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
161	2025-10-31	ILD-Slider: A Parameter-Efficient Model for Identifying Progressive Fibrosing Interstitial Lung Disease from Chest CT Slices 2025-Oct-09, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100353 PMID:41150029	研究论文	提出一种参数高效的深度学习框架ILD-Slider，用于从有限CT切片中识别进行性纤维化性间质性肺病	引入基于解剖结构的位置标记指导代表性切片选择，采用峰值切片挖掘策略解决类别不平衡问题，通过切片级3D适配器实现非连续切片的PF-ILD诊断	仅在两个医疗中心的613例病例上进行验证，需要进一步多中心验证	早期识别进行性纤维化性间质性肺病	胸部CT切片	医学影像分析	间质性肺病	CT成像	深度学习	医学影像	613例病例（来自大阪大学医院和大阪府立医院机构丰中医疗中心）	NA	3D Adapter	AUPRC, AUROC	NA
162	2025-10-31	Bio-Inspired Multi-Granularity Model for Rice Pests and Diseases Named Entity Recognition in Chinese 2025-Oct-08, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10100676 PMID:41149206	研究论文	提出一种受生物视觉机制启发的多粒度深度学习模型，用于中文水稻病虫害命名实体识别	基于生物视觉机制设计多粒度特征提取方法，通过多粒度CNN增强嵌套边界信息捕获能力	基于自建数据集进行实验，未在更大规模公开数据集上验证	解决水稻病虫害实体识别中的结构复杂性和嵌套问题	中文水稻病虫害相关文本数据	自然语言处理	水稻病虫害	命名实体识别	CNN, BiLSTM, CRF	文本	自建数据集	BERT, CNN, BiLSTM, CRF	BERT编码器+多粒度CNN+BiLSTM+CRF	F1-score	NA
163	2025-10-31	Hierarchical Deep Learning for Abnormality Classification in Mouse Skeleton Using Multiview X-Ray Images: Convolutional Autoencoders Versus ConvNeXt 2025-Oct-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100348 PMID:41150024	研究论文	本研究开发了基于多视角X射线图像的层次深度学习框架，用于小鼠骨骼异常分类	提出结合多视角图像数据和层次学习的方法，通过定制ConvNeXT和卷积自编码器架构在三个解剖粒度层级进行训练	NA	改进多标签背景下的小鼠骨骼异常检测分类性能	来自国际小鼠表型联盟(IMPC)的54,046个小鼠标本的170,958张多视角X射线图像	计算机视觉	骨骼异常	X射线成像	CNN, 自编码器	多视角X射线图像	54,046个小鼠标本，共170,958张图像	NA	ConvNeXT, 卷积自编码器(CAE)	AUC	NA
164	2025-10-31	Optimized Lung Nodule Classification Using CLAHE-Enhanced CT Imaging and Swin Transformer-Based Deep Feature Extraction 2025-Oct-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100346 PMID:41150022	研究论文	提出一种结合CLAHE增强CT影像和Swin Transformer深度特征提取的混合计算机辅助诊断流程用于肺癌分类	将图像预处理技术与预训练深度学习模型特征提取解耦，增强可解释性并降低过拟合风险，评估了400种模型配置寻找最优组合	仅使用单一公开数据集进行验证，未在更多外部数据集测试泛化能力	开发优化的肺癌计算机辅助诊断系统以提高早期检测准确率	肺结节CT影像	计算机视觉	肺癌	CT成像	CNN,Transformer	图像	1018例胸部CT扫描，包含6568张恶性图像和4849张良性图像	NA	Swin Transformer	准确率	NA
