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
3521	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3522	2026-02-23	Advancing Pulmonary Embolism Detection with Integrated Deep Learning Architectures 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01506-6 PMID:40281216	研究论文	本研究提出了一种名为HybridNeXt的新型混合深度学习模型，用于从CT图像中检测肺栓塞，并通过深度特征工程方法进一步提升分类性能	提出了一种结合MobileNet、ResNet、ConvNeXt和Swin Transformer等先进CNN模块的混合深度学习架构，并开发了基于多级离散小波变换的深度特征工程方法以提升分类准确率	未明确提及模型在外部验证集上的泛化能力或临床部署中的实时性限制	开发一种用于生物医学图像分类的高精度深度学习模型，特别针对肺栓塞检测	CT图像中的肺栓塞检测	计算机视觉	肺栓塞	CT成像	CNN, Transformer	图像	未明确指定样本数量，但数据集包含肺栓塞和对照组两类	未明确指定，但可能涉及PyTorch或TensorFlow	HybridNeXt（结合MobileNet、ResNet、ConvNeXt、Swin Transformer）	准确率	未明确指定
3523	2026-02-23	Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01513-7 PMID:40301288	研究论文	本文提出了一种创新的多模态深度学习框架，通过微调预训练的单模态视网膜模型，结合低秩适应技术，用于年龄相关性黄斑变性的分类任务	引入低秩适应技术减少多模态整合的计算复杂度，结合深度典型相关分析进行跨模态特征融合，显著提升了分类性能	仅使用公开数据集MMC-AMD进行验证，未在更广泛或临床数据上测试	开发一个高效的多模态深度学习框架，用于年龄相关性黄斑变性的准确分类	年龄相关性黄斑变性患者的彩色眼底摄影和光学相干断层扫描图像	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影, 光学相干断层扫描	Vision Transformer	图像	公开数据集MMC-AMD	PyTorch	Vision Transformer	F1分数, AUC-ROC, 准确率	NA
3524	2026-02-23	Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01479-6 PMID:40301289	研究论文	本文提出了一种结合ConvNeXt和Swin Transformer的双路径深度学习架构，用于高精度血细胞图像分类	创新性地将卷积神经网络（ConvNeXt）与Transformer网络（Swin Transformer）结合，构建双路径架构，并引入了多尺度预处理模块（MPM）来增强图像质量	未在论文摘要中明确说明	开发一种高精度的自动化血细胞图像分类方法，以辅助血液疾病的诊断和监测	血细胞图像	计算机视觉	血液疾病	图像处理（局部对比度增强、全局光照归一化、形态学特征增强）	CNN, Transformer	图像	17,092张血细胞图像	NA	ConvNeXt, Swin Transformer	准确率	NA
3525	2026-02-23	Super-Resolution Deep Learning Reconstruction for T2*-Weighted Images: Improvement in Microbleed Lesion Detection and Image Quality 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01522-6 PMID:40301290	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）相较于传统深度学习重建（DLR）在脑部MRI中检测和可视化微出血病灶以及提升图像质量方面的表现	首次将超分辨率深度学习重建（SR-DLR）应用于脑部T2*加权图像，并系统评估其在微出血病灶检测和图像质量提升方面的效果	研究为回顾性设计，样本量相对较小（69例患者），且仅使用单一MRI设备（3T）的数据	评估超分辨率深度学习重建（SR-DLR）在脑部MRI中提升微出血病灶检测能力和图像质量的有效性	脑部MRI图像中的微出血病灶	医学影像分析	脑血管疾病	脑磁共振成像（MRI），包括T2*加权2D梯度回波和3D血流敏感黑血成像	深度学习模型	医学影像（MRI图像）	69名患者（平均年龄66.2±13.8岁，其中44名女性）	NA	NA	Jackknife替代自由响应接收器操作特性分析、灵敏度、图像锐度、噪声、伪影、整体质量、半高全宽、边缘上升斜率	NA
