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
1781	2025-06-06	Deep Ensemble for Central Serous Microscopic Retinopathy Detection in Retinal Optical Coherence Tomographic Images 2025-Jul, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24836 PMID:40014549	research paper	该研究提出了一种基于卷积神经网络的框架，结合分割和后处理技术，用于视网膜光学相干断层扫描图像中的中央浆液性视网膜病变检测	采用三种网络（ResNet-18、GoogleNet和VGG-19）的融合方法进行图像分类，实现了高准确率（99.6%）和高特异性（100%）	研究仅使用了公开数据集OCTID，样本量相对较小（207张正常图像和102张CSR图像）	开发一种自动检测中央浆液性视网膜病变的方法，以减少视力丧失的风险	视网膜光学相干断层扫描图像	digital pathology	retinal disorder	光学相干断层扫描（OCT）	CNN（ResNet-18、GoogleNet、VGG-19）	image	309张图像（207张正常，102张CSR）	NA	NA	NA	NA
1782	2025-06-06	Estimating canopy leaf angle from leaf to ecosystem scale: a novel deep learning approach using unmanned aerial vehicle imagery 2025-Jul, The New phytologist DOI:10.1111/nph.70197 PMID:40346911	研究论文	提出一种基于无人机影像和深度学习的创新方法，用于从叶片到生态系统尺度高效估算冠层叶片角度	相比传统方法，该方法更经济、高效、自动化且劳动强度低，能够跨尺度估算叶片角度分布	目前仅在三种植物物种上进行了单叶尺度的验证，需要更多物种和生态系统验证其普适性	开发高效估算植被冠层叶片角度分布的方法，以支持生态系统建模	植物冠层叶片角度	计算机视觉	NA	无人机影像、运动结构点云算法	Mask R-CNN	图像	57,032片叶片（来自30m×30m样地内的四种代表性树种）	NA	NA	NA	NA
1783	2025-10-06	Video-Based Lifting Action Recognition Using Rank-Altered Kinematic Feature Pairs 2025-Jul, Human factors IF:2.9Q2 DOI:10.1177/00187208241309748 PMID:39723832	研究论文	提出基于视频的举重动作识别方法，通过等级变化运动学特征对实现实时监测	使用等级变化运动学特征对构建集成分类器，比基线分类器快12.5倍以上	未明确说明样本多样性和环境适应性限制	实时监测举重任务以预防工作相关的下背部损伤	视频中的人体举重动作	计算机视觉	下背部损伤	BlazePose姿态估计	集成分类器	视频	NA	NA	BlazePose	准确率,精确率,召回率,F1分数	移动设备,嵌入式系统
1784	2025-10-06	A Deep Learning Survival Model for Evaluating the Survival Prognosis of Papillary Thyroid Cancer: A Population-Based Cohort Study 2025-Jul, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17290-0 PMID:40254654	研究论文	本研究开发了一种基于深度学习技术的生存模型，用于评估甲状腺乳头状癌患者的生存预后	首次将DeepSurv深度学习生存模型应用于甲状腺乳头状癌的预后预测，并在多个外部数据集上进行了验证	研究基于回顾性数据，可能存在选择偏倚，且模型性能需要在更多前瞻性研究中验证	构建基于临床风险因素的深度学习模型来预测甲状腺乳头状癌患者的生存预后	甲状腺乳头状癌患者	机器学习	甲状腺癌	深度学习生存分析	深度神经网络	临床数据	来自美国17个SEER癌症登记处（2000-2020年）的连续患者数据，以及MDACC和TCGA两个外部测试数据集	DeepSurv	Cox比例风险深度神经网络	一致性指数, 整体生存率	NA
1785	2025-06-03	Interstitial-guided automatic clinical tumor volume segmentation network for cervical cancer brachytherapy 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102520 PMID:40120492	research paper	提出了一种新型的间隙引导分割网络（ARGNet），用于宫颈癌间隙近距离放射治疗中的临床肿瘤体积自动分割	通过多任务交叉缝合方式将间隙针的位置信息整合到深度学习框架中，并引入空间反向注意力机制以减少针对于肿瘤分割的干扰，同时嵌入不确定性区域模块以增强模型在肿瘤与周围组织模糊边界处的辨别能力	研究仅基于回顾性数据，且样本量有限（191例CT扫描）	提高宫颈癌间隙近距离放射治疗中临床肿瘤体积（CTV）的自动分割精度	宫颈癌患者的CT扫描图像	digital pathology	cervical cancer	deep learning-based segmentation	ARGNet (advance reverse guided network)	CT scans	191例多疗程间隙近距离放射治疗的CT扫描	NA	NA	NA	NA
