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	2025-06-13	Domain-separated capsule network for damage detection in aluminum plates under varying vibration conditions 2025-Oct, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107688 PMID:40381421	研究论文	本文提出了一种域分离胶囊网络（DS-CapsNet），用于在不同振动条件下检测铝板的损伤	DS-CapsNet结合了胶囊网络和注意力机制，通过动态对抗因子优化特征对齐，并利用多头自注意力机制提升分类性能	NA	提高在不同振动条件下铝板损伤检测的准确性	2024铝合金板	结构健康监测	NA	超声导波	DS-CapsNet（域分离胶囊网络）	信号数据	NA
2	2025-06-13	Deep learning algorithms to assist in imaging diagnosis in individuals with disc herniation or spondylolisthesis: A scoping review 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105933 PMID:40252304	综述	本文对用于辅助诊断椎间盘突出或脊椎滑脱的深度学习算法进行了范围综述	总结了深度学习在椎间盘突出和脊椎滑脱影像诊断中的应用，并识别了最常用的模型和影像技术	数据集规模小、缺乏外部验证、研究结果在不同人群中推广存在挑战	回顾用于椎间盘突出和脊椎滑脱影像诊断的深度学习算法	椎间盘突出和脊椎滑脱的影像诊断	数字病理学	脊椎疾病	MRI, X-ray	CNN, ResNet	影像	18项符合条件的研究
3	2025-06-13	Deep Learning-Driven Exophthalmometry through Facial Photographs in Thyroid Eye Disease 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100791 PMID:40496215	research paper	开发并评估了一种基于深度学习的系统，用于通过面部照片测量甲状腺眼病（TED）患者的眼球突出	使用双流ResNet-18神经网络结合RGB图像和ZoeDepth算法生成的深度图进行眼球突出测量，提供了一种准确且易于获取的替代传统测量方法	系统检测显著眼球突出变化（≥2毫米）的准确率为74.6%，仍有提升空间	开发一种基于深度学习的辅助系统，用于甲状腺眼病患者的眼球突出测量	甲状腺眼病（TED）患者	digital pathology	thyroid eye disease	deep learning, ZoeDepth算法	dual-stream ResNet-18	facial images	1279名患者（1108名来自Severance Hospital，171名来自Seoul National University Bundang Hospital）
4	2025-06-13	Effect of Faricimab versus Aflibercept on Hyperreflective Foci in Patients with Diabetic Macular Edema from the YOSEMITE/RHINE Trials 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100798 PMID:40496217	研究论文	比较faricimab与aflibercept对糖尿病黄斑水肿患者高反射灶的影响	使用深度学习算法自动量化高反射灶，并比较两种药物在抑制疾病活动方面的效果	研究为事后分析，可能存在选择偏差	比较faricimab与aflibercept在治疗糖尿病黄斑水肿中的效果	糖尿病黄斑水肿患者	数字病理	糖尿病黄斑水肿	深度学习算法	NA	OCT体积扫描图像	1545名患者（faricimab Q8W组519人，faricimab T&E组524人，aflibercept组502人）
5	2025-06-13	Predicting Imminent Conversion to Exudative Age-Related Macular Degeneration Using Multimodal Data and Ensemble Machine Learning 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100785 PMID:40502295	research paper	开发并比较了传统机器学习和深度学习模型，用于预测6个月内即将发生的渗出性年龄相关性黄斑变性（eAMD）转化，并将OCT与临床数据整合到单一预测模型中	结合OCT和临床数据，使用集成机器学习方法预测eAMD的短期转化，提高了预测性能	研究为回顾性队列研究，需前瞻性验证模型的有效性	预测即将发生的渗出性年龄相关性黄斑变性（eAMD）转化，以实现及时治疗	2013年至2021年在Wilmer眼科研究所就诊的eAMD患者	machine learning	age-related macular degeneration	spectral domain OCT, machine learning, deep learning	ResNet-50, Random Forest, XGBoost, MLP	OCT volumes, clinical data	2084名患者的33189个OCT volumes
