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
4741	2025-10-30	Analysis of breast region segmentation in thermal images using U-Net deep neural network variants 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1609004 PMID:41142198	研究论文	本研究评估了三种U-Net变体在热成像图像中乳房区域分割的性能	首次系统比较U-Net及其变体在热成像乳房分割中的表现，发现简单架构的原始U-Net反而优于更复杂的变体	仅针对热成像数据，未验证在其他医学影像模态上的泛化能力	提高热成像在乳腺癌检测中乳房区域分割的准确性	热成像图像中的乳房区域	计算机视觉	乳腺癌	热成像	CNN	图像	NA	NA	U-Net, U-Net with Spatial Attention, U-Net++	IoU, Dice系数, 精确率, 召回率, 灵敏度, 特异度, 像素准确率, ROC-AUC, PR-AUC	NA
4742	2025-10-30	Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy 2025, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359251379411 PMID:41142474	研究论文	开发并验证一种能够将标准H&E染色病理图像转换为高质量合成多路免疫荧光图像的深度学习工具	开发了mSIGHT管道，通过整合配准网络克服输入与目标图像不对齐问题，优于标准Pix2Pix和CycleGAN图像转换网络	回顾性研究，样本量有限（17例用于模型开发），需要进一步外部验证	从常规H&E染色组织学图像中提取预测治疗反应的免疫细胞信息	三阴性乳腺癌患者的穿刺活检样本	数字病理学	乳腺癌	多路免疫荧光成像，H&E染色	生成对抗网络	病理图像	17例三阴性乳腺癌病例用于模型开发，218例乳腺癌病例用于验证	Pix2Pix, CycleGAN	mSIGHT（整合配准网络的图像转换架构）	像素级指标，细胞密度，细胞间邻近度，调整后优势比，置信区间，p值	NA
4743	2025-10-30	Deep Learning with Contrast-Enhanced Ultrasound for Preoperative Prediction of Early Recurrence in Hepatocellular Carcinoma After Hepatectomy 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S555110 PMID:41142639	研究论文	开发基于对比增强超声和深度学习的框架，用于术前预测肝细胞癌患者肝切除术后早期复发	首次将多期相CEUS影像与深度学习相结合构建预测模型，并通过列线图整合临床变量	回顾性研究设计，样本量相对有限（115例患者）	提高肝细胞癌患者肝切除术后早期复发的术前预测准确性	早期肝细胞癌患者	计算机视觉	肝细胞癌	对比增强超声	深度学习	超声影像	115例早期肝细胞癌患者（训练集75例，验证集40例）	NA	四种深度学习模型（CEUS-AP, CEUS-PP, CEUS-LP, CEUS-MP）	AUC, 敏感性, 特异性	NA
4744	2025-10-30	BrainScape: An open-source framework for integrating and preprocessing anatomical MRI datasets 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.944 PMID:41143077	研究论文	介绍BrainScape开源框架，用于整合和预处理160个公开MRI数据集	开发了首个基于插件的开源Python框架，可自动下载、组织和预处理多源MRI数据	主要依赖公开数据集，可能无法覆盖所有临床场景和人口统计学特征	解决神经影像数据整合中的不一致性问题，促进可重复性研究	27227名受试者的46583个多模态MRI扫描	医学影像分析	脑部疾病	MRI	NA	医学影像	27227名受试者，46583个MRI扫描	Python	NA	NA	NA
4745	2025-10-30	CausalFormer-HMC: a hybrid memory-driven transformer with causal reasoning and counterfactual explainability for leukemia diagnosis 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1674393 PMID:41158308	研究论文	提出一种结合卷积神经网络、视觉变换器和因果图学习器的混合AI架构CausalFormer-HMC，用于从外周血涂片图像中诊断急性淋巴细胞白血病	首次将因果推理和反事实可解释性集成到混合内存驱动的变换器架构中，用于白血病诊断	NA	提高急性淋巴细胞白血病的诊断精度和可解释性	外周血涂片图像中的白血病细胞	医学影像分析	白血病	外周血涂片图像分析	CNN, Transformer, 因果图学习器	图像	ALL数据集：89名患者的3,256张图像；C-NMC数据集：118名患者的15,135张分割细胞图像	NA	CausalFormer-HMC（混合架构）	准确率, F1分数, ROC-AUC	NA
