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
301	2025-12-07	Deep-learning radiomics and hand-crafted radiomics utilizing contrast-enhanced MRI to predict early peritumoral recurrence after DEB-TACE with hepatocellular carcinoma: a two-center study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1642828 PMID:41341387	研究论文	本研究利用基于术前多期MRI的深度学习放射组学，预测肝细胞癌患者DEB-TACE后的早期瘤周复发	结合深度学习放射组学与手工放射组学特征，构建多中心预测模型，并比较不同瘤周区域影像特征的预测性能	回顾性研究设计，样本量相对有限（157例），仅基于MRI数据	预测肝细胞癌患者DEB-TACE后的早期瘤周复发	接受DEB-TACE治疗的肝细胞癌患者	数字病理学	肝细胞癌	多期磁共振成像	深度学习, 放射组学	MRI图像	157例患者（训练队列114例，外部验证队列43例）	NA	ResNet34	AUC, 校准曲线, NRI, DCA	NA
302	2025-12-07	Preoperative prediction of aggressive endometrial cancer using multiparametric MRI-based deep transfer learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1694223 PMID:41341401	研究论文	本研究提出了一种基于多参数MRI和深度迁移学习模型的方法，用于术前预测子宫内膜癌的侵袭性	首次将多参数MRI序列（T2WI、ADC、CE-T1WI）的深度迁移学习特征与临床特征相结合，通过决策级融合策略构建联合模型，用于术前非侵入性预测子宫内膜癌侵袭性	回顾性单中心研究，样本量相对有限（n=207），且DWI序列因性能欠佳被排除在最优模型外	提高子宫内膜癌侵袭性的术前预测准确性，以支持个体化治疗规划	经病理证实的子宫内膜癌患者	数字病理	子宫内膜癌	多参数MRI（T2加权成像、扩散加权成像、表观扩散系数图、对比增强T1加权成像）	CNN	医学影像	207名患者（训练集144例，测试集63例）	NA	ResNet50, ResNet101, DenseNet121	AUC, 决策曲线分析, 校准曲线	NA
303	2025-12-07	DTBind: A Mechanism-Driven Deep Learning Framework for Accurate Prediction of Drug-Target Molecular Recognition 2025, Research (Washington, D.C.) DOI:10.34133/research.1022 PMID:41341719	研究论文	本文介绍了一种名为DTBind的机制驱动深度学习框架，用于准确预测药物-靶标分子识别，包括结合发生、结合位点定位和结合亲和力估计	DTBind是一个统一的机制驱动框架，基于分子识别的共享机制决定因素，分层适应序列、结构和复合体级别的输入，克服了现有方法独立处理这些任务的局限性	NA	开发一个深度学习框架以准确预测药物-靶标分子识别，支持早期药物发现	药物-靶标分子识别，包括结合发生、结合位点定位和亲和力估计	机器学习	NA	深度学习，分子动力学模拟	深度学习模型	序列数据，结构数据，复合体数据	NA	NA	DTBind	准确性，泛化性	NA
304	2025-12-07	Predicting cardiovascular disease risk using retinal optical coherence tomography imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1624550 PMID:41341807	研究论文	本研究利用视网膜光学相干断层扫描（OCT）成像和深度学习技术，预测未来心血管疾病事件的风险	首次将自监督变分自编码器（VAE）用于从高维3D OCT图像中提取低维潜在表征，并结合临床数据训练随机森林分类器，以识别心血管疾病高风险个体；同时采用了一种新的模型可解释性方法揭示了脉络膜层的关键预测作用	研究样本量相对有限（共2846名参与者），且仅基于UK Biobank数据，可能缺乏外部验证和人群多样性	探索视网膜OCT成像作为预测未来心血管疾病事件的附加成像技术的潜力	UK Biobank中的参与者，包括612名在成像后五年内发生心肌梗死或中风的患者，以及2234名无心血管疾病的对照者	数字病理学	心血管疾病	光学相干断层扫描	VAE, Random Forest	图像	2846名参与者（612例患者，2234名对照）	NA	变分自编码器	AUC, 灵敏度, 特异性, 准确率	NA
