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
9461	2025-10-06	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	综述	对医学预测问题中带噪声标签的深度学习研究进行范围综述，涵盖噪声标签检测、处理和评估方法	首次系统综述医学预测领域中带噪声标签的深度学习研究，提供噪声标签检测和处理方法的分类框架	仅纳入2016-2023年间60篇文献，可能未覆盖所有相关研究	系统梳理医学预测问题中带噪声标签的深度学习研究现状和方法	医学预测问题中的噪声标签管理方法	机器学习	NA	深度学习	NA	医学数据	60篇文献	NA	NA	NA	NA
9462	2025-10-06	Disentangling developmental effects of play aspects in rat rough-and-tumble play 2024-05, Biology letters IF:2.8Q2 DOI:10.1098/rsbl.2024.0037 PMID:38808945	研究论文	本研究通过选择性减少大鼠打闹游戏中的运动或社交方面，探讨不同游戏方面对发育的影响	首次通过选择性减少游戏特定方面（运动或社交）来区分不同游戏方面对发育的独立影响	研究仅针对雄性大鼠，未包括雌性；仅评估了对人类-大鼠游戏的反应，未涵盖其他行为表现	理解动物游戏中不同方面（运动和社会方面）对发育的具体贡献	发育期雄性大鼠	行为神经科学	NA	超声波发声记录，深度学习分类	深度学习	音频数据（50 kHz超声波发声）	多组发育期雄性大鼠（具体数量未在摘要中说明）	NA	NA	超声波发声数量，发声亚型分类	NA
9463	2025-10-06	Segment anything with inception module for automated segmentation of endometrium in ultrasound images 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034504 PMID:38827779	研究论文	提出一种专门用于超声图像中子宫内膜分割的改进模型SAIM	在Segment Anything模型基础上引入inception模块和点提示机制，专门针对子宫内膜分割任务进行优化	NA	开发自动化子宫内膜分割方法以提高妇科诊断效率和准确性	接受宫腔镜手术患者的超声图像	计算机视觉	妇科疾病	超声成像	CNN	图像	NA	NA	Segment Anything Model, Inception模块	Dice相似系数, 交并比	NA
9464	2025-10-06	Quantifying lung fissure integrity using a three-dimensional patch-based convolutional neural network on CT images for emphysema treatment planning 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034502 PMID:38817711	研究论文	开发基于三维块状卷积神经网络的深度学习方法来分割肺裂并定量评估肺裂完整性，用于肺气肿患者的治疗规划	首次提出使用三维块状卷积神经网络自动量化肺裂完整性评分，为肺气肿患者的支气管内瓣膜治疗提供决策支持	样本量相对有限（129例CT扫描），且右水平裂的预测误差较大（12.2%）	开发自动量化肺裂完整性的方法以辅助肺气肿治疗规划	严重肺气肿患者的CT图像	医学影像分析	肺气肿	CT成像	CNN	三维医学图像	129例严重肺气肿患者的CT扫描（86例训练，43例测试）	nnU-Net	U-Net	绝对百分比误差	NA
9465	2025-10-06	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	研究论文	提出一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	首次将Transformer架构与3D卷积结合用于剂量预测，将3D剂量预测任务建模为序列建模问题	训练数据仅包含1700个束流剂量分布，需要更多样化的临床数据验证	开发快速准确的光子束剂量预测算法，支持在线和实时自适应放疗	光子束剂量分布预测	医学影像分析	前列腺癌, 肺癌, 头颈癌	深度学习	Transformer, CNN	3D CT影像, 剂量分布数据	1700个束流剂量分布，来自11个临床VMAT计划（每个计划194-354个束流）	NA	Transformer, 3D卷积神经网络	gamma通过率, 相对剂量误差	NA
9466	2025-05-31	MedScale-Former: Self-guided multiscale transformer for medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103554 PMID:40209553	研究论文	提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度策略提高分割准确性	引入了双分支Transformer网络，结合自监督学习和多尺度策略，提出选择性核区域注意力模块以增强对象边界定义	需要进一步验证在不同医学图像数据集上的泛化能力	提高医学图像分割的准确性，减少对大量标注数据的依赖	医学图像（皮肤病变、肺器官、多发性骨髓瘤浆细胞）	数字病理	皮肤病变、肺器官疾病、多发性骨髓瘤	自监督学习、多尺度Transformer	Transformer	医学图像	NA	NA	NA	NA	NA
9467	2025-05-31	General retinal image enhancement via reconstruction: Bridging distribution shifts using latent diffusion adaptors 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103603 PMID:40300379	research paper	提出了一种通用的视网膜图像增强方法，通过分解任务为重建和适应阶段来提高泛化能力和灵活性	采用自监督训练和潜在扩散模型，减少了配对训练数据的需求、可训练参数的数量，并加快了收敛速度	方法虽然在多个数据集和退化类型上表现出适应性，但具体性能可能依赖于预训练和微调的质量	提高视网膜图像增强的泛化能力和灵活性，适应不同的数据集和退化类型	视网膜图像	computer vision	NA	潜在扩散模型	autoencoders, diffusion networks	image	利用大量公共数据集进行自监督训练，具体样本数量未提及	NA	NA	NA	NA
