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
11781	2025-10-06	Long-wave infrared computational multispectral metasurface and spectral reconstruction method 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06599-1 PMID:40596247	研究论文	提出一种基于3×3光子晶体阵列架构的长波红外计算多光谱超表面及其光谱重建方法	采用硬件-算法协同设计框架，通道间透射率相关系数仅0.17，光谱区分能力优于传统光栅系统	未明确说明实验验证的具体应用场景和外部验证数据集	开发新一代红外多光谱系统的集成化解决方案	长波红外光谱（8-11.5μm）范围内的多光谱成像	计算成像	NA	光子晶体阵列，光谱重建	深度学习网络	透射光谱数据	NA	NA	NA	均方误差（2.86）	NA
11782	2025-10-06	Multimodal deep learning-based radiomics for meningioma consistency prediction: integrating T1 and T2 MRI in a multi-center study 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01787-x PMID:40596910	研究论文	本研究开发了一种基于多模态深度学习的影像组学模型，用于预测脑膜瘤的质地	首次将T1和T2 MRI与深度学习和影像组学特征相结合，在多中心研究中预测脑膜瘤质地	回顾性研究，样本量相对有限（204例患者）	提高脑膜瘤质地预测的准确性以改善术前评估和手术规划	脑膜瘤患者	医学影像分析	脑膜瘤	MRI（T1和T2加权成像）	深度学习模型	医学影像（MRI）	204例脑膜瘤患者来自两个医疗中心	NA	NA	AUC, 准确率, 敏感度, 特异度, 精确率	NA
11783	2025-10-06	A comparative study of robustness to noise and interpretability in U-Net-based denoising of Raman spectra 2025-Jun-27, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126577 PMID:40618630	研究论文	本研究比较了基于U-Net的拉曼光谱去噪模型在不同训练策略下的鲁棒性和可解释性	首次将可解释性技术应用于拉曼光谱去噪模型分析，揭示了不同训练策略对模型决策过程的影响	研究仅限于U-Net架构，未探索其他深度学习模型在拉曼光谱去噪中的表现	探究不同训练策略对拉曼光谱去噪模型泛化能力和鲁棒性的影响	拉曼光谱数据	机器学习	NA	拉曼光谱	U-Net	光谱数据	使用不同积分时间采集的光谱数据集	NA	U-Net	均方根误差, 皮尔逊相关系数	NA
11784	2025-10-06	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2025-Jun-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.06.25328492 PMID:40585088	研究论文	提出基于Transformer的深度学习框架，整合病理图像和基因表达数据分析肺鳞状上皮癌前病变	首次将Transformer架构应用于肺鳞状上皮癌前病变的多模态数据分析，实现病理图像与基因表达的灵活融合	模型训练基于二元标签，可能无法完全捕捉病变谱系的连续性特征	开发多模态深度学习框架以区分支气管发育不良及以上病变与正常/增生/化生组织	肺癌高风险患者的支气管活检组织	数字病理	肺癌	H&E全切片成像, 批量基因表达分析	Transformer	图像, 基因表达数据	来自4项研究的多中心数据集	NA	Transformer	AUROC	NA
11785	2025-10-06	Deep learning-based organ-at-risk segmentation, registration and dosimetry on cone beam computed tomography images in radiation therapy: A comprehensive review 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2006_24 PMID:40616533	综述	本文全面综述了深度学习在锥形束CT图像中危及器官分割、配准和剂量计算的应用进展	系统总结了生成对抗网络和深度卷积神经网络在提升CBCT图像质量、器官分割精度和剂量计算准确性方面的最新方法创新	作为综述文章，不涉及原始研究数据验证，主要基于现有文献分析	探讨深度学习技术在放射治疗CBCT图像分析中的应用与发展	锥形束CT图像及其在放射治疗中的临床应用	医学影像分析	肿瘤放射治疗	锥形束CT成像	GAN, DCNN	医学影像	NA	NA	生成对抗网络, 深度卷积神经网络	分割精度, 配准精度, 剂量计算准确性	NA
