深度学习在生物医药领域中的应用

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
81	2025-05-12	External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries 2025-May, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251333607 PMID:40342354	研究论文	本研究通过外部验证一种基于深度学习的新型自动胫骨斜率测量算法，应用于ACL损伤患者的短放射线照片	开发并验证了一种新型的基于地标的深度学习算法，用于自动测量胫骨斜率，减少了人为误差并提高了测量效率	与金标准手动测量相比，模型在报告胫骨斜率方面需要进一步改进	验证深度学习模型在胫骨斜率测量中的可靠性和效率	接受前交叉韧带手术的患者的膝关节侧位放射线照片	数字病理	ACL损伤	深度学习	深度学习模型	放射线照片	289张放射线照片
82	2025-05-12	Deep learning segmentation of periarterial and perivenous capillary-free zones in optical coherence tomography angiography 2025-May, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056005 PMID:40342523	研究论文	本研究开发并评估了深度学习模型（包括CNN和ViT）用于光学相干断层扫描血管成像（OCTA）中动脉周围和静脉周围无毛细血管区（CFZs）的精确分割，以改善糖尿病视网膜病变（DR）的早期检测和监测	首次使用深度学习模型（如UNet++与EfficientNet-b7）实现CFZs的高精度自动分割，并定量分析CFZ特征作为DR的潜在生物标志物	研究样本仅包括健康对照组、无DR的糖尿病患者和轻度DR患者，未涵盖DR的中重度阶段	开发自动化CFZ分割方法并探索其作为DR生物标志物的潜力	OCTA图像中的动脉周围和静脉周围无毛细血管区（CFZs）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	UNet, UNet++, TransUNet, Segformer, CNN, ViT	图像	健康对照组、无DR糖尿病患者和轻度DR患者的OCTA图像
83	2025-05-12	Lung disease classification in chest X-ray images using optimal cross stage partial bidirectional long short term memory 2025-May, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241304987 PMID:40343884	研究论文	本研究提出了一种深度学习模型OCBiNet，用于在胸部X光图像中对肺部疾病进行分类	提出了结合交叉阶段部分连接的双向长短期记忆网络(OCBiNet)和改进的母优化算法(ImMO)，以提高分类准确性和收敛速度	未提及模型在更大规模或多样化数据集上的泛化能力	提高肺部疾病分类的准确性和效率	胸部X光图像中的肺部疾病分类	计算机视觉	肺部疾病	深度学习	OCBiNet（基于BiLSTM和交叉阶段部分连接）	图像	NA
84	2025-05-12	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	research paper	评估多模态人工智能模型在非洲和非非洲裔男性前列腺癌患者中的算法公平性	使用多模态AI深度学习系统结合数字组织病理学和临床数据，评估算法在不同种族亚组中的普适性	研究中存在少数种族状态未知或缺失的患者	评估AI工具在临床决策中的公平性，避免因偏见加剧不平等	非洲裔和非非洲裔前列腺癌患者	digital pathology	prostate cancer	multimodal AI (MMAI) deep learning system	deep learning	digital histopathology and clinical data	5,708名患者（包括948名非洲裔和4,731名非非洲裔患者）
85	2025-05-12	Optimizing Deep Learning Models for Luminal and Nonluminal Breast Cancer Classification Using Multidimensional ROI in DCE-MRI-A Multicenter Study 2025-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70931 PMID:40347080	research paper	本研究旨在通过多维深度迁移学习模型优化动态对比增强磁共振成像（DCE-MRI）中乳腺管腔型和非管腔型乳腺癌的分类	首次探索了ROI维度（2D/2.5D/3D）、瘤周扩展水平（0-8 mm）和分割场景（仅ROI vs ROI原始）的协同效应	研究为回顾性设计，可能受到选择偏倚的影响	优化多维深度学习模型以区分乳腺管腔型和非管腔型癌症	426例原发性浸润性乳腺癌患者的DCE-MRI数据	digital pathology	breast cancer	DCE-MRI	deep transfer learning	image	426例患者（108例训练集，165例验证集1，153例验证集2）
86	2025-05-12	Automated Deep Learning Pipeline for Characterizing Left Ventricular Diastolic Function 2025-Apr-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.29.25326683 PMID:40343044	research paper	开发了一个自动化深度学习流程，用于评估左心室舒张功能	使用8个AI模型训练超过155,000项研究，自动化评估LVDD，显著提高了与ASE指南的一致性	AI流程在不同医疗中心的性能存在差异，且未提及模型的具体架构细节	提高左心室舒张功能障碍（LVDD）评估的准确性和一致性	左心室舒张功能障碍（LVDD）患者	digital pathology	cardiovascular disease	echocardiography	AI models	image	155,000项研究，验证队列包括955项（Cedars-Sinai）和1,572项（Stanford Healthcare）研究
