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
881	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
882	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
883	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
884	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
885	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
886	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）
887	2025-03-28	TCKAN: a novel integrated network model for predicting mortality risk in sepsis patients 2025-Apr, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03245-2 PMID:39560917	research paper	该研究提出了一种新型集成网络模型TCKAN，用于预测脓毒症患者的死亡风险	TCKAN模型独特地整合了时间数据、常数数据和ICD编码，采用多模态数据集成策略，提高了预测准确性和鲁棒性	虽然TCKAN已经整合了时间、常数和ICD编码数据，但未来研究可以纳入更多样化的医疗数据类型，如影像学和实验室检测结果，以实现更全面的数据整合	提高脓毒症患者死亡风险的预测准确性，优化临床患者管理和治疗	脓毒症患者	machine learning	sepsis	多模态数据集成	TCKAN (Time-Constant Kolmogorov-Arnold Network)	时间数据、常数数据和ICD编码	MIMIC-III和MIMIC-IV数据集
888	2025-03-28	CorLabelNet: a comprehensive framework for multi-label chest X-ray image classification with correlation guided discriminant feature learning and oversampling 2025-Apr, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03247-0 PMID:39609353	research paper	提出一个名为CorLabelNet的综合框架，用于多标签胸部X光图像分类，通过相关性引导的判别特征学习和过采样来提高分类性能	利用自注意力机制捕捉高阶标签相关性，并从全局和局部角度考虑标签相关性，提出一致性约束和多标签对比损失以增强特征学习，以及利用学习的标签相关性进行过采样的新方法	未提及具体的数据集规模限制或计算资源需求	提高多标签胸部X光图像分类的性能，解决标签相关性利用不足和类别不平衡问题	胸部X光图像	computer vision	lung cancer	deep learning	self-attention	image	CheXpert和ChestX-Ray14数据集，进行了5折交叉验证实验三次
889	2025-03-28	Dual Multi Scale Attention Network Optimized With Archerfish Hunting Optimization Algorithm for Diabetics Prediction 2025-Apr, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24739 PMID:39620437	研究论文	提出了一种结合双多尺度注意力网络和射水鱼狩猎优化算法的糖尿病预测方法	使用双多尺度注意力网络(DMSAN)结合射水鱼狩猎优化算法(AHO)进行糖尿病预测，提高了分类准确率	仅使用了PIMA印度糖尿病数据集进行验证，未在其他数据集上测试	开发更准确的糖尿病预测模型	糖尿病患者的血糖数据	机器学习	糖尿病	Contrast Limited Adaptive Histogram Equalization Filtering (CLAHEF), Multi-Level Haar Wavelet Features Fusion Network (MHWFFN)	Dual Multi Scale Attention Network (DMSAN), Archerfish Hunting Optimization (AHO)	结构化医疗数据	PIMA印度糖尿病数据集(PIDD)
890	2025-03-28	Classifying Alzheimer's Disease Using a Finite Basis Physics Neural Network 2025-Apr, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24727 PMID:39704389	research paper	提出了一种基于有限基物理神经网络（FBPINN）的分类方法CAD-FBPINN，用于阿尔茨海默病（AD）的分类	结合了海马优化算法（SHOA）优化FBPINN，提高了AD分类的准确性	未提及具体的数据集规模或多样性限制	开发一种可靠的AD分类方法，以支持临床治疗应用	阿尔茨海默病患者的功能性磁共振成像（MRI）数据	digital pathology	geriatric disease	functional magnetic resonance imaging (MRI), Newton-time-extracting wavelet transform (NTEWT)	FBPINN, SHOA	image	数据来自AD Neuroimaging Initiative (ADNI)数据集，但未提及具体样本数量
891	2025-03-28	Revolutionizing Breast Cancer Care: AI-Enhanced Diagnosis and Patient History 2025-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2300681 PMID:38178694	研究论文	本研究提出了一种结合人工智能和机器学习的方法，用于提高乳腺癌诊断的准确性和简化医疗病史记录	整合了SVM、KNN和模糊逻辑三种关键算法，模糊逻辑在处理不确定数据时表现出色，同时结合深度学习模型提升预测准确性，并采用AI驱动的动态病史采集方法	未提及具体样本量或临床验证范围	提升乳腺癌诊断准确性和医疗病史记录效率	乳腺癌患者诊断与病史数据	数字病理学	乳腺癌	机器学习、深度学习	SVM、KNN、模糊逻辑、GPT-3.5	医疗病史数据	NA
892	2025-03-28	A pooling convolution model for multi-classification of ECG and PCG signals 2025-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2299697 PMID:38193152	研究论文	提出了一种用于心电信号(ECG)和心音信号(PCG)多分类的池化卷积模型	设计了一系列简单有效的池化卷积模型，包括堆叠块(MCM)及其变体以及残差块(REC)，能够处理不同采样率的ECG和PCG数据	NA	提高心血管疾病检测的效率	ECG和PCG信号	机器学习	心血管疾病	深度学习	CNN	生理信号	多个ECG和PCG数据集，包括一个同步ECG-PCG数据集(按运动量分为7个疲劳等级)
