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
1381	2025-10-05	Generative AI in orthopedics: an explainable deep few-shot image augmentation pipeline for plain knee radiographs and Kellgren-Lawrence grading 2024-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae246 PMID:39311859	研究论文	提出一种用于膝关节X光片生成和Kellgren-Lawrence分级的可解释深度少样本图像增强流程	首次提出深度少样本图像增强流程，能够在训练样本有限的情况下生成高质量合成膝关节X光片	训练数据集规模受限	解决骨科医学图像分析中大规模标准化标注数据缺乏的问题	膝关节X光片和Kellgren-Lawrence分级	医学图像分析	骨关节炎	深度少样本图像生成	生成模型	X光图像	86,000张合成膝关节X光片	NA	NA	Frechet Inception Distance, Cohen's Kappa, 准确率	NA
1382	2025-10-05	DL-EDOF: Novel Multi-Focus Image Data Set and Deep Learning-Based Approach for More Accurate and Specimen-Free Extended Depth of Focus 2024-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01076-z PMID:38528289	研究论文	本研究提出了一种基于无监督深度学习的扩展景深显微镜方法，并创建了新的多焦点图像数据集	首个基于无监督深度学习的EDOF方法，无需任何预处理或后处理技术，使用深度特征获取像素聚焦度	NA	开发更准确且无需特定样本的扩展景深显微镜方法	多焦点图像	计算机视觉	NA	显微镜成像	深度学习	图像	包含9个图像集（4个合成图像集和5个显微镜图像集）的多焦点图像数据集	NA	NA	RMSE, PSNR, UQI, CC, PIQE, BRISQUE, UQIN, NIQE	NA
1383	2025-10-05	Multi-Class Deep Learning Model for Detecting Pediatric Distal Forearm Fractures Based on the AO/OTA Classification 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00968-4 PMID:38308069	研究论文	开发基于AO/OTA分类的多类深度学习模型用于检测儿童远端前臂骨折	首次将YOLOv4目标检测模型应用于儿童远端前臂骨折的多类分类，并基于儿科AO/OTA分类系统进行骨折类型细分	测试集样本量较小（仅88张图像），未进行外部验证	开发自动检测儿童远端前臂骨折的深度学习模型以辅助临床治疗规划	儿童远端前臂腕部X射线图像	计算机视觉	儿科骨折	X射线成像	CNN	图像	7006张图像来自1809名患者（训练集80%，验证集20%），测试集88张图像来自34名患者	NA	YOLOv4	平均精度, 灵敏度, 特异性, AUC	NA
1384	2025-10-05	Enhancing YOLO5 for the Assessment of Irregular Pelvic Radiographs with Multimodal Information 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00986-2 PMID:38315343	研究论文	本研究提出通过整合年龄和性别多模态信息增强YOLO5模型，用于发育性髋关节发育不良的骨盆X光片评估	首次在DDH诊断中引入多模态信息（年龄和性别），通过将此类信息整合到通道中提升深度学习模型性能	未明确说明模型在不同年龄段和性别群体中的泛化能力验证细节	提高深度学习模型在发育性髋关节发育不良诊断中的准确性和效果	骨盆X光片中的髋关节解剖标志点	计算机视觉	发育性髋关节发育不良	X射线成像	YOLO5	图像	7750张骨盆X光片，覆盖4个月至16岁年龄段，包含畸形和术后等多种情况	NA	YOLO5	mAP, 诊断准确率, F1-score	NA
1385	2025-10-05	Development of Medical Imaging Data Standardization for Imaging-Based Observational Research: OMOP Common Data Model Extension 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00982-6 PMID:38315345	研究论文	本研究提出医学影像通用数据模型扩展，为基于影像的观察性研究提供数据标准化框架	首次将医学影像数据纳入OMOP通用数据模型，通过新增两个表和两个词汇表解决影像数据的结构和语义需求	未提及具体实施案例或验证研究	开发支持影像研究的医学影像数据标准化方法	观察性医疗数据和医学影像数据	医学影像信息学	NA	DICOM标准，人工智能，深度学习	NA	医学影像数据，观察性医疗数据	NA	NA	NA	NA	NA
