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	2025-08-05	Evaluating the Efficacy of Various Deep Learning Architectures for Automated Preprocessing and Identification of Impacted Maxillary Canines in Panoramic Radiographs 2025-Aug-02, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100940 PMID:40753865	research paper	本研究评估了多种卷积神经网络架构在自动预处理和识别全景X光片中上颌阻生犬齿方面的效果	比较了八种CNN架构在自动识别上颌阻生犬齿方面的性能，并展示了GoogLeNet在未预处理和预处理数据上的最高分类性能	研究样本量较小（每组91例），可能影响结果的泛化能力	提高自动识别全景X光片中上颌阻生犬齿的准确性，为开发全自动软件奠定基础	全景X光片中的上颌阻生犬齿和非阻生犬齿	digital pathology	dental disease	panoramic radiographs	CNN (包括SqueezeNet, GoogLeNet, NASNet-Mobile, ShuffleNet, VGG-16, ResNet 50, DenseNet 201, Inception V3)	image	182例全景X光片（阻生组91例，非阻生组91例）
22	2025-08-05	High-efficiency spatially guided learning network for lymphoblastic leukemia detection in bone marrow microscopy images 2025-Aug-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110860 PMID:40753948	研究论文	本文提出了一种基于空间引导学习网络的高效方法，用于骨髓显微镜图像中的淋巴细胞白血病检测	引入了空间引导学习框架、尺度感知融合模块、小目标增强机制和高效的IoU损失函数，显著提高了检测准确性	高质量数据集的稀缺性以及骨髓涂片中细胞形态异质性、染色不均、尺度变化和细胞边界遮挡等挑战	开发一种全自动诊断方法，用于白血病的早期和准确检测	骨髓显微镜图像中的淋巴细胞白血病细胞	数字病理学	白血病	深度学习	SGLNet	图像	1794张高质量显微镜图像
23	2025-08-05	Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning 2025-Aug, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70011 PMID:40129053	研究论文	本研究探索使用无监督深度学习技术，从人类血液的红外分子指纹中提取低维表示	开发了一种全卷积去噪自编码器，用于处理傅里叶变换红外光谱数据，并通过自定义损失函数有效降噪并保留关键分子信息	NA	探索红外光谱数据的低维表示方法以提高肺癌检测准确率	人类血液的红外分子指纹	机器学习	肺癌	傅里叶变换红外光谱(FTIR)	全卷积去噪自编码器	光谱数据	NA
24	2025-08-05	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	本研究通过开发计算高效的基于模型的深度学习图像重建框架和联合优化框架，旨在提高全3D螺旋轨迹高分辨率MR指纹识别的扫描效率并克服计算挑战	提出了一种计算高效的基于模型的深度学习图像重建框架，以及图像重建、定量参数估计和k空间采样轨迹的联合优化框架	未明确提及具体局限性	提高3D定量MRI的参数量化准确性并缩短重建时间	健康受试者和患者的模拟和体内MRF数据	医学影像处理	NA	MR指纹识别(MRF)、基于模型的深度学习(MBDL)	基于模型的深度学习(MBDL)	医学影像数据	健康受试者和患者的模拟和体内MRF数据
25	2025-08-05	Vertex Correspondence and Self-Intersection Reduction in Cortical Surface Reconstruction 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562443 PMID:40249681	research paper	该论文提出了一种名为V2CC的扩展方法，用于改善皮质表面重建中的顶点对应关系并减少网格自交	引入V2CC方法，使用L1损失替代传统的Chamfer损失，并提出新型Self-Proximity损失以减少网格自交	未提及具体的数据集规模限制或计算资源需求	优化皮质表面重建中的顶点对应关系并减少网格自交，以支持直接的群体比较和基于图谱的分区	皮质表面重建中的顶点对应关系和网格自交问题	neuroimaging	NA	deep learning	Vox2Cortex with Correspondence (V2CC)	mesh-based cortical surface data	未提及具体样本数量
26	2025-08-05	Uncertainty Quantification and Quality Control for Heatmap-Based Landmark Detection Models 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564267 PMID:40279223	research paper	该论文提出了一种针对基于热图的解剖标志检测模型的端到端不确定性量化方法，旨在提高临床应用的解释性和可控性	利用Dempster-Shafer理论和主观逻辑理论，通过单次前向传播实现概率分配和不确定性量化，并引入证据图和不确定性图来校准预测概率	NA	提高解剖标志检测模型的不确定性量化和质量控制能力	基于热图的解剖标志检测模型	machine learning	NA	Dempster-Shafer Theory, Subjective Logic Theory	heatmap-based landmark detection models	image	NA
