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
2161	2025-12-12	Efficacy of a virtual bronchoscopic navigation system improved by deep learning for biopsy of peripheral lung lesions: a single-center randomized controlled trial 2025-Dec-11, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004391 PMID:41376368	研究论文	本研究通过一项单中心随机对照试验，比较了经深度学习改进的虚拟支气管镜导航系统（SARS-pro）与原始VBN系统在周围型肺病变活检中的诊断阳性率	首次将深度学习技术应用于改进虚拟支气管镜导航系统，以重建2-3毫米的小气道树，从而提高对周围型肺病变的活检引导准确性	单中心研究，样本量相对较小（95例），研究时间范围有限（2023年8月至2024年12月）	比较改进的SARS-pro系统与原始VBN系统在周围型肺病变活检中的诊断效果	年龄≥18岁、有一个或多个周围型肺病变的患者	数字病理学	肺癌	虚拟支气管镜导航，深度学习	深度学习模型	医学影像数据	95名符合条件的受试者（全分析集），92名受试者（符合方案集）	NA	NA	诊断阳性率	NA
2162	2025-12-12	Multisequence MRI-driven assessment of PD-L1 expression in non-small cell lung cancer: a pilot study 2025-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2621 PMID:41378488	研究论文	本研究开发并验证了一种基于多序列MRI的非侵入性管道，用于评估非小细胞肺癌中的PD-L1表达	结合放射组学和深度学习方法，利用IVIM参数图和T1-VIBE MRI进行PD-L1表达的无创评估	样本量较小（43例患者），属于初步研究	开发一种非侵入性方法，用于评估非小细胞肺癌中的PD-L1表达	非小细胞肺癌患者	数字病理学	肺癌	MRI, IVIM参数图, T1-VIBE	Logistic Regression, Random Forest, XGBoost	MRI图像	43例非小细胞肺癌患者	Scikit-learn, XGBoost	NA	AUC	NA
2163	2025-12-12	Block Matching Based Speckle Tracking Echocardiography: Clinical Applications and Research Outlook in a Deep Learning Context 2025-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01750-w PMID:41379238	研究论文	本文提出了一种临床适用的斑点追踪方法BiDiBM，用于评估心肌纵向应变，并在合成和真实世界超声心动图数据上验证了其准确性和可靠性	引入双向块匹配（BiDiBM）方法，通过新颖的处理流程提升了传统块匹配方法的跟踪准确性和鲁棒性	深度学习方法因需要大量标注数据而临床部署受限，传统方法仍不可或缺；真实世界验证规模较小	开发并验证一种临床适用的斑点追踪超声心动图方法，以评估心脏功能障碍	超声心动图中的斑点区域，用于心肌纵向应变测量	计算机视觉	心血管疾病	斑点追踪超声心动图（STE）	块匹配（BM）	超声心动图图像	开源合成超声心动图数据集（四种场景）和小规模真实世界验证	NA	双向块匹配（BiDiBM）	均方根误差（RMSE）, 互相关函数的零滞后点（ZERO-LAG）	NA
2164	2025-12-12	AFP-GFuse: an antifungal peptide identification model with structural information fusion via multi-graph neural networks and cross-attention mechanism 2025-Dec-11, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11426-w PMID:41379297	研究论文	本研究开发了一种名为AFP-GFuse的深度学习模型，用于识别抗真菌肽，通过融合序列和结构信息以及三种互补的图神经网络，并采用分层交叉注意力机制来动态对齐和融合多图特征表示	构建了最先进且全面的数据集，并开发了集成序列和结构信息与三种互补图神经网络的深度学习模型，设计了分层交叉注意力机制以动态对齐和融合多图特征表示，有效解决了现有方法忽略空间特征和单图神经网络特征偏差的问题	未明确提及具体局限性，但可能包括模型对数据质量的依赖或泛化能力需进一步验证	开发高效且准确的抗真菌肽识别模型，以替代传统低效且昂贵的实验室方法	抗真菌肽	自然语言处理	NA	深度学习	GNN	序列数据, 结构数据	NA	NA	多图神经网络, 交叉注意力机制	准确率	NA
2165	2025-12-12	A Deep Learning Model for Heart Sound Classification Fusing Time-Frequency Features 2025-Dec-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642718 PMID:41370147	研究论文	本文提出了一种融合时频特征的双分支深度学习模型，用于心音信号的自动分类，旨在提高心血管疾病的早期诊断准确性	模型通过双向交叉注意力融合模块，首次有效整合了时域和频域特征，并采用迁移学习策略以增强在小数据集上的鲁棒性	模型在更广泛或噪声更大的临床数据集上的泛化能力尚未验证，且计算复杂度可能较高	开发一个能融合时域和频域特征的心音分类模型，以提升心血管疾病的自动诊断性能	心音图（PCG）信号	机器学习	心血管疾病	NA	CNN, Transformer, ResNet	信号（心音图）	基于多个公共数据集，包括2016年PhysioNet挑战赛数据集	NA	1D CNN with Transformer blocks, ResNet	准确率, F1分数	NA