1386	2025-10-05	Development and Validation of Deep Learning-Based Automated Detection of Cervical Lymphadenopathy in Patients with Lymphoma for Treatment Response Assessment: A Bi-institutional Feasibility Study 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00966-6 PMID:38316667	研究论文	开发并验证基于深度学习的自动检测淋巴瘤患者颈部淋巴结病变的模型，用于治疗反应评估	首次使用3D SegResNet模型对淋巴瘤患者颈部异常淋巴结进行自动检测和分割，并评估其在治疗反应评估中的临床效用	模型分割性能中等（DSC 0.39），样本量相对有限，为回顾性研究	开发深度学习模型用于淋巴瘤患者颈部淋巴结病变的自动检测和治疗反应评估	淋巴瘤患者的颈部异常淋巴结	数字病理	淋巴瘤	对比增强CT扫描	深度学习	3D医学图像	开发队列76例，内部测试1队列27例，内部测试2队列87例，外部测试队列26例	NA	3D SegResNet	Dice相似系数, 精确率, 召回率, Bland-Altman图	NA
1387	2025-10-05	Deep Learning-Assisted Diffusion Tensor Imaging for Evaluation of the Physis and Metaphysis 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00993-3 PMID:38321313	研究论文	本研究开发了一种基于UNETR的深度学习模型，用于自动分割骨骺和干骺端的扩散张量成像，以预测儿童身高变化	首次将UNETR模型应用于骨骺和干骺端的DTI图像自动分割，相比传统UNET模型性能显著提升	研究采用回顾性数据，样本量相对有限（385个DTI扫描来自191名受试者）	开发自动分割骨骺和干骺端DTI图像的方法，替代耗时的手动分割流程	儿童骨骺和干骺端的扩散张量成像数据	医学影像分析	儿科生长发育	扩散张量成像	UNETR, UNET	医学影像	385个DTI扫描来自191名平均年龄12.6±2.01岁的受试者	NA	UNETR, UNET	Dice相关系数, 组内相关系数	NA
1388	2025-10-05	Automated Quantification of Total Cerebral Blood Flow from Phase-Contrast MRI and Deep Learning 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00948-0 PMID:38343224	研究论文	开发基于深度学习的自动量化全脑血流量方法，通过相位对比MRI实现脑血管分割和血流计算	提出预处理步骤将PC MRI的幅度和相位图像多次相乘以增强深度学习对动脉血管的分割性能	样本量相对有限（训练集218张图像，测试集40张，外部验证20个数据集）	开发自动化的全脑血流量量化技术，减少人工操作的主观性和时间消耗	脑供血动脉血管	医学影像分析	脑血管疾病	相位对比磁共振成像	深度学习	医学影像	训练集218张图像，内部测试40张图像，外部验证20个数据集	NA	U-Net	Dice系数, IoU, 决定系数R, 组内相关系数ICC, t检验, Bland-Altman分析	NA
1389	2025-10-05	Deep Learning-based Diagnosis of Pulmonary Tuberculosis on Chest X-ray in the Emergency Department: A Retrospective Study 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00952-4 PMID:38343228	研究论文	开发基于深度学习的算法用于急诊科胸部X光片中的肺结核检测	使用EfficientNetV2架构并结合半监督学习，利用公共数据库进行伪标签训练	回顾性研究，数据来源于单一医疗机构	开发深度学习算法以快速准确检测肺结核	胸部X光片图像	计算机视觉	肺结核	胸部X光成像	CNN	图像	3498张NTUH医院CXRs，112,120张NIH ChestX-ray14图像，138张Montgomery County图像，662张Shenzhen图像	NA	EfficientNetV2	AUC, 95% CI	NA
1390	2025-10-05	MRI-Based Machine Learning Fusion Models to Distinguish Encephalitis and Gliomas 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00957-z PMID:38343248	研究论文	本研究比较经典机器学习和深度学习模型在区分非典型脑炎与胶质瘤中的性能，并评估融合放射组学的有效性	首次将经典机器学习与深度学习放射组学特征融合，构建深度学习放射组学列线图和在线计算器辅助临床决策	样本量相对有限（116例患者），仅使用轴向FLAIR图像	开发机器学习模型区分非典型脑炎和胶质瘤	116例经病理确诊的胶质瘤和临床诊断为脑炎的患者	医学影像分析	神经系统疾病	MRI成像	LR, SVM, MLP, CNN	医学影像	116例患者	NA	DenseNet121, ResNet50, ResNet18	AUC, 敏感性, 特异性, 准确率, 阴性预测值, 阳性预测值	NA
