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
6821	2025-10-05	EfficientNetSwift: A Lightweight and Precise Deep Learning Model for Detecting Oral Squamous Cell Carcinoma Using Pathological Images 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251380966 PMID:41004387	研究论文	开发基于改进轻量级EfficientNetSwift的深度学习模型，用于口腔鳞状细胞癌病理图像的自动检测	提出改进的轻量级EfficientNetSwift模型，在保持高精度的同时显著减少参数数量	NA	开发人工智能方法实现口腔鳞状细胞癌的自动化检测	口腔鳞状细胞癌病理图像	数字病理学	口腔鳞状细胞癌	深度学习	CNN, Transformer	病理图像	NA	NA	EfficientNetSwift, ResNet, MobileNet, VIT, Swin Transformer	准确率, AUC	NA
6822	2025-10-05	Automatic road damage recognition based on improved YOLOv11 with multi-scale feature extraction and fusion attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327387 PMID:41004548	研究论文	提出基于改进YOLOv11的道路损伤自动识别方法，通过多尺度特征提取和融合注意力机制提升检测性能	引入微小目标检测层增强小物体识别能力，集成全局注意力机制抑制背景噪声，采用轻量卷积模块优化计算效率	仅在RDD2022数据集上验证，未在更广泛场景测试泛化能力	开发高效准确的道路损伤自动检测方法以提升交通安全和维护效率	道路损伤图像	计算机视觉	NA	深度学习	YOLO	图像	RDD2022数据集	PyTorch	YOLOv11, C3k2CrossConv, C3k2Ghost	mAP@0.50, mAP@0.50:0.95	NA
6823	2025-10-05	CAAFE-ResNet: A ResNet With Channel Attention-Augmented Feature Extraction for Prognostic Assessment in Rectal Cancer 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70030 PMID:40867076	研究论文	提出一种基于ResNet18的通道注意力增强特征提取模型CAAFE-ResNet18，用于直肠癌MRI图像的预后评估	设计了创新的特征提取与补充模块CAAFE，结合多尺度空洞卷积并行架构和通道注意力机制，实现多层次信息融合、空间特征增强和通道特征优化	NA	通过深度学习模型早期识别直肠癌治疗完全响应和非响应患者	局部晚期直肠癌患者的MRI图像	计算机视觉	直肠癌	磁共振成像	CNN	图像	NA	NA	ResNet18*, CAAFE	NA	NA
6824	2025-10-05	FaithfulNet: An explainable deep learning framework for autism diagnosis using structural MRI 2025-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149904 PMID:40882812	研究论文	开发可解释深度学习框架FaithfulNet用于基于结构MRI的自闭症诊断	提出新型忠实视觉解释方法Faith_CAM，结合梯度类激活图和SHAP梯度解释器	使用公开数据集，缺乏外部验证和临床前瞻性研究	开发可解释AI框架用于自闭症诊断和记忆功能区损伤评估	自闭症患者的结构MRI数据	医学影像分析	自闭症	结构磁共振成像(sMRI)	深度学习	医学影像	ABIDE-II公共数据库中的sMRI数据	NA	FaithfulNet	准确率,AUC	NA
6825	2025-10-05	Comparison of organ volumes and standardized uptake values in [18F]FDG-PET/CT images using MOOSE and TotalSegmentator to segment CT images 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70025 PMID:40993940	研究论文	比较两种深度学习算法MOOSE和TotalSegmentator在[18F]FDG-PET/CT图像中分割33个解剖结构的体积和标准化摄取值差异	首次系统比较两种开源深度学习分割工具在PET/CT图像分析中的互换性	仅针对转移性乳腺癌患者的基线扫描，未评估其他疾病类型或随访数据	评估两种深度学习分割算法在器官体积和SUV值测量中的一致性	315名转移性乳腺癌女性的[18F]FDG-PET/CT基线图像	医学影像分析	乳腺癌	[18F]FDG-PET/CT成像	深度学习	CT图像,PET图像	315名患者	MOOSE v.3.0.14, TotalSegmentator v.2.0.5	NA	相对差异	NA
