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
821	2025-10-07	Prenatal Diagnostics Using Deep Learning: A Dual Approach to Plane Localization and Cerebellum Segmentation in Ultrasound Images 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23924 PMID:39901589	研究论文	本研究开发了两种专用卷积神经网络架构，用于超声图像中的平面定位和小脑分割，以进行产前神经发育障碍预测	提出了两种专用CNN架构：用于平面定位的差分CNN整合了六种不同卷积算子，用于小脑分割的双CNN整合了原始图像和特征图等补充信息	研究承认存在某些局限性和挑战	开发深度学习技术用于产前神经发育障碍预测	第五个月胎儿超声脑图像	医学影像分析	神经发育障碍	超声成像	CNN	图像	NA	NA	差分CNN, 双CNN	准确率, Dice系数	NA
822	2025-10-07	MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf209 PMID:40366860	研究论文	提出一种多模态多实例多癌症生存预测模型MMSurv，整合病理图像、临床信息和测序数据	提出基于紧凑双线性池化和Transformer的新型多模态融合方法，结合双线性池化与Transformer架构	仅基于癌症基因组图谱的六种癌症类型进行评估，未在其他数据集上验证	提高癌症患者生存率预测的准确性	癌症患者的多模态医疗数据	数字病理学	多癌症类型	测序数据，H&E染色全切片图像	深度学习，多实例学习	图像，临床数据，测序数据	六种癌症类型的数据集	NA	Transformer，双线性池化，多实例学习	C-index，五折交叉验证	NA
823	2025-10-07	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-May, Journal of inherited metabolic disease IF:4.2Q2 DOI:10.1002/jimd.70042 PMID:40375095	研究论文	本研究开发深度学习模型分析罕见病褐黄病脊柱X光片，评估疾病严重程度并检测隐匿治疗状态	首次将深度学习应用于罕见病褐黄病的脊柱影像分析，能够识别传统方法难以检测的尼替西农治疗状态	真空盘现象预测一致性较低(41%-90%)，样本量受限于罕见病特性	评估深度学习在罕见疾病医学影像分析中的性能，特别是脊柱严重程度分级和治疗状态识别	褐黄病患者的颈椎和腰椎X光片	医学影像分析	褐黄病	X射线成像	深度学习模型	X光图像	NA	NA	NA	准确度, 平均绝对误差	NA
824	2025-10-07	Enhancing perihematomal edema segmentation: integrating prior knowledge with deep learning for enhanced accuracy and interpretability 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2404 PMID:40384678	研究论文	提出一种融合先验知识与深度学习的脑出血周围水肿分割网络PESE-Net，用于提高分割精度和可解释性	提出基于切片相似性的PHE相关切片生成方法和新型特征加权策略，协同融合PHE的整体变化特征和空间信息	NA	提高自发性颅内出血中脑出血周围水肿分割的准确性，提升临床诊断效率和可靠性	自发性颅内出血患者的脑出血周围水肿区域	医学图像分析	颅内出血	医学影像分析	深度学习网络	医学影像	NA	NA	PESE-Net	相对体积差异	NA
825	2025-10-07	Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1933 PMID:40384682	研究论文	本研究结合反向双反转恢复和基于人工智能辅助压缩感知的单次激发暗血快速自旋回波成像技术，实现自由呼吸状态下儿科心脏水肿评估	首次将反向双反转恢复与基于深度学习的单次激发压缩感知重建相结合，显著减少运动伪影并缩短扫描时间	样本量相对有限（67例），未包含更广泛的病理类型	开发适用于自由呼吸状态下儿科心脏成像的高分辨率运动鲁棒性水肿评估方法	20名健康儿童和47名儿科心脏病患者	医学影像分析	儿科心脏病	暗血T2加权快速自旋回波，反向双反转恢复，人工智能辅助压缩感知重建	深度学习	心脏磁共振图像	67例（20名健康儿童+47名患者）	NA	NA	信噪比，对比噪声比，采集时间，心肌可见度，重影伪影，整体质量	NA
