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
21	2025-04-01	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	提出一种基于可解释特征集的自动心律失常检测方法，使用12导联心电图数据	结合高精度与临床可解释性，提出新型特征集并采用SHAP值分析进行特征筛选	外部测试数据集上的性能（68% F1分数）较交叉验证（81%）有所下降	开发兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关分析	eXtreme Gradient Boosting (XGBoost)	心电图信号	NA（未明确提及具体样本量）
22	2025-04-01	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	研究论文	提出一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中提取胎儿和母体心率	利用transformer的自注意力机制，增强远程交互模拟和全局上下文捕捉能力，提高胎儿心跳定位的准确性和复杂性	研究样本量较小（20名正常受试者），需要进一步验证模型的泛化能力	提高胎儿健康监测的可及性和可靠性，特别是在资源匮乏的环境中	胎儿和母体的心率信号	数字病理学	胎儿心律失常	PCG（心音图）	FHSU-NETR（基于transformer的U-Net变体）	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
23	2025-04-01	Revolutionizing biological digital twins: Integrating internet of bio-nano things, convolutional neural networks, and federated learning 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109970 PMID:40101583	research paper	提出了一种结合生物纳米物联网、卷积神经网络和联邦学习的新型框架，用于解决生物数字孪生在微观和纳米尺度实施中的挑战	整合了IoBNT、CNN和FL技术，实现了高精度的细菌分类和高效的数据传输，同时保证了数据安全	未提及框架在实际工业应用中的具体实施障碍和成本效益分析	解决生物数字孪生在微观和纳米尺度实施中的数据提取、传输和计算复杂性	微生物（如细菌）的数字孪生模型	digital pathology	NA	IoBNT, FL	CNN	microscopic data	33 bacteria categories
24	2025-04-01	Automated Cerebrovascular Segmentation and Visualization of Intracranial Time-of-Flight Magnetic Resonance Angiography Based on Deep Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01215-6 PMID:39133457	研究论文	本文提出了一种基于深度学习的自动化脑血管分割和可视化方法，用于颅内飞行时间磁共振血管成像	提出的CNN方法在临床评分上优于其他两种基于深度学习的方法，其可视化效果被评估为与放射科医生手动重建的外观相似	研究仅基于394例TOF-MRA扫描，样本量可能不足以覆盖所有临床情况	评估深度学习血管分割技术在自动获取颅内动脉TOF-MRA图像质量方面的应用	颅内动脉的TOF-MRA图像	数字病理	脑血管疾病	TOF-MRA	CNN	图像	394例TOF-MRA扫描，包括脑血管健康、动脉瘤或狭窄病例
25	2025-04-01	The Usefulness of Low-Kiloelectron Volt Virtual Monochromatic Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction Technique in Improving the Delineation of Pancreatic Ductal Adenocarcinoma 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01214-7 PMID:39136827	研究论文	评估低keV多相CT结合深度学习图像重建技术在改善胰腺导管腺癌(PDAC)描绘中的效果	首次将深度学习图像重建(DLIR)技术应用于低keV虚拟单色成像(VMI)，显著提高了PDAC的对比噪声比(CNR)和病灶显着性评分	样本量较小(35例患者)，且为回顾性研究	改进胰腺导管腺癌的影像学诊断方法	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	多相CT扫描、虚拟单色成像(VMI)、深度学习图像重建(DLIR)	深度学习(具体模型未提及)	CT影像	35例PDAC患者