6	2025-06-13	A systematic review of AI as a digital twin for prostate cancer care 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108804 PMID:40347618	系统综述	本文系统综述了AI作为数字孪生在前列腺癌护理中的应用	结合AI技术（如机器学习和深度学习）的数字孪生技术，用于提升前列腺癌的预测准确性、早期诊断和个体化治疗策略	当前方法在实时数据整合、AI模型可解释性及临床验证方面存在不足	探讨AI驱动的数字孪生技术在前列腺癌诊断和治疗中的应用及未来研究方向	前列腺癌患者	数字病理学	前列腺癌	机器学习（ML）、深度学习（DL）、大型语言模型（LLMs）、视觉语言模型（VLMs）	NA	多模态数据	NA
7	2025-06-13	Machine learning-based approaches for distinguishing viral and bacterial pneumonia in paediatrics: A scoping review 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108802 PMID:40349546	综述	本文综述了机器学习技术在儿科病毒性和细菌性肺炎分类中的应用，特别关注了基于胸部X光图像的研究	总结了机器学习特别是深度学习在肺炎分类中的最新应用，并指出了当前研究的主要局限性和未来方向	研究主要依赖于公开可用的Kermany数据集，存在过拟合和泛化能力有限的问题，且方法学存在较大变异性	评估机器学习技术在区分儿科病毒性和细菌性肺炎方面的应用效果	0-18岁通过胸部X光诊断的肺炎患儿	数字病理	肺炎	机器学习(ML)和深度学习(DL)	CNN	图像	35项研究(主要使用Kermany数据集)
8	2025-06-13	Deep learning techniques for automated coronary artery segmentation and coronary artery disease detection: A systematic review of the last decade (2013-2024) 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108858 PMID:40408829	系统综述	本文对过去十年（2013-2024）中用于冠状动脉自动分割（CAS）和冠状动脉疾病检测（CAD）的深度学习技术进行了系统性回顾	提供了关于深度学习在CAS和CAD检测中应用的最新系统性综述，并分析了模型、数据集和性能指标的最新趋势	公共数据集有限、性能指标存在变异性以及模型复杂性	回顾和总结过去十年中深度学习在冠状动脉自动分割和冠状动脉疾病检测中的应用	冠状动脉图像和冠状动脉疾病	医学影像分析	心血管疾病	深度学习	CNN, U-Net, 注意力机制, 图神经网络	医学影像（如CCTA、ECG）	97项高质量研究
9	2025-06-13	MSFusion: A multi-source hybrid feature fusion network for accurate grading of invasive breast cancer using H&E-stained histopathological images 2025-Aug, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103633 PMID:40441045	研究论文	提出了一种名为MSFusion的多源混合特征融合网络，用于利用H&E染色组织病理学图像准确分级浸润性乳腺癌	结合了基于Swin Transformer的多分支网络MSwinT提取的深度学习特征和传统手工特征，通过KDC融合块整合多源核的特征，提高了乳腺癌分级的准确性	NA	提高浸润性乳腺癌分级的准确性以优化治疗方案和生存率	浸润性乳腺癌的H&E染色组织病理学图像	数字病理学	乳腺癌	深度学习与传统手工特征融合	Swin Transformer-based multi-branch network (MSwinT), KDC fusion block	图像	三个数据集（两个私有临床数据集Qilu和QDUH&SHSU，一个公开数据集Databiox）
