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	2025-05-23	Cerebral ischemia detection using deep learning techniques 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00352-8 PMID:40400660	研究论文	本研究利用深度学习技术检测脑缺血，旨在通过NCCT扫描早期识别中风症状	采用多种知名深度学习架构（VGG3D、ResNet3D和DenseNet3D）处理3D脑部图像，DenseNet3D模型表现最佳	未提及模型在临床环境中的实际应用效果及泛化能力	早期识别中风症状，减少死亡率和残疾率	中风患者的NCCT扫描图像	数字病理学	心血管疾病	NCCT	VGG3D, ResNet3D, DenseNet3D	3D图像	未提及具体样本数量
2	2025-05-23	Convolutional autoencoder-based deep learning for intracerebral hemorrhage classification using brain CT images 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10259-5 PMID:40401248	研究论文	提出了一种基于卷积自编码器的深度学习模型，用于使用脑部CT图像自动分类脑内出血	开发了一种结合卷积自编码器（CAE）和密集神经网络（DNN）的混合模型，用于脑内出血的自动诊断和定位，并通过显著性图突出显示与脑内出血密切相关的区域	研究数据集仅来自单一医疗中心，可能影响模型的泛化能力	开发一种自动化的脑内出血诊断方法，以解决专家读取不足和观察者间变异性的问题	脑内出血（ICH）和非出血性卒中患者的脑部CT图像	计算机视觉	脑内出血	非对比计算机断层扫描（NCCT）	CAE-DNN混合模型	图像	3293张标记图像（1645张ICH类，1648张正常类），来自108名患者
3	2025-05-23	Deep learning models link local cellular features with whole-animal growth dynamics in zebrafish 2025-Aug, Life science alliance IF:3.3Q1 DOI:10.26508/lsa.202503319 PMID:40399066	研究论文	该研究通过深度学习模型将斑马鱼幼虫的皮肤细胞图像与其整体生长动态联系起来	首次证明仅需少量皮肤细胞的图像即可预测斑马鱼的整体体型大小，并识别出影响模型决策的细胞特征	研究仅针对斑马鱼幼虫，未验证在其他生物或发育阶段的适用性	探索微观细胞特征与宏观动物生长状态之间的关联	斑马鱼幼虫	计算机视觉	NA	深度学习	Vision Transformer (ViT)	图像	722张皮肤细胞图像及对应的斑马鱼幼虫体型数据
4	2025-05-23	ConnectomeAE: Multimodal brain connectome-based dual-branch autoencoder and its application in the diagnosis of brain diseases 2025-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108801 PMID:40294455	研究论文	提出一种基于多模态脑连接组的双分支自编码器ConnectomeAE，用于整合多模态脑连接组信息和区域放射组学特征，以增强脑疾病的诊断	通过双分支自编码器分别学习节点特征和连接特征，整合多模态脑连接组信息和区域放射组学特征，提高了脑疾病诊断的适应性和准确性	未提及具体的数据集规模限制或模型在其他脑疾病上的泛化能力	探索多模态脑网络之间的依赖关系，整合节点特征以增强脑疾病诊断	自闭症谱系障碍和阿尔茨海默病	数字病理学	脑疾病	结构磁共振成像（MRI）和功能磁共振成像（fMRI）	双分支自编码器（ConnectomeAE）	图像	两个公开数据集，具体样本量未提及
5	2025-05-23	A Minimal Annotation Pipeline for Deep Learning Segmentation of Skeletal Muscles 2025-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70066 PMID:40390325	研究论文	本研究探讨了一种简单有效的迭代方法，用于构建高质量自动分割模型，同时最小化手动标注工作	提出了一种最小化标注工作的迭代方法，用于训练高质量的nnU-Net分割模型	训练集规模较小（n=30），且五级评分量表上的评分者间一致性仅为一般到中等	开发高效的自动分割方法，将骨骼肌MRI生物标志物转化为临床应用	健康志愿者和患有各种神经肌肉疾病的患者（包括肌营养不良、炎症性、神经源性和未标记的NMDs）	数字病理	神经肌肉疾病	定量MRI	nnU-Net	MRI图像	训练集70例（健康与病理大腿），独立测试集20例
