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
5121	2025-07-02	Automatic Multiclass Tissue Segmentation Using Deep Learning in Brain MR Images of Tumor Patients 2025-Jun-30, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001750 PMID:40576335	研究论文	本文开发并评估了一种基于卷积神经网络的自动分割脑部组织和肿瘤病变的流程	提出了一种针对脑肿瘤患者的稳健分割流程，解决了现有方法在处理病变患者时的不足	在本地医院数据集上的表现略低于BraTS'21数据集，可能存在泛化性问题	开发自动分割脑部MR图像中组织和肿瘤病变的方法	脑部MR图像中的组织和肿瘤病变	数字病理学	脑肿瘤	深度学习	基于深度残差U-Net框架的CNN	MR图像	BraTS'21数据集1251例患者，本地医院数据100例患者
5122	2025-07-02	Boosting Checkpoint Blockade Immunotherapy with T Cell Membrane Redox Homeostasis Regulation and Deep Learning Enhanced NIR-II Imaging 2025-Jun-30, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202500769 PMID:40583483	研究论文	本研究设计了一种两性离子聚合物，用于结合和无痕释放检查点抑制抗体（Atezolizumab），同时恢复T细胞膜在氧化肿瘤微环境中的氧化还原稳态，并通过深度学习增强的近红外II区荧光成像技术观察抗体结合物的体内动态	通过调节T细胞膜氧化还原稳态和深度学习增强的近红外II区成像技术，提升检查点阻断免疫疗法的效果	研究仅在鼠模型中进行，尚未进行人体临床试验	提升免疫检查点阻断疗法的治疗效果，逆转肿瘤免疫抑制微环境	检查点抑制抗体（Atezolizumab）及其与两性离子聚合物的结合物	数字病理学	结直肠癌	近红外II区荧光成像，深度学习	深度学习网络	图像	鼠模型
5123	2025-07-02	Unstained Blood Smear Analysis: A Review of Rule-Based, Machine Learning, and Deep Learning Techniques 2025-Jun-30, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500121 PMID:40583517	综述	本文综述了基于规则、机器学习和深度学习方法在无染色血涂片分析中的应用	总结了无染色血涂片分析中的技术进步，强调了深度学习带来的性能提升	未提及具体方法的定量比较结果	探讨无染色血涂片分析技术在血液学诊断中的应用	无染色血涂片中的血细胞	数字病理学	血液疾病	生物光子技术	基于规则方法、机器学习和深度学习	图像	NA
5124	2025-07-02	A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI 2025-Jun-30, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70027 PMID:40583513	研究论文	本文构建了一种基于深度学习的去伪影扩散模型，用于去除膝关节MRI中的运动伪影	提出了一种监督条件扩散模型，用于有效去除膝关节MRI中的运动伪影，并在真实数据上验证了其性能	研究为回顾性设计，样本量相对有限，且外部验证数据集仅来自另一家医院	构建有效的深度学习模型以去除膝关节MRI中的运动伪影	膝关节MRI图像	数字病理	骨科疾病	MRI成像	条件扩散模型	图像	模型构建：90名患者（1997张2D切片）；内部测试数据集：25名患者（795张切片）；外部测试数据集：39名患者（813张切片）
5125	2025-07-02	Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies 2025-Jun-30, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001218 PMID:40586610	研究论文	本研究利用深度学习模型通过PI-RADS引导的表征学习来区分PI-RADS 3分类，从双参数前列腺MRI图像中检测临床显著前列腺癌(csPCa)，并避免不必要的良性活检	采用PI-RADS引导的深度学习表征学习模型，能够提供额外信息以区分中等风险的PI-RADS 3评估，并在避免良性活检的同时保持对csPCa的敏感性	研究仅基于单一机构的数据，可能影响模型的泛化能力	提高前列腺癌MRI诊断的准确性，减少不必要的活检	前列腺癌患者	数字病理	前列腺癌	深度学习表征学习	RL (Representation Learner)	MRI图像	28,263次MRI检查，来自21,938名男性患者，其中6,352次后续活检
