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
1061	2025-05-24	Knee Osteoarthritis SCAENet: Adaptive Knee Osteoarthritis Severity Assessment Using Spatial Separable Convolution with Attention-Based Ensemble Networks with Hybrid Optimization Strategy 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01306-4 PMID:39438366	research paper	该研究提出了一种基于深度学习的膝关节骨关节炎严重程度评估模型SCAENet，用于准确识别患者病情	提出了一种新的空间可分离卷积与注意力机制结合的集成网络SCAENet，并采用混合优化策略HESM-BESO进行特征池生成	未提及模型在临床实际应用中的验证效果及样本多样性问题	提高膝关节骨关节炎严重程度评估的准确性和效率	膝关节骨关节炎患者	digital pathology	geriatric disease	深度学习	SCAENet（集成ResNet/VGG16/DenseNet与1DCNN）	image	NA（仅提及在线资源获取图像，未说明具体数量）
1062	2024-10-24	Correction: Checklist for Reproducibility of Deep Learning in Medical Imaging 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01295-4 PMID:39438367	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1063	2025-05-24	Deep Learning Segmentation of Chromogenic Dye RNAscope From Breast Cancer Tissue 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01301-9 PMID:39443395	research paper	本文介绍了一种新型深度学习方法的开发和优化，专注于从乳腺癌组织中准确分割RNAscope点（表示基因表达）	提出了一种使用ConvNeXt作为骨干网络的卷积深度学习网络，采用自定义、高度正则化的块来防止过拟合和早期收敛于次优解	网络规模对于分割网络来说较为适中，且需要较少的训练数据即可良好运行	开发一种自动化分析方法，用于乳腺癌组织中的RNAscope染色分析	乳腺癌组织中的RNAscope染色	digital pathology	breast cancer	RNAscope staining	CNN, ConvNeXt	image	NA
1064	2025-05-24	Integrating VAI-Assisted Quantified CXRs and Multimodal Data to Assess the Risk of Mortality 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01247-y PMID:39448455	研究论文	本研究开发了一种基于视觉人工智能（VAI）的基础模型，用于通过胸部X光片（CXRs）增强死亡风险分层	利用深度学习提取CXR特征并结合Cox比例风险模型生成风险评分（'CXR-risk'），仅需单次CXR即可提供准确的死亡和发病率预测	回顾性研究设计可能引入选择偏倚，且外部验证集的样本量相对较小	开发一种广泛可用的检查方法以预测死亡风险	门诊和体检中心的患者	数字病理	NA	深度学习，Cox比例风险模型	深度学习模型	图像（胸部X光片），临床和实验室数据，放射学报告	训练集41,945例，验证集10,492例，内部测试集31,707例，外部测试集4,441例
1065	2025-05-24	Utilizing Pseudo Color Image to Improve the Performance of Deep Transfer Learning-Based Computer-Aided Diagnosis Schemes in Breast Mass Classification 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01237-0 PMID:39455542	研究论文	本研究探讨了利用形态学信息分类可疑乳腺病变的影响，并提出了一种新的伪彩色图像生成方法以提高分类性能	开发了一种利用肿块轮廓信息增强分类性能的新型伪彩色图像生成方法	性能提升依赖于肿块分割的准确性	提高基于乳腺X光片的计算机辅助诊断方案在乳腺肿块分类中的性能	乳腺肿块	计算机视觉	乳腺癌	深度学习迁移学习	预训练的深度学习模型与SVM分类器结合	图像	830例乳腺癌病例（310例良性，520例恶性），每例采集4个ROI
1066	2025-05-24	Comparative Bladder Cancer Tissues Prediction Using Vision Transformer 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01228-1 PMID:39455543	research paper	本研究比较了三种模型在膀胱癌组织预测中的性能，包括CNN、混合CNN-ML和ViT模型，其中ViT表现最佳	首次在膀胱癌组织预测中应用Vision Transformer（ViT）模型，并展示了其优于传统CNN和混合模型的性能	未提及样本量是否足够大以验证模型的泛化能力，也未讨论模型在其他癌症类型上的适用性	开发一个计算机辅助决策支持系统，以帮助专家更高效地识别膀胱癌组织类型	膀胱癌组织	digital pathology	bladder cancer	endoscopic imaging	CNN, hybrid CNN-ML, ViT	image	NA
1067	2025-05-24	A Multi-model Deep Learning Architecture for Diagnosing Multi-class Skin Diseases 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01300-w PMID:39482493	research paper	该研究提出了一种新颖的深度学习多模型架构，用于高精度皮肤疾病诊断	采用五分类Xception模型对皮肤病变进行分类，并通过迁移学习为每个类别构建专用模型，显著提升了诊断准确率	未提及模型在临床环境中的实际应用验证	开发高精度的皮肤疾病诊断工具	皮肤病变图像	digital pathology	skin diseases	deep learning	Xception	image	25,010张图像