6826	2025-10-05	Early Prediction and Risk Analysis Using Hybrid Deep Learning Techniques in Multimodal Biomedical Image 2025-Oct, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23001 PMID:41015781	研究论文	提出一种融合多模态医学图像的混合深度学习框架，用于早期癌症预测和风险分析	结合多模态图像融合技术与混合深度学习模型，整合传统特征提取方法（ORB）和深度学习特征（InceptionV4），使用MS-GWNN分类器进行恶性肿瘤分期预测	未整合更多成像模态，缺乏实时临床应用验证，模型可解释性有待提升	开发能够处理多样化医学图像、提取有意义的特征并提供准确分类的高效模型，用于早期癌症检测	多模态医学图像（MRI和CT扫描）中的癌变区域	计算机视觉	癌症	多模态图像融合，高斯平滑预处理，ORB特征提取	混合深度学习	多模态医学图像	TCIA数据集	NA	InceptionV4, MS-GWNN	准确率, 敏感度, 特异性	NA
6827	2025-10-05	E2E-TM: Dual-Way Feature Extraction and End-to-End Transformer Based Parkinson's Disease Diagnosis Using Integrated MR Imaging and Electroencephalogram Signals 2025-Oct, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23002 PMID:41015780	研究论文	提出一种基于双模态特征提取和端到端Transformer的帕金森病诊断方法E2E-TM，整合磁共振成像和脑电图信号进行精确诊断	提出端到端Transformer模块E2E-TM，采用多尺度主干卷积和双路主干卷积模块进行特征提取，结合双并行注意力网络降低特征维度，实现多模态数据的有效融合	可能存在数据集多样性和代表性不足的风险，模型在特定人群上可能过拟合，影响跨患者群体和人口统计学的泛化能力	开发精确的帕金森病诊断方法	帕金森病患者	医学影像分析	帕金森病	磁共振成像, 脑电图	Transformer, CNN	图像, 信号	NA	NA	Transformer, Super U-Net	NA	NA
6828	2025-10-05	Multimodal Machine Learning with 3D-Weighted-Matrix Encoding for High-Throughput Design of High-Performance Polyurethanes 2025-Sep-27, Macromolecular rapid communications IF:4.2Q2 DOI:10.1002/marc.202500471 PMID:41014522	研究论文	开发了一种结合机器学习和多模态特征工程的高通量筛选框架，用于预测聚氨酯材料的力学性能	提出了有效的3D加权矩阵编码方法表示聚氨酯单体，特征区分度比传统分子描述符提高23%；采用早期融合架构将结构特征与合成工艺参数融合	NA	加速高性能聚氨酯材料的开发，解决材料结构复杂性带来的力学性能设计挑战	聚氨酯材料及其单体	机器学习	NA	3D加权矩阵编码，逻辑基编码，多模态特征融合	深度学习	化学结构表示，合成工艺参数	筛选超过1.5亿个分子和工艺组合	NA	多模态深度学习模型	决定系数	NA
6829	2025-10-05	[Advances in the application of artificial intelligence for pulmonary function assessment based on chest imaging in thoracic surgery] 2025-Sep-27, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20250309-00116 PMID:41015474	综述	探讨人工智能在基于胸部影像的胸外科肺功能评估中的应用进展	首次系统总结AI技术在多模态胸部影像（X射线、CT、MRI）肺功能评估中的创新应用，包括肺通气定量分析、弥散功能评估等新方向	面临数据标准化不足、模型可解释性有限、缺乏术后并发症预测模型等临床转化挑战	提升胸外科围术期肺功能评估的精准决策能力	胸外科患者的胸部影像数据及肺功能指标	医学影像分析	肺部疾病	多模态影像分析（X射线、CT、MRI）	深度学习	医学影像	NA	NA	NA	FEV1预测精度, DLCO评估准确率, TLC测量一致性	NA
6830	2025-10-05	Exploring learning transferability in deep segmentation of colorectal cancer liver metastases 2025-Sep-26, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111076 PMID:41014675	研究论文	本研究探索深度学习模型在结直肠癌肝转移分割任务中的知识迁移能力	首次系统研究在肝转移瘤分割任务中不同迁移学习方案的效果，并通过尺度特异性评估揭示领域特定预训练的优势	研究仅针对肝转移瘤数据集，未涵盖其他类型肝脏病变	评估深度学习模型在医学图像分割中的迁移学习能力	结直肠癌肝转移病灶	医学图像分割	结直肠癌肝转移	深度学习	Transformer	医学图像	NA	NA	Transformer	尺度特异性评估指标	NA
