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
101	2025-05-20	Reduction of radiation exposure in chest radiography using deep learning-based noise reduction processing: A phantom and retrospective clinical study 2025-May, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102958 PMID:40280035	研究论文	本研究评估了基于深度学习的智能降噪技术(INR)在平面胸部X光摄影中减少患者辐射剂量的效果	首次系统评估了INR技术在降低胸部X光辐射剂量同时保持图像质量的有效性	研究样本量有限(100例患者)，且仅使用Canon公司的INR技术	评估INR技术在胸部X光摄影中降低辐射剂量的效果	胸部X光图像(包括Lungman体模和100例患者影像)	数字病理	肺癌	深度学习降噪技术(INR)	深度学习(具体架构未说明)	医学影像	100例患者胸部X光图像
102	2025-05-20	Low-cost video-based air quality estimation system using structured deep learning with selective state space modeling 2025-May, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109496 PMID:40344874	研究论文	提出了一种基于视频的低成本空气质量估计系统，结合结构化深度学习和选择性状态空间建模	首次将选择性状态空间模型（SSM）与选择性扫描机制和混合预测器（HP）结合，用于视频空气质量估计，能够动态调整参数并有效捕捉长距离依赖关系	研究仅基于巴基斯坦拉合尔六个监测站的数据，可能在其他地区的泛化能力有限	开发一种高效、成本效益高的模型，用于准确预测空气质量和主动污染控制	空气质量数据，特别是PM、PM和AQI	计算机视觉	NA	深度学习，选择性状态空间建模	AQP-Mamba（基于SSM的模型）	视频	13,176个视频，来自巴基斯坦拉合尔的六个监测站
103	2025-05-20	MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf209 PMID:40366860	research paper	提出了一种多模态多实例多癌症生存预测模型MMSurv，整合病理图像、临床信息和测序数据以提高预测准确性	提出了一种基于紧凑双线性池化和Transformer的新型多模态融合方法，结合双线性池化与Transformer架构，优化了多模态数据的互补性利用	模型在六种癌症类型上进行了评估，但未涵盖所有癌症类型，可能在其他癌症上的泛化能力有限	提高癌症患者生存率的预测准确性，以支持有效的治疗计划	癌症患者的多模态数据（病理图像、临床信息和测序数据）	digital pathology	multiple cancers	深度学习、自然语言处理技术、细胞分割	多模态深度学习模型（MMSurv）、Transformer、双线性池化、多实例学习模型	病理图像、临床数据、测序数据	来自癌症基因组图谱（TCGA）的六种癌症类型数据
104	2025-05-20	Enhancing perihematomal edema segmentation: integrating prior knowledge with deep learning for enhanced accuracy and interpretability 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2404 PMID:40384678	research paper	该研究提出了一种结合先验知识与深度学习的网络PESE-Net，用于提高颅内血肿周围水肿（PHE）分割的准确性和可解释性	提出了一种新的特征加权策略，协同融合PHE的整体变化特征和空间信息，增强了PHE的整体颅内表达特征	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	提高PHE分割的准确性和可靠性，以增强临床诊断效率	自发性颅内出血图像中的PHE区域	digital pathology	cardiovascular disease	deep learning	PESE-Net	image	NA
105	2025-05-20	Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1933 PMID:40384682	research paper	该研究结合反向双反转恢复（RDIR）和基于人工智能辅助压缩感知（ACS）重建的单次激发暗血快速自旋回波（SS-RDIR）技术，实现了自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估	结合RDIR和ACS重建的SS-RDIR技术，显著减少了扫描时间并提高了图像质量，优于传统的多次激发技术	样本量相对较小（20名健康儿童和47名儿科患者），且未提及长期临床效果验证	开发一种在自由呼吸条件下进行儿童心脏高分辨率运动鲁棒性水肿评估的成像技术	健康儿童和儿科患者的心脏成像	医学影像	心血管疾病	反向双反转恢复（RDIR）、单次激发暗血快速自旋回波（SS-RDIR）、人工智能辅助压缩感知（ACS）重建	AI-assisted compressed sensing (ACS)	医学影像数据	20名健康儿童和47名儿科患者
106	2025-05-20	MHAU-Net: a multi-scale hybrid attention U-shaped network for the segmentation of MRI breast tumors 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1515 PMID:40384695	research paper	提出了一种名为MHAU-Net的多尺度混合注意力U型网络，用于MRI乳腺肿瘤的分割	结合多尺度空洞卷积和混合注意力机制，有效提取多尺度上下文信息并适应不同大小和形状的肿瘤	未提及具体局限性	实现MRI乳腺肿瘤的准确自动分割	乳腺MRI图像中的肿瘤	digital pathology	breast cancer	MRI	MHAU-Net (基于3D U-Net的改进网络)	3D MRI图像	906张3D MRI图像
