深度学习在生物医药领域中的应用

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
1	2025-07-25	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击	将改进的SqueezeNet模型与DCNN和优化的随机混合Lp层结合，提高检测准确率并保持计算效率	未提及模型在更广泛或多样化数据集上的泛化能力	提高IoT环境中Botnet攻击的检测准确率和计算效率	IoT-Bot攻击	机器学习	NA	深度学习	SqueezeNet, DCNN	入侵检测数据集	大规模入侵检测数据集（具体数量未提及）
2	2025-07-25	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	研究论文	提出了一种无需重新训练、可泛化的深度学习框架PA OmniNet，用于鲁棒的光声图像重建	PA OmniNet能够适应不同的系统配置，仅需少量示例图像（4至32张）即可调整模型，无需重新训练	未明确提及具体局限性，但可能依赖于上下文集的质量和数量	开发一种成本效益高且鲁棒的光声成像系统	光声图像	计算机视觉	NA	光声成像	改进的U-net	图像	包括小鼠和人类受试者的体内数据、合成数据以及不同波长捕获的图像
3	2025-07-25	Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography 2025-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.06.003 PMID:40484187	研究论文	本研究利用AI驱动的3D光学衍射断层扫描技术，基于脂滴特征自动分类胆道癌细胞	结合3D光学衍射断层扫描（ODT）和卷积神经网络（CNN），首次实现了基于脂滴特征的胆道癌细胞自动分类	研究仅使用了有限的细胞系（SNU1196、SNU308、SNU478和H69），未涉及临床样本	开发一种自动分类胆道癌细胞的方法，以辅助早期诊断	胆道癌细胞系（SNU1196、SNU308、SNU478）和正常胆管细胞系（H69）	数字病理学	胆道癌	3D光学衍射断层扫描（ODT）	CNN（EfficientNet-b3）	3D折射率断层图像	4种细胞系（3种胆道癌细胞系和1种正常胆管细胞系）
4	2025-07-25	AI-powered liquid biopsy for early detection of gastrointestinal cancers 2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120484 PMID:40669686	综述	本文综述了人工智能驱动的液体活检在胃肠道癌症早期检测中的进展	利用AI技术提升液体活检的准确性和临床实用性，包括高通量生物标志物发现、多组学整合和预测建模	数据标准化、偏差缓解和监管验证等关键挑战仍需解决	探索人工智能在液体活检中的应用，以提高胃肠道癌症的早期检测率	胃肠道癌症（GICs）	数字病理学	胃肠道癌症	液体活检、ctDNA、exoRNA、肿瘤教育血小板	机器学习（ML）、深度学习（DL）	生物标志物数据	NA
5	2025-07-25	Enhancing Diagnostic Accuracy of Fresh Vertebral Compression Fractures With Deep Learning Models 2025-Aug-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005156 PMID:39468863	研究论文	本研究开发了一种基于X射线图像的深度学习模型，用于准确诊断新鲜的胸腰椎压缩性骨折	利用深度学习模型结合X射线图像作为MRI的替代方案，提高了诊断的准确性和效率	研究为回顾性研究，可能存在数据偏差，且样本量相对有限	开发并验证一种深度学习模型，用于准确诊断新鲜的胸腰椎压缩性骨折	2224名患者的3025张侧位X射线图像	数字病理学	骨质疏松性骨折	深度学习	EfficientNet, MobileNet, MnasNet	图像	3025张X射线图像（来自2224名患者）
6	2024-12-05	Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament 2025-Aug-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005227 PMID:39618126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2025-07-25	A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113045 PMID:40703442	研究论文	本研究介绍了一种基于深度学习的计算机辅助诊断系统ECCADx，用于通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌	首次将对比学习集成到宫腔镜图像分析中，用于特定疾病区分	NA	提高子宫内膜癌和非典型子宫内膜增生的诊断准确性	非典型子宫内膜增生和子宫内膜癌患者	数字病理学	子宫内膜癌	深度学习	对比学习	图像	训练集：49,646张图像来自1,204名患者；验证集：6,228张图像来自190名患者