5126	2025-07-02	Radiation Dose Reduction and Image Quality Improvement of UHR CT of the Neck by Novel Deep-learning Image Reconstruction 2025-Jun-30, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01532-5 PMID:40586788	research paper	评估了一种结合新型深度学习重建算法的剂量降低超高清CT在头颈部成像中的应用，以评估其对图像质量和辐射暴露的影响	采用新型深度学习重建算法（DL-2）在超高清头颈部CT成像中显著提升图像质量并降低辐射剂量	研究为回顾性分析，样本量相对有限（98例患者）	评估剂量降低超高清CT结合深度学习重建算法在头颈部成像中的效果	头颈部CT成像	医学影像	头颈部疾病	深度学习重建算法（DL-2）	深度学习	CT图像	98例患者（剂量降低组）和30例患者（非剂量降低组）
5127	2025-07-02	Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles 2025-Jun-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	提出了一种结合Vision Transformers和扩散模型的集成学习方法LaDiNE，以提高医学图像分类的鲁棒性和可靠性	首次将Vision Transformers的鲁棒性与扩散模型的生成能力结合，同时解决预测准确性和置信度校准问题	仅在肺结核胸部X光和黑色素瘤皮肤癌数据集上进行了测试，未验证在其他医学图像上的泛化能力	提高医学图像分类在噪声、对抗扰动和分辨率退化等情况下的鲁棒性和可靠性	医学图像（胸部X光和皮肤癌图像）	计算机视觉	肺结核和黑色素瘤皮肤癌	扩散模型和集成学习	Vision Transformers和扩散模型	图像	NA
5128	2025-07-02	Novel Deep Learning Model to Estimate Knee Flexion and Adduction Moments with Wearable IMUs during Treadmill and Overground Walking 2025-Jun-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584389 PMID:40587356	研究论文	开发了一种新型深度学习模型，利用可穿戴IMU设备在跑步机和地面行走时估计膝关节屈曲和外展力矩	结合了基于LSTM的自编码器和变分高斯过程（VGP）的新型深度学习模型，用于估计KAM和KFM的平均值和不确定性区域	研究仅涉及健康参与者，未包括TKR手术后的患者	开发一种机器学习框架，利用可穿戴IMU设备在自然环境中准确估计步态动力学	膝关节屈曲力矩（KFM）和膝关节外展力矩（KAM）	机器学习	骨关节炎	可穿戴惯性测量单元（IMUs）	LSTM-based Autoencoder和Variational Gaussian Process（VGP）	运动数据	17名健康参与者进行跑步机行走试验，另外17名健康参与者进行地面行走试验
5129	2025-07-02	Bidirectional Prototype-Guided Consistency Constraint for Semi-Supervised Fetal Ultrasound Image Segmentation 2025-Jun-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584236 PMID:40587357	研究论文	提出了一种基于双向原型引导一致性约束的半监督胎儿超声图像分割方法BiPCC，用于解决标注数据不足的问题	利用原型桥接标注和未标注数据，并通过双向一致性约束和不确定性交叉监督提升伪标签质量	未明确说明在极端病例或低质量图像上的表现	提升半监督学习在胎儿超声图像分割中的应用效果	胎儿超声图像	数字病理	胎儿发育评估	半监督学习	BiPCC	图像	两个胎儿超声数据集及两个额外医学分割数据集
5130	2025-07-02	DeepLabV3+ With Convolutional Triplet Attention and Histopathology-Guided Voting for Hyperspectral Image Segmentation of Serous Ovarian Cancer 2025-Jun-30, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500142 PMID:40587972	research paper	该论文提出了一种结合卷积三重注意模块和组织病理学引导投票机制的DeepLabV3+混合架构，用于高光谱图像的浆液性卵巢癌分割	创新点包括引入卷积三重注意模块(CTAM)捕捉跨维度光谱-空间依赖，以及组织病理学引导投票机制(HVM)整合WHO诊断标准	未明确提及具体局限性	提高高光谱图像中浆液性卵巢癌组织的分割和分类准确性	浆液性卵巢癌组织的高光谱图像	digital pathology	ovarian cancer	hyperspectral imaging	DeepLabV3+, CNN	hyperspectral image	未明确提及样本数量
