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
701	2025-06-03	A novel intelligent grade classification architecture for Patent Foramen Ovale by Contrast Transthoracic Echocardiography based on deep learning 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102538 PMID:40209281	research paper	提出了一种基于深度学习的智能分类架构，用于通过对比经胸超声心动图（cTTE）对卵圆孔未闭（PFO）进行分级分类	提出了TVUNet++用于左心室分割和ULSAM-ResNet用于PFO分类，能够通过可学习的亲和力图区分cTTE中的各种局部特征，并隐式捕获左心腔与背景区域之间的语义关系	未提及具体样本量或数据集的多样性，可能影响模型的泛化能力	提高PFO分类的准确性和量化右向左分流（RLS）的严重程度，以指导临床治疗	卵圆孔未闭（PFO）患者	digital pathology	cardiovascular disease	对比经胸超声心动图（cTTE）	TVUNet++, ULSAM-ResNet	image	NA
702	2025-06-03	Semi-supervised temporal attention network for lung 4D CT ventilation estimation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102551 PMID:40215885	research paper	提出一种半监督时间注意力网络（STA），用于肺部4D CT通气估计，以提高估计精度并减少对标记数据的依赖	结合半监督学习框架和时间注意力架构，有效利用未标记数据和4D CT图像的时序信息	未明确提及具体局限性，但可能受限于数据集的大小和多样性	提高肺部4D CT通气估计的准确性，支持功能性避免放射治疗计划的设计和治疗反应评估	肺部4D CT图像	digital pathology	lung cancer	4D CT成像	STA网络（半监督时间注意力网络）	4D CT图像序列	三个公开的胸部4D CT数据集
703	2025-06-03	MDAL: Modality-difference-based active learning for multimodal medical image analysis via contrastive learning and pointwise mutual information 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102544 PMID:40215886	研究论文	提出了一种基于模态差异的多模态医学图像主动学习框架MDAL，通过对比学习和点互信息量化模态差异，以减少标注成本	MDAL框架首次利用点互信息和对比学习量化样本级模态差异，并提出两种基于差异的采样策略MaxMD和DiverseMD，且无需初始标注数据即可一次性选择信息量大的样本	仅在脑胶质瘤、脑膜瘤和卵巢癌数据集上进行了验证，未在其他多模态医学数据上测试	最小化多模态医学图像分析的标注成本	多模态医学图像	数字病理	脑胶质瘤, 脑膜瘤, 卵巢癌	对比学习, 点互信息	MDAL框架	多模态医学图像	公共脑胶质瘤和脑膜瘤分割数据集及内部卵巢癌分类数据集
704	2025-06-03	A comparison of an integrated and image-only deep learning model for predicting the disappearance of indeterminate pulmonary nodules 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102553 PMID:40239430	research paper	比较集成模型和仅图像深度学习模型在预测不确定肺结节消失方面的性能	开发了结合CT图像和人口统计数据的集成深度学习模型，用于预测不确定肺结节的消失，并与仅基于CT图像的模型进行比较	集成模型与仅图像模型在性能上无显著差异，且样本量相对较小	利用深度学习方法预测不确定肺结节的消失，以减少不必要的随访CT检查	不确定肺结节（IPNs）	digital pathology	lung cancer	CT扫描	深度学习模型	image, demographic data	训练数据集包括672名参与者的840个IPNs（134个消失），外部验证数据集包括65名参与者的111个IPNs（46个消失）
705	2025-06-03	CASCADE-FSL: Few-shot learning for collateral evaluation in ischemic stroke 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102550 PMID:40250214	research paper	提出了一种名为CASCADE-FSL的新方法，用于在缺血性卒中中评估侧支循环，通过小样本学习有效区分不良侧支循环	采用小样本学习方法处理不平衡数据集，将良好和中等侧支循环案例作为正常类别，不良侧支循环作为异常进行识别	研究基于小规模且不平衡的数据集，可能影响模型的泛化能力	开发计算机辅助方法以减少评估缺血性卒中患者侧支循环时的评估者间差异并节省时间	缺血性卒中患者的侧支循环评估	digital pathology	ischemic stroke	few-shot learning	2D ResNet-50	image	小规模且不平衡的数据集，具体数量未提及
