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
3661	2025-10-06	Automated diagnosis and management of follicular thyroid nodules based on the devised small-dataset interpretable foreground optimization network deep learning: a multicenter diagnostic study 2023-09-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000506 PMID:37204464	研究论文	开发基于小数据集可解释前景优化网络深度学习的滤泡性甲状腺结节自动诊断系统	针对小数据集设计可解释前景优化网络，并首次系统评估结节边缘纹理信息对滤泡性甲状腺癌预测的影响	样本量相对有限（总样本503例），外部验证仅包含71例患者	开发可靠的术前滤泡性甲状腺癌检测系统，减少侵入性诊断需求	滤泡性甲状腺结节患者	数字病理	甲状腺癌	超声成像	深度学习	超声图像	训练和内部验证队列432例（来自瑞金医院），外部验证队列71例（来自四个临床中心）	NA	FThyNet（可解释前景优化网络）	AUC, 准确率	NA
3662	2025-10-06	Automatic prostate volume estimation in transabdominal ultrasound images 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112274 PMID:40614658	研究论文	提出基于深度学习的框架，利用经腹超声图像自动估计前列腺体积	首次开发针对经腹超声图像的深度学习框架，实现非侵入性前列腺体积自动估计	样本量相对较小（100例患者），经腹超声图像质量较低且存在操作者依赖性	改进前列腺癌风险分层的非侵入性方法	100名前列腺患者（中位年龄67岁）的经腹超声视频数据	计算机视觉	前列腺癌	超声成像	深度学习	超声视频图像	100例患者	NA	NA	Dice相关系数, Hausdorff距离, 体积误差	NA
3663	2025-10-06	Impact of super-resolution deep learning-based reconstruction for hippocampal MRI: A volunteer and phantom study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112289 PMID:40639021	研究论文	评估超分辨率深度学习重建对海马体磁共振图像质量的影响	首次将超分辨率深度学习重建技术应用于海马体MRI，在保持对比度的同时显著提升图像质量并减少采集时间	样本量较小（仅13名健康志愿者），缺乏患者数据验证	评估超分辨率深度学习重建技术对海马体MRI图像质量的改善效果	健康志愿者和ACR模体	医学影像分析	神经系统疾病	MRI，超分辨率深度学习重建	深度学习	磁共振图像	13名健康志愿者和ACR模体	NA	NA	对比度，对比噪声比，隔板斜率，噪声，伪影，锐度，整体质量	3T MRI
3664	2025-10-06	Deep learning CAIPIRINHA-accelerated 3D MRI of the knee cartilage at 7 Tesla 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112287 PMID:40651115	研究论文	本研究探讨了在7特斯拉磁场下使用深度学习重建的CAIPIRINHA加速3D DESS序列进行膝关节软骨成像的可行性和扫描时间缩减程度	首次将深度学习重建与CAIPIRINHA加速技术结合应用于7T膝关节软骨成像，实现了最高六倍加速而保持图像质量	样本量较小（18名志愿者的35个膝关节），未在患者群体中验证	评估深度学习重建在7T膝关节软骨加速MRI中的可行性和性能	健康志愿者的膝关节软骨	医学影像分析	骨科疾病	3D双回波稳态序列，并行成像加速技术	深度学习	MRI图像	18名志愿者的35个膝关节	NA	NA	图像质量评分，统计学显著性分析，读者间一致性评估	NA
3665	2025-10-06	A novel segmentation-based deep learning model for enhanced scaphoid fracture detection 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112309 PMID:40652603	研究论文	开发了一种基于分割的深度学习模型，用于从手腕X光片中检测明显和隐匿的舟骨骨折	首次提出基于分割的深度学习模型用于舟骨骨折检测，特别在隐匿骨折检测方面表现优于临床专家	样本量相对有限（408例患者），仅使用单一机构数据	开发深度学习模型检测舟骨骨折，并与专家诊断性能进行比较	手腕X光片中的舟骨骨折	计算机视觉	骨科创伤	磁共振成像,计算机断层扫描	深度学习	X光图像	408例患者，410个手腕，1011张X光片（其中718张包含舟骨骨折，58例为隐匿骨折）	NA	基于分割的深度学习模型	敏感度,特异度,准确率,AUC	NA
