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
401	2025-04-01	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，用于提升下游医学图像任务的性能	首次构建专门用于医学图像预训练的通用数据集CPMID，并在分类和分割任务中验证其优于ImageNet预训练模型的性能	未提及数据集的规模限制或覆盖的医学影像类型是否全面	构建通用的医学图像预训练数据集以提升下游医学图像分析任务的性能	医学图像数据集CPMID及下游分类/分割任务	医学图像分析	NA	迁移学习	Resnet, Vision Transformer	医学图像	多个公开医学图像数据集整合的CPMID数据集（未提具体数量）
402	2025-04-01	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	研究论文	本研究利用深度学习模型对脑肿瘤病理图像进行分类，旨在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，提高了分类准确率	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）	数字病理学	脑肿瘤	深度学习	Resnet50 (TL + SVM)	图像	NA
403	2025-04-01	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	开发了一种基于深度学习的非侵入性血红蛋白估计模型，通过多部位身体图像进行贫血检测	提出了一种融合注意力机制的多部位身体图像深度学习模型，结合双损失函数处理少数样本，实现了高精度的非侵入性血红蛋白预测	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方法以辅助贫血诊断	贫血患者的多部位身体图像（结膜、手掌和指甲）	计算机视觉	贫血	深度学习	BPANet（基于融合注意力机制的深度学习模型）	图像	回顾性数据集（EYES-DEFY-ANEMIA）和前瞻性数据集（101例患者）
404	2025-04-01	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	研究论文	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，通过整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	提出了一种结合多尺度特征增强注意力和双特征提取分类器的新型网络DECNet，用于解决左心房肺静脉分类不平衡问题	未提及具体的数据集规模限制或模型在其他数据集上的泛化能力	解决左心房肺静脉分类不平衡问题，提高分类准确性以支持临床治疗	左心房肺静脉的解剖学分类	数字病理学	心血管疾病	深度学习	DECNet（整合多尺度特征增强注意力和双特征提取分类器的网络）	医学图像	辽宁省人民医院提供的数据集和公开的DermaMNIST数据集
405	2025-04-01	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，用于自动化手腕X光片的质量控制	采用DenseNet 121架构的多任务深度学习模型，能够同时检测和分类手腕X光片的多个关键属性	模型在侧位标记检测方面的性能较低（F1分数为82.52%），特别是对于部分可见或截断的标记	提高放射工作流程中手腕X光片质量控制的自动化水平	手腕X光片	计算机视觉	NA	深度学习	DenseNet 121	图像	来自2591名患者的6283张手腕X光片
406	2025-04-01	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光相干断层扫描（OCT）图像的强度和新特征结合机器学习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技术与深度学习的晚期融合方法在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	改善癌症患者放射性皮炎的预防和管理策略	急性放射性皮炎（ARD）患者	数字病理学	皮肤疾病	光相干断层扫描（OCT）	深度学习与传统机器学习	图像	22名患者的1487张图像
407	2025-04-01	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	综述	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，重点分析了不同训练策略的分类、理论基础、优缺点及开源代码	首次系统性地对LDCT去噪中的无监督和自监督训练策略进行分类和综述，填补了该领域缺乏全面综述的空白	主要关注训练策略的理论分析，未涉及具体算法性能的定量比较	为研究人员和从业者提供LDCT去噪中无监督和自监督学习方法的指导和见解	低剂量计算机断层扫描（LDCT）图像	计算机视觉	NA	深度学习	无监督和自监督深度学习模型	医学影像（CT图像）	NA
408	2025-04-01	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特征，提升去噪效果和图像质量	未提及模型在极端噪声条件下的表现或计算效率	提升低剂量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	双分支网络架构(ADCB+MEAB+MRCB)	医学CT图像	AAPM-Mayo和Qin_LUNG_CT两个公开数据集
