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
981	2025-10-06	Explainable deep learning framework for brain tumor detection: Integrating LIME, Grad-CAM, and SHAP for enhanced accuracy 2025-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104405 PMID:40925692	研究论文	提出一种集成LIME、Grad-CAM和SHAP的可解释深度学习框架，用于脑肿瘤检测并提升模型性能	首次将三种可解释AI技术(LIME、Grad-CAM、SHAP)集成到两阶段训练框架中，通过解释结果增强数据集	仅在两个公开数据集(BRATS2019和BR35H)上验证，需要更多临床数据验证泛化能力	提升深度学习模型在脑肿瘤检测中的可解释性和训练性能	脑肿瘤医学影像数据	计算机视觉	脑肿瘤	深度学习，可解释人工智能(XAI)	CNN	医学影像	BRATS2019数据集和BR35H数据集	NA	卷积神经网络	准确率，灵敏度，特异性，精确率，ROC-AUC	NA
982	2025-10-06	TPC-GCN: Deep learning for pulse pattern classification in traditional Chinese medicine 2025-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104401 PMID:40925696	研究论文	提出一种用于中医脉象分类的深度学习方法TPC-GCN，通过增强SMOTE数据增强和多域特征提取提升分类性能	提出增强SMOTE方法进行数据增强，构建多配置图数据结构，设计多通道轻量图卷积网络，通过并行分支提取多层次信息并采用注意力加权融合	NA	提高中医脉象分类准确性，推进中医客观化诊断	中医脉象信号	机器学习	NA	脉象信号分析	GCN	脉象信号数据	NA	NA	多通道轻量图卷积网络	准确率,F1分数,召回率,精确率	NA
983	2025-10-06	Evaluation of a deep learning segmentation tool to help detect spinal cord lesions from combined T2 and STIR acquisitions in people with multiple sclerosis 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11541-0 PMID:40185925	研究论文	开发用于检测多发性硬化患者脊髓病变的深度学习分割工具，并评估其对临床医生诊断性能的提升	首次开发基于矢状位T2和STIR序列组合的深度学习模型用于脊髓多发性硬化病变检测，并在多中心数据上验证其临床价值	样本量相对有限（50例患者），仅基于法国多发性硬化登记处的回顾性数据，缺乏外部验证	开发深度学习模型辅助临床医生检测多发性硬化患者的脊髓病变	多发性硬化患者的脊髓MRI图像	医学影像分析	多发性硬化	MRI（T2和STIR序列）	深度学习分割模型	医学影像	50例患者（39名女性，中位年龄41岁），来自40台不同扫描仪的回顾性数据	NA	NA	灵敏度, 精确度, Light's kappa	NA
984	2025-10-06	Real-life benefit of artificial intelligence-based fracture detection in a pediatric emergency department 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11554-9 PMID:40192806	研究论文	评估基于人工智能的骨折检测软件在儿科急诊真实临床环境中的性能表现	在真实儿科急诊环境中评估AI骨折检测软件性能，并分析其对经验不足医师诊断准确性的影响	仅评估单一商业AI软件，样本量有限，未进行多中心验证	评估AI骨折检测软件在儿科急诊中的临床应用价值	18岁以下儿童的1672张X光片	医学影像分析	骨折	X光成像	深度学习	X光图像	1672张儿童X光片（中位年龄10.9岁，59%男性）	NA	NA	灵敏度, 特异性, 准确率	NA
985	2025-10-06	Evaluation of high-resolution pituitary dynamic contrast-enhanced MRI using deep learning-based compressed sensing and super-resolution reconstruction 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11574-5 PMID:40221940	研究论文	评估基于深度学习的压缩感知和超分辨率重建技术在高分辨率垂体动态对比增强MRI中诊断微腺瘤的性能	首次将深度学习压缩感知与超分辨率重建技术结合应用于垂体DCE MRI，实现高分辨率成像同时提升诊断性能	样本量有限（126例），且为单中心前瞻性研究	评估DLCS-SR重建技术在垂体微腺瘤诊断中的性能	疑似垂体微腺瘤患者	医学影像分析	垂体疾病	动态对比增强MRI	深度学习	医学影像	126名疑似垂体微腺瘤患者	NA	NA	AUC, κ统计量	NA