26	2025-04-01	Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00994-2 PMID:39138749	研究论文	本研究探讨了在缺血性卒中管理中，使用深度学习技术优化MRI图像中梗死区域分割的方法	采用自配置nnU-Net模型，仅需DWI序列即可实现高性能的卒中分割，无需其他序列补充，且性能显著优于传统U-Net模型	在外部临床数据集中，对于伴有颅内出血的病例存在假阳性结果	优化急性卒中在MRI上的分割性能，并评估不同MRI序列组合对深度学习分割效果的影响	缺血性卒中患者的MRI图像（DWI、ADC和FLAIR序列）	数字病理	心血管疾病	MRI成像	nnU-Net, U-Net	医学影像	200例梗死病例用于训练，50例用于测试，另外50例MRI用于外部验证
27	2025-04-01	Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01201-y PMID:39138748	研究论文	本研究探讨了深度学习结合机器学习分类器（DLxMLCs）在胸部X光片（CXR）图像中肺炎分类的应用	提出了一种结合深度学习模型（VGG19、ResNet50V2、DenseNet121）和机器学习分类器（如随机森林、决策树）的新方法，显著提高了肺炎分类的准确率	未来研究需要优化模型，探索在其他医学影像任务中的应用，并增加可解释性方法以增强临床信任	提高肺炎的早期和准确分类，以优化治疗方案	胸部X光片（CXR）图像	计算机视觉	肺炎	深度学习结合机器学习分类器	VGG19, ResNet50V2, DenseNet121, logistic regression, SVM, decision tree, random forest, ANN	图像	NA
28	2025-04-01	Deep Learning-Based Prediction of Post-treatment Survival in Hepatocellular Carcinoma Patients Using Pre-treatment CT Images and Clinical Data 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01227-2 PMID:39147884	研究论文	本研究旨在开发和评估一个模型，用于预测肝细胞癌（HCC）患者治疗后的生存情况，使用其CT图像和临床信息	采用级联模型结合3D CNN提取CT图像特征，并整合患者相关因素和治疗选项，优化了生存预测性能	外部验证队列样本量较小（n=39），可能影响模型的泛化能力	预测肝细胞癌患者治疗后的生存情况	692名肝细胞癌患者	数字病理	肝细胞癌	CT成像	3D CNN（DenseNet-121）	图像（CT）、临床数据	总样本692例（训练集507例，测试集146例，外部验证集39例）
29	2025-04-01	Construction and Validation of a General Medical Image Dataset for Pretraining 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01226-3 PMID:39147887	研究论文	本研究构建并验证了一个通用的医学图像预训练数据集CPMID，用于提升下游医学图像任务的性能	首次构建专门用于医学图像预训练的通用数据集CPMID，并在分类和分割任务中验证其优于ImageNet预训练模型的性能	未提及数据集的规模限制或覆盖的医学影像类型是否全面	构建通用的医学图像预训练数据集以提升下游医学图像分析任务的性能	医学图像数据集CPMID及下游分类/分割任务	医学图像分析	NA	迁移学习	Resnet, Vision Transformer	医学图像	多个公开医学图像数据集整合的CPMID数据集（未提具体数量）
30	2025-04-01	Harnessing Deep Learning for Accurate Pathological Assessment of Brain Tumor Cell Types 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01107-9 PMID:39150595	研究论文	本研究利用深度学习模型对脑肿瘤病理图像进行分类，旨在解决医学影像数据有限的问题	采用预训练网络提取深度特征，并结合支持向量机进行分类，提高了分类准确率	研究依赖于有限的医学影像数据，可能影响模型的泛化能力	提高脑肿瘤病理诊断的准确性和效率	原发性弥漫性中枢神经系统大B细胞淋巴瘤（CNS-pDLBCL）和高级别胶质瘤（HGG）	数字病理学	脑肿瘤	深度学习	Resnet50 (TL + SVM)	图像	NA
