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
1361	2025-10-06	Determination of Skeletal Age From Hand Radiographs Using Deep Learning 2025-Sep, The American journal of sports medicine DOI:10.1177/03635465251359618 PMID:40815847	研究论文	本研究开发了一种基于手部X光片使用深度学习技术确定骨骼年龄的准确可靠模型	利用ConvNeXt架构在三个不同的公开数据集上训练，结合时序年龄信息，显著提升了骨骼年龄预测的准确性	模型验证主要依赖于公开数据集，仅包含200张机构内部图像的外部验证	开发高准确度的深度学习模型用于从手部X光片确定骨骼年龄	骨骼未成熟患者的手部X光片	计算机视觉	骨骼发育疾病	手部X光成像	CNN	图像	超过20,000张手部X光片，来自三个公开数据集(RSNA、RHPE、DHA)和一个包含200张图像的机构数据集	PyTorch	ConvNeXt	平均绝对误差(MAE)	NA
1362	2025-10-06	A multimodal skin lesion classification through cross-attention fusion and collaborative edge computing 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102588 PMID:40561935	研究论文	提出一种结合多模态深度学习与协作边缘计算的皮肤病变分类方法	通过跨注意力特征融合机制整合皮肤镜图像与患者元数据，并采用协作推理方案在物联网和边缘设备间分配计算任务	未明确说明模型在临床环境中的实际部署挑战和跨机构验证结果	开发高精度、低延迟且保护隐私的皮肤病变计算机辅助诊断系统	皮肤病变图像分类	计算机视觉	皮肤癌	深度学习	跨注意力融合模型	皮肤镜图像, 患者元数据	多个基准数据集（包括HAM10000数据集）	NA	跨注意力融合架构	分类准确率, 延迟加速比	物联网设备, 边缘计算设备
1363	2025-10-06	DeepHybrid-CNN: A hybrid approach for pre-processing of skin cancer 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.2025.102611 PMID:40803055	研究论文	提出一种结合各向异性强度毛发去除、高斯滤波和深度残差CNN的混合方法，用于皮肤癌图像的预处理	提出DeepHybrid-CNN混合方法，首次将AI-HR毛发去除、高斯滤波和深度残差CNN结合用于皮肤癌图像预处理	NA	提高皮肤镜图像质量以改善皮肤癌诊断的准确率	皮肤癌图像	计算机视觉	皮肤癌	数字图像处理	CNN	图像	HAM10000数据集	NA	深度残差CNN	主观评估,客观评估	NA
1364	2025-10-06	LR-COBRAS: A logic reasoning-driven interactive medical image data annotation algorithm 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102623 PMID:40812153	研究论文	提出一种基于逻辑推理的交互式医学图像数据标注算法LR-COBRAS，旨在优化医学图像标注任务	通过逻辑推理模块增强必须链接和不能链接约束，自动生成潜在约束关系，减少用户交互频率并提高聚类准确性	NA	开发智能医学图像分析解决方案，辅助医疗专业人员实现更精确的标注结果	医学图像数据标注	计算机视觉	NA	交互式标注算法	聚类算法	医学图像	基于MedMNIST+数据集和ChestX-ray8数据集	NA	LR-COBRAS	聚类准确性, 效率, 交互负担, 鲁棒性, 适用性	NA
1365	2025-10-06	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	首次将放射影像、组织病理学和转录组学数据通过注意力机制深度学习模型进行整合，实现更准确的风险分层	研究依赖于特定数据集（UCSF-PDGM、CPTAC-GBM、TCGA-GBM），需要外部验证	开发精准的胶质母细胞瘤预后模型以指导个性化治疗策略	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	RNA测序, MRI成像, 全切片数字病理成像	Vision Transformer, 注意力深度学习模型	影像, 转录组数据, 组织病理图像	来自UCSF-PDGM、CPTAC-GBM和TCGA-GBM数据集的多个队列	NA	Vision Transformer, 注意力机制架构	F1分数, AUC, C-index, Kaplan-Meier生存分析	NA
1366	2025-10-06	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	提出一种跨器官跨模态的混合网络C5-Net，用于淋巴结超声图像的分割和分类双重任务	设计跨器官跨模态迁移学习策略，耦合Transformer和卷积网络，共享编码器权重实现分割与分类的协同学习	淋巴结图像数据量有限（690张），标注数据稀缺	解决淋巴结超声诊断中的图像分割和分类问题，实现淋巴结恶性肿瘤的早期准确检测	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	超声成像，皮肤镜成像	Transformer, CNN	图像	690张淋巴结超声图像和1000张皮肤病变皮肤镜图像	NA	CSWin-Transformer, 卷积神经网络	Dice系数, 准确率	NA