2166	2025-12-12	Cross-Modality Image Registration Via Generating Aligned Image Using Reference-Augmented Framework 2025-Dec-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642431 PMID:41370158	研究论文	本文提出了一种名为'Register by Generation (RbG)'的深度学习框架，用于生成与固定图像结构对齐且保留移动图像细节的跨模态图像配准	引入两阶段参考增强框架，结合Patch Adaptive Instance Normalization (PAdaIN)和Deformation-Aware Cross-Attention (DACA)块，实现自监督训练，无需预对齐数据	NA	解决跨模态图像（如MR-CT、CBCT-CT）配准的挑战，生成结构对齐且细节保留的图像	跨模态图像对（如MR-CT、CBCT-CT）	计算机视觉	NA	深度学习图像合成	CNN	图像	多个未对齐数据集	NA	参考增强图像合成网络，包含PAdaIN和DACA块	结构对齐和分布一致性指标	NA
2167	2025-12-12	iDeep-cancer: Predicting Cancer-related circRNA-RBP Binding Sites Using a Hybrid Network Framework 2025-Dec-10, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3642248 PMID:41370173	研究论文	本文提出了一种名为iDeep-cancer的混合网络框架，用于预测癌症相关circRNA-RBP结合位点	结合改进的DenseNet、双向门控循环单元和自注意力机制，仅使用circRNA序列进行预测，克服了现有方法特征学习不足和可扩展性差的问题	未明确说明模型在更大规模或更复杂数据集上的泛化能力	预测circRNA与RNA结合蛋白的结合位点，以促进人类疾病调控研究	circRNA序列及其与RNA结合蛋白的相互作用	自然语言处理	癌症	NA	CNN, LSTM	序列数据	13个数据集	NA	DenseNet, BiGRU, Self-attention	NA	NA
2168	2025-12-12	Development of Automated High-Throughput Digital Microscopy With Deep Learning for Enhanced Blood Smear Imaging 2025-Dec-10, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70101 PMID:41370363	研究论文	本研究开发了一种基于深度学习的高通量自动数字显微镜系统，用于增强血涂片成像	结合光学组装设置与深度学习算法实现实时图像采集的自动对焦系统，并利用预训练的VGG-16和Mobile Vision Transformer模型通过迁移学习克服计算挑战	未明确提及系统在更广泛样本类型或不同放大倍数下的性能验证	设计和开发自动化高通量光学数字显微镜设备，以改进血涂片图像的扫描和捕获效率	外周血涂片玻片	数字病理学	NA	数字显微镜成像	CNN, Transformer	图像	10个外周血涂片玻片	NA	VGG-16, Mobile Vision Transformer	准确率	NA
2169	2025-12-12	Reconstruction of Antarctic sea ice thickness from sparse satellite laser altimetry data via deep learning 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06390-x PMID:41372249	研究论文	本研究利用深度学习技术，基于稀疏的卫星激光测高数据，重建了高时空分辨率的南极海冰厚度数据集	首次开发了基于深度学习、融合ICESat和ICESat-2稀疏沿轨激光测高数据，实现5天和12.5公里分辨率的全南极海冰厚度重建方法，并具备近实时更新能力	重建数据依赖于稀疏的卫星沿轨观测，在空间覆盖和数据插值方面可能存在不确定性，且验证主要基于有限的向上观测声纳数据	解决南极海冰厚度数据在亚月尺度和空间完整性上的长期缺失问题，以促进对大规模海冰质量平衡过程的定量理解	南极海冰厚度	机器学习	NA	卫星激光测高（ICESat, ICESat-2），向上观测声纳	深度学习模型	卫星激光测高数据，声纳观测数据	基于ICESat（2003-2009）和ICESat-2（2018-2024）的沿轨观测数据，并利用独立向上观测声纳数据进行验证	NA	NA	准确性（通过与独立向上观测声纳数据和其他四套卫星及再分析数据集的比较进行定量验证），季节性周期和季节内趋势一致性	NA