1068	2025-05-24	Applying Deep-Learning Algorithm Interpreting Kidney, Ureter, and Bladder (KUB) X-Rays to Detect Colon Cancer 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01309-1 PMID:39482492	研究论文	本研究开发了一种深度学习模型，利用KUB X光片检测结肠癌，以提高筛查覆盖率和效果	首次将深度学习算法应用于KUB X光片进行结肠癌检测，提供了一种成本效益高的替代传统筛查方法	需要进一步前瞻性研究验证结果并完全整合该技术到临床实践中	开发一种深度学习模型，用于通过KUB X光片检测结肠癌	结肠癌患者	数字病理	结肠癌	深度学习	DenseNet	图像	开发集28,055例，调优集11,234例，内部验证集16,875例，外部验证集15,876例
1069	2025-05-24	Deep learning based on ultrasound images predicting cervical lymph node metastasis in postoperative patients with differentiated thyroid carcinoma 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf047 PMID:40073229	research paper	开发基于超声图像的深度学习模型，用于预测分化型甲状腺癌术后患者的颈淋巴结转移	创新性地使用淋巴结超声图像的深度学习来预测DTC术后患者的颈淋巴结状态	初步研究，样本量相对较小（352个淋巴结来自330名患者）	预测分化型甲状腺癌（DTC）术后患者的颈淋巴结转移（CLNM）	分化型甲状腺癌（DTC）术后患者的颈淋巴结	digital pathology	thyroid carcinoma	ultrasound imaging	ResNet50	image	352个淋巴结来自330名患者
1070	2025-05-24	CT-derived fractional flow reserve on therapeutic management and outcomes compared with coronary CT angiography in coronary artery disease 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf055 PMID:40107975	研究论文	本研究比较了基于深度学习的CT衍生血流储备分数（CT-FFR）与冠状动脉CT血管造影（CCTA）在疑似冠状动脉疾病（CAD）患者治疗管理和临床结果中的价值	首次在单中心前瞻性研究中评估了现场深度学习CT-FFR对CAD患者治疗管理和临床结果的影响，并与单独CCTA进行比较	样本量相对较小（461例患者），且为单中心研究，可能限制结果的普遍性	评估CT-FFR在CAD患者治疗管理和临床结果中的价值	疑似冠状动脉疾病（CAD）患者	数字病理	心血管疾病	深度学习	深度学习模型（未指定具体类型）	医学影像（CT）	461例疑似CAD患者
1071	2025-05-24	Does the deep learning-based iterative reconstruction affect the measuring accuracy of bone mineral density in low-dose chest CT? 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf059 PMID:40127198	research paper	研究深度学习迭代重建算法对低剂量胸部CT中骨密度测量准确性和图像质量的影响	首次评估深度学习迭代重建算法（AIIR）在低剂量胸部CT中对骨密度测量准确性的影响，同时优化图像质量	研究样本可能有限，且仅评估了特定类型的深度学习迭代重建算法	探讨深度学习迭代重建算法在低剂量胸部CT中对图像质量和骨密度测量准确性的影响	体模和患者	digital pathology	NA	定量CT（QCT）	深度学习迭代重建算法（AIIR）	CT图像	体模和患者研究
1072	2025-05-24	A new era in nephrology: the role of super-resolution microscopy in research, medical diagnostic, and drug discovery 2025-Jun, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.01.040 PMID:40139567	综述	本文探讨了超分辨率显微镜在肾脏研究、医学诊断和药物发现中的潜在应用	介绍了3维结构照明显微镜及其在量化足细胞足突形态中的新方法，结合mRNA检测、多重染色和深度学习算法	NA	探索超分辨率显微镜在肾脏研究、医学诊断和药物发现中的应用	肾脏的超微结构，特别是足细胞足突和裂隙隔膜	数字病理学	肾脏疾病	超分辨率显微镜，3维结构照明显微镜	深度学习算法	图像	NA
1073	2025-05-24	[Rapid identification and analysis of hemoglobin isoelectric focusing electrophoresis images based on deep learning] 2025-Jun, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2024.05012 PMID:40394749	研究论文	本文提出了一种基于深度学习的血红蛋白等电聚焦电泳图像快速识别与分析方法	采用YOLOv8模型直接输出电泳条带信息，不依赖专业人员经验或pI标记物，提高了检测效率和准确性	研究仅针对血红蛋白等电聚焦电泳图像，未验证在其他类型电泳图像上的适用性	开发一种快速、准确的血红蛋白等电聚焦电泳图像自动分析方法	血红蛋白等电聚焦电泳图像	计算机视觉	成人地中海贫血	等电聚焦凝胶电泳(mIEF)	YOLOv8	图像	1,665张无pI标记的血红蛋白等电聚焦图像
1074	2025-05-24	Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf018 PMID:40402584	综述	本文综述了人工智能在骨肿瘤活检中的应用及其对个性化医疗的影响	探讨了AI在骨活检中的多种应用，包括提高诊断准确性、改善活检安全性及更精确的病灶定位，并提供了开源AI工具和算法的列表	讨论了AI在骨活检中的技术限制、健康公平性、通用性问题、部署挑战及报销问题	探索人工智能在骨肿瘤活检中的应用及其对个性化医疗的贡献	骨肿瘤（原发性和继发性）的活检及样本处理	数字病理学	骨肿瘤	传统机器学习、深度学习、放射组学、模拟和生成模型	NA	图像	NA