10	2025-06-13	Model-informed deep-learning photoacoustic reconstruction for low-element linear array 2025-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100732 PMID:40502804	research paper	该论文提出了一种针对低元素线性阵列的模型信息深度学习光声重建方法，旨在解决光声断层扫描中的图像质量问题	引入了一种轻量级的GE-CNN框架，显著降低了计算需求并提高了重建性能	虽然计算效率有所提升，但模型矩阵反演在伴随变换中仍存在计算挑战	提高光声断层扫描的图像重建质量并降低计算复杂度	线性阵列超声换能器在临床和临床前成像中的应用	computer vision	NA	photoacoustic tomography (PAT)	GE-CNN	image	合成模型、实验体模和活体大鼠肝脏成像
11	2025-06-13	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2025-Jul, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本文研究了Fgfr3Y367C/+小鼠模型中胚胎颅软骨缺陷，以了解软骨发育不全的胚胎发育影响	首次使用深度学习自动分割模型分析Fgfr3突变对胚胎颅软骨和Meckel软骨的影响	研究仅针对小鼠模型，人类胚胎发育的直接影响仍需进一步验证	探究Fgfr3突变对胚胎颅软骨发育的影响	Fgfr3Y367C/+小鼠模型中的胚胎颅软骨和Meckel软骨	数字病理	软骨发育不全	microCT成像和深度学习3D分割	深度学习3D分割模型	3D图像	E14.5和E16.5胚胎期的小鼠样本
12	2025-06-13	ResNet-Transformer deep learning model-aided detection of dens evaginatus 2025-Jul, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13282 PMID:39545506	research paper	本研究开发了一个结合ResNet和Transformer的深度学习模型，用于辅助牙医早期检测牙齿形态发育异常——dens evaginatus	首次将ResNet和Transformer结合的深度学习模型应用于dens evaginatus的自动检测，并证明其性能优于牙医的诊断水平	研究样本仅来自3-16岁患者，模型在其他年龄段人群中的适用性有待验证	开发深度学习模型辅助牙医早期诊断dens evaginatus，以支持早期干预并降低严重后果风险	牙齿形态发育异常dens evaginatus	digital pathology	dental disease	deep learning	ResNet-Transformer	panoramic radiograph images	1410名3-16岁患者的全景X光片
13	2025-06-13	Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07132-2 PMID:39964542	research paper	该研究提出了一种基于深度学习的框架，用于将PET/CT中的CT图像转换为合成MR图像（MRSYN），并利用MRSYN进行自动化定量区域分析	提出了一种新的深度学习方法，通过CT到MR的转换实现无需MRI的PET图像定量分析	研究排除了楔前叶区域，且样本量有限（139名受试者）	解决PET/CT和MRI图像配对不足及配准困难的问题，实现无需MRI的PET定量分析	脑部PET/CT和T1加权MRI图像	digital pathology	NA	PET/CT, T1-weighted MRI	U-Net	image	139名接受脑部[18F]FBB PET/CT和T1加权MRI检查的受试者
14	2025-06-13	Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07119-z PMID:39964543	research paper	该研究评估了一种基于深度学习的飞行时间（DLToF）模型，用于提升非飞行时间PET图像的质量，针对不同示踪剂	开发了三种不同强度的DLToF模型（低、中、高），适用于多种示踪剂，并展示了在图像质量和病灶检测方面的改进	研究仅基于GE Discovery MI ToF扫描仪的数据，未涵盖其他品牌或型号的扫描仪	提升非飞行时间PET图像的质量，使其接近飞行时间PET图像的水平	PET图像，特别是使用不同示踪剂（如18F-FDG、18F-PSMA等）扫描的图像	digital pathology	NA	深度学习，BSREM算法	3D residual U-NET	image	309个训练数据集和33个验证数据集，以及60个测试数据集（包含4种示踪剂，每种15次检查）
