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
201	2025-05-21	Diagnostic Accuracy of a Deep Learning Algorithm for Detecting Unruptured Intracranial Aneurysms in Magnetic Resonance Angiography: A Multicenter Pivotal Trial 2025-May, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123882 PMID:40086726	研究论文	评估深度学习算法在磁共振血管造影中检测未破裂颅内动脉瘤的准确性	开发了一种基于3D U-Net的深度学习算法，用于在TOF MRA中高灵敏度检测未破裂颅内动脉瘤	对于小于3毫米的动脉瘤检测灵敏度较低，仍需专家复核	评估深度学习算法在辅助诊断未破裂颅内动脉瘤中的应用价值	675名参与者（189名动脉瘤阳性[221个动脉瘤]和486名阴性）的TOF MRA数据	数字病理	颅内动脉瘤	TOF磁共振血管造影（MRA）	3D U-Net	医学影像	675名参与者（来自2家医院2019-2023年数据），训练集包含988个非重叠TOF MRA数据集
202	2025-05-21	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	本研究提出了一种结合超声成像和分子检测的多模态深度学习模型，用于提高甲状腺结节的恶性风险分层	通过整合超声成像和分子检测数据，利用互补信息提升恶性风险分层的阳性预测值，同时保持高敏感性	研究受限于单中心数据集、缺乏外部验证以及使用二值化的分子检测输出而非细粒度的恶性风险概率	提高甲状腺结节的恶性风险分层准确性	333名不确定甲状腺结节患者（259例良性，74例恶性）	数字病理	甲状腺结节	下一代测序（NGS）	多模态深度学习模型	超声图像和分子检测数据	333名患者
203	2025-05-21	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-May-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	探讨了人工智能（AI）在心血管疾病诊断和预后中的新兴应用，包括机器学习和深度学习模型的使用	算法的外部有效性无法保证，结果的可解释性可能存在问题（即“黑箱”问题）	探索人工智能在心血管疾病管理中的潜力和应用	心血管疾病患者，包括高血压、缺血性心脏病和罕见的心肌病等	人工智能在医疗健康中的应用	心血管疾病	机器学习（ML）和深度学习（DL）	人工神经网络	医院数据集、心电图和超声心动图采集数据	NA
204	2025-05-21	MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf209 PMID:40366860	研究论文	本研究提出了一种名为MMSurv的多模态深度学习模型，用于整合病理图像、临床信息和测序数据以预测多种癌症患者的生存率	提出了一种基于紧凑双线性池化和Transformer的新型多模态融合方法，并采用双层多实例学习模型去除与预后无关的图像块，同时通过细胞分割增强模型的可解释性	模型仅在TCGA数据库中的六种癌症类型上进行了验证，未在其他独立数据集上测试	开发一个能够整合多模态数据的可解释深度学习模型，以提高癌症患者生存预测的准确性	癌症患者的病理图像、临床信息和测序数据	数字病理	多癌症类型	深度学习、细胞分割、测序数据分析	多模态融合模型（紧凑双线性池化+Transformer）、多实例学习模型	病理图像、临床数据、测序数据	TCGA数据库中六种癌症类型的数据
205	2025-05-21	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-May, Journal of inherited metabolic disease IF:4.2Q2 DOI:10.1002/jimd.70042 PMID:40375095	研究论文	本研究利用深度学习技术分析罕见病碱尿症（AKU）的脊柱X光片，评估疾病严重程度并检测患者是否接受尼替西农治疗	首次将深度学习应用于罕见病碱尿症的脊柱影像分析，能够识别疾病严重程度和隐蔽的治疗状态	真空盘现象的预测一致性较低（41%-90%），样本量未明确说明	评估深度学习在罕见病医学影像分析中的应用效果	碱尿症患者的颈椎和腰椎X光片	数字病理学	碱尿症	深度学习	DL（未明确具体模型类型）	医学影像（X光片）	NA
206	2025-05-21	Enhancing perihematomal edema segmentation: integrating prior knowledge with deep learning for enhanced accuracy and interpretability 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2404 PMID:40384678	research paper	该研究提出了一种结合先验知识与深度学习的网络PESE-Net，用于提高颅内血肿周围水肿（PHE）分割的准确性和可解释性	提出PESE-Net网络，通过结合PHE的先验知识与深度学习方法，采用新的特征加权策略协同融合PHE的整体变化特征和空间信息	未提及具体的数据集规模或外部验证结果	提高PHE分割的准确性以增强临床诊断效率和可靠性	自发性颅内出血图像中的PHE区域	digital pathology	cardiovascular disease	deep learning	PESE-Net	image	NA
207	2025-05-21	Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1933 PMID:40384682	research paper	该研究结合反向双反转恢复（RDIR）和基于人工智能辅助压缩感知（ACS）重建的单次激发暗血快速自旋回波（SS-RDIR）技术，实现了自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估	结合RDIR和ACS重建的SS-RDIR技术显著缩短扫描时间并提高图像质量，优于传统多激发技术	研究样本量较小（20名健康儿童和47名儿科患者），且未提及长期临床效果验证	开发一种自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估方法	健康儿童和儿科患者的心脏成像	数字病理	心血管疾病	暗血T2加权快速自旋回波（DB-FSE）、反向双反转恢复（RDIR）、人工智能辅助压缩感知（ACS）重建	AI-assisted compressed sensing (ACS)	医学影像	67名受试者（20名健康儿童和47名儿科患者）