1391	2025-10-05	Development of Local Software for Automatic Measurement of Geometric Parameters in the Proximal Femur Using a Combination of a Deep Learning Approach and an Active Shape Model on X-ray Images 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00953-3 PMID:38343246	研究论文	开发结合深度学习和主动形状模型的本地软件，用于自动测量X射线图像中股骨近端的几何参数	首次将深度学习神经网络与主动形状模型(ASM)相结合，实现股骨边界提取和解剖标志点拟合的自动化流程	样本量相对有限(428张图像)，且部分参数(如alpha角)的测量误差较大(4.53%)	开发自动化测量股骨近端几何参数的方法，辅助医生早期诊断髋部和股骨疾病	股骨近端几何参数测量	计算机视觉	骨科疾病	X射线成像	深度学习神经网络, ASM	X射线图像	428张髋部X射线图像(男性208张，女性220张)	NA	NA	平均误差率	NA
1392	2025-10-05	Enhancing Disease Classification with Deep Learning: a Two-Stage Optimization Approach for Monkeypox and Similar Skin Lesion Diseases 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00941-7 PMID:38343247	研究论文	本研究提出一种基于深度学习的两阶段优化方法，用于区分猴痘、水痘和麻疹等视觉相似的皮肤病变疾病	采用两阶段优化方法，通过分析71个预训练模型并结合迁移学习、微调和集成学习技术，显著提升疾病分类准确率	NA	开发快速准确的决策支持系统，实现猴痘的及时诊断并提升临床效率	猴痘、水痘和麻疹的皮肤病变图像	计算机视觉	猴痘	深度学习	CNN	图像	NA	NA	ConvNeXtBase, ConvNeXtLarge, ConvNeXtXLarge, RegNetX160, ResNetRS101, ResNet101	准确率, AUC	NA
1393	2025-10-05	Automatic 3D Segmentation and Identification of Anomalous Aortic Origin of the Coronary Arteries Combining Multi-view 2D Convolutional Neural Networks 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00950-6 PMID:38343261	研究论文	开发基于多视角2D卷积神经网络和决策树模型的自动3D分割与分类方法，用于识别冠状动脉正常或异常起源	结合三个单视角2D注意力U-Net与3D视角整合技术，实现冠状动脉异常起源的自动分割与分类	样本量较小（测试集仅13例CTA），需要更大规模数据验证	增强和加速临床医生对冠状动脉异常起源（AAOCA）的诊断	124例计算机断层扫描血管造影（CTA）数据，包含正常冠状动脉和AAOCA病例	计算机视觉	心血管疾病	计算机断层扫描血管造影（CTA）	CNN, 决策树	3D医学图像	124例CTA（训练111例，测试13例）	NA	Attention U-Net	Dice系数, 准确率, 精确率, 召回率	NA
1394	2025-10-05	Lightweight Attentive Graph Neural Network with Conditional Random Field for Diagnosis of Anterior Cruciate Ligament Tear 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00944-4 PMID:38343260	研究论文	提出一种轻量级注意力图神经网络结合条件随机场的模型（ACGNN），用于膝关节MRI图像中前交叉韧带撕裂的诊断分类	首次将条件随机场整合到图神经网络层中优化关联性，并采用多种注意力机制（自增强注意力、节点注意力、记忆注意力）缓解过平滑和过拟合问题	需要处理小样本和不平衡数据问题，计算效率仍需优化	实现基于膝关节MRI的快速准确前交叉韧带撕裂分类	膝关节磁共振图像中的前交叉韧带	计算机视觉	运动损伤	磁共振成像（MRI）	图神经网络（GNN）, 条件随机场（CRF）	医学图像（MRI）	未明确具体样本数量，但提及小样本和不平衡数据	未明确指定	轻量级图神经网络（GNN）	准确率	未明确指定
1395	2025-10-05	Horse Herd Optimization with Gate Recurrent Unit for an Automatic Classification of Different Facial Skin Disease 2024-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00962-2 PMID:38343253	研究论文	提出一种结合马群优化算法和门控循环单元的深度学习模型，用于自动分类不同面部皮肤疾病	首次将马群优化算法(HOA)与门控循环单元(GRU)相结合用于面部皮肤疾病分类，并采用非线性扩散、自适应直方图均衡化和高提升滤波进行图像预处理	仅使用Kaggle单一数据库进行验证，缺乏多中心临床数据支持	开发准确高效的面部皮肤疾病自动分类系统	面部皮肤疾病图像（包括酒渣鼻、湿疹、基底细胞癌、光化性角化病和痤疮）	计算机视觉	皮肤疾病	图像处理技术	GRU	图像	Kaggle数据库中的面部皮肤疾病图像数据集	NA	门控循环单元(GRU)	准确率, 错误率, 精确率, F1分数	NA