11786	2025-10-06	Precision prediction of cervical cancer outcomes: A machine learning approach to recurrence and survival analysis 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2524_24 PMID:40616534	综述	探讨人工智能在预测宫颈癌复发和生存率中的作用及其技术应用	系统综述AI技术在宫颈癌预后预测中的整合应用，涵盖多模态数据融合与个性化医疗前景	未涉及具体实验验证，主要讨论技术挑战与应用局限性	评估人工智能在宫颈癌复发与生存预测领域的应用价值	宫颈癌患者的医疗数据（影像、基因组、临床资料）	自然语言处理,机器学习	宫颈癌	医学影像分析、基因组分析、临床数据处理	机器学习,深度学习	医学影像、基因组数据、临床文本数据	NA	NA	NA	NA	NA
11787	2025-10-06	Learning to Learn Transferable Generative Attack for Person Re-Identification 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558434 PMID:40232916	研究论文	提出一种元学习优化的生成式对抗攻击方法MTGA，用于提升行人重识别模型对抗样本的跨模型、跨数据集和跨测试迁移能力	首次考虑跨测试迁移能力，提出元迁移生成攻击方法，通过扰动随机擦除模块和归一化混合策略增强对抗样本的泛化性	未明确说明计算资源需求和对不同行人重识别架构的普适性验证	提升对抗攻击在行人重识别任务中的迁移能力，评估模型鲁棒性	行人重识别模型	计算机视觉	NA	元学习，生成式对抗攻击	生成模型	图像	NA	NA	MTGA	mAP下降率	NA
11788	2025-10-06	Kernelized weighted local information based picture fuzzy clustering with multivariate coefficient of variation and modified total Bregman divergence measure for brain MRI image segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110458 PMID:40527240	研究论文	提出一种基于核化加权局部信息的图像模糊聚类方法，用于脑部MRI图像分割	首次将多元变异系数理论应用于局部图像模糊信息度量，并结合改进的总Bregman散度度量，增强了噪声环境下的分割鲁棒性	NA	开发一种能够有效处理噪声图像分割的聚类方法	脑部MRI图像和CT图像	计算机视觉	脑部疾病	MRI成像，CT成像	模糊聚类	医学图像	合成图像（高斯噪声、椒盐噪声、混合噪声）、Brainweb、IBSR、MRBrainS18 MRI数据集、CT图像模板	NA	NA	Dice系数，模糊性能指数，改进分区熵，平均体积差异，XB指数	NA
11789	2025-10-06	Learning hemodynamic scalar fields on coronary artery meshes: A benchmark of geometric deep learning models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110477 PMID:40532501	研究论文	本文对六种几何深度学习模型在冠状动脉网格上预测虚拟血流储备分数场进行了全面实证分析	首次系统比较不同几何深度学习后端在预测冠状动脉血流动力学标量场方面的性能，并确定基于Transformer的架构在复杂拓扑数据中的优势	研究主要基于合成数据和有限的患者特定数据，需要在更大规模的真实临床数据上进行验证	开发计算流体动力学模拟的有效替代方法，用于预测冠状动脉血流动力学参数	冠状动脉几何网格和相关的血流动力学标量场	几何深度学习	冠状动脉疾病	计算流体动力学，几何深度学习	几何深度学习模型	三维网格数据	1,500个左冠状动脉合成分叉和427个患者特定CFD模拟	NA	Transformer, 多种几何深度学习后端	平均每点误差，狭窄病变中vFFR预测准确性	NA
11790	2025-10-06	Patch-type wearable electrocardiography and impedance pneumography for sleep staging: A multi-modal deep learning approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110452 PMID:40532503	研究论文	本研究评估贴片式可穿戴设备使用单导联心电图和阻抗呼吸图进行多阶段睡眠分期的可行性	提出结合心电图和阻抗呼吸图的多模态深度学习睡眠分期方法，并采用特征降维技术显著提升计算效率	样本量相对有限（92名患者），未与其他可穿戴设备进行广泛比较	开发基于可穿戴设备的自动睡眠分期系统	睡眠分期和睡眠质量监测	机器学习	睡眠障碍	单导联心电图，阻抗呼吸图，运动传感器	RCNN	生理信号数据	92名患者	NA	RCNN	准确率，AUROC，F1-score	NA