208	2025-05-21	MHAU-Net: a multi-scale hybrid attention U-shaped network for the segmentation of MRI breast tumors 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1515 PMID:40384695	research paper	提出了一种名为MHAU-Net的多尺度混合注意力U型网络，用于MRI乳腺肿瘤的分割	使用四组不同扩张率的空洞卷积提取多尺度上下文信息，并结合通道和空间注意力块提取混合注意力特征，提高了对不同大小和形状肿瘤的适应性	未提及具体的局限性	实现MRI扫描中乳腺肿瘤的准确自动分割	MRI乳腺肿瘤图像	digital pathology	breast cancer	MRI	MHAU-Net (基于3D U-Net的改进)	3D图像	906张3D乳腺MRI图像
209	2025-05-21	Detection-guided deep learning-based model with spatial regularization for lung nodule segmentation 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2511 PMID:40384696	研究论文	提出了一种结合检测引导和空间正则化的深度学习模型，用于肺部结节的分割	整合了基于U-Net的分割和基于ResNet的分类过程，并应用特征组合块和空间正则化技术以提高精度	训练数据集有限，可能影响模型的泛化能力	开发一种准确可靠的肺部结节分割方法，以辅助放射科医生提高诊断准确性	肺部结节	计算机视觉	肺癌	深度学习	U-Net, ResNet	CT图像	NA
210	2025-05-21	Lightweight attention network for guidewire segmentation and localization in clinical fluoroscopic images of vascular interventional surgery 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2926 PMID:40384703	research paper	本研究提出了一种轻量级注意力网络，用于血管介入手术临床荧光图像中导丝的分割与定位	引入了双边特征融合（BGA）模块和轻量级门控注意力（SDA）模块，提高了导丝分割的精确度	研究中使用的数据集仅来自38名受试者，样本量相对较小	提升经导管动脉化疗栓塞术（TACE）中导丝输送的精确性和实用性	临床荧光图像中的导丝	computer vision	cardiovascular disease	深度学习	CNN	image	2,839张X射线图像，来自38名受试者
211	2025-05-21	Deep learning-based key point detection algorithm assisting vessel centerline extraction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1949 PMID:40384705	research paper	提出一种基于深度学习的关键点检测算法，用于辅助血管中心线提取，以提升斑块定量分析的准确性	针对迂曲血管中心线提取误差大的问题，提出关键点检测算法，显著提升检测精度和效率	研究为回顾性设计，且仅针对脑血管疾病患者，可能限制结果的普适性	提升血管中心线提取精度以辅助斑块定量评估	539名接受3.0-T MRI扫描的脑血管疾病患者	digital pathology	cerebrovascular disease	3.0-T MRI	deep learning	medical image	539例多中心脑血管疾病患者MRI影像
212	2025-05-21	Bibliometric analysis of the application of artificial intelligence in orthopedic imaging 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1384 PMID:40384704	研究论文	通过文献计量分析总结了基于AI的骨科影像学知识结构，并探讨了其潜在研究趋势和焦点	首次通过文献计量学方法系统分析AI在骨科影像学中的应用，揭示了研究热点和未来趋势	仅基于WoSCC数据库，可能遗漏其他数据库的重要文献	总结AI在骨科影像学领域的知识结构并探索研究趋势	2007-2024年间WoSCC数据库中关于AI在骨科影像学应用的文献	医学影像分析	骨科疾病	文献计量分析	CNN	文献数据	3,147篇出版物
213	2025-05-21	Value of deep learning model for predicting Breast Imaging Reporting and Data System 3 and 4A lesions on mammography 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1523 PMID:40384713	研究论文	评估基于乳腺X线摄影的深度学习模型在区分BI-RADS 3和4A病变中的诊断价值及其对放射科医生决策的影响	深度学习模型显著提高了初级放射科医生对BI-RADS 3和4A病变的诊断性能，有效减少漏诊和不必要的活检	研究为回顾性多中心研究，可能受到选择偏倚的影响，且深度学习模型的性能仍逊于资深放射科医生	评估深度学习模型在乳腺X线摄影中区分BI-RADS 3和4A病变的诊断价值	824名患者的846个乳腺X线摄影检测到的乳腺病变（BI-RADS 3和4A）	数字病理	乳腺癌	深度学习	DL模型	图像	846个乳腺病变（来自824名患者）
214	2025-05-21	Light Bladder Net: Non-invasive Bladder Cancer Prediction by Weighted Deep Learning Approaches and Graphical Data Transformation 2025-May, Anticancer research IF:1.6Q4 DOI:10.21873/anticanres.17572 PMID:40295062	research paper	该研究开发了一种轻量级深度学习模型Light-Bladder-Net (LBN)，用于通过常规尿液数据非侵入性预测膀胱癌	通过数据转换、添加均匀噪声、特征选择方法及加权投票策略，提高了模型的泛化能力和分类准确性	未提及模型在更大规模或多样化数据集上的验证情况	开发一种快速、轻量级的非侵入性膀胱癌检测方法	膀胱癌患者的常规尿液数据	digital pathology	bladder cancer	deep learning, feature selection methods (mRMR, PCA, SVD, t-SNE)	Light-Bladder-Net (LBN)	urine data	NA