706	2025-06-03	Uncertainty-aware segmentation quality prediction via deep learning Bayesian Modeling: Comprehensive evaluation and interpretation on skin cancer and liver segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102547 PMID:40250215	研究论文	提出一种无需真实标注即可预测分割质量的新框架，通过贝叶斯建模和不确定性量化提高分割质量评估的可靠性	引入两种互补框架，结合预测分割和不确定性图，以及原始输入图像、不确定性图和预测分割图，提出贝叶斯适应的分割模型，并通过多种不确定性估计方法量化不确定性	未提及具体局限性	解决临床环境中无人工标注时分割质量评估的挑战，提高分割模型的可靠性	皮肤病变和肝脏分割数据集	计算机视觉	皮肤癌和肝脏疾病	贝叶斯建模、Monte Carlo Dropout、Ensemble、Test Time Augmentation	SwinUNet、Feature Pyramid Network with ResNet50	2D和3D医学图像	HAM10000数据集和3D肝脏分割数据集
707	2025-06-03	Tailored self-supervised pretraining improves brain MRI diagnostic models 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102560 PMID:40252479	研究论文	本研究利用大规模无标记的公共脑MRI数据集，通过自监督学习提升深度学习模型在脑MRI分析中的性能	开发了基于图像熵和切片位置的数据过滤方法，优化了训练效率，并采用MoCo v3算法学习图像特征，针对脑MRI定制了预训练模型	未提及具体局限性	提升深度学习模型在脑MRI分析中的性能，以支持临床决策系统开发	脑MRI图像	医学影像分析	脑部疾病	自监督学习	MoCo v3	MRI图像	约2百万张图像经过筛选后得到25万张富含脑部特征的图像
708	2025-06-03	Self-supervised network predicting neoadjuvant chemoradiotherapy response to locally advanced rectal cancer patients 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102552 PMID:40253816	研究论文	提出一种自监督学习框架EIA-Net，用于预测局部晚期直肠癌患者对新辅助放化疗的反应	开发了EIA-Net网络，通过级联3D卷积和坐标注意力增强特征提取能力，并提出面向实例的协作自监督学习（IOC-SSL）以利用未标记数据进行训练	研究为回顾性研究，可能受到数据选择和收集偏差的影响	提高局部晚期直肠癌患者对新辅助放化疗反应的预测准确性	局部晚期直肠癌（LARC）患者	数字病理	直肠癌	自监督学习	EIA-Net（基于CNN的3D卷积网络）	CT影像	1575个体积（包括1394个自监督数据集和195个监督数据集）
709	2025-06-03	Causal recurrent intervention for cross-modal cardiac image segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102549 PMID:40279865	research paper	提出了一种名为因果循环干预（CRI）的新方法，用于跨模态心脏图像分割，以减少对标注数据的依赖并解决跨域混淆问题	CRI方法通过建立结构因果模型，将不同高维变化整合到单一因果关系中，并从序列中区分稳定和动态因素，从而解决跨域混淆问题	方法在实验中使用1697个样本，样本量相对较小，可能影响模型的泛化能力	开发一种能够减少标注需求并提高跨模态心脏图像分割性能的方法	跨模态心脏图像	digital pathology	cardiovascular disease	NA	CRI（因果循环干预）	image	1697个跨模态心脏图像样本
710	2025-06-03	A diffusion-stimulated CT-US registration model with self-supervised learning and synthetic-to-real domain adaptation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102562 PMID:40344746	研究论文	提出了一种基于扩散刺激的CT-US配准模型，结合自监督学习和合成到真实的域适应策略，用于腹部介入手术中的实时图像配准	利用超声的物理扩散特性从术前CT数据生成合成超声图像，并引入扩散模型进行合成到真实的域适应，以减少真实与合成超声图像之间的差异	实验验证仅基于双模态人体腹部模型，尚未在真实临床环境中进行广泛测试	解决腹部介入手术中2D超声与3D CT扫描的实时精确配准问题	腹部介入手术中的2D超声和3D CT图像	计算机视觉	NA	扩散模型，自监督学习，域适应	双流自监督回归神经网络	图像（超声和CT）	双模态人体腹部模型的US和CT扫描数据