1075	2025-05-24	[Clinical value of medical imaging artificial intelligence in the diagnosis and treatment of peritoneal metastasis in gastrointestinal cancers] 2025-May-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20250301-00075 PMID:40404364	review	本文综述了医学影像人工智能在胃肠道癌症腹膜转移诊断和治疗中的临床价值和应用前景	利用放射组学和深度学习技术深入分析医学影像中的肿瘤异质性和微环境特征，构建高精度预测模型	未提及具体的技术局限性和临床应用中的挑战	探讨医学影像人工智能在胃肠道癌症腹膜转移诊断和治疗中的应用	胃肠道癌症患者的腹膜转移	digital pathology	gastrointestinal cancers	radiomics, deep learning	NA	medical images	NA
1076	2025-05-24	Ultrafast Ratiometric Fluorescent Probe and Deep Learning-Assisted On-Site Detection Platform for BAs and Meat Freshness Based on Molecular Engineering 2025-05-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00490 PMID:40279659	research paper	该研究提出了一种结合荧光探针分子工程与便携式检测平台的策略，用于生物胺（BAs）和肉类新鲜度的快速、可视化、现场定量评估	通过分子工程设计出四种具有可调分子内电荷转移（ICT）特性的比率荧光探针，并开发了一个集成智能手机和深度卷积神经网络（DCNN）的便携式检测平台	NA	开发高性能比率荧光探针和智能检测平台，用于食品质量评估	生物胺（BAs）和肉类新鲜度	machine learning	NA	荧光探针分子工程，深度卷积神经网络（DCNN）	DCNN	image	NA
1077	2025-05-24	Robust Odor Detection in Electronic Nose Using Transfer-Learning Powered Scentformer Model 2025-05-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00630 PMID:40372408	研究论文	本研究提出了一种基于深度学习架构的新型电子鼻Scentformer，用于检测自然气味，解决了现有电子鼻检测范围窄和泛化能力有限的问题	提出了一种名为Scentformer的新型电子鼻，采用自适应数据下采样方法，能够检测55种不同自然气味，分类准确率达99.94%，并通过迁移学习能力高效适应新气味	未提及具体局限性	开发一种能够广泛检测自然气味并具有高准确性和泛化能力的电子鼻	自然气味和气体	机器学习	NA	深度学习、迁移学习	Scentformer	气味信号数据	55种不同自然气味
1078	2025-05-24	Uncertainty quantification for deep learning-based metastatic lesion segmentation on whole body PET/CT 2025-May-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add9df PMID:40378868	research paper	本研究探讨了四种不确定性量化方法在全身PET/CT图像转移性病灶分割任务中的表现	比较了四种不确定性量化方法在转移性病灶分割任务中的性能，推荐了最优方法	研究仅基于59例患者的Ga-DOTATATE PET/CT图像，样本量有限	评估不同不确定性量化方法在医学图像分割中的可靠性	转移性神经内分泌肿瘤患者的全身PET/CT图像	digital pathology	neuroendocrine tumors	PET/CT	3D U-Net	image	59例患者的全身Ga-DOTATATE PET/CT图像
1079	2025-05-24	Recent advancement in size measurement during endoscopy 2025-May-23, Clinical endoscopy IF:2.1Q3 DOI:10.5946/ce.2025.070 PMID:40404570	research paper	本文探讨了内窥镜实践中病灶大小测量的最新进展，特别是数字测量技术如虚拟尺度内窥镜(VSE)和人工智能(AI)辅助虚拟尺的应用	介绍了虚拟尺度内窥镜(VSE)和AI辅助虚拟尺等数字测量技术，这些技术提高了测量精度并减少了变异性	存在如增加操作时间和需要操作员培训等限制，以及实时集成、标准化和监管批准等挑战	提高内窥镜病灶大小测量的准确性和效率，以改善治疗策略和临床结果	结肠直肠息肉等内窥镜下的病灶	digital pathology	colorectal polyps	virtual scale endoscopy (VSE), AI-assisted virtual rulers	deep learning algorithms	endoscopic images	NA
1080	2025-05-24	Guideline-driven clinical decision support for colonoscopy patients using the hierarchical multi-label deep learning method 2025-May-23, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003469 PMID:40405345	研究论文	本研究开发了一种基于分层多标签深度学习方法的结肠镜检查患者临床决策支持系统(CDSS)，旨在通过准确的语义识别和指南驱动来减轻医疗负担并标准化医疗流程	采用最先进的基于transformer的模型构建CDSS，并首次在结肠镜检查报告中应用分层多标签分类框架	研究仅在中国医院进行验证，尚未在其他国家或地区测试其适用性	开发一个自动化的临床决策支持系统，用于结肠镜检查报告的语义识别和指南驱动的决策支持	结肠镜检查报告	自然语言处理	结肠癌	深度学习	BERT-base-Chinese, BERT-wwm-ext-Chinese, ernie-3.0-base-zh	文本	302,965份电子结肠镜检查报告（含病理结果），其中2,041份用于模型训练和测试，3,177例连续病例用于外部验证