3526	2026-02-23	A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01515-5 PMID:40301291	研究论文	本研究提出了一种基于狄利克雷分布的复杂集成方法，结合迁移学习和多阶段间隔重复法，用于从超声图像中进行乳腺癌分类	创新点包括将教育科学中的间隔重复法应用于人工智能以提升模型成功率和减少学习时间，以及基于狄利克雷分布的集成学习系统	未在摘要中明确提及	开发一个用于乳腺癌早期检测的计算机辅助决策系统，以提高分类准确性和可靠性	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	CNN	图像	使用Breast Ultrasound Images Dataset (BUSI)，具体样本数量未在摘要中提供	未在摘要中指定，可能涉及TensorFlow或PyTorch	DenseNet201, InceptionV3, VGG16, ResNet152	验证准确率	未在摘要中提及
3527	2026-02-23	Multimodal Masked Autoencoder Based on Adaptive Masking for Vitiligo Stage Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01521-7 PMID:40301294	研究论文	提出了一种基于自适应掩码的多模态掩码自编码器，用于白癜风分期分类	通过自适应掩码策略和图像重建任务，减少对标注数据的依赖，并利用预训练缓解多模态数据稀缺问题，增强了模型从多模态数据中提取特征的能力	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种深度学习模型，以准确分类白癜风的分期（稳定期与活动期）	白癜风皮肤图像，包括临床图像和伍德灯下图像	计算机视觉	白癜风	多模态图像分析	自编码器	图像	未标注的皮肤病图像数据集（具体数量未提及）	NA	多模态掩码自编码器	准确率	NA
3528	2026-02-23	Improved Image Quality of Virtual Monochromatic Images with Deep Learning Image Reconstruction Algorithm on Dual-Energy CT in Patients with Pancreatic Ductal Adenocarcinoma 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01514-6 PMID:40307592	研究论文	本研究评估了使用深度学习图像重建算法在双能CT中重建的虚拟单能图像在胰腺导管腺癌诊断中的图像质量	首次将深度学习图像重建算法应用于双能CT的虚拟单能图像重建，显著提升了低keV水平下的图像质量	研究为回顾性分析，样本量较小（50例患者），且仅针对胰腺导管腺癌	评估深度学习图像重建算法在双能CT虚拟单能图像中改善图像质量的效果，以优化胰腺导管腺癌的诊断	经组织学确认的胰腺导管腺癌患者	数字病理	胰腺导管腺癌	双能CT	深度学习图像重建算法	CT图像	50例患者	NA	TFI-M	对比噪声比, 图像噪声, 软组织锐度, 血管对比度, 肿瘤显著性, 噪声功率谱分析	NA
3529	2026-02-23	Deep Learning on Misaligned Dual-Energy Chest X-ray Images Using Paired Cycle-Consistent Generative Adversarial Networks 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01508-4 PMID:40325327	研究论文	本文提出了一种基于配对循环一致性生成对抗网络的框架，用于有效去除双能胸片中的运动伪影和统计噪声	首次将配对循环一致性生成对抗网络应用于双能胸片，结合集成判别器、可微分增强、抗锯齿卷积层和8层U-Net生成器，显著提升了运动伪影抑制和图像质量	研究仅基于600例临床检查数据，可能受限于样本多样性和规模；未详细讨论模型在极端运动或噪声条件下的泛化能力	开发一种深度学习方法来去除双能胸片中的运动伪影和统计噪声，以提升图像质量和临床诊断价值	双能减影胸片图像，特别是受运动伪影和统计噪声影响的低能图像和骨抑制图像	计算机视觉	NA	双能减影胸片成像	GAN	图像	600例临床双能胸片检查数据	NA	U-Net	峰值信噪比, 结构相似性指数, Fréchet inception距离, 10%最大全宽分析	NA
3530	2026-02-23	A Deep Learning-Based Framework for Automatic Determination of Developmental Dysplasia of the Hip from Graf Angles 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01518-2 PMID:40325325	研究论文	本研究提出了一种基于深度学习的框架，用于从超声图像中自动确定发育性髋关节发育不良的Graf角度	结合DeepLabv3+进行图像分割、形态学操作和局部极大值方法，以自动化方式诊断DDH，减少操作者依赖性并提高测量一致性	未明确提及，但可能包括对超声图像质量、数据多样性和泛化能力的依赖	开发一个自动化框架，用于新生儿发育性髋关节发育不良的早期诊断	新生儿髋关节超声图像	计算机视觉	发育性髋关节发育不良	超声成像	CNN	图像	NA	TensorFlow, Keras	DeepLabv3+, ResNet50, InceptionResNetV2, MobilenetV2, Xception	准确率, IoU, PSNR, F-score, SSIM, Cohen's kappa, 组内相关系数, Bland-Altman分析	NA
