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
1021	2025-04-24	Fusion of multi-scale feature extraction and adaptive multi-channel graph neural network for 12-lead ECG classification 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108725 PMID:40184850	研究论文	提出一种融合多尺度特征提取和自适应多通道图神经网络的12导联心电图分类方法	提出多尺度自适应图融合网络（MSAGFN）模型，结合特征图和拓扑图，有效整合12导联心电图的复杂关联	未提及具体局限性	提高12导联心电图的分类准确率	12导联心电图数据	机器学习	心血管疾病	图神经网络	MSAGFN（多尺度自适应图融合网络）和AMGNN（自适应多通道图神经网络）	心电图信号	PTB-XL数据集
1022	2025-04-24	Self-supervised multi-modality learning for multi-label skin lesion classification 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108729 PMID:40184849	研究论文	提出一种自监督学习算法，用于多模态多标签皮肤病变分类，减少对大规模标注数据的依赖	通过最大化配对的皮肤镜和临床图像之间的相似性实现多模态自监督学习，并引入新的多模态多标签自监督策略，通过聚类分析生成七个皮肤病变属性的伪多标签	算法性能依赖于配对的皮肤镜和临床图像的可用性，且伪标签生成可能受到聚类分析准确性的影响	开发一种减少对大规模标注数据依赖的皮肤病变分类方法	皮肤病变的多模态图像（皮肤镜和临床图像）及其多标签属性	计算机视觉	皮肤病变	自监督学习（SSL）	CNN	图像	使用经过良好基准测试的七点皮肤病变数据集进行验证
1023	2025-04-24	Efficient annotation bootstrapping for cell identification in follicular lymphoma 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108728 PMID:40188578	research paper	该研究探讨了在滤泡性淋巴瘤诊断中降低标注成本的可行方法，并比较了三种不同的标注引导方法	提出了一种混合架构，结合了自定义细胞编码器和数字病理学基础模型的上下文编码，用于中心母细胞和中心细胞的检测	标注过程存在固有偏差，且标签分布极不平衡	降低数字病理学中标注引导的成本，提高滤泡性淋巴瘤诊断的效率	滤泡性淋巴瘤的细胞检测	digital pathology	follicular lymphoma	active learning, weak supervision	custom cell encoder, foundation models	whole slide images	41张全切片图像，包含12,704个细胞标注
1024	2025-04-24	A first explainable-AI-based workflow integrating forward-forward and backpropagation-trained networks of label-free multiphoton microscopy images to assess human biopsies of rare neuromuscular disease 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108733 PMID:40154003	研究论文	提出了一种基于可解释人工智能的工作流程，结合前向-前向和反向传播训练的卷积网络，用于评估罕见神经肌肉疾病的人类活检图像	首次将前向-前向训练应用于生物医学图像，为临床可解释深度学习应用设定了新标准	研究样本量较小（16例活检），且仅针对杜氏肌营养不良症	提高罕见神经肌肉疾病的诊断准确性，通过标准化特征和表型表达识别	人类肌肉活检的多光子显微镜图像	数字病理	神经肌肉疾病	多光子显微镜	CNN（前向-前向和反向传播训练）	图像	16例人类肌肉活检的1600张图像
1025	2025-04-24	Detection of Pulmonary Nodules on Ultra-low Dose Chest Computed Tomography With Deep-learning Image Reconstruction Algorithm 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000806 PMID:39267547	研究论文	评估使用深度学习图像重建（DLIR）算法在超低剂量（ULD）胸部计算机断层扫描（CT）中检测肺结节的准确性	首次在ULD CT中应用DLIR算法进行肺结节检测，并与传统ASIR-V重建方法进行比较	样本量较小（60例患者），且仅评估了固体肺结节的检测	探索ULD CT结合DLIR在肺结节检测中的临床应用价值	60例转诊评估或随访固体肺结节的患者	数字病理学	肺癌	深度学习图像重建（DLIR）和自适应统计迭代重建-V（ASIR-V）	DLIR	CT图像	60例患者，共检测733个结节