409	2025-04-01	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片配对中识别患者的能力，并与人类专家的表现进行了比较	开发了基于相似性的深度学习模型SimChest，在多个数据集上展示了最佳的识别性能，且不受疾病变化状态影响	研究为回顾性设计，可能影响结果的泛化性	评估深度学习模型在胸片配对中识别患者的能力，并与人类专家表现进行比较	240,004张胸片及240名患者（年龄56.617±13.690岁，113名女性，160对相同配对）	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（胸片）	240,004张胸片用于模型开发，240名患者用于读者研究
410	2025-04-01	Deep Learning for Automated Classification of Hip Hardware on Radiographs 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01263-y PMID:39266912	研究论文	开发深度学习模型用于自动分类骨盆和髋关节X光片中的骨科植入物，以减少放射科医生的工作量并提高报告一致性	首次将深度学习模型应用于骨科植入物的自动分类，并展示了与专业放射科医生相当的性能	模型在感染后髋关节类别的表现略低于其他类别（AUC 0.97）	开发自动化工具以减少放射科医生工作量并提高诊断一致性	骨盆和髋关节X光片中的骨科植入物	计算机视觉	骨科疾病	深度学习	EfficientNet-B4, NFNet-F3	X光图像	4279项研究（来自1073名患者），其中851项用于独立测试（来自262名患者）
411	2025-04-01	Convolutional Neural Networks for Segmentation of Pleural Mesothelioma: Analysis of Probability Map Thresholds (CALGB 30901, Alliance) 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01092-z PMID:39266911	研究论文	本研究评估了概率图阈值对使用卷积神经网络（CNN）生成的胸膜间皮瘤（PM）肿瘤轮廓的影响	分析了不同概率阈值下CNN生成的肿瘤体积与放射科医生提供的参考标准之间的差异，强调了在评估深度学习肿瘤分割时同时考虑肿瘤体积和空间重叠的重要性	CNN在特定疾病表现（如严重胸腔积液或胸膜裂隙疾病）中存在不足，且未找到适用于肿瘤体积和DSC的最佳单一输出阈值	评估概率图阈值对CNN生成的胸膜间皮瘤肿瘤轮廓的影响	48名胸膜间皮瘤患者的186次CT扫描	数字病理学	胸膜间皮瘤	CT扫描	VGG16/U-Net CNN	图像	48名患者的186次CT扫描
412	2025-04-01	Artificial intelligence in emergency neuroradiology: Current applications and perspectives 2025-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.002 PMID:39672753	综述	本文综述了人工智能在急诊神经放射学中的当前应用及未来展望	提供了关于人工智能在急诊神经放射学中应用的最新进展和深度分析，包括多种成像模态和现有商业产品的描述	未提及具体的技术局限性，但呼吁更多基于临床需求的开发和儿科神经影像学的关注	探讨人工智能在急诊神经放射学中的应用现状和未来发展	急诊神经放射学中的急性缺血性卒中、颅内出血、颅内动脉瘤、动静脉畸形等疾病	数字病理学	脑血管疾病	机器学习和深度学习算法	NA	影像数据	NA
413	2025-04-01	Traditional versus modern approaches to screening mammography: a comparison of computer-assisted detection for synthetic 2D mammography versus an artificial intelligence algorithm for digital breast tomosynthesis 2025-Apr, Breast cancer research and treatment IF:3.0Q2 DOI:10.1007/s10549-024-07589-z PMID:39786500	research paper	比较传统计算机辅助检测（CADe）算法与基于深度学习的AI算法在乳腺X线摄影中的性能	首次比较传统CADe算法与现代AI算法在乳腺X线摄影中的性能差异	研究仅使用了Hologic公司的两种算法，可能不具有普遍性	比较传统CADe算法与AI算法在乳腺X线摄影中的检测性能	乳腺X线摄影图像	digital pathology	breast cancer	synthetic 2D mammography, digital breast tomosynthesis (DBT)	traditional machine learning CADe, deep learning-based AI	image	764名患者（106例活检证实癌症，658例阴性病例）
414	2025-04-01	Vital Characteristics Cellular Neural Network (VCeNN) for Melanoma Lesion Segmentation: A Biologically Inspired Deep Learning Approach 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01257-w PMID:39284982	研究论文	本文提出了一种名为Vital Characteristics Cellular Neural Network (VCeNN)的生物启发深度学习模型，用于黑色素瘤病变的医学图像分割	该模型从多细胞生物的生命特征中汲取灵感，引入了记忆、适应、凋亡和分裂模块，以提高网络的性能和泛化能力	NA	开发一种能够准确分割黑色素瘤病变的医学图像分割模型	黑色素瘤病变的医学图像	数字病理学	黑色素瘤	深度学习	VCeNN	医学图像	多个公开数据集