9468	2025-05-31	Medical image translation with deep learning: Advances, datasets and perspectives 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103605 PMID:40311301	综述	本文回顾了基于深度学习的医学图像翻译的最新进展，包括任务、应用、基础模型、生成模型、评估指标、常用数据集以及未来趋势和挑战	详细阐述了医学图像翻译的多样任务和实际应用，并深入探讨了多种生成模型及其评估指标	未提及具体实验数据或样本量的限制	推动医学图像翻译领域的持续进步和创新	医学图像翻译技术及其应用	数字病理	NA	深度学习	CNN, Transformer, SSM, GAN, VAE, AR, diffusion Models, flow Models	医学图像	NA	NA	NA	NA	NA
9469	2025-05-31	ProtoASNet: Comprehensive evaluation and enhanced performance with uncertainty estimation for aortic stenosis classification in echocardiography 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103600 PMID:40324320	research paper	提出了一种基于原型的新型神经网络ProtoASNet，用于从B型超声心动图视频中分类主动脉瓣狭窄的严重程度，并增强预测的可解释性和不确定性估计	ProtoASNet通过相似性分数和可学习的时空原型提供内在可解释性，并利用弃权损失估计数据的不确定性，增强了模型的透明度和临床适用性	研究依赖于私有和公开数据集，可能无法涵盖所有临床场景，且模型性能在不确定案例中有所下降	开发一种可解释且具有不确定性估计能力的深度学习模型，用于主动脉瓣狭窄的自动分类	主动脉瓣狭窄（AS）患者	digital pathology	cardiovascular disease	B-mode echocardiography	prototype-based neural network	video	私有数据集和公开可用的TMED-2数据集	NA	NA	NA	NA
9470	2025-05-31	Deep implicit optimization enables robust learnable features for deformable image registration 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103577 PMID:40328129	research paper	该论文提出了一种深度隐式优化方法，用于在可变形图像配准中实现鲁棒的可学习特征	通过将优化作为深度网络中的一层，结合统计学习和优化的优势，首次实现了在测试时无需重新训练即可切换任意变换表示	NA	弥合统计学习与优化方法在图像配准中的差距，提高配准性能和对领域偏移的鲁棒性	可变形图像配准	computer vision	NA	deep learning, iterative optimization solver	deep network	image	NA	NA	NA	NA	NA
9471	2025-05-31	Rethinking boundary detection in deep learning-based medical image segmentation 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103615 PMID:40344946	research paper	提出了一种名为CTO的新型网络架构，结合CNN、ViT和显式边缘检测算子，以解决医学图像分割中边界区域精确分割的挑战	CTO网络架构结合了CNN、ViT和显式边缘检测算子，通过双流编码器网络和边界引导解码器网络，提高了边界区域的分割精度	未提及具体局限性	提高医学图像分割中边界区域的精确分割能力	医学图像分割	digital pathology	NA	CNN, ViT, 边缘检测算子	CTO (结合CNN和ViT的双流编码器网络及边界引导解码器网络)	image	七个医学图像分割数据集（ISIC 2016, PH2, ISIC 2018, CoNIC, LiTS17, BraTS, BTCV）	NA	NA	NA	NA
9472	2025-05-31	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探究医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用查询混合内部注意力和键值混合外部注意力机制，结合非局部推理模块和键值混合外部注意力进行前门调整策略，以及补丁掩码排序模块和查询混合内部注意力增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，探究图像与标签之间的因果关系	医学图像及其诊断标签	digital pathology	NA	deep learning	CausalMixNet	image	多个数据集，具体数量未提及	NA	NA	NA	NA
9473	2025-05-31	Evidential Deep Learning for Open-Set Active Domain Adaptation 2025-May-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3571943 PMID:40440139	research paper	该论文提出了一种基于证据深度学习的开放集主动域适应方法（EOSADA），用于在包含新类别的未标记目标域中转移知识	利用证据深度学习（EDL）构建开放集分类器，并采用两轮选择策略平衡已知和新类别样本的选择，同时识别信息丰富的样本，无需修改模型结构且使用有限的标注预算	未明确提及具体局限性	提升开放集域适应（OSDA）场景下模型的性能	未标记目标域中的样本，包括已知和新类别	machine learning	NA	evidential deep learning (EDL), open-set active domain adaptation	分类神经网络（具体架构未提及）	未明确提及，推测为图像或文本数据	未明确提及具体样本数量	NA	NA	NA	NA
