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
1841	2025-05-24	A Robust Deep Learning Method with Uncertainty Estimation for the Pathological Classification of Renal Cell Carcinoma Based on CT Images 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01276-7 PMID:39313716	研究论文	本研究开发并验证了一种基于深度学习的诊断模型，通过不确定性估计帮助放射科医生基于CT图像术前区分肾细胞癌的病理亚型	结合不确定性估计的深度学习模型，为临床医生提供RCC亚型预测及诊断置信度指标	外部验证样本量较小（78例），可能影响模型泛化性能评估	开发辅助肾细胞癌病理亚型术前鉴别的AI诊断工具	肾细胞癌患者的CT影像数据	数字病理	肾细胞癌	CT成像	深度学习模型（未指定具体架构）	医学影像（CT图像）	668例训练集（中心1），78例外部验证集（中心2）
1842	2025-05-24	Automatic Segmentation of Ultrasound-Guided Quadratus Lumborum Blocks Based on Artificial Intelligence 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01267-8 PMID:39320548	研究论文	本研究开发了一种基于人工智能的深度学习模型Q-VUM，用于自动分割超声引导下的腰方肌阻滞图像	提出了一种基于VGG16网络的U型网络Q-VUM，能够精确分割腰方肌等多种组织	研究样本量相对较小（112名患者，3162张图像），且为回顾性研究	提高超声引导腰方肌阻滞的精确性和效率	腰方肌、腹外斜肌、腹内斜肌、腹横肌（统称EIT）和骨骼	医学影像分析	围手术期镇痛	深度学习	U-Net based on VGG16	超声图像	112名患者（3162张图像）
1843	2025-05-24	BSNEU-net: Block Feature Map Distortion and Switchable Normalization-Based Enhanced Union-net for Acute Leukemia Detection on Heterogeneous Dataset 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01252-1 PMID:39322814	research paper	提出了一种基于深度学习的BSNEU-net框架，用于检测急性白血病，结合了块特征图扭曲和可切换归一化技术	引入了块特征图扭曲(BFMD)和可切换归一化(SN)技术，以提高模型的泛化能力和收敛性	未提及具体局限性	开发深度学习模型以提高急性白血病的检测准确率	急性白血病(ALL和AML)及健康病例的血液涂片图像	digital pathology	acute leukemia	deep learning	BSNEU-net (基于Union Blocks的CNN变体)	image	2400张新数据集血液涂片图像 + 2700张来自公开数据集的异质数据集图像
1844	2025-05-24	Identification of Bipolar Disorder and Schizophrenia Based on Brain CT and Deep Learning Methods 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01279-4 PMID:39327378	研究论文	本研究旨在构建基于CT图像的深度学习模型，用于识别双相情感障碍和精神分裂症	开发了DenseMD模型，采用多实例学习方法，在识别双相情感障碍和精神分裂症方面表现优于其他经典深度学习模型	样本量相对有限，且仅基于CT图像进行分析	探索深度学习模型在基于脑部CT图像识别精神疾病方面的潜力	双相情感障碍和精神分裂症患者及健康对照者	数字病理学	精神疾病	深度学习	DenseMD, ResNet-18, ResNeXt-50, DenseNet-121	图像	共685名受试者（506名患者和179名健康对照者），外加105名外部测试集受试者
1845	2025-05-24	Deep Learning Classification of Ischemic Stroke Territory on Diffusion-Weighted MRI: Added Value of Augmenting the Input with Image Transformations 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01277-6 PMID:39349784	研究论文	本研究旨在利用AI构建一个患者级别的DWI中风区域分类器，以促进中风快速分诊至专用中风中心	通过图像变换增强预训练模型的输入，提高了DWI中受影响区域的分类准确性	研究样本来自两个中心，可能存在数据偏差	构建一个快速准确的中风区域分类器	急性缺血性中风患者的DWI图像	计算机视觉	心血管疾病	DWI	MobileNetV2, EfficientNetB0	图像	271名和122名连续急性缺血性中风患者（来自两个中心）