1396	2025-10-05	Myocardial scar and left ventricular ejection fraction classification for electrocardiography image using multi-task deep learning 2024-03-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58131-6 PMID:38553581	研究论文	开发基于计算机视觉的多任务深度学习模型，通过分析12导联心电图二维图像预测心肌瘢痕和左心室射血分数降低	首次将多任务深度学习应用于心电图图像分析，同时预测心肌瘢痕和左心室射血分数，性能优于心脏病专家	研究基于特定数据集，在资源有限环境中的实际应用效果需进一步验证	开发低成本的心血管参数筛查方法，替代昂贵的心脏磁共振检查	心肌瘢痕和左心室射血分数低于50%的患者	计算机视觉	心血管疾病	心脏磁共振，心电图	深度学习	图像	14,052份心电图数据	NA	多任务深度学习	AUC	NA
1397	2025-10-05	Deep-learning prostate cancer detection and segmentation on biparametric versus multiparametric magnetic resonance imaging: Added value of dynamic contrast-enhanced imaging 2023-12, International journal of urology : official journal of the Japanese Urological Association IF:1.8Q3 DOI:10.1111/iju.15280 PMID:37605627	研究论文	开发基于深度学习的多序列前列腺MRI癌症检测与分割算法，并比较双参数与多参数成像的性能差异	首次系统比较双参数与多参数MRI在深度学习前列腺癌检测中的性能差异，特别评估了动态对比增强成像的附加价值	样本量相对有限（332例患者），未进行外部验证	开发前列腺癌的深度学习检测与分割算法，评估动态对比增强成像在多参数MRI中的价值	前列腺癌患者和非癌患者的前列腺MRI影像	医学影像分析	前列腺癌	磁共振成像（MRI），包括T2加权、动态对比增强成像	深度学习模型	医学影像数据	332例患者的3227个多参数影像集，包括218例癌症患者（291个活检证实病灶）和114例非癌患者	NA	NA	灵敏度，阳性预测值，特异性，阴性预测值	NA
1398	2025-10-05	Privacy-preserving techniques for decentralized and secure machine learning in drug discovery 2023-12, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2023.103820 PMID:37935330	综述	本文概述了药物发现领域中保护隐私的去中心化机器学习技术	系统性地总结了多种隐私保护技术在药物发现领域的应用与组合方法	仅提供技术概述，缺乏具体实验验证和性能比较	探讨如何在保护数据隐私的前提下提升药物发现中机器学习的性能效率	药物发现领域的敏感/私有数据	机器学习	NA	安全多方计算,分布式深度学习,同态加密,区块链点对点网络,差分隐私,联邦学习	NA	敏感/私有数据	NA	NA	NA	NA	NA
1399	2025-10-05	Design and deep learning of synthetic B-cell-specific promoters 2023-11-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad930 PMID:37889080	研究论文	本研究设计合成B细胞特异性启动子，并通过深度学习模型预测其转录强度	设计了23,640个具有更大序列空间的B细胞特异性启动子，并首次构建能直接从序列预测免疫球蛋白V基因启动子转录强度的深度学习模型	NA	解析免疫球蛋白基因的转录机制并为B细胞工程提供启动子资源	B细胞特异性启动子和免疫球蛋白V基因	合成生物学, 深度学习	免疫系统疾病	MPRA（大规模平行报告基因检测）	深度学习模型	DNA序列数据	23,640个合成B细胞特异性启动子	NA	NA	转录强度预测	NA
1400	2025-10-05	Explainable deep learning for tumor dynamic modeling and overall survival prediction using Neural-ODE 2023-11-18, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-023-00317-1 PMID:37980358	研究论文	提出基于神经微分方程的肿瘤动态建模方法，用于肿瘤动态建模和总生存期预测	克服现有模型在截断数据预测中的偏差问题，提出具有时间广义齐次性的动力学规律表达	NA	提高肿瘤动态建模的预测能力，实现个性化治疗并改善决策过程	纵向肿瘤尺寸数据	机器学习	肿瘤	神经微分方程	神经网络	纵向数据	NA	NA	编码器-解码器架构, Neural-ODE	准确率	NA