87	2025-05-12	Evaluating the feasibility of 12-lead electrocardiogram reconstruction from limited leads using deep learning 2025-Apr-25, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00814-w PMID:40281134	研究论文	本研究开发了一种神经网络，用于从单导联和双导联心电图重建12导联心电图，并评估了数学准确性	使用生成对抗网络（GAN）从有限的导联数据重建12导联心电图，探索了AI在心电图重建中的应用	重建的心电图存在回归均值效应，不适合临床使用	评估从有限导联心电图重建12导联心电图的可行性	9514名来自PTB-XL队列的个体的心电图数据	机器学习	心血管疾病	深度学习	GAN	心电图数据	9514名个体
88	2025-05-12	Localization and Classification of Adrenal Masses in Multiphase Computed Tomography: Retrospective Study 2025-Apr-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65937 PMID:40273442	研究论文	本研究开发了一种基于深度学习的肾上腺肿块检测模型MA-YOLO，用于CT图像中肾上腺肿块的自动定位和分类	提出了Multi-Attention YOLO (MA-YOLO)模型，能够自动定位和分类6种常见肾上腺肿块	研究为回顾性分析，可能受到数据选择和标注偏差的影响	提高肾上腺肿块的诊断效率，改变当前临床术前诊断实践	肾上腺肿块患者	计算机视觉	肾上腺疾病	多期相CT成像	MA-YOLO (改进的YOLO模型)	CT图像	516名患者（内部数据集21,649张训练图像，2,406张验证图像；外部数据集12,857张测试图像）
89	2025-05-12	Prediction of Reactivation After Antivascular Endothelial Growth Factor Monotherapy for Retinopathy of Prematurity: Multimodal Machine Learning Model Study 2025-Apr-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/60367 PMID:40267476	研究论文	本研究开发并验证了使用多模态机器学习算法预测早产儿视网膜病变（ROP）抗血管内皮生长因子（anti-VEGF）治疗后复发的模型	结合传统机器学习、深度学习和融合模型，构建了预测ROP复发的多模态机器学习模型，其中融合模型表现最佳	样本量相对较小（239例），且仅来自3家医院，可能存在选择偏差	预测ROP患者接受anti-VEGF治疗后复发的风险	接受anti-VEGF治疗的ROP婴儿	数字病理学	早产儿视网膜病变	多模态机器学习算法	传统机器学习模型、深度学习模型、融合模型	临床数据	239例ROP婴儿（90例复发，149例未复发）
90	2025-05-12	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-Apr-21, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据	采用端到端非刚性运动校正重建网络，从八个多对比度欠采样数据中估计高质量运动校正重建，显著减少重建时间	未提及具体样本量或临床验证的广泛性	加速3D全心联合T1/T2映射，用于心肌组织表征	心肌组织	医学影像处理	心血管疾病	深度学习算法	端到端非刚性运动校正重建网络	多对比度欠采样数据	NA
91	2025-05-12	PM2.5 concentration prediction using a whale optimization algorithm based hybrid deep learning model in Beijing, China 2025-Apr-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125953 PMID:40032225	研究论文	本研究提出了一种基于鲸鱼优化算法(WOA)的混合深度学习模型，用于预测北京的PM2.5浓度	结合了鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)的混合模型，显著提高了预测精度	研究仅使用了2014年至2018年的数据，可能无法涵盖所有气象和污染情况	开发一种高精度的PM2.5浓度预测模型，以支持空气污染风险评估和早期预警	北京的PM2.5浓度	机器学习	NA	鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)	WOA-CNN-LSTM-AM	气象和空气污染数据	2014年至2018年的每日数据
92	2025-05-12	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，以改进肾小球疾病中炎症细胞分布的复杂性评估	开发了一种基于图的栖息地聚类算法，用于识别密集与稀疏淋巴细胞栖息地，并提取了26个高通量定量病理特征	研究样本量相对有限（N=333），且仅针对FSGS和MCD两种疾病	通过计算量化淋巴细胞拓扑结构，提高对肾小球疾病中炎症模式复杂性的理解	肾小球疾病患者的淋巴细胞分布	数字病理学	肾小球疾病	深度学习、图建模	LASSO-regularized Cox proportional hazards models	全切片图像（WSI）	333名NEPTUNE/CureGN参与者（155名FSGS和178名MCD患者）
93	2025-05-12	Use of deep learning-based high-resolution magnetic resonance to identify intracranial and extracranial symptom-related plaques 2025-Apr-06, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.055 PMID:40032038	research paper	本研究旨在开发一种基于高分辨率血管壁成像（HR-VWI）的深度学习模型，用于区分症状相关的颅内和颅外斑块，这对中风治疗和预防至关重要	使用深度学习模型结合HR-VWI技术，首次实现了对症状相关颅内和颅外斑块的高效区分	研究样本量相对较小（235例患者），且为回顾性分析，可能影响模型的泛化能力	开发能够区分症状相关颅内和颅外斑块的深度学习模型，以指导中风治疗和预防	235例患者的HR-VWI数据	digital pathology	cardiovascular disease	high-resolution vessel wall imaging (HR-VWI)	DenseNet 201	image	235例患者（训练集156例，测试集79例）
