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
9941	2025-10-07	Semi-supervised CT image segmentation via contrastive learning based on entropy constraints 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00387-y PMID:39220023	研究论文	提出一种基于熵约束对比学习的半监督CT图像分割方法	融合CNN和Transformer架构，结合熵约束的对比学习机制，通过丢弃高熵值不可靠样本来提升模型性能	仅在COVID-19 CT公共数据集上验证，未在其他医学图像数据集测试	提高CT图像分割精度，减少对标注数据的依赖	CT医学图像	计算机视觉	COVID-19	CT成像	CNN, Transformer	图像	NA	NA	CNN, Transformer, 残差压缩激励模块	DSC, HD, JC	NA
9942	2025-10-07	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-May-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于CT图像的深度学习模型，用于预测肺鳞癌患者对新辅助化疗免疫治疗的主要病理缓解	首次将深度学习模型应用于肺鳞癌化疗免疫治疗响应预测，并系统探索了其与基因突变、免疫细胞和肿瘤内微生物的生物学关联	样本量相对有限（309例），且为多中心回顾性研究	开发预测肺鳞癌患者对新辅助化疗免疫治疗响应的深度学习模型并探索其生物学机制	肺鳞癌患者	计算机视觉	肺癌	增强计算机断层扫描	CNN	医学图像	309例肺鳞癌患者	NA	ResNet50	AUC	NA
9943	2025-10-07	Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle 2024-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.25.591211 PMID:38712227	研究论文	开发了一种基于深度学习的成像框架，用于定量研究真核微生物的完整生命周期	结合微流控培养、卷积神经网络生命周期阶段特异性分割和新型细胞追踪算法FIEST，首次实现了跨有性繁殖代际的微生物追踪	作为原理验证仅应用于单一物种，尚未在其他真核微生物中广泛验证	建立定量研究完整真核生命周期的成像方法	真核微生物（酵母）	计算机视觉	NA	显微成像、微流控培养、荧光报告系统	CNN	显微图像、视频	跨三个有性繁殖代际的单细胞微生物	NA	卷积神经网络	NA	NA
9944	2025-10-07	Cerebral ischemia detection using deep learning techniques 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00352-8 PMID:40400660	研究论文	本研究使用深度学习技术开发脑缺血检测系统，通过3D卷积神经网络分析非对比计算机断层扫描图像	首次将经过ImageNet挑战验证的3D深度学习架构（VGG3D、ResNet3D、DenseNet3D）应用于全脑体积NCCT图像的脑缺血早期检测	未提及外部验证集性能、模型泛化能力及临床部署可行性	开发基于深度学习的脑缺血早期检测系统，辅助医疗专业人员早期识别卒中病例	出现卒中症状患者的非对比计算机断层扫描图像	计算机视觉	脑血管疾病	非对比计算机断层扫描	CNN	3D医学图像	NA	NA	VGG3D, ResNet3D, DenseNet3D	准确率	NA
9945	2025-10-07	Convolutional autoencoder-based deep learning for intracerebral hemorrhage classification using brain CT images 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10259-5 PMID:40401248	研究论文	提出基于卷积自编码器和密集神经网络的混合深度学习模型，用于脑部CT图像的脑出血自动分类	开发了CAE-DNN混合模型，结合卷积自编码器的特征提取能力和密集神经网络的分类能力，在脑出血分类任务中表现优于传统PCA方法和已有文献结果	样本量相对有限（来自108名患者），需在更大数据集上验证模型泛化能力	开发自动化的脑出血诊断系统以辅助临床决策	脑部非对比计算机断层扫描（NCCT）图像	计算机视觉	脑出血	CT扫描	CAE, DNN	医学图像	3293张标记图像（1645张脑出血类，1648张正常类），来自108名患者	NA	卷积自编码器, 密集神经网络	准确率, 灵敏度, 特异性, 精确率, F1分数	NA