986	2025-10-06	Deep learning and conventional hip MRI for the detection of labral and cartilage abnormalities using arthroscopy as standard of reference 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11546-9 PMID:40240555	研究论文	比较基于深度学习的高分辨率髋关节MRI与传统压缩感知MRI在检测髋臼唇和软骨异常方面的性能	首次将高分辨率深度学习MRI(CSAI)与标准分辨率压缩感知MRI在髋关节病变检测中进行系统比较	样本量较小(32例患者)，对某些区域软骨病变的敏感性仍然较低	评估深度学习MRI在髋关节病变诊断中的性能	股骨髋臼撞击综合征患者	医学影像分析	骨科疾病	MRI, 深度学习, 压缩感知	深度学习模型	医学影像	32例患者(平均年龄37.5岁, 24名男性)	NA	NA	敏感性, 特异性, 准确性	3-T MRI设备
987	2025-10-06	Deep learning reconstruction for detection of liver lesions at standard-dose and reduced-dose abdominal CT 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11596-z PMID:40251443	研究论文	本研究比较了深度学习重建与迭代重建在标准剂量和降低剂量腹部CT中检测肝脏病灶的诊断性能	首次系统评估深度学习重建在降低CT辐射剂量方面的潜力，并与传统迭代重建方法进行对比	样本量相对有限（44名参与者），仅针对胃肠道和胰腺腺癌肝转移患者，未涵盖其他类型肝脏病变	评估深度学习重建在降低CT辐射剂量同时保持肝脏病灶检测准确性的能力	已知胃肠道和胰腺腺癌肝转移的患者	医学影像分析	肝脏转移癌	CT扫描，深度学习重建，迭代重建	深度学习	CT影像	44名参与者，348个肝脏病灶（297个转移灶，51个良性病灶）	NA	NA	病灶检测率，置信区间，McNemar检验，混合效应逻辑回归	NA
988	2025-10-06	Deep learning enhances reliability of dynamic contrast-enhanced MRI in diffuse gliomas: bypassing post-processing and providing uncertainty maps 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11588-z PMID:40252095	研究论文	提出一种新颖的深度学习模型，直接从DCE-MRI估计药代动力学参数图和不确定性评估	使用时序概率深度学习模型绕过动脉输入函数估计，直接生成PK参数图和不确定性图	单中心回顾性研究，样本量有限	提高弥漫性胶质瘤DCE-MRI的可靠性	成人型弥漫性胶质瘤患者	医学影像分析	胶质瘤	DCE-MRI	深度学习	医学影像	329名患者（平均年龄55±15岁，197名男性）	NA	时序概率模型	SSIM, ICC, AUROC	NA
989	2025-10-06	Artificial intelligence for medication-related osteonecrosis of the jaw: a scoping review 2025-Oct, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.004 PMID:40393880	综述	本文系统回顾了人工智能在药物相关性颌骨坏死预测、诊断和管理中的应用研究现状	首次对AI在MRONJ领域应用进行全面范围综述，涵盖预测、诊断和患者教育三个主要方向	纳入研究数量有限（8篇），数据质量、验证方法和临床整合方面存在挑战	评估人工智能在药物相关性颌骨坏死领域的应用现状和发展前景	药物相关性颌骨坏死（MRONJ）患者	医学人工智能	颌骨坏死	机器学习、深度学习、大语言模型	支持向量机, 随机森林, 梯度提升机, 深度学习模型, 大语言模型	临床数据, 影像学图像, 文本数据	8项符合纳入标准的研究	NA	NA	AUC, 准确率, 精确率, 召回率, 响应质量	NA
990	2025-10-06	A New Approach for Calculating Texture Coefficients of Different Rocks With Image Segmentation and Image Processing Techniques 2025-Oct, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24879 PMID:40418716	研究论文	提出一种结合图像分割和图像处理技术计算岩石纹理系数的新方法	开发了基于深度学习的图像分割技术和Python算法，实现快速准确的岩石纹理系数计算	仅使用20种岩石样本进行验证，样本规模有限	改进岩石纹理系数的计算方法，提高计算效率和准确性	20种不同类型的火成岩、变质岩和沉积岩	计算机视觉	NA	薄片图像分析	深度学习	图像	20种岩石的薄片图像	Python	NA	IoU	NA
