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
61	2025-12-14	Diagnosing Ankylosing Spondylitis via Architecture-Modified ResNet and Combined Conventional Magnetic Resonance Imagery 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01427-4 PMID:40032762	研究论文	本研究通过改进的ResNet架构和结合传统磁共振图像，开发了一种深度学习模型用于诊断强直性脊柱炎	采用架构修改的ResNet50模型，结合多种传统MRI序列（T1w/T2w）进行训练，并通过YOLOv5自动提取骶髂关节区域，实现了高精度的AS诊断	研究样本量较小（仅56名患者），且仅使用传统MRI序列，未考虑其他影像模态或临床数据	探索利用卷积神经网络从传统MRI图像中自动诊断强直性脊柱炎的可行性，并确定最优的MRI序列组合	强直性脊柱炎患者和对照组的骶髂关节磁共振图像	计算机视觉	强直性脊柱炎	传统磁共振成像（MRI），包括T1w/T2w序列	CNN	图像	56名患者的1140个骶髂关节图像（534个AS，606个对照）	PyTorch	ResNet50, InceptionV3, VGG16, YOLOv5	准确率, 灵敏度, 特异性, ROC AUC, mAP@0.5	NA
62	2025-12-14	Smartphone-Based Oral Lesion Image Segmentation Using Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01455-0 PMID:40032764	研究论文	本研究开发了一种基于深度学习的智能手机口腔病变图像分割模型OralSegNet，旨在辅助早期诊断	提出了一种新颖的UNet架构OralSegNet，结合EfficientNetV2L编码器、ASPP模块和残差块，以提升分割精度，并针对智能手机图像进行了优化	模型参数较多（1.0446亿），尽管计算效率较高，但可能在资源受限设备上部署时面临挑战；数据集规模相对有限（538张图像）	开发一种基于深度学习的解决方案，用于从智能手机拍摄的图像中分割口腔病变，以辅助早期诊断	口腔病变图像，包括癌性和非癌性病变	计算机视觉	口腔疾病	深度学习图像分割	CNN	图像	538张原始图像，平均分辨率为1394×1524像素，附带标注	NA	UNet, EfficientNetV2L	Dice系数, IoU分数	NA
63	2025-12-14	SSW-YOLO: Enhanced Blood Cell Detection with Improved Feature Extraction and Multi-scale Attention 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01460-3 PMID:40032763	研究论文	本文提出了一种名为SSW-YOLO的新型算法，用于增强血细胞检测的准确性和效率	引入了空间到深度卷积层以增强特征提取、采用Swin Transformer实现多尺度注意力机制、简化c2f模块以降低模型复杂度、以及使用Wasserstein距离损失函数提高定位精度	NA	提升血细胞检测的准确性和效率，减少人工误差，加速血液疾病的诊断	血细胞	计算机视觉	血液疾病	深度学习	YOLO系列算法	医学图像	BCCD血细胞数据集	NA	YOLO, Swin Transformer	平均精度均值	NA
64	2025-12-14	Application of TransUnet Deep Learning Model for Automatic Segmentation of Cervical Cancer in Small-Field T2WI Images 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01464-z PMID:40035972	研究论文	本研究开发了一种创新的深度学习模型，用于增强宫颈癌病变的自动分割	结合CNN提取局部信息和Transformer捕获长程依赖，构建TransUnet模型，并基于多方向MRI技术开发了三个不同方向的分割模型	NA	提高宫颈癌在磁共振图像中的自动分割精度，以辅助自动检测、分期和治疗规划	经病理证实的宫颈癌患者的T2WI小视野图像	计算机视觉	宫颈癌	磁共振成像（MRI），T2WI	CNN, Transformer	图像	来自222名患者的4063张T2WI小视野图像（矢状位、冠状位和斜轴位）	NA	TransUnet, U-Net	Dice相似系数（DSC）, 平均豪斯多夫距离（AHD）	NA
