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
3621	2025-10-05	Statistical analysis and prediction of dynamic UAV-based entanglement distribution channel through deep learning 2025-Aug-11, Optics express IF:3.2Q2 DOI:10.1364/OE.565103 PMID:40984598	研究论文	提出基于PatchTST深度学习模型的无人机量子纠缠分布信道动态预测框架	首次将PatchTST Transformer模型应用于无人机量子信道动态透射率预测，相比传统静态统计模型能更准确捕捉实时信道变化	基于仿真数据验证，尚未在真实物理系统中进行测试	提升无人机量子纠缠分布系统的自适应优化能力和鲁棒性	无人机对地量子信道透射率动态变化	机器学习	NA	深度学习	Transformer	时间序列数据	NA	NA	PatchTST	BBM92安全密钥率	NA
3622	2025-10-05	Deep-learning-based single-pixel telescope for simultaneous visible and near-infrared imaging with robustness to atmospheric seeing 2025-Aug-11, Optics express IF:3.2Q2 DOI:10.1364/OE.566490 PMID:40984610	研究论文	本研究开发了一种基于深度学习的单像素望远镜系统，用于在模拟大气湍流条件下实现可见光和近红外的同步成像	将深度学习技术与具有多波长成像能力的单像素成像系统相结合，开发了能够同时进行可见光和近红外观测的单像素望远镜系统	在模拟湍流条件下，时间分割模式学习网络对简单目标（如MNIST图像）的精度低于U-Net，需要进一步改进	开发能够在大气湍流等动态随机介质中实现高质量成像的望远镜系统	单像素望远镜系统在模拟大气湍流条件下的成像性能	计算机视觉	NA	单像素成像，深度学习成像	CNN	图像	NA	NA	U-Net, TDPL	精度	NA
3623	2025-10-05	Transformer-inspired training principles based breast cancer prediction: combining EfficientNetB0 and ResNet50 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98523-w PMID:40251247	研究论文	提出结合EfficientNetB0和ResNet50的集成模型用于乳腺癌组织病理学图像分类	结合EfficientNetB0的高效性能和ResNet50的深度残差连接，并融入Transformer训练原则	未提及模型在更大规模数据集上的泛化能力验证	提高乳腺癌组织病理学图像分类的准确性和效率	乳腺癌组织病理学图像（IDC与非IDC类别）	计算机视觉	乳腺癌	组织病理学成像	CNN, 集成学习	图像	NA	NA	EfficientNetB0, ResNet50	准确率, 平均绝对误差, 马修斯相关系数	NA
3624	2025-10-05	MRS-Sim: Open-Source Framework for Simulating In Vivo-like Magnetic Resonance Spectra 2025-Apr-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.20.629645 PMID:40291707	研究论文	介绍MRS-Sim开源框架，用于模拟体内磁共振波谱数据	包含两种新型组件：3D磁场图模拟器和半参数生成器，能够模拟从原始多线圈瞬态数据到预处理数据的多种场景	NA	开发用于磁共振波谱研究的合成数据模拟框架	磁共振波谱数据	医学影像分析	NA	磁共振波谱(MRS)	NA	光谱数据	NA	NA	NA	NA	NA
3625	2025-10-05	Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study 2025-Apr-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002220 PMID:39764584	研究论文	开发基于深度学习的算法BBMIL，直接从乳腺癌组织病理图像预测分子标志物和亚型	首次直接从H&E染色组织病理图像预测多种分子标志物、免疫治疗相关基因特征和预后相关亚型	回顾性研究，需进一步前瞻性验证	通过人工智能降低乳腺癌生物标志物检测的成本和组织负担	乳腺癌组织病理图像	数字病理	乳腺癌	H&E染色组织病理学	深度学习	图像	多中心回顾性研究	NA	BBMIL	NA	NA