1786	2025-06-03	Multi-modal MRI synthesis with conditional latent diffusion models for data augmentation in tumor segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102532 PMID:40121926	研究论文	提出了一种基于条件潜在扩散模型的多模态MRI合成方法，用于肿瘤分割任务的数据增强	创新的切片级潜在扩散架构，能够同时生成3D多模态图像及其对应的多标签掩码，通过位置编码和潜在聚合模块保持空间一致性和切片序列性	方法主要针对肿瘤分割，虽然可以适应其他模态，但尚未在其他领域验证	解决医学影像中多模态数据标注不足的问题，提升肿瘤分割性能	多模态MRI图像及其对应的肿瘤分割掩码	数字病理	肿瘤	潜在扩散模型	条件潜在扩散模型	3D MRI图像	BRATS2021数据集	NA	NA	NA	NA
1787	2025-06-03	TCDE-Net: An unsupervised dual-encoder network for 3D brain medical image registration 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102527 PMID:40147215	研究论文	提出了一种基于双编码器架构的无监督医学图像配准网络TCDE-Net，用于3D脑部医学图像配准	双编码器互补特征提取，增强模型处理大规模非线性变形和捕捉复杂局部细节的能力，并引入细节增强注意力模块恢复细粒度特征	未提及具体计算资源需求或处理速度，也未讨论在其他器官医学图像上的泛化能力	提高高分辨率医学图像配准的精度，特别是处理具有复杂结构的医学图像	3D脑部MRI图像	数字病理	脑部疾病	深度学习	双编码器网络（TCDE-Net）	3D医学图像	OASIS、IXI和Hammers-n30r95 3D脑部MR数据集	NA	NA	NA	NA
1788	2025-06-03	Uncertainty-aware deep learning for segmentation of primary tumor and pathologic lymph nodes in oropharyngeal cancer: Insights from a multi-center cohort 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102535 PMID:40174371	research paper	本研究开发了一种不确定性感知的深度学习模型，用于口咽癌原发肿瘤和病理淋巴结的分割，并在多中心队列中验证了其性能	扩展了现有网络以同时生成原发肿瘤和病理淋巴结的预测概率图，并探索了结构级不确定性是否能够预测分割模型的准确性	研究依赖于回顾性数据，且外部测试集仅来自HECKTOR 2022挑战赛数据集	开发并验证一种能够量化分割不确定性的深度学习模型，以提高口咽癌原发肿瘤和病理淋巴结分割的准确性	口咽癌患者的PET/CT图像及其原发肿瘤和病理淋巴结的手动勾画	digital pathology	oropharyngeal cancer	deep learning, PET/CT imaging	CNN	image	407名口咽癌患者的PET/CT图像和手动勾画数据，以及HECKTOR 2022挑战赛数据集作为外部测试集	NA	NA	NA	NA
1789	2025-06-03	Retinal OCT image segmentation with deep learning: A review of advances, datasets, and evaluation metrics 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102539 PMID:40203494	review	本文综述了深度学习在视网膜OCT图像分割中的最新进展、数据集和评估指标	全面概述了基于深度学习的视网膜OCT图像分割方法的最新发展，并总结了该领域的医学意义、公开数据集和常用评估指标	讨论了当前研究面临的挑战，但未提出具体的解决方案	探讨深度学习在视网膜OCT图像分割中的应用及其对临床决策的影响	视网膜OCT图像中的解剖结构和病理病变	digital pathology	眼科疾病	OCT成像技术	深度学习模型	图像	NA	NA	NA	NA	NA
1790	2025-06-03	A novel intelligent grade classification architecture for Patent Foramen Ovale by Contrast Transthoracic Echocardiography based on deep learning 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102538 PMID:40209281	research paper	提出了一种基于深度学习的智能分类架构，用于通过对比经胸超声心动图（cTTE）对卵圆孔未闭（PFO）进行分级分类	提出了TVUNet++用于左心室分割和ULSAM-ResNet用于PFO分类，能够通过可学习的亲和力图区分cTTE中的各种局部特征，并隐式捕获左心腔与背景区域之间的语义关系	未提及具体样本量或数据集的多样性，可能影响模型的泛化能力	提高PFO分类的准确性和量化右向左分流（RLS）的严重程度，以指导临床治疗	卵圆孔未闭（PFO）患者	digital pathology	cardiovascular disease	对比经胸超声心动图（cTTE）	TVUNet++, ULSAM-ResNet	image	NA	NA	NA	NA	NA
