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
1081	2025-09-02	AI-driven multi-modal framework for prognostic modeling in glioblastoma: Enhancing clinical decision support 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102628 PMID:40816104	研究论文	提出一种AI驱动的多模态框架，用于胶质母细胞瘤的预后建模和临床决策支持	整合放射影像、组织病理学和转录组数据，采用Vision Transformer和注意力深度学习模型，突破单模态数据限制	NA	提升胶质母细胞瘤的预后准确性和临床决策支持	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	RNA测序	Vision Transformer (ViT), 注意力深度学习模型	影像、组织病理图像、转录组数据	基于UCSF-PDGM、CPTAC-GBM和TCGA-GBM队列的多中心数据
1082	2025-09-02	C5-net: Cross-organ cross-modality cswin-transformer coupled convolutional network for dual task transfer learning in lymph node segmentation and classification 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102633 PMID:40819604	研究论文	提出C5-Net模型，通过跨器官跨模态迁移学习和Transformer-卷积耦合网络解决淋巴结超声图像分割与分类的双任务协同学习问题	设计跨器官跨模态迁移学习策略利用皮肤镜图像，耦合Transformer与卷积网络以融合局部与全局信息，共享编码器权重实现分割与分类任务协同优化	NA	提升淋巴结超声诊断的准确性与鲁棒性，支持淋巴结恶性肿瘤的早期精准检测	淋巴结超声图像和皮肤病变皮肤镜图像	计算机视觉	淋巴结恶性肿瘤	深度学习，迁移学习	C5-Net（CSWin-Transformer与卷积耦合网络）	超声图像，皮肤镜图像	690张淋巴结超声图像和1000张皮肤病变皮肤镜图像
1083	2025-09-02	Multimodal data fusion with irregular PSA kinetics for automated prostate cancer grading 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102625 PMID:40819603	研究论文	提出一种新颖的多模态融合框架，结合影像数据和纵向患者信息（包括不规则PSA测量）以自动化前列腺癌分级	开发自定义嵌入技术处理不规则时间序列数据，无需复杂预处理或插补步骤，有效整合影像与临床数据	未明确说明模型对罕见病例或不同人群的泛化能力，且外部验证仅基于欧洲中心数据	提升前列腺癌检测和分级的准确性，减少不必要的活检	前列腺癌患者	数字病理	前列腺癌	多模态数据融合，深度学习	自定义嵌入架构	影像（MRI）、时间序列（PSA测量）、人口统计学数据、实验室结果	内部验证630例，外部验证419例（来自多个欧洲中心，使用160台不同MRI设备）
1084	2025-09-02	TG-Mamba: Leveraging text guidance for predicting tumor mutation burden in lung cancer 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102626 PMID:40819605	研究论文	提出一种名为TG-Mamba的深度学习模型，通过组织病理学图像和临床信息快速预测肺癌患者的肿瘤突变负荷水平	采用文本引导的注意力模块与VMamba主干网络并行特征提取策略，并设计新型Conv-SSM混合模块结合卷积层与状态空间模型	NA	开发低成本、快速的肿瘤突变负荷预测方法以替代传统全外显子测序	肺癌患者	数字病理学	肺癌	全外显子测序(WES), 深度学习	TG-Mamba (基于VMamba的混合架构), 注意力机制, Conv-SSM	图像, 文本	一组未参与训练的肺癌患者队列（具体数量未说明）
1085	2025-09-02	Surgical augmented reality registration methods: A review from traditional to deep learning approaches 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102616 PMID:40829316	综述	本文回顾了从传统到深度学习方法的外科增强现实配准技术，特别关注腹腔镜场景	系统分类并比较了传统方法与新兴的深度学习配准方法，包括混合DL增强方法和DL点云配准方法	主要关注腹腔镜场景，可能不涵盖所有外科AR应用；深度学习方法在手术环境中的实际应用仍面临挑战	分析和比较适用于外科增强现实的不同配准方法	术前3D模型与术中2D或3D视频的配准方法	计算机视觉	NA	深度学习，点云配准	深度学习模型	3D模型，2D/3D视频，点云数据	NA
1086	2025-08-31	Enhancing schizophrenia diagnosis efficiency with EEGNet: a simplified recognition model based on γ band features 2025-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112047 PMID:40811883	研究论文	本研究开发了一种基于EEG信号和深度学习的简化诊断模型，利用γ波段特征高效识别精神分裂症	通过优化EEGNet架构专注于γ波段特征，在保证高精度的同时显著降低模型复杂度和训练时间	NA	开发客观高效的精神分裂症诊断模型	精神分裂症患者和健康对照组的静息态EEG信号	机器学习	精神分裂症	EEG信号分析	EEGNet	脑电信号	采用留一交叉验证(LOSOCV)的受试者样本