165	2025-10-31	DBA-YOLO: A Dense Target Detection Model Based on Lightweight Neural Networks 2025-Oct-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100345 PMID:41150021	研究论文	提出一种基于YOLOv10的轻量级密集目标检测模型DBA-YOLO，解决移动设备上计算效率不足和密集小目标漏检误检问题	引入C2f PA模块增强特征提取、参数优化的BIMAFPN颈部结构改进小目标检测、集成尺度/空间/任务感知的DyDHead模块进行空间特征加权	仅使用香烟包装图像构建的真实场景数据集进行验证，在其他工业场景的泛化性需进一步测试	开发适用于移动设备的轻量级密集目标检测模型	香烟包装图像中的密集小目标	计算机视觉	NA	NA	YOLO, CNN	图像	SKU-110K数据集和自建香烟包装图像数据集	NA	YOLOv10, C2f PA, BIMAFPN, DyDHead	检测准确率, mAP, mAP75	移动设备
166	2025-10-31	RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study 2025-Oct-04, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.09.051 PMID:41052566	研究论文	使用M2M深度学习模型评估加拿大老龄化纵向研究中视网膜神经纤维层厚度及其相关因素	首次在基于人群的大型队列研究中应用M2M深度学习模型从眼底照片估计RNFL厚度	使用自我报告的青光眼诊断而非临床确诊，研究设计为横断面研究无法确定因果关系	评估与视网膜神经纤维层厚度相关的因素	加拿大老龄化纵向研究基线综合队列的参与者	医学影像分析	青光眼	深度学习，光学相干断层扫描	深度学习模型	眼底图像	28,114名45-85岁参与者	NA	M2M	皮尔逊相关系数，回归系数	NA
167	2025-10-31	Lightweight Deep Learning Approaches on Edge Devices for Fetal Movement Monitoring 2025-Oct-02, Biosensors DOI:10.3390/bios15100662 PMID:41149316	研究论文	本研究提出了一种用于边缘设备实时胎儿运动监测的轻量级深度学习框架	采用知识蒸馏技术将大型教师模型的知识迁移到紧凑学生架构，并结合训练后整数量化使内存占用减少74.8%	研究样本量相对有限（120名参与者），在资源受限环境下的实际应用效果需进一步验证	开发适用于边缘设备的实时胎儿运动监测系统	胎儿运动监测数据	机器学习	产科疾病	惯性测量单元（IMU）数据采集，短时傅里叶变换	深度学习模型	加速度计和陀螺仪数据转化的频谱图	120名参与者	NA	知识蒸馏框架（教师模型-学生模型）	灵敏度, 精确率, F1分数	边缘设备，微控制器
168	2025-10-31	CACs Recognition of FISH Images Based on Adaptive Mean Teacher Semi-supervised Learning with Domain-Knowledge Pseudo Label 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01348-8 PMID:39668308	研究论文	提出基于自适应Mean Teacher半监督学习和领域知识伪标签的循环遗传异常细胞识别方法	开发自适应Mean Teacher方法增强半监督细胞分割效果，并创建领域知识伪标签提升信号点检测质量	NA	降低肺癌诊断中循环遗传异常细胞检测对标注数据的依赖	肺癌患者的循环遗传异常细胞	数字病理学	肺癌	FISH成像技术	半监督学习	图像	NA	NA	Mean Teacher, 自适应Mean Teacher	检测准确率	NA
169	2025-10-31	Development of Periapical Index Score Classification System in Periapical Radiographs Using Deep Learning 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01360-y PMID:39671050	研究论文	开发基于深度学习的根尖周指数评分分类系统，用于根尖周X线片的自动评估	比较了两种二分类方法（正常性分类和健康-疾病分类），发现将PAI评分1和2合并为健康类别能显著提高分类准确率	样本量相对有限（2266个根尖周区域），早期根尖周炎（评分2）的分类仍是挑战	开发自动化的根尖周指数评分系统以减轻牙医工作负担	根尖周X线片中的根尖周区域	计算机视觉	根尖周炎	X射线成像	CNN	医学影像	520张根尖周X线片中的2266个根尖周区域	NA	GoogLeNet, AlexNet, ResNet	准确率	NA
170	2025-10-31	Diagnosing Respiratory Variability: Convolutional Neural Networks for Chest X-ray Classification Across Diverse Pulmonary Conditions 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01355-9 PMID:39673008	研究论文	本研究使用卷积神经网络对胸部X光图像进行分类，以诊断多种肺部疾病	采用多种CNN模型进行比较，发现VGG19在肺部疾病分类中表现最优，超越了现有已发表模型	研究仅使用公开数据集，缺乏临床实时验证数据	开发自动化的肺部疾病诊断系统以提高医疗资源有限地区的诊疗水平	胸部X光图像中的四种肺部疾病（肺部混浊、COVID-19、肺炎、气胸）和健康图像	计算机视觉	肺部疾病	胸部X光成像	CNN	图像	8000张肺部疾病胸部X光图像和2000张健康胸部X光图像	TensorFlow, Keras	VGG16, VGG19, InceptionV3, ResNet50	准确率	NA
