加拉语字符	NA	Vision Transformer, VGG-16, ResNet-50	准确率	NA
3307	2025-12-01	Functional blepharoptosis screening with generative augmented deep learning from external ocular photography 2025-Dec, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2497460 PMID:40304715	研究论文	开发并验证基于外部眼部照片的功能性上睑下垂深度学习筛查模型，并评估生成式数据增强对模型性能的影响	首次将生成对抗网络（StyleGAN）生成的合成图像用于增强功能性上睑下垂检测模型的训练数据	样本量相对有限（771只眼睛），且来自单一三级眼科诊所，可能影响模型泛化能力	开发能够从外部眼部照片中检测功能性上睑下垂的深度学习模型	21岁及以上患者的眼部照片，包括639例临床诊断的功能性上睑下垂和132例正常对照	计算机视觉	眼科疾病	外部眼部摄影	深度学习, GAN	图像	771只眼睛（训练集539，验证集76，测试集156），增强后训练集增加2000张合成图像	NA	StyleGAN	敏感度, 特异度, AUC	NA
3308	2025-12-01	Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy 2025-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07416-7 PMID:40580320	研究论文	本研究开发了一种基于深度学习的全身CT分割方法，用于评估接受PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者的身体组成及其预后价值	首次使用深度学习从标准PSMA-PET-CT中自动分割身体组成成分，超越传统的PSMA-PET评估，发现新的预后指标	回顾性研究，样本量较小，需要在更大规模的前瞻性数据集中验证	开发基于深度学习的身体组成评估方法，探索其在mCRPC患者预后预测中的价值	86名接受[177Lu]Lu-PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者	数字病理	前列腺癌	PSMA-PET-CT, [68 Ga]Ga-PSMA-PET-CT扫描	深度学习分割模型	CT图像	86名前列腺癌患者	NA	NA	Cox回归分析p值, Kaplan-Meier分析, log-rank检验	NA
3309	2025-12-01	Orbital CT deep learning models in thyroid eye disease rival medical specialists' performance in optic neuropathy prediction in a quaternary referral center and revealed impact of the bony walls 2025-Dec, Orbit (Amsterdam, Netherlands) DOI:10.1080/01676830.2025.2521868 PMID:40591440	研究论文	开发并评估用于甲状腺眼病患者视神经病变预测的轨道CT深度学习模型	首次在四级转诊中心证明轨道CT深度学习模型在视神经病变预测方面与医学专家表现相当，并揭示了骨壁结构的影响	样本量相对有限（126名患者），研究时间跨度较长（2002-2017年）	开发用于甲状腺眼病患者视神经病变预测的深度学习模型	甲状腺眼病患者，包括伴有和不伴有视神经病变的病例	医学影像分析	甲状腺眼病	轨道CT成像	深度学习模型	CT图像（2D和3D）	126名甲状腺眼病患者，252个轨道，其中36个轨道确诊视神经病变	NA	NA	敏感度, 特异性, AUC	NA
3310	2025-12-01	Automated Kidney Tumor Segmentation in CT Images Using Deep Learning: A Multi-Stage Approach 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.020 PMID:40908232	研究论文	开发基于DeepMedic 3D卷积神经网络的自动化流程用于CT图像中肾脏和肾肿瘤分割	采用多尺度特征提取和三维卷积神经网络实现全自动肾脏肿瘤分割	研究依赖于单一机构的382例CT扫描数据，需要更多外部验证	开发自动化分割工具以提升肾肿瘤诊断工作流程和临床决策支持	肾脏和肾肿瘤	医学影像分析	肾肿瘤	CT扫描	CNN	CT图像	382例对比增强CT扫描	DeepMedic	3D CNN	Dice系数,精确率,召回率	NA