305	2025-12-07	Deep learning-assisted widefield endothelial imaging in Descemet membrane endothelial keratoplasty 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1715673 PMID:41341834	研究论文	本研究评估了一种深度学习算法，用于在Descemet膜内皮角膜移植术后，通过宽场镜面显微镜图像自动评估图像质量并检测中央、旁中央和周边区域低角膜内皮细胞密度	首次将深度学习算法应用于宽场镜面显微镜图像，实现自动图像质量评估和低内皮细胞密度检测，扩展了内皮评估范围至旁中央和周边区域	研究样本量相对较小（53只眼），且仅针对特定疾病（FECD和PBK），可能限制结果的普适性	评估深度学习算法在DMEK术后宽场镜面显微镜图像中自动评估图像质量和检测低内皮细胞密度的应用	DMEK术后患者的角膜内皮细胞	计算机视觉	角膜内皮营养不良	宽场镜面显微镜成像	CNN	图像	53只眼（43名受试者），共1,362张图像	NA	SqueezeNet	AUC	NA
306	2025-12-06	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	研究论文	本文提出了一种基于自适应集成学习的半监督检测模型，用于内窥镜医学图像检测	提出了一种新的集成机制Al-Adaboost，结合了两个层次模型的决策，并引入了半监督机制来处理标注样本不足的问题	NA	开发一个端到端的医学图像检测模型，以提高内窥镜检测的效率和准确性	结肠镜和喉镜图像数据	计算机视觉	NA	NA	集成学习, 半监督学习	图像	来自CVC-ClinicDB和高雄医科大学附属医院的结肠镜和喉镜数据	NA	具有注意力时空路径的局部区域提议模型, 循环注意力模型(RAM)	NA	NA
307	2025-12-06	Non-Intrusive Speech Quality Assessment Based on Deep Neural Networks for Speech Communication 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321076 PMID:37824322	研究论文	本文提出了一种基于深度学习的非侵入式语音质量评估方法，通过大规模模拟数据和对抗性训练提升评估准确性和泛化能力	提出数据模拟方法生成带POLQA标签的退化语音用于预训练；引入对抗性说话人分类器减少说话人依赖信息的影响；采用基于自编码器的表示学习和对抗训练方案，从模拟数据迁移知识；开发端到端的相位感知神经网络，结合幅度和相位谱特征	未明确说明模型在极端噪声环境或跨语言场景下的泛化能力，且依赖于模拟数据与主观测试数据的对齐质量	提高非侵入式语音质量评估的准确性和泛化性，减少对参考信号或额外设备的依赖	语音信号的质量评估	自然语言处理	NA	深度学习，对抗训练，表示学习	自编码器，对抗性自编码器，神经网络	语音信号	三个数据集：一个POLQA模拟数据集和两个主观听力测试记录数据集	NA	对抗性自编码器，端到端神经网络	均方根误差	NA
308	2025-12-06	Multivariate Time Series Forecasting Using Multiscale Recurrent Networks With Scale Attention and Cross-Scale Guidance 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3326140 PMID:37903050	研究论文	本文提出了两种多尺度循环网络模型，用于多变量时间序列预测，通过整合多尺度分析和注意力机制来提升预测性能	将多尺度分析无缝集成到深度学习框架中，构建了尺度感知的循环网络，并引入了尺度注意力和跨尺度指导机制	未明确提及模型的计算复杂度或在大规模数据集上的可扩展性限制	提高多变量时间序列预测的准确性，通过建模时间步和序列间的复杂非线性依赖关系	多变量时间序列数据	机器学习	NA	NA	RNN	时间序列数据	五个典型的多变量时间序列数据集	NA	多尺度循环网络	NA	NA
309	2025-12-06	Contrastive Registration for Unsupervised Medical Image Segmentation 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332003 PMID:37983143	研究论文	本文提出了一种名为CLMorph的新型无监督医学图像分割方法，结合图像级配准和特征级对比学习	提出了一种基于卷积神经网络的对比配准架构，首次将图像级配准与特征级对比学习结合用于无监督医学图像分割	未提及具体的数据集规模限制或计算资源需求，且未与监督学习方法进行直接精度比较	开发一种无需标注数据的医学图像分割方法，以克服标注成本高和人为偏差的问题	医学图像	计算机视觉	NA	深度学习	CNN	图像	在两个主要医学图像数据集上进行实验，但未提及具体样本数量	NA	CLMorph	通过数值和视觉实验评估，但未提及具体指标名称	NA
310	2025-12-06	Direction-Coded Temporal U-Shape Module for Multiframe Infrared Small Target Detection 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3331004 PMID:37976190	研究论文	本文提出了一种方向编码的时序U形模块（DTUM），用于多帧红外小目标检测，旨在通过融合时序信息来检测极暗目标并抑制杂波	提出了一种运动到数据的映射方法，通过索引不同方向来区分目标和杂波的运动，并设计了方向编码卷积块（DCCB）将运动方向编码到特征中	未明确提及具体限制，但可能依赖于所构建的数据集NUDT-MIRSDT的规模和多样性	提高多帧红外小目标（MIRST）检测的性能，特别是在检测极暗目标和抑制杂波方面	红外小目标（IRST）检测，特别是多帧红外小目标（MIRST）检测	计算机视觉	NA	红外成像	CNN	图像	NA	NA	U形模块（DTUM）	检测性能，假警抑制	NA
