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
1261	2025-10-06	DeepSurv-based deep learning model for survival prediction and personalized treatment recommendation in tongue squamous cell carcinoma 2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.05.005 PMID:40461342	研究论文	开发基于DeepSurv的深度学习模型用于舌鳞状细胞癌的生存预测和个性化治疗推荐	采用双残差块结合批量归一化和复合Cox排序损失函数，在舌鳞状细胞癌中实现生存预测和治疗推荐	需要前瞻性验证以支持临床应用	舌鳞状细胞癌的生存预测和个性化治疗推荐	舌鳞状细胞癌患者	机器学习	舌鳞状细胞癌	深度学习	DeepSurv, 深度神经网络	临床数据	训练集2,015例（SEER数据库2000-2021年），内部验证504例，外部验证249例	NA	双残差块	一致性指数, 时间依赖性AUC, log-rank检验	NA
1262	2025-10-06	A Study on Predicting the Efficacy of Posterior Lumbar Interbody Fusion Surgery Using a Deep Learning Radiomics Model 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.026 PMID:40450398	研究论文	开发结合临床数据、影像组学和深度学习的融合模型，用于预测腰椎后路椎间融合术的疗效	首次将临床特征、影像组学特征和深度学习特征相结合构建融合模型，并通过不同范围的ROI掩膜扩展确定最佳感兴趣区域	回顾性研究设计，样本量相对有限（461例患者），需进一步前瞻性验证	预测腰椎后路椎间融合术的手术疗效	461例因退行性腰椎疾病接受PLIF手术的患者	数字病理	腰椎退行性疾病	MRI影像分析，影像组学特征提取	深度学习，逻辑回归，随机森林	医学影像（矢状位T2加权图像），临床数据	461例患者（训练集368例，测试集93例）	3D Slicer	NA	AUC, ROC曲线	NA
1263	2025-10-06	A segmentation network based on CNNs for identifying laryngeal structures in video laryngoscope images 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102573 PMID:40472423	研究论文	提出一种基于CNN的MPE-UNet深度学习模型，用于从视频喉镜图像中精确分割喉部结构	在经典U-Net架构基础上，编码器引入改进的多尺度特征提取模块，跳跃连接加入金字塔融合注意力模块，解码器集成即插即用注意力机制模块	NA	辅助临床医生更准确高效地进行气管插管操作	视频喉镜图像中的喉部结构	计算机视觉	NA	视频喉镜成像	CNN	图像	NA	NA	U-Net	NA	NA
1264	2025-10-06	Differentiating Bacterial and Non-Bacterial Pneumonia on Chest CT Using Multi-Plane Features and Clinical Biomarkers 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.047 PMID:40494699	研究论文	开发并评估MPMT-Pneumo多平面多模态深度学习模型，用于区分细菌性肺炎和非细菌性肺炎	提出结合多平面CT视图和临床炎症生物标志物的混合CNN-Transformer架构，并采用Poly Focal Loss解决类别不平衡问题	样本量相对有限（384例患者），仅来自两家医院	改进细菌性肺炎与非细菌性肺炎的鉴别诊断，指导抗生素合理使用	384例微生物学确诊的肺炎患者（239例细菌性肺炎，145例非细菌性肺炎）	医学影像分析	肺炎	CT成像，炎症生物标志物检测	CNN, Transformer	CT图像，临床生物标志物数据	384例患者（来自两家医院）	NA	混合CNN-Transformer架构	AUC, 准确率, 灵敏度	NA