6	2025-05-23	Integrating artificial intelligence into orthopedics: Opportunities, challenges, and future directions 2025-Jul, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2025.100257 PMID:40395968	综述	本文综述了人工智能在骨科中的应用、挑战及未来发展方向	全面评估了AI在骨科中的多种应用及其对患者护理的影响，同时指出了当前的技术挑战和未来研究方向	数据标准化和临床验证仍是主要挑战，且研究仅限于已发表的英文同行评审文章	评估人工智能在骨科中的应用及其对临床实践的影响	骨科领域的AI技术及其临床应用	医疗人工智能	骨科疾病	机器学习和深度学习	NA	文献数据	NA
7	2025-05-23	Accelerating CEST MRI With Deep Learning-Based Frequency Selection and Parameter Estimation 2025-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70068 PMID:40396230	研究论文	提出了一种基于深度学习的频率选择和参数估计框架，以加速化学交换饱和转移（CEST）MRI扫描	整合了频率选择和参数估计的深度学习框架，利用通道剪枝技术识别最具信息量的频率偏移，同时保持参数图质量	未来研究需要扩展到患者群体，并解决B不均匀性和病变组织中异常信号变化等挑战	加速CEST MRI扫描时间，同时保持参数图质量	六名健康志愿者的CEST MRI数据	医学影像分析	NA	CEST MRI, 深度学习, 通道剪枝	深度学习网络	MRI图像	六名健康志愿者
8	2025-05-23	Establishment and evaluation of an automatic multi?sequence MRI segmentation model of primary central nervous system lymphoma based on the nnU?Net deep learning network method 2025-Jul, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15080 PMID:40400535	研究论文	本研究基于nnU-Net深度学习网络方法，建立并评估了一种用于原发性中枢神经系统淋巴瘤(PCNSL)的多序列MRI自动分割模型	开发了一种多模态人工智能深度学习分割模型，解决了传统2D测量和MRI手动体积评估的挑战	T2WI序列表现相对较差，测试Dice系数为0.647，外部验证Dice系数为0.643	开发自动多序列MRI分割模型，用于PCNSL的精确定量评估	49例经病理证实的PCNSL患者的MRI数据	数字病理学	原发性中枢神经系统淋巴瘤	MRI	nnU-Net, 3D CNN	MRI图像	49例患者来自6个中国医疗中心
9	2025-05-23	Artificial intelligence (AI) in point-of-care testing 2025-Jun-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120341 PMID:40324611	research paper	本文探讨了人工智能（AI）在即时检测（POCT）中的应用及其对现代医疗的变革性影响	AI技术（包括机器学习、深度学习和自然语言处理）显著提升了POCT的准确性和效率，例如卷积神经网络将疟疾检测的灵敏度提高到95%，预测分析在资源有限的环境中减少了20%的设备停机时间	数据隐私风险、算法不透明性以及低收入和中等收入国家的基础设施差距	探讨AI在POCT中的应用，以解决诊断准确性、工作流程效率和公平获取医疗资源等关键挑战	即时检测（POCT）技术及其在医疗诊断中的应用	machine learning	malaria, cardiovascular disease	machine learning, deep learning, natural language processing, predictive analytics	CNN	image, real-time data	NA
10	2025-05-23	Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning 2025-Jun-10, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213691 PMID:40378378	research paper	本研究开发了一种基于磁共振指纹（MRF）和深度学习（DL）的全脑局灶性皮质发育不良（FCD）检测框架	首次将MRF与深度学习结合用于全脑FCD检测，提供了一种快速可靠的定量成像技术	样本量较小（40名FCD患者和67名健康对照），且未提及模型在其他数据集上的泛化能力	开发一种自动化的全脑FCD检测方法，以提高临床MRI对FCD的检测能力	药物难治性局灶性癫痫患者和健康对照者	digital pathology	epilepsy	MRF, deep learning	no-new U-Net	MRI图像	40名FCD患者（平均年龄28.1岁，47.5%女性）和67名健康对照者