5131	2025-07-02	Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models 2025-Jun-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01587-3 PMID:40588699	研究论文	本研究提出了一种使用U-Net和U-Net3+模型进行脑梗死分割的新方法	采用新型数据集和两种卷积神经网络架构（基础U-Net和高级U-Net3+）进行脑梗死区域的高精度分割	数据集规模有限，需通过数据增强技术进行平衡	提高脑梗死的早期诊断和干预效果	脑梗死患者的MRI扫描图像	数字病理学	心血管疾病	MRI扫描	U-Net和U-Net3+	图像	110名患者的MRI扫描，生成6732张平衡图像用于训练、验证和测试
5132	2025-07-02	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2025-Jun-30, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究利用数字病理学和深度学习方法，评估了在瑞典多中心队列中应用最先进技术对儿童脑肿瘤进行分类的效果	采用弱监督多实例学习方法和预训练特征提取器，首次在瑞典多中心数据集上评估儿童脑肿瘤分类	模型在不同中心的泛化性能下降相似，未显著解决跨中心数据差异问题	评估计算病理学方法在儿童脑肿瘤分层分类中的性能	540名8.5±4.9岁的脑肿瘤患者的H&E全切片图像	数字病理学	脑肿瘤	弱监督多实例学习(MIL)	ABMIL, CLAM, ResNet50, UNI, CONCH	全切片图像(WSI)	540例来自瑞典六所大学医院的儿童脑肿瘤样本
5133	2025-07-02	Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging 2025-Jun-29, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70003 PMID:40583127	研究论文	通过多模态成像技术探索阿尔茨海默病谱系中认知、眼睛和大脑之间的联系	揭示了认知功能、视网膜生物特征和大脑改变之间的关系，特别是在阿尔茨海默病谱系的不同阶段	样本量较小，尤其是AD组仅有7例	探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关系	健康对照组（HC）、主观认知下降（SCD）、轻度认知障碍（MCI）和阿尔茨海默病（AD）患者	数字病理学	阿尔茨海默病	光学相干断层扫描血管成像（OCTA）、3D T1加权脑体积成像（BRAVO）、静息态功能MRI（fMRI）	深度学习模型FARGO	图像	健康对照组（n=16）、主观认知下降（n=35）、轻度认知障碍（n=18）、阿尔茨海默病（n=7）
5134	2025-07-02	Genetic Deconvolution of Embryonic and Maternal Cell-Free DNA in Spent Culture Medium of Human Preimplantation Embryo Through Deep Learning 2025-Jun-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412660 PMID:40583136	研究论文	本文提出了一种名为DECENT的深度学习方法，用于重建胚胎拷贝数变异并减少胚胎培养液中母体DNA污染的影响	DECENT方法结合了卷积模块、长短时记忆和注意力机制，整合序列特征和甲基化模式以推断cfDNA读数的来源，提高了非侵入性胚胎植入前遗传学检测的准确性	NA	提高基于cfDNA的非侵入性胚胎植入前遗传学检测的诊断准确性和有效性	人类胚胎培养液中的胚胎和母体游离DNA	数字病理学	生殖医学	单细胞甲基化测序	CNN, LSTM, 注意力机制	DNA序列数据	包含不同污染水平的临床样本（包括一个母体读数超过80%的样本）
5135	2025-07-02	Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation 2025-Jun-28, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06211-0 PMID:40580222	研究论文	本研究开发并验证了一种多任务深度学习模型，用于自动化评估经会阴超声（TPUS）图像中的女性盆腔器官脱垂（POP）	首次提出使用多任务深度学习模型自动化评估POP，减少了诊断中的经验依赖性	研究样本仅来自2023年1月至6月的患者，可能缺乏长期数据验证	开发并验证一种自动化评估女性盆腔器官脱垂的深度学习模型	1340名女性患者的TPUS图像	数字病理学	盆腔器官脱垂	深度学习	ResNet34	图像	1340名女性患者的TPUS图像（1072用于训练，268用于验证）