1026	2025-04-24	Predicting Gene Comutation of EGFR and TP53 by Radiomics and Deep Learning in Patients With Lung Adenocarcinomas 2025-May-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000817 PMID:39319553	研究论文	本研究基于放射组学和深度学习构建了预测EGFR和TP53共突变的二元分类模型，并评估了这些模型在识别适合TKI靶向治疗和预后不良患者方面的能力	结合放射组学和深度学习构建渐进式二元分类模型，用于预测EGFR和TP53共突变，并评估模型在临床识别TKI响应者和预后不良患者中的潜力	研究样本量较小（267例患者），且为单中心回顾性研究，可能存在选择偏倚	构建预测EGFR和TP53共突变的分类模型，以辅助临床识别适合TKI靶向治疗和预后不良的肺腺癌患者	267例接受基因检测和非增强胸部CT检查的肺腺癌患者	数字病理学	肺癌	放射组学特征提取和深度学习	临床模型、放射组学模型、深度学习模型以及多种组合模型（如DL-rad-clin模型）	影像数据（非增强胸部CT）和临床数据	267例肺腺癌患者
1027	2025-04-24	Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density 2025-May, Protoplasma IF:2.5Q2 DOI:10.1007/s00709-024-02019-9 PMID:39692866	研究论文	本研究探讨了基于深度学习的细胞骨架分割方法在定量评估细胞骨架组织中的效用	采用深度学习技术显著提高了细胞骨架密度测量的准确性，并验证了该方法在不同生理模型中的适用性	未提及具体的技术局限性	开发一种高精度、高通量的细胞骨架密度测量方法	烟草BY-2细胞的皮层微管、拟南芥保卫细胞和受精卵	数字病理学	NA	共聚焦显微镜成像	深度学习模型	图像	未明确提及具体样本数量
1028	2025-04-24	The Quality and Accuracy of Radiomics Model in Diagnosing Osteoporosis: A Systematic Review and Meta-analysis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	meta-analysis	对当前用于诊断骨质疏松症的放射组学模型的诊断性能进行荟萃分析，并评估这些放射组学研究的方法学和报告质量	首次通过荟萃分析评估放射组学模型在骨质疏松症诊断中的表现，并使用QUADAS-2和RQS工具全面评估研究质量	纳入研究的方法学质量参差不齐，RQS评分平均仅为31.89%的依从率	评估放射组学模型在骨质疏松症诊断中的准确性和质量	骨质疏松症患者和非骨质疏松症患者	digital pathology	osteoporosis	radiomics	deep learning algorithms	medical imaging (CT images)	25项研究(1553名骨质疏松患者和2200名非骨质疏松患者)
1029	2025-04-24	PSMA PET/CT based multimodal deep learning model for accurate prediction of pelvic lymph-node metastases in prostate cancer patients identified as candidates for extended pelvic lymph node dissection by preoperative nomograms 2025-May, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07065-2 PMID:39865180	research paper	开发并验证了一种基于PSMA PET/CT的多模态深度学习模型，用于预测前列腺癌患者盆腔淋巴结转移	结合了PSMA PET/CT深度学习特征、定量PET参数和临床参数，构建的多模态模型在预测淋巴结侵犯方面表现出更高的准确性	样本量相对较小（116例患者），且仅在特定患者群体中验证	提高前列腺癌患者盆腔淋巴结转移的预测准确性，以减少不必要的盆腔淋巴结清扫术	前列腺癌患者	digital pathology	prostate cancer	PSMA PET/CT	Med3D, Multi kernel Support Vector Machine	image, clinical parameters	116例前列腺癌患者（82例训练队列，34例测试队列）
1030	2025-04-24	Exploring the role of multimodal [18F]F-PSMA-1007 PET/CT and multiparametric MRI data in predicting ISUP grading of primary prostate cancer 2025-May, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07099-0 PMID:39871017	research paper	本研究探讨了多模态成像技术在预测前列腺癌ISUP分级中的作用，旨在通过整合先进成像技术与临床变量提高诊断准确性和临床决策	应用少样本学习解决前列腺癌成像数据有限的问题，并比较了不同模态数据融合在深度学习网络中的性能	研究为回顾性分析，可能存在选择偏差，且样本量相对较小	提高前列腺癌ISUP分级的诊断准确性，优化临床决策	341名前列腺癌患者的多模态成像数据	digital pathology	prostate cancer	[18F]F-PSMA-1007 PET/CT, multiparametric MRI (mpMRI), Diffusion Weighted Imaging (DWI), T2 Weighted Imaging (T2WI), Apparent Diffusion Coefficient (ADC)	few-shot deep learning network	image	341名前列腺癌患者