1367	2025-10-06	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	提出一种新型多模态融合框架，将影像数据与不规则PSA动力学等纵向患者信息相结合，用于自动化前列腺癌分级	开发了能够有效整合不规则时间序列数据（如PSA测量值）与影像数据的多模态融合框架，无需复杂预处理或插补步骤	未明确说明模型在处理极端不规则时间序列数据时的性能边界	提高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	MRI，PSA测量，实验室检测	深度学习，多模态融合	影像数据，时间序列数据，人口统计数据，实验室数据	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）	NA	自定义嵌入技术	AUC，二次加权kappa，敏感性，特异性	NA
1368	2025-10-06	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预测肺癌患者的肿瘤突变负荷	采用并行特征提取策略，结合文本引导注意力模块和VMamba骨干网络，设计新型Conv-SSM混合模块融合局部特征与全局依赖	NA	开发快速预测肺癌患者肿瘤突变负荷的深度学习模型，替代传统全外显子测序方法	肺癌患者	数字病理学	肺癌	全外显子测序，组织病理学成像	深度学习，注意力机制，状态空间模型	图像，文本	非训练队列肺癌患者	NA	TG-Mamba, VMamba, Conv-SSM, 文本引导注意力模块	AUC, MAPE	NA
1369	2025-10-06	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	本文系统回顾了从传统方法到深度学习方法的增强现实手术配准技术	首次将手术AR配准方法按传统方法和深度学习方法进行分类综述，并特别关注腹腔镜场景下的刚性和非刚性配准	主要关注腹腔镜场景，可能不涵盖其他手术类型的配准方法	综述增强现实在手术中的配准方法发展历程和技术特点	手术增强现实配准方法，特别是腹腔镜场景下的配准技术	计算机视觉	NA	增强现实(AR), 深度学习(DL)	NA	3D模型, 2D/3D视频, 点云	NA	NA	NA	NA	NA
1370	2025-10-06	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EEGNet架构的精神分裂症诊断模型，利用γ波段特征实现高效识别	通过优化EEGNet架构专门针对γ波段特征，在保证高识别准确率的同时显著降低模型复杂度和训练时间	研究采用留一被试交叉验证，但样本量相对有限，需要更大规模数据验证	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脑电信号	机器学习	精神分裂症	脑电图	EEGNet	脑电信号	精神分裂症患者和健康对照组（具体数量未明确说明）	NA	EEGNet	准确率	NA
1371	2025-10-06	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	开发并验证一种新型两步深度学习框架，用于SPECT/CT成像中骨转移瘤的自动检测、分割和分类	提出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，以及基于放射组学的集成学习分类器	使用单一机构的专有数据集，SPECT/CT扫描仪存在轻微协议差异	改进骨转移瘤的早期诊断并促进个性化治疗规划	SPECT/CT成像中的骨转移瘤和良性骨病变	医学影像分析	骨转移瘤	SPECT/CT成像	深度学习, 集成学习	医学影像	机构收集的专有SPECT/CT病例数据集	NA	BL-Seg（含多尺度注意力融合模块和三重注意力机制）	Dice系数, 敏感性, 特异性, AUC	NA
1372	2025-10-06	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	基于超声和细胞学图像的多模态深度学习模型用于术前预测cN0甲状腺乳头状癌风险分层	首次将超声图像与细胞学图像相结合构建多模态深度学习模型，用于术前无创评估cN0甲状腺乳头状癌风险分层	回顾性研究设计，样本量相对有限（890例训练验证，107例测试），仅来自五个医疗中心	开发并验证基于多模态图像的深度学习模型，用于术前评估cN0甲状腺乳头状癌风险分层	接受甲状腺切除术和淋巴结清扫的cN0甲状腺乳头状癌患者	数字病理	甲状腺癌	超声成像，细胞学图像分析	深度学习	超声图像，细胞学图像	890例患者用于训练验证（来自5个医疗中心），107例患者用于测试（来自1个医疗中心）	NA	NA	AUC，准确率，灵敏度，特异性	NA
1373	2025-10-06	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	评估深度学习加速的HASTE序列在术后腹部MRI中检测积液的应用价值	首次将深度学习加速的HASTE序列应用于术后单序列MRI，实现扫描时间减少46%的同时提升图像质量	回顾性研究，样本量有限（76例患者），需进一步多中心验证	比较深度学习加速HASTE序列与传统HASTE序列在术后腹部MRI中的性能差异	接受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	腹部术后并发症	3-T MRI扫描，半傅里叶单次激发快速自旋回波序列	深度学习	MRI图像	76例患者	NA	NA	Cohen's kappa系数, Mann-Whitney U检验	3-T MRI扫描仪
