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
41	2025-10-06	DELR-Net: a network for 3D multimodal medical image registration in more lightweight application scenarios 2025-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04602-3 PMID:39400589	研究论文	提出一种用于3D多模态医学图像配准的轻量化网络DELR-Net	集成Mamba和ConvNet的双编码器轻量化网络架构，使用状态空间序列模块和动态大核块	NA	设计参数更少的3D多模态配准网络，确保高质量配准结果	3D脑部MR图像和腹部MR与CT图像	医学图像分析	NA	医学图像配准	深度学习网络	3D医学图像	NA	NA	DELR-Net, Dual-Encoder, Mamba, ConvNet	配准质量, 参数数量	NA
42	2025-10-06	An optimized siamese neural network with deep linear graph attention model for gynaecological abdominal pelvic masses classification 2025-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04633-w PMID:39446167	研究论文	提出一种优化的孪生神经网络结合深度线性图注意力模型，用于妇科腹部盆腔肿块分类	首次将圆形启发的孪生神经网络与深度线性图注意力模型相结合，提出SCINN-DLGN新架构	仅使用MRI数据进行验证，未涉及其他影像模态	开发高精度的盆腔肿块分类系统，辅助卵巢癌诊断	女性盆腔肿块MRI图像	计算机视觉	妇科肿瘤	MRI成像	Siamese神经网络,图注意力网络	医学图像	实时MRI盆腔肿块数据集	Python	SCINN-DLGN,EfficientNet-based U-Net	准确率,召回率	NA
43	2025-10-06	Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques 2025-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04644-7 PMID:39467913	综述	概述人工智能和新型成像技术在胰腺癌早期检测中的最新进展	聚焦深度学习技术在胰腺导管腺癌早期检测中的创新应用	NA	改善胰腺癌风险分层和开发生物影像标志物	胰腺导管腺癌(PDA)	医学影像分析	胰腺癌	新型成像技术	深度学习	医学影像	NA	NA	NA	NA	NA
44	2025-10-06	Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications 2025-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04640-x PMID:39487919	综述	本文全面概述了人工智能在腹部和盆腔超声成像中的当前应用现状	系统总结了AI在腹部盆腔超声领域的应用分布，并首次统计了FDA批准的相关设备情况	研究存在高偏倚风险，大多数应用缺乏前瞻性多中心验证和FDA批准	评估人工智能在腹部和盆腔超声成像中的应用现状和发展趋势	57篇相关研究文献和17个FDA批准的AI超声设备	医学影像分析	多器官疾病	超声成像	深度学习,机器学习,自然语言处理	超声图像,文本报告	57篇研究文献（其中单中心研究43篇，回顾性研究56篇）	NA	NA	NA	NA
45	2025-10-06	Artificial intelligence for detection and characterization of focal hepatic lesions: a review 2025-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04597-x PMID:39369107	综述	本文综述了基于人工智能的算法在CT和MRI图像中检测和表征局灶性肝脏病变的诊断能力	系统评估了AI算法在肝脏病变检测和分类中的应用潜力，特别关注良恶性病变的区分	需要扩展数据集、提高模型可解释性并在更广泛的临床环境中验证AI工具	评估人工智能在局灶性肝脏病变检测和表征中的诊断能力	局灶性肝脏病变（FLL）	计算机视觉	肝脏疾病	CT, MRI	CNN	医学影像	45项相关研究（2010年1月至2024年4月）	NA	卷积神经网络	准确率, 灵敏度, 特异性, AUC	NA