4746	2025-10-30	Correction: DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1704319 PMID:41158509	修正	对先前发表的RNA N4-乙酰胞苷位点预测深度学习框架论文进行内容修正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4747	2025-10-30	GOUHFI: A novel contrast- and resolution-agnostic segmentation tool for ultra-high-field MRI 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.960 PMID:41158555	研究论文	提出一种名为GOUHFI的新型深度学习分割工具，专门用于超高频磁共振图像的分割	首次提出对对比度和分辨率不敏感的超高频MRI分割方法，无需微调或重新训练	训练数据仅包含206个标注图，可能限制模型泛化能力	开发适用于超高频MRI的自动分割技术	超高频磁共振脑部图像	医学影像分析	神经系统疾病	超高频磁共振成像	深度学习	3D磁共振图像	来自4个数据集的206个标注图（包含3T、7T和9.4T数据）	NA	3D U-Net	Dice-Sørensen相似系数	NA
4748	2025-10-30	Anomaly detection and early risk identification in digital disaster response-based on deep learning in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1624345 PMID:41158574	研究论文	提出基于深度学习的异常检测和早期风险识别框架，用于数字灾难响应中的公共卫生危机管理	结合LSTM和Transformer架构分析时空数据，在异常检测精度上提升23%，误报率降低31%	未提及模型在极端灾难场景下的泛化能力和计算效率限制	提升公共卫生危机中的实时决策能力和态势感知	来自医院、急救服务、社交媒体和环境传感器的多源异构数据	机器学习	公共卫生事件	深度学习	LSTM, Transformer	时空数据	多个数据集（EM-DAT、FEMA、UNOSAT、Earthquake）	NA	LSTM, Transformer	精确度, 误报率	NA
4749	2025-10-30	New-generation rice seed germination assessment: high efficiency and flexibility via SeedRuler web-based platform 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1671998 PMID:41158679	研究论文	开发了一个基于网络的稻种发芽评估平台SeedRuler，结合传统图像处理和深度学习技术提高分析效率和准确性	整合了三种核心模块（传统图像处理、YOLOv5目标检测和SAM分割模型），支持用户自定义发芽标准，提供自动种子尺寸测量功能	NA	提高稻种发芽评估的准确性、效率和可用性	水稻种子	计算机视觉	NA	图像处理，深度学习	YOLOv5, Segment Anything Model (SAM)	图像	1,200张水稻种子图像	NA	YOLOv5, SAM	平均精度均值(mAP), 平均绝对误差(MAE)	基于网络平台
4750	2025-10-30	Deep learning for scene understanding in mitochondrial dysregulation and blood cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1609851 PMID:41158859	研究论文	提出一种集成医学影像、基因组信息和临床参数的新型深度学习框架，用于线粒体失调相关血癌的全面场景理解和诊断	结合自监督学习、视觉Transformer和图神经网络，采用基于注意力的多模态融合机制，并整合对抗域适应和不确定性量化模块	NA	开发精确可扩展的血癌早期检测和管理框架	线粒体失调相关血癌	数字病理	血癌	医学影像、基因组信息、临床参数多模态数据整合	Transformer, GNN	图像, 基因组数据, 临床数据	NA	NA	视觉Transformer, 图神经网络	分类性能	NA