27	2025-08-05	Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564458 PMID:40279227	研究论文	本文提出了一种基于少样本学习的注释高效细胞核实例分割方法，旨在利用外部数据集辅助目标数据集的细胞核分割	将少样本学习应用于细胞核实例分割，提出了广义少样本实例分割（GFSIS）和结构引导机制，形成了统一的SGFSIS框架	需要依赖外部数据集，且目标数据集仍需少量注释	开发一种注释高效的细胞核实例分割方法，减少对专家标注的依赖	组织病理学图像中的细胞核	数字病理学	NA	少样本学习（FSL），元学习	SGFSIS（Structurally-Guided Generalized Few-Shot Instance Segmentation）	图像	多个公开可用的数据集
28	2025-08-05	Deep Rib Fracture Instance Segmentation and Classification From CT on the RibFrac Challenge 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565514 PMID:40305244	research paper	该论文介绍了RibFrac挑战赛，旨在通过深度学习算法解决CT扫描中肋骨骨折的检测和分类问题	提供了大规模标注数据集和评估基准，推动了深度学习算法在肋骨骨折检测和分类领域的发展	当前的肋骨骨折分类解决方案在临床上尚不适用	开发并验证AI辅助肋骨骨折诊断的深度学习算法	肋骨骨折的检测和分类	digital pathology	rib fracture	deep learning	NA	CT scans	660 CT scans, 超过5,000个肋骨骨折实例
29	2025-08-05	LLM-Guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3566105 PMID:40310742	研究论文	提出了一种基于LLM引导的解耦概率提示方法（LDPP），用于医学图像诊断中的持续学习	通过LLM获取解耦的专家知识和全面的类别描述，构建共享的解耦概率提示池，动态提供多样化和灵活的输入图像描述	未明确提及具体局限性	解决动态临床环境中处理新疾病出现的持续学习问题	医学图像诊断	计算机视觉	NA	持续学习（CL）、提示调优（PT）	LLM	医学图像	未明确提及样本数量
30	2025-08-05	An End-to-End Deep Learning Generative Framework for Refinable Shape Matching and Generation 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562756 PMID:40323742	research paper	本文提出了一种端到端的深度学习生成框架，用于可精细化形状匹配和生成，以支持计算机模拟临床试验（ISCTs）	开发了一种新颖的无监督几何深度学习模型，用于在潜在空间中建立可精细化形状对应关系，构建基于群体的图谱，并生成逼真的合成形状	未提及具体的数据集规模限制或模型性能的局限性	构建AI模型以生成与真实网格样本相似的解剖形状，支持计算机模拟临床试验	肝脏和左心室的三维表面网格模型	machine learning	NA	geometric deep-learning	unsupervised deep learning model	3D surface meshes	NA
31	2025-06-10	Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis" 2025-Aug, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.04.046 PMID:40450446	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
32	2025-06-10	Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis" 2025-Aug, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.05.012 PMID:40450443	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
33	2025-08-05	Artificial intelligence in orthopedic trauma: a comprehensive review 2025-Aug, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112570 PMID:40683054	综述	本文全面回顾了人工智能在骨科创伤领域的应用现状、发展趋势及未来方向	分析了2015年至2025年间发表的217项研究，揭示了AI在骨折检测、分类、预测和分割等任务中的卓越表现	仅有14.5%的研究经过外部验证，仅3.2%报告了前瞻性临床验证，临床整合和数据标准化仍面临重大挑战	评估人工智能在骨科创伤领域的应用现状及未来发展方向	骨科创伤相关研究	人工智能在医疗健康的应用	骨科创伤	深度学习和传统机器学习方法	深度学习与传统机器学习模型	医学影像数据	217项研究（2015-2025年）
34	2025-08-05	Co-Pseudo Labeling and Active Selection for Fundus Single-Positive Multi-Label Learning 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565000 PMID:40293917	research paper	提出了一种名为FSP的共伪标签和主动选择方法，用于眼底单阳性多标签学习，以解决视网膜疾病多标签标注困难的问题	通过课程共伪标签和主动样本选择生成伪标签，调整阈值并根据模型对每个类的学习状态维护自信的阳性预测	未提及具体局限性	解决眼底图像多标签标注不完整导致的分类器性能不佳和误诊问题	眼底图像	digital pathology	retinal diseases	co-pseudo labeling, active selection	deep learning	image	七个视网膜数据集
