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
741	2025-12-10	Fully automated IVUS image segmentation with efficient deep-learning-assisted annotation 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111312 PMID:41248587	研究论文	本文提出了一种结合主动学习和模型输出交互的高效深度学习框架，用于全自动IVUS图像分割，显著减少了标注工作量	提出了一种双分支网络，集成了空间和通道概率注意力模块，用于分割管腔和斑块区域并同时预测潜在分割错误，引入了分割质量评估以量化未标注图像的分割质量并提供视觉提示	NA	开发一种全自动IVUS图像分割方法，以辅助冠状动脉疾病的诊断、治疗规划和监测	冠状动脉IVUS图像	计算机视觉	心血管疾病	IVUS	深度学习	图像	来自266名受试者的38,771个横截面帧	NA	双分支网络	NA	NA
742	2025-12-10	Dynamic multi-scale deep learning with mixture of experts for differentiating iNPH and PSP using MRI 2025-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03537-4 PMID:41254343	研究论文	本研究提出了一种新颖的多尺度深度学习框架，通过专家混合机制整合全局和局部磁共振成像特征，用于区分特发性正常压力脑积水和进行性核上性麻痹	首次将专家混合机制与多尺度深度学习结合，动态加权全局和局部MRI特征，提高了诊断准确性和可解释性	样本量相对较小（118例患者），需要多中心验证和数据集扩展以增强泛化能力	开发一种准确、稳健且可解释的深度学习工具，用于区分特发性正常压力脑积水和进行性核上性麻痹	118名患者（53例特发性正常压力脑积水，65例进行性核上性麻痹）的T1加权磁共振成像数据	医学影像分析	神经系统疾病	磁共振成像	CNN, RCNN	图像	118例患者（53例特发性正常压力脑积水，65例进行性核上性麻痹）	PyTorch, TensorFlow	ResNet-34	准确率, 召回率, 精确率, AUC	NA
743	2025-12-10	Scalable Clinical Annotation with Location Evidence (SCALE) 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111321 PMID:41274111	研究论文	提出一种名为SCALE的全自动体素级标注方法，用于生成大规模医学影像标注数据集，以支持深度学习模型开发	开发了首个完全自动化的体素级标注方法，利用从医疗报告自动提取的位置先验、活检坐标或解剖区域信息，实现了大规模标注的可扩展性	研究主要针对前列腺癌MRI检测，未验证在其他疾病或影像模态上的通用性	开发可扩展的自动化医学影像标注方法，以促进AI在前列腺癌检测中的临床应用	前列腺MRI影像及其对应的医疗报告、活检坐标数据	数字病理学	前列腺癌	MRI影像分析	深度学习模型	医学影像（MRI）	训练集：17,896例（16,562名患者，24家医院）；测试集：1,561例（1,561名患者，19家医院）	NA	NA	受试者工作特征曲线下面积（AUC）	NA
744	2025-12-10	Augmentation-based deep learning for identification of circulating tumor cells 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111333 PMID:41274113	研究论文	本研究提出了一种基于深度学习的分类流程，旨在通过增强学习技术从血液样本中区分循环肿瘤细胞与白细胞，以提高诊断准确性并优化临床工作流程	采用基于ResNet的卷积神经网络，结合三种数据增强技术，并在训练阶段融入荧光通道图像以学习额外的CTC特异性特征，而测试仅使用明场图像，从而在不依赖荧光标记的情况下识别CTC	未明确提及样本量是否足够大以覆盖所有CTC异质性，且模型性能可能受限于数据增强技术的有效性	开发一种基于明场单细胞分析的深度学习方法，以克服荧光方法在泛化性方面的限制，并提高CTC识别的准确性和效率	循环肿瘤细胞和白细胞	数字病理学	癌症	Parsortix®技术和DEPArray™技术结合，用于基于大小和可变形性选择细胞并进行精确可视化	CNN	图像	未明确提及具体样本数量	未明确提及，但基于ResNet架构推测可能使用PyTorch或TensorFlow	ResNet	F1分数	未明确提及
745	2025-12-10	AI-driven rapid identification of bacterial and fungal pathogens in blood smears of septic patients 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111328 PMID:41275751	研究论文	本研究开发了一种基于深度学习的AI驱动方法，用于从脓毒症患者的血液涂片显微图像中快速识别细菌和真菌病原体	技术流程的创新点在于结合了Cellpose 3模型进行稳健精确的微生物细胞分割，以及基于注意力的深度多实例学习进行复杂且上下文感知的分类，有效克服了异质样本中标准单实例分类的局限性	在密切相关的物种（如人葡萄球菌和溶血葡萄球菌）以及白色念珠菌内部存在一些分类困难	快速诊断和治疗脓毒症，通过AI技术减少微生物诊断时间	脓毒症患者的血液样本中的细菌和真菌病原体	数字病理学	脓毒症	革兰氏染色涂片显微成像	深度学习	图像	16637张革兰氏染色显微图像	NA	Cellpose 3, Attention-based Deep Multiple Instance Learning	准确率, ROC AUC	NA