1087	2025-08-30	A Novel Two-step Classification Approach for Differentiating Bone Metastases From Benign Bone Lesions in SPECT/CT Imaging 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.010 PMID:40610298	研究论文	提出并验证了一种新颖的两步深度学习框架，用于SPECT/CT成像中骨转移瘤的自动检测、分割和分类，以区分恶性和良性病变	开发了结合多尺度注意力融合模块和三重注意力机制的分割模型BL-Seg，并采用基于放射组学的集成学习分类器整合代谢和纹理特征	NA	改进骨转移瘤的早期诊断并促进个性化治疗规划	SPECT/CT图像中的骨转移瘤和良性骨病变	数字病理	骨转移瘤	SPECT/CT成像，放射组学分析	深度学习分割模型，集成学习分类器	医学图像	来自同一机构的SPECT/CT病例数据集，分为训练集和测试集
1088	2025-08-30	Multimodal Deep Learning Model Based on Ultrasound and Cytological Images Predicts Risk Stratification of cN0 Papillary Thyroid Carcinoma 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.043 PMID:40664556	研究论文	开发并验证一种基于超声和细胞学图像的多模态深度学习模型，用于术前无创评估cN0甲状腺乳头状癌的风险分层	首次整合超声和细胞学图像构建多模态深度学习模型，用于术前非侵入性风险分层预测	回顾性多中心研究，样本量相对有限（总样本997例），外部验证需进一步扩展	术前准确评估cN0甲状腺乳头状癌风险分层以辅助治疗决策	cN0甲状腺乳头状癌患者	数字病理	甲状腺癌	深度学习	多模态深度学习模型	超声图像、细胞学图像	890例训练验证患者（来自5个医疗中心），107例测试患者（来自1个医疗中心）
1089	2025-08-30	From Faster Frames to Flawless Focus: Deep Learning HASTE in Postoperative Single Sequence MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.039 PMID:40562676	研究论文	本研究评估深度学习加速的HASTE序列在术后腹部MRI中检测积液的应用效果	提出深度学习加速的HASTE序列(HASTE-DL)，相比传统序列扫描时间减少46%且图像质量显著提升	回顾性研究，样本量有限(76例患者)，需进一步多中心验证	评估深度学习加速MRI序列在术后积液检测中的可行性	腹部手术后疑似感染灶的76例患者(平均年龄65±11.69岁)	医学影像分析	术后并发症	深度学习加速MRI序列(HASTE-DL)，3-T MRI扫描	深度学习	MRI图像	76例患者
1090	2025-08-30	Deep Learning Models Connecting Images and Text: A Primer for Radiologists 2025-09, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240103 PMID:40811083	综述	介绍连接图像与文本的深度学习模型及其在放射学中的潜在应用	系统分类并总结了图像-文本连接模型的最新进展，包括自监督学习、零样本学习和基于Transformer的架构	NA	为放射科医生提供图像-文本连接深度学习模型的入门指南	放射学工作流程和医学图像报告	计算机视觉	NA	深度学习	Transformer	图像、文本	NA
1091	2025-08-29	Artificial intelligence in nutrition and ageing research - A primer on the benefits 2025-Sep, Maturitas IF:3.9Q1 DOI:10.1016/j.maturitas.2025.108662 PMID:40645039	综述	本文综述了人工智能在营养与老龄化研究中的应用及其潜在益处	展示了AI在自动化膳食评估、饮食行为分析及研究流程整合中的创新应用	面临数据质量、伦理问题和模型可解释性等挑战	探讨AI如何改善老年人群的健康护理成果	老年人群	自然语言处理	老年疾病	机器学习、自然语言处理、深度学习	NA	文本、图像	基于大型数据集
1092	2025-08-29	Innovations in clinical PET image reconstruction: advances in Bayesian penalized likelihood algorithm and deep learning 2025-Sep, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02088-7 PMID:40681770	综述	本文综述了临床PET图像重建中的贝叶斯惩罚似然算法和深度学习方法的技术原理与临床性能	总结了混合深度学习和迭代重建的创新方法（如uAI HYPER DPR），并对比了传统BPL算法与新兴深度学习技术的进展	NA	探讨先进PET图像重建技术以提升图像质量和定量准确性	PET图像重建算法及其临床应用	医学影像处理	NA	贝叶斯惩罚似然算法、深度学习、卷积神经网络	CNN	医学影像（PET图像）	NA
1093	2025-08-29	Towards trustworthy artificial intelligence in musculoskeletal medicine: A narrative review on uncertainty quantification 2025-Sep, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12737 PMID:40719310	综述	本文通过叙述性综述探讨不确定性量化在肌肉骨骼医学人工智能中的重要性及其方法分类	提出了肌肉骨骼影像中不确定性量化的系统分类法，并强调其在提升临床可信度和应用安全性的作用	NA	推动可信人工智能在肌肉骨骼医学领域的临床整合	肌肉骨骼医学影像深度学习模型	数字病理	肌肉骨骼疾病	不确定性量化方法	深度学习模型	医学影像	NA