3666	2025-10-06	Deep learning reconstruction enhances bone visualization in zero echo time MRI for cervical spondylosis: A prospective study 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112310 PMID:40669257	研究论文	本研究评估深度学习重建技术在零回波时间MRI中提升颈椎病骨组织可视化效果的应用价值	首次将深度学习重建技术应用于零回波时间MRI，在保证图像质量的同时显著缩短62%扫描时间	样本量有限（43例患者），需进一步多中心验证	评估深度学习重建技术对零回波时间MRI图像质量和扫描时间的优化效果	颈椎病术前患者的骨组织和软组织结构	医学影像分析	颈椎病	零回波时间MRI，深度学习重建	深度学习	MRI图像	43例颈椎病术前患者	NA	NA	信噪比，对比噪声比，κ值，组内相关系数	NA
3667	2025-10-06	Automated CAD-RADS scoring from multiplanar CCTA images using radiomics-driven machine learning 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112320 PMID:40684709	研究论文	本研究开发了一种基于放射组学的机器学习方法，用于从多平面CCTA图像自动进行CAD-RADS评分	首个基于放射组学的CAD-RADS分类模型，相比深度学习方法具有更好的可解释性	回顾性单中心研究，样本量相对有限	自动化冠状动脉疾病报告与数据系统评分	冠状动脉疾病患者	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管成像	机器学习	医学影像	251名患者	NA	级联管道模型	AUC	NA
3668	2025-10-06	NAVIGATOR: A regional multimodal imaging biobank initiative powered by AI tools for precision medicine in oncology 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112327 PMID:40743874	研究论文	介绍NAVIGATOR项目建立的意大利区域影像生物库和交互式研究平台，通过整合多模态影像、临床和组学数据支持精准肿瘤学	超越静态存储库，提供安全的虚拟研究环境，用户可上传数据、测试AI算法并执行完整分析流程	NA	推进肿瘤学研究并支持临床决策	前列腺癌、直肠癌和胃癌患者	数字病理	前列腺癌,直肠癌,胃癌	影像组学,深度学习	深度学习模型	多模态影像,临床数据,组学数据	700多名患者	NA	NA	NA	虚拟研究环境
3669	2025-10-06	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出一种基于变分点云自编码器的3D心脏形状分析方法，用于心肌梗死预测和虚拟心脏合成	首次将多类别变分点云自编码器应用于3D心脏形状分析，能够直接从高分辨率点云中学习多尺度特征，并在低维可解释潜在空间中捕获复杂非线性3D形状变异	NA	开发用于3D心脏形状和功能分析的几何深度学习方法	人类心脏解剖结构	计算机视觉	心血管疾病	点云分析	VAE	3D点云	超过10,000名受试者	NA	变分点云自编码器	Chamfer距离, AUROC, Harrell's concordance index	NA
3670	2025-10-06	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	研究论文	提出一种名为FeaCL的自监督学习技术，通过特征级和实例级对比学习提升颈动脉斑块超声图像分类性能	首次将特征级和实例级对比学习结合用于颈动脉斑块分类，采用三元组网络和强弱数据增强策略学习有效表征	仅使用单一超声图像数据集进行验证，需要更多临床数据进一步验证泛化能力	解决颈动脉斑块超声图像标签稀缺问题，提升分类准确率	颈动脉斑块超声图像	计算机视觉	心血管疾病	超声成像	自监督学习, 对比学习	图像	未明确具体样本数量	NA	三元组网络	准确率	NA