8	2025-07-25	Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.043 PMID:40157849	研究论文	本研究开发了一种结合临床信息和多模态超声特征的联合深度学习模型（CTSGrader），用于评估腕管综合征（CTS）的严重程度	首次开发了结合临床信息和多模态超声特征的联合深度学习模型，用于CTS分级，并在多中心研究中验证了其性能	研究为回顾性和前瞻性混合设计，可能影响结果的普遍性	开发并验证一种联合深度学习模型，用于更准确地评估腕管综合征的严重程度	腕管综合征患者	数字病理	腕管综合征	深度学习，超声成像	联合深度学习模型（CTSGrader）	超声图像，临床数据	训练集680例，内部验证集173例，外部验证集174例，外部验证集2（跨厂商测试）224例
9	2025-07-25	Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01780-y PMID:40214915	research paper	利用深度学习技术预测食管鳞状细胞癌淋巴结转移的研究	提出了一种结合CNN和LSTM的新型深度学习模型LymphoReso-Net，用于分析增强CT图像并预测淋巴结转移	研究为回顾性研究，样本量有限（441例患者），且仅基于动脉期增强CT图像	优化食管鳞状细胞癌的治疗策略并改善患者预后	食管鳞状细胞癌患者	digital pathology	esophageal squamous cell carcinoma	contrast-enhanced CT	CNN, LSTM	image	441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者
10	2025-07-25	Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.005 PMID:40253221	研究论文	本研究探讨了基于CT的生境放射组学和深度学习特征在预测T1期肺腺癌淋巴管浸润中的应用	首次使用K-means算法聚类CT图像和表观扩散系数图，构建生境放射组学模型，并比较其与传统放射组学和深度学习模型的性能	回顾性研究设计可能引入选择偏倚，样本量相对较小且来自三个中心	预测T1期肺腺癌患者的淋巴管浸润状态	349名T1期肺腺癌患者	数字病理学	肺癌	CT成像，K-means聚类算法	放射组学模型，生境模型，深度学习模型	CT图像	349名患者（内部训练集210名，外部测试集139名）
11	2025-07-25	Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01781-x PMID:40343649	研究论文	本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响	比较了多种图像重建方法（FBP、HIR、MBIR和DLR）在超低剂量CT中对AI肺结节检测性能的影响，发现DLR在超低剂量条件下仍能保持高检测率	未检测到3mm的磨玻璃结节（GGNs），且研究使用的是胸部模型而非真实患者数据	评估AI肺结节检测程序在不同图像重建方法和辐射剂量方案下的性能差异	嵌入人工肺结节（实性结节和磨玻璃结节）的胸部模型	数字病理	肺癌	超低剂量CT（ULDCT）	AI-based	CT图像	6种管电流和电压组合扫描的胸部模型
12	2025-07-25	Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa 2025-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179739 PMID:40480170	研究论文	利用无监督深度学习框架和高分辨率卫星图像对撒哈拉以南非洲多个城市的城市发展表型进行分类	提出了一种新颖的分层深度学习框架，用于无监督聚类高分辨率卫星图像，揭示城市发展的多维特征	研究仅覆盖了撒哈拉以南非洲的少数城市，可能无法完全代表该地区的所有城市发展模式	通过无监督深度学习对高分辨率卫星图像进行分析，以实现对城市环境的近实时监测	撒哈拉以南非洲多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的卫星图像	计算机视觉	NA	无监督深度学习	分层深度学习框架	卫星图像	多个城市（阿克拉、达喀尔、达累斯萨拉姆和基加利）的高分辨率卫星图像
13	2025-07-25	Tailoring task arithmetic to address bias in models trained on multi-institutional datasets 2025-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104858 PMID:40494422	研究论文	该研究提出两种模型无关的方法TAPER和DAPPER，通过任务向量算术减少多机构数据集中模型对数据来源的偏见	首次将任务向量算术应用于减少NLP模型中由数据来源引起的偏见，提出TAPER和DAPPER两种新方法	仅在RoBERTa和Llama-2模型上进行了验证，未涵盖所有可能的深度学习模型	解决多机构数据训练中深度学习模型对数据来源的偏见问题	自然语言处理中的深度学习模型	自然语言处理	NA	任务向量算术	RoBERTa, Llama-2	文本	三个数据集
14	2025-07-25	Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11932-w PMID:40588604	研究论文	该研究提出了一种增强的深度学习框架，用于腹腔镜手术中手术器械的实时检测与追踪，结合了先进的数据增强和追踪技术	整合了YOLOv9n、ByteTrack和BoT-SORT等最新算法，实现了高精度和快速响应的实时检测与追踪系统	研究依赖于特定数据集（m2cai16-tool-locations），可能在其他手术场景中的泛化能力有待验证	提升微创手术中手术器械的实时检测与追踪精度，优化手术流程和患者安全	腹腔镜手术中的手术器械	计算机视觉	NA	深度学习、计算机视觉技术	YOLOv9n、ByteTrack、BoT-SORT	图像	使用m2cai16-tool-locations检测数据集