15	2025-06-13	Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07134-0 PMID:39969539	research paper	本研究开发并评估了一种基于[18F]PSMA-1007 PET/CT和多参数MRI（mpMRI）的多模态深度学习模型，用于预测前列腺癌（PCa）患者的不良病理（AP）	提出了一种结合[18F]PSMA-1007 PET/CT和mpMRI的多模态深度学习模型（MPC），并进一步整合临床特征构建了集成模型（MPCC），在预测AP方面表现优于单一模态模型	研究为回顾性分析，可能存在选择偏倚，且样本量相对有限（341例）	提高前列腺癌患者不良病理（AP）的预测准确性，以辅助制定更有效的治疗策略	前列腺癌（PCa）患者	digital pathology	prostate cancer	[18F]PSMA-1007 PET/CT, multiparametric MRI (mpMRI)	CNN, transformer	image	341例接受根治性前列腺切除术（RP）并进行了mpMRI和PET/CT扫描的前列腺癌患者
16	2025-06-13	Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07156-8 PMID:39969540	研究论文	本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，以满足完全基于PET的定量分析的关键需求	提出了一种在超低剂量全身PET成像中具有高鲁棒性和泛化能力的人工智能模型，支持多种示踪剂和多中心数据	研究为回顾性研究，基于已收集的数据，可能无法完全反映前瞻性临床应用的实际情况	开发并验证一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割	798名来自多个中心的患者，使用不同示踪剂进行PET成像	数字病理	NA	深度学习	3D深度学习模型	PET图像	798名患者
17	2025-06-13	Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07145-x PMID:39976703	研究论文	本研究开发了基于深度学习的模型，用于通过SPECT心肌灌注成像诊断冠状动脉疾病	采用了多种监督和半监督深度学习算法及训练策略，包括迁移学习和数据增强，以提高诊断准确性	研究仅适用于LAD区域，且模型性能在某些任务中仍有提升空间	开发先进的深度学习模型，用于冠状动脉疾病的自动化诊断	940名接受SPECT-MPI检查的患者，其中281名患者进行了ICA检查	数字病理学	心血管疾病	SPECT-MPI, ICA	DenseNet201, ResNet152V2, InceptionResNetV2	图像	940名患者（其中281名进行了ICA检查）
18	2025-06-13	Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07165-7 PMID:40009163	研究论文	本研究提出了一种基于深度学习的Mask-ViT方法，用于减少超快速肺部PET扫描中的噪声	提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法，能够在有限训练数据上进行微调后直接应用于新扫描仪的未见测试数据	研究仅在五个扫描仪的两个数据集上进行，样本量相对有限	减少超快速20秒屏气（U2BH）PET图像中的噪声，提高诊断质量	U2BH PET图像	数字病理	肺癌	PET/CT成像	Mask-ViT, U-Net, C-Gan	图像	1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应全时PET/CT图像
19	2025-06-13	Deep learning-based weed detection for precision herbicide application in turf 2025-Jul, Pest management science IF:3.8Q1 DOI:10.1002/ps.8728 PMID:40022516	research paper	本研究评估了使用深度卷积神经网络（DCNNs）进行基于除草剂敏感性的杂草检测的可行性，以实现精准除草剂喷洒	结合除草剂敏感性杂草映射与优化路径规划算法，实现智能喷洒机的精准除草剂应用	未提及具体样本量或实验环境限制	评估深度学习方法在精准除草剂喷洒中的应用效果	草坪中的杂草	computer vision	NA	deep learning	DenseNet, GoogLeNet, ResNet	image	NA
20	2025-06-13	Evaluation of Caries Detection on Bitewing Radiographs: A Comparative Analysis of the Improved Deep Learning Model and Dentist Performance 2025-Jul, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.13470 PMID:40191981	研究论文	本研究评估了改进的深度学习模型YOLOv9c在咬翼X光片上检测龋齿的性能，并与牙医的表现进行了比较	优化了YOLOv9c模型的骨干架构，减小了模型大小和计算需求，并在龋齿检测任务中超越了其他模型和牙医的表现	NA	比较不同深度学习模型在龋齿检测上的性能，并探索提升准确性的策略	咬翼X光片上的釉质和牙本质龋齿	计算机视觉	龋齿	YOLO目标检测模型	YOLOv9c	X光图像	NA