46	2025-10-06	Gait Video-Based Prediction of Severity of Cerebellar Ataxia Using Deep Neural Networks 2025-Apr, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30113 PMID:39840857	研究论文	本研究开发了一种基于步态视频和深度学习模型预测小脑性共济失调严重程度的方法	首次将姿态估计算法应用于步态视频来预测小脑性共济失调的严重程度	研究样本量较小（66名患者），仅针对退行性小脑疾病患者	评估姿态估计算法是否能通过步态视频预测小脑性共济失调的严重程度	66名退行性小脑疾病患者	计算机视觉	小脑性共济失调	姿态估计算法，视频分析	深度学习模型	视频	66名患者	NA	NA	均方根误差，决定系数	NA
47	2025-10-06	GCN-BBB: Deep Learning Blood-Brain Barrier (BBB) Permeability PharmacoAnalytics with Graph Convolutional Neural (GCN) Network 2025-04-03, The AAPS journal DOI:10.1208/s12248-025-01059-0 PMID:40180695	研究论文	本研究开发了一种基于图卷积神经网络的深度学习模型，用于预测血脑屏障渗透性	首次将归一化拉普拉斯矩阵的图卷积神经网络应用于血脑屏障渗透性预测，相比传统分子指纹方法表现更优	研究仅基于1924个分子数据集，样本规模相对有限	开发高精度的血脑屏障渗透性预测模型以支持中枢神经系统药物研发	小分子药物的血脑屏障渗透性	机器学习	神经系统疾病	图神经网络	GCN	图结构数据	1924个分子	NA	GCN_2（基于归一化拉普拉斯矩阵的图卷积神经网络）	精确率,召回率,F1分数,MCC分数	NA
48	2025-10-06	Deep Learning and Hyperspectral Imaging for Liver Cancer Staging and Cirrhosis Differentiation 2025-04, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400557 PMID:39873135	研究论文	开发结合高光谱成像与深度学习的诊断方法，用于肝癌分期和肝硬化鉴别	首次将高光谱成像与深度卷积神经网络结合，捕捉传统方法难以识别的细胞级光谱特征差异	未提及外部验证集性能及临床部署可行性	提高肝癌分期和肝硬化鉴别的诊断精度	肝组织样本（肝细胞癌与肝硬化）	计算机视觉	肝癌	高光谱成像	CNN	高光谱图像	NA	NA	深度卷积神经网络	准确率, 敏感度, 特异度	NA
49	2025-10-06	Deep structural brain imaging via computational three-photon microscopy 2025-04, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.4.046002 PMID:40161251	研究论文	开发了一种计算型深层三光子显微镜方法，用于提高活体小鼠大脑深层组织的成像质量	结合低秩扩散模型与自监督深度学习，利用三维图像表层信息补偿散射和系统噪声，无需增加激发功率或额外光学组件	目前仅在小鼠大脑中验证，尚未在更复杂生物系统或临床环境中测试	开发能够在不影响采集速度的前提下提升深层组织成像质量的新型显微成像技术	活体小鼠大脑海马体及脑血管系统	生物医学成像	NA	三光子显微镜，计算成像，自监督深度学习，聚集诱导发射纳米探针	低秩扩散模型	三维光学图像	活体小鼠大脑	自监督深度学习框架	低秩扩散模型	信噪比，图像质量	NA
50	2025-10-06	Artificial Intelligence in Cardiovascular Imaging: Current Landscape, Clinical Impact, and Future Directions 2025 Apr-Jun, Discoveries (Craiova, Romania) DOI:10.15190/d.2025.10 PMID:40771296	综述	本文综述人工智能在心血管影像领域的最新进展、临床影响及未来发展方向	系统总结AI在多种心血管影像模态中的突破性应用，包括实时超声心动图解读、冠状动脉钙化评分和斑块量化，并深入分析算法偏见、可解释性等关键挑战	存在算法偏见、数据隐私保护、监管异质性和医疗法律责任等持续性问题	探讨人工智能在心血管影像领域的应用现状与未来发展	心血管影像技术（超声心动图、CT、MRI、核成像）及相关的AI应用平台	计算机视觉	心血管疾病	心血管影像技术（超声心动图、CT、MRI、核成像）	CNN, 深度学习	医学影像	NA	NA	NA	准确率, Dice系数	NA