3311	2025-12-01	A Fusion Model of ResNet and Vision Transformer for Efficacy Prediction of HIFU Treatment of Uterine Fibroids 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.054 PMID:40935773	研究论文	提出融合ResNet和Vision Transformer的深度学习模型，用于预测高强度聚焦超声治疗子宫肌瘤的疗效	首次将ResNet的局部纹理特征与ViT的全局空间特征通过并行架构融合，用于量化子宫肌瘤异质性	研究样本量相对有限，仅来自两个医疗中心	提高HIFU治疗子宫肌瘤疗效预测的准确性	子宫肌瘤患者	计算机视觉	子宫肌瘤	T2加权磁共振成像	CNN, Transformer	医学图像	训练集272例，内部验证集92例，外部测试集125例	NA	ResNet-18, Vision Transformer, Res-ViT	AUC	NA
3312	2025-12-01	Comprehensive Assessment of Tumor Stromal Heterogeneity in Bladder Cancer by Deep Learning and Habitat Radiomics 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.029 PMID:40987672	研究论文	本研究开发了基于CT的深度学习和栖息地影像组学模型，用于术前预测膀胱癌肿瘤间质比并评估其预后价值	首次将栖息地影像组学与深度学习相结合，通过多亚区域分析评估膀胱癌肿瘤间质异质性，并验证其在免疫治疗反应预测中的应用	回顾性研究设计，样本量有限（477例），仅使用CT影像数据	开发术前预测膀胱癌肿瘤间质比的机器学习模型，并评估其在预后和免疫治疗反应预测中的价值	膀胱尿路上皮癌患者	数字病理	膀胱癌	CT影像分析	深度学习, 影像组学	医学影像	477例来自两个中心的膀胱癌患者	NA	迁移学习模型	准确率, 校准度, 临床效用	NA
3313	2025-12-01	Automated Coronary Artery Calcium Scoring Using Deep Learning: Validation Across Diverse Chest CT Protocols 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.009 PMID:40998657	研究论文	开发并验证一种基于深度学习的全自动冠状动脉钙化评分模型，适用于不同胸部CT扫描协议	开发了首个工作流就绪、协议无关的深度学习模型，可在常规非门控胸部CT上实现全自动冠状动脉钙化量化	单中心回顾性研究，需要进一步外部验证	开发自动化冠状动脉钙化评分工具以改善心血管疾病风险分层	无已知动脉粥样硬化性心血管疾病患者的胸部CT扫描	数字病理	心血管疾病	胸部CT扫描	深度学习	医学影像	2132例胸部CT扫描（常规、CT-CAC和CT-COVID）	NA	NA	组内相关系数, Cohen's kappa, 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数	NA
3314	2025-12-01	Prediction of the risk of diabetic foot from corneal nerve images using deep learning algorithms 2025-Dec, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2025.112991 PMID:41205876	研究论文	开发基于角膜神经图像的深度学习算法预测糖尿病足风险	首次将角膜神经图像与HbA1c或血清肌酐结合开发混合深度学习算法用于糖尿病足风险预测	使用定量角膜神经参数未能提升模型性能	预测糖尿病足风险分类	糖尿病患者的角膜神经图像	医学影像分析	糖尿病足	角膜神经成像	深度学习算法	图像	471名参与者的942只眼睛共23,550张图像	NA	NA	AUC	NA
3315	2025-12-01	FHBDSR-Net: automated measurement of diseased spikelet rate of Fusarium Head Blight on wheat spikes 2025-Dec, aBIOTECH IF:4.6Q1 DOI:10.1007/s42994-025-00245-0 PMID:41312098	研究论文	提出一种自动化测量小麦赤霉病病小穗率的轻量级深度学习框架FHBDSR-Net	构建首个包含5222个小穗级标注的数据集，提出多尺度特征增强架构、Inner-EfficiCIoU损失函数和尺度感知注意力模块来解决小目标检测和密集排列问题	NA	开发自动化测量小麦赤霉病病小穗率的方法以支持抗病育种	小麦穗部图像中的病小穗	计算机视觉	小麦赤霉病	RGB图像分析	CNN	图像	620张高分辨率RGB小麦穗图像，包含5222个小穗级标注	PyTorch	FHBDSR-Net	平均精度, Pearson相关系数	资源受限的移动设备