94	2025-05-12	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Apr, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	研究论文	本研究评估了深度学习技术在甲状腺结节超声图像分类中的应用及其临床潜力	利用多种CNN模型（ResNet、DenseNet、EfficientNet）和Siamese神经网络进行多视角超声图像分析，显著提高了甲状腺结节分类的准确性	模型性能可能因不同医生和设备获取的图像质量而异，在真实临床环境中的表现可能存在差异	评估深度学习技术在甲状腺结节超声图像分类中的适用性	甲状腺结节患者	计算机视觉	甲状腺癌	超声成像	CNN（ResNet, DenseNet, EfficientNet）, Siamese神经网络	超声图像	943名患者的1048个甲状腺结节（其中306个为恶性）
95	2025-05-12	Intuitive Human-Artificial Intelligence Theranostic Complementarity 2025-Apr, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2025.0021 PMID:39973351	research paper	本文探讨了人工智能在诊断影像学和核医学中的应用及其与人类直觉能力的互补性	提出了人工智能与核医学医生直觉能力的互补性概念，强调在癌症治疗中结合AI技术与人脑判断的重要性	未提及具体研究样本或实验数据来支持互补性概念的有效性	研究人工智能在核医学诊断和治疗决策中的作用及其局限性	核医学诊断和治疗决策过程	digital pathology	cancer	deep learning, radiomics, genomics	large language models	medical imaging, electronic medical records	NA
96	2025-05-12	Role of Artificial Intelligence in the Detection and Management of Premalignant and Malignant Lesions of the Esophagus and Stomach 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.003 PMID:40021232	review	本文综述了人工智能在食管和胃的癌前病变及恶性肿瘤检测和管理中的作用	展示了AI工具在食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌筛查中的优越性能，超越内镜医师的表现	NA	探讨人工智能技术在消化道癌前病变和恶性肿瘤检测与管理中的应用	食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌	digital pathology	esophageal cancer, gastric cancer	deep learning	CNN	image	NA
97	2025-05-12	Past, Present, and Future: A History Lesson in Artificial Intelligence 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.09.003 PMID:40021228	综述	回顾人工智能在过去50年的发展历程及其在医学领域的深远影响	总结了AI在胃肠病学中的应用及其未来潜力	需要解决透明度、责任和伦理问题	探讨人工智能在医学领域的历史、现状和未来发展	人工智能在胃肠病学中的应用	人工智能	胃肠病学	NA	NA	NA	NA
98	2025-05-12	Role of Artificial Intelligence for Endoscopic Ultrasound 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.007 PMID:40021237	research paper	探讨人工智能在内镜超声（EUS）中的作用及其在疾病诊断中的应用	利用深度学习技术如卷积神经网络（CNN）提高EUS图像的病变检测和特征分析能力	未提及具体样本量或实验设计的局限性	研究人工智能如何提升内镜超声的诊断准确性和效率	胆胰和胃肠道疾病的内镜超声图像	digital pathology	biliopancreatic and gastrointestinal tract diseases	deep learning	CNN	image	NA
99	2025-05-12	Deep Learning Technique for Automatic Segmentation of Proximal Hip Musculoskeletal Tissues From CT Scan Images: A MrOS Study 2025-Apr, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13728 PMID:40022453	研究论文	开发一种基于深度学习的自动分割技术，用于从CT扫描图像中分割和量化近端髋部的肌肉骨骼组织	首次针对近端髋部肌肉骨骼组织的自动分割技术进行研究，填补了该领域的研究空白	研究仅针对男性参与者，样本量相对有限（300人）	开发一种快速准确的近端髋部肌肉骨骼组织分割和量化方法	近端髋部的肌肉骨骼组织（包括皮质骨、松质骨、骨髓脂肪组织等）	数字病理学	骨质疏松症和肌肉减少症	CT扫描	U-Net-like深度学习模型	图像	300名男性参与者（73±6岁）
100	2025-05-12	A feasibility study of lung tumor segmentation on kilo-voltage radiographic images with transfer learning: Toward tumor motion tracking in radiotherapy 2025-Apr, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104943 PMID:40023957	research paper	研究通过迁移学习在千伏X射线影像上分割肺部肿瘤，以实现无标记肿瘤运动追踪	提出了一种结合迁移学习和深度分割网络陪审团委员会（TL-DSN-JC）的新算法，显著提升了肿瘤分割的准确性	研究样本量相对较小，仅包含80名患者的1150张影像，可能影响模型的泛化能力	开发一种无标记的肺部肿瘤运动追踪方法，以提高放射治疗的精确性	肺部肿瘤患者的千伏X射线影像	digital pathology	lung cancer	迁移学习，深度学习	VGG-16/19, TL-DSN-JC	image	1150张影像来自80名肺癌患者