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
9061	2025-12-14	Fast operating room scattered radiation calculation in x-ray guided interventions by using deep learning 2025-Dec-12, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae268e PMID:41330002	研究论文	本研究提出了一种结合蒙特卡洛模拟与深度学习的方法，用于实时估计X射线引导手术中手术室内的三维散射辐射	首次将蒙特卡洛模拟与深度学习相结合，实现手术室内三维散射辐射的实时快速计算，并能适应不同的临床场景	未提及具体临床验证规模及长期稳定性数据	提高X射线引导手术中医护人员免受散射电离辐射危害的安全性	手术室内的散射辐射分布	医学影像分析	NA	蒙特卡洛模拟，X射线成像	深度学习神经网络	模拟辐射图，患者形态数据，成像参数	未明确说明	未明确说明	未明确说明	平均绝对百分比误差，器官剂量误差	NVIDIA RTX 2080 GPU
9062	2025-12-14	Comprehensive review of machine learning and deep learning techniques for epileptic seizure detection and prediction based on neuroimaging modalities 2025-Dec-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00208-8 PMID:41372680	综述	本文全面回顾了基于神经影像模态的癫痫发作检测和预测的机器学习和深度学习技术	系统性地分类了从传统信号处理到先进机器学习及深度学习算法的技术演变，并分析了关键研究趋势与挑战	NA	为癫痫发作检测和预测提供技术综述，以改进临床治疗和患者护理	脑电信号，包括头皮脑电图（EEG）和颅内脑电图	机器学习	癫痫	脑电图（EEG），神经影像模态	支持向量机，随机森林，卷积神经网络，循环神经网络，Transformer，图神经网络，混合架构	信号	NA	NA	NA	NA	NA
9063	2025-12-14	The Application of Deep Learning Human Pose Estimation in Sport: A Systematic Review 2025-Dec-10, Sports medicine - open DOI:10.1186/s40798-025-00953-3 PMID:41369858	综述	本文首次从体育科学视角，系统回顾了基于深度学习的人体姿态估计在体育领域的应用现状、数据集特点、算法方法及面临的挑战	首次从体育科学视角对基于深度学习的人体姿态估计进行系统性评估，并提出了针对未来研究和应用的实际指导建议	大多数研究依赖私有数据集进行算法训练和验证，限制了研究的可重复性和泛化能力；缺乏开放数据集和标准化实践	系统评估基于深度学习的人体姿态估计在体育领域的应用，分析其数据集可用性、方法可重复性及人为因素的影响	体育运动中的人体姿态估计相关研究	计算机视觉	NA	深度学习	深度学习模型	2D和3D视觉数据	371篇相关文章	NA	NA	NA	NA
9064	2025-12-14	Transformer-based deep learning enhances discovery in migraine GWAS 2025-Dec-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65991-7 PMID:41372126	研究论文	本研究开发了一种基于Transformer的深度学习模型InsightGWAS，通过整合功能注释并利用来自重度抑郁症GWAS数据的迁移学习，增强了偏头痛的遗传发现	首次将Transformer模型应用于GWAS数据，结合功能注释和跨疾病迁移学习，显著提高了偏头痛相关基因座的发现能力	模型依赖于现有GWAS数据集和功能注释的完整性，可能受限于数据质量和样本代表性	增强偏头痛的遗传发现，揭示新的遗传位点和相关生物学通路	偏头痛患者与对照组的GWAS数据	机器学习	偏头痛	GWAS, 迁移学习	Transformer	基因组关联数据	53,109例病例和230,876例对照	NA	Transformer	验证位点准确性	NA
9065	2025-12-14	A hybrid CNN-transformer framework optimized by Grey Wolf Algorithm for accurate sign language recognition 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27390-2 PMID:41372241	研究论文	本文提出了一种结合CNN、Transformer和灰狼优化算法的深度学习框架，用于准确高效地识别动态手语手势，特别是在美国手语中	提出了一种新颖的混合CNN-Transformer框架，并利用灰狼优化算法进行超参数调优，以提高模型性能和收敛速度	NA	开发一个高精度、高效率的手语识别系统，以辅助沟通技术	美国手语中的动态手势识别	计算机视觉	NA	深度学习	CNN, Transformer	图像	两个基准数据集：ASL Alphabet和ASL MNIST	NA	CNN-Transformer混合架构	准确率, F1分数, Matthews相关系数, AUC	NA