826	2025-10-07	MHAU-Net: a multi-scale hybrid attention U-shaped network for the segmentation of MRI breast tumors 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1515 PMID:40384695	研究论文	提出一种用于MRI乳腺肿瘤分割的多尺度混合注意力U型网络MHAU-Net	采用四组不同扩张率的空洞卷积提取多尺度上下文信息，结合通道和空间注意力机制构建混合注意力特征	NA	实现MRI扫描中乳腺肿瘤的准确自动分割	乳腺MRI图像中的肿瘤区域	计算机视觉	乳腺癌	磁共振成像	CNN	3D医学图像	906个3D乳腺MRI图像	NA	U-Net, MHAU-Net	Dice相似系数, 交并比	NA
827	2025-10-07	Detection-guided deep learning-based model with spatial regularization for lung nodule segmentation 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2511 PMID:40384696	研究论文	提出一种结合检测引导和空间正则化的深度学习模型用于肺结节分割	集成U-Net分割和ResNet分类的多任务框架，采用特征组合块和空间正则化技术，并开发了最优迁移学习策略	训练数据集有限	开发准确可靠的肺结节分割方法以辅助放射科医生提高诊断准确性	CT图像中的肺结节	计算机视觉	肺癌	CT成像	深度学习	医学图像	NA	NA	U-Net, ResNet	灵敏度, Dice系数, Hausdorff距离, 平均对称表面距离	NA
828	2025-10-07	Lightweight attention network for guidewire segmentation and localization in clinical fluoroscopic images of vascular interventional surgery 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2926 PMID:40384703	研究论文	提出一种用于血管介入手术中导丝分割和定位的轻量级注意力网络	设计了双边特征融合模块和轻量级门控注意力模块，专门针对临床TACE手术中的导丝分割问题	NA	提高血管介入手术中导丝分割的精确度，辅助医生和机器人系统进行手术操作	经导管动脉化疗栓塞术中的导丝	计算机视觉	心血管疾病	X射线荧光透视成像	深度学习	X射线图像	38名受试者的2,839张X射线图像，来自27个X射线荧光透视视频的903张临床图像	NA	轻量级注意力网络	AUC, Macro-F1, Dice系数	NA
829	2025-10-07	Deep learning-based key point detection algorithm assisting vessel centerline extraction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1949 PMID:40384705	研究论文	提出一种基于深度学习的关键点检测算法，用于辅助血管中心线提取以改善斑块定量分析	首次将关键点检测方法应用于血管中心线提取，特别针对迂曲血管的检测难题提出解决方案	研究为回顾性设计，仅包含539例脑血管疾病患者，需要进一步前瞻性验证	提高血管中心线提取的准确性，辅助斑块定量分析	脑血管疾病患者的血管结构	计算机视觉	脑血管疾病	3.0-T磁共振成像	深度学习	医学影像	539例来自多中心的脑血管疾病患者	NA	NA	未检测点数,错误检测点数,点准确率,平均中心线距离	NA
830	2025-10-07	Bibliometric analysis of the application of artificial intelligence in orthopedic imaging 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1384 PMID:40384704	文献计量分析	通过文献计量分析方法总结人工智能在骨科影像学应用的知识结构和研究趋势	首次对人工智能在骨科影像学领域的应用进行系统性文献计量分析，识别关键研究主题和未来发展方向	仅基于Web of Science数据库，可能遗漏其他数据库的相关文献	探索人工智能在骨科影像学领域的应用现状、研究热点和发展趋势	2007-2024年间Web of Science数据库中关于AI在骨科影像学应用的3147篇文献	医学影像分析	骨科疾病	文献计量分析，可视化分析	深度学习，卷积神经网络	文献数据，影像数据	3147篇出版物	VOSviewer, CiteSpace	CNN	文献计量指标（发文量，引用量，合作网络）	NA