51	2025-10-06	Dynamic glucose enhanced imaging using direct water saturation 2025-Apr-24, ArXiv PMID:39502884	研究论文	提出一种基于直接水饱和曲线的动态葡萄糖增强成像方法，用于评估脑肿瘤患者的葡萄糖摄取	首次利用水饱和谱中直接水饱和曲线的交换性线宽增宽效应进行动态葡萄糖增强成像，克服了传统CEST和CESL方法的低效应尺寸和运动敏感性问题	仅在4例脑肿瘤患者中进行初步验证，样本量较小	开发一种新型动态葡萄糖增强磁共振成像技术	脑肿瘤患者	医学影像	脑肿瘤	动态Z谱采集，D-葡萄糖输注	深度学习	磁共振影像	4例脑肿瘤患者	NA	NA	线宽变化百分比，曲线下面积	3T MRI扫描仪
52	2025-10-06	Virtual Lung Screening Trial (VLST): An In Silico Study Inspired by the National Lung Screening Trial for Lung Cancer Detection 2025-Apr-04, ArXiv PMID:38699170	研究论文	本研究通过虚拟肺筛查试验(VLST)模拟国家肺筛查试验(NLST)，比较CT和胸部X光在肺癌筛查中的诊断性能	首次使用虚拟成像试验平台模拟大型临床试验的关键要素，通过深度学习模型作为虚拟阅片者评估不同成像技术的诊断性能	研究基于模拟数据，虚拟患者队列规模相对较小(294例)，需要进一步验证在真实临床环境中的适用性	验证虚拟成像试验平台在模拟临床试验和评估影像技术诊断性能方面的可行性	模拟的肺癌结节和虚拟患者队列	数字病理	肺癌	计算机断层扫描(CT)、胸部X光摄影(CXR)、XCAT人体模型	深度学习模型	医学影像	294例虚拟患者	NA	AI CT-Reader, AI CXR-Reader	AUC, 敏感性, 特异性	NA
53	2025-10-06	Prediction of Intensive Care Length of Stay for Surviving and Nonsurviving Patients Using Deep Learning 2025-Apr-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006588 PMID:39928543	研究论文	本研究开发了一种深度学习模型，用于预测ICU存活和非存活患者的住院时间	首次在ICU住院时间预测中同时考虑存活和非存活患者的差异，并解决文档偏倚问题	仅使用美国医院数据，可能限制模型的泛化能力	改进ICU护理评估的基准测试方法	ICU患者	医疗健康	危重症	深度学习	深度学习框架	电子健康记录	669,876次ICU入院（涉及628,815名患者）	NA	竞争风险时间事件建模框架	决定系数(R2), 一致性指数, 平均绝对误差, 校准度	NA
54	2025-10-06	Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103077 PMID:39970842	研究论文	开发基于Transformer的手指感知人工神经网络，用于预测手部疼痛患者的关节炎发展	首次将深度学习应用于SPECT/CT的SUV定量数据预测手部关节炎，并引入手指嵌入和手部间信息共享机制	NA	通过深度学习提高手部关节炎的早期预测准确性	手部疼痛患者	医学影像分析	关节炎	SPECT/CT, SUV定量测量	Transformer	医学影像定量数据	NA	NA	Finger-aware Artificial Neural Network (FANN)	AUC, 准确率, 精确率, 召回率, F1分数	NA
55	2025-10-06	Artificial Intelligence non-invasive methods for neonatal jaundice detection: A review 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103088 PMID:39988547	综述	本文综述了基于人工智能的新生儿黄疸无创检测方法	系统评估了AI驱动的无创黄疸检测技术，特别是基于智能手机摄像头的应用在资源有限地区的实用性	主要关注现有研究综述，缺乏原始实验数据验证	评估人工智能技术在新生儿黄疸无创检测中的应用效果和临床价值	新生儿黄疸检测方法和相关人工智能技术	医疗人工智能	新生儿黄疸	机器学习、深度学习、智能手机成像	神经网络	皮肤颜色图像	NA	NA	NA	准确率	移动设备（智能手机）