171	2025-10-31	Semi-supervised Ensemble Learning for Automatic Interpretation of Lung Ultrasound Videos 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01344-y PMID:39673011	研究论文	提出一种用于自动解读肺部超声视频的半监督集成学习深度学习框架	采用半监督方法利用未标记数据，并引入基于肺部超声发现层次结构的集成建模策略	多标签模型的平均F1分数相对较低（70.5%），性能有待进一步提升	开发自动解读肺部点-of-care超声视频的深度学习框架	肺部超声视频及其包含的征象（如A线、B线或实变）	计算机视觉	肺部疾病	肺部超声成像	深度学习	视频	NA	NA	残差(2+1)D架构	F1-score	NA
172	2025-10-31	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	开发并验证一种模态不变的3D Swin U-Net Transformer模型，用于多中心临床双参数MR图像上的肝脏和脾脏分割	提出模态不变的训练策略，将每位患者的T1加权和T2加权MR图像作为独立训练样本处理	回顾性研究设计，样本来源仅限于四个医疗中心	开发适用于多机构、多模态MR图像的肝脏和脾脏自动分割方法	已知或疑似慢性肝病的儿科和成人患者的腹部MR图像	医学影像分析	慢性肝病	双参数MR成像(T1加权和T2加权)	Transformer, CNN	3D MR图像	304名患者(年龄31.8±20.3岁，43%女性)，包含241个T1加权和339个T2加权MR序列	NA	Swin UNETR, U-Net	Dice相似系数(DSC)	NA
173	2025-10-31	Combining the Variational and Deep Learning Techniques for Classification of Video Capsule Endoscopic Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01352-y PMID:39753827	研究论文	提出结合分数阶变分模型和深度学习技术的框架，用于视频胶囊内窥镜图像的多分类和感兴趣区域定位	首次将分数阶变分模型与深度学习结合，利用光流彩色图捕捉图像动态信息进行多分类，而非仅使用静态帧	未明确说明数据集规模和具体计算资源需求	开发自动化计算机辅助病变分类技术以减轻临床医生负担	视频胶囊内窥镜图像	计算机视觉	胃肠道癌症	视频胶囊内窥镜检查	深度学习, 变分模型	视频图像序列	NA	NA	Faster RCNN, EfficientNet B0	AUC, mAP, 平衡准确率	NA
174	2025-10-31	Deep Learning Models for Automatic Classification of Anatomic Location in Abdominopelvic Digital Subtraction Angiography 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01351-z PMID:39789320	研究论文	本研究开发深度学习模型用于自动分类腹盆腔数字减影血管造影中的解剖位置	提出使用Mode模型和多示例学习(MIL)模型处理DSA序列中的信息稀疏性问题，并自动识别关键图像	数据来源于单一医疗中心的回顾性收集，样本量相对有限	评估深度学习算法在DSA序列中自动识别解剖位置的性能	腹主动脉、腹腔干、肠系膜上动脉、肠系膜下动脉和双侧髂外动脉的DSA图像	计算机视觉	心血管疾病	数字减影血管造影(DSA)	深度学习,多示例学习	医学图像序列	205名患者的819个血管造影序列，来自276次手术	NA	Mode模型,MIL模型	多类分类准确率,McNemar检验	NA