1094	2025-08-29	Improving Clinically Significant Prostate Cancer Detection with a Multimodal Machine Learning Approach: A Large-Scale Multicenter Study 2025-Sep, Radiology. Imaging cancer DOI:10.1148/rycan.240507 PMID:40815224	研究论文	开发并验证一种结合临床和影像特征的多模态机器学习模型，用于预测临床显著性前列腺癌	整合双参数MRI影像组学、临床指标及PI-RADS评分，构建具有时间泛化能力的预测模型，显著优于单一PI-RADS评估	在某一医疗中心表现略差，且模型性能受影像序列和设备厂商影响	提升临床显著性前列腺癌的检测准确性并减少不必要的活检	男性前列腺癌疑似患者	数字病理	前列腺癌	双参数MRI（bpMRI）、影像组学分析	深度学习算法（未指定具体网络结构）	医学影像（MRI）、临床数据	回顾性数据集7157例患者，前瞻性验证集1629例患者
1095	2025-08-12	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	开发基于多参数乳腺MRI的放射组学和深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	结合放射组学和深度学习技术，开发多参数MRI模型，显著提高了预测Ki-67表达的准确性	样本量相对较小（176例患者），且未进行外部验证	预测乳腺癌术前Ki-67表达状态，以推进个体化治疗和精准医疗	176例浸润性乳腺癌患者	数字病理学	乳腺癌	多参数MRI（T1WI、DWI、T2WI、DCE-MRI）	深度学习模型	医学影像	176例浸润性乳腺癌患者
1096	2025-08-12	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	本研究评估了联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习（FL）作为隐私保护解决方案，在多中心数据集上训练深度学习模型，以解决数据共享限制问题	研究为回顾性多中心研究，可能存在选择偏倚	评估联邦学习在肾肿瘤分割和分类中的性能	987名来自六家医院的患者（403名女性），其中73%患有恶性肾肿瘤	数字病理	肾肿瘤	MRI（T2加权成像和对比增强T1加权成像序列）	nnU-Net（分割）和ResNet（分类）	MRI图像	987名患者（785名训练，104名验证，99名测试）
1097	2025-08-12	Refining cardiac segmentation from MRI volumes with CT labels for fine anatomy of the ascending aorta 2025-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00926-x PMID:40553227	研究论文	本研究评估了一种基于CT引导的MRI心脏分割细化方法，专注于保留Valsalva窦的详细形状	利用CT标签来细化MRI心脏分割，特别是针对Valsalva窦的复杂结构	定量分割精度略有下降，且无法验证Valsalva窦附近凸起结构的改进	提高心脏MRI分割的精度，特别是针对Valsalva窦等复杂结构	心脏MRI和CT图像	数字病理	心血管疾病	深度学习，非刚性配准	nnU-Net	MRI和CT图像	20个MRI体积和20个CT体积
1098	2025-08-12	Content-based X-ray image retrieval using fusion of local neighboring patterns and deep features for lung disease detection 2025-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00932-z PMID:40610682	研究论文	本文介绍了一种基于内容的医学图像检索系统，用于检测和检索肺部疾病病例，以辅助医生和放射科医生进行临床决策	结合了基于纹理的特征（LBP）和深度学习特征（来自预训练的CNN模型），以优化图像检索性能	未提及具体的数据集规模或多样性限制	提高肺部疾病图像检索的准确性和效率，以支持临床决策	肺部疾病病例的X射线图像	数字病理学	肺部疾病	Local Binary Patterns (LBP), CNN	VGG-16, DenseNet121, InceptionV3	图像	NA
1099	2025-08-11	Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180031 PMID:40639040	研究论文	本研究提出了一种数据驱动的方法，结合遥感和现场地下水数据，监测和预测2000年至2030年德州高平原地区的地下水水位变化，以支持可持续水资源管理	创新点包括开发了一种基于高粱、棉花和玉米物候特征的作物分类和田间分割方法，以及集成深度学习模型（如1DCNN与LSTM网络）进行作物映射和水源归属分析	研究局限在于仅针对德州高平原的Castro和Hale县，未来可能需要扩展到其他面临类似挑战的地区	研究目的是监测和预测地下水水位变化，支持可持续水资源管理	研究对象是德州高平原地区的高粱、棉花和玉米作物以及地下水水位	遥感与水文建模	NA	遥感、深度学习、水文建模	1DCNN、LSTM、SAM	遥感图像、地下水数据	研究覆盖了1995年至2024年的作物数据以及2000年至2023年的地下水数据
1100	2025-08-11	Deep learning based aerosol particle classification for the detection of ship emissions 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180041 PMID:40644880	研究论文	本研究结合单颗粒质谱仪（SPMS）和深度学习技术，开发了一种用于检测船舶排放的实时监测系统	利用卷积神经网络（CNN）自动处理复杂的质谱数据，实现了13种丰富气溶胶颗粒的高精度分类，并实时识别使用重油（HFO）的船舶	监测范围受限于SPMS的检测距离（约1.3公里），且需依赖AIS提供的船舶轨迹数据	开发一种能够实时监测和识别船舶排放气溶胶颗粒的系统，以减少航运对空气污染的影响	船舶排放的气溶胶颗粒，特别是含有钒（V/[VO]）、镍（Ni）和铁（Fe）离子的颗粒	机器学习和环境监测	NA	单颗粒质谱仪（SPMS）和卷积神经网络（CNN）	CNN	质谱数据	一周监测期内，80次通过监测点的21艘船舶（距离最远约1.3公里）