4751	2025-10-30	Deep learning radiomics model of epicardial adipose tissue for predicting postoperative atrial fibrillation after lung lobectomy in lung cancer patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1623248 PMID:41158854	研究论文	开发并验证基于心外膜脂肪组织的深度学习影像组学模型，用于预测肺癌患者肺叶切除术后心房颤动的风险	首次结合心外膜脂肪组织的手工和深度学习影像组学特征，构建术后房颤预测模型	机器学习算法和重采样技术未显著提升模型性能	预测肺癌患者肺叶切除术后心房颤动的发生风险	来自两个中心的1,008名肺癌患者	医学影像分析	肺癌	对比增强胸部CT成像	深度学习,逻辑回归	医学影像	1,008名患者	NA	NA	AUC,G-mean,F-measure	NA
4752	2025-10-30	LiT: limit order book transformer 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1616485 PMID:41159129	研究论文	提出一种基于Transformer架构的限价订单簿预测模型LiT，用于预测短期市场走势	首次将结构化补丁和基于Transformer的自注意力机制应用于限价订单簿预测，能够同时建模市场微观结构中的空间和时间特征	NA	开发能够准确预测短期市场走势的深度学习模型	高频限价订单簿数据	机器学习	NA	深度学习	Transformer	金融时间序列数据	多个限价订单簿数据集	NA	Transformer	NA	NA
4753	2025-10-30	Enhancing COVID-19 classification of X-ray images with hybrid deep transfer learning models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1646743 PMID:41159128	研究论文	提出一种混合深度迁移学习框架用于COVID-19 X射线图像分类	整合三种不同实验流程，将传统用于目标检测的YOLOV4应用于COVID-19特征检测，并采用遗传算法进行超参数优化	NA	开发高效的COVID-19 X射线图像分类方法	COVID-19 X射线图像	计算机视觉	COVID-19	深度迁移学习	CNN	X射线图像	超过5000个样本的Kaggle数据集	NA	AlexNet, EfficientNetB1, ResNet18, VGG16, YOLOV4	准确率, F1分数, 精确率, AUC	NA
4754	2025-10-30	Intracranial aneurysm segmentation on digital subtraction angiography: a retrospective and multi-center study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1646517 PMID:41159199	研究论文	本研究开发了一种新型深度学习模型SDAN，用于数字减影血管造影中颅内动脉瘤的精确分割	提出了形状感知双流注意力网络，包含边缘感知局部注意力模块和全局形状感知融合块，专门解决小动脉瘤分割难题	回顾性研究，数据来自三个机构，需要进一步前瞻性验证	提高数字减影血管造影中颅内动脉瘤的分割性能，特别是小动脉瘤的分割准确性	颅内动脉瘤	数字病理	脑血管疾病	数字减影血管造影	深度学习	医学图像	62,187张回顾性DSA图像用于训练和测试，26,415张图像用于外部验证	NA	SDAN, ELAM, GSFB	DSC, HD95, 敏感度	NA
4755	2025-10-29	Dataset of two-phase flow in a horizontal pipe: synchronized measurements of acceleration, pressure, void fraction and high-velocity camera 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112117 PMID:41140862	研究论文	本文提供了一个水平管道中气水两相流的同步测量数据集，包含加速度、压力、空隙率和高速摄像数据	通过同步采集多传感器数据与高速摄像，并应用深度学习算法进行气泡分割和跟踪，实现了对多相流动力学的综合分析	数据集仅包含23个实验点，覆盖三种流型（分层流、段塞流和分散气泡流），样本规模有限	研究管道中两相流和流致振动现象	水平管道中的气水混合两相流	流体力学	NA	高速摄像、传感器同步测量、图像处理	深度学习算法	时间序列传感器数据、视频图像	23个实验点，600秒传感器数据（25.6 kHz采样率），15秒高速视频（800 fps）	NA	NA	NA	NA
