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	2025-10-31	Intentional creation of suboptimal, realistic dose distributions 2025-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70305 PMID:41144809	研究论文	开发了直接修改高质量放疗剂量分布以创建可控亚优化剂量分布的技术	首次提出直接在现有剂量分布上操作生成可控亚优化剂量分布的方法，无需治疗计划系统	仅评估了三种特定类型的亚优化剂量分布，临床医生评估样本有限	解决放疗肿瘤学住院医师在计划质量评估培训中的不足	放疗剂量分布	医学教育技术	癌症	深度学习模型，剂量分布修改技术	深度学习模型	放疗剂量分布数据	NA	NA	预训练深度学习模型	剂量-体积直方图指标，统计学显著性(p值)，临床医生真实性评分	NA
982	2025-10-31	Knowledge-Guided Semantic Transfer Network for Few-Shot Image Recognition 2025-Nov, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3240195 PMID:37022403	研究论文	提出一种知识引导的语义迁移网络（KSTNet），通过引入辅助先验知识解决小样本图像识别问题	将视觉推理、知识迁移和分类器学习整合到统一框架中，提出类别引导的视觉学习模块和知识迁移网络	仅在Mini-ImageNet和Tiered-ImageNet基准数据集上验证，未在其他领域测试	解决小样本图像识别问题，使机器能够从极有限的标注样本中学习	图像数据中的新颖类别识别	计算机视觉	NA	深度学习	神经网络	图像	使用Mini-ImageNet和Tiered-ImageNet基准数据集	NA	KSTNet, 知识引导的语义迁移网络	准确率	NA
983	2025-10-31	SimAD: A Simple Dissimilarity-Based Approach for Time-Series Anomaly Detection 2025-Nov, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3590220 PMID:40729708	研究论文	提出一种基于差异性的简单时间序列异常检测方法SimAD	引入基于分块的特征提取器处理扩展时间窗口、设计对比融合模块增强异常检测鲁棒性、提出两种改进评估指标UAff和NAff	NA	解决时间序列异常检测中时间上下文有限、正常模式表示不足和评估指标缺陷等问题	时间序列数据	机器学习	NA	NA	深度学习	时间序列数据	7个不同的时间序列数据集	NA	EmbedPatch编码器, ContrastFusion模块	F1分数, Aff-F1, NAff-F1, AUC	NA
984	2025-10-31	Learning a Better SPD Network for Signal Classification: A Riemannian Batch Normalization Method 2025-Nov, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3589362 PMID:40824982	研究论文	提出一种基于对数-乔列斯基度量的黎曼批量归一化方法，用于改进SPD网络的信号分类性能	首次将log-Cholesky度量应用于SPD网络的批量归一化，相比传统基于仿射不变黎曼度量的方法具有更好的数值稳定性和计算效率	论文未明确说明方法在极端病态条件下的性能表现，且实验仅限于四个基准数据集	开发更稳定高效的SPD网络批量归一化方法以提升信号分类性能	对称正定矩阵和基于黎曼流形的神经网络	机器学习	NA	黎曼几何方法，Cholesky分解	SPD神经网络	信号数据，矩阵数据	四个基准数据集	NA	SPD网络，黎曼批量归一化	分类准确率，计算效率，数值稳定性	NA
985	2025-10-31	Gen-GraphEx: Generative In-Distribution Graph Explanations for Time-Efficient Model-Level Interpretability of GNNs 2025-Nov, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3589330 PMID:40824981	研究论文	提出了一种名为Gen-GraphEx的模型无关、模型级图神经网络解释方法，通过生成符合原始数据分布的图结构来解释GNN的决策过程	无需访问GNN隐藏层即可生成解释图；能够通过插值两个目标类的图生成模型生成决策边界附近的实例；不依赖后续深度学习模块生成解释；支持多种节点和边特征的图生成；计算效率更高	NA	提高图神经网络的可解释性和可信度	图神经网络模型	图神经网络	NA	图生成模型	图生成模型	图数据	多个真实和合成数据集	NA	图生成模型	NA	NA