35	2025-08-05	Clinical benefits of deep learning-assisted ultrasound in predicting lymph node metastasis in pancreatic cancer patients 2025-Aug, Future oncology (London, England) DOI:10.1080/14796694.2025.2520149 PMID:40548666	研究论文	本研究开发并验证了一种基于超声图像的深度学习放射组学列线图（DLRN），用于提高胰腺癌患者淋巴结转移（LNM）的预测准确性	结合深度学习和放射组学特征，开发了DLRN模型，显著提升了淋巴结转移的预测准确性，并为临床医生提供了决策支持工具	研究为回顾性分析，样本量相对较小（249例），且测试集比例较低（20%）	提高胰腺癌患者淋巴结转移的预测准确性	胰腺癌患者	数字病理	胰腺癌	超声成像，深度学习	InceptionV3, 逻辑回归	图像	249例经病理证实的胰腺癌病例（其中78例有淋巴结转移）
36	2025-08-05	Can radiology be first to use prognostic deep learning models for oncological treatment? 2025-Aug-01, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.07.013 PMID:40754034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
37	2025-08-05	Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis 2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.) DOI:10.1016/j.eimce.2025.06.004 PMID:40754353	研究论文	通过基于人工智能的CT影像分析，探讨影响非重症COVID-19肺炎患者糖皮质激素剂量的因素，并开发预测模型	利用AI深度学习技术评估肺部CT图像，开发预测模型以确定糖皮质激素的最佳剂量	需要更大规模的前瞻性研究进行验证	确定非重症COVID-19患者糖皮质激素的最佳剂量	273名非重症COVID-19肺炎患者	数字病理学	COVID-19	基于AI的深度学习	多变量逻辑回归	CT影像	273名患者（训练集168名，验证集75名）
38	2025-08-05	Pretreatment CT Texture Analysis for Predicting Survival Outcomes in Advanced Nonsmall Cell Lung Cancer Patients Receiving Immunotherapy: A Systematic Review and Meta-Analysis 2025-Aug, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.70144 PMID:40755255	meta-analysis	本文通过系统回顾和荟萃分析，探讨了治疗前CT纹理分析在预测晚期非小细胞肺癌患者接受免疫治疗后生存结局中的作用	首次通过荟萃分析证实CT纹理分析可作为非侵入性影像学生物标志物，预测晚期非小细胞肺癌患者的生存结局	纳入研究均为回顾性设计，存在潜在的异质性（特别是PFS分析的I2=71.7%）	评估CT纹理分析对晚期非小细胞肺癌患者免疫治疗生存结局的预测价值	晚期非小细胞肺癌患者	digital pathology	lung cancer	CT纹理分析（包括GLCM、GLRLM等特征）和深度学习特征提取	NA	医学影像（CT图像）	10项研究共2400名患者（其中OS分析1102人，PFS分析1799人）
39	2025-08-05	Multimodal Deep Learning Integrating Tumor Radiomics and Mediastinal Adiposity Improves Survival Prediction in Non-Small Cell Lung Cancer: A Prognostic Modeling Study 2025-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71077 PMID:40755324	研究论文	本研究通过整合深度学习提取的肿瘤放射组学特征和纵隔脂肪指标，开发了一种多模态预后模型，用于预测非小细胞肺癌患者的术后生存	首次将深度学习提取的肿瘤放射组学特征与纵隔脂肪指标进行多模态融合，提高了非小细胞肺癌患者术后生存预测的准确性	研究为回顾性队列分析，可能存在选择偏倚	开发一种多模态预后模型，提高非小细胞肺癌患者术后生存预测的准确性	702例手术切除的非小细胞肺癌患者	数字病理	肺癌	深度学习，CT影像分析	DenseNet121 CNN	CT影像	702例非小细胞肺癌患者
40	2025-08-05	Deep learning for sub-ångström-resolution imaging in uncorrected scanning transmission electron microscopy 2025-Aug, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf235 PMID:40755523	research paper	本研究提出了一种名为SARDiffuse的深度学习扩散模型，用于提升未校正扫描透射电子显微镜（STEM）图像的空间分辨率并校正噪声水平	SARDiffuse模型能够恢复STEM图像的高频信息，在未校正显微镜中实现亚埃级分辨率，并有效减少球差引起的伪影	该方法对样本厚度有严格要求，目前尚未广泛应用	实现在未校正电子显微镜中的亚埃级分辨率成像	硅、钛酸锶和氮化镓等代表性材料	machine learning	NA	深度学习扩散模型	diffusion model	image	实验AC-STEM数据训练的模型