746	2025-12-10	GOARS: Generalized organ-at-risk segmentation utilizing hierarchical learning architecture and multi-dimensional feature aggregation 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111327 PMID:41308236	研究论文	提出了一种用于放疗中危及器官自动分割的通用方法GOARS，它采用分层学习架构和多维特征聚合技术	提出了一个统一的网络框架，通过自适应ROI提取策略处理小器官和重叠器官，并构建了结合2D和3D网络的双结构细粒度分割模型	未在摘要中明确说明	开发一种自动化的危及器官分割方法，以提高放疗计划的精度和可靠性	放疗中的危及器官	数字病理学	癌症	深度学习	CNN	医学图像	三个独立数据集	NA	分层学习架构，结合2D和3D网络的双结构模型	NA	NA
747	2025-12-10	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29744-2 PMID:41326549	研究论文	本文提出了一种用于胎儿MRI中宫颈自动分割和生物测量的深度学习流程	首次开发了针对妊娠期宫颈3D T2加权MRI的自动化多层分割和生物测量深度学习流程	仅评估了20个数据集，样本量相对有限	开发自动化方法用于胎儿MRI中宫颈的测量和分析	妊娠期宫颈的3D T2加权MRI图像	数字病理学	妊娠相关疾病	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于分析	NA	NA	与手动测量比较的性能评估	NA
748	2025-12-10	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Dec-01, NPJ artificial intelligence DOI:10.1038/s44387-025-00043-5 PMID:41333195	研究论文	本文介绍了首个公开的专家标注肩部病理数据集ScopeMRI，并提出了一个基于深度学习的框架，用于在标准MRI和MRA上检测Bankart病变	首次构建并公开了基于关节镜金标准标注的肩部病理MRI数据集，并开发了一个集成CNN和Transformer架构的多平面预测融合模型，在标准MRI上实现了超越放射科医生解读MRA的诊断性能	尽管在外部验证中显示了初步的泛化能力，但模型在不同成像协议和医疗机构间的广泛适用性仍需进一步验证	开发一个深度学习框架，用于在具有挑战性的临床诊断任务（Bankart病变检测）中实现放射科医生级别的性能	肩部MRI图像，特别是用于检测Bankart病变（前下盂唇撕裂）	医学影像分析	肌肉骨骼疾病	MRI, MRA	CNN, Transformer	图像	包含接受关节镜检查患者的肩部MRI，具体数量未在摘要中说明	NA	CNN-based, Transformer-based architectures (具体架构未指定)	准确度	NA
749	2025-12-10	Benchmarking interpretability of deep learning for predictive genomics: Recall, precision, and variability of feature attribution 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013784 PMID:41348741	研究论文	本文提出了一种用于评估深度学习模型在预测基因组学中特征归因方法可解释性的基准框架，并应用于英国生物银行的身高预测数据	引入了一个量化归因召回率、归因精确度和稳定性的基准框架，用于评估深度学习模型在遗传变异识别中的可解释性	研究主要基于英国生物银行的数据，可能无法完全推广到其他人群或表型	评估深度学习模型在预测基因组学中特征归因方法的可靠性和可解释性	英国生物银行中约30万参与者的基因型数据，用于身高预测	机器学习	NA	全基因组关联分析	前馈神经网络	基因型数据	约30万参与者，超过50万个常染色体变异	NA	前馈神经网络	归因召回率, 归因精确度, 稳定性, 相对标准差	NA
750	2025-12-10	Graph-enhanced deep learning for diabetic retinopathy diagnosis: A quality-aware and uncertainty-driven approach 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013745 PMID:41348927	研究论文	提出一种结合图卷积网络、质量评估和不确定性估计的深度学习模型，用于糖尿病视网膜病变的诊断	将预训练模型提取的特征构建为图结构，利用GCN进行嵌入表示增强，并创新性地集成了质量评估和不确定性估计模块以提高诊断可靠性和临床适用性	未明确提及模型在更广泛或更具挑战性的临床数据集上的泛化能力测试，以及计算效率的详细分析	开发一种准确、可靠且可解释的糖尿病视网膜病变自动诊断方法	糖尿病视网膜病变的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习，图卷积网络	CNN, GCN, Transformer	图像	APTOS2019、Messidor-2和EyePACS数据集，具体样本数量未在摘要中明确说明	PyTorch, TensorFlow (推断，因使用Grad-CAM)	MobileViT, DenseNet-169, Graph Convolutional Network	准确率, F1分数, Kappa系数	NA