1265	2025-10-06	Robust Bayesian brain extraction by integrating structural subspace-based spatial prior into deep neural networks 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102572 PMID:40516207	研究论文	提出一种集成结构子空间先验与深度学习的新型贝叶斯脑提取方法	将基于混合特征模态的结构子空间先验与深度学习分类相结合，实现多分辨率位置依赖的局部空间强度分布建模	NA	开发精确且鲁棒的脑提取（颅骨剥离）方法	脑部图像数据	医学图像处理	神经系统疾病	脑部影像分析	深度学习,神经网络	医学图像	多机构数据集，包括全生命周期健康扫描、病变图像及噪声伪影影响的图像	NA	多分辨率位置依赖神经网络,基于patch的融合网络	分割精度,鲁棒性	NA
1266	2025-10-06	Prediction of NIHSS Scores and Acute Ischemic Stroke Severity Using a Cross-attention Vision Transformer Model with Multimodal MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.031 PMID:40517096	研究论文	开发并评估基于多模态MRI和交叉注意力视觉Transformer模型的急性缺血性脑卒中严重程度分类方法	首次将交叉注意力视觉Transformer模型应用于多模态MRI数据的脑卒中严重程度分类，提出DWI为中心的多序列交叉融合策略	在BMI亚组中存在显著预测差异，样本来源为回顾性数据	开发急性缺血性脑卒中神经功能缺损严重程度的自动分类模型	1227例急性缺血性脑卒中患者	计算机视觉	急性缺血性脑卒中	多模态MRI	Vision Transformer (ViT)	MRI图像	1227例急性缺血性脑卒中患者	NA	Vision Transformer	AUC, ACC, 特异性, 敏感性	NA
1267	2025-10-06	Predicting occupant response curves in vehicle crashes via Attention-enhanced multimodal temporal Network 2025-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108140 PMID:40532417	研究论文	提出一种注意力增强的多模态时序网络(AMTN)，用于预测车辆碰撞中乘员多个身体区域的碰撞响应曲线	通过交叉注意力机制有机融合多模态特征，并采用改进的时序卷积网络(TCN)与局部滑动自注意力进行共享特征解码	NA	提高车辆碰撞安全性预测的准确性和效率，减少对昂贵物理测试和仿真的依赖	车辆碰撞中的乘员安全响应	机器学习	NA	多模态数据融合	时序卷积网络(TCN), 注意力机制	数值参数, 车辆碰撞脉冲	工程获取的数据集	NA	Attention-enhanced Multimodal Temporal Network (AMTN), Temporal Convolutional Network (TCN)	ISO评分	NA
1268	2025-10-06	Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.036 PMID:40541546	研究论文	开发基于U-Net的深度学习模型用于乳腺X线摄影中乳腺动脉钙化的检测、分割和量化	采用改进的U-Net架构结合Hausdorff损失、Dice损失和二元交叉熵损失进行钙化分割和量化	回顾性研究，样本量相对有限（369例患者）	通过乳腺X线摄影改善心血管疾病风险评估	乳腺X线摄影图像中的乳腺动脉钙化	计算机视觉	心血管疾病	乳腺X线摄影	CNN	图像	369例患者的乳腺X线摄影图像	NA	U-Net	Dice分数, BCE损失, 线性拟合, Bland-Altman分析, F1分数	NA
1269	2025-10-06	Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102578 PMID:40543244	研究论文	本研究利用人工智能技术对胶质瘤分级和Ki-67水平进行MRI数据分类预测，并通过SHAP方法进行模型解释	首次将SHAP可解释人工智能与深度学习特征结合，探索Ki-67生物标志物与深度学习特征的关联性	样本量相对较小（仅101例患者），仅使用T2W-FLAIR序列MRI数据	开发AI驱动的胶质瘤分级和Ki-67水平预测方法，增强胶质瘤临床决策支持	101例胶质瘤患者的MRI图像和Ki-67生物标志物数据	医学影像分析	胶质瘤	T2W-FLAIR MRI序列	CNN, XGBoost	医学影像	101例胶质瘤患者	NA	ResNet50	准确率, 精确率, F1分数	NA