3626	2025-10-05	Parametrically guided design of beta barrels and transmembrane nanopores using deep learning 2025-Jan-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604663 PMID:39091726	研究论文	本研究开发了一种结合参数化生成和深度学习的方法来设计β桶蛋白和跨膜纳米孔	将参数化表示与基于RoseTTAFold的深度学习方法相结合，实现了对β桶蛋白全局形状的精确控制设计	方法依赖于参数化生成的骨架结构，可能对某些非理想几何结构的适应性有限	开发一种能够精确控制蛋白质全局形状的设计方法	β桶蛋白和跨膜纳米孔	蛋白质设计	NA	深度学习，X射线晶体学	深度学习	蛋白质结构数据	12、14和16链跨膜纳米孔	RoseTTAFold	RFjoint, RFdiffusion	计算成功率，实验成功率，原子精度	NA
3627	2025-10-05	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Jan-03, Research square DOI:10.21203/rs.3.rs-5743704/v1 PMID:39801521	研究论文	提出多尺度细胞间交互空间转录组学分析方法，整合多尺度拓扑表示与空间深度学习技术	首次在空间转录组学分析中考虑多尺度细胞间相互作用，结合多尺度拓扑表示与先进空间深度学习技术	未明确说明方法在特定组织类型或实验条件下的适用性限制	开发能够捕捉多尺度细胞间相互作用的空间转录组学分析方法	空间转录组学数据中的细胞间相互作用模式	生物信息学	NA	空间转录组学	深度学习	空间基因表达数据	37个基准空间转录组学数据集	NA	NA	聚类评分	NA
3628	2025-10-05	DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1-year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056403104250527045320 PMID:40511648	研究论文	开发基于DWI和深度学习的放射组学列线图预测前列腺癌根治术后1年生化复发	首次将深度学习提取的放射组学特征与临床参数结合构建预测模型，并探索放射组学评分与肿瘤微环境的关联	回顾性研究设计，样本量有限(n=349)，需要更大规模前瞻性验证	预测前列腺癌根治术后1年生化复发风险	接受根治性前列腺切除术的前列腺癌患者	数字病理	前列腺癌	多参数磁共振成像(mpMRI), 扩散加权成像(DWI), 单细胞RNA测序	深度学习	医学影像, 临床数据, 基因表达数据	349例患者(两个独立队列), 4例前瞻性参与者的单细胞RNA测序数据	NA	3D U-Net	AUC, Hosmer-Lemeshow检验, 决策曲线分析	NA
3629	2025-10-05	OSFormer: One-Step Transformer for Infrared Video Small Object Detection 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3598426 PMID:40828723	研究论文	提出一种用于红外视频小目标检测的单步Transformer方法OSFormer	首次将小目标友好的Transformer与单步检测范式相结合，提出可变尺寸补丁注意力模块和多普勒自适应滤波器	NA	改进红外视频中小目标检测的性能和效率	红外视频序列中的小目标	计算机视觉	NA	红外视频分析	Transformer	红外视频序列	AntiUAV和InfraredUAV数据集	NA	OSFormer, Transformer	mAP50, mAP50-95, Params, FLOPs	NA
3630	2025-10-05	Analysis of Freezing of Gait in Parkinson's Disease Detection Using a Multimodal Prototype Learning Framework 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3605204 PMID:40892658	研究论文	提出一种名为CSE-ProtoNet的多模态原型学习框架，用于检测帕金森病患者的步态冻结现象	结合CondenseNet与SEBlock的原型学习框架，首次应用于多模态数据（EEG和步态数据）的FOG检测	医学数据样本量有限，特别是EEG数据稀缺	提高帕金森病患者步态冻结检测的准确性和鲁棒性	帕金森病患者	机器学习	帕金森病	脑电图, 步态分析	深度学习, 原型学习	多模态数据（EEG和步态数据）	有限样本（具体数量未明确说明）	深度学习框架	CondenseNet, SEBlock, CSE-ProtoNet	准确率, F-score, 召回率, 特异性, 精确率, AUC	NA