3671	2025-10-06	D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102589 PMID:40602042	研究论文	提出一种基于无监督配准网络的脑区分割方法D2C-Morph，能够联合执行图像配准和分割任务	通过双路径网络强调输入特征，采用两次对比学习，并利用相关层增强特征图相似性的相关特征图提升解码器性能	NA	开发能够联合执行脑图像配准和分割的深度学习模型	脑部图像数据	计算机视觉	NA	无监督学习	深度学习网络	医学图像	NA	NA	双路径网络	NA	NA
3672	2025-10-06	PedSemiSeg: Pedagogy-inspired semi-supervised polyp segmentation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102591 PMID:40609495	研究论文	提出一种受教学法启发的半监督息肉分割框架PedSemiSeg，旨在解决标注数据稀缺和分布偏移问题	将真实教育环境中的教师反馈和同伴辅导概念引入半监督学习，通过强增强输入（学生）和弱增强输入（教师）的正负向学习方式，以及基于预测熵的相互同伴辅导	NA	提升有限标注数据条件下的息肉分割性能，增强模型在测试时的泛化能力	结直肠息肉分割	计算机视觉	结直肠癌	深度学习	半监督学习框架	医学图像	在两个公共数据集上进行实验，并测试外部未见多中心数据集	NA	NA	NA	NA
3673	2025-10-06	Leveraging multithreading on edge computing for smart healthcare based on intelligent multimodal classification approach 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102594 PMID:40614479	研究论文	提出一种基于边缘计算和多线程的智能医疗多模态分类系统	采用多线程并行架构在边缘设备上实现混合机器学习和深度学习处理模块，结合遗传算法优化轻量级神经网络	仅使用三种特定疾病数据集进行验证，未涉及更多医疗场景	开发智能临床决策支持系统，实现医疗多模态数据的自动化诊断	脑肿瘤、肺炎和结肠癌的医学影像数据	医疗人工智能	脑肿瘤,肺炎,结肠癌	遗传算法优化	CNN	医学影像	NA	Python, PyCharm, Thonny	MobileNet, EfficientNet, ResNet18	准确率, 计算复杂度降低百分比, 推理加速比	三个树莓派边缘计算设备, 边缘服务器
3674	2025-10-06	CT-Mamba: A hybrid convolutional State Space Model for low-dose CT denoising 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102595 PMID:40616952	研究论文	提出一种混合卷积状态空间模型CT-Mamba用于低剂量CT图像去噪	结合CNN的局部特征提取优势与Mamba的长程依赖捕获能力，提出空间连贯的Z形扫描方案和Mamba驱动的深度噪声功率谱损失函数	去噪图像与正常剂量CT图像在噪声分布上仍存在差异	低剂量CT图像去噪	低剂量CT图像	计算机视觉	NA	CT成像	CNN, State Space Model	医学图像	NA	NA	CT-Mamba	噪声降低效果、细节保留能力、噪声纹理分布优化、放射组学特征统计相似性	NA
3675	2025-10-06	AMeta-FD: Adversarial Meta-learning for Few-shot retinal OCT image Despeckling 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102597 PMID:40618583	研究论文	提出一种基于对抗元学习的少样本视网膜OCT图像去斑方法AMeta-FD	结合对抗训练与元学习框架，引入新的抑制损失函数，仅需少量原始-干净图像对即可有效去除斑点噪声	需要人工配准和平均多幅重复图像来生成真实标签，且仅使用60对训练样本	开发少样本条件下视网膜OCT图像去斑算法	视网膜OCT图像	计算机视觉	眼科疾病	光学相干断层扫描	GAN, 元学习	图像	60对原始-干净图像对（占完整训练集的12%）	PyTorch	AMeta-FD	信噪比	NA