991	2025-10-06	Navigating the landscape of multimodal AI in medicine: A scoping review on technical challenges and clinical applications 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103621 PMID:40482561	综述	本文通过范围综述方法系统分析了医学领域基于深度学习的多模态AI应用现状、技术挑战和临床实施策略	首次对2018-2024年间432篇多模态AI医学应用论文进行系统性分析，揭示了多模态模型相比单模态平均AUC提升6.2个百分点的优势	存在跨部门协调困难、数据特征异质性和数据集不完整等挑战	探索多模态AI在医学领域的技术挑战和临床应用前景	432篇2018-2024年发表的医学多模态AI研究论文	机器学习	NA	深度学习	深度学习模型	多模态医疗数据	432篇研究论文	NA	多模态融合架构	AUC	NA
992	2025-10-06	Mitigating medical dataset bias by learning adaptive agreement from a biased council 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103629 PMID:40472465	研究论文	提出一种无需显式偏倚标签的医疗图像去偏倚框架Ada-ABC，通过有偏委员会引导去偏模型学习自适应一致性	首次提出通过有偏委员会学习自适应一致性的方法，构建了首个包含七种不同偏倚场景的医疗去偏倚基准数据集	偏倚标签不可知，依赖有偏委员会对偏倚的成功捕捉	解决医疗图像分类中的数据集偏倚问题	医疗图像数据集	计算机视觉	NA	深度学习	多分类器集成	图像	来自四个数据集的七种偏倚场景	NA	NA	NA	NA
993	2025-10-06	SurgRIPE challenge: Benchmark of surgical robot instrument pose estimation 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103674 PMID:40541088	研究论文	介绍SurgRIPE挑战赛，为手术机器人器械姿态估计提供基准测试和数据集	首次提供真实手术视频数据与真实器械姿态配对的基准数据集，推动无标记姿态估计方法的发展	NA	建立手术机器人器械姿态估计的基准测试标准，促进该领域研究发展	手术机器人器械的姿态估计	计算机视觉	NA	深度学习	NA	视频	NA	NA	NA	准确度, 鲁棒性	NA
994	2025-10-06	DeepSPV: A deep learning pipeline for 3D spleen volume estimation from 2D ultrasound images 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103671 PMID:40554255	研究论文	提出一种名为DeepSPV的深度学习流程，用于从2D超声图像估计3D脾脏体积	首个使用深度学习从2D超声图像估计3D脾脏体积的工作，采用分割网络和变分自编码器学习低维表示	使用高度逼真的合成数据集进行评估，未明确说明在真实临床数据上的性能	开发从2D超声图像准确估计脾脏体积的方法，以替代昂贵的3D成像技术	脾脏体积估计，特别关注镰状细胞病患者的脾肿大评估	计算机视觉	镰状细胞病	超声成像	分割网络, 变分自编码器	2D超声图像	NA	NA	NA	平均相对体积准确率	NA
995	2025-10-06	FSDA-DG: Improving cross-domain generalizability of medical image segmentation with few source domain annotations 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103704 PMID:40602210	研究论文	提出一种名为FSDA-DG的新方法，通过少量源域标注提升医学图像分割的跨域泛化能力	引入语义引导的半监督数据增强策略，结合多解码器U-Net流水线，在数据级和模型级同时优化跨域泛化性能	仅针对单源域泛化任务进行验证，未涉及多源域场景	解决医学图像分割中标注数据有限和域偏移问题，提升模型在未见域上的泛化能力	医学图像分割任务	计算机视觉	NA	深度学习	U-Net	医学图像	NA	NA	多解码器U-Net	NA	NA
