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
1501	2025-04-19	Comparable Performance Between Automatic and Manual Laryngeal and Hypopharyngeal Gross Tumor Volume Delineations Validated With Pathology 2025-May-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.12.009 PMID:39788389	研究论文	本研究验证了一种用于喉部和下咽部肿瘤体积分割的深度学习模型，并将其性能与临床医生的手动描绘进行了比较	首次将深度学习模型的分割结果与病理学验证的手动描绘进行比较，证明了其可比性	样本量较小（验证集仅18例患者），且阳性预测值存在显著差异	验证深度学习模型在头颈癌肿瘤体积分割中的性能	喉部和下咽部癌症患者	数字病理学	头颈癌	深度学习	深度学习模型	医学影像	训练集193例患者，验证集18例患者
1502	2025-04-19	Clinical Application of Deep Learning-Assisted Needles Reconstruction in Prostate Ultrasound Brachytherapy 2025-May-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.12.026 PMID:39800329	research paper	本研究探讨了人工智能辅助的经会阴针重建在超声引导前列腺近距离放射治疗中的临床可行性和时间节省潜力	首次将深度学习技术应用于3D超声引导的前列腺高剂量率近距离放射治疗中的针重建，实现了治疗规划的自动化和效率提升	研究样本来自单一机构，且样本量有限（102例）	评估AI辅助针重建工具在前列腺近距离放射治疗中的临床应用价值	前列腺癌患者	digital pathology	prostate cancer	ultrasound-guided brachytherapy	deep learning	3D ultrasound images	102例超声规划的前列腺近距离放射治疗图像（50例用于模型训练和验证，11例用于评估重建精度，41例用于临床实施评估）
1503	2025-04-19	AI in SPECT Imaging: Opportunities and Challenges 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.03.005 PMID:40189986	综述	本文全面回顾了人工智能在SPECT成像中的应用进展与挑战	总结了深度学习技术在SPECT图像重建、增强、分割及疾病分类等多方面的创新应用，并探讨了自监督学习和对比学习策略提升模型鲁棒性的潜力	数据异质性、模型可解释性及计算复杂性限制了AI方法的临床采用，缺乏标准化评估指标和大规模多模态数据集	提升SPECT成像的定量准确性及临床应用价值	SPECT成像技术及其在心血管、神经和肿瘤疾病中的应用	数字病理学	心血管疾病、神经系统疾病、肿瘤疾病	深度学习	CNN、GAN、transformers	图像	NA
1504	2025-04-19	Correlation of retinal fluid and photoreceptor and RPE loss in neovascular AMD by automated quantification, a real-world FRB! analysis 2025-May, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16799 PMID:39540601	research paper	该研究利用人工智能算法量化抗VEGF治疗期间新生血管性年龄相关性黄斑变性（nAMD）患者的椭圆体带（EZ）损失，并分析其与疾病活动的相关性	首次采用深度学习算法自动量化视网膜内液（IRF）、视网膜下液（SRF）和色素上皮脱离（PED），并评估其对EZ层厚度的影响	样本量相对较小（211眼），且仅来自单一中心（瑞士苏黎世）	评估抗VEGF治疗期间EZ损失与nAMD疾病活动的相关性	新生血管性年龄相关性黄斑变性（nAMD）患者	digital pathology	age-related macular degeneration	spectral domain optical coherence tomography	U-net	image	211只眼（来自158名患者）
1505	2025-04-19	Development and Validation of an Algorithm for Segmentation of the Prostate and its Zones from Three-dimensional Transrectal Multiparametric Ultrasound Images 2025-May, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2025.03.005 PMID:40241852	research paper	开发并验证了一种从三维经直肠多参数超声图像中自动分割前列腺及其区域的深度学习算法	使用基于U-Net架构的卷积神经网络开发了一种自动化分割算法，能够处理三维对比增强超声和常规B型超声图像	区域分割的准确性低于整个前列腺的分割	开发一个用于前列腺癌诊断的计算机辅助诊断系统	前列腺及其区域的三维多参数超声图像	digital pathology	prostate cancer	multiparametric ultrasound (mpUS), contrast-enhanced ultrasound (CEUS), B-mode ultrasound	CNN based on U-Net architecture	3D ultrasound images	259 3D mpUS images collected from men with suspicion for PC