831	2025-10-07	Value of deep learning model for predicting Breast Imaging Reporting and Data System 3 and 4A lesions on mammography 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1523 PMID:40384713	研究论文	评估基于乳腺X线摄影的深度学习模型在区分BI-RADS 3和4A类病变方面的诊断价值及其对放射科医生决策的影响	开发了首个专门用于区分BI-RADS 3和4A类病变的深度学习模型，并系统评估了其对不同经验水平放射科医生的辅助诊断价值	回顾性研究设计，样本量相对有限（846个病灶），仅来自两家医院	评估深度学习模型在乳腺X线摄影中区分BI-RADS 3和4A类病变的诊断性能	824名患者的846个乳腺X线摄影检测到的BI-RADS 3和4A类病灶	计算机视觉	乳腺癌	乳腺X线摄影	深度学习模型	医学影像	846个乳腺病灶（来自824名患者）	NA	NA	AUC, ROC曲线	NA
832	2025-10-07	Light Bladder Net: Non-invasive Bladder Cancer Prediction by Weighted Deep Learning Approaches and Graphical Data Transformation 2025-May, Anticancer research IF:1.6Q4 DOI:10.21873/anticanres.17572 PMID:40295062	研究论文	开发了一种轻量级深度学习模型Light-Bladder-Net，用于通过常规尿液数据进行非侵入性膀胱癌检测	通过数据转换、添加均匀噪声和特征选择方法改进模型泛化能力，并采用加权投票集成多种机器学习模型	NA	开发轻量快速的深度学习模型用于膀胱癌的非侵入性检测	膀胱癌患者的常规尿液数据	机器学习	膀胱癌	尿液分析	深度学习	尿液数据	NA	NA	Light-Bladder-Net	准确率, 敏感度, 特异度, 精确率	NA
833	2025-10-07	Baseline correction of Raman spectral data using triangular deep convolutional networks 2025-May-19, The Analyst DOI:10.1039/d5an00253b PMID:40384579	研究论文	提出一种基于三角深度卷积网络的新型拉曼光谱基线校正方法	设计了一种新颖的深度卷积网络架构，在保持峰值强度和形状方面表现更优	NA	提升拉曼光谱基线校正的准确性和效率	拉曼光谱数据	机器学习	NA	拉曼光谱	CNN	光谱数据	NA	NA	三角深度卷积网络	校正精度, 计算时间, 峰值强度保持度, 峰值形状保持度	NA
834	2025-10-07	The Application of Anisotropically Collapsing Gels, Deep Learning, and Optical Microscopy for Chemical Characterization of Nanoparticles and Nanoplastics 2025-May-19, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.5c00769 PMID:40387864	研究论文	开发结合各向异性塌陷凝胶、深度学习与光学显微镜的纳米颗粒表面化学表征方法	首次整合各向异性塌陷凝胶固定技术与荧光显微镜和酸碱滴定法，实现单颗粒水平羧基定量	对低信噪比纳米颗粒需荧光染色，纳米颗粒浓度和滴定条件对检测性能有显著影响	建立纳米颗粒表面化学基团的精确量化方法	上转换纳米颗粒（UCNPs）和聚苯乙烯纳米颗粒（PNs）	材料科学	NA	各向异性塌陷凝胶固定、荧光显微镜、酸碱滴定、尼罗红荧光染色	NA	荧光图像、化学滴定数据	两种模型纳米颗粒（UCNPs和PNs）	NA	NA	检测限（LOD）、定量限（LOQ）	NA
835	2025-10-07	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发并验证基于MRI的临床-影像组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床特征、手工影像组学特征和自监督学习提取的深度学习特征，构建多中心验证的集成模型	回顾性研究设计，样本量相对有限，需要更大数据集进一步验证	子宫内膜癌分子亚型的准确分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI, 分子病理诊断	深度学习, 机器学习	医学影像	526名患者（来自三个机构的训练、内部和外部验证队列）	MoCo-v2	对比自监督学习	AUC	NA