1031	2025-04-24	A Bi-modal Temporal Segmentation Network for Automated Segmentation of Focal Liver Lesions in Dynamic Contrast-enhanced Ultrasound 2025-05, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.014 PMID:39952824	research paper	开发并验证了一种基于深度学习的双模态时间分割网络（BTS-Net），用于动态对比增强超声（CEUS）视频中肝脏局灶性病变（FLL）的自动分割	提出了一种新型的双模态时间分割网络（BTS-Net），用于自动分割动态CEUS视频中的FLL，并在多个测试集中表现出色	研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对有限	开发一种自动化的深度学习模型，用于动态CEUS视频中FLL的精确分割	肝脏局灶性病变（FLL）患者	digital pathology	liver cancer	dynamic contrast-enhanced ultrasound (CEUS)	BTS-Net	video	232名患者（160名男性，中位年龄56岁）
1032	2025-04-24	SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip 2025-05, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.013 PMID:39979183	研究论文	该研究提出了一种名为SegFormer3D的深度学习模型，用于提高儿科髋关节超声体积图像分割的鲁棒性	提出了3D SegFormer架构的扩展，这是一种轻量级的基于transformer的模型，具有分层结构的编码器，能够产生多尺度特征，从而同时提高准确性和鲁棒性	当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中	提高儿科髋关节超声图像分割的准确性和鲁棒性，以改善发育性髋关节发育不良（DDH）的诊断	儿科患者的3D超声图像	计算机视觉	儿科髋关节发育不良（DDH）	3D超声成像与深度学习结合	SegFormer3D（基于transformer的模型）	3D超声图像	儿科患者的临床数据测试集
1033	2025-04-24	Artificial Intelligence in CT for Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Cancer Patients: A Meta-analysis 2025-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.007 PMID:40000328	meta-analysis	评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能	深度学习模型在敏感性方面优于机器学习方法	研究间存在高度异质性，且在不同人群中的外部验证不足	评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能	甲状腺乳头状癌患者颈部淋巴结转移	digital pathology	thyroid cancer	CT	deep learning, machine learning	image	内部验证集1778名患者，外部验证集4072名患者
1034	2025-04-24	Evaluation of AI-based nerve segmentation on ultrasound: relevance of standard metrics in the clinical setting 2025-May, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2024.12.040 PMID:40016039	research paper	评估基于AI的超声神经分割在临床环境中的相关性，探讨客观像素指标与主观临床评估之间的关系	首次研究了客观像素指标与主观临床评估在神经分割中的关系，并尝试确定临床可接受的像素重叠阈值	研究样本量有限（173帧图像），且仅分析了被主观评为优秀的案例	评估AI神经分割工具在超声引导区域麻醉中的临床应用价值	超声图像中的神经结构（臂丛神经、股神经和坐骨神经）	digital pathology	NA	超声成像	deep learning	image	173帧超声图像