5136	2025-07-02	Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy 2025-Jun-28, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07416-7 PMID:40580320	研究论文	本研究开发了一种基于深度学习的全身CT分割方法，用于评估转移性去势抵抗性前列腺癌(mCRPC)患者在接受[177Lu]Lu-PSMA放射性配体治疗(RLT)前的身体组成	利用深度学习模型从标准PSMA-PET-CT中自动分割不同组织区域，超越传统的PSMA-PET评估，识别具有潜在预后价值的身体组成指标	研究为回顾性设计，样本量较小(n=86)，需要在更大的前瞻性数据集中验证潜在预后参数	评估mCRPC患者在接受RLT前的身体组成指标对治疗预后的影响	86名前列腺癌患者	数字病理学	前列腺癌	深度学习分割模型	深度学习	CT图像	86名前列腺癌患者的[68Ga]Ga-PSMA-PET-CT扫描数据
5137	2025-07-02	Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis 2025-Jun-28, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02296-w PMID:40580377	综述	本文通过文献计量和可视化分析，探讨了人工智能在疼痛管理领域的研究现状、热点和未来趋势	首次采用文献计量学方法系统分析人工智能在疼痛管理领域的应用，揭示了研究热点和未来发展方向	仅纳入英文文献，可能遗漏其他语言的重要研究成果	了解人工智能在疼痛管理领域的研究现状、热点和趋势	970篇关于人工智能应用于疼痛管理的科学论文	机器学习	疼痛管理	文献计量分析、可视化分析	机器学习、深度学习、人工神经网络	文献数据	970篇论文，涉及5679位作者、2030个学术机构和84个国家/地区
5138	2025-07-02	Identifying visible tissue in intraoperative ultrasound: a method and application 2025-Jun-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03415-z PMID:40580392	研究论文	提出一种用于识别术中超声可见组织的迭代过滤和拓扑方法，并应用于检测声影和构建感知显著性置信图	提出了一种新的迭代过滤和拓扑方法来分析探头-组织接触，该方法在体内数据和医学模型数据上表现出优越的分类性能	未明确提及具体局限性，但可能包括算法对参数扰动、斑点噪声和数据分布变化的敏感性	开发一种方法来识别术中超声扫描中的可见组织，以支持临床培训和机器人超声自动化	术中超声扫描中的可见组织	医学影像分析	NA	迭代过滤和拓扑方法	NA	超声图像	包含体内数据和医学模型数据的数据集
5139	2025-07-02	Identification of novel biomarkers linked to M1 macrophage infiltration in the diagnosis of inflammatory bowel diseases 2025-Jun-28, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2025.115138 PMID:40582145	研究论文	本研究通过生物信息学和深度学习构建了炎症性肠病(IBD)的预测模型，并识别了与M1巨噬细胞浸润相关的潜在生物标志物	首次整合M1巨噬细胞相关基因与宏转录组特征开发IBD预测模型，并发现CXCL10作为新型生物标志物和治疗靶点	研究结果需要进一步临床验证，样本来源和数量未明确说明	改善炎症性肠病的诊断和管理效果	炎症性肠病患者和M1巨噬细胞	数字病理学	炎症性肠病	生物信息学分析、深度学习	神经网络	基因表达数据、宏转录组数据	NA
5140	2025-07-02	The British-Israeli Project for Algorithm-Based Management of Age-related Macular Degeneration: Deep Learning Integration for Real- World Data Management and Analysis 2025-Jun-28, Ophthalmologica. Journal international d'ophtalmologie. International journal of ophthalmology. Zeitschrift fur Augenheilkunde DOI:10.1159/000547161 PMID:40582342	研究论文	描述了一个结合临床和光学相干断层扫描(OCT)成像数据的综合数据集开发，通过深度学习算法对两个大型真实世界数据集中的新生血管性年龄相关性黄斑变性(nAMD)眼睛进行自动化、客观和全面的OCT扫描量化	应用深度学习算法对大规模真实世界nAMD患者的临床和OCT数据进行自动化分析，为个性化决策和优化治疗效果提供基础	研究为回顾性设计，两个中心的治疗标准和基线视力存在显著差异	开发并验证一个集成临床和OCT数据的自动化分析系统，以改善nAMD的管理和治疗效果	4,265名nAMD患者的5,207只眼睛	数字病理学	年龄相关性黄斑变性	OCT扫描	深度学习算法(NOATM)	临床数据和图像数据	5,207只眼睛(来自4,265名患者)，包含134,340次视力测量、79,457次OCT扫描和73,218次抗VEGF注射记录