6831	2025-10-05	Does brain connectivity hold the key to safer roads? EEG-based fatigue detection in young drivers using interpretable deep learning 2025-Sep-26, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108251 PMID:41014829	研究论文	本研究通过EEG脑连接分析和可解释深度学习模型检测年轻驾驶员的心理疲劳	结合多头自注意力与长短期记忆网络(MHSA-xLSTM)的新型深度学习架构，并利用SHAP方法增强模型可解释性	样本量相对较小(32名年轻驾驶员)，需在更大群体中验证	开发准确且可解释的驾驶员疲劳检测方法以提高道路安全	年轻驾驶员	脑机接口, 深度学习	疲劳相关驾驶风险	脑电图(EEG), 脑功能网络分析	MHSA-xLSTM	EEG信号	32名年轻驾驶员	NA	多头自注意力机制, 长短期记忆网络	准确率	NA
6832	2025-10-05	[Research and prospects of deep learning in the field of temporomandibular disorders] 2025-Sep-26, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250507-00171 PMID:41015467	综述	回顾深度学习在颞下颌关节紊乱病诊疗中的应用现状，讨论面临的挑战并展望未来发展	首次系统总结深度学习技术在颞下颌关节紊乱病诊疗领域的研究进展与前景	NA	探讨深度学习技术在颞下颌关节紊乱病诊疗中的应用潜力与发展方向	颞下颌关节紊乱病患者	医学人工智能	颞下颌关节紊乱病	深度学习	NA	医学影像数据	NA	NA	NA	NA	NA
6833	2025-10-05	An open deep learning-based framework and model for tooth instance segmentation in dental CBCT 2025-Sep-25, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06578-w PMID:40996470	研究论文	开发了一个基于深度学习的开源框架和模型OralSeg，用于牙科CBCT图像中的牙齿实例分割	构建了密集标注的牙科CBCT数据集，结合Swin Transformer和空间Mamba模块进行多尺度残差特征融合，并部署为一键式工具	NA	解决当前牙科CBCT分割工具在准确性、可访问性和解剖覆盖范围方面的不足	牙科CBCT图像中的牙齿实例分割	计算机视觉	牙科疾病	CBCT成像	深度学习	医学图像	NA	3D Slicer平台	UNetR, Swin Transformer, 空间Mamba模块	Dice相似系数	NA
6834	2025-10-05	Segmentation-model-based framework to detect aortic dissection on non-contrast CT images: a retrospective study 2025-Sep-25, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02098-z PMID:40996604	研究论文	开发基于分割模型的深度学习框架，用于在非增强CT图像上自动检测主动脉夹层并可视化其形态和范围	首次在非增强CT图像上使用分割模型检测主动脉夹层，并利用假腔体积作为诊断指标	回顾性研究，样本量有限，仅包含两个医疗中心的数据	开发自动化的主动脉夹层检测和可视化方法	接受主动脉CTA检查的患者	数字病理	心血管疾病	CT扫描	深度学习分割模型	医学影像	701名患者（中心1：545例，中心2：156例）	NA	分割模型	Dice系数, ICC, AUC, 灵敏度, 特异性, 阴性预测值	NA
6835	2025-10-05	Attention-Enhanced CNNs and transformers for accurate monkeypox and skin disease detection 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12216-y PMID:40998853	研究论文	提出一种注意力增强的深度学习架构，用于从皮肤病变图像中准确检测猴痘和其他皮肤病	基于EfficientNetB7架构并增强坐标注意力机制，显著提升特征提取能力和分类准确率，在猴痘检测任务中达到前所未有的性能	未明确说明模型在真实临床环境中的部署挑战和计算资源需求	开发高精度的AI诊断工具用于猴痘和皮肤病的自动检测	皮肤病变图像	计算机视觉	猴痘, 皮肤病	图像分析	CNN, Transformer	图像	Monkeypox Skin Lesion Dataset (MSLD v2.0)数据集	NA	EfficientNetB7, Xception, Swin Transformer, ResNet-50, MobileNetV2	准确率, 精确率, 召回率, F1分数, AUC	NA