9474	2025-05-31	Deep learning enables fast and accurate quantification of MRI-guided near-infrared spectral tomography for breast cancer diagnosis 2025-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3574727 PMID:40440147	研究论文	本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描（NIRST）图像重建方法，用于乳腺癌诊断	提出了一种快速准确的深度学习模型（DL-MRg-NIRST），显著提高了NIRST图像重建的速度和诊断准确性	研究基于合成数据训练的网络，可能在实际临床应用中存在泛化性问题	提高乳腺癌诊断的特异性和敏感性	乳腺异常患者	数字病理	乳腺癌	MRI引导的近红外光谱断层扫描（NIRST）	深度学习模型	MRI图像和NIRST数据	38例乳腺异常患者的临床影像检查数据	NA	NA	NA	NA
9475	2025-05-31	Glaucoformer: Dual-domain Global Transformer Network for Generalized Glaucoma Stage Classification 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574997 PMID:40440150	研究论文	提出了一种名为Glaucoformer的双域全局Transformer网络，用于青光眼阶段的分类	引入了双域全局Transformer层（DGTL），结合了双域通道注意力（DCA）和双域空间注意力（DSA），并采用傅里叶域特征分析器（FDFA）作为核心组件，以在空间和频率域中利用局部和全局上下文特征依赖	未明确提及具体限制，但可能包括对未见数据集的泛化能力仍需进一步验证	提高青光眼阶段分类的准确性和泛化能力	青光眼患者的眼底图像	计算机视觉	青光眼	深度学习	Transformer, CNN	图像	基准数据集和未见数据集，具体样本数量未提及	NA	NA	NA	NA
9476	2025-05-31	Detecting Human Frequency-Following Responses Using an Artificial Neural Network 2025-May-29, Perceptual and motor skills IF:1.4Q4 DOI:10.1177/00315125251347006 PMID:40440687	研究论文	本研究探讨了三层人工神经网络（ANN）在检测由英语元音/i/的上升语调引发的频率跟随响应（FFRs）中的有效性	首次在FFR研究中探索深度学习模型的潜力，特别是使用ANN进行FFR检测	研究仅针对英语元音/i/的上升语调引发的FFRs，未涵盖其他语音特征或语调	评估ANN在FFR检测中的效能，为听觉处理评估和临床诊断提供基础	由英语元音/i/的上升语调引发的频率跟随响应（FFRs）	机器学习	NA	人工神经网络（ANN）	ANN	神经信号（FFR recordings）	NA	NA	NA	NA	NA
9477	2025-05-31	Free-running isotropic three-dimensional cine magnetic resonance imaging with deep learning image reconstruction 2025-May-29, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06266-7 PMID:40442341	research paper	评估结合深度学习重建和Heart-NAV技术的ferumoxytol增强3D cine成像MR序列在先天性心脏病患者中的效率和准确性	提出了一种结合深度学习重建和Heart-NAV技术的自由运行3D cine成像方法，可同时获取cine和血管造影图像，缩短采集时间	样本量较小（16名患者），且仅在先天性心脏病患者中进行了评估	评估新型3D cine成像技术在心血管磁共振成像中的效率和准确性	先天性心脏病患者	医学影像	先天性心脏病	深度学习图像重建，Heart-NAV技术，3D cine磁共振成像	DL（深度学习）	医学影像数据	16名患者（7名男性，中位年龄6岁）	NA	NA	NA	NA
9478	2025-05-31	Ultrasound image-based contrastive fusion non-invasive liver fibrosis staging algorithm 2025-May-29, Abdominal radiology (New York) DOI:10.1007/s00261-025-04991-z PMID:40442504	研究论文	本研究利用深度学习技术构建了一种基于超声图像的非侵入性肝纤维化分期算法	创造性引入了纤维化对比层（FCL）概念，并通过标签融合（LF）提高诊断模型的准确性和稳定性	NA	实现肝纤维化的非侵入性分期，避免并发症并降低成本	肝纤维化患者	数字病理	肝纤维化	深度学习	FCLLF模型（基于对比融合的深度学习模型）	超声图像	未明确说明总样本量，但在小样本条件下使用了30%的数据	NA	NA	NA	NA
9479	2025-05-31	Multicentre evaluation of deep learning CT autosegmentation of the head and neck region for radiotherapy 2025-May-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01624-z PMID:40419731	研究论文	一项多中心研究评估了头颈部CT自动分割软件在全球七个机构的性能	首次在全球范围内多中心评估头颈部CT自动分割软件的性能，并量化了不同机构间的观察者间变异性	自动分割软件的临床效益在不同ROI和诊所间差异显著，部分淋巴结区域未显示显著时间节省	评估头颈部CT自动分割软件在放射治疗中的性能和时间节省效果	头颈部CT图像中的11个淋巴结水平和7个风险器官轮廓	数字病理	头颈部疾病	CT成像	深度学习	医学影像	七个机构的CT图像数据	NA	NA	NA	NA
9480	2025-05-31	Automatic assessment of lower limb deformities using high-resolution X-ray images 2025-May-27, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08784-9 PMID:40420033	研究论文	提出了一种基于图像金字塔的新型骨骼标志点检测方法，用于自动评估下肢畸形	采用CNN结合误差反馈方法迭代优化标志点坐标，提高了检测精度并降低了计算成本	NA	开发自动评估下肢畸形的算法以辅助骨科手术规划	下肢X射线图像中的骨骼标志点和角度测量	计算机视觉	骨科疾病	X射线成像	CNN	X射线图像	临床采集的全腿X射线数据集（具体数量未说明）	NA	NA	NA	NA