31	2025-04-01	Deep Learning-Based Model for Non-invasive Hemoglobin Estimation via Body Parts Images: A Retrospective Analysis and a Prospective Emergency Department Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01209-4 PMID:39160365	研究论文	开发了一种基于深度学习的非侵入性血红蛋白估计模型，通过多部位身体图像进行贫血检测	提出了一种融合注意力机制的多部位身体图像深度学习模型，结合双损失函数处理少数样本，实现了高精度的非侵入性血红蛋白预测	前瞻性数据集的样本量相对较小（101例患者）	开发一种非侵入性血红蛋白预测方法以辅助贫血诊断	贫血患者的多部位身体图像（结膜、手掌和指甲）	计算机视觉	贫血	深度学习	BPANet（基于融合注意力机制的深度学习模型）	图像	回顾性数据集（EYES-DEFY-ANEMIA）和前瞻性数据集（101例患者）
32	2025-04-01	DECNet: Left Atrial Pulmonary Vein Class Imbalance Classification Network 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01221-8 PMID:39164454	研究论文	提出了一种名为DECNet的网络，用于解决左心房肺静脉分类不平衡问题，通过整合多尺度特征增强注意力和双特征提取分类器，提高分类准确性	提出了一种结合多尺度特征增强注意力和双特征提取分类器的新型网络DECNet，用于解决左心房肺静脉分类不平衡问题	未提及具体的数据集规模限制或模型在其他数据集上的泛化能力	解决左心房肺静脉分类不平衡问题，提高分类准确性以支持临床治疗	左心房肺静脉的解剖学分类	数字病理学	心血管疾病	深度学习	DECNet（整合多尺度特征增强注意力和双特征提取分类器的网络）	医学图像	辽宁省人民医院提供的数据集和公开的DermaMNIST数据集
33	2025-04-01	Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01220-9 PMID:39187704	研究论文	本研究开发了一种基于深度多任务学习的卷积神经网络模型，用于自动化手腕X光片的质量控制	采用DenseNet 121架构的多任务深度学习模型，能够同时检测和分类手腕X光片的多个关键属性	模型在侧位标记检测方面的性能较低（F1分数为82.52%），特别是对于部分可见或截断的标记	提高放射工作流程中手腕X光片质量控制的自动化水平	手腕X光片	计算机视觉	NA	深度学习	DenseNet 121	图像	来自2591名患者的6283张手腕X光片
34	2025-04-01	Feature-Based vs. Deep-Learning Fusion Methods for the In Vivo Detection of Radiation Dermatitis Using Optical Coherence Tomography, a Feasibility Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01241-4 PMID:39231883	研究论文	本研究探讨了使用基于光相干断层扫描（OCT）图像的强度和新特征结合机器学习检测急性放射性皮炎（ARD）的可行性	比较了传统的基于特征的机器学习技术与深度学习的晚期融合方法在ARD检测中的表现，发现深度学习方法表现更优	样本量较小（22名患者），且仅在颈部六个位置进行成像	改善癌症患者放射性皮炎的预防和管理策略	急性放射性皮炎（ARD）患者	数字病理学	皮肤疾病	光相干断层扫描（OCT）	深度学习与传统机器学习	图像	22名患者的1487张图像
35	2025-04-01	Unsupervised and Self-supervised Learning in Low-Dose Computed Tomography Denoising: Insights from Training Strategies 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01213-8 PMID:39231886	综述	本文综述了低剂量计算机断层扫描（LDCT）去噪中的无监督和自监督深度学习方法，重点分析了不同训练策略的分类、理论基础、优缺点及开源代码	首次系统性地对LDCT去噪中的无监督和自监督训练策略进行分类和综述，填补了该领域缺乏全面综述的空白	主要关注训练策略的理论分析，未涉及具体算法性能的定量比较	为研究人员和从业者提供LDCT去噪中无监督和自监督学习方法的指导和见解	低剂量计算机断层扫描（LDCT）图像	计算机视觉	NA	深度学习	无监督和自监督深度学习模型	医学影像（CT图像）	NA