3531	2026-02-23	A Deep Learning Approach for Mandibular Condyle Segmentation on Ultrasonography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01527-1 PMID:40329156	研究论文	本研究开发并评估了一种基于深度学习的计算机诊断软件，用于超声图像中下颌髁突的分割	首次将YOLOv8深度学习模型应用于超声图像中下颌髁突的自动分割，实现了高精度的分割性能	研究仅基于668张回顾性超声图像，样本量相对有限，且未涉及不同设备或患者群体的外部验证	开发并评估用于超声图像中下颌髁突分割的计算机辅助诊断软件	匿名成人下颌髁突的超声图像	医学图像处理	颌面部疾病	超声成像	CNN	图像	668张回顾性超声图像	NA	YOLOv8	F1分数, 敏感度, 精确度	NA
3532	2026-02-23	Deep Learning for Classification of Solid Renal Parenchymal Tumors Using Contrast-Enhanced Ultrasound 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01525-3 PMID:40329155	研究论文	本研究评估了基于ResNet-18和RepVGG架构的深度学习模型在使用对比增强超声图像对肾实质实性肿瘤亚型进行分类方面的能力	首次将深度学习模型应用于对比增强超声图像，以区分肾实质实性肿瘤的不同亚型，并比较了ResNet-18和RepVGG-A0模型的性能	研究为回顾性设计，样本量相对较小，且仅基于单一机构的图像数据	评估深度学习模型在肾实质实性肿瘤亚型分类中的性能	237个肾肿瘤的对比增强超声图像，包括46个血管平滑肌脂肪瘤、118个透明细胞肾细胞癌、48个乳头状肾细胞癌和25个嫌色细胞肾细胞癌	计算机视觉	肾癌	对比增强超声	CNN	图像	237个肾肿瘤图像	NA	ResNet-18, RepVGG-A0	灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数, 马修斯相关系数, 准确率, AUC, 混淆矩阵分析	NA
3533	2026-02-23	Deep Learning-Based CT-Less Cardiac Segmentation of PET Images: A Robust Methodology for Multi-Tracer Nuclear Cardiovascular Imaging 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01528-0 PMID:40329157	研究论文	本文开发了一种基于深度学习的无CT心脏PET图像分割方法，用于多示踪剂核心血管成像	提出直接分割心脏PET图像的深度学习方法，克服了传统基于CT图像分割的局限性，并在多示踪剂和外部验证集上表现出鲁棒性能	研究样本量相对有限（406张图像），且依赖于手动校正步骤，可能引入主观偏差	开发一种无需CT图像的自动化心脏PET图像分割方法，以提高核心血管成像的定量分析准确性	心脏PET图像，包括来自146名患者的406张图像（43张F-FDG、329张N-NH和37张Rb图像）	数字病理学	心血管疾病	PET成像	深度学习	图像	406张心脏PET图像（来自146名患者）	nnU-Net	nnU-Net V2	Dice系数, Jaccard距离, 平均表面距离, 分割体积相对误差	NA
3534	2026-02-23	Enhancing Breast Cancer Detection Through Optimized Thermal Image Analysis Using PRMS-Net Deep Learning Approach 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01465-y PMID:40329154	研究论文	本研究提出了一种名为PRMS-Net的深度学习模型，通过优化热图像分析来增强乳腺癌检测	创新性地将渐进残差网络（PRN）与ResNet-50集成到渐进残差多类支持向量机网络框架中，优化特征提取并提升分类效果	NA	提高乳腺癌早期检测的准确性和可靠性	乳腺癌热图像	计算机视觉	乳腺癌	热图像分析	深度学习	图像	NA	NA	渐进残差网络（PRN）, ResNet-50	准确率, 精确率, 召回率, F1分数	NA
3535	2026-02-23	Two-Stage Automatic Liver Classification System Based on Deep Learning Approach Using CT Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01480-z PMID:40355689	研究论文	提出了一种基于深度学习的肝脏两阶段自动分类系统，使用非对比CT图像区分肿瘤、泡型包虫病和健康病例	提出了一种结合RCNN自动肝脏区域检测和CNN分类框架的两阶段方法，用于非对比CT图像的肝脏疾病早期诊断	未明确说明模型在外部验证集上的泛化性能，样本量相对有限（233名患者）	开发一种基于非对比CT图像的自动肝脏疾病早期诊断系统	肝脏CT图像，包括健康组织、肿瘤和泡型包虫病病例	计算机视觉	肝脏疾病	CT成像	CNN, RCNN	图像	233名患者的超过27,000张胸腹部图像，其中8,206张包含肝脏组织	NA	RCNN, CNN	准确率	NA