711	2025-06-03	Establishment of an intelligent analysis system for clinical image features of melanonychia based on deep learning image segmentation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102543 PMID:40367737	研究论文	本研究开发了一种基于深度学习的非侵入性智能分析系统，用于黑色素瘤的早期诊断和监测	利用智能手机图像和深度学习技术，开发了一个两阶段模型（YOLOv8和UNet），显著提高了黑色素瘤病变的检测和分割准确性	研究未提及模型在不同肤色或光照条件下的泛化能力	开发一种非侵入性、易于使用的智能分析系统，用于黑色素瘤的早期诊断和监测	黑色素瘤患者的指甲图像	计算机视觉	黑色素瘤	深度学习图像分割	YOLOv8和UNet	图像	未提及具体样本数量，但提到建立了全面的指甲图像数据集
712	2025-06-03	A deep learning framework for reconstructing Breast Amide Proton Transfer weighted imaging sequences from sparse frequency offsets to dense frequency offsets 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102563 PMID:40373577	研究论文	开发了一种基于深度学习的模型，用于从稀疏频率偏移重建密集频率偏移的乳腺酰胺质子转移加权成像序列，以减少扫描时间	利用时间序列卷积提取APT成像序列的短程和长程空间及频率特征，并集成加权层评估各频率偏移对重建过程的影响	研究仅基于特定频率偏移范围（n=29）和特定减少的扫描时间（25%），可能不适用于所有APT成像场景	减少酰胺质子转移加权成像的扫描时间，同时保持成像质量	乳腺酰胺质子转移加权成像序列	医学影像分析	乳腺癌	酰胺质子转移技术（APT）	seq2seq模型	医学影像数据	未明确提及具体样本数量，但涉及从21个频率偏移重建29个密集频率偏移的数据
713	2025-06-03	Bi-VesTreeFormer: A bidirectional topology-aware transformer framework for coronary vFFR estimation 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102564 PMID:40373576	research paper	提出了一种名为Bi-VesTreeFormer的双向拓扑感知Transformer框架，用于冠状动脉虚拟FFR（vFFR）的无创估计	提出了一种新型双向拓扑感知Transformer网络（Bi-VesTreeFormer），能够全自动提取血管树的拓扑狭窄特征并捕捉分支间的全局依赖关系，同时引入了上下文vFFR解码器以建立相邻分支间FFR值的相关性	研究样本量相对较小，仅包含43名患者的FFR数据和15,000条模拟冠状动脉中心线数据	开发一种高效、无创的冠状动脉虚拟FFR估计方法，以克服传统FFR测量和现有计算方法的局限性	冠状动脉狭窄患者的FFR数据和模拟冠状动脉中心线数据	digital pathology	cardiovascular disease	computational fluid dynamics, deep learning	Transformer (Bi-VesTreeFormer)	medical imaging data, simulated data	43名患者的FFR数据和15,000条模拟冠状动脉中心线数据
714	2025-06-03	Fast cortical thickness estimation using deep learning-based anatomy segmentation and diffeomorphic registration 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102569 PMID:40378768	研究论文	提出了一种基于深度学习的解剖分割和微分同胚配准的快速皮层厚度估计框架	结合CNN分割模型和无监督学习配准网络，提出了一种新的基于不同时间点微分同胚的算法来计算厚度图	未提及具体的数据集规模限制或模型泛化能力的详细评估	提高从MRI图像中估计皮层厚度的准确性和效率，以支持神经科学研究和临床应用	磁共振图像（MRI）中的皮层厚度	计算机视觉	NA	深度学习，微分同胚配准	CNN，无监督学习配准网络	MRI图像	在两个不同的数据集上进行了系统评估