836	2025-10-07	Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01063-6 PMID:40379665	研究论文	开发并验证基于术前CT图像的深度学习模型，用于预测晚期胃癌患者转化治疗的临床反应	首次将渐进式蒸馏方法应用于预测胃癌转化治疗反应，相比传统知识蒸馏方法性能更优	回顾性研究、样本量有限（140例患者）、需要进一步临床验证	通过非侵入性早期筛查识别适合转化治疗的晚期胃癌患者	晚期胃癌患者	计算机视觉	胃癌	CT成像	深度学习	医学影像	140例患者（训练集112例，测试集28例）	NA	渐进式蒸馏	准确率, 敏感度, 特异度, AUC	NA
837	2025-10-07	Lightweight hybrid transformers-based dyslexia detection using cross-modality data 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01235-4 PMID:40379688	研究论文	提出一种基于轻量级混合Transformer的阅读障碍检测模型，利用多模态数据实现高效诊断	首次将混合Transformer架构应用于阅读障碍检测，结合SWIN-Linformer、LeViT-Performer和图Transformer网络处理多模态数据，并采用量化感知训练降低计算开销	模型在资源受限环境下的优化仍需改进，未来需要更先进的特征融合和量化技术	开发高效准确的阅读障碍自动检测方法	阅读障碍患者的多模态生物医学数据	医疗人工智能	阅读障碍	磁共振成像(MRI)、脑电图(EEG)、手写图像分析	Transformer, CNN, XGBoost	医学图像(MRI)、生理信号(EEG)、手写图像	来自五个公共数据库的多模态数据	PyTorch, XGBoost	SWIN-Linformer, LeViT-Performer, Graph Transformer Networks, 多模态注意力融合网络	准确率	量化感知训练技术降低计算开销，具体硬件未明确说明
838	2025-10-07	The application of suitable sports games for junior high school students based on deep learning and artificial intelligence 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01941-z PMID:40379705	研究论文	本研究开发了一种基于深度学习和人工智能的动作检测算法，用于识别初中生在体育活动中的动作表现	结合MediaPipe框架和时空图卷积网络(ST-GCN)，实现了对初中生体育动作的精准识别和即时反馈	NA	提高体育教育的适应性和教学质量，促进学生个性化发展	初中生的体育活动表现，特别是仰卧起坐等运动项目	计算机视觉	NA	姿态估计技术，动作识别技术	图卷积网络	视频数据，人体骨骼点序列数据	HMDB51数据集	MediaPipe	时空图卷积网络(ST-GCN)	平均检测准确率，平均绝对误差，平均关节位置误差	NA
839	2025-10-07	Multicenter development of a deep learning radiomics and dosiomics nomogram to predict radiation pneumonia risk in non-small cell lung cancer 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02045-4 PMID:40379764	研究论文	开发结合影像组学、剂量组学和深度学习的列线图模型预测非小细胞肺癌患者放射性肺炎风险	首次将基于模拟定位CT和剂量图像的影像组学、剂量组学与深度学习特征结合临床参数构建综合预测模型	回顾性研究且样本量有限（245例患者）	提高非小细胞肺癌患者≥2级放射性肺炎的预测能力	接受放疗的非小细胞肺癌患者	医学影像分析	肺癌	CT影像, 剂量测定	深度学习, 列线图	医学影像（CT和剂量图像）	245例患者（162例来自医院I，83例来自其他两家医院）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
840	2025-10-07	Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02299-y PMID:40379807	研究论文	提出一种基于残差自注意力视觉变换器的新型方法，用于自动检测获得性卵黄样病变和黄斑玻璃膜疣	使用残差自注意力模块替代标准自注意力机制，提出RS-A ViT模型在视网膜疾病分类中表现优于传统深度学习方法	NA	开发高精度的视网膜疾病自动检测方法	获得性卵黄样病变(AVL)、黄斑玻璃膜疣和正常病例	计算机视觉	视网膜疾病	光学相干断层扫描(OCT)	Vision Transformer	图像	结合两个研究中心AVL数据和OCT数据集的玻璃膜疣及正常病例，使用数据增强方法扩充样本	NA	Residual Self-Attention Vision Transformer (RS-A ViT)	准确率	NA