65	2025-12-14	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文系统综述了应用于肺癌患者CT扫描的2D深度学习分割网络的研究现状与前景	首次系统性地梳理了2020年至2024年间2D深度学习网络在肺癌CT分割中的应用，并识别了关键研究空白和挑战	综述主要基于已发表的文献，可能未涵盖未发表或正在进行的研究；且时间范围限定在2020-2024年	评估和总结2D深度学习网络在肺癌CT图像分割中的当前应用、性能及未来方向	针对肺癌患者的CT扫描图像进行分割的2D深度学习网络研究	计算机视觉	肺癌	CT扫描	CNN	图像	基于124项符合纳入标准的研究，具体样本量因研究而异，常用数据集为LIDC-LIDR	NA	UNet及其变体	Dice相似系数	NA
66	2025-12-14	A Novel Pipeline for Adrenal Gland Segmentation: Integration of a Hybrid Post-Processing Technique with Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01449-y PMID:40038136	研究论文	本文提出了一种结合混合后处理技术与深度学习的肾上腺分割新流程，显著提升了CT图像中肾上腺分割的准确性	通过集成先进的预处理技术和鲁棒的后处理框架，特别是利用测试时间增强和去除未连接区域，显著提高了左右肾上腺的分割精度	NA	提升CT图像中肾上腺的自动分割准确性，以支持计算机辅助诊断和手术规划	CT图像中的左右肾上腺	医学图像分割	肾上腺相关疾病	CT成像	深度学习	CT图像	基于AMOS数据集	NA	2D UNet, VGG16, ResNet34, InceptionV3	Dice相似系数	NA
67	2025-12-14	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本研究提出了一种基于深度学习和物联网的框架I-BrainNet，用于脑肿瘤的分类	结合深度学习和物联网技术，开发了实时脑肿瘤分类框架I-BrainNet，并比较了多种深度学习网络在MRI与非MRI以及肿瘤与非肿瘤分类任务上的性能	未明确说明数据集的来源多样性、模型在外部验证集上的泛化能力，以及物联网框架在实际临床环境中的部署挑战	通过深度学习技术对脑肿瘤进行精确分类，以辅助临床诊断决策	脑肿瘤的多模态图像数据，包括CT和MRI扫描	计算机视觉	脑肿瘤	MRI, CT	CNN	图像	9616张MRI和CT扫描，其中8000张用于MRI与非MRI分类，4000张用于肿瘤与非肿瘤分类	TensorFlow, Keras	MobileNetV2, ResNet, InceptionV3, VGG16	准确率	NA
68	2025-12-14	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于C-TIRADS的甲状腺结节超声图像分级模型，融合医学先验知识与深度特征	结合传统手工特征与深度特征，引入基于快速行进方法的伪影去除算法和多头自注意力机制的改进ShuffleNetV2网络，并融合医学先验知识进行多类分类	未明确提及模型泛化能力或外部验证结果	开发一种计算机辅助诊断系统，用于甲状腺结节的超声图像分级	甲状腺结节超声图像	计算机视觉	甲状腺结节	超声成像	CNN, XGBoost	图像	922张原始图像，包括C-TIRADS 2至5类结节	未明确指定，可能为PyTorch或TensorFlow	改进的ShuffleNetV2网络	准确率, 精确率, 召回率, F1分数, AUC	未明确指定
69	2025-12-14	A Two-Stage Lightweight Deep Learning Framework for Mass Detection and Segmentation in Mammograms Using YOLOv5 and Depthwise SegNet 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01471-0 PMID:40087224	研究论文	提出一种用于乳腺X光片中肿块检测与分割的两阶段轻量级深度学习框架	开发了可直接在用户浏览器中运行的轻量级解决方案，确保医疗数据不离开用户计算机，结合YOLOv5与深度可分离卷积的SegNet架构实现高效分割	未明确说明模型在更广泛数据集或临床环境中的泛化能力	在满足医疗数据隐私标准的前提下实现高效准确的乳腺癌病灶分割	乳腺X光片中的肿块区域	计算机视觉	乳腺癌	深度学习	CNN	医学图像	CBIS-DDSM和INbreast数据集（具体数量未说明）	PyTorch（基于YOLOv5推断）	YOLOv5-nano, SegNet（深度可分离卷积变体）	mAP@50, IoU, Dice系数	浏览器端部署（推测为普通计算设备）