986	2025-10-31	Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective 2025-Nov, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70317 PMID:41164900	综述	系统综述鸡蛋新鲜度安全与检测技术，重点分析传统与新型检测方法在带壳鸡蛋和液态蛋中的适用性	首次系统比较传统与新型检测技术在带壳鸡蛋和液态蛋中的适用性，并提出在食品工业4.0背景下整合多元模型与前沿技术的前瞻性观点	当前新鲜度评估体系主要针对带壳鸡蛋，液态蛋几乎无全球统一标准	为建立液态蛋新鲜度全球标准提供关键参考，推动检测技术向在线化、连续化和自动化发展	带壳鸡蛋和液态蛋的新鲜度检测技术	食品检测技术	NA	拉曼光谱、电化学化学计量检测、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像、高光谱成像、介电谱	深度学习、机器学习、堆叠集成策略	光谱数据、电化学数据、图像数据、传感器数据	NA	NA	NA	准确率	NA
987	2025-10-30	Biological characteristics prediction of endometrial cancer based on deep convolutional neural network and multiparametric MRI radiomics 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04929-5 PMID:40214699	研究论文	本研究开发了一种结合多参数MRI、深度学习和机器学习的影像组学方案，用于预测子宫内膜癌的多种生物学特征	首次将多参数MRI与深度学习特征提取相结合，通过优化的影像组学方案同时预测子宫内膜癌的四种关键生物学特征	回顾性研究设计，样本量相对有限（201例患者），需要进一步前瞻性验证	开发基于深度学习的影像组学方法预测子宫内膜癌生物学特征	子宫内膜癌患者	计算机视觉	子宫内膜癌	多参数磁共振成像	CNN	医学影像	201例子宫内膜癌患者	NA	深度卷积神经网络	AUC, 准确率, 精确率, 召回率, F1分数	NA
988	2025-10-30	DWI of the rectum with deep learning reconstruction: comparison of PROPELLER, reduced FOV, and conventional DWI 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04950-8 PMID:40244478	研究论文	比较PROPELLER、rFOV和常规DWI结合深度学习重建在直肠肿瘤评估中的图像质量和诊断性能	首次将深度学习重建技术应用于三种不同DWI序列（PROPELLER、rFOV和常规DWI）的系统性比较研究	样本量较小（42次MRI检查），诊断准确性改善未达统计学显著性	评估不同DWI序列结合深度学习重建在直肠肿瘤成像中的表现	38名直肠肿瘤患者的42次MRI检查	医学影像分析	直肠癌	扩散加权成像（DWI），深度学习重建（DLR）	深度学习	MRI影像	38名患者的42次MRI检查	NA	NA	图像质量评分，诊断准确性，加权kappa值	NA
989	2025-10-30	Deep learning reconstruction of diffusion-weighted imaging with single-shot echo-planar imaging in endometrial cancer: a comparison with multi-shot echo-planar imaging 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04955-3 PMID:40249551	研究论文	评估深度学习重建在子宫内膜癌单次激发平面回波成像扩散加权成像中的效果，并与多次激发平面回波成像进行比较	首次将深度学习重建技术应用于子宫内膜癌的单次激发平面回波成像扩散加权成像，并与传统方法进行系统比较	回顾性研究设计，样本量较小（31例患者）	评估深度学习重建在子宫内膜癌扩散加权成像中的图像质量和诊断准确性	31例经手术确诊的子宫内膜癌患者	医学影像分析	子宫内膜癌	扩散加权成像，磁共振成像，深度学习重建	深度学习	医学影像	31例子宫内膜癌患者	NA	NA	图像质量评分，表观扩散系数值，噪声，信噪比，对比噪声比，诊断准确率	NA
990	2025-10-30	The value of deep learning and radiomics models in predicting preoperative serosal invasion in gastric cancer: a dual-center study 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04949-1 PMID:40285792	研究论文	本研究通过整合临床特征、影像组学特征和深度学习特征，建立并验证了预测胃癌术前浆膜侵犯的联合模型	首次将手工提取的影像组学特征与8种迁移学习模型的深度学习特征相结合，构建了多中心验证的HCR-DLR模型，并与临床特征整合形成CRC联合模型	回顾性研究设计，样本量相对有限（335例患者），仅基于双中心数据	预测胃癌患者术前浆膜侵犯状态	胃癌患者	医学影像分析	胃癌	CT静脉期影像	迁移学习,机器学习	医学影像,临床数据	335例来自两个医疗中心的患者	NA	8种迁移学习模型	AUC	NA