2170	2025-12-12	Deep learning-enabled cherry price forecasting and real-time system deployment across multi-market supply chains in India 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30980-9 PMID:41372323	研究论文	本研究利用深度学习模型预测印度樱桃价格，并部署实时预测系统	首次在印度农业供应链中实时部署深度学习模型进行樱桃价格预测，并验证其优于传统统计和机器学习方法	研究仅聚焦于印度五个批发市场的樱桃价格数据，可能无法完全代表其他地区或农产品	开发并评估深度学习模型在农业价格预测中的应用，以提升供应链决策支持	印度五个批发市场（如Azadpur、Narwal、Parimpora）的樱桃价格数据	机器学习	NA	NA	LSTM, Transformer	时间序列数据	2012年至2024年印度五个批发市场的每日樱桃价格数据	NA	LSTM, Transformer	MAE, RMSE, sMAPE, MFE, NMBE, DA	NA
2171	2025-12-12	Enhanced real-time 6d pose estimation for automatic recovery of in-flight UAVs using distance-aware keypoint heatmaps 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31572-3 PMID:41372326	研究论文	本文提出了一种基于单目RGB图像和深度学习关键点检测的自动无人机回收系统，用于实时估计飞行中无人机的六自由度姿态	引入了自适应Sigma技术，根据相机与无人机之间的距离调整关键点热图的sigma值，以提升关键点定位性能	方法在挑战性场景（如不同高度、显著倾斜和运动模糊）中进行了定性评估，但未提供定量比较或大规模数据集验证	开发一种精确且实时的无人机姿态估计系统，以支持在无结构化道路等安全跑道不可行情况下的自动回收	飞行中的无人机（UAV）	计算机视觉	NA	深度学习关键点检测	CNN	单目RGB图像	NA	NA	多种最先进的主干架构	正确关键点百分比	NA
2172	2025-12-12	A sparse wavelength aware learning framework for robust FSO channel estimation 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31054-6 PMID:41372334	研究论文	本文提出了一种用于稳健自由空间光通信信道估计的稀疏波长感知学习框架	提出了一种新颖的深度学习架构SWALNet，通过集成基于注意力的稀疏编码器来捕获调制引起的失真和波长相关的衰落，动态学习波长特定的影响模式	NA	解决自由空间光通信系统中因大气湍流、光束失准和波长特定衰减导致的信道估计问题	自由空间光通信信道	机器学习	NA	NA	深度学习	仿真数据	NA	NA	SWALNet	均方误差, 误码率, Q因子	NA
2173	2025-12-12	Accurate identification of broadly neutralizing antibodies against dengue virus based on deep stacking strategy with multi-perspective features 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31332-3 PMID:41372420	研究论文	提出了一种基于深度堆叠策略和多视角特征的计算方法Deepstack-NAb，用于准确识别针对登革热病毒的广谱中和抗体	首次提出结合多种机器学习和深度学习算法的堆叠集成模型，并融合了多源特征编码方案（包括传统编码、NLP编码和预训练蛋白质语言模型）来捕获CDR-H3和表位数据的关键信息	NA	开发一种高精度的计算方法，以加速针对登革热病毒的有效治疗性抗体的开发	针对所有四种登革热病毒血清型（DENV-1至DENV-4）的广谱中和抗体	自然语言处理, 机器学习	登革热	NA	机器学习, 深度学习	序列信息	NA	NA	堆叠集成模型	准确率, 灵敏度, 马修斯相关系数	NA
2174	2025-12-12	A neural network-based automatic semi-variogram modeling approach for geomagnetic map construction in multi-source indoor and outdoor navigation 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31721-8 PMID:41372448	研究论文	本文提出了一种基于神经网络的自动半变异函数建模方法，用于构建多源室内外导航中的地磁地图	结合深度学习与地统计插值，通过自动推断半变异函数参数，减少了对地质专业知识的依赖，提高了地图构建的准确性和效率	NA	提高地磁辅助导航中地磁地图的构建精度和效率	地磁样本数据	机器学习	NA	NA	CNN	地磁数据	NA	NA	编码器-解码器架构, M-CBAM	NA	NA
2175	2025-12-12	Developing microenvironment classification models for personal exposure assessment based on global positioning system tracking data 2025-Dec-10, Journal of exposure science & environmental epidemiology DOI:10.1038/s41370-025-00832-9 PMID:41372514	研究论文	本研究基于GPS追踪数据开发微环境分类模型，以改进个人空气污染暴露评估	结合个体移动模式和GPS信号质量信息，利用多种机器学习和深度学习方法开发微环境分类模型，并通过可解释性方法识别关键变量	研究数据主要反映韩国城市人群的季节性和日常活动模式，可能限制了模型的普适性	开发基于GPS追踪数据的微环境分类模型，以改进个人空气污染暴露评估	韩国城市人群的GPS追踪数据	机器学习	NA	GPS追踪	随机森林, boosting, 深度神经网络	GPS追踪数据	来自韩国空气污染物暴露模型项目的数据	NA	NA	AUROC	NA