70	2025-12-14	AI-Based 3D Liver Segmentation and Volumetric Analysis in Living Donor Data 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01468-9 PMID:40087225	研究论文	本研究探讨了基于深度学习的3D肝脏分割和体积分析在活体肝移植中的应用	首次在活体肝移植术前和术后数据中，系统比较了多种基于U-Net的3D模型（包括3D U-Net、RU-Net、DU-Net和RDU-Net）的肝脏分割性能，并进行了肝切除率和再生率的体积分析	样本量相对较小（55名捐赠者），且术后第7天的图像分割性能最低，可能受术后解剖变化影响	评估深度学习模型在活体肝移植中3D肝脏分割和体积测量的准确性与临床适用性	活体肝移植捐赠者的腹部CT影像数据	数字病理学	肝移植	腹部计算机断层扫描（CT）	CNN	3D医学影像	55名捐赠者的术前和术后CT数据	未明确提及，推测为PyTorch或TensorFlow	3D U-Net, RU-Net, DU-Net, RDU-Net	Dice相似系数（DSC）, 召回率, 特异性, 精确度, 准确率	NA
71	2025-12-14	Automated Detection of Hydrocephalus in Pediatric Head Computed Tomography Using VGG 16 CNN Deep Learning Architecture and Based Automated Segmentation Workflow for Ventricular Volume Estimation 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01482-x PMID:40108068	研究论文	本研究提出了一种基于VGG16架构的卷积神经网络模型，用于自动检测婴儿头部CT图像中的脑积水，并集成了自动脑室体积提取方法	首次将VGG16 CNN架构与自动脑室分割工作流结合，专门针对婴儿先天性脑积水的自动分类与体积估计，填补了该领域深度学习研究的空白	研究样本量相对较小（105例CT扫描），且仅针对婴儿群体，未涵盖其他年龄段的脑积水病例	开发一种自动化的脑积水检测与脑室体积估计方法，以辅助临床诊断并减少观察者偏差	婴儿头部CT扫描图像，特别是脑室区域	计算机视觉	脑积水	CT成像	CNN	图像	105例头部CT扫描，共6300张切片	TensorFlow, Keras	VGG16	准确率, 相关系数R, 平均绝对百分比误差, 均方根误差	NA
72	2025-12-14	Deep Learning Neural Network Based on PSO for Leukemia Cell Disease Diagnosis from Microscope Images 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01474-x PMID:40113730	研究论文	本文提出了一种基于粒子群优化（PSO）的深度学习神经网络方法，用于从显微镜图像中诊断白血病细胞疾病	结合深度学习特征提取与PSO优化方法进行特征选择，并集成多种机器学习算法进行白血病细胞诊断	未明确说明样本来源、数据量及模型泛化能力的验证细节	通过显微镜图像实现白血病细胞的准确诊断	白血病细胞显微镜图像	计算机视觉	白血病	显微镜成像	深度学习神经网络, 决策树, 支持向量机, K近邻	图像	NA	NA	GoogLeNet, ResNet-50	准确率	NA