9946	2025-10-07	Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy 2025-Sep-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144509 PMID:40306056	研究论文	基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术检测两种单花蜜的真实性	将Canny边缘检测算法与改进的GoogLeNet架构相结合，通过优化Block 2中的inception模块、在全连接层应用L2正则化以及实施监控训练网络模型来提升性能	仅针对两种单花蜜（油菜蜜和枸杞蜜）进行验证，样本量较小（训练集133个，验证集33个，测试集12个）	开发基于深度学习的三维荧光光谱蜂蜜真伪检测方法	两种单花蜜（油菜蜜和枸杞蜜）及其掺假样品（玉米糖浆或其他蜂蜜）	计算机视觉	NA	三维荧光光谱	CNN	光谱数据	178个蜂蜜样本（训练集133，验证集33，测试集12）	NA	Canny-GoogLeNet	准确率	NA
9947	2025-10-07	Label-free rapid diagnosis of jaw osteonecrosis via the intersection of Raman spectroscopy and deep learning 2025-Aug, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117510 PMID:40320103	研究论文	本研究结合拉曼光谱和深度学习技术，建立了一种无标记快速诊断颌骨坏死的方法	首次将拉曼光谱与ResNet18深度学习架构结合用于颌骨坏死的快速无创诊断	样本量相对有限（90个骨组织样本），需要更大规模验证	建立精确高效的诊断框架以区分药物相关性颌骨坏死、放射性颌骨坏死和正常骨组织	90个骨组织样本（30个MRONJ、30个ORN、30个对照）	医学影像分析	颌骨坏死	拉曼光谱	CNN	光谱数据	90个骨组织样本，共900个光谱	NA	ResNet18	准确率,精确率,召回率,AUC	NA
9948	2025-10-07	Establishment and evaluation of an automatic multi?sequence MRI segmentation model of primary central nervous system lymphoma based on the nnU?Net deep learning network method 2025-Jul, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15080 PMID:40400535	研究论文	基于nnU-Net深度学习网络建立原发性中枢神经系统淋巴瘤多序列MRI自动分割模型	首次基于nnU-Net开发针对PCNSL的多模态MRI自动分割模型，解决了传统2D测量和手动体积评估的挑战	样本量较小（仅49例患者），模型在T2WI序列上表现相对较差	开发自动MRI分割模型以改进PCNSL的定量评估	经病理确诊的原发性中枢神经系统淋巴瘤患者	医学影像分析	中枢神经系统淋巴瘤	钆对比剂磁共振成像	3D卷积神经网络	MRI图像	49例来自6个中国医疗中心的PCNSL患者	nnU-Net	nnU-Net	Dice相似系数	NA
9949	2025-10-07	Effect of Deep Learning Image Reconstruction on Image Quality and Pericoronary Fat Attenuation Index 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01234-3 PMID:39299956	研究论文	比较深度学习图像重建与传统迭代重建在冠状动脉CT血管成像中的图像质量和心周脂肪衰减指数表现	首次系统评估深度学习图像重建在不同管电压条件下对冠状动脉CT图像质量和心周脂肪衰减指数的影响	研究样本仅来自单一中心，未评估不同CT设备型号对结果的影响	评估深度学习图像重建技术在冠状动脉CT血管成像中的性能表现	301例接受冠状动脉CT血管成像检查的患者	医学影像分析	心血管疾病	冠状动脉CT血管成像	深度学习图像重建	医学影像	301例患者，按BMI分为不同管电压组	NA	DLIR-H（高强度深度学习图像重建）	图像噪声、对比噪声比、主观评分、边缘上升距离、脂肪衰减指数	NA
9950	2025-10-07	Children Are Not Small Adults: Addressing Limited Generalizability of an Adult Deep Learning CT Organ Segmentation Model to the Pediatric Population 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01273-w PMID:39299957	研究论文	评估成人训练的CT器官分割模型在儿科患者中的泛化能力，并探索优化策略提升儿科分割性能	首次系统评估成人训练的分割模型在儿科CT数据上的泛化问题，并提出儿科专用模型和微调策略	仅评估腹部CT扫描和特定器官，样本量相对有限	解决深度学习模型从成人数据到儿科数据的泛化问题	成人和儿科患者的腹部CT扫描	医学影像分析	NA	CT扫描	深度学习	医学影像	成人数据集300例，儿科数据集359例	NA	TotalSegmentator, 3D nnU-Net	Dice系数	NA