751	2025-12-10	Benchmarking Supervised and Self-Supervised Learning Methods in a Large Ultrasound Muti-Task Images Dataset 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3382604 PMID:38536687	研究论文	本文介绍了US-MTD120K超声多任务数据集，并对比了监督学习和自监督学习方法在超声图像分析中的性能	提出了一个大规模超声多任务数据集US-MTD120K，并引入改进的自监督学习方法MoCo-US，减少对前置任务设计的依赖	未明确说明数据集的泛化能力或模型在外部验证集上的表现	构建和评估适用于超声图像的深度学习基础模型	超声二维图像	计算机视觉	NA	超声成像	CNN, SSL	图像	120,354张真实世界二维超声图像	NA	NA	NA	NA
752	2025-12-10	Precision Unveiled in Unborn: A Cutting-Edge Hybrid Machine Learning Approach for Fetal Health State Classification 2025-Dec, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00800-2 PMID:40866753	研究论文	本文提出了一种结合随机森林和AdaBoost的混合机器学习方法，用于提升胎儿健康状态的分类性能	提出了一种新颖的混合机器学习方法，通过智能动态结合随机森林和AdaBoost算法，增强了胎儿健康分类的准确性和鲁棒性	未在摘要中明确说明研究的局限性	通过机器学习算法提升胎儿健康状态的分类准确性，以支持胎儿异常的早期检测和及时治疗	胎儿心电图（ECG）信号，用于分类胎儿健康状态	机器学习	胎儿心脏异常	胎儿心电图（ECG）信号分析	随机森林（RF），AdaBoost	时间序列数据（胎儿ECG信号）	基于公认的基准CTG数据集，具体样本数量未在摘要中说明	NA	NA	准确率，精确率，召回率，F1分数	NA
753	2025-12-10	Artificial intelligence-driven eye tracker models for Alzheimer's disease diagnosis: A systematic review and meta-analysis 2025-Dec, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251389145 PMID:41134992	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了人工智能驱动的眼动追踪工具在阿尔茨海默病诊断中的准确性	首次对人工智能驱动的眼动追踪模型在阿尔茨海默病诊断中的准确性进行系统综述和荟萃分析，并比较了深度学习与监督机器学习之间的性能差异	研究主要基于病例对照研究，缺乏在更广泛人群中进行有效筛查的证据，且存在显著的异质性来源	评估人工智能驱动的眼动追踪模型在阿尔茨海默病检测中的诊断准确性	阿尔茨海默病患者与健康对照者	机器学习	阿尔茨海默病	眼动追踪	深度学习, 监督机器学习	眼动追踪数据	NA	NA	支持向量机	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, ROC曲线下面积	NA
754	2025-12-10	Dual-Path Cuffless PPG-Based Blood Pressure Estimation Using Conformer & Swin Transformer 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621132 PMID:41359694	研究论文	本文提出了一种新颖的双路径深度学习框架，利用光电容积脉搏波信号进行无袖带连续血压监测，通过结合Conformer-Transformer和1D Swin Transformer架构，显著提升了血压估计的准确性和生理一致性	首次将Conformer-Transformer和1D Swin Transformer两种深度神经网络架构应用于PPG信号建模，以同时捕捉信号的形态结构和节律动态，实现动脉血压波形重建，并在多个关键指标上优于主流基线方法	NA	解决无袖带连续血压监测中的关键挑战，提高血压估计的准确性和生理一致性	光电容积脉搏波信号	机器学习	心血管疾病	PPG信号分析	Transformer	信号数据	基于两个公共数据集	NA	Conformer-Transformer, 1D Swin Transformer	平均绝对误差, 波形重建性能	NA
755	2025-12-10	Breathing Cycle-Aware Segmentation for Patient-Ventilator Asynchrony Detection 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3619269 PMID:41359707	研究论文	本文提出了一种用于患者-呼吸机异步检测的无监督呼吸周期感知分割方法	提出了一种无监督的呼吸周期感知分割方法，结合了频率自适应聚类、周期性提示验证和动态分割技术，无需大量标注数据	方法仅在单一真实世界数据集上进行了评估，未提及跨中心或跨设备验证	开发一种可靠的患者-呼吸机异步检测方法，以改善机械通气患者的护理	机械通气患者的呼吸波形数据	机器学习	呼吸系统疾病	机械通气波形分析	深度学习分类模型	波形数据	来自澳大利亚墨尔本Austin Health的真实世界数据集	NA	NA	六项评估指标中的五项优于基线方法	NA