3316	2025-12-01	APTES: a high-throughput deep learning-based Arabidopsis phenotypic trait estimation system for individual leaves and siliques 2025-Dec, aBIOTECH IF:4.6Q1 DOI:10.1007/s42994-025-00239-y PMID:41312108	研究论文	开发基于计算机视觉和深度学习的拟南芥表型性状自动估计系统APTES，用于叶片和角果的高通量表型分析	使用增强的Cascade Mask R-CNN和DetectoRS模型分别实现叶片和角果的精确分割，相比基线模型性能提升1-2个百分点	未明确说明模型在不同光照条件和生长阶段下的泛化能力	开发高通量植物表型性状自动估计系统	拟南芥叶片和角果	计算机视觉	NA	计算机视觉，深度学习	CNN	图像	166个拟南芥种质	NA	Cascade Mask R-CNN, DetectoRS	精确率, 召回率, F1分数, 决定系数, 平均绝对百分比误差	NA
3317	2025-11-29	A lightweight deep learning model with attention mechanisms for hypertensive retinopathy classification 2025-Dec, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200541 PMID:41312542	研究论文	提出一种结合注意力机制的轻量级深度学习模型MA-DNet用于高血压视网膜病变分类	将DenseNet与通道和空间注意力机制相结合，采用特征增强和数据平衡技术提高分类精度	NA	开发自动化的高血压视网膜病变分类方法以辅助临床诊断	眼底图像中的高血压视网膜病变特征	计算机视觉	心血管疾病	深度学习	CNN	图像	OIA-ODIR数据集	NA	DenseNet	准确率	NA
3318	2025-12-01	Deep Learning-Enhanced Single Breath-Hold Abdominal MRI at 0.55 T-Technical Feasibility and Image Quality Assessment 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.013 PMID:40846585	研究论文	本研究评估深度学习增强的0.55T低场强腹部MRI在单次屏气下的技术可行性和图像质量	首次在0.55T低场强MRI中应用深度学习重建技术实现单次屏气腹部成像，并证明其图像质量优于传统方法	研究仅纳入健康志愿者，样本量较小（33例），缺乏病理证实	评估深度学习增强的低场强腹部MRI的技术可行性和图像质量	健康志愿者	医学影像分析	NA	MRI, 深度学习图像重建	深度学习	医学影像	33名健康志愿者	NA	NA	图像质量评分, 图像噪声, 空间分辨率, 观察者间一致性	NA
3319	2025-12-01	Ultrafast Multi-tracer Total-body PET Imaging Using a Transformer-Based Deep Learning Model 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.015 PMID:40885633	研究论文	提出基于Transformer的深度学习框架，用于从超快速扫描中合成多示踪剂全身PET图像	首次将3D SwinUNETR-V2架构应用于多示踪剂全身PET成像，开发了仅PET输入和PET+CT融合输入两种模型变体	回顾性单中心研究，样本量有限，需进一步验证	减少PET扫描时间以最小化运动伪影并改善患者舒适度	临床uEXPLORER PET/CT数据集，包括[18F]FDG、[18F]FAPI和[68Ga]FAPI三种示踪剂	医学影像分析	NA	PET/CT成像，列表模式数据截断	深度学习	3D医学影像	155例患者（[18F]FDG 50例，[18F]FAPI 45例，[68Ga]FAPI 60例）	NA	3D SwinUNETR-V2	峰值信噪比(PSNR), 图像质量主观评价, 病灶检测能力	NA
3320	2025-12-01	Multi-DECT Image-based Interpretable Model Incorporating Habitat Radiomics and Vision Transformer Deep Learning for Preoperative Prediction of Muscle Invasion in Bladder Cancer 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.018 PMID:40887351	研究论文	开发基于多能谱CT图像的融合栖息地影像组学和视觉Transformer的可解释模型，用于术前预测膀胱癌肌层浸润	首次将栖息地影像组学与3D视觉Transformer深度学习相结合，构建可解释的多能谱CT图像预测模型	回顾性研究，样本量相对有限（200例患者）	术前预测膀胱癌肌层浸润状态	膀胱癌患者	医学影像分析	膀胱癌	双能谱CT（DECT）成像	Vision Transformer（ViT）, ResNet, 影像组学模型	CT图像	200例膀胱癌患者（训练集140例，测试集60例）	NA	Vision Transformer, ResNet 18	AUC, 校准曲线, 决策曲线分析（DCA）, 净重分类指数（NRI）, 综合判别改善指数（IDI）	NA