9951	2025-10-07	A Robust Deep Learning Method with Uncertainty Estimation for the Pathological Classification of Renal Cell Carcinoma Based on CT Images 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01276-7 PMID:39313716	研究论文	开发并验证了一种基于深度学习的诊断模型，通过CT图像对肾细胞癌病理亚型进行分类，并集成不确定性估计	将不确定性估计融入深度学习模型，为临床医生提供预测结果和诊断置信度双重信息	回顾性研究设计，外部验证样本量相对较小(78例)	术前区分肾细胞癌的病理亚型以辅助放射科医生诊断	经病理证实的肾细胞癌患者	计算机视觉	肾细胞癌	CT成像	深度学习	CT图像	中心1: 668例患者(训练集)，中心2: 78例患者(外部验证集)	NA	NA	AUC, 95%置信区间	NA
9952	2025-10-07	Automatic Segmentation of Ultrasound-Guided Quadratus Lumborum Blocks Based on Artificial Intelligence 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01267-8 PMID:39320548	研究论文	开发基于人工智能的超声引导腰方肌阻滞自动分割模型Q-VUM	提出基于VGG16的U型网络Q-VUM，首次实现超声图像中腰方肌及相关组织的精确自动分割	回顾性研究，样本量有限（112例患者），未进行多中心验证	开发AI模型辅助麻醉医生精确定位神经阻滞部位	超声图像中的腰方肌、腹外斜肌、腹内斜肌、腹横肌及骨骼组织	计算机视觉	围术期镇痛	超声成像	CNN	医学超声图像	112名患者的3162张图像	NA	U-Net, VGG16	mIoU, 平均像素精度, Dice系数, 准确率, 召回率, 精确率	NA
9953	2025-10-07	BSNEU-net: Block Feature Map Distortion and Switchable Normalization-Based Enhanced Union-net for Acute Leukemia Detection on Heterogeneous Dataset 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01252-1 PMID:39322814	研究论文	提出一种基于深度学习的BSNEU-net框架用于急性白血病检测	结合块特征图畸变和可切换归一化的增强Union-net架构，在异质数据集上实现高精度白血病检测	未详细讨论模型在临床环境中的实际部署挑战	开发深度学习模型以提升急性白血病诊断准确率	急性淋巴细胞白血病和急性髓系白血病的血涂片图像	计算机视觉	白血病	深度学习	CNN	图像	新数据集2400张血涂片图像，异质数据集2700张血涂片图像	NA	BSNEU-net, Union Blocks	准确率	NA
9954	2025-10-07	Identification of Bipolar Disorder and Schizophrenia Based on Brain CT and Deep Learning Methods 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01279-4 PMID:39327378	研究论文	本研究基于脑部CT图像开发深度学习模型用于双相情感障碍和精神分裂症的识别	首次使用脑部CT图像结合多示例学习方法构建DenseMD模型进行精神疾病鉴别诊断	样本量相对有限，仅来自两家医院的数据	构建基于脑部CT图像的深度学习模型来识别双相情感障碍和精神分裂症	双相情感障碍患者、精神分裂症患者和健康对照者	计算机视觉	精神疾病	脑部CT检查	深度学习	CT图像	685名受试者（506名患者+179名健康对照），外加105名外部测试受试者	NA	DenseMD, ResNet-18, ResNeXt-50, DenseNet-121	准确率	NA
9955	2025-10-07	Deep Learning Classification of Ischemic Stroke Territory on Diffusion-Weighted MRI: Added Value of Augmenting the Input with Image Transformations 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01277-6 PMID:39349784	研究论文	本研究开发了一种基于深度学习的DWI图像缺血性脑卒中区域分类器，通过图像变换增强输入提升分类性能	探索了通过边缘图、阈值处理和硬注意力等图像变换方法增强预训练模型输入，提高了脑卒中区域分类的准确性	研究为回顾性设计，样本量相对有限（共393名患者），需要进一步前瞻性验证	构建患者级别的脑卒中区域分类器，促进脑卒中快速分诊至专业卒中中心	急性缺血性脑卒中患者的DWI磁共振图像	计算机视觉	缺血性脑卒中	扩散加权磁共振成像	CNN	医学图像	393名急性缺血性脑卒中患者（中心1：271名，中心2：122名）	TensorFlow, PyTorch	MobileNetV2, EfficientNetB0	准确率, F1分数, AUC, ROC分析	NA