6836	2025-10-05	Automated segmentation of brain metastases in magnetic resonance imaging using deep learning in radiotherapy 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15630-4 PMID:40998856	研究论文	本研究提出基于深度学习的脑转移瘤自动分割方法BUC-Net，用于放疗中的磁共振影像分析	提出结合级联策略和瓶颈模块的BUC-Net架构，在脑转移瘤分割任务中表现优于传统U-Net模型	回顾性研究，样本量有限（158例患者），需要进一步前瞻性验证	开发自动分割脑转移瘤的深度学习模型以提升放疗规划效率	脑转移瘤患者的磁共振影像	医学影像分析	脑转移瘤	磁共振成像	CNN	医学影像	158例符合条件的脑转移瘤患者	NA	U-Net	Dice相似系数, 95% Hausdorff距离, 平均表面距离, 精确率-召回率曲线, 受试者工作特征曲线, 相对体积差异	NA
6837	2025-10-05	Multimodal text guided network for chest CT pneumonia classification 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14165-y PMID:40998864	研究论文	提出一种多模态文本引导网络用于胸部CT肺炎分类，通过融合CT序列和文本报告信息提升分类性能	设计了序列图池化网络编码CT序列，提出模态转移模块生成模拟文本特征，并采用跨模态注意力和对比学习增强特征学习	仅使用自建肺炎CT序列数据集，未在公共数据集上验证	开发自动肺炎诊断系统，解决CT序列分类中空间上下文信息丢失和多模态信息融合不足的问题	胸部CT序列和对应的文本报告	医学影像分析	肺炎	CT成像	图神经网络,注意力机制	CT序列图像,文本报告	自建肺炎CT序列数据集	NA	序列图池化网络,跨模态注意力,模态转移模块	分类性能指标	NA
6838	2025-10-05	Steel surface defect detection algorithm based on improved YOLOv10 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16725-8 PMID:40998876	研究论文	提出一种基于改进YOLOv10的钢材表面缺陷检测算法LAM-YOLOv10n，用于解决工业实时检测中的计算复杂度和特征丢失问题	提出LAM-YOLOv10n模型，集成轻量级ghost模块降低计算成本，设计空间多尺度注意力(SMA)模块增强缺陷特征提取，引入多分支特征融合网络(MFFN)改进多尺度特征聚合	NA	开发高效实时的钢材表面缺陷检测算法	钢材表面缺陷	计算机视觉	NA	机器视觉	YOLOv10	图像	NA	NA	YOLOv10n, LAM-YOLOv10n	精度	NA
6839	2025-10-05	A deep learning approach for improving spatiotemporal resolution of numerical weather prediction forecasts 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17867-5 PMID:40998886	研究论文	本研究提出了一种基于深度学习的时空融合模型，用于提高数值天气预报中风速和风向预测的时空分辨率与准确性	将全球预报系统与ERA5再分析数据相结合，采用一维卷积层进行空间数据融合和双向长短期记忆网络进行时空模式识别，显著提高了预报精度	NA	解决传统数值天气预报模型在航空运行风预报中的局限性	风速和风向预测	机器学习	NA	数值天气预报，深度学习	CNN, BiLSTM	气象数据	NA	NA	1D CNN, 双向LSTM	准确率，平均绝对误差	NA
6840	2025-10-05	End-to-end CNN-based deep learning enhances breast lesion characterization using quantitative ultrasound (QUS) spectral parametric images 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15772-5 PMID:40998883	研究论文	本研究探索使用深度CNN从QUS光谱参数图像分类乳腺病变，旨在增强放射组学和传统机器学习方法	首次将端到端CNN模型应用于QUS光谱参数图像进行乳腺病变表征，相比传统方法性能显著提升	样本量相对有限（276例），需要更大规模数据验证模型泛化能力	开发基于深度学习的乳腺病变自动分类方法	乳腺病变患者	计算机视觉	乳腺癌	定量超声（QUS）光谱参数成像	CNN	图像	276名参与者（184例恶性，92例良性），共1764张QUS光谱参数图像	NA	ResNet, Inception-v3, Xception, EfficientNet	召回率, 特异性, 平衡准确率, AUC	NA