1270	2025-10-06	Deep learning based colorectal cancer detection in medical images: A comprehensive analysis of datasets, methods, and future directions 2025-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110542 PMID:40543496	综述	对2019-2025年间基于深度学习的结直肠癌医学影像检测技术进行全面分析	系统分析110篇高质量文献和9个公开数据集，首次全面评估CNN与Transformer模型在结直肠癌检测中的表现	数据集稀缺性、计算资源限制和标准化挑战	评估人工智能在结直肠癌医学影像检测中的应用现状与发展趋势	结直肠癌医学影像数据集和深度学习模型	数字病理	结直肠癌	医学影像分析	CNN, Transformer	医学影像	9个公开数据集和110篇文献涵盖的数据	NA	ResNet, VGG, Transformer	分类、目标检测和分割任务的性能指标	NA
1271	2025-10-06	MDEANet: A multi-scale deep enhanced attention net for popliteal fossa segmentation in ultrasound images 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102570 PMID:40544544	研究论文	提出一种用于超声图像中腘窝区域神经、肌肉和动脉精确分割的多尺度深度增强注意力网络MDEANet	集成级联多尺度空洞卷积(CMAC)增强多尺度特征提取、增强空间注意力机制(ESAM)聚焦关键解剖区域、跨层级特征融合(CLFF)改善上下文表示	NA	提高超声引导下坐骨神经阻滞的准确性和效率	超声图像中的腘窝区域神经、肌肉和动脉	计算机视觉	麻醉相关神经阻滞	超声成像	CNN	超声图像	NA	NA	MDEANet	IoU, Dice系数	NA
1272	2025-10-06	VTrans: A VAE-Based Pre-Trained Transformer Method for Microbiome Data Analysis 2025-Sep, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0884 PMID:40295093	研究论文	提出一种结合Transformer编码器和变分自编码器的深度学习模型VTrans，用于基于微生物数据预测癌症患者的生存风险	首次将Transformer编码器与变分自编码器结合，采用预训练和微调策略解决微生物数据样本量小、特征维度高的问题	仅在三种癌症数据集上验证，尚未扩展到更多癌症类型；多组学数据整合能力仍需进一步验证	预测癌症患者的生存结果和评估风险	癌症患者的微生物数据	机器学习	癌症	微生物数据分析	Transformer, VAE	微生物数据	三个癌症基因组图谱计划数据集	NA	Transformer编码器，变分自编码器	NA	NA
1273	2025-10-06	Ensemble deep learning model for early diagnosis and classification of Alzheimer's disease using MRI scans 2025-Sep, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251359950 PMID:40776602	研究论文	本研究开发了一种集成深度学习模型，通过MRI扫描实现阿尔茨海默病的早期诊断和分类	提出了一种新颖的优化特征选择框架H-IBMFO，结合了改进的白鲸优化器和蝠鲼觅食优化算法，并采用集成深度学习模型融合MobileNet V2、DarkNet和ResNet	NA	通过先进的图像预处理、优化特征选择和集成深度学习技术增强基于MRI的阿尔茨海默病分类	阿尔茨海默病患者和健康对照的MRI脑部扫描图像	计算机视觉	阿尔茨海默病	MRI扫描	集成深度学习	医学图像	NA	MATLAB	DeepLabV3+, MobileNet V2, DarkNet, ResNet	准确率, 精确率, 灵敏度, 特异性, F-measure	NA
1274	2025-10-06	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出一种基于变分点云自编码器的3D心脏形状分析方法，用于心肌梗死预测和虚拟心脏合成	首次将多类别变分点云自编码器应用于3D心脏形状分析，能够直接从高分辨率点云中学习多尺度特征，并在低维可解释潜在空间中捕获复杂非线性3D形状变异	NA	开发用于3D心脏形状和功能分析的几何深度学习方法	人类心脏解剖结构	计算机视觉	心血管疾病	点云分析	VAE	3D点云	超过10,000名受试者	NA	变分点云自编码器	Chamfer距离, AUROC, Harrell's concordance index	NA