756	2025-12-10	MetaBlock-SE: A Method to Deal With Missing Metadata in Multimodal Skin Cancer Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3612837 PMID:41359712	研究论文	提出了一种名为MetaBlock-SE的新方法，用于处理多模态皮肤癌分类中缺失的元数据问题	在原有的元数据处理块架构中集成了句子嵌入算法，以生成能够捕捉元数据特征间语义关系的密集向量，从而更有效地处理缺失或不完整的元数据	未明确说明该方法在处理极端缺失比例或不同类型缺失模式时的鲁棒性，也未与其他先进的缺失数据处理方法进行广泛比较	开发一种能够处理缺失元数据的鲁棒多模态模型，以提高皮肤癌计算机辅助诊断系统在真实临床场景中的实用性	皮肤病变图像及相关的患者元数据	计算机视觉	皮肤癌	深度学习，句子嵌入算法	CNN	图像，文本（元数据）	PAD-UFES-20数据集及其扩展版本（规模扩大七倍）	未明确指定	ResNet-50, MetaBlock	平衡准确率	未明确指定
757	2025-12-10	Federated Pseudo-Labeling: A Data-Centric, Privacy-Preserving Framework for Medical Image Segmentation 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622934 PMID:41359701	研究论文	本文提出了一种数据中心的、隐私保护的联邦伪标签框架，用于医学图像分割	通过伪标签和不确定性估计，避免共享私有数据和模型参数，解决了联邦学习中模型架构统一、隐私风险和协调挑战的问题	未明确说明框架在更广泛疾病类型或更大规模数据集上的泛化能力	开发一个可扩展且隐私保护的医学图像分割解决方案	医学图像分割任务，具体针对乳腺癌超声数据集和皮肤癌皮肤镜数据集	计算机视觉	乳腺癌, 皮肤癌	伪标签, 不确定性估计	CNN	图像	NA	NA	改进的U-Net（包含残差块、空洞空间金字塔池化和卷积块注意力模块）	NA	NA
758	2025-12-10	Adaptive Multi-Scale Dynamic Graph Representation Learning With Overlapping Community-Awareness for ASD Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622540 PMID:41359708	研究论文	提出一种用于自闭症谱系障碍分类的自适应多尺度动态图表示学习模型	构建了适应个体时间特性的个性化多尺度动态功能连接图，并引入了新颖的重叠社区感知读出模块，以纳入脑区在多个功能网络中的参与	未明确说明模型的计算复杂度或对大规模数据集的扩展性	利用动态功能连接进行脑部疾病诊断	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	动态功能连接分析	图神经网络	脑功能连接图	ABIDE-I 和 ABIDE-II 数据集	NA	Ada-MST	NA	NA
759	2025-12-10	Accurate Cobb Angle Estimation via SVD-Based Curve Detection and Vertebral Wedging Quantification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600647 PMID:41359722	研究论文	提出一种基于深度学习的框架，用于通过SVD曲线检测和椎体楔形量化来精确估计青少年特发性脊柱侧凸的Cobb角	结合HRNet骨干网络与Swin-Transformer模块，并引入生物力学约束以增强特征提取；使用奇异值分解直接分析椎体形态的角度预测，无需预定义曲线假设即可灵活检测多种脊柱侧凸模式；提出椎体楔形指数这一新指标来量化椎体变形	研究样本仅包含10-18岁患者的630张全脊柱前后位X光片，可能无法完全代表所有年龄组或更广泛的脊柱畸形类型	开发一种自动化、高精度的青少年特发性脊柱侧凸评估方法，以克服传统手动测量中观察者变异性的问题	青少年特发性脊柱侧凸患者的全脊柱前后位X光片	计算机视觉	青少年特发性脊柱侧凸	X光成像	深度学习	图像	630张来自10-18岁患者的全脊柱前后位X光片	PyTorch	HRNet, Swin-Transformer	诊断准确率, 平均绝对误差	NA
760	2025-12-10	Gated-STGFormer: Spatiotemporal Fusion Network for Reconstructing Aortic Valve Motion Within Coronary Presence 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3611504 PMID:41359724	研究论文	本文提出了一种结合时空图卷积和Transformer的门控深度学习框架，用于重建冠状动脉影响下的主动脉瓣运动	提出Gated-STGFormer框架，首次通过深度学习模型在无显式冠状动脉建模的情况下，学习并重建受冠状动脉调制的瓣叶运动，解决了传统流体-结构相互作用模型因忽略冠状动脉而导致的模拟偏差	模型依赖于模拟数据，可能未完全覆盖真实生理变异；未明确提及在广泛临床数据集上的验证	开发一个物理信息驱动且计算高效的替代模型，以更准确地预测冠状动脉影响下的主动脉瓣运动，用于个性化心脏干预和虚拟手术规划	主动脉瓣瓣叶在冠状动脉影响下的时空运动	机器学习	心血管疾病	深度学习，流体-结构相互作用模拟	GCN, Transformer	模拟的时空运动数据	NA	NA	Gated-STGFormer（结合图卷积网络和Transformer）	保真度（定量评估）	NA