11791	2025-10-06	Expert-level differentiation of incomplete Kawasaki disease and pneumonia from echocardiography via multiple large receptive attention mechanisms 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110478 PMID:40541073	研究论文	开发基于多尺度注意力机制的深度学习模型，通过超声心动图实现不完全川崎病与肺炎的专家级鉴别诊断	提出两种新型深度学习架构MRANet和MLRANet，首次将多尺度感受野注意力机制应用于川崎病冠状动脉异常的自动检测	样本量相对有限（203个超声心动图数据集），需要在更大规模数据集中验证模型泛化能力	开发能够实现专家级性能的算法，辅助不完全川崎病的早期诊断	不完全川崎病和肺炎患者的超声心动图数据	计算机视觉	川崎病	超声心动图	深度学习	医学图像	203个超声心动图数据集	NA	MRANet, MLRANet	灵敏度, 特异度, 诊断准确率	NA
11792	2025-10-06	Generative deep-learning-model based contrast enhancement for digital subtraction angiography using a text-conditioned image-to-image model 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110598 PMID:40543272	研究论文	本研究开发了一种基于生成式深度学习模型的数字减影血管造影对比度增强技术	首次将文本条件图像到图像模型应用于DSA对比度增强，结合ControlNet减少幻觉和LoRA进行模型微调	信噪比下降表明噪声增加，需要进一步改进伪影抑制和临床验证	开发深度学习模型增强DSA图像对比度，特别适用于慢性肾病患者减少造影剂使用	数字减影血管造影图像	计算机视觉	慢性肾病	数字减影血管造影	生成式深度学习模型	医学图像	1207个DSA序列	Stable Diffusion, ControlNet	文本条件图像到图像模型	RMS对比度, Michelson对比度, 信噪比, 熵	NA
11793	2025-10-06	Spindle Autoencoder-CNN hybrid model for cardiac arrhythmia classification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110593 PMID:40543278	研究论文	提出一种结合改进纺锤形自编码器和卷积神经网络的深度学习框架，用于心电信号心律失常分类	使用改进的纺锤形自编码器提取心电信号复杂特征，与传统自编码器相比具有更深且对称的隐藏层结构	仅在MIT-BIH心律失常数据库上进行验证，未提及在其他数据集上的泛化能力	开发自动心律失常检测系统以提高诊断效率	心电信号中的正常和异常心跳	机器学习	心血管疾病	心电信号分析	自编码器, CNN	心电信号	MIT-BIH心律失常数据库中的心跳记录	NA	改进纺锤形自编码器, 卷积神经网络	准确率	NA
11794	2025-10-06	PMFF-Net: A deep learning-based image classification model for UIP, NSIP, and OP 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110618 PMID:40543280	研究论文	开发基于深度学习的PMFF-Net模型用于分类间质性肺病的三种常见类型和正常影像	提出并行多尺度特征融合网络(PMFF-Net)用于间质性肺病影像分类，并与不同级别医院和资历的医生进行诊断效能对比	样本量相对较小（130例患者），仅来自昆明四家三甲医院，缺乏外部验证	开发深度学习分类模型辅助医生诊断间质性肺病，提高诊断准确性	间质性肺病患者的HRCT影像，包括UIP、NSIP、OP三种类型及正常对照	计算机视觉	间质性肺病	高分辨率计算机断层扫描(HRCT)	CNN	医学影像	130例患者HRCT扫描+50例正常对照	Python	PMFF-Net（并行多尺度特征融合网络）	准确率,精确率,召回率,F1分数	NA
11795	2025-10-06	BioTransX: A novel bi-former based hybrid model with bi-level routing attention for brain tumor classification with explainable insights 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110515 PMID:40543279	研究论文	提出一种基于双形式编码器和双级路由注意力的混合模型BioTransX，用于脑肿瘤分类并提供可解释性分析	结合双形式编码器机制（基于动态稀疏注意力的Transformer）与集成卷积网络，集成Grad-CAM和梯度注意力展开技术增强模型可解释性	仅在特定数据集上验证，未在更广泛的临床环境中测试	开发高精度、可解释的脑肿瘤自动检测系统	脑肿瘤MRI图像	计算机视觉	脑肿瘤	对比度受限自适应直方图均衡化(CLAHE)	Transformer, CNN	医学图像(MRI)	Kaggle MRI数据集、BraTS数据集、Figshare数据集	NA	Bi-former, 集成卷积网络	准确率, F1分数	资源受限的临床基础设施