1791	2025-06-03	Semi-supervised temporal attention network for lung 4D CT ventilation estimation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102551 PMID:40215885	research paper	提出一种半监督时间注意力网络（STA），用于肺部4D CT通气估计，以提高估计精度并减少对标记数据的依赖	结合半监督学习框架和时间注意力架构，有效利用未标记数据和4D CT图像的时序信息	未明确提及具体局限性，但可能受限于数据集的大小和多样性	提高肺部4D CT通气估计的准确性，支持功能性避免放射治疗计划的设计和治疗反应评估	肺部4D CT图像	digital pathology	lung cancer	4D CT成像	STA网络（半监督时间注意力网络）	4D CT图像序列	三个公开的胸部4D CT数据集	NA	NA	NA	NA
1792	2025-06-03	MDAL: Modality-difference-based active learning for multimodal medical image analysis via contrastive learning and pointwise mutual information 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102544 PMID:40215886	研究论文	提出了一种基于模态差异的多模态医学图像主动学习框架MDAL，通过对比学习和点互信息量化模态差异，以减少标注成本	MDAL框架首次利用点互信息和对比学习量化样本级模态差异，并提出两种基于差异的采样策略MaxMD和DiverseMD，且无需初始标注数据即可一次性选择信息量大的样本	仅在脑胶质瘤、脑膜瘤和卵巢癌数据集上进行了验证，未在其他多模态医学数据上测试	最小化多模态医学图像分析的标注成本	多模态医学图像	数字病理	脑胶质瘤, 脑膜瘤, 卵巢癌	对比学习, 点互信息	MDAL框架	多模态医学图像	公共脑胶质瘤和脑膜瘤分割数据集及内部卵巢癌分类数据集	NA	NA	NA	NA
1793	2025-06-03	CASCADE-FSL: Few-shot learning for collateral evaluation in ischemic stroke 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102550 PMID:40250214	research paper	提出了一种名为CASCADE-FSL的新方法，用于在缺血性卒中中评估侧支循环，通过小样本学习有效区分不良侧支循环	采用小样本学习方法处理不平衡数据集，将良好和中等侧支循环案例作为正常类别，不良侧支循环作为异常进行识别	研究基于小规模且不平衡的数据集，可能影响模型的泛化能力	开发计算机辅助方法以减少评估缺血性卒中患者侧支循环时的评估者间差异并节省时间	缺血性卒中患者的侧支循环评估	digital pathology	ischemic stroke	few-shot learning	2D ResNet-50	image	小规模且不平衡的数据集，具体数量未提及	NA	NA	NA	NA
1794	2025-06-03	Uncertainty-aware segmentation quality prediction via deep learning Bayesian Modeling: Comprehensive evaluation and interpretation on skin cancer and liver segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102547 PMID:40250215	研究论文	提出一种无需真实标注即可预测分割质量的新框架，通过贝叶斯建模和不确定性量化提高分割质量评估的可靠性	引入两种互补框架，结合预测分割和不确定性图，以及原始输入图像、不确定性图和预测分割图，提出贝叶斯适应的分割模型，并通过多种不确定性估计方法量化不确定性	未提及具体局限性	解决临床环境中无人工标注时分割质量评估的挑战，提高分割模型的可靠性	皮肤病变和肝脏分割数据集	计算机视觉	皮肤癌和肝脏疾病	贝叶斯建模、Monte Carlo Dropout、Ensemble、Test Time Augmentation	SwinUNet、Feature Pyramid Network with ResNet50	2D和3D医学图像	HAM10000数据集和3D肝脏分割数据集	NA	NA	NA	NA
1795	2025-06-03	Tailored self-supervised pretraining improves brain MRI diagnostic models 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102560 PMID:40252479	研究论文	本研究利用大规模无标记的公共脑MRI数据集，通过自监督学习提升深度学习模型在脑MRI分析中的性能	开发了基于图像熵和切片位置的数据过滤方法，优化了训练效率，并采用MoCo v3算法学习图像特征，针对脑MRI定制了预训练模型	未提及具体局限性	提升深度学习模型在脑MRI分析中的性能，以支持临床决策系统开发	脑MRI图像	医学影像分析	脑部疾病	自监督学习	MoCo v3	MRI图像	约2百万张图像经过筛选后得到25万张富含脑部特征的图像	NA	NA	NA	NA