1275	2025-10-06	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	研究论文	提出一种名为FeaCL的自监督学习技术，通过特征级和实例级对比学习提升颈动脉斑块超声图像分类性能	首次将特征级和实例级对比学习结合用于颈动脉斑块分类，采用三元组网络和强弱数据增强策略学习有效表征	仅使用单一超声图像数据集进行验证，需要更多临床数据进一步验证泛化能力	解决颈动脉斑块超声图像标签稀缺问题，提升分类准确率	颈动脉斑块超声图像	计算机视觉	心血管疾病	超声成像	自监督学习, 对比学习	图像	未明确具体样本数量	NA	三元组网络	准确率	NA
1276	2025-10-06	D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102589 PMID:40602042	研究论文	提出一种基于无监督配准网络的脑区分割方法D2C-Morph，能够联合执行图像配准和分割任务	通过双路径网络强调输入特征，采用两次对比学习，并利用相关层增强特征图相似性的相关特征图提升解码器性能	NA	开发能够联合执行脑图像配准和分割的深度学习模型	脑部图像数据	计算机视觉	NA	无监督学习	深度学习网络	医学图像	NA	NA	双路径网络	NA	NA
1277	2025-10-06	PedSemiSeg: Pedagogy-inspired semi-supervised polyp segmentation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102591 PMID:40609495	研究论文	提出一种受教学法启发的半监督息肉分割框架PedSemiSeg，旨在解决标注数据稀缺和分布偏移问题	将真实教育环境中的教师反馈和同伴辅导概念引入半监督学习，通过强增强输入（学生）和弱增强输入（教师）的正负向学习方式，以及基于预测熵的相互同伴辅导	NA	提升有限标注数据条件下的息肉分割性能，增强模型在测试时的泛化能力	结直肠息肉分割	计算机视觉	结直肠癌	深度学习	半监督学习框架	医学图像	在两个公共数据集上进行实验，并测试外部未见多中心数据集	NA	NA	NA	NA
1278	2025-10-06	Leveraging multithreading on edge computing for smart healthcare based on intelligent multimodal classification approach 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102594 PMID:40614479	研究论文	提出一种基于边缘计算和多线程的智能医疗多模态分类系统	采用多线程并行架构在边缘设备上实现混合机器学习和深度学习处理模块，结合遗传算法优化轻量级神经网络	仅使用三种特定疾病数据集进行验证，未涉及更多医疗场景	开发智能临床决策支持系统，实现医疗多模态数据的自动化诊断	脑肿瘤、肺炎和结肠癌的医学影像数据	医疗人工智能	脑肿瘤,肺炎,结肠癌	遗传算法优化	CNN	医学影像	NA	Python, PyCharm, Thonny	MobileNet, EfficientNet, ResNet18	准确率, 计算复杂度降低百分比, 推理加速比	三个树莓派边缘计算设备, 边缘服务器
1279	2025-10-06	CT-Mamba: A hybrid convolutional State Space Model for low-dose CT denoising 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102595 PMID:40616952	研究论文	提出一种混合卷积状态空间模型CT-Mamba用于低剂量CT图像去噪	结合CNN的局部特征提取优势与Mamba的长程依赖捕获能力，提出空间连贯的Z形扫描方案和Mamba驱动的深度噪声功率谱损失函数	去噪图像与正常剂量CT图像在噪声分布上仍存在差异	低剂量CT图像去噪	低剂量CT图像	计算机视觉	NA	CT成像	CNN, State Space Model	医学图像	NA	NA	CT-Mamba	噪声降低效果、细节保留能力、噪声纹理分布优化、放射组学特征统计相似性	NA
1280	2025-10-06	AMeta-FD: Adversarial Meta-learning for Few-shot retinal OCT image Despeckling 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102597 PMID:40618583	研究论文	提出一种基于对抗元学习的少样本视网膜OCT图像去斑方法AMeta-FD	结合对抗训练与元学习框架，引入新的抑制损失函数，仅需少量原始-干净图像对即可有效去除斑点噪声	需要人工配准和平均多幅重复图像来生成真实标签，且仅使用60对训练样本	开发少样本条件下视网膜OCT图像去斑算法	视网膜OCT图像	计算机视觉	眼科疾病	光学相干断层扫描	GAN, 元学习	图像	60对原始-干净图像对（占完整训练集的12%）	PyTorch	AMeta-FD	信噪比	NA