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
421	2025-03-30	A deep learning pipeline for systematic and accurate vertebral fracture reporting in computed tomography 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106827 PMID:39970769	研究论文	介绍了一种用于在计算机断层扫描中系统准确报告椎体骨折的深度学习流程	开发了一种深度学习流程，用于在不同视野的CT脊柱图像中机会性检测骨折，提高了骨折检测的准确性和系统性	研究仅基于452例CT扫描，且排除了有脊柱手术史或病理性骨折的患者，可能限制了模型的泛化能力	提高椎体骨折在CT图像中的检测效率和准确性	腰椎/胸腰椎的CT图像	数字病理	脊柱骨折	深度学习	nnU-net, resnet18	CT图像	452例CT扫描（405例用于训练/验证，47例用于测试），27,019个切片（20,396个阴性，6,623个阳性）
422	2025-03-30	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发并评估了一种基于深度学习的算法，用于在机会性CT扫描中自动检测和量化椎体压缩性骨折	使用2D/3D U-Nets卷积神经网络开发了一种自动化工具，用于在非专门针对椎体压缩性骨折的CT扫描中进行机会性筛查和量化	研究样本量相对较小（100名患者），且为回顾性研究	评估深度学习算法在机会性CT扫描中检测和量化椎体压缩性骨折的性能	椎体压缩性骨折	数字病理学	骨质疏松症	CT扫描	2D/3D U-Nets	医学影像	100名患者（平均年龄76.6岁，72%为女性）
423	2025-03-30	Evaluating Traditional, Deep Learning and Subfield Methods for Automatically Segmenting the Hippocampus From MRI 2025-Apr-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70200 PMID:40143669	研究论文	本文评估了传统方法、深度学习和海马体亚区方法在MRI图像中自动分割海马体的性能	首次在同一研究中独立比较了传统方法、深度学习方法和海马体亚区分割方法的性能	大多数方法在临床数据上表现不佳，存在过分割问题，特别是海马体前缘区域	评估不同自动海马体分割方法在MRI图像中的性能	10种自动海马体分割方法（FreeSurfer、SynthSeg、FastSurfer等）	医学影像分析	认知障碍疾病（包括轻度认知障碍和痴呆）	MRI	深度学习与传统图像处理方法	MRI图像	3个数据集（包含手动标注的海马体标签）
424	2025-03-30	Conventional and cutting-edge advances in plant virus detection: emerging trends and techniques 2025-Apr, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04253-1 PMID:40151342	综述	本文综述了植物病毒检测的传统和前沿技术，包括新兴趋势和技术	介绍了新兴技术如LAMP、HTS、纳米技术生物传感器和CRISPR诊断，以及AI、ML和IoT在实时监测中的应用	存在序列限制、多重检测约束和环境问题等挑战	改进植物病毒检测技术，确保农业可持续性和生态系统保护	植物病毒	生物技术	植物病毒病	LAMP、HTS、纳米技术生物传感器、CRISPR、AI、ML、IoT	NA	NA	NA
425	2025-03-29	Two-step deep learning models for detection and identification of the manufacturers and types of dental implants on panoramic radiographs 2025-Apr, Odontology IF:1.9Q2 DOI:10.1007/s10266-024-00989-z PMID:39198339	研究论文	开发了两步深度学习模型，用于在全景X光片上自动检测种植体区域并识别多种种植体类型	采用两步深度学习模型（YOLO v7和EfficientNet）分别进行种植体区域检测和类型识别，实现了高精度的自动化分析	Nobel的class 2（Parallel）分类指标较低	开发自动化工具以辅助牙科种植体的检测和识别	牙科种植体及其制造商	计算机视觉	NA	深度学习	YOLO v7, EfficientNet	图像	1574张全景X光片，包含3675个种植体
426	2025-03-29	Deep Learning for Automated Segmentation of Basal Cell Carcinoma on Mohs Micrographic Surgery Frozen Section Slides 2025-Apr-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004501 PMID:39625169	研究论文	本研究训练了一个深度学习模型，用于在Mohs手术冰冻切片上自动分割基底细胞癌（BCC）	首次使用YOLOv8模型对BCC在Mohs手术冰冻切片上进行分割，并评估了不同BCC亚型的性能	分割研究的准确性和临床相关性指标仍需提高	开发一种自动化工具，用于在Mohs手术冰冻切片上定位BCC	基底细胞癌（BCC）及其亚型	数字病理学	基底细胞癌	全切片图像扫描	YOLOv8	图像	348张新鲜冰冻组织切片
427	2025-03-29	Tea grading, blending, and matching based on computer vision and deep learning 2025-Apr, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14088 PMID:39711109	research paper	本研究开发了一种基于计算机视觉和深度学习的茶叶分级、混合比例评估和样本匹配的高效无损方法	结合ResNet模型和CBAM注意力模块，提高了茶叶图像特征提取能力，显著提升了分类和匹配的准确率	仅针对乌龙茶和红茶进行了测试，未涵盖其他茶类	提高茶叶生产过程中的分级、混合和样本匹配的效率和准确性	乌龙茶和红茶的图像数据	computer vision	NA	deep learning	ResNet with CBAM	image	NA