3631	2025-10-05	A Novel Deep Learning Radiomics Nomogram Integrating B-Mode Ultrasound and Contrast-Enhanced Ultrasound for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.028 PMID:40764147	研究论文	开发集成B型超声和超声造影的深度学习影像组学列线图用于术前预测浸润性乳腺癌淋巴血管侵犯	首次将B型超声和超声造影图像特征与临床病理参数结合构建深度学习影像组学列线图	回顾性研究设计，样本仅来自三家医院	术前无创预测浸润性乳腺癌淋巴血管侵犯状态	浸润性乳腺癌患者	医学影像分析	乳腺癌	B型超声，超声造影	深度学习	超声图像	981例患者（834例来自医院I，147例来自医院II和III）	NA	NA	AUC，校准曲线，决策曲线分析	NA
3632	2025-10-05	A Learnable Physical Deep Learning Model for Sparse Limited View Photoacoustic Tomography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.07.014 PMID:40850901	研究论文	提出一种可学习的物理深度学习模型，用于从稀疏有限视角光声信号实现高质量图像重建	结合物理模型与深度学习，在极稀疏探测器配置下实现无伪影的光声断层成像重建	仅使用16个探测器的极稀疏配置，重建质量仍有提升空间	开发稀疏重建算法以降低光声断层成像系统对硬件制造的要求	光声断层成像系统	医学影像	NA	光声断层成像	深度学习模型	光声信号	数值模拟和活体实验	NA	可学习的物理深度学习模型	结构相似性, 峰值信噪比	NA
3633	2025-10-05	Breast Cancer Diagnosis Using a Dual-Modality Complementary Deep Learning Network With Integrated Attention Mechanism Fusion of B-Mode Ultrasound and Shear Wave Elastography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.08.007 PMID:40858483	研究论文	开发并评估一种双模态互补特征注意力网络，通过融合B型超声和剪切波弹性成像的空间与硬度信息来改善乳腺肿瘤分类和腋窝淋巴结转移预测	提出双模态互补特征注意力网络(DCFAN)，首次将注意力机制应用于B型超声和剪切波弹性成像的特征融合，实现结构特征与硬度特征的互补增强	研究样本量相对有限(218名患者)，为回顾性研究	提高乳腺肿瘤分类和腋窝淋巴结转移预测的准确性	乳腺肿瘤患者和腋窝淋巴结	计算机视觉	乳腺癌	B型超声，剪切波弹性成像	CNN	图像	218名患者的387对B型和SWE图像	NA	DCFAN	准确率，灵敏度，特异性，AUC，F1分数	NA
3634	2025-10-05	Ovarian masses suggested for MRI examination: assessment of deep learning models based on non-contrast-enhanced MRI sequences for predicting malignancy 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04891-2 PMID:40116887	研究论文	评估四种基于非增强MRI的深度学习模型在区分良恶性卵巢肿瘤中的诊断效能	首次系统比较四种深度学习模型在非增强MRI序列上对卵巢肿瘤良恶性的分类性能，并分析模型参数效率	回顾性研究，样本量有限，仅使用非增强MRI序列	评估深度学习模型使用非增强MRI区分卵巢肿瘤良恶性的诊断能力	526例经病理证实卵巢肿瘤患者（327例良性，199例恶性）	计算机视觉	卵巢肿瘤	非增强磁共振成像	深度学习	医学影像	526例患者（训练集367例，验证集159例）	NA	ConvNeXt, FBNet, GhostNet, ResNet50	AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
3635	2025-10-05	Optimizing bladder magnetic resonance imaging: accelerating scan time and improving image quality through deep learning 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04895-y PMID:40167648	研究论文	本研究探讨深度学习在膀胱磁共振T2加权成像中加速扫描时间和提升图像质量的价值	首次将深度学习重建技术应用于膀胱磁共振T2加权成像，在保持诊断信心的同时显著缩短采集时间并提升图像质量	样本量较小（28例患者），需要更大规模研究验证	评估深度学习在膀胱MRI中的临床应用价值	膀胱癌患者	医学影像分析	膀胱癌	磁共振成像，T2加权成像	深度学习	磁共振图像	28例连续膀胱癌患者	NA	NA	采集时间减少百分比，图像质量评分，诊断信心评分，VI-RADS评分	NA