107	2025-05-20	Detection-guided deep learning-based model with spatial regularization for lung nodule segmentation 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2511 PMID:40384696	研究论文	提出一种结合检测引导和空间正则化的深度学习模型，用于肺部结节分割	整合U-Net分割和ResNet分类，采用特征组合块共享信息，利用分类结果作为先验优化分割输出，并应用空间正则化技术提高精度	训练数据集有限，可能影响模型泛化能力	开发准确可靠的肺部结节分割方法以提高诊断准确性	肺部结节	计算机视觉	肺癌	深度学习	U-Net, ResNet	CT图像	NA
108	2025-05-20	Lightweight attention network for guidewire segmentation and localization in clinical fluoroscopic images of vascular interventional surgery 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2926 PMID:40384703	研究论文	本研究提出了一种轻量级注意力网络，用于血管介入手术临床荧光图像中导丝的分割和定位	引入了双边特征融合（BGA）模块和轻量级门控注意力（SDA）模块，提高了导丝分割的精确度	研究仅基于回顾性收集的X射线图像，未提及前瞻性验证	提升经导管动脉化疗栓塞术（TACE）中导丝输送的精确性和实用性	导丝在X射线荧光图像中的形态	数字病理	心血管疾病	深度学习	CNN	图像	38名受试者的2,839张X射线图像和27个X射线荧光视频的903张临床图像
109	2025-05-20	Deep learning-based key point detection algorithm assisting vessel centerline extraction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1949 PMID:40384705	research paper	提出一种基于深度学习的关键点检测算法，用于辅助血管中心线提取，以提升斑块定量分析的准确性	通过关键点检测算法显著提高了血管中心线提取的准确性，特别是在颈动脉虹吸段等复杂区域的检测精度达到97%	研究为回顾性设计，且仅针对脑血管疾病患者，可能限制结果的普适性	提升血管中心线提取的准确性以辅助斑块定量分析	539名脑血管疾病患者的3.0-T MRI扫描数据	digital pathology	cerebrovascular disease	3.0-T MRI	deep learning-based algorithm	MRI图像	539名多中心脑血管疾病患者
110	2025-05-20	Bibliometric analysis of the application of artificial intelligence in orthopedic imaging 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1384 PMID:40384704	研究论文	通过文献计量分析总结了人工智能在骨科影像学领域的知识结构，并探讨了其潜在研究趋势和焦点	首次通过文献计量学方法系统分析了人工智能在骨科影像学中的应用，揭示了该领域的研究热点和未来趋势	研究仅基于Web of Science Core Collection数据库，可能未涵盖所有相关文献	分析人工智能在骨科影像学领域的应用现状和发展趋势	2007-2024年间发表的3,147篇关于AI在骨科影像学中应用的文献	医学影像分析	骨科疾病（骨关节炎、骨质疏松症、全膝关节置换术等）	文献计量分析（VOSviewer和CiteSpace）	CNN	文献数据	3,147篇出版物
111	2025-05-20	Value of deep learning model for predicting Breast Imaging Reporting and Data System 3 and 4A lesions on mammography 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1523 PMID:40384713	研究论文	评估基于乳腺X线摄影的深度学习模型在区分BI-RADS 3和4A病变中的诊断价值及其对放射科医生决策的影响	深度学习模型显著提高了初级放射科医生对BI-RADS 3和4A病变的诊断性能，有效减少了漏诊和不必要的活检	研究为回顾性多中心研究，可能受到数据选择和采集的限制	评估深度学习模型在乳腺X线摄影中对BI-RADS 3和4A病变的诊断价值	乳腺X线摄影检测到的BI-RADS 3和4A病变	数字病理学	乳腺癌	深度学习	DL模型	图像	824名患者的846个乳腺病变
112	2025-05-20	Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence 2025-May, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70564 PMID:40387596	研究论文	该研究利用人工智能深度学习技术，通过分析单细胞图像，成功区分了白血病干细胞（LSCs）与正常干细胞	首次证明LSCs具有独特的形态特征，并通过AI而非病理学家的显微镜观察识别这些特征	研究仅基于JAK2V617F敲入小鼠模型，尚未在人类患者中验证	开发一种能够识别和监测白血病干细胞的方法，以指导治疗选择和评估疾病预后	白血病干细胞（LSCs）和正常干细胞	数字病理学	白血病	深度学习	CNN	图像	来自JAK2V617F敲入小鼠和健康小鼠的干细胞图像
113	2025-05-20	Robust automatic train pass-by detection combining deep learning and sound level analysis 2025-May-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0036754 PMID:40387613	research paper	提出一种结合深度学习和声级分析的鲁棒自动列车通过检测方法	创新性地结合通用分类器、短声级分析和基于梅尔频谱图的分类来精确检测列车通过噪声	未提及方法在极端噪声环境下的性能表现	开发自动声音事件检测与分类方法以控制高噪声水平	列车通过时产生的噪声	machine learning	NA	mel-spectrogram-based classification, sound level analysis	generic classifier (未指定具体模型)	raw audio signal	various long-term signals (未明确样本数量)