9956	2025-10-07	MobileNet-V2: An Enhanced Skin Disease Classification by Attention and Multi-Scale Features 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01271-y PMID:39354294	研究论文	提出一种结合MobileNet-V2、注意力机制和多尺度特征的皮肤疾病分类模型	融合MobileNet-V2骨干网络、SE模块、ASPP和通道注意力机制，增强多尺度上下文信息和通道间关系提取能力	研究中发现了局限性并提出了未来研究方向	开发准确高效的皮肤疾病诊断工具	皮肤疾病分类	计算机视觉	皮肤癌	深度学习	CNN	图像	四个数据集：PH2、HAM10000、DermNet、ISIC皮肤癌数据集	NA	MobileNet-V2,SE,ASPP	准确率	NA
9957	2025-10-07	Dual Energy CT for Deep Learning-Based Segmentation and Volumetric Estimation of Early Ischemic Infarcts 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01294-5 PMID:39384719	研究论文	本研究评估双能CT结合深度学习模型对早期缺血性梗死进行分割和体积估计的性能	首次将双能CT数据与3D nnU-Net结合，证明双通道输入能显著提高早期梗死分割准确性	回顾性研究，样本量有限(330例)，体积准确性的改善未达到统计学显著性	评估双能CT采集是否能改善机器学习对早期梗死的可见性	早期缺血性梗死患者	医学影像分析	缺血性脑卒中	双能CT, MRI, 影像配准	CNN	CT影像, MRI影像	330例双能CT扫描	nnU-Net	3D nnU-Net	Dice系数	NA
9958	2025-10-07	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出基于深度学习的放射摄影体位自动识别方法，用于优化X射线曝光参数设置	首次使用深度学习从拍摄前的照片自动估计放射摄影体位，以自动选择最佳X射线曝光参数	对于患者姿势相似的放射摄影体位识别错误率较高	开发自动识别放射摄影体位的方法以减少曝光错误和患者辐射剂量	临床常用的66种放射摄影体位	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者在两家X射线机构前瞻性收集的数据	PyTorch	ConvNeXt轻量版	准确率	NA
9959	2025-10-07	BCCHI-HCNN: Breast Cancer Classification from Histopathological Images Using Hybrid Deep CNN Models 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01297-2 PMID:39402357	研究论文	本研究开发了一种基于混合深度CNN模型的乳腺癌组织病理学图像分类方法	结合多种分类器（SVM、决策树、KNN）和迁移学习技术改进模型性能，并比较PCA特征处理的效果	决策树模型相比SVM速度较慢	通过深度学习模型实现乳腺癌的早期精确识别	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN	图像	NA	NA	混合深度CNN	假阳性率,真阳性率,准确率,精确率,召回率	NA
9960	2025-10-07	Transformer-Integrated Hybrid Convolutional Neural Network for Dose Prediction in Nasopharyngeal Carcinoma Radiotherapy 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01296-3 PMID:39424665	研究论文	提出一种结合CNN和Transformer的混合模型用于鼻咽癌放疗剂量预测	设计分层密集循环编码器与渐进式解码器，通过通道注意力机制和对象驱动跳跃连接增强特征传输能力	仅使用内部数据集进行验证，未在公开数据集上测试	提高鼻咽癌放疗剂量预测的准确性和效率	鼻咽癌放疗患者	计算机视觉	鼻咽癌	深度学习	CNN, Transformer	医学图像	内部数据集（具体数量未说明）	NA	分层密集循环编码器，渐进式解码器	PSNR, SSIM, NRMSE, 剂量学指标	NA