991	2025-10-30	State of the art review of AI in renal imaging 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04963-3 PMID:40293518	综述	本文综述了人工智能在肾脏影像学中的最新应用进展	系统总结了AI在肾脏病变检测、分割和分类中的最新成果，并指出了临床实施面临的挑战	存在数据变异性、可解释性问题和发表偏倚等局限性	探讨AI在肾脏病变评估中的当前作用及其在术前诊断中的潜力	肾脏病变和肾细胞癌	医学影像分析	肾细胞癌	机器学习、深度学习	NA	影像数据	NA	NA	NA	NA	NA
992	2025-10-30	Computer-aided diagnosis tool utilizing a deep learning model for preoperative T-staging of rectal cancer based on three-dimensional endorectal ultrasound 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04966-0 PMID:40304753	研究论文	开发基于三维直肠内超声和深度学习模型的计算机辅助诊断工具，用于直肠癌术前T分期	首次将深度学习模型与三维直肠内超声结合用于直肠癌术前T分期，并验证其对放射科医生诊断性能的提升	回顾性研究，样本量相对有限（216例患者），需进一步前瞻性验证	开发计算机辅助诊断工具以提高直肠癌术前分期的准确性	216例直肠癌患者的三维直肠内超声图像	计算机视觉	直肠癌	三维直肠内超声	深度学习模型	三维超声图像	216例患者（训练队列156例，测试队列60例）	NA	NA	AUC, κ值	NA
993	2025-10-30	Segmentation of renal vessels on non-enhanced CT images using deep learning models 2025-Nov, Abdominal radiology (New York) DOI:10.1007/s00261-025-04984-y PMID:40358703	研究论文	本研究评估了使用深度学习模型在非增强CT图像上进行肾血管重建的可行性	首次在非增强CT图像上应用深度学习模型进行肾血管重建，无需对比剂增强参考	模型在识别副肾动脉和副肾静脉方面准确率较低，特别是对小型附属血管识别困难	评估深度学习模型在非增强CT图像上重建肾血管的准确性和可行性	177名患者的肾脏CT扫描图像	医学影像分析	肾脏疾病	CT扫描	深度学习模型	CT图像	177名患者（训练集120，验证集20，测试集37）	NA	NA	准确率	NA
994	2025-10-30	Development and validation of an artificial intelligence system for triple-negative breast cancer identification and prognosis prediction: a multicentre retrospective study 2025-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103557 PMID:41140446	研究论文	开发并验证用于三阴性乳腺癌识别和预后预测的人工智能系统TRIP	首个基于H&E染色全切片图像同时实现TNBC识别和预后预测的深度学习系统，结合病理热图和多组学分析增强模型可解释性	主要基于术后组织数据，未整合临床变量，限制了在术前场景的即时应用	开发人工智能系统用于三阴性乳腺癌的识别和预后预测	乳腺癌患者，特别是三阴性乳腺癌患者	数字病理	乳腺癌	H&E染色全切片成像，多组学分析	深度学习	病理图像	内部队列2045例（其中451例TNBC有随访结果），外部验证2793例（TNBC识别）和463例（预后预测）	NA	NA	AUC, C-index	NA
995	2025-10-30	Deep learning algorithms for identifying developmental dysplasia of the hip based on sonographic images: a retrospective, prospective, multicenter study in China 2025-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103552 PMID:41140452	研究论文	开发并验证基于超声图像的深度学习算法HipSonoNeuNet用于识别发育性髋关节发育不良	首次使用多中心髋关节超声数据开发深度学习算法，并在回顾性和前瞻性研究中验证其性能	研究仅限于中国22家医院的数据，需要进一步外部验证	开发能够准确识别发育性髋关节发育不良的深度学习算法	疑似发育性髋关节发育不良的婴儿	计算机视觉	发育性髋关节发育不良	超声成像	CNN	图像	3082名参与者，7286张髋关节超声图像（1429张动态，5857张静态）	NA	HipSonoNeuNet	AUC, 敏感度, 特异度, F1分数, 准确率, Kappa系数	NA