56	2025-10-06	A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103091 PMID:40015211	研究论文	提出一种基于不确定性的多模态混合融合策略，用于皮肤癌多标签分类	引入不确定性机制的自适应多模态融合方法，结合临床图像、皮肤镜图像和元数据三种模态	仅使用单一公开数据集进行验证，未在更多临床场景中测试	提高皮肤病变多标签分类的准确性和鲁棒性	皮肤病变图像和元数据	计算机视觉	皮肤癌	深度学习	多模态融合网络	临床图像, 皮肤镜图像, 元数据	公开皮肤疾病数据集	NA	CosCatNet	NA	NA
57	2025-10-06	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	提出一种基于物理信息神经网络（PINN）的传染病预测模型，将疾病传播动力学系统融入损失函数	首次将物理信息神经网络应用于传染病预测领域，通过将流行病学理论融入神经网络损失函数来防止过拟合	仅在加利福尼亚州级COVID-19数据上进行验证，需要更多地区数据验证泛化能力	改进传染病预测方法，提升对未来流行病的应对能力	COVID-19确诊病例数、死亡人数和住院人数	机器学习	传染病	物理信息神经网络	PINN, RNN, LSTM, GRU, Transformer	流行病学时间序列数据	加利福尼亚州级COVID-19数据	NA	物理信息神经网络，包含处理流动性和疫苗剂量等协变量的子网络	预测准确率，与基准模型比较	NA
58	2025-10-06	High-Performance Method and Architecture for Attention Computation in DNN Inference 2025-04, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3436837 PMID:39088504	研究论文	提出一种基于存内计算的在线可编程注意力硬件架构，用于深度神经网络推理中的注意力计算	将注意力计算分解为级联组合矩阵运算降低硬件复杂度，设计在线可编程CIM架构通过动态调整权重提高计算精度	基于100nm CMOS工艺验证，尚未在实际医疗影像应用中测试	解决注意力机制在硬件部署中的高资源消耗和低精度问题	深度神经网络中的注意力计算硬件架构	机器学习	NA	存内计算(CIM)	DNN	NA	NA	NA	Attention	集成密度, 能效, 延迟, 计算效率	100nm CMOS工艺, Spice仿真
59	2025-10-06	Comparative evaluation of deep learning architectures, including UNet, TransUNet, and MIST, for left atrium segmentation in cardiac computed tomography of congenital heart diseases 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00087 PMID:40703371	研究论文	比较UNet、TransUNet和MIST三种深度学习架构在先天性心脏病心脏CT图像左心房分割中的性能	首次系统比较三种深度学习架构在先天性心脏病左心房分割中的表现，并深入分析MIST模型中空间注意力机制的有效性	MIST模型计算开销较大，临床实际部署存在困难	评估不同深度学习模型在心脏CT图像左心房分割中的性能差异	先天性心脏病患者的左心房	计算机视觉	心血管疾病	心脏计算机断层扫描	深度学习	医学图像	108个公开可用的CT体积数据，其中97例用于训练验证，11例用于测试	NA	UNet, TransUNet, MIST	Dice分数, HD95	NA
60	2025-10-06	Development of automatic organ segmentation based on positron-emission tomography analysis system using Swin UNETR in breast cancer patients in Korea 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00094 PMID:40703367	研究论文	开发基于Swin UNETR的PET自动器官分割系统，用于韩国乳腺癌患者的标准化SUV评估	首次将Swin UNETR模型应用于乳腺癌患者PET影像的自动器官分割，实现全器官SUV分析的标准化	样本量有限（总样本60例），仅针对韩国人群进行研究	通过深度学习标准化核医学影像中的SUV评估，提高乳腺癌诊断和预后准确性	乳腺癌患者的关键器官（乳腺、肝脏、脾脏和骨髓）	数字病理	乳腺癌	PET（正电子发射断层扫描）	Swin UNETR	医学影像	60例患者（训练集40例，验证集10例，独立测试集10例）	PyTorch	Swin UNETR	分割准确度	NA