3676	2025-10-06	A deep learning-based clinical decision support system for glioma grading using ensemble learning and knowledge distillation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102602 PMID:40663835	研究论文	提出一种基于集成学习和知识蒸馏的深度学习临床决策支持系统，用于胶质瘤分级	采用集成学习构建教师模型，并在学生模型训练中应用不确定性加权集成平均来优化知识传递，缩小师生性能差距	NA	开发用于胶质瘤分级的临床决策支持系统	胶质瘤医学图像	医学图像处理	胶质瘤	深度学习	集成学习,知识蒸馏	医学图像	NA	NA	NA	准确率,精确率,召回率,F1分数	NA
3677	2025-10-06	A Multisite Fusion-Based Deep Convolutional Neural Network for Classification of Helicobacter pylori Infection Status Using Endoscopic Images: A Multicenter Study 2025-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.70004 PMID:40682425	研究论文	开发基于多部位融合的深度卷积神经网络用于胃镜图像中幽门螺杆菌感染状态的分类	首次提出基于投票机制的多部位融合DCNN模型，整合胃部多个部位特征进行幽门螺杆菌感染状态分类	样本量相对有限（训练集676例，外部验证126例），模型准确率仍有提升空间	开发能够准确分类幽门螺杆菌感染状态的深度学习模型	胃镜白光图像	计算机视觉	消化系统疾病	胃镜检查	CNN	图像	训练集：676名受试者的3380张图像；外部验证：126名受试者	NA	Wide-ResNet	准确率, AUC, 敏感性, 特异性, 精确度	NA
3678	2025-10-06	Characterizing and differentiating brain states through a CS-KBRs framework for highlighting the synergy of common and specific brain regions 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102609 PMID:40706423	研究论文	本研究提出基于动态图卷积神经网络的CS-KBRs框架，用于识别关键脑区并区分不同大脑状态	提出动态更新邻接矩阵的DGCNN方法，能够更有效评估各脑区重要性，并首次将关键脑区划分为枢纽性共同区域和特异性区域	方法主要基于fMRI数据，在其他神经影像数据上的适用性有待验证	揭示不同脑区协调作用机制，提高大脑状态分类的准确性和可解释性	人类大脑区域及其功能连接	神经科学	NA	功能磁共振成像(fMRI)	动态图卷积神经网络(DGCNN)	脑功能连接数据	从148个脑区中筛选出56个关键脑区	NA	动态图卷积神经网络	分类准确率	NA
3679	2025-10-06	Comparative analysis of the tumor microenvironment in primary CNS and testicular large B-cell lymphomas using digital image analysis and its implications for immunotherapy 2025-Sep, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.105874 PMID:40714128	研究论文	通过数字图像分析比较原发性中枢神经系统和睾丸大B细胞淋巴瘤的肿瘤微环境特征	首次直接比较PCNSL和PTL的肿瘤微环境，揭示两者在免疫细胞组成和T细胞耗竭程度的显著差异	样本量有限（55例），仅针对特定免疫标记物进行分析	探究免疫特权部位原发性大B细胞淋巴瘤的肿瘤微环境差异及其对免疫治疗的启示	55例涉及中枢神经系统和睾丸的弥漫性大B细胞淋巴瘤病例	数字病理学	淋巴瘤	免疫组织化学染色，数字图像分析	深度学习	病理图像	55例淋巴瘤病例	NA	NA	P值	NA
3680	2025-10-06	Fluid-SegNet: Multi-dimensional loss-driven Y-Net with dilated convolutions for OCT B-scan fluid segmentation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102613 PMID:40763605	研究论文	提出一种基于深度学习的OCT B扫描图像中液体区域分割新方法Fluid-SegNet	采用多维度损失驱动的Y-Net架构结合扩张卷积，有效解决细小液体区域分割和异质性液体区域欠分割问题	NA	提高OCT B扫描图像中液体区域分割的准确性	视网膜OCT B扫描图像中的液体区域	计算机视觉	视网膜疾病	光学相干断层扫描	CNN	医学图像	三个公共数据集UMN、AROI和OIMHS	NA	Y-Net	Dice系数	NA