11796	2025-10-06	SE-ATT-YOLO- A deep learning driven ultrasound based respiratory motion compensation system for precision radiotherapy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110638 PMID:40544802	研究论文	开发了一种基于超声和深度学习的呼吸运动补偿系统，用于精准放射治疗	在YOLOv8n基础上引入压缩激励块进行通道重校准和增强注意力机制，提出SE-ATT-YOLO模型	NA	减轻放射治疗中呼吸运动引起的肿瘤位移影响	人体膈肌超声运动	计算机视觉	肿瘤	超声成像	CNN, YOLO	超声图像	NA	NA	YOLOv8n, SE-ATT-YOLO	mAP, RMSE, FPS	NA
11797	2025-10-06	Ensemble-based Convolutional Neural Networks for brain tumor classification in MRI: Enhancing accuracy and interpretability using explainable AI 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110555 PMID:40554976	研究论文	提出一种基于集成卷积神经网络和可解释AI的脑肿瘤MRI分类方法	结合多种预训练CNN架构的集成学习策略，并集成Grad-CAM++和Integrated Gradients等可解释性技术增强临床可信度	未提及具体的数据集规模和外部验证结果	提高脑肿瘤MRI分类的准确性和可解释性	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体腺瘤和良性病例	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	VGG16, DenseNet121, Inception-ResNet-v2	准确率	NA
11798	2025-10-06	Towards a comprehensive characterization of arteries and veins in retinal imaging 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110516 PMID:40554981	研究论文	提出一种新颖的集成方法，通过多阶段流程准确重建视网膜血管路径并提取血管级特征	首次将血管分割、路径重建和特征提取集成到统一框架中，超越传统仅关注血管分割的方法	未明确说明方法在复杂病理情况下的泛化能力	开发能够全面表征视网膜动静脉的计算机辅助诊断方法	视网膜眼底图像中的动脉和静脉血管	计算机视觉	糖尿病、高血压相关眼病	视网膜眼底成像	深度语义分割网络, 循环神经网络	视网膜图像	NA	NA	NA	定性评估, 定量评估	NA
11799	2025-10-06	SER inspired deep learning approach to detect cardiac arrhythmias in electrocardiogram signals using Temporal Convolutional Network and graph neural network 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110536 PMID:40580615	研究论文	提出一种结合时序卷积网络和图卷积网络的深度学习方法来检测心电信号中的心律失常	将心电信号构建为周期图，利用图信号处理增强数据表示，结合TCN和GCN提高分类精度	未提及具体的研究局限性	开发稳健的心律失常自动检测方法	心电信号和心律失常分类	机器学习	心血管疾病	心电信号分析	TCN, GCN	心电信号	使用Chapman和Shaoxing 12导联心电数据库	NA	时序卷积网络, 图卷积网络	准确率	NA
11800	2025-10-06	A comprehensive hybrid model: Combining bioinspired optimization and deep learning for Alzheimer's disease identification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110654 PMID:40580613	研究论文	提出一种结合生物启发优化和深度学习的混合模型，用于阿尔茨海默病的脑区分割和分类识别	首次将灰狼优化(GWO)和哈里斯鹰优化(HHO)相结合用于脑区分割，并与深度学习分类模型集成	NA	开发新的混合技术用于阿尔茨海默病识别，满足临床发现主要生物标志物的目标	阿尔茨海默病患者和正常对照组的脑部数据	医学影像分析	阿尔茨海默病	脑影像分割和分类	深度学习	脑部影像数据	NA	NA	NA	准确率	NA