215	2025-05-21	Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning 2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology DOI:10.1002/wnan.70015 PMID:40391396	综述	本文综述了表面增强拉曼散射（SERS）纳米标签的设计策略、生物医学应用及其与机器学习的整合	强调了SERS纳米标签在生物成像、治疗诊断和液体活检中的最新应用，以及机器学习在提升SERS纳米标签效能中的作用	讨论了SERS纳米标签在临床转化中面临的挑战	探讨SERS纳米标签在生物医学领域的应用及其与机器学习的整合	SERS纳米标签及其在生物医学中的应用	生物医学工程	癌症、SARS-CoV-2	表面增强拉曼散射（SERS）	机器学习（ML）、深度学习	光谱数据、图像数据	NA
216	2025-05-21	Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study 2025-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-1024 PMID:40386596	research paper	本研究验证了多种深度学习模型在结直肠肿瘤分化中的应用，通过内镜超声图像进行双中心研究	结合内镜超声(EUS)与人工智能(AI)技术，验证了四种深度学习模型在结直肠腺瘤和癌症诊断中的效能，并与传统内镜诊断进行比较	研究为回顾性设计，样本量相对有限(554例患者)，且仅来自两个中心	验证EUS结合AI在结直肠腺瘤和癌症诊断中的有效性	结直肠病变患者(包括CRC、腺瘤和对照组)	digital pathology	colorectal cancer	endoscopic ultrasound (EUS)	ResNet50, EfficientNet-B0, VGG_11_BN, ViT	image	554例患者(167例CRC，136例腺瘤，251例对照)
217	2025-05-21	Deep learning model for predicting spread through air spaces of lung adenocarcinoma based on transfer learning mechanism 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-985 PMID:40386718	研究论文	本研究基于深度学习算法开发并验证了一种用于预测肺腺癌空气播散（STAS）的模型	利用迁移学习机制结合ResNet50架构和最优语义特征构建混合模型，提高了STAS的预测性能	样本量相对较小（290例患者），且为回顾性研究	术前预测肺腺癌的空气播散（STAS）以帮助选择合适的手术和治疗策略	肺腺癌（LUAD）患者	数字病理	肺癌	深度学习	ResNet50	CT图像	290例患者（203例训练集，87例测试集）
218	2025-05-21	A narrative review of preoperative CT for predicting spread through air spaces of lung cancer 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-952 PMID:40386727	综述	本文回顾并总结了计算机断层扫描（CT）在预测肺癌空气扩散（STAS）中的作用，讨论了该领域研究的局限性和未来方向	结合人工智能发展，通过放射组学和深度学习方法显著提升了STAS预测模型的效能	风险分层研究仍然有限，需要通过更全面的STAS病理学定义进一步完善	评估术前CT成像预测STAS的可行性	肺癌患者的术前CT影像	数字病理学	肺癌	CT成像、放射组学、深度学习	深度学习模型	医学影像	NA
219	2025-05-21	Integrating radiomics and deep learning for enhanced prediction of high-grade patterns in stage IA lung adenocarcinoma 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-995 PMID:40386715	研究论文	本研究开发了一种基于术前CT图像的融合模型，用于预测IA期肺浸润性非黏液性腺癌中高级别模式（HGPs）的存在	结合放射组学特征和深度学习特征，使用XGBoost分类器构建融合模型，显著提高了预测HGPs的准确性	研究为回顾性分析，样本量相对有限（403例患者），且仅针对IA期肺浸润性非黏液性腺癌	开发术前预测肺腺癌高级别模式的工具，以辅助临床制定个体化治疗方案	403例手术治疗的临床IA期且病理确诊为浸润性非黏液性腺癌的患者	数字病理	肺癌	CT成像	XGBoost	图像	403例患者
220	2025-05-21	Fully automated MRI-based analysis of the locus coeruleus in aging and Alzheimer's disease dementia using ELSI-Net 2025 Apr-Jun, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70118 PMID:40365469	研究论文	介绍了一种基于深度学习的自动化MRI分析方法ELSI-Net，用于评估蓝斑核(LC)在衰老和阿尔茨海默病(AD)痴呆中的完整性	开发了名为ELSI-Net的集成式蓝斑核分割网络，相比之前的工作表现更优，并与人工评分和已发布的LC图谱高度一致	需要在更多样化的临床队列数据集上进行进一步评估，以全面验证ELSI-Net的普适性	评估蓝斑核在衰老和阿尔茨海默病痴呆中的完整性，并探索其与AD病理生物标志物的关联	健康老年人和阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	MRI	深度学习(ELSI-Net)	医学影像	健康老年人和AD痴呆患者数据集(具体数量未明确说明)