9066	2025-12-14	Deep learning-based artificial intelligence models predict survival in patients with oral cavity squamous cell carcinoma 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27428-5 PMID:41372262	研究论文	本研究应用深度学习人工智能模型整合多种临床因素，预测口腔鳞状细胞癌患者的生存期	开发了用于多组分类的深度神经网络，整合了传统TNM分期中未充分代表的个体化临床因素，如生活方式和ASA分类，并通过最小二乘和多任务学习处理类别不平衡问题	研究为回顾性分析，可能存在选择偏倚；样本量相对有限（1,018例），且未在外部验证集中测试模型泛化能力	提高口腔鳞状细胞癌患者生存预测的准确性，实现个体化预后评估和治疗规划	1996年至2020年间手术治疗的1,018名口腔鳞状细胞癌患者	机器学习	口腔癌	深度学习	深度神经网络	临床变量（包括人口统计学、生活方式、病理特征等）	1,018名患者	NA	深度神经网络	AUC, 敏感性, 特异性, 一致性指数	NA
9067	2025-12-14	Gradient-based optimization of complex nanoparticle heterostructures enabled by deep learning on heterogeneous graphs 2025-Dec-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00917-3 PMID:41361025	研究论文	本文利用深度学习优化核壳结构上转换纳米粒子的非线性光学性质	采用异构图神经网络结合物理驱动的纳米结构表示，并通过梯度优化方法实现了纳米材料的高效逆设计	训练数据依赖于计算成本高昂的动力学蒙特卡洛模拟，可能限制数据集的进一步扩展	优化上转换纳米粒子的非线性光学性能以实现逆设计	核壳结构上转换纳米粒子	机器学习	NA	动力学蒙特卡洛模拟	图神经网络	光谱数据	超过6000个模拟样本	NA	异构图神经网络	预测发射强度	NA
9068	2025-12-14	An investigation of race bias in deep learning-based segmentation of prostate MRI images 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26189-5 PMID:41353223	研究论文	本研究探讨了基于深度学习的MRI前列腺分割模型中存在的种族偏见问题	首次系统性地研究了MRI前列腺分割深度学习模型中的种族偏见，揭示了训练数据种族不平衡对模型性能的影响	研究仅关注白人和黑人种族群体，未涵盖其他种族；样本量相对有限；仅使用T2加权MRI数据	调查深度学习在前列腺MRI分割中是否存在种族偏见	前列腺MRI图像	数字病理学	前列腺癌	磁共振成像	深度学习模型	医学图像	五个临床T2加权MRI数据集（种族比例不同）加一个公共数据集，测试集包含32名白人和黑人匹配受试者	NA	NA	Dice相似系数	NA
9069	2025-12-14	Comparative Analysis of U-Net and U-Net3 + for Retinal Exudate Segmentation: Performance Evaluation Across Regions 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01419-4 PMID:39904940	研究论文	本研究比较了U-Net和U-Net3+在视网膜渗出物分割中的性能，并评估了它们在不同视网膜区域的检测效果	首次对U-Net和U-Net3+模型在视网膜渗出物分割中进行跨区域（如血管周围与血管外区域、中心凹周围与中心凹外区域以及象限划分）的详细性能比较，并发现U-Net3+在特定区域表现更优	未提及样本量的具体大小或数据集的多样性限制，可能影响模型的泛化能力	评估深度学习模型在视网膜渗出物检测中的性能，以提升糖尿病视网膜病变的诊断准确性和效率	视网膜渗出物（糖尿病视网膜病变的特征性病变）	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像（眼底图像）	NA	NA	U-Net, U-Net3+	准确率, 灵敏度, 特异性, Dice系数	NA
9070	2025-12-14	Preoperatively Predicting PIT1 Expression in Pituitary Adenomas Using Habitat, Intra-tumoral and Peri-tumoral Radiomics Based on MRI 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01376-4 PMID:39904941	研究论文	本研究旨在利用基于MRI的栖息地、瘤内及瘤周影像组学模型，术前预测垂体腺瘤中PIT1的表达	首次结合栖息地影像组学、瘤内及瘤周影像组学特征，并构建了融合临床特征的深度学习影像组学列线图（DLRN）用于预测PIT1表达	研究为回顾性设计，样本量相对较小（共129例患者），且仅基于单一中心的MRI数据	术前预测垂体腺瘤中垂体转录因子1（PIT1）的表达	垂体腺瘤患者	数字病理	垂体腺瘤	MRI影像组学	逻辑回归, 支持向量机, 多层感知机	MRI图像	129例垂体腺瘤患者（训练集103例，测试集26例）	NA	NA	AUC	NA