3636	2025-10-05	Arterial phase CT radiomics for non-invasive prediction of Ki-67 proliferation index in pancreatic solid pseudopapillary neoplasms 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04921-z PMID:40178588	研究论文	本研究利用动脉期CT影像组学特征无创预测胰腺实性假乳头状肿瘤Ki-67增殖指数	首次结合动脉期CT影像组学与深度学习模型预测pSPN患者的Ki-67增殖水平，识别CTscore和形态学特征作为关键预测因子	回顾性研究设计，样本量相对有限（92例患者），需多中心前瞻性验证	术前无创预测胰腺实性假乳头状肿瘤的Ki-67增殖指数水平	经病理确诊的胰腺实性假乳头状肿瘤患者	数字病理	胰腺肿瘤	CT影像组学	深度学习, GBM	CT图像	92例患者（训练集64例，验证集28例）	PyRadiomics	深度学习模型	AUC	NA
3637	2025-10-05	Deep learning assisted detection and segmentation of uterine fibroids using multi-orientation magnetic resonance imaging 2025-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-025-04934-8 PMID:40188260	研究论文	开发基于多方位MRI的深度学习模型，用于子宫肌瘤的自动检测和分割	首次使用三维nnU-Net框架构建多方位MRI的子宫肌瘤自动检测和分割模型	NA	开发自动化子宫肌瘤检测和分割的深度学习方法	子宫肌瘤患者	医学影像分析	子宫肌瘤	多方位磁共振成像	深度学习	MRI图像	内部数据集299例患者（训练集239例，内部测试集60例），外部数据集45例患者	nnU-Net	三维nnU-Net	召回率, 精确率, Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
3638	2025-10-05	Multi-View Self-Supervised Learning Enhances Automatic Sleep Staging From EEG Signals 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561228 PMID:40232903	研究论文	提出一种多视图自监督学习框架，通过结合时域和频域特征提升基于EEG信号的自动睡眠分期性能	引入多视图自监督学习方法，结合跨视图对比损失和动态加权算法，有效学习互补特征并增强特征可迁移性	未明确说明模型在不同人群或临床环境中的泛化能力限制	开发高效且鲁棒的自动睡眠分期方法，减少对标注数据的依赖	脑电图（EEG）信号	机器学习	睡眠障碍	EEG信号分析	深度学习	时序信号，时频特征	三个公开数据集（SleepEDF-20，SleepEDF-78，MASS）	NA	多视图特征编码器，序列编码器，线性分类器	准确率	NA
3639	2025-10-05	Machine learning based radiomic models outperform clinical biomarkers in predicting outcomes after immunotherapy for hepatocellular carcinoma 2025-Oct, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.04.017 PMID:40246150	研究论文	本研究开发了基于机器学习的影像组学模型，用于预测肝细胞癌患者免疫治疗后的生存结果	首次将深度学习自动分割与多种机器学习模型结合，开发了整合影像组学和临床数据的预测模型，在预测免疫治疗疗效方面优于传统临床生物标志物	回顾性研究设计，样本量相对有限（152例患者），仅来自两个医疗中心	预测肝细胞癌患者接受阿特珠单抗联合贝伐珠单抗免疫治疗后的生存结果和治疗反应	不可切除肝细胞癌患者	医学影像分析	肝细胞癌	CT影像，深度学习自动分割，影像组学分析	深度学习，机器学习	医学影像（CT），临床数据	152例来自两个国际中心的患者	NA	K-means聚类，七种机器学习模型结合13种特征选择技术	AUC，总生存期，无进展生存期，风险比	NA
3640	2025-10-05	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合卷积神经网络和决策树验证的深度学习增强算法，用于急性意识障碍患者的自动睡眠纺锤波检测	首次将CNN与决策树辅助验证相结合，利用小波变换原理提升检测精度，特别针对ADOC患者中常见的慢速纺锤波进行优化	样本量相对较小（MASS SS2数据集n=19，自采ADOC数据集n=24），需要更大规模验证	开发自动睡眠纺锤波检测算法以改善急性意识障碍患者的诊断和预后预测	急性意识障碍患者和健康对照者的睡眠脑电数据	医疗人工智能	急性意识障碍	脑电图分析，小波变换	CNN，决策树	睡眠脑电信号	MASS SS2数据集19例，自采ADOC患者数据集24例	NA	NA	F1分数，Spearman相关系数	NA