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
5441	2025-12-02	Generative Artificial Intelligence for Retinal Image Translation to Improve Glaucoma Screening With Deep Learning 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.36 PMID:41268987	研究论文	本研究利用生成对抗网络将扫描激光检眼镜图像转换为合成彩色眼底照片，以提升深度学习模型在青光眼筛查中的检测性能	首次应用CycleGAN将SLO眼底图像转换为合成CF照片，以解决数据域偏移问题并扩大训练数据集，从而优化青光眼自动检测	研究仅使用单一类型的SLO图像进行转换，未探索其他成像模态；合成图像的质量对模型性能的影响需进一步验证	通过图像转换技术改善青光眼的自动化筛查准确率	扫描激光检眼镜（SLO）图像和彩色眼底（CF）照片	计算机视觉	青光眼	扫描激光检眼镜成像	GAN	图像	16,936张SLO眼底照片	NA	CycleGAN	AUC, 灵敏度	NA
5442	2025-12-02	DLMUSE: Robust Brain Segmentation in Seconds Using Deep Learning 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240299 PMID:40960397	研究论文	介绍一种开源深度学习脑部分割模型DLMUSE，用于全自动脑部MRI分割，实现快速分割并促进大规模神经影像研究	开发了一个开源深度学习模型，分割速度比参考方法快10,000倍以上，性能与最先进方法相当，并提供了用户友好的Web界面	研究为回顾性，训练数据主要基于多图谱分割方法生成，可能存在标签偏差	实现快速、准确的脑部MRI全自动分割，以支持大规模神经影像研究	脑部MRI扫描图像	医学影像分析	阿尔茨海默病	MRI	CNN	图像	训练集1900个MRI扫描，验证集71,391个扫描来自14项研究	NA	NA	Dice相似系数, Pearson相关系数, 平均绝对误差, 准确率, F1分数	NA
5443	2025-10-31	Correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Nov, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105880 PMID:41161129	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5444	2025-12-02	Progression and prospects of machine learning techniques in nanotoxicology: riding the AI-driven wave 2025-Nov, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2025.2536659 PMID:40717503	综述	本文系统总结了机器学习在纳米毒理学中的应用、挑战及未来前景	探讨了机器学习，特别是深度学习网络，在预测纳米颗粒毒性方面的潜力，并提出了整合其他计算方法以改进毒性评估的可能性	机器学习面临训练数据有限、模型可解释性问题以及纳米材料-生物相互作用复杂性等挑战	评估机器学习技术在纳米毒理学领域的应用，以改进纳米颗粒毒性评估方法	纳米颗粒及其在生态环境中的分布与毒性	机器学习	NA	机器学习，深度学习	深度学习网络	数据集	NA	NA	NA	NA	NA
5445	2025-12-02	Advanced deep learning for automatic classification of fired bullets from standard-issue firearms 2025-Nov, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101335 PMID:41320451	研究论文	本研究探索深度学习用于自动分类标准制式枪支发射的子弹标记，以提高法医枪支检验的准确性和减少主观性	采用三种不同的图像预处理策略（全景成像、LEA分割和线条分割）并结合预训练的ResNet50网络，实现了对高度相似子弹膛线标记的高精度分类，其中LEA分割策略表现最佳	研究仅基于中国执法机构常用的六种标准制式枪支的6000枚子弹数据集，可能未涵盖所有枪支类型或变异情况	通过AI驱动的解决方案提高法医枪支检验的效率和准确性，减少主观判断不一致的问题	从六种标准制式枪支发射的6000枚子弹	计算机视觉	NA	BalScan系统全景成像	CNN	图像	6000枚子弹	TensorFlow, PyTorch, Keras	ResNet50	分类准确率	NA
5446	2025-12-02	Ark+: Supervised training a single high-performance AI foundation model from many differently labeled datasets-no label consolidation required 2025-Oct-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103828 PMID:41319624	研究论文	本文提出了一种名为Ark的监督学习框架，能够在不进行标签统一的情况下，利用多个异构标注的公开数据集训练单一高性能AI基础模型	提出Ark框架，首次实现了无需人工标签统一即可聚合多个异构标注数据集进行监督训练，突破了跨数据集标签异质性的长期障碍	NA	开发一种能够利用多个公开异构标注数据集训练单一高性能AI基础模型的方法	胸部X光片（CXRs）和眼底摄影图像	医学影像分析	肺部疾病（包括肺炎等）	深度学习	基础模型	图像	Ark5使用335,484张CXRs，Ark6使用704,363张CXRs	PyTorch	多种架构（具体未指定）	分类、分割、定位任务的性能评估，性别偏差分析	NA
5447	2025-12-02	High-Risk Carotid Lesion Segmentation: Advancing Stroke Risk Detection With Deep Learning 2025-Oct-14, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028251381672 PMID:41321026	研究论文	本研究探讨了使用人工智能软件PRAEVAorta2在CT血管造影上自动分割颈动脉斑块的可行性，并比较了有症状与无症状患者斑块成分的差异	引入了AI工具PRAEVAorta2来自动分割和量化颈动脉斑块成分，超越传统狭窄分级，提供更细致的斑块易损性评估	血栓分割的Dice相似系数较低（0.33），表明该成分的自动分割性能有待提升	评估AI在颈动脉病变分割中的可行性，并比较有症状与无症状患者斑块成分的差异	颈动脉斑块	数字病理	心血管疾病	CT血管造影	深度学习	图像	156名患者（81个有症状病变，75个无症状病变）	NA	NA	敏感性, 特异性, Dice相似系数, 体积相似性	NA
5448	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
5449	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
5450	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
5451	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
5452	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
5453	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
5454	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
5455	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
5456	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
5457	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
5458	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
5459	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
5460	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