3536	2026-02-23	Effect of Deep Learning-Based Image Reconstruction on Lesion Conspicuity of Liver Metastases in Pre- and Post-contrast Enhanced Computed Tomography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01529-z PMID:40355690	研究论文	本研究探讨了深度学习图像重建在增强前后CT中提升肝转移瘤病灶显著性的效用	首次在中高强度水平（DLIR-M和DLIR-H）上比较深度学习图像重建与传统混合迭代重建在肝转移瘤病灶显著性上的差异	样本量较小（41例患者），且三位观察者在平扫CT中对最佳重建方法的选择存在不一致	评估深度学习图像重建在CT中改善肝转移瘤病灶显著性的效果	肝转移瘤患者的增强前后腹部CT图像	计算机视觉	肝转移瘤	CT成像	深度学习图像重建	医学图像（CT）	41例肝转移瘤患者	NA	TrueFildelity-M, TrueFildelity-H	病灶显著性评分（5点量表）	NA
3537	2026-02-23	Modifying the U-Net's Encoder-Decoder Architecture for Segmentation of Tumors in Breast Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01537-z PMID:40374986	研究论文	本文提出了一种基于U-Net编码器-解码器架构改进的神经网络方法，用于提高乳腺超声图像中肿瘤分割的准确性和有效性	通过将U-Net与Res-Net和MultiResUNet结合，并引入新的Co-Block模块，以尽可能保留低层次和高层次特征，从而改进编码器和解码器部分	NA	提高乳腺超声图像分割的准确性和有效性	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声成像	CNN	图像	780张图像，分为正常、良性和恶性三类	NA	U-Net, ResNet, MultiResUNet	Dice相似系数, 交并比, 曲线下面积, 全局准确率	NA
3538	2026-02-23	Artificial Intelligence and Data Science Methods for Automatic Detection of White Blood Cells in Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01538-y PMID:40379861	研究论文	本研究评估人工智能和数据科学方法在自动检测和分类白细胞图像中的应用，以支持血液疾病如白血病的诊断	通过文献调查和科学图谱方法，系统评估了AI和DS在白细胞图像自动检测中的有效性，并探讨了生成式AI在血液细胞诊断中的未来应用潜力	研究基于文献综述，缺乏实际临床数据验证，且未详细讨论具体算法在真实医疗环境中的性能限制	评估人工智能和数据科学方法在生物医学诊断中自动检测和计数白细胞及其类型的有效性	白细胞图像，用于血液疾病如白血病的诊断	计算机视觉	白血病	文献调查，科学图谱方法	机器学习，深度学习，分类算法	图像	NA	NA	NA	NA	NA
3539	2026-02-23	Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01504-8 PMID:40392414	研究论文	本研究探讨了在多位专家标注者存在的情况下，使用深度神经网络进行前列腺腺体分割时面临的挑战，并提出了量化性能变异性和改进模型泛化性的策略	提出量化深度神经网络在不同专家标注者间的性能变异性，并探索通过结合不同专家标注数据来训练网络以提高模型可重复性和泛化能力	模型对小尺寸腺体的分割性能下降，且研究仅基于两位专家的标注数据，可能无法完全代表更广泛的临床专家变异性	解决临床专家间标注变异性对深度神经网络可重复性和泛化性的影响，并探索改进训练策略	前列腺腺体的磁共振图像分割	数字病理学	前列腺癌	磁共振成像	CNN	图像	总样本数546例（专家R#1标注342例，专家R#2标注204例），训练使用代表性队列（R#1的100例和R#2的150例）	NA	3D U-Net	Dice系数	NA
3540	2026-02-23	Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01543-1 PMID:40394318	研究论文	本研究利用ResNet50深度学习模型对前列腺组织病理学图像进行分类，以区分良性和恶性前列腺癌	采用ResNet50模型进行前列腺癌组织病理学图像分类，并展示了相较于MobileNet和CNN-RNN等模型4.26%的性能提升	NA	优化前列腺癌的诊断准确性，以改善患者预后和治疗成功率	前列腺活检组织病理学图像	数字病理学	前列腺癌	组织病理学成像	CNN	图像	1276张前列腺活检图像	NA	ResNet50	准确率, 精确率, 召回率, F1分数, 置信区间	NA