1846	2025-05-24	Deep Learning Approaches for Brain Tumor Detection and Classification Using MRI Images (2020 to 2024): A Systematic Review 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01283-8 PMID:39349785	综述	本文系统回顾了2020年至2024年1月间发表的60篇关于使用深度学习方法和MRI图像进行脑肿瘤检测与分类的研究	总结了现有研究的局限性和重要亮点，提供了分析比较和未来方向	仅涵盖了2020年至2024年1月间发表的研究，可能未包括最新进展	为脑肿瘤分类和检测的自动技术提供全面理解	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI	深度学习（包括迁移学习、自动编码器、transformer和注意力机制）	图像	60篇研究文章
1847	2025-05-24	MobileNet-V2: An Enhanced Skin Disease Classification by Attention and Multi-Scale Features 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01271-y PMID:39354294	研究论文	该研究提出了一种结合MobileNet-V2、SE模块、ASPP和通道注意力机制的皮肤疾病分类模型，旨在提高诊断的准确性和效率	结合MobileNet-V2、SE模块、ASPP和通道注意力机制，增强了特征提取能力和多尺度上下文信息的融合	研究中存在一些局限性，并提出了未来研究的方向	开发一种高效的皮肤疾病分类工具	皮肤疾病	计算机视觉	皮肤癌	深度学习	MobileNet-V2, SE, ASPP	图像	四个数据集（PH2、HAM10000、DermNet、ISIC）
1848	2025-05-24	Dual Energy CT for Deep Learning-Based Segmentation and Volumetric Estimation of Early Ischemic Infarcts 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01294-5 PMID:39384719	research paper	该研究评估了双能CT（DECT）采集是否能提高机器学习对早期梗塞的可见性，并利用深度学习模型进行分割和体积估计	使用双能CT数据结合深度学习模型，提高了早期梗塞的分割准确性，特别是在发病后6至12小时内	体积准确性的提升在统计学上不显著（p=0.07），且研究为回顾性设计	评估双能CT对早期梗塞分割和体积估计的改进效果	早期缺血性梗塞	digital pathology	cardiovascular disease	dual-energy CT (DECT)	3D nnU-Net	CT and MRI images	330 DECT scans acquired between 2016 and 2022
1849	2025-05-24	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	本文提出了一种基于深度学习的创新方法，通过拍摄X光前的照片自动估计放射位置，以选择最佳的X光主要参数	首次使用深度学习从拍摄的照片中自动估计放射位置，用于优化X光主要参数的设置	大多数错误发生在患者姿势相似的放射位置	优化X光检查中的辐射剂量和图像质量	X光主要参数（KVp、mAs和源-探测器距离）的设置	计算机视觉	NA	深度学习	轻量级ConvNeXt	图像	75名志愿者，66种放射位置
1850	2025-05-24	BCCHI-HCNN: Breast Cancer Classification from Histopathological Images Using Hybrid Deep CNN Models 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01297-2 PMID:39402357	research paper	该研究提出了一种基于深度卷积神经网络（CNN）的混合模型BCCHI-HCNN，用于从组织病理学图像中分类乳腺癌，旨在实现早期和精确的乳腺癌识别	通过结合多种分类器（如SVM、决策树和KNN）并利用迁移学习技术，提高了模型的性能，其中SVM算法结合PCA特征达到了99.5%的准确率	决策树模型虽然准确率高（99.4%），但速度较SVM慢	改进乳腺癌的早期诊断方法，提高诊断准确性和效率	乳腺癌的组织病理学图像	digital pathology	breast cancer	deep learning, transfer learning, PCA	CNN, SVM, decision tree, KNN	image	NA
1851	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）
1852	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
1853	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
1854	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
1855	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
1856	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
1857	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
1858	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
1859	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
1860	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