15	2025-07-25	[AI-based applications in medical image computing] 2025-Aug, Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz DOI:10.1007/s00103-025-04093-7 PMID:40600998	综述	本文探讨了人工智能在医学图像计算中的应用及其对现代诊断和治疗的推动作用	详细介绍了深度学习在医学图像分析中的最新进展，包括分割、配准和图像合成等应用	未提及具体算法的性能比较或实际临床应用中可能遇到的具体挑战	探索人工智能在医学图像处理中的应用潜力	医学图像数据	医学图像计算	NA	深度学习	深度神经网络	医学图像（如CT、MRI、PET等）	NA
16	2025-07-25	AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose 2025-Aug, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.026 PMID:39592383	研究论文	本研究提出并评估了一种深度学习方法，用于从仅使用20%标准剂量的钆基对比剂的多参数MRI中预测全剂量对比增强T1加权图像	利用深度学习技术实现钆基对比剂剂量减少80%的同时保持诊断准确性	研究样本量相对较小(101例患者)，且未评估所有可能的脑部病变类型	开发减少钆基对比剂使用剂量同时保持MRI诊断准确性的方法	脑部MRI图像	医学影像分析	脑部疾病	深度学习	DL网络	MRI图像	101名患者的多中心前瞻性研究数据
17	2025-07-25	A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation 2025-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70193 PMID:40698834	研究论文	本文提出了一种基于深度学习的CT图像肺段分割算法，用于评估肺通气和灌注的区域异质性	开发了一种多阶段3D卷积神经网络算法，能够直接从胸部CT图像进行端到端的肺段分割	COPD患者的肺段分割结果与健康对照组相比存在较大差异	验证和展示基于深度学习的CT肺段分割在临床混合气道疾病患者中的适用性	混合气道疾病患者和健康个体的胸部CT图像	数字病理	慢性阻塞性肺疾病(COPD)	3D卷积神经网络	CNN	CT图像	123张训练用胸部CT图像和40张验证用CT图像（20张来自训练集，20张前瞻性收集：10名健康人和10名COPD患者）
18	2025-07-25	Development and validation of a SOTA-based system for biliopancreatic segmentation and station recognition system in EUS 2025-Aug, Surgical endoscopy DOI:10.1007/s00464-025-11858-3 PMID:40551029	research paper	开发并验证了一种基于SOTA的EUS系统，用于胆胰分割和站点识别	结合多种SOTA深度学习算法，构建了EUS-AI系统，显著提高了胆胰疾病诊断的准确性和效率	研究仅基于特定数据集，未涉及更广泛的患者群体或不同医疗中心的验证	开发AI辅助的EUS系统，提高胆胰疾病的诊断准确性和效率	胆胰疾病患者的EUS图像	digital pathology	biliopancreatic disease	EUS	Mean Teacher, U-Net v2, ResNet-50, YOLOv8	image	45,737张EUS图像来自1,852名患者，其中2,881张用于内部测试，2,747张来自208名患者用于外部验证，340张用于人机竞赛测试
19	2025-07-25	Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104376 PMID:40701761	研究论文	本研究提出了一种基于深度学习的诊断辅助系统，用于从CT图像中早期检测和分类肺结节	结合U-Net卷积神经网络进行语义分割，以及后续的特征提取和选择，再通过另一个卷积神经网络进行分类	未提及样本多样性或外部验证集的性能	提高肺结节的早期检测和分类准确性，以改善肺癌患者的治疗效果	肺结节	数字病理学	肺癌	深度学习	U-Net, CNN	图像	基于LUNA16数据集
20	2025-07-25	An enhanced UHMWPE wear particle detection approach based on YOLOv9 2025-Aug, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104377 PMID:40701762	研究论文	本研究提出了一种基于深度学习的增强YOLOv9模型，用于自动化检测超高分子量聚乙烯（UHMWPE）磨损颗粒，旨在解决传统手动检测方法的不足	采用改进的YOLOv9模型，结合可编程梯度信息（PGI）和广义高效层聚合网络（GELAN）提升小物体定位和检测精度，并集成自定义Focal Loss函数以解决类别不平衡问题	NA	开发一种高精度、可扩展且经济高效的自动化检测方法，用于UHMWPE磨损颗粒的检测，以改善骨科和脊柱植入物的监测和临床决策	超高分子量聚乙烯（UHMWPE）磨损颗粒	计算机视觉	骨科疾病	场发射枪扫描电子显微镜（FEG-SEM）成像	YOLOv9	图像	NA