4756	2025-10-29	Unravelling emotions: exploring deep learning approaches for EEG-based emotion recognition with current challenges and future recommendations 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10328-9 PMID:41141240	综述	本文系统综述了基于脑电图信号和深度学习的情绪识别研究现状，并比较了不同模型的性能	系统比较了多种深度学习模型与传统机器学习模型在脑电图情绪识别中的性能，并提出了未来研究路线图	仅基于PRISMA指南筛选了2018-2024年间120篇文献，可能存在文献覆盖不全的局限性	探索深度学习在基于脑电图的情绪识别中的应用效果	脑电图信号和情绪识别	机器学习	NA	脑电图	CNN, LSTM, GRU, BiLSTM, 双向GRU, 卷积循环神经网络, EEG-Conformer	脑电图信号	基于SEED和GAMEEMO两个数据集	NA	卷积循环神经网络, EEG-Conformer	准确率, 精确率, 召回率, F1分数	NA
4757	2025-10-29	nnU-Net-based high-resolution CT features quantification for interstitial lung diseases 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11649-3 PMID:40341974	研究论文	基于nnU-Net开发用于间质性肺病的高分辨率CT异常量化工具CVILDES	首次将nnU-Net网络结构应用于间质性肺病HRCT特征的自动分割和量化	样本量相对有限（总计168例），需要进一步多中心验证	开发可靠的间质性肺病CT定量评估工具	间质性肺病患者和其他弥漫性肺病患者	计算机视觉	间质性肺病	HRCT扫描	U-Net	CT图像	83例间质性肺病和20例其他弥漫性肺病（训练集），51例IPAF和14例IPF（验证集）	nnU-Net	nnU-Net	相关系数r, p值	NA
4758	2025-10-29	Automated CT segmentation for lower extremity tissues in lymphedema evaluation using deep learning 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11673-3 PMID:40377677	研究论文	开发并验证基于深度学习的自动CT分割工具，用于下肢淋巴水肿评估中的组织成分分析	首次将Unet++架构与EfficientNet-B7编码器结合应用于下肢淋巴水肿的CT组织分割，并开发了可视化GUI工具	样本量相对有限（开发集118例，验证集各10例），仅针对妇科癌症患者的下肢淋巴水肿	开发自动化的下肢组织分割工具以改进淋巴水肿评估	下肢CT静脉造影扫描图像中的脂肪、肌肉和液性-纤维化组织成分	医学影像分析	淋巴水肿	CT静脉造影	深度学习	CT医学影像	开发集118例妇科癌症患者，内部验证集10例，外部验证集10例	NA	Unet++, EfficientNet-B7	Dice相似系数, 体积相似度	NA
4759	2025-10-29	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	研究论文	开发基于深度学习的算法，使用非增强CT扫描对蛛网膜下腔出血进行病因分类	首次利用非增强CT扫描和深度学习技术实现动脉瘤性与非动脉瘤性蛛网膜下腔出血的自动分类	回顾性研究设计，样本量相对有限	开发能够区分动脉瘤性和非动脉瘤性蛛网膜下腔出血的深度学习算法	618名蛛网膜下腔出血患者	医学影像分析	脑血管疾病	非增强计算机断层扫描(NCCT)	深度学习	医学影像	618例患者(训练验证集533例，外部测试集85例)	NA	U-Net++, ResNet	灵敏度, 特异度, 准确率, Matthews相关系数, AUC	NA
4760	2025-10-29	Systematic review on the impact of deep learning-driven worklist triage on radiology workflow and clinical outcomes 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11674-2 PMID:40397031	系统综述	系统评估深度学习驱动的工作列表分诊对放射学工作流程和临床结果的影响	首次系统分析深度学习分诊系统在不同临床环境和疾病类型中对诊断延迟和患者结局的影响	需要进一步研究假阴性检查和多条件优先级的可靠指标	评估基于深度学习的分诊系统在减少诊断延迟和改善患者结局方面的效果	放射学工作流程和患者临床结局	医疗人工智能	肺栓塞, 脑卒中, 颅内出血, 胸部疾病	深度学习	NA	医学影像	38项研究，来自20篇出版物，涉及138,423张图像	NA	NA	报告周转时间, 治疗时间, 患者结局差异	NA