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
1481	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
1482	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
1483	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
1484	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
1485	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
1486	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
1487	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
1488	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
1489	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
1490	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
1491	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
1492	2025-10-06	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肾脏肿瘤MRI图像分割和分类中的性能，并与集中式学习方法进行比较	首次在多中心MRI数据集上应用联邦学习进行肾脏肿瘤分割和分类，并验证其与集中式学习相当的性能	研究为回顾性多中心研究，样本量相对有限（987例患者），仅模拟了三个机构场景	评估联邦学习在多机构肾脏肿瘤MRI数据分割和分类中的性能和可靠性	来自六家医院的987名肾脏肿瘤患者（403名女性），其中723例为恶性肿瘤	医学影像分析	肾脏肿瘤	MRI成像（T2加权成像和对比增强T1加权成像）	深度学习	医学影像（MRI）	987名患者，分为训练集785例、验证集104例、测试集99例	NA	nnU-Net, ResNet	Dice系数, 准确率, 灵敏度, 特异性, AUC	NA
1493	2025-10-06	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CT引导的细化方法，用于从MRI体积中进行心脏分割，重点保留Valsalva窦的详细形状	使用来自其他患者的CT标签来细化MRI心脏分割，特别是针对Valsalva窦区域的低空间对比度问题	定量分割精度略有下降，Valsalva窦附近出现隆起样结构，未能验证分割精度的定量改善	改进心脏MRI分割，特别是保留Valsalva窦的详细解剖结构	心脏结构，特别是升主动脉和Valsalva窦	医学影像分析	心血管疾病	磁共振成像(MRI), 计算机断层扫描(CT)	深度学习	医学影像体积数据	20个MRI体积和20个CT体积	nnU-Net	U-Net	精确度, 召回率, Dice系数	NA
1494	2025-10-06	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	提出一种基于内容的医学图像检索系统，通过融合局部纹理特征和深度学习特征来检测和检索肺部疾病病例	首次将局部二值模式纹理特征与多种预训练CNN模型的深度特征进行融合，优化肺部疾病图像检索性能	未提及数据集的具体规模和多样性限制，也未说明计算资源需求	开发辅助医生和放射科医师临床决策的肺部疾病图像检索系统	肺部X光图像	计算机视觉	肺部疾病	医学影像分析	CNN	图像	NA	NA	VGG-16, DenseNet121, InceptionV3	精度, 准确率	NA
1495	2025-10-06	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	本研究通过整合遥感数据和深度学习模型，开发了一种监测和预测德克萨斯高平原地下水消耗的数据驱动方法	结合一维卷积神经网络与长短期记忆网络(1DCNN-LSTM)的集成深度学习模型，用于作物分类和农田分割，实现了高精度的地下水来源归因分析	研究仅限于德克萨斯高平原的Castro和Hale县，模型在其他地区的适用性需要进一步验证	监测和预测地下水消耗，支持可持续水资源管理	德克萨斯高平原地区的高粱、棉花和玉米种植区	遥感分析, 水文建模	NA	遥感技术, 现场地下水监测, 水平衡方法	1DCNN, LSTM, 集成学习	遥感影像, 时间序列数据, 现场监测数据	Castro和Hale县1995-2024年的作物种植数据	NA	1DCNN-LSTM集成模型, Segment Anything Model (SAM)	准确率, F1分数, 马修斯相关系数, RMSE, 相关系数R	NA
1496	2025-10-06	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	本研究开发了一种结合单颗粒质谱技术和深度学习的监测系统，用于实时检测船舶排放的气溶胶颗粒	首次将卷积神经网络应用于单颗粒质谱数据的自动分类，实现了对船舶重油燃烧排放颗粒的实时识别	监测距离限制在约1.3公里范围内，样本来源相对有限	开发自动化的气溶胶颗粒分类系统以检测船舶排放污染	船舶排放的气溶胶颗粒，特别是含钒、镍、铁离子的重油燃烧颗粒	环境监测	NA	单颗粒质谱技术(SPMS)	CNN	质谱数据	一周监测期内检测到21艘船舶经过80次	NA	卷积神经网络	准确率92%	NA
1497	2025-10-06	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究开发了一种基于深度学习的自动化系统，用于肝脏磁共振弹性成像质量控制和肝硬度测量	首次使用深度学习完全自动化肝脏MRE质量控制和肝硬度测量流程	回顾性单中心研究，样本量相对有限	通过深度学习自动化肝脏磁共振弹性成像质量控制和肝硬度测量	69名患者的146次2D MRE扫描，共897个MRE幅度切片	医学影像分析	肝纤维化	磁共振弹性成像	CNN	医学影像	69名患者（37名男性，平均年龄51.6岁），146次2D MRE扫描，897个MRE幅度切片	NA	SqueezeNet, U-Net	准确率, 精确率, 召回率, 平均LSM误差, Cohen's Kappa系数, 组内相关系数	NA
1498	2025-10-06	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估基于深度学习的模型，使用双参数前列腺MRI对临床显著前列腺癌进行分类，并优化MRI协议选择	首次将深度学习模型集成到临床工作流程中，实现基于个体风险的MRI协议个性化选择	研究为回顾性和前瞻性混合设计，样本来源有限	开发前列腺癌风险分层模型并优化MRI扫描方案	前列腺癌患者	医学影像分析	前列腺癌	双参数MRI (bpMRI), 多参数MRI (mpMRI)	深度学习	医学影像	26,129例前列腺MRI研究用于训练验证，回顾性队列151例患者，前瞻性队列142例初治患者	NA	3D ResNet-50	AUC, 敏感性, 特异性	实时MRI工作流程，处理延迟14-16秒
1499	2025-04-24	Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI" 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29806 PMID:40264361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1500	2025-10-06	CNN based precise nonlinear tracking control for a nano unmanned helicopter: Theory and implementation 2025-Sep, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.05.020 PMID:40393892	研究论文	提出一种基于深度卷积神经网络的纳米无人直升机非线性跟踪控制方法	将深度CNN与几何积分控制相结合，有效处理纳米直升机的复杂动力学和外部干扰	NA	实现纳米无人直升机的精确轨迹跟踪控制	重量小于70克、机身长度小于0.25米的纳米无人直升机	机器学习和控制系统	NA	深度卷积神经网络系统辨识	CNN	飞行实验数据	NA	NA	深度卷积神经网络	轨迹跟踪精度、鲁棒性	NA