428	2025-03-29	Fluorescence images of skin lesions and automated diagnosis using convolutional neural networks 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104462 PMID:39736369	研究论文	本文探讨了使用卷积神经网络（CNN）对皮肤病变的荧光图像进行自动诊断的方法	首次利用智能手机采集的荧光图像创建了名为FLUO-SC的新数据集，并验证了荧光图像在皮肤病变分类中的竞争力	缺乏公开的皮肤病变荧光图像数据集，样本量相对较小（1,563张图像）	开发基于深度学习的皮肤癌自动诊断方法	皮肤病变的荧光图像	计算机视觉	皮肤癌	荧光宽场成像	CNN	图像	1,563张荧光图像
429	2025-03-29	Age and gender-related changes in choroidal thickness: Insights from deep learning analysis of swept-source OCT images 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104511 PMID:39900214	研究论文	通过深度学习分析扫频源OCT图像，研究年龄和性别对脉络膜厚度及其组成部分的影响	利用深度学习算法自动测量脉络膜厚度，揭示了不同性别在不同年龄段的脉络膜厚度变化特点	研究排除了有眼部病理和系统性疾病的参与者，可能限制了结果的普遍性	探究年龄和性别对脉络膜厚度变化的影响	262名参与者（136名女性和126名男性）的扫频源OCT图像	数字病理	年龄相关性黄斑变性（AMD）、高度近视（HM）和糖尿病（DM）	扫频源光学相干断层扫描（SS-OCT）	深度学习算法	图像	262名参与者
430	2025-03-29	Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104532 PMID:40015615	研究论文	本研究旨在通过超广角眼底成像技术最大化儿童可见视网膜区域（VRA）以提高周边视网膜病变的检测率	结合散瞳和手动提睑技术显著提升超广角眼底成像中的可见视网膜区域，有效减少眼睑和睫毛造成的伪影影响	样本量较小（53名儿童，106只眼），且研究仅在一家医院进行，可能限制结果的普遍性	优化儿童超广角眼底成像中的可见视网膜区域	53名儿童（106只眼）	数字病理学	视网膜病变	超广角Optos成像系统（Daytona P200T）和基于深度学习的自定义图像分割工具	深度学习	图像	53名儿童（106只眼）
431	2025-03-29	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	研究论文	利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征	首次使用基础模型UNI和生成对抗网络HistoXGAN解析HPV阳性HNSCC的组织学特征，并通过合成图像验证	研究依赖于合成图像的病理学评估，可能存在与真实图像的偏差	解析HPV阳性头颈部鳞状细胞癌的组织病理学特征并开发可解释的检测方法	981名头颈部鳞状细胞癌患者的H&E染色切片	数字病理学	头颈部鳞状细胞癌	自监督学习(SSL)、生成对抗网络(GAN)	UNI、HistoXGAN	H&E染色图像	981名患者
432	2025-03-29	Development and validation of a deep learning-based automated computed tomography image segmentation and diagnostic model for infectious hydronephrosis: a retrospective multicentre cohort study 2025-Apr, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103146 PMID:40144691	研究论文	开发并验证了一种基于深度学习的自动化CT图像分割和诊断模型，用于感染性肾积水的诊断	使用改进的U-Net算法开发了肾积水分割模型（HRSM），并结合3D CNN和临床数据建立了感染性肾积水诊断模型（IHDM）	需要更多多样化的真实世界多中心验证研究来验证模型的稳健性	开发一种全自动分割和非侵入性诊断模型，用于感染性肾积水的诊断	肾积水患者	数字病理	肾积水	CT图像分析	Improved U-Net, 3D CNN, SVM	CT图像	615名患者（包括5876张标注的CT图像）
433	2025-03-29	A data-driven approach to turmeric disease detection: Dataset for plant condition classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111435 PMID:40144898	研究论文	本文提出了一种基于数据驱动的姜黄病害检测方法，并构建了一个用于植物状态分类的数据集	构建了一个包含1037张原始图像和4628张增强图像的姜黄植物病害数据集，并应用Inception-v3模型实现了97.36%的分类准确率	数据集仅包含五种姜黄植物状态，可能无法涵盖所有可能的病害类型	开发AI辅助解决方案以实现精准农业和可持续作物生产	姜黄植物及其病害（健康叶片、干枯叶片、叶斑病、根茎病根和健康根茎）	计算机视觉	植物病害	数据增强（翻转、旋转、亮度调整）	Inception-v3	图像	1037张原始图像和4628张增强图像
434	2025-03-29	Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study 2025-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.001 PMID:40148010	research paper	该研究利用深度学习技术分析心电图（ECG）来预测成人和儿童先天性心脏病患者的左心室收缩功能障碍（LVSD）	首次将人工智能增强的心电图分析（AI-ECG）全面应用于先天性心脏病患者的LVSD预测	研究主要基于美国两家医院的数据，可能在其他地区或人群中的适用性有限	开发一种预测先天性心脏病患者当前和未来左心室收缩功能障碍的算法	成人和儿童先天性心脏病患者	digital pathology	cardiovascular disease	AI-ECG	CNN	ECG和超声心动图数据	训练队列包括124,265对ECG-超声心动图数据（49,158名患者），测试组包括21,068名患者（内部测试）和42,984名患者（外部验证）