1035	2025-04-24	Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy: A Diagnostic Study 2025-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17015-3 PMID:40050483	研究论文	本研究评估了HRNetV2深度学习模型在膀胱镜检查中智能检测膀胱病变的有效性，重点关注其在不同图像分辨率下的性能	首次将HRNetV2模型应用于膀胱病变的实时智能检测，并分析了不同图像分辨率对模型性能的影响	研究样本量相对较小（94名患者），且需要在更大规模的多中心数据集上进行进一步验证	提高膀胱镜检查中膀胱病变的检测准确率	膀胱病变患者	数字病理学	膀胱癌	深度学习	HRNetV2	视频	94名患者，102个白光膀胱镜检查视频，33,657帧标注图像
1036	2025-03-13	ASO Visual Abstract: Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy-A Diagnostic Study 2025-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17143-w PMID:40069466	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1037	2025-04-24	Deep learning in nuclear medicine: from imaging to therapy 2025-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02031-w PMID:40080372	review	本文综述了深度学习在核医学领域的最新应用进展，特别是在成像、病灶检测和放射性药物治疗方面	深度学习与功能成像技术（如PET和SPECT）的结合，实现了更精确的诊断和个性化治疗策略的开发	模型可解释性不足、跨多样化数据集的泛化能力有限、多模态数据融合的挑战以及应用中面临的伦理和法律问题	探讨深度学习在核医学中的应用及其对精准医疗、实时治疗监测和临床决策的影响	核医学成像、病灶检测和放射性药物治疗	machine learning	NA	PET, SPECT	neural network	image	NA
1038	2025-04-24	[Frozen section in oncologic endocrine surgery] 2025-May, Chirurgie (Heidelberg, Germany) DOI:10.1007/s00104-025-02266-3 PMID:40131405	review	本文讨论了术中冰冻切片在内分泌肿瘤手术管理中的益处	探讨了深度学习在克服冰冻切片技术问题上的潜力，并提供了关于甲状腺手术中冰冻切片应用的最新证据	对于甲状旁腺和肾上腺癌的手术治疗，缺乏相关文献支持冰冻切片的作用	评估术中冰冻切片在内分泌肿瘤手术中的应用及其效果	甲状腺结节、分化型甲状腺癌、髓样甲状腺癌、甲状旁腺和肾上腺癌	digital pathology	thyroid cancer	frozen section, deep learning	deep learning	image	NA
1039	2025-04-24	Evaluating Performance of a Deep Learning Multilabel Segmentation Model to Quantify Acute and Chronic Brain Lesions at MRI after Stroke and Predict Prognosis 2025-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240072 PMID:40136026	研究论文	开发并评估了一个多标签深度学习网络，用于识别和量化急性缺血性卒中后多序列MRI中的急性和慢性脑损伤，并评估病变的临床和模型提取的放射学特征与患者预后的关系	提出了一种基于SegResNet的深度学习模型，用于分割核心梗死和白质高信号负担，并结合临床变量预测患者7天预后	研究为回顾性设计，可能受到选择偏倚的影响，且样本量相对有限	评估深度学习模型在识别和量化脑损伤以及预测急性缺血性卒中患者预后方面的性能	急性缺血性卒中患者	数字病理学	卒中	MRI	SegResNet, CNN, 支持向量机	图像	1008名患者（训练和验证数据集702名，外部测试数据集306名）
1040	2025-04-24	Fully Automated Agatston Score Calculation From Electrocardiography-Gated Cardiac Computed Tomography Using Deep Learning and Multi-Organ Segmentation: A Validation Study 2025-May, Angiology IF:2.6Q2 DOI:10.1177/00033197231225286 PMID:38166442	研究论文	评估基于深度学习的钙分割和量化在ECG门控心脏CT扫描中的应用，并与手动评估进行比较	使用基于mask R-CNN的神经网络进行多器官分割，实现全自动钙评分计算	研究为回顾性研究，样本量相对较小（训练集40例，验证集110例）	开发并验证一种全自动的冠状动脉钙化评分计算方法	ECG门控心脏CT扫描图像	数字病理学	心血管疾病	深度学习	mask R-CNN	医学影像	训练集40例患者，验证集110例患者