175	2025-10-31	GLAC-Unet: Global-Local Active Contour Loss with an Efficient U-Shaped Architecture for Multiclass Medical Image Segmentation 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01387-9 PMID:39821780	研究论文	提出一种结合全局-局部主动轮廓损失函数和改进U型架构的多类别医学图像分割方法	提出全局-局部主动轮廓损失函数，将全局和局部图像特征整合到Mumford-Shah框架中并扩展至多类别分割；改进U-Net架构，集成密集层、卷积块注意力模块和DropBlock	NA	解决医学图像分割中遮挡和非均匀强度等挑战，提升多类别分割性能	医学图像分割	医学图像分析	皮肤病、心脏病、脑部疾病	深度学习	U-Net	二维和三维医学图像	三个生物医学分割数据集（ISIC-2018、ACDC 2017、Infant Brain MRI Segmentation Challenge 2019）	NA	U-Net, Dense Layers, Convolutional Block Attention Modules, DropBlock	Dice分数, p值	NA
176	2025-10-31	HCTTI: High-Performance Heterogeneous Computing Toolkit for Tissue Image Stain Normalization 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01398-6 PMID:39821779	研究论文	开发用于组织图像染色归一化的高性能异构计算工具包HCTTI	首个集成分布式WSI读取、归一化和序列化的综合工具包	未明确说明具体的研究局限性	提高全玻片图像分析的计算效率和性能	组织图像和全玻片图像	数字病理学	癌症	全玻片成像	深度学习算法	图像	NA	TIAToolbox	NA	加速比	GPU, 多节点分布式GPU实现
177	2025-10-31	Utilizing a Novel Convolutional Neural Network for Diagnosis and Lesion Delineation in Colorectal Cancer Screening 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01396-8 PMID:39821781	研究论文	提出一种新型卷积神经网络用于结直肠癌筛查中的癌症诊断和病灶区域勾画	采用并行全局和局部特征提取分支及独特分类头设计，同时实现癌症分类和生成病灶热力图	仅基于四家医疗机构的8260张图像进行训练，数据来源相对有限	提高结直肠癌筛查的效率和准确性	结直肠癌筛查图像	计算机视觉	结直肠癌	内窥镜筛查	CNN	图像	8260张来自四家医疗机构的筛查图像	NA	具有并行全局和局部特征提取分支的定制CNN架构	准确率,精确率,召回率,F1分数	NA
178	2025-10-31	PBCS-ConvNeXt: Convolutional Network-Based Automatic Diagnosis of Non-alcoholic Fatty Liver in Abdominal Ultrasound Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01394-w PMID:39841370	研究论文	提出基于卷积网络的深度学习模型PBCS-ConvNeXt，用于腹部超声图像中非酒精性脂肪肝的自动诊断	提出包含三个关键组件的创新架构：强效干细胞预处理模块、增强型ConvNeXt块和提升块，通过通道感知特征增强和多阶段特征整合优化超声图像分析	未提及模型在不同设备或医疗机构间的泛化能力验证	开发基于深度学习的计算机辅助诊断系统，实现非酒精性脂肪肝的自动分类	腹部B模式超声图像	计算机视觉	非酒精性脂肪肝病	超声成像	CNN	图像	未明确说明具体样本数量	NA	ConvNeXt	准确率, 灵敏度, 特异性	NA
179	2025-10-31	Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01338-w PMID:39843717	研究论文	开发基于规则的自然语言处理算法，用于从日本放射学报告中自动检测癌症可疑发现	针对日语放射学报告开发基于规则的NLP算法，并在多中心数据集上进行内外验证，证明其优于深度学习基线模型	仅针对胸腹部CT报告，未涵盖其他影像学检查类型	通过自然语言处理技术减少关键影像学发现的漏诊，避免患者随访和治疗延误	来自六家机构的胸腹部CT放射学报告	自然语言处理	癌症	自然语言处理	基于规则算法, BERT	文本	来自六家医疗机构的CT报告	NA	基于规则算法, BERT	精确率, 召回率, F1分数	NA
180	2025-10-31	Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01403-y PMID:39843721	研究论文	提出基于图辅助全局推理的双流全局-局部网络(DSGLNet)用于乳腺癌组织病理图像分类	采用双流特征提取架构，结合卷积网络提取局部特征和图卷积映射构建全局特征交互空间，实现局部与全局特征的深度融合	NA	利用深度学习提取组织病理学特征并自动识别肿瘤信息，辅助医生进行高精度病理诊断	乳腺癌组织病理图像	数字病理	乳腺癌	深度学习	CNN, GCN	组织病理图像	公开BreakHis数据集，包含不同放大倍率的图像	NA	DSGLNet（双流全局-局部网络）	准确率, 精确率	NA