73	2025-12-14	Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01475-w PMID:40128503	研究论文	本研究探讨了基于MRI的深度学习成像在预测高危孕妇胎盘植入谱系（PAS）中的诊断价值	使用DenseNet-121深度学习模型进行PAS诊断，并与多种机器学习模型（如SVM、KNN、RF、LGBM）进行比较，通过外部验证集证实了DL模型的优越性能	研究为回顾性、多中心设计，样本量相对有限（共263例患者），可能存在选择偏倚	探索深度学习在MRI影像中诊断胎盘植入谱系（PAS）的应用价值	来自两个机构的263名疑似胎盘植入的高危孕妇	数字病理学	胎盘植入谱系	MRI成像，影像组学特征提取	深度学习，支持向量机（SVM），K近邻（KNN），随机森林（RF），轻量梯度提升机（LGBM）	MRI图像	263名患者（训练集170例，外部验证集93例）	NA	DenseNet-121	AUC，准确率，特异性	NA
74	2025-12-14	Vision Transformers in Medical Imaging: a Comprehensive Review of Advancements and Applications Across Multiple Diseases 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01481-y PMID:40164818	综述	本文全面回顾了视觉变换器（ViT）在医学影像分类中的进展与应用，涵盖多种疾病领域	系统性地综述了ViT在医学影像分类中的最新研究，并比较了其与传统卷积神经网络（CNN）的性能表现	作为综述文章，未提出新的模型或实验，主要基于现有文献进行分析和总结	探讨ViT在医学影像分类领域的应用现状、性能优势及未来研究方向	医学影像数据，包括乳腺癌、皮肤病变、脑肿瘤MRI、肺部疾病、视网膜分析、COVID-19、心脏病、结肠癌、脑部疾病、糖尿病视网膜病变、皮肤病、肾病、淋巴结疾病和骨骼分析等	计算机视觉	多种疾病	NA	Vision Transformer（ViT）	图像	NA	NA	Vision Transformer	NA	NA
75	2025-12-14	Study on Ultrasound-Assisted Diagnosis of CHB Complicated with NAFLD Hepatic Fibrosis Based on Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01331-3 PMID:40234347	研究论文	本研究旨在开发和评估一种基于深度学习的自动化分类模型，用于诊断慢性乙型肝炎（CHB）合并非酒精性脂肪性肝病（NAFLD）的肝纤维化	首次将深度学习技术应用于二维肝脏影像，开发自动化模型辅助诊断CHB合并NAFLD的肝纤维化，并验证AI辅助能显著提升不同经验水平医师的诊断性能	研究为回顾性分析，样本主要来自单一医院，且AI模型仅在特定患者群体（CHB合并NAFLD）中验证，泛化能力需进一步评估	开发并评估基于深度学习的自动化模型，以辅助诊断慢性乙型肝炎合并非酒精性脂肪性肝病的肝纤维化	慢性乙型肝炎（CHB）合并非酒精性脂肪性肝病（NAFLD）患者	数字病理学	肝纤维化	二维超声，FibroScan，肝活检	深度学习模型	二维肝脏影像	2803名患者（20540张二维肝脏影像）用于模型开发，150名患者（922张二维超声影像）用于验证	NA	NA	灵敏度，特异性，准确率，AUC	NA
76	2025-12-14	Transfer Learning and Permutation-Invariance Improving Predicting Genome-Wide, Cell-Specific and Directional Interventions Effects of Complex Systems 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509456 PMID:40971773	研究论文	本研究提出了一种基于迁移学习和置换不变性的深度学习模型SETComp，用于预测复杂系统（如天然产物）在细胞系中的干预效果	利用预训练在大量单化合物干预数据上的置换不变性模型，通过迁移学习在小样本复杂系统数据上进行微调，显著提升了预测准确性	未明确提及模型在更广泛生物医学场景或临床样本中的泛化能力限制	开发一种预测复杂系统（如天然产物）在细胞系中全基因组、细胞特异性及定向干预效果的模型	细胞系中的单化合物和复杂系统（如天然产物）干预数据	机器学习	NA	深度学习	深度学习模型	基因组干预数据	大量单化合物干预数据和小量复杂系统干预数据	NA	基于置换不变性的深度模型	准确率	NA