36	2025-04-01	A Novel Network for Low-Dose CT Denoising Based on Dual-Branch Structure and Multi-Scale Residual Attention 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01254-z PMID:39261373	研究论文	提出了一种基于双分支结构和多尺度残差注意力的新型网络，用于低剂量CT图像去噪	采用双分支框架结构，结合自适应动态卷积块(ADCB)、多尺度边缘增强注意力块(MEAB)和多尺度残差卷积块(MRCB)，有效提取和融合图像特征，提升去噪效果和图像质量	未提及模型在极端噪声条件下的表现或计算效率	提升低剂量CT图像的去噪效果和图像质量	低剂量CT图像	计算机视觉	NA	深度学习	双分支网络架构(ADCB+MEAB+MRCB)	医学CT图像	AAPM-Mayo和Qin_LUNG_CT两个公开数据集
37	2025-04-01	Screening Patient Misidentification Errors Using a Deep Learning Model of Chest Radiography: A Seven Reader Study 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01245-0 PMID:39261374	研究论文	本研究评估了深度学习模型在胸片配对中识别患者的能力，并与人类专家的表现进行了比较	开发了基于相似性的深度学习模型SimChest，在多个数据集上展示了最佳的识别性能，且不受疾病变化状态影响	研究为回顾性设计，可能影响结果的泛化性	评估深度学习模型在胸片配对中识别患者的能力，并与人类专家表现进行比较	240,004张胸片及240名患者（年龄56.617±13.690岁，113名女性，160对相同配对）	计算机视觉	NA	深度学习	SimChest（基于相似性的深度学习模型）	图像（胸片）	240,004张胸片用于模型开发，240名患者用于读者研究
38	2025-04-01	Deep Learning for Automated Classification of Hip Hardware on Radiographs 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01263-y PMID:39266912	研究论文	开发深度学习模型用于自动分类骨盆和髋关节X光片中的骨科植入物，以减少放射科医生的工作量并提高报告一致性	首次将深度学习模型应用于骨科植入物的自动分类，并展示了与专业放射科医生相当的性能	模型在感染后髋关节类别的表现略低于其他类别（AUC 0.97）	开发自动化工具以减少放射科医生工作量并提高诊断一致性	骨盆和髋关节X光片中的骨科植入物	计算机视觉	骨科疾病	深度学习	EfficientNet-B4, NFNet-F3	X光图像	4279项研究（来自1073名患者），其中851项用于独立测试（来自262名患者）
39	2025-04-01	Convolutional Neural Networks for Segmentation of Pleural Mesothelioma: Analysis of Probability Map Thresholds (CALGB 30901, Alliance) 2025-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01092-z PMID:39266911	研究论文	本研究评估了概率图阈值对使用卷积神经网络（CNN）生成的胸膜间皮瘤（PM）肿瘤轮廓的影响	分析了不同概率阈值下CNN生成的肿瘤体积与放射科医生提供的参考标准之间的差异，强调了在评估深度学习肿瘤分割时同时考虑肿瘤体积和空间重叠的重要性	CNN在特定疾病表现（如严重胸腔积液或胸膜裂隙疾病）中存在不足，且未找到适用于肿瘤体积和DSC的最佳单一输出阈值	评估概率图阈值对CNN生成的胸膜间皮瘤肿瘤轮廓的影响	48名胸膜间皮瘤患者的186次CT扫描	数字病理学	胸膜间皮瘤	CT扫描	VGG16/U-Net CNN	图像	48名患者的186次CT扫描
40	2025-04-01	Artificial intelligence in emergency neuroradiology: Current applications and perspectives 2025-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.002 PMID:39672753	综述	本文综述了人工智能在急诊神经放射学中的当前应用及未来展望	提供了关于人工智能在急诊神经放射学中应用的最新进展和深度分析，包括多种成像模态和现有商业产品的描述	未提及具体的技术局限性，但呼吁更多基于临床需求的开发和儿科神经影像学的关注	探讨人工智能在急诊神经放射学中的应用现状和未来发展	急诊神经放射学中的急性缺血性卒中、颅内出血、颅内动脉瘤、动静脉畸形等疾病	数字病理学	脑血管疾病	机器学习和深度学习算法	NA	影像数据	NA