1506	2025-04-18	Radiomics and Artificial Intelligence Landscape for [18F]FDG PET/CT in Multiple Myeloma 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.11.005 PMID:39674756	综述	本文综述了放射组学和人工智能在[18F]FDG PET/CT多发性骨髓瘤中的应用现状和前景	探讨了放射组学和AI在提高PET/CT标准化解读和客观量化方面的创新应用	目前尚无标准化的解读或客观量化PET/CT的方法	支持和指导多发性骨髓瘤的管理	多发性骨髓瘤患者的[18F]FDG PET/CT影像	数字病理学	多发性骨髓瘤	放射组学、机器学习、深度学习	NA	医学影像	NA
1507	2025-04-18	Deep Learning-Derived Quantitative Scores for Chronic Rhinosinusitis Assessment: Correlation With Quality of Life Outcomes 2025-May, American journal of rhinology & allergy IF:2.5Q1 DOI:10.1177/19458924251313845 PMID:39819002	research paper	本研究利用深度学习自动分割鼻窦，生成定量评分，并探讨其与慢性鼻窦炎患者生活质量的相关性	首次使用深度学习自动分割鼻窦并生成定量评分，探索其与疾病特异性生活质量的相关性	定量评分与术后生活质量改善无显著关联	开发慢性鼻窦炎的客观量化评估工具	慢性鼻窦炎患者的CT数据	digital pathology	chronic rhinosinusitis	CT扫描	nnU-Net	image	445例CT数据（来自2个医疗中心）
1508	2025-04-18	The Evolution of Artificial Intelligence in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.006 PMID:39934005	review	本文综述了人工智能在核医学中的演变及其在诊断、治疗和图像处理中的应用	探讨了人工智能在核医学中的最新进展，包括深度学习、生成式AI及其在个性化治疗中的应用	数据稀缺性、异质性以及伦理问题是临床转化的主要障碍	研究人工智能在核医学中的应用及其对诊断和治疗效果的优化	核医学中的诊断、预后、分割、图像质量增强和治疗诊断学	machine learning	NA	machine learning, deep learning, generative AI	CNN, transformer-based neural networks, large language models, diffusion techniques	image, text	NA
1509	2025-04-18	AI in Breast Cancer Imaging: An Update and Future Trends 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.01.008 PMID:40011118	review	本文回顾了人工智能在乳腺癌影像学中的最新应用和未来趋势	探讨了AI在乳腺癌影像学中的多种应用，包括病灶检测与分类、风险分层、分子亚型分析等，并展示了与放射科医生相当或更优的性能	需要数据标准化、大规模标注的多模态数据集和广泛的前瞻性临床试验来验证深度学习的临床效用，并解决法律和伦理问题	探讨人工智能在乳腺癌影像学中的应用及其未来发展趋势	乳腺癌影像学数据	digital pathology	breast cancer	mammography, digital breast tomosynthesis, ultrasound, magnetic resonance imaging, nuclear medicines techniques	foundation models, self-supervised learning, federated learning	image	NA
1510	2025-04-18	The Role of AI in the Evaluation of Neuroendocrine Tumors: Current State of the Art 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.003 PMID:40023682	review	本文综述了AI在神经内分泌肿瘤评估中的当前和新兴应用，特别是在影像工作流程、诊断、预后建模和治疗计划中的整合	利用先进的放射组学和深度学习技术，AI驱动的应用在肿瘤检测、分类和分级方面展现出潜力	未提及具体的技术实施细节或临床验证结果	探讨AI在神经内分泌肿瘤评估中的作用及其对临床工作流程的改进	神经内分泌肿瘤	digital pathology	neuroendocrine neoplasms	radiomics, deep learning	NA	image	NA