9071	2025-12-14	Automatic Identification of Fetal Abdominal Planes from Ultrasound Images Based on Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01409-6 PMID:39909994	研究论文	本研究探索了基于深度学习的AI架构在自动识别胎儿腹部标准扫描平面和结构（特别是腹围）方面的潜力	首次将Xception和MobileNetV3Large等六种深度学习神经网络应用于胎儿腹部超声图像平面分类，并采用十折交叉验证进行评估	数据集分布非正态，且需要进一步研究比较AI模型与传统自动腹围测量方法的整体性能	探索人工智能在自动识别胎儿腹部超声标准扫描平面中的应用，以优化产前超声诊断流程	胎儿腹部超声图像	计算机视觉	NA	超声成像	CNN	图像	NA	Keras-OCR, CV2	Xception, MobileNetV3Large, EfficientV2S	准确率	NA
9072	2025-12-14	Automating Prostate Cancer Grading: A Novel Deep Learning Framework for Automatic Prostate Cancer Grade Assessment using Classification and Segmentation 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01429-2 PMID:39913023	研究论文	本文提出了一种基于深度学习的三阶段框架，用于自动评估前列腺癌的严重程度	提出了一种结合分类、分割和机器学习分类器的三阶段创新框架，并采用基于Self-ONN的DeepLabV3架构来增强分割性能	需要进一步研究以评估该框架在不同临床场景中的适应性和有效性	开发自动化系统以提高前列腺癌分级的诊断精度并减少人为误差	前列腺癌组织样本	数字病理学	前列腺癌	全切片图像分析	DNN, 机器学习分类器	图像	从初始5160个病例中筛选出2699个可用病例	NA	EfficientNet_b0, DeepLabV3, Self-ONN	F1-score, Dice Similarity Coefficient, 二次加权Kappa	NA
9073	2025-12-14	Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01407-8 PMID:39953256	研究论文	本文提出了一种基于深度学习的创新系统，用于从CT灌注扫描中自动分割缺血性卒中病灶核心	将边缘增强扩散滤波作为预处理步骤（一种硬注意力机制）与改进的Attention ResUnet架构相结合，利用空间和通道注意力机制捕获长程依赖关系	未明确说明模型在更广泛数据集上的泛化能力，或与其他最先进方法的详细比较	开发自动化缺血性卒中病灶分割工具，以提升临床诊断、预后和治疗规划的效率和准确性	缺血性卒中患者的CT灌注扫描图像	计算机视觉	心血管疾病	CT灌注扫描	CNN	医学图像	使用ISLES 2018挑战赛数据集，采用五折交叉验证	未明确指定	Attention ResUnet	Dice相似系数	NA
9074	2025-12-14	Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01442-5 PMID:39953259	研究论文	本研究开发了一种结合CT图像放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌的组织学亚型	提出了一种结合放射组学和深度学习特征的混合方法，用于非小细胞肺癌亚型分类，通过特征选择和融合提升了分类性能	样本量相对有限（内部数据集235例，外部验证48例），且仅针对腺癌和鳞状细胞癌两种亚型	开发一种基于CT图像的混合模型，以提高非小细胞肺癌组织学亚型分类的准确性和可靠性	非小细胞肺癌患者的CT图像，包括腺癌和鳞状细胞癌两种亚型	计算机视觉	肺癌	CT成像	深度学习	图像	内部数据集235例（110例腺癌，112例鳞状细胞癌），外部验证数据集48例（各24例）	NA	NA	AUC, 准确率	NA
9075	2025-12-14	Dual-Domain Self-Supervised Deep Learning with Graph Convolution for Low-Dose Computed Tomography Reconstruction 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01314-4 PMID:39966223	研究论文	提出一种用于低剂量CT重建的双域自监督深度学习框架，结合图卷积进行降噪	提出首个同时处理正弦图域和图像域降噪的双域自监督框架，并设计结合图卷积与通道注意力模块的混合架构	未明确说明模型在极端低剂量条件下的性能表现，也未讨论临床部署的计算效率问题	提升低剂量CT图像的信噪比以满足诊断需求	低剂量CT图像	计算机视觉	NA	CT成像	深度学习	医学图像（CT正弦图及重建图像）	两个大规模低剂量CT数据集	NA	图卷积网络, 通道注意力模块	NA	NA