114	2025-05-20	Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study 2025-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-1024 PMID:40386596	研究论文	本研究验证了多种深度学习模型在结直肠肿瘤分化中的应用，通过内镜超声图像进行双中心研究	结合内镜超声（EUS）与人工智能（AI）技术，验证了ResNet50等深度学习模型在结直肠腺瘤和癌症诊断中的高效性，并与传统内镜诊断进行了比较	研究为回顾性设计，样本量相对有限（554例患者），且仅来自两个中心	验证EUS结合AI在结直肠腺瘤和癌症诊断中的有效性，并与传统内镜诊断进行比较	结直肠癌（CRC）和腺瘤患者	数字病理	结直肠癌	内镜超声（EUS）	ResNet50, EfficientNet-B0, VGG_11_BN, ViT	图像	554例患者（167例CRC，136例腺瘤，251例对照组）
115	2025-05-20	Deep learning model for predicting spread through air spaces of lung adenocarcinoma based on transfer learning mechanism 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-985 PMID:40386718	研究论文	本研究基于深度学习算法开发并验证了一种用于预测肺腺癌空气播散（STAS）的模型	利用迁移学习机制结合最优语义特征构建混合模型，提高了STAS的预测准确性	样本量相对较小（290例患者），且为回顾性研究	开发一种术前预测肺腺癌STAS的深度学习模型，以辅助手术和治疗策略的选择	肺腺癌患者	数字病理	肺癌	CT扫描	ResNet50	图像	290例患者的术前胸部CT图像
116	2025-05-20	A narrative review of preoperative CT for predicting spread through air spaces of lung cancer 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-952 PMID:40386727	review	本文综述了术前CT在预测肺癌空气扩散（STAS）中的作用，并讨论了该领域研究的局限性和未来方向	结合人工智能技术，通过放射组学和深度学习方法显著提升了STAS预测模型的效能	风险分层研究仍有限，需要通过更全面的STAS病理学定义进一步完善	评估术前CT成像预测STAS的可行性，以支持临床决策	肺癌患者的术前CT影像	digital pathology	lung cancer	CT, radiomics, deep learning	NA	image	NA
117	2025-05-20	Integrating radiomics and deep learning for enhanced prediction of high-grade patterns in stage IA lung adenocarcinoma 2025-Apr-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-995 PMID:40386715	研究论文	本研究旨在开发一种基于术前CT图像的融合模型，用于预测IA期肺浸润性非黏液性腺癌中高级别模式（HGPs）的存在	结合放射组学特征和深度学习特征，使用XGBoost分类器构建融合模型，显著提高了预测HGPs的准确性	研究为回顾性分析，样本量有限（403例患者），且仅针对临床IA期肺浸润性非黏液性腺癌	开发术前预测肺腺癌高级别模式的模型，以辅助临床制定个体化治疗方案	403例经手术治疗的临床IA期且病理确诊为浸润性非黏液性腺癌的患者	数字病理	肺癌	CT成像、放射组学分析、深度学习	XGBoost	医学影像（CT图像）	403例患者
118	2025-05-20	Food Freshness Prediction Platform Utilizing Deep Learning-Based Multimodal Sensor Fusion of Volatile Organic Compounds and Moisture Distribution 2025-04-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00254 PMID:40123082	研究论文	开发了一种结合多维传感技术和基于深度学习的动态融合方法，用于精确监测牛肉的腐败过程	引入了自注意力机制和SENet缩放特征到多模态深度学习模型中，自适应融合并关注传感器的重要特征	实际应用中，单源数据的局限性和多模态数据交叉验证的挑战可能影响方法的准确性	提高食品新鲜度预测的准确性和可靠性	牛肉的新鲜度监测	机器学习	NA	表面增强拉曼散射(SERS)、低场核磁共振(LF-NMR)	多模态深度学习模型	挥发性有机化合物(VOCs)和水分分布数据	NA
119	2025-05-20	Spider-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Speed via Magnetic Induction 2025-04-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00403 PMID:40152352	research paper	本文设计并制造了一种基于蜘蛛感应机制的双模式离子凝胶传感器，集成了风速和压力检测功能	结合蜘蛛的感应机制，开发了一种新型双模式离子凝胶传感器，能够同时检测风速和压力，并在智能运动识别系统中实现了96.83%的准确率	NA	开发多功能、高灵敏度、宽检测范围和优异耐久性的柔性传感器	风速和压力检测，以及人体运动监测	柔性传感器	NA	磁性纤维植绒和感应共振原理，微结构离子凝胶和电容设计	深度学习算法	风速和压力信号，人体运动信号	NA
120	2025-05-20	Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes 2025-04-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03621 PMID:40167999	research paper	该研究开发了一种深度学习驱动的微流控-SERS系统，用于表征外泌体的异质性以分类非小细胞肺癌亚型	结合深度学习、微流控技术和SERS技术，实现了外泌体的高效捕获、检测和分析，用于肺癌的早期诊断和分子分型	NA	开发一种非侵入性方法用于非小细胞肺癌的早期诊断和精确分型	外泌体	digital pathology	lung cancer	SERS, 微流控技术	deep learning	光学信号	三种不同的NSCLC细胞系和正常细胞系