77	2025-12-14	Navigating protein-nucleic acid sequence-structure landscapes with deep learning 2025-Dec, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103162 PMID:40987097	综述	本文综述了深度学习在预测蛋白质-核酸相互作用和设计核酸结合蛋白方面的最新进展	整合高通量分析数据、开发更严谨的评估基准，以及利用自监督学习发现生物学意义的调控和结构信号	实验数据稀缺且多样性有限，核酸具有独特的几何、物理化学和进化特性	解决蛋白质-核酸相互作用预测这一结构生物学领域的主要未解挑战	蛋白质-核酸复合物结构及能够结合特定蛋白质构象的核酸设计	结构生物学	NA	高通量分析、自监督学习	深度学习	序列-结构数据	NA	NA	NA	NA	NA
78	2025-12-14	Thermal Runaway Temperature Prediction of Lithium-Ion Battery Under Extreme High-Temperature Shock Using Experimental and Virtual Data 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511359 PMID:40990043	研究论文	本文提出了一种结合实验和虚拟数据的框架，用于预测锂离子电池在极端高温冲击下的热失控温度	通过高温冲击波诱导的热失控测试获取真实温度数据，并建立3D共轭传热与热失控耦合模型，利用仿真数据弥补实验数据不足，结合深度学习模型实现高保真、快速响应的热失控温度预测	研究主要针对NCM523和LFP两种电池类型，且实验条件模拟真实火灾暴露存在局限性	预测锂离子电池在极端高温冲击下的热失控温度，以提升电池热安全性	锂离子电池（具体为LiNiCoMnO (NCM523) 和 LiFePO (LFP) 电池）	机器学习	NA	高温冲击波诱导热失控测试、3D共轭传热与热失控耦合模拟	深度学习模型	温度数据、仿真数据	针对NCM523和LFP电池进行实验，并通过仿真模型生成不同荷电状态和热源距离下的虚拟数据	NA	NA	平均绝对百分比误差 (MAPE)	NA
79	2025-12-14	An Interpretable SERS-AI Platform for Rapid and Quantitative Diagnosis of Polymicrobial UTIs: Powered by Positively Charged Plasmonic Nanoparticles and Attention-Based Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202513502 PMID:40990453	研究论文	提出了一种基于表面增强拉曼散射和人工智能的无标记、可解释平台，用于快速识别和定量诊断多微生物尿路感染	结合带正电荷的等离子体纳米颗粒实现静电细菌捕获和稳定SERS信号生成，并采用卷积块注意力模块增强的卷积神经网络，提供高精度分类和细菌比例预测，同时通过注意力机制实现光谱特征的可解释性	未明确说明样本量是否足够大以覆盖所有临床相关病原体变种，且平台在更复杂或非典型尿液样本中的性能需进一步验证	开发一个快速、定量且可解释的诊断平台，用于多微生物尿路感染的识别和细菌比例预测	多微生物尿路感染中的混合尿路病原体	机器学习	尿路感染	表面增强拉曼散射	CNN	光谱数据	临床尿液样本（具体数量未明确说明）	未明确指定，可能为TensorFlow或PyTorch	卷积神经网络（CNN）结合卷积块注意力模块	准确率，AUC，相关系数R	NA
80	2025-12-14	Rethinking the AI Paradigm for Solubility Prediction of Drug‑Like Compounds with Dual-Perspective Modeling and Experimental Validation 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511667 PMID:40995668	研究论文	本研究通过构建最大的药物分子水溶性数据集，开发了基于多种机器学习算法的可靠溶解度预测模型，并进行了实验验证	提出了双视角建模方法，构建了迄今为止最大的药物分子水溶性数据集，并通过实验验证了模型的高可靠性	数据限制导致当前先进的深度学习模型准确性不如多种统计机器学习算法的集成	开发可靠的药物溶解度预测模型，为药物发现提供工具	药物及类药分子	机器学习	NA	实验测定	回归算法, 分类算法, 深度学习模型	化学数据	最大的药物分子水溶性数据集（具体数量未明确说明），包含DrugBank数据库中无实验溶解度数据的条目，并实验测定了10个潜在药物分子	NA	NA	准确性, 泛化能力	NA