996	2025-10-06	DDintensity: Addressing imbalanced drug-drug interaction risk levels using pre-trained deep learning model embeddings 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103202 PMID:40617062	研究论文	提出一种名为DDintensity的新方法，利用预训练深度学习模型嵌入结合LSTM注意力模型解决药物-药物相互作用风险级别数据不平衡问题	首次将多领域预训练深度学习模型嵌入（包括图像、图结构和文本语料）应用于DDI风险级别不平衡数据集，并采用LSTM注意力机制	未详细讨论模型在其他类型生物信息学数据不平衡问题上的泛化能力	解决药物-药物相互作用风险级别数据集中的类别不平衡问题	药物-药物相互作用风险级别数据	生物信息学	NA	深度学习嵌入技术	LSTM, 注意力机制	药物相互作用数据	DDinter数据集和MecDDI验证数据集，包含化疗药物DB00398（索拉非尼）和DB01204（米托蒽醌）案例研究	NA	LSTM-attention, BioGPT	AUC, AUPR	NA
997	2025-10-06	SimIntestine: A synthetic dataset from virtual capsule endoscope 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103706 PMID:40617135	研究论文	开发了一种生成带有位置标注的虚拟肠道内窥镜图像数据集的方法	创建了包含真实肠道解剖特征（如环状皱襞、绒毛、结肠袋）和生理过程（如蠕动）的虚拟肠道模型	基于虚拟模型生成的数据集，与真实内窥镜数据存在差异	解决胃肠道图像数据缺乏精确位置标注的问题，改进内窥镜视频分析	人类胃肠道系统的小肠和大肠	计算机视觉	胃肠道疾病	虚拟胶囊内窥镜技术	NA	图像	NA	NA	NA	深度估计和自运动估计性能指标	NA
998	2025-10-06	Exploring Complexity-Calibrated morphological distribution for whole slide image classification and difficulty-grading 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103707 PMID:40623354	研究论文	提出一种复杂度校准的多示例学习方法用于全切片图像分类和难度分级	首次基于复杂度因素协同整合构建WSI形态学表征，通过图像-文本对比预训练框架联合学习多种复杂度因素	未明确说明方法在不同病理亚型间的泛化能力验证	解决全切片图像分类中的形态学拟合瓶颈问题	病理全切片图像	数字病理	肿瘤	多示例学习	MIL	图像	三个大型基准数据集	NA	CoCaMIL	分类性能	NA
999	2025-10-06	Automated detection and numbering of primary and permanent teeth in digital impressions of children using artificial intelligence 2025-Oct, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105976 PMID:40659080	研究论文	开发并评估了一种基于人工智能的自动化方法，用于在儿童数字印模中分割和标记乳牙与恒牙	结合大范围上下文预测进行牙齿标记与高分辨率预测进行牙齿分割的深度学习模型，在3DTeethSeg22挑战数据集上表现优于顶级提交方案	对于异常牙齿状况或模糊牙齿萌出模式的情况会出现错误	开发自动化方法区分儿童混合牙列中的乳牙和恒牙	儿童数字牙科印模	数字病理	牙科疾病	数字印模技术	深度学习	3D数字印模图像	716个数字印模，来自351名患者	NA	NA	F1-score, Dice score, macro-F1	NA
1000	2025-10-06	Automated chart filing on bitewings using deep learning: enhancing clinical diagnosis in a multi-center study 2025-Oct, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105919 PMID:40550354	研究论文	本研究开发了一种基于深度学习的自动化咬翼片图表归档系统，用于牙齿分割和牙科病症检测	提出了分层Mask DINO模型用于多类别分层端到端实例分割，并在多中心研究中验证了其有效性	样本量相对有限（总计1261张咬翼片），且仅来自三个欧洲国家	开发自动化咬翼片图表归档系统以提高牙科诊断效率和准确性	咬翼片X光图像中的牙齿分割和牙科病症检测	计算机视觉	牙科疾病	X射线成像	深度学习	医学图像	1045张咬翼片用于训练和验证（来自德国和荷兰），216张用于外部测试（来自斯洛伐克）	NA	Hierarchical Mask DINO, Mask DINO, SparseInst, Mask R-CNN	F1-score, 敏感度, 特异度, 精确度, 平均精度均值(mAP), AUC	NA