893	2025-03-28	Deep learning analysis for rheumatologic imaging: current trends, future directions, and the role of human 2025-Apr-01, Journal of rheumatic diseases IF:2.2Q3 DOI:10.4078/jrd.2024.0128 PMID:40134548	review	本文综述了深度学习在风湿病影像分析中的应用、当前趋势、未来方向及人类角色的重要性	深度学习在风湿病影像分析中的应用展示了超越人类表现的潜力，特别是在关节损伤评估和疾病进展监测方面	深度学习面临数据偏见、解释性有限以及需要大量标注数据集等挑战	探讨深度学习在风湿病影像分析中的应用及其对未来诊断、治疗决策和个性化医疗的潜在影响	风湿病影像数据，包括类风湿性关节炎(RA)、骨关节炎(OA)和脊柱关节炎(SpA)患者的影像	digital pathology	rheumatoid arthritis, osteoarthritis, spondyloarthritis	深度学习(DL)	CNN	image	NA
894	2025-02-12	Response to Letter to the Editor Regarding: Multimodal Deep Learning-Based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament 2025-Apr-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005296 PMID:39931786	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
895	2025-03-27	[Transformation of free-text radiology reports into structured data] 2025-Apr, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-025-01422-4 PMID:39934245	研究论文	探讨利用大语言模型（LLMs）将非结构化放射学报告转化为结构化数据的挑战、方法及可靠性保障	结合大语言模型与领域特定知识（如本体）提升放射学报告结构化转换的性能	处理语言表达的模糊性、缩写及变异性仍存在挑战	研究放射学报告自动结构化转换的方法与架构，以支持临床决策系统与研究	放射学报告	自然语言处理	NA	大语言模型（LLMs）、基于规则的系统、机器学习、深度学习	神经网络架构	文本	NA
896	2025-03-27	Deep learning-based prediction of Monte Carlo dose distribution for heavy ion therapy 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100735 PMID:40129728	研究论文	提出了一种基于深度学习的模型，用于快速预测重离子治疗中的蒙特卡洛模拟剂量分布	开发了Cascade Hierarchically Densely 3D U-Net (CHD U-Net)模型，能够在几秒钟内预测蒙特卡洛剂量分布，且准确率高于现有方法	样本量相对较小，仅包含67例头颈患者和30例胸腹患者	提高重离子治疗中剂量分布的预测准确性和计算效率	头颈和胸腹部位的重离子治疗患者	医学影像分析	癌症	深度学习	CHD U-Net	CT图像和TPSDose数据	67例头颈患者和30例胸腹患者
897	2025-03-27	External validation of an algorithm to detect vertebral level mislabeling and autocontouring errors 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100738 PMID:40129727	research paper	该研究对外部验证了一种椎体自动轮廓工具的算法，并研究了一种后处理方法以提高其性能至临床可接受水平	开发了一种后处理技术，显著提高了椎体定位的准确性	在外部数据集上的性能相比原始训练数据集有所下降	验证和改进椎体自动轮廓工具的临床适用性	CT扫描中的椎体	digital pathology	NA	machine learning, deep learning	NA	CT scans	81例CT扫描（40例来自机构A，41例来自机构B）
898	2025-03-27	ADAM: automated digital phenotyping and morphological texture analysis of bone biopsy images using deep learning 2025-Apr, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf028 PMID:40129969	研究论文	开发了一种名为ADAM的自动化流程，用于通过深度学习对骨活检图像进行数字表型分析和形态纹理分析	ADAM流程能够快速生成组织与细胞图谱，并在无需额外染色的情况下，通过亮场显微镜图像进行骨细胞计数	对于形态异质性较高的骨细胞计数，如破骨细胞和成骨细胞，其相关系数相对较低	提高骨活检图像分析的自动化程度和准确性，以改善病理工作流程和诊断洞察	未脱钙骨活检图像中的组织与细胞成分	数字病理学	骨病	深度学习	NA	图像	最多20张图像
899	2025-03-26	Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer 2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102502 PMID:39919535	研究论文	提出了一种弱监督多模态对比学习框架（WSMCL），用于预测乳腺癌中的HER2评分	首次将多模态（H&E和IHC）联合学习与弱监督对比学习相结合，通过多模态注意力对比学习模块（MACL）实现不同模态特征的语义对齐	未提及具体样本量或数据集的多样性限制	提高乳腺癌HER2评分的预测准确性	乳腺癌全切片图像（WSI）中的HER2评分	数字病理学	乳腺癌	多模态对比学习、多头自注意力（MHSA）	WSMCL（弱监督多模态对比学习框架）	全切片图像（WSI）	NA
900	2025-03-26	A feasibility study of lung tumor segmentation on kilo-voltage radiographic images with transfer learning: Toward tumor motion tracking in radiotherapy 2025-Apr, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104943 PMID:40023957	研究论文	本研究探讨了在千伏X射线放射图像上通过迁移学习进行肺肿瘤分割的可行性，旨在实现放疗中的无标记肿瘤运动追踪	提出了一种结合迁移学习和深度分割网络陪审团委员会（TL-DSN-JC）的新算法，显著提升了肿瘤分割的准确性	研究仅基于80名肺癌患者的1150张放射图像，样本量和多样性可能有限	开发一种无标记的肺肿瘤运动追踪方法，以提高放疗的精确性	肺肿瘤在千伏X射线放射图像上的分割	数字病理	肺癌	迁移学习，深度学习	VGG-16/19，TL-DSN-JC	图像	80名肺癌患者的1150张放射图像