1511	2025-04-18	Optimizing CT Imaging Parameters: Implications for Diagnostic Accuracy in Nuclear Medicine 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.02.008 PMID:40055048	综述	本文综述了CT成像参数优化对核医学诊断准确性的影响，并探讨了实施稳健CT协议审查流程的方法	评估了迭代重建（IR）和深度学习（DL）在提升图像质量和减少辐射剂量方面的潜力	未提及具体实验数据或案例研究来支持提出的优化方法	优化CT成像参数以提高核医学诊断准确性	CT成像参数及其对核医学诊断的影响	数字病理	NA	CT, SPECT, PET, IR, DL	NA	医学影像	NA
1512	2025-04-17	HCBiLSTM-WOA: hybrid convolutional bidirectional long short-term memory with water optimization algorithm for autism spectrum disorder 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2399016 PMID:39290085	研究论文	提出了一种基于混合卷积双向长短期记忆和水优化算法的自闭症谱系障碍检测机制	结合了HCBiLSTM和WOA算法，提高了自闭症谱系障碍的预测准确率	数据隐私和自闭症风险因素的不可预测性带来了伦理考量	提高自闭症谱系障碍的早期检测准确率	自闭症谱系障碍患者（包括幼儿、儿童、青少年和成人）	机器学习	自闭症谱系障碍	混合卷积双向长短期记忆（HCBiLSTM）和水优化算法（WOA）	HCBiLSTM-WOA	实时自闭症谱系障碍数据集	包含自闭症和非自闭症数据的幼儿、儿童、青少年和成人样本
1513	2025-04-17	Machine learning and deep learning models for preoperative detection of lymph node metastasis in colorectal cancer: a systematic review and meta-analysis 2025-May, Abdominal radiology (New York) DOI:10.1007/s00261-024-04668-z PMID:39522103	meta-analysis	评估机器学习和深度学习模型在结直肠癌患者术前淋巴结转移预测中的诊断性能	首次系统评价和荟萃分析ML和DL模型在CRC术前LNM预测中的表现，并与放射科医生的表现进行比较	研究间存在高异质性，缺乏外部验证的研究表现出更高的AUC，需要更多前瞻性多中心研究验证	评估ML和DL模型在CRC术前LNM预测中的诊断性能	结直肠癌患者	machine learning	colorectal cancer	NA	ML和DL模型	NA	12项研究，涉及8321名患者
1514	2025-04-17	Deep Learning-Based Heterogeneity Correction of the Homogeneous Dose Distribution for Single Brain Tumors in Gamma Knife Radiosurgery 2025-May, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101757 PMID:40231287	research paper	本研究开发了一种基于深度学习的异质性校正方法，用于伽玛刀放射外科治疗中单发脑肿瘤的均匀剂量分布	使用条件生成对抗网络（cGAN）将TMR10剂量转换为合成卷积剂量，无需额外CT扫描即可实现异质性校正	需要进一步优化和验证以增强其在临床环境中的适用性和影响力	开发一种在伽玛刀放射外科治疗中生成包含异质性效应的合成剂量计划的方法	122名伽玛刀放射外科患者（100名回顾性收集，22名前瞻性收集）	digital pathology	brain tumor	MRI, CT, TMR10-based, convolution-based dose calculations	conditional Generative Adversarial Network (cGAN)	image	122名患者（100名回顾性，22名前瞻性）
1515	2025-04-17	Multimodal sentiment analysis leveraging the strength of deep neural networks enhanced by the XGBoost classifier 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2313066 PMID:38340022	研究论文	本文提出了一种名为Hybrid LXGB的新型多模态情感分析模型，结合了LSTM和XGBoost分类器的优势	创新性地结合了LSTM和XGBoost分类器，提出了Hybrid LXGB模型，在CMU-MOSEI数据集上达到了97.18%的准确率	NA	解决跨多种数据源（如文本、图像和音频）理解情感的复杂任务	多模态情感分析	自然语言处理, 机器学习	NA	深度学习, 梯度提升	LSTM, XGBoost, Hybrid LXGB	文本, 图像, 音频	CMU-MOSEI数据集