435	2025-03-28	Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes 2025-Apr-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0561-OA PMID:38960391	research paper	该研究评估了三阴性乳腺癌（TNBC）对新辅助化疗（NAC）的反应，并分析了顶浆分泌形态、雄激素受体（AR）状态、Ki-67标记指数（Ki-67LI）和肿瘤浸润淋巴细胞（TILs）的影响	研究发现顶浆分泌形态比AR表达更能可靠预测NAC反应，尽管顶浆分泌形态是TNBC的罕见亚型，但其识别具有临床重要性	研究中顶浆分泌形态与TILs之间的差异无统计学意义，且AR表达对pCR的影响不显著	评估TNBC对NAC的反应，并分析顶浆分泌形态、AR状态、Ki-67LI和TILs的影响	232名接受NAC后手术切除的TNBC患者	digital pathology	breast cancer	immunohistochemistry, deep learning model	NA	image	232名TNBC患者
436	2025-03-28	Artificial intelligence for detection and characterization of focal hepatic lesions: a review 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04597-x PMID:39369107	综述	本文回顾了基于人工智能的算法在检测和表征肝脏局灶性病变方面的诊断能力	利用深度学习和卷积神经网络（CNNs）分析CT和MRI数据，提高肝脏局灶性病变的检测和分类准确性	数据集需要扩展，模型可解释性有待提高，且需在更多临床环境中验证AI工具的适用性和可靠性	评估人工智能在肝脏局灶性病变检测和分类中的应用	肝脏局灶性病变（FLLs）	数字病理学	肝脏疾病	CT和MRI	CNN	医学影像	45项相关研究
437	2025-03-28	DELR-Net: a network for 3D multimodal medical image registration in more lightweight application scenarios 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04602-3 PMID:39400589	research paper	该研究提出了一种名为DELR-Net的轻量级3D多模态医学图像配准网络，旨在在减少参数数量的同时保证高质量的配准结果	DELR-Net结合了Mamba和ConvNet，采用State Space Sequence Module和Dynamic Large Kernel block作为双编码器的主要组件，Dynamic Feature Fusion block作为解码器的主要组件，实现了在较低参数数量下的高质量配准	NA	设计一种3D多模态配准网络，在减少参数数量的同时保证高质量的配准结果	3D脑部MR图像和腹部MR及CT图像	digital pathology	NA	3D multimodal medical image registration	DELR-Net (结合Mamba和ConvNet)	3D medical images (MR和CT)	NA
438	2025-03-28	An optimized siamese neural network with deep linear graph attention model for gynaecological abdominal pelvic masses classification 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04633-w PMID:39446167	研究论文	本文介绍了一种优化的孪生神经网络与深度线性图注意力模型（SCINN-DLGN），用于妇科腹部盆腔肿块的分类	提出了SCINN-DLGN模型，结合了孪生神经网络和深度线性图注意力机制，显著提高了分类准确率和召回率	模型的计算复杂度可能较高，且仅在MRI数据集上进行了验证	开发一种高效准确的盆腔肿块分类方法，以辅助卵巢癌的早期诊断和治疗	盆腔肿块（良性、恶性和健康类别）	数字病理学	卵巢癌	MRI成像	SCINN-DLGN（优化的孪生神经网络与深度线性图注意力模型）	图像	实时MRI盆腔肿块数据集
439	2025-03-28	Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04644-7 PMID:39467913	综述	本文综述了人工智能和新型成像技术在胰腺导管腺癌早期检测中的进展	重点关注深度学习在胰腺导管腺癌早期检测中的应用	未提及具体研究数据或实验结果的局限性	提高胰腺导管腺癌的早期检测率	胰腺导管腺癌（PDA）	数字病理学	胰腺癌	新型成像技术	深度学习	影像数据	NA
440	2025-03-28	Multi-type stroke lesion segmentation: comparison of single-stage and hierarchical approach 2025-Apr, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03243-4 PMID:39549224	研究论文	本研究探讨了使用深度学习方法进行多类型中风病灶分割的比较，包括单阶段和分层方法	首次比较了单阶段和分层方法在多类型中风病灶分割中的表现，并采用了多种深度学习模型进行优化	研究仅基于土耳其卫生部提供的数据集，可能在其他地区或人群中的适用性有限	寻找最有效的深度学习方法来进行多类型中风病灶分割，以改善临床决策和治疗效果	中风病灶（缺血性和出血性）	数字病理学	心血管疾病	深度学习	ResNet, ResNeXt, ViT, U-Net, U-Net++, DeepLabV3	图像	6650张脑部CT扫描图像（1130例缺血性中风，1093例出血性中风，4427例非中风病例）