11	2025-05-23	Effect of Deep Learning Image Reconstruction on Image Quality and Pericoronary Fat Attenuation Index 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01234-3 PMID:39299956	research paper	比较深度学习图像重建（DLIR）和自适应统计迭代重建V（ASIR-V）在不同管电压下对冠状动脉CT血管造影（CCTA）图像质量和心周脂肪衰减指数（FAI）的影响	首次比较了DLIR和ASIR-V在不同管电压下对CCTA图像质量和FAI的影响，并证明了DLIR-H在低管电压下仍能保持图像质量	研究仅基于中国BMI分类选择管电压，可能限制了结果的普遍性	评估DLIR在不同管电压下对CCTA图像质量和FAI的改善效果	301名接受CCTA检查的患者	digital pathology	cardiovascular disease	CT angiography	deep learning image reconstruction (DLIR)	image	301名患者
12	2025-05-23	Children Are Not Small Adults: Addressing Limited Generalizability of an Adult Deep Learning CT Organ Segmentation Model to the Pediatric Population 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01273-w PMID:39299957	research paper	评估成人训练的深度学习CT器官分割模型在儿科患者中的泛化能力，并探索优化策略以提高儿科分割性能	揭示了成人训练的深度学习模型在儿科CT扫描中的泛化局限性，并提出了儿科特定模型和微调成人模型两种优化方法	研究仅针对腹部CT扫描和特定器官，可能不适用于其他身体部位或器官	评估和改进深度学习模型在儿科CT器官分割中的性能	成人和儿科患者的腹部CT扫描数据	digital pathology	NA	CT扫描	3D nnU-Net	image	成人数据集n=300，儿科数据集n=359
13	2025-05-23	A Robust Deep Learning Method with Uncertainty Estimation for the Pathological Classification of Renal Cell Carcinoma Based on CT Images 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01276-7 PMID:39313716	研究论文	本研究开发并验证了一种基于深度学习的诊断模型，通过不确定性估计帮助放射科医生基于CT图像在术前区分肾细胞癌的病理亚型	结合不确定性估计的深度学习模型，为临床医生提供准确的RCC亚型预测及诊断置信度指标	外部验证集样本量较小（78例患者），可能影响模型的泛化能力评估	开发辅助肾细胞癌病理亚型术前鉴别的AI工具	肾细胞癌患者的CT影像数据	数字病理	肾细胞癌	CT成像	深度学习模型（未指定具体架构）	医学影像（CT图像）	668例患者（训练集） + 78例患者（外部验证集）
14	2025-05-23	Automatic Segmentation of Ultrasound-Guided Quadratus Lumborum Blocks Based on Artificial Intelligence 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01267-8 PMID:39320548	研究论文	该研究开发了一种基于人工智能的深度学习模型Q-VUM，用于自动分割超声引导下的腰方肌阻滞图像	提出了一种基于VGG16网络的U型网络Q-VUM，能够精确分割腰方肌等组织，并在性能上优于常见的深度学习分割网络	研究样本量相对较小（112名患者，3162张图像），可能影响模型的泛化能力	开发一种能够辅助麻醉医师精确定位神经阻滞部位的人工智能模型	超声图像中的腰方肌、腹外斜肌、腹内斜肌、腹横肌和骨骼等组织	计算机视觉	NA	深度学习	U-shaped network based on VGG16	图像	112名患者的3162张超声图像
15	2025-05-23	BSNEU-net: Block Feature Map Distortion and Switchable Normalization-Based Enhanced Union-net for Acute Leukemia Detection on Heterogeneous Dataset 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01252-1 PMID:39322814	research paper	提出了一种基于深度学习的BSNEU-net框架，用于检测急性白血病，通过结合块特征图扭曲和可切换归一化技术提高模型性能	提出了BSNEU-net框架，结合了块特征图扭曲(BFMD)和可切换归一化(SN)技术，以增强特征提取和模型泛化能力	未明确提及具体局限性，但深度学习模型通常需要大量标注数据，且可能对数据分布敏感	开发一种高效的深度学习模型，用于急性白血病的自动检测	急性白血病患者的血液涂片图像，包括急性淋巴细胞白血病(ALL)和急性髓系白血病(AML)	digital pathology	leukemia	深度学习	BSNEU-net (基于Union Blocks的CNN架构)	image	2400张新收集的血液涂片图像(ALL、AML和健康病例)，以及2700张来自四个公开数据集的异质数据