311	2025-12-06	On Expressivity and Trainability of Quadratic Networks 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3331380 PMID:37995168	研究论文	本文探讨了二次神经网络的表达能力和可训练性，提出了理论证明和训练策略以提升其性能	应用样条理论和代数几何度量证明二次网络优于传统网络或带二次激活的传统网络，并提出ReLinear初始化策略稳定训练	未详细讨论二次网络在超大规模数据集或复杂任务中的扩展性	研究二次神经网络的理论表达能力和实际训练稳定性	二次神经网络模型	机器学习	NA	NA	二次神经网络	图像数据（基于流行数据集）	NA	PyTorch（基于代码库推断）	二次神经元网络	准确率，训练稳定性指标	NA
312	2025-12-06	Spectral Cross-Domain Neural Network With Soft-Adaptive Threshold Spectral Enhancement 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332217 PMID:37999966	研究论文	提出了一种名为谱交叉域神经网络的新型深度学习模型，用于心电信号分类	提出了一种结合软自适应阈值谱增强模块的谱交叉域神经网络，首次在分类器模型内部建立了谱域与时域之间的通信机制，以揭示嵌入在神经网络中的关键信息	NA	开发一种能够同时利用心电信号谱域和时域信息进行更准确分类的深度学习模型	心电信号	机器学习	心血管疾病	快速傅里叶变换	CNN	时间序列	使用公开心电数据库PTB-XL和CPSC2018	NA	谱交叉域神经网络，软自适应阈值谱增强模块	多种评估指标	低计算成本
313	2025-12-06	Mosaic Pattern Excavation Transformer for Spectral Imaging 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633159 PMID:41269855	研究论文	本文提出了一种名为MPEFormer的Transformer模型，用于解决多光谱滤光阵列（MSFA）的单光谱图像去马赛克问题	提出了MPEFormer模型，通过设计三分支结构（整合低频信息、边缘信息和精细高频细节）以及核心组件DFSAB和MPSM模块，有效建模了由空间子采样和光谱混叠引起的交织空间-光谱相关性	未在摘要中明确说明	提升多光谱滤光阵列（MSFA）图像去马赛克的性能，以恢复无马赛克的光谱图像	多光谱滤光阵列（MSFA）的原始马赛克图像	计算机视觉	NA	光谱成像	Transformer	光谱图像	未在摘要中明确说明	未在摘要中明确说明	MPEFormer, DFSAB, MPSM	未在摘要中明确说明具体指标，但提及了与最先进方法的比较	未在摘要中明确说明
314	2025-12-06	X-Fake: Juggling Utility Evaluation and Explanation of Simulated SAR Images 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3634988 PMID:41289123	研究论文	本文提出了一种名为X-Fake的可信效用评估框架，用于评估和解释合成孔径雷达（SAR）图像的模拟质量	首次将概率评估器与因果解释器结合，通过贝叶斯深度模型和IntroVAE生成高分辨率反事实解释，以揭示模拟数据的不真实细节	NA	评估模拟SAR图像的效用，并提供可信的解释以改进数据应用	合成孔径雷达（SAR）图像	计算机视觉	NA	合成孔径雷达图像模拟	贝叶斯深度模型, IntroVAE	图像	四个模拟SAR图像数据集	NA	IntroVAE	效用评估指标	NA
315	2025-12-06	A Hyperspectral Change Detection Method for Small Vehicles 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3635479 PMID:41296977	研究论文	本文提出了一种用于小车辆变化检测的深度联合图像级和特征级处理网络IFNet，并构建了一个新的高光谱车辆变化检测数据集	提出了基于Gumbel Softmax技巧的波段选择策略以处理双时相图像光谱分辨率不一致问题，并设计了基于特征的边缘增强模块来提升小车辆边缘和形状细节的捕获能力	当前深度学习方法受限于高光谱变化检测数据集，本文虽提出了新数据集，但可能仍存在数据规模和多样性方面的限制	开发一种高效的小车辆变化检测方法，以提升城市安全和交通管理能力	小车辆（SV）在双时相高光谱图像中的变化检测	计算机视觉	NA	高光谱成像	CNN	高光谱图像	201对航空高光谱图像，每对尺寸为256×256	NA	IFNet	NA	可接受的计算成本