9076	2025-12-14	Enhancing Chest X-ray Diagnosis with a Multimodal Deep Learning Network by Integrating Clinical History to Refine Attention 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01446-1 PMID:39971817	研究论文	本研究提出了一种多模态胸部X射线网络（MCX-Net），通过整合胸部X射线图像和临床病史文本来进行多标签疾病诊断	引入了一种结合预训练文本编码器、图像编码器和图像-文本跨模态编码器的多模态网络，以模拟放射科医生综合图像和临床信息的诊断方式	模型训练面临标签不平衡和某些疾病样本稀缺的挑战，且未考虑实验室结果等其他临床信息	开发一种能够整合临床病史的多模态深度学习网络，以提升胸部X射线多标签疾病诊断的准确性	胸部X射线图像和临床病史文本	计算机视觉	肺癌	深度学习	多模态网络	图像, 文本	基于公开的MIMIC-CXR-JPG数据集	NA	ViT-base, ResNet152	AUROC	NA
9077	2025-12-14	NMTNet: A Multi-task Deep Learning Network for Joint Segmentation and Classification of Breast Tumors 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01440-7 PMID:39971818	研究论文	本文提出了一种新颖的多任务深度学习网络NMTNet，用于联合分割和分类乳腺肿瘤	提出了一种结合共享编码器、多尺度融合通道细化模块、病变区域增强模块和细粒度分类器的多任务网络架构，以利用分割与分类任务的内在相关性提升性能	NA	开发一个能够同时进行乳腺肿瘤分割和分类的深度学习模型，以辅助乳腺癌诊断	乳腺肿瘤	计算机视觉	乳腺癌	NA	CNN	图像	NA	NA	U-Net, ResNet18	Dice系数, Jaccard指数, 准确率	NA
9078	2025-12-14	A New Method Using Deep Learning to Predict the Response to Cardiac Resynchronization Therapy 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01380-8 PMID:39979759	研究论文	本研究提出了一种结合临床变量、心电图特征、心功能参数和SPECT MPI极坐标图的深度学习方法，用于预测心脏再同步化治疗（CRT）的应答	创新点在于将预训练的VGG16模型与多层感知器结合，整合了医学影像（SPECT MPI极坐标图）和表格数据（临床特征、心电图参数、SPECT-MPI衍生参数），并应用Grad-CAM提供模型可解释性	研究样本量相对较小（218例患者），且仅基于单中心数据，可能限制模型的泛化能力	旨在通过深度学习提高CRT治疗应答的预测准确性	接受静息门控SPECT MPI检查的CRT植入患者	医学影像分析	心血管疾病	门控单光子发射计算机断层扫描心肌灌注成像（SPECT MPI）	CNN, 多层感知器	图像, 表格数据	218例患者，其中应答者121例（应答率55.5%）	NA	VGG16	AUC, 准确率, 灵敏度, 特异性	NA
9079	2025-12-14	Ultrasound Thyroid Nodule Segmentation Algorithm Based on DeepLabV3+ with EfficientNet 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01436-3 PMID:40000546	研究论文	本研究提出了一种基于DeepLabV3+架构并结合EfficientNet-B7作为骨干网络的超声甲状腺结节分割算法	首次将EfficientNet-B7作为DeepLabV3+的骨干网络应用于甲状腺结节分割任务	未在摘要中明确说明	提高超声图像中甲状腺结节分割的准确性	超声图像中的甲状腺结节	计算机视觉	甲状腺结节	超声成像	深度学习分割模型	超声图像	郑州大学第一附属医院数据集及两个公共数据集	NA	DeepLabV3+, EfficientNet-B7	像素准确率, Dice相似系数, 交并比	NA
9080	2025-12-14	Explained Deep Learning Framework for COVID-19 Detection in Volumetric CT Images Aligned with the British Society of Thoracic Imaging Reporting Guidance: A Pilot Study 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01444-3 PMID:40011345	研究论文	本研究提出了一种可解释的多类深度学习框架，用于根据英国胸科影像学会（BSTI）报告指南在CT体积图像中检测COVID-19类别	开发了一种符合BSTI COVID-19报告指南的多类深度学习模型，并集成了事后视觉可解释性特征以突出显示图像中最具指示性的区域	模型在检测'不确定'COVID-19类别方面表现不佳，样本量较小（仅56个CT图像），且为试点研究	开发并评估一种深度学习框架，用于在CT图像中自动检测并分类COVID-19，以符合BSTI标准化报告指南	疑似COVID-19患者的CT体积图像	计算机视觉	COVID-19	CT成像	CNN	三维CT图像	56个CT伪匿名化图像	PyTorch	3D ResNet	准确率	NA