1374	2025-10-06	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	介绍连接医学影像与文本的深度学习模型及其在放射学中的应用	系统梳理了图像-文本连接模型在放射学领域的最新进展，包括数据嵌入、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技术导览	医学影像与放射学报告	计算机视觉,自然语言处理	NA	深度学习	Transformer,多模态模型	图像,文本	NA	NA	Transformer	NA	NA
1375	2025-10-06	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	探讨人工智能在营养与老龄化研究中的应用潜力及挑战	系统阐述AI技术在老年营养健康领域的创新应用，包括自动化饮食评估和风险预测	存在数据质量、伦理问题和模型可解释性等关键挑战	促进人工智能在营养与健康老龄化领域的应用与发展	老年人群的健康管理与营养干预	自然语言处理, 机器学习	老年疾病	机器学习, 自然语言处理, 深度学习	NA	图像, 文本	基于大型数据集	NA	NA	准确率	NA
1376	2025-10-06	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	系统总结商业PET系统中集成的BPL算法与新兴深度学习方法的创新融合，特别是混合重建方法uAI HYPER DPR	未涉及具体实验数据验证，主要基于技术原理和现有商业系统的性能分析	总结先进PET图像重建技术原理并促进其临床转化应用	PET图像重建算法	医学影像处理	NA	PET成像	CNN	医学影像	NA	NA	NA	图像质量, 定量准确性	NA
1377	2025-10-06	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	本文综述了不确定性量化在肌肉骨骼医学人工智能中的应用，旨在提升深度学习模型的可信度	提出了肌肉骨骼医学中不确定性量化的系统分类方法，并探讨了其在临床转化中的关键作用	属于叙述性综述，缺乏系统性评价的严格方法学框架	推动可信人工智能在肌肉骨骼医学中的临床应用	肌肉骨骼医学影像中的深度学习模型	医学影像分析	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	NA	NA	不确定性量化指标	NA
1378	2025-10-06	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	开发并验证了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	首次在大规模多中心研究中结合双参数MRI影像组学特征与临床指标构建预测模型，并在前瞻性验证中证明其优于传统PI-RADS评分	在一个医疗中心表现较差，对高PI-RADS评分病例敏感性增加可能带来偏倚	提高临床显著性前列腺癌的检测准确性	前列腺癌患者	数字病理	前列腺癌	双参数MRI, 影像组学分析	深度学习, 机器学习	医学影像, 临床数据	回顾性数据集7157例患者，前瞻性验证集1629例患者	NA	自动深度学习分割算法	AUC, 特异性, 敏感性	NA
1379	2025-10-06	Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier 2025-Sep, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107183 PMID:40562078	研究论文	开发基于深度学习的分类器用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌落	首次使用YOLO深度学习方法和两阶段培养温度区分酵母菌落，实现自动化快速计数	仅针对特定两种酵母菌进行验证，未测试其他酵母菌种	开发自动化酵母菌落计数方法以监测酸面团发酵过程中的酵母菌群变化	Kazachstania humilis和Saccharomyces cerevisiae酵母菌	计算机视觉	NA	微生物培养，两阶段温度培养	YOLO	图像	酸面团分离的K. humilis和S. cerevisiae菌株，以及面包、清酒和葡萄酒中使用的S. cerevisiae菌株	NA	YOLO	准确率	NA
1380	2025-10-06	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影像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	结合多参数MRI（T1WI、DWI、T2WI、DCE-MRI）的影像组学特征与深度学习技术构建多模态预测模型	样本量相对有限（176例患者），需进一步扩大验证	预测乳腺癌Ki-67表达状态，推进乳腺癌个体化治疗和精准医疗	176例浸润性乳腺癌患者	医学影像分析	乳腺癌	多参数MRI（T1WI、DWI、T2WI、DCE-MRI）	深度学习模型	医学影像	176例乳腺癌患者，按70%训练集和30%测试集随机分割	NA	多模态融合模型	AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, F1分数	NA