316	2025-12-06	Integrating graph neural networks and LSTM for path optimization in smart port multi-modal systems 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336629 PMID:41329656	研究论文	本文提出了一种集成图神经网络、长短期记忆网络和自监督学习的GL-SSL模型，用于解决智能港口多式联运路径优化中的动态环境和多模态数据融合挑战	首次将图神经网络、LSTM和自监督学习相结合，充分利用港口运输网络的图结构信息及其时间变化，并通过SSL增强特征表示，实现了路径规划的高效优化	NA	优化智能港口多式联运路径规划	智能港口多式联运系统	机器学习	NA	NA	GCN, LSTM	多模态数据（包括AIS数据、全球航运数据、港口净收入数据）	多个公共数据集（包括鹿特丹港AIS数据、全球航运数据、港口净收入数据）	NA	GL-SSL模型（集成GCN、LSTM和SSL）	优化路径长度、运输成本、延误率	NA
317	2025-12-06	From data to diagnosis: An innovative approach to epilepsy prediction with CGTNet incorporating spatio-temporal features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337007 PMID:41329683	研究论文	本文提出了一种名为CGTNet的新型深度学习架构，用于分析脑电图数据以预测癫痫发作	提出了一种结合多尺度卷积网络、门控循环单元和稀疏Transformer的新型深度学习架构CGTNet，专门用于增强从EEG信号中提取时空特征的能力	NA	开发一种能够有效预测癫痫发作的深度学习模型	癫痫患者的脑电图数据	机器学习	癫痫	脑电图	深度学习	脑电图信号	CHB-MIT和SWEC-ETHZ两个公开EEG数据集	NA	CGTNet（多尺度卷积网络、GRU、稀疏Transformer）	准确率, 灵敏度, 特异性, AUROC, MCC	NA
318	2025-12-06	Ju-LiteMobileAtt: A lightweight attention network for efficient jujube defect classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337898 PMID:41329705	研究论文	本文提出了一种名为Ju-LiteMobileAtt的轻量级注意力网络，用于高效的红枣缺陷分类	基于MobileNetV2构建，引入了高效残差坐标注意力模块（EfficientRCAM）和级联残差坐标注意力模块（CascadedRCAM），以在保持效率的同时提升对细微缺陷的表征能力	NA	解决有机红枣表面缺陷检测中，传统机器视觉适应性差以及深度学习模型在计算复杂度和边缘部署效率之间的权衡问题	有机红枣的表面缺陷	计算机视觉	NA	深度学习	CNN	图像	Jujube12000数据集	NA	MobileNetV2	准确率	NA
319	2025-12-06	Stock price dynamics prediction based on multi-scale fractals and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335554 PMID:41329693	研究论文	本文提出了一种结合多尺度分形特征提取与深度学习的股票价格动态预测方法	创造性结合广义赫斯特指数、高阶分形维度和多重分形谱来表征股价序列特征，并设计了多尺度分形特征融合机制与损失函数	未明确说明模型在极端市场条件下的泛化能力及计算复杂度	提高股票价格波动的预测精度与稳定性	金融市场中的股票价格时间序列	机器学习	NA	NA	深度学习	时间序列数据	多个真实市场数据集	NA	NA	准确性, 稳定性, 极端波动处理能力	NA
320	2025-12-06	A novel agricultural commodity price prediction model integrating deep learning and enhanced swarm intelligence algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337103 PMID:41329748	研究论文	本研究提出了一种结合深度学习与增强型群体智能算法的农业商品价格预测模型，旨在提高预测准确性	引入了连续变分模态分解（SVMD）来解构价格数据，并开发了多策略粪甲虫优化算法（MSDBO）以优化模型超参数，结合了CNN增强的BiLSTM模型与注意力机制	仅以玉米和小麦市场作为案例研究，可能未涵盖所有农业商品类型；模型在更广泛市场条件下的泛化能力有待验证	开发一个高精度的农业商品价格预测框架，以应对市场波动性和非线性特征	农业商品（特别是玉米和小麦）的历史价格数据	机器学习	NA	时间序列分解、群体智能优化、深度学习	CNN, BiLSTM	时间序列数据	NA	NA	CNN-augmented BiLSTM with attention mechanism	平均绝对百分比误差（MAPE）, 方向准确性（Dstat）	NA