1516	2025-04-15	MSTNet: Multi-scale spatial-aware transformer with multi-instance learning for diabetic retinopathy classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103511 PMID:40020421	research paper	提出了一种名为MSTNet的新型多尺度空间感知Transformer网络，用于糖尿病视网膜病变分类	MSTNet通过多尺度图像块编码信息，构建双路径主干网络，结合空间感知模块和多实例学习策略，有效捕捉局部细节和全局上下文，提升对细微病变区域的关联性	未明确提及具体局限性	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变患者的眼底图像	computer vision	diabetic retinopathy	Multiple Instance Learning (MIL)	Transformer	image	四个公共DR数据集（APTOS2019、RFMiD2020、Messidor和IDRiD）
1517	2025-04-15	Deep learning based coronary vessels segmentation in X-ray angiography using temporal information 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103496 PMID:40049029	research paper	提出了一种基于深度学习的冠状动脉血管分割方法TVS-Net，利用时间信息在X射线血管造影中进行血管分割	提出了一种新颖的密集连接3D编码器-2D解码器结构，结合基于弹性交互的损失函数，融合了连续的ICA信息	使用了相对宽松的标注协议，生成了粗粒度的样本，可能影响分割精度	提高冠状动脉血管在ICA中的分割准确性，以辅助诊断和治疗计划制定	冠状动脉血管	computer vision	cardiovascular disease	深度学习	TVS-Net（密集连接3D编码器-2D解码器结构）	X射线血管造影图像	323个ICA样本（173训练，82验证，68测试），外加60张本地医院图像用于外部评估
1518	2025-04-15	Motor imagery EEG decoding based on TS-former for spinal cord injury patients 2025-May, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111298 PMID:40081503	研究论文	提出一种基于Transformer的迁移学习方法TS-former，用于脊髓损伤患者的运动想象脑电信号解码	结合FBCSP和Transformer构建新型时空域特征提取网络，采用迁移学习实现跨任务适应	未说明模型在更大人群或不同病理条件下的泛化能力	开发高效脑机接口系统用于脊髓损伤患者康复训练	16名脊髓损伤患者的运动想象脑电信号	脑机接口	脊髓损伤	Filter Bank Common Spatial Pattern (FBCSP), Transformer	TS-former (基于Transformer的混合架构)	EEG信号	16名患者数据（十折交叉验证）
1519	2025-04-15	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	research paper	提出了一种统一的半监督主动学习框架（UniSAL），用于高效选择信息丰富且具有代表性的组织病理学图像进行标注	引入双视角高置信度伪训练和伪标签引导的类对比学习，以及设计新颖的不确定性和代表性样本选择策略	未提及具体局限性	减少标注成本并提高组织病理学图像分类的效率	组织病理学图像	digital pathology	cancer	deep learning	dual-view networks	image	CRC5000, Chaoyang和CRC100K三个公共病理图像分类数据集
1520	2025-04-15	Predicting infant brain connectivity with federated multi-trajectory GNNs using scarce data 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103541 PMID:40107118	research paper	该论文提出了一种名为FedGmTE-Net++的联邦图多轨迹演化网络，用于在数据稀缺环境下预测婴儿大脑连接的多轨迹演化	首次设计了专门用于大脑多轨迹演化预测的联邦学习框架，在局部目标函数中加入了辅助正则化器以利用所有纵向大脑连接数据，并引入了一个两步插补过程	需要依赖多个医院的数据合作，可能面临数据协调和隐私保护的挑战	预测婴儿出生后第一年大脑连接网络的多轨迹演化	婴儿大脑连接网络	digital pathology	NA	federated learning, GNN	FedGmTE-Net++ (基于GNN的联邦学习模型)	graph data (大脑连接网络)	来自多家医院的有限数据集