1796	2025-06-03	Self-supervised network predicting neoadjuvant chemoradiotherapy response to locally advanced rectal cancer patients 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102552 PMID:40253816	研究论文	提出一种自监督学习框架EIA-Net，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	开发了EIA-Net网络，通过级联3D卷积和坐标注意力增强特征提取能力，并提出面向实例的协作自监督学习（IOC-SSL）以利用未标记数据进行训练	研究为回顾性研究，可能受到数据选择和收集偏差的影响	提高局部晚期直肠癌患者对新辅助放化疗反应的预测准确性	局部晚期直肠癌（LARC）患者	数字病理	直肠癌	自监督学习	EIA-Net（基于CNN的3D卷积网络）	CT影像	1575个体积（包括1394个自监督数据集和195个监督数据集）	NA	NA	NA	NA
1797	2025-06-03	A diffusion-stimulated CT-US registration model with self-supervised learning and synthetic-to-real domain adaptation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102562 PMID:40344746	研究论文	提出了一种基于扩散刺激的CT-US配准模型，结合自监督学习和合成到真实的域适应策略，用于腹部介入手术中的实时图像配准	利用超声的物理扩散特性从术前CT数据生成合成超声图像，并引入扩散模型进行合成到真实的域适应，以减少真实与合成超声图像之间的差异	实验验证仅基于双模态人体腹部模型，尚未在真实临床环境中进行广泛测试	解决腹部介入手术中2D超声与3D CT扫描的实时精确配准问题	腹部介入手术中的2D超声和3D CT图像	计算机视觉	NA	扩散模型，自监督学习，域适应	双流自监督回归神经网络	图像（超声和CT）	双模态人体腹部模型的US和CT扫描数据	NA	NA	NA	NA
1798	2025-06-03	Establishment of an intelligent analysis system for clinical image features of melanonychia based on deep learning image segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102543 PMID:40367737	研究论文	本研究开发了一种基于深度学习的非侵入性智能分析系统，用于黑色素瘤的早期诊断和监测	利用智能手机图像和深度学习技术，开发了一个两阶段模型（YOLOv8和UNet），显著提高了黑色素瘤病变的检测和分割准确性	研究未提及模型在不同肤色或光照条件下的泛化能力	开发一种非侵入性、易于使用的智能分析系统，用于黑色素瘤的早期诊断和监测	黑色素瘤患者的指甲图像	计算机视觉	黑色素瘤	深度学习图像分割	YOLOv8和UNet	图像	未提及具体样本数量，但提到建立了全面的指甲图像数据集	NA	NA	NA	NA
1799	2025-06-03	A deep learning framework for reconstructing Breast Amide Proton Transfer weighted imaging sequences from sparse frequency offsets to dense frequency offsets 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102563 PMID:40373577	研究论文	开发了一种基于深度学习的模型，用于从稀疏频率偏移重建密集频率偏移的乳腺酰胺质子转移加权成像序列，以减少扫描时间	利用时间序列卷积提取APT成像序列的短程和长程空间及频率特征，并集成加权层评估各频率偏移对重建过程的影响	研究仅基于特定频率偏移范围（n=29）和特定减少的扫描时间（25%），可能不适用于所有APT成像场景	减少酰胺质子转移加权成像的扫描时间，同时保持成像质量	乳腺酰胺质子转移加权成像序列	医学影像分析	乳腺癌	酰胺质子转移技术（APT）	seq2seq模型	医学影像数据	未明确提及具体样本数量，但涉及从21个频率偏移重建29个密集频率偏移的数据	NA	NA	NA	NA
1800	2025-06-03	Bi-VesTreeFormer: A bidirectional topology-aware transformer framework for coronary vFFR estimation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102564 PMID:40373576	research paper	提出了一种名为Bi-VesTreeFormer的双向拓扑感知Transformer框架，用于冠状动脉虚拟FFR（vFFR）的无创估计	提出了一种新型双向拓扑感知Transformer网络（Bi-VesTreeFormer），能够全自动提取血管树的拓扑狭窄特征并捕捉分支间的全局依赖关系，同时引入了上下文vFFR解码器以建立相邻分支间FFR值的相关性	研究样本量相对较小，仅包含43名患者的FFR数据和15,000条模拟冠状动脉中心线数据	开发一种高效、无创的冠状动脉虚拟FFR估计方法，以克服传统FFR测量和现有计算方法的局限性	冠状动脉狭窄患者的FFR数据和模拟冠状动脉中心线数据	digital pathology	cardiovascular disease	computational fluid dynamics, deep learning	Transformer (Bi-VesTreeFormer)	medical imaging data, simulated data	43名患者的FFR数据和15,000条模拟冠状动脉中心线数据	NA	NA	NA	NA