415	2025-04-01	High-precision MRI of liver and hepatic lesions on gadoxetic acid-enhanced hepatobiliary phase using a deep learning technique 2025-Apr, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01693-2 PMID:39527182	研究论文	本研究探讨了使用改进的Fast 3D mode wheel和PIQE的高精度MRI序列在肝细胞特异性对比剂增强MRI的肝胆期（HBP）中的应用效果，并与使用CS和AiCE的标准序列进行比较	提出了一种改进的Fast 3D mode wheel和PIQE的高精度MRI序列，显著提高了肝胆期成像的图像质量和病灶检出率	样本量较小（54例患者），且为回顾性研究	比较两种MRI序列在肝胆期成像中的性能差异	54例患有局灶性肝脏病变的患者	数字病理学	肝脏病变	MRI，Fast 3D mode wheel，PIQE，CS，AiCE	NA	医学影像	54例患者
416	2025-03-30	Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04640-x PMID:39487919	综述	本文综述了人工智能在腹部和盆腔超声成像中的当前应用	全面概述了AI在腹部和盆腔超声成像中的最新应用，包括多器官检测、妇科、肝胆系统和肌肉骨骼系统	研究偏倚风险较高，因为很少有应用经过前瞻性验证（多中心研究）或获得FDA批准	探讨人工智能在腹部和盆腔超声成像中的应用	腹部和盆腔超声成像	医学影像	NA	深度学习、机器学习、自然语言处理、机器人技术	NA	超声图像	57篇文献，17种FDA批准的AI超声设备
417	2025-03-30	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	本研究利用人工智能在计算病理学中的应用，评估乳腺癌中的缺氧状态	首次应用弱监督深度学习模型在常规H&E染色全切片图像中检测缺氧相关的形态学变化	研究仅基于乳腺癌样本，未验证在其他肿瘤类型中的适用性	开发一种快速、经济有效的替代分子检测的方法来评估肿瘤缺氧微环境	乳腺癌组织样本	数字病理学	乳腺癌	弱监督深度学习	HypOxNet	H&E染色全切片图像	1016例乳腺癌原发灶样本
418	2025-03-30	Quantifying knee-adjacent subcutaneous fat in the entire OAI baseline dataset - Associations with cartilage MRI T2, thickness and pain, independent of BMI 2025-Apr, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.01.001 PMID:39864732	research paper	本研究开发了一种基于人工智能的工具，用于自动分割膝关节邻近皮下脂肪（kaSCF）厚度，并评估了kaSCF与软骨厚度、MRI T2弛豫时间、膝关节疼痛和肌肉力量之间的横断面关联，独立于体重指数（BMI）	首次使用深度学习算法自动分割kaSCF厚度，并独立于BMI评估其与膝关节骨关节炎相关结构、功能和临床结果的关联	研究为横断面设计，无法确定因果关系	评估膝关节邻近皮下脂肪（kaSCF）与膝关节骨关节炎相关指标之间的关联	骨关节炎倡议（OAI）队列中的4796名参与者的右膝关节基线3.0T MR图像	digital pathology	osteoarthritis	MRI, deep learning	deep learning algorithms	image	4796名OAI队列参与者的右膝关节MR图像
419	2025-03-30	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	research paper	本文提出了一种基于深度学习的脊髓软分割方法，能够在不同MRI对比度下稳定分割脊髓	使用软平均分割和回归损失函数减少CSA变异性，并能够处理部分容积效应	研究主要基于健康参与者的数据，对于病理情况的泛化能力仍需进一步验证	开发一种对比度无关的脊髓分割方法，以提高多中心研究中CSA测量的稳定性	脊髓MRI图像	digital pathology	neurodegenerative diseases	MRI	U-Net	image	267名健康参与者，6种对比度
420	2025-03-30	Genomic prediction with NetGP based on gene network and multi-omics data in plants 2025-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.14577 PMID:39950326	research paper	该论文提出了一种基于基因网络和多组学数据的NetGP模型，用于植物基因组预测	首次提出基于Pearson-Collinearity Selection (PCS)的SNP特征提取技术，并设计了新型深度学习模型NetGP	未明确说明模型在特定植物种类或环境条件下的适用性限制	提高植物基因组选择的预测准确性	植物基因组和表型数据	machine learning	NA	SNP特征提取, 多组学数据分析	NetGP (深度学习模型)	基因组数据(SNP), 转录组数据(Trans), 多组学数据(Trans + SNP)	多种植物数据(具体数量未明确说明)