16	2025-05-23	Identification of Bipolar Disorder and Schizophrenia Based on Brain CT and Deep Learning Methods 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01279-4 PMID:39327378	研究论文	本研究旨在基于脑部CT图像和深度学习方法构建一个用于识别双相情感障碍和精神分裂症的模型	开发了DenseMD模型，采用多实例学习方法，在识别双相情感障碍和精神分裂症方面表现优于其他经典深度学习模型	样本量相对较小，且外部测试集的准确性仍有提升空间	提高精神疾病的临床诊断准确性	双相情感障碍和精神分裂症患者及健康对照者	数字病理学	精神疾病	深度学习	DenseMD, ResNet-18, ResNeXt-50, DenseNet-121	图像	685名受试者（506名患者和179名健康对照者）用于内部训练和验证，105名受试者（65名患者和40名健康对照者）用于外部测试
17	2025-05-23	Deep Learning Classification of Ischemic Stroke Territory on Diffusion-Weighted MRI: Added Value of Augmenting the Input with Image Transformations 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01277-6 PMID:39349784	研究论文	本研究旨在利用AI构建一个患者级别的DWI中风区域分类器，以促进中风快速分诊至专业中风中心	通过图像变换增强预训练模型的输入，提高了DWI中风区域分类的准确性	研究为回顾性设计，样本量相对有限（271和122例患者）	开发AI辅助工具用于中风区域的快速分类	急性缺血性中风患者的DWI图像	数字病理	心血管疾病	DWI（弥散加权成像）	MobileNetV2, EfficientNetB0	图像	271例和122例急性缺血性中风患者（来自两个中心）
18	2025-05-23	Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01283-8 PMID:39349785	综述	本文系统回顾了2020年至2024年1月间发表的60篇关于使用MRI图像进行脑肿瘤检测和分类的深度学习方法的文章	总结了现有研究的局限性和重要亮点，提供了分析比较和未来方向	仅涵盖了2020年至2024年1月间发表的研究，可能未包括最新的研究成果	提供对脑肿瘤自动检测和分类技术的全面理解	脑肿瘤	计算机视觉	脑肿瘤	深度学习	迁移学习、自动编码器、transformer、注意力机制	MRI图像	60篇文章
19	2025-05-23	MobileNet-V2: An Enhanced Skin Disease Classification by Attention and Multi-Scale Features 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01271-y PMID:39354294	research paper	该研究提出了一种结合MobileNet-V2、SE模块、ASPP和通道注意力机制的新型皮肤疾病分类模型，旨在提高诊断准确性和效率	结合MobileNet-V2、SE模块、ASPP和通道注意力机制，增强了特征提取能力和多尺度上下文信息融合	研究指出了模型的局限性，并建议了未来研究方向	开发一种高效的皮肤疾病分类工具，辅助皮肤科医生进行早期诊断	皮肤疾病图像	digital pathology	skin cancer	deep learning	MobileNet-V2, SE blocks, ASPP, Channel Attention Mechanism	image	来自四个数据集（PH2、HAM10000、DermNet、ISIC）的皮肤疾病图像
20	2025-05-23	Dual Energy CT for Deep Learning-Based Segmentation and Volumetric Estimation of Early Ischemic Infarcts 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01294-5 PMID:39384719	research paper	本研究评估了双能CT（DECT）采集是否可以提高机器学习对早期梗死可见性的检测	使用双能CT数据结合标准头部CT图像，提高了6至12小时内早期梗死的分割准确性	体积准确性的差异在统计学上不显著（p=0.07）	评估双能CT对机器学习在早期梗死分割中的改进效果	早期缺血性梗死	digital pathology	cardiovascular disease	双能CT（DECT）	3D nnU-Net	image	330例DECT扫描