715	2025-06-03	CALIMAR-GAN: An unpaired mask-guided attention network for metal artifact reduction in CT scans 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102565 PMID:40378767	research paper	本文提出了一种名为CALIMAR-GAN的生成对抗网络模型，用于减少CT扫描中的金属伪影	CALIMAR-GAN采用引导注意力机制和线性插值算法，利用未配对的模拟和临床数据进行针对性伪影减少	大多数现有方法依赖配对的模拟数据，限制了在临床扫描上的定量评估	提高CT扫描的图像质量，减少金属伪影，以增强诊断准确性和治疗效果	CT扫描中的金属伪影	computer vision	NA	GAN	CALIMAR-GAN	image	NA
716	2025-06-03	Modeling enteric methane emission from dairy cows using deep learning approach 2025-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179713 PMID:40414055	研究论文	本研究探讨了使用深度学习模型预测奶牛肠道发酵产生的甲烷排放	首次应用LSTM模型预测奶牛甲烷排放，并在不同数据可用性场景下测试模型性能	样本量较小（最多52头奶牛），且仅使用单一农场的特定时间段数据	开发能够准确预测奶牛甲烷排放的深度学习模型	奶牛的甲烷排放数据	机器学习	NA	深度学习	LSTM, CNN, CNN-LSTM混合模型	性能、饲喂、行为和天气数据	52头奶牛（2022年10月至2023年12月）
717	2025-06-03	Non-traditional socio-environmental and geospatial determinants of Alzheimer's disease-related dementia mortality 2025-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179745 PMID:40424712	研究论文	本研究探讨了非传统环境和社会因素对阿尔茨海默病相关痴呆（ADRD）死亡率的影响	结合了空气污染、社会脆弱性和地理空间特征来研究ADRD死亡率，并使用了PRIM和SHAP等先进分析方法	研究为横断面设计，无法确定因果关系	确定非传统环境和社会因素与ADRD死亡率的关系	美国大陆县级ADRD死亡率数据	公共卫生	老年病	PRIM、SHAP、深度学习	NA	环境数据、社会脆弱性指数、街景图像	美国大陆县级数据
718	2025-06-03	Deep Guess acceleration for explainable image reconstruction in sparse-view CT 2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102530 PMID:40154011	研究论文	本文提出了一种名为Deep Guess加速方案的新技术，用于在稀疏视图CT中加速正则化MBIR并提高重建精度	结合深度学习工具初始化近端算法的起始猜测，以在非凸模型中快速计算可解释的解图像	未提及具体临床验证或大规模样本测试	减少医学成像中的X射线剂量辐射并提高稀疏视图CT的重建质量	稀疏视图CT图像	计算机视觉	NA	深度学习	神经网络	图像	真实和合成的CT图像（具体数量未提及）
719	2025-06-03	Deep learning-based image classification and quantification models for tablet sticking 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化制药片剂生产中的粘附问题	结合CNN和GLCM特征的集成模型，能够检测和量化片剂粘附，克服了传统视觉检查的局限性	研究仅针对10批片剂进行了验证，样本量相对较小	提高制药片剂生产的效率和质量控制	制药片剂生产中的粘附问题	计算机视觉	NA	CNN, GLCM, SVM	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批片剂
720	2025-06-03	Enhancing YOLOv8n with Mamba-like linear attention for defect detection and coating thickness analysis of irregular film tablet 2025-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125704 PMID:40354903	研究论文	本研究提出了一种集成深度学习和机器视觉的实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量	提出了一种增强型YOLOv8n架构，结合了Mamba-Like Linear Attention (MLLA)机制，显著提高了模型对细微缺陷的检测精度	NA	开发一种实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量，以提高药品生产的质量和效率	不规则形状薄膜包衣片	计算机视觉	NA	机器视觉、深度学习、亚像素图像处理技术	YOLOv8n、MLLA	图像	八种包衣片