996	2025-10-30	Automated Prediction of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Carcinoma Using Deep Learning on Pretreatment Core Needle Biopsy Samples 2025-Nov, Anticancer research IF:1.6Q4 DOI:10.21873/anticanres.17856 PMID:41151888	研究论文	开发基于深度学习的融合模型，利用治疗前核心针穿刺活检样本预测乳腺癌新辅助化疗的病理完全缓解	首次直接利用全切片图像而非人工标注区域，结合临床元数据开发融合分类模型，无需专家标注即可实现准确预测	样本量相对有限（130例患者），仅针对浸润性导管癌患者	评估治疗前核心针穿刺活检全切片图像对新辅助化疗病理完全缓解的预测价值	130例接受新辅助化疗后手术的浸润性导管癌患者	数字病理学	乳腺癌	数字病理全切片图像分析	深度学习融合分类模型	病理图像, 临床元数据	130例乳腺癌患者	NA	NA	准确率	NA
997	2025-10-30	Improved classification of oral cancer through a personalized transfer learning CNN architecture 2025 Nov-Dec, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.10.002 PMID:41158527	研究论文	本研究提出了一种基于卷积神经网络和迁移学习的个性化架构，用于口腔癌的自动检测	采用个性化迁移学习CNN架构，结合SMOTE和数据增强技术处理小样本和类别不平衡问题	未进行外部验证，数据集规模较小且存在类别不平衡	开发可靠的口腔癌早期检测系统	口腔癌患者	计算机视觉	口腔癌	深度学习	CNN	图像	小规模数据集	NA	个性化迁移学习CNN架构，包含两个全连接层（FC1特征嵌入层和FC2分类头）	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
998	2025-10-29	Radiological evaluation and clinical implications of deep learning- and MRI-based synthetic CT for the assessment of cervical spine injuries 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11644-8 PMID:40335658	研究论文	评估基于深度学习和MRI的合成CT在颈椎损伤诊断中的有效性	首次系统评估MRI-based合成CT在颈椎骨折可视化与分类中的诊断效能，并与传统CT金标准进行对比	样本量较小（37例患者），单中心研究设计	验证合成CT在颈椎损伤诊断中的临床应用价值	颈椎损伤患者	医学影像分析	颈椎损伤	MRI, CT, 深度学习	深度学习模型	医学影像	37例患者，44处颈椎骨折	NA	NA	灵敏度, ICC, Fleiss' Kappa, 平均绝对误差, 平均绝对皮质表面距离	NA
999	2025-10-29	nnU-Net-based high-resolution CT features quantification for interstitial lung diseases 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11649-3 PMID:40341974	研究论文	基于nnU-Net开发用于间质性肺病的高分辨率CT异常量化工具CVILDES	首次将nnU-Net网络结构应用于间质性肺病HRCT特征的自动分割和量化	样本量相对有限（总计168例），需要进一步多中心验证	开发可靠的间质性肺病CT定量评估工具	间质性肺病患者和其他弥漫性肺病患者	计算机视觉	间质性肺病	HRCT扫描	U-Net	CT图像	83例间质性肺病和20例其他弥漫性肺病（训练集），51例IPAF和14例IPF（验证集）	nnU-Net	nnU-Net	相关系数r, p值	NA
1000	2025-10-29	Automated CT segmentation for lower extremity tissues in lymphedema evaluation using deep learning 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11673-3 PMID:40377677	研究论文	开发并验证基于深度学习的自动CT分割工具，用于下肢淋巴水肿评估中的组织成分分析	首次将Unet++架构与EfficientNet-B7编码器结合应用于下肢淋巴水肿的CT组织分割，并开发了可视化GUI工具	样本量相对有限（开发集118例，验证集各10例），仅针对妇科癌症患者的下肢淋巴水肿	开发自动化的下肢组织分割工具以改进淋巴水肿评估	下肢CT静脉造影扫描图像中的脂肪、肌肉和液性-纤维化组织成分	医学影像分析	淋巴水肿	CT静脉造影	深度学习	CT医学影像	开发集118例妇科癌症患者，内部验证集10例，外部验证集10例	NA	Unet++, EfficientNet-B7	Dice相似系数, 体积相似度	NA