2176	2025-12-12	Enhanced pedestrian walkway object detection using deep learning and pelican optimization algorithm for assisting disabled persons 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32129-0 PMID:41372505	研究论文	本文提出了一种结合深度学习与鹈鹕优化算法的增强型行人步道物体检测方法，旨在辅助视障人士导航	提出EPWOD-POAADP方法，首次将Faster R-CNN、CapsNet、小波神经网络与鹈鹕优化算法相结合，用于行人步道物体检测与分类	仅在UCSD异常检测数据集上进行评估，未在实际复杂行人步道场景中验证，且未说明模型对实时性要求的满足程度	通过物体检测技术增强行人步道环境感知能力，辅助视障人士独立导航	行人步道中的物体（如人工或自然引导标识）	计算机视觉	视力障碍	深度学习，机器学习	Faster R-CNN, CapsNet, WNN	图像	使用UCSD异常检测数据集（具体样本数量未说明）	未明确说明（可能为TensorFlow或PyTorch）	Faster R-CNN, CapsNet, 小波神经网络	未明确说明具体指标（仅提及性能提升）	未明确说明
2177	2025-12-12	A multi-dimensional lightweight attention-enhanced model for medical image segmentation 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32147-y PMID:41372542	研究论文	提出一种多维轻量级注意力增强模型用于医学图像分割，以解决传统CNN全局依赖建模不足和计算复杂度高的问题	集成全维度动态卷积和掩码注意力机制，在空间、通道和核数量维度进行自适应建模，以较低计算成本扩大有效感受野并聚焦关键边界	未明确说明模型在更复杂或罕见病变类型上的泛化能力，以及在实际临床部署中的具体资源需求	开发一种高效且准确的医学图像分割方法，适用于资源受限的医疗场景	医学图像中的病变或解剖结构	计算机视觉	NA	深度学习	CNN, 注意力机制	图像	基于三个公共基准数据集	NA	多维轻量级注意力增强模型	分割精度, 推理效率	NA
2178	2025-12-12	Changes of bone, adipose, and muscle-related body compositions in gastric cancers after gastrectomy using deep learning based automatic segmentation 2025-Dec-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04530-6 PMID:41372761	研究论文	本研究利用基于深度学习的自动分割工具，分析了胃癌患者胃切除术后12个月内骨骼、脂肪和肌肉相关身体成分的变化，并基于临床病理特征进行了亚组分析	首次应用基于人工智能的自动分割工具来量化胃癌患者胃切除术后身体成分的长期变化，并系统评估了不同临床病理特征对变化的影响	研究为回顾性设计，样本量相对较小（146例），且仅评估了术后12个月的变化，缺乏更长期的随访数据	探究胃癌患者胃切除术后身体成分的变化规律及其与临床病理特征的关系	146例接受胃切除术的胃癌患者	数字病理学	胃癌	基于深度学习的自动分割	深度学习模型	医学影像数据	146例胃癌患者	NA	NA	p值, FDR校正	NA
2179	2025-12-12	Deep learning-based diffusion-weighted imaging vs. conventionally obtained diffusion-weighted imaging in prostate cancer extracapsular extension detection: a multicenter retrospective study 2025-Dec-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02109-x PMID:41372855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2180	2025-12-12	Sepsis mortality prediction using machine learning and deep learning - a systematic review 2025-Dec-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03286-z PMID:41372900	系统综述	本文系统综述了利用机器学习和深度学习技术基于电子健康记录预测脓毒症死亡率的研究现状	首次对基于电子健康记录的脓毒症预测ML/DL研究进行系统性梳理，揭示了该领域在数据、模型和评估标准方面的异质性	纳入研究多为回顾性，存在数据异质性、定义不一致、质量评估不统一等问题，缺乏标准化评估指标	评估机器学习和深度学习在脓毒症预测中的应用效果与发展现状	脓毒症患者	机器学习	脓毒症	电子健康记录分析	机器学习,深度学习	电子健康记录	39项研究（北美19项、亚洲13项、欧洲6项、澳大利亚1项）	NA	NA	NA	NA