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
1741	2025-12-19	FusDRM-m5C: a hybrid model for accurate prediction of 5-methylcytosine modification sites based on feature fusion and attention mechanism 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1642286 PMID:41399733	研究论文	本文提出了一种名为FusDRM-m5C的混合深度学习模型，用于从RNA序列中高精度预测5-甲基胞嘧啶修饰位点	该模型采用多分支架构融合了三种不同的特征类型，并结合了扩张卷积神经网络和多头自注意力机制，以捕捉多尺度模式并权衡上下文依赖信息	NA	开发一个计算模型来高精度预测RNA序列中的5-甲基胞嘧啶修饰位点	RNA序列中的5-甲基胞嘧啶修饰位点	生物信息学	NA	RNA序列分析	深度学习	序列数据	NA	NA	Dilated Convolutional Neural Network, Multi-Head Self-Attention	灵敏度, 特异性, 准确率, 马修斯相关系数, AUC	NA
1742	2025-12-18	LBNet: an optimized lightweight CNN for mammographic breast cancer classification with XAI-based interpretability 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31642-6 PMID:41402449	研究论文	本文提出了一种名为LBNet的轻量级可解释卷积神经网络，用于乳腺X线摄影图像的乳腺癌分类	提出了一种参数仅240万的轻量级CNN架构，在保持高精度的同时显著降低了计算复杂度，并集成了SHAP和Grad-CAM等XAI方法以增强模型的可解释性	未来研究可探索其在多视角乳腺X线摄影和实时临床部署中的应用	开发一种准确、高效且可解释的乳腺癌筛查解决方案，特别适用于资源受限的环境	乳腺X线摄影图像	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	RSNA数据集（具体数量未明确），并在CBIS-DDSM和MIAS外部数据集上验证	未明确指定	LBNet（包含5个卷积层，使用ReLU激活、批归一化和最大池化）	准确率, 精确率, 召回率	未明确指定
1743	2025-12-18	Deep learning-based seed variety classification: a case study in maize 2025-Dec-17, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07919-3 PMID:41402752	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1744	2025-12-18	Deep Learning for Coronary Stenosis Detection in Heavily Calcified Plaques at Coronary CT Angiography: A Stepwise, Multicenter Study 2025-Dec-17, Radiology. Artificial intelligence DOI:10.1148/ryai.250109 PMID:41405428	研究论文	开发并验证了一种用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管狭窄的深度学习模型	提出了一种专门针对重度钙化斑块的深度学习模型，并进行了多中心、分步骤的验证，包括模拟真实世界部署的前瞻性数据集评估	研究为回顾性设计，且模型性能在重度钙化（Agatston评分>300）的特定人群中评估	开发并验证一个深度学习模型，用于在冠状动脉CT血管造影中自动检测重度钙化斑块引起的冠状动脉狭窄	冠状动脉CT血管造影图像，特别是包含重度钙化斑块的血管	数字病理学	心血管疾病	冠状动脉CT血管造影，定量冠状动脉造影	深度学习模型	医学图像	开发集10,101例CCTA，外部测试集1包含442例CCTA，外部测试集2包含120例CCTA，外部测试集3包含150例前瞻性收集的CCTA	NA	NA	特异性，受试者工作特征曲线下面积，科恩卡帕系数	NA
1745	2025-12-18	A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI 2025-Dec-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12208-6 PMID:41405689	研究论文	本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌肿瘤进行风险分层	首次利用深度学习模型基于常规DCE MRI将NHG2肿瘤重新分类为NHG1样和NHG3样亚组，并证明这种分类与复发风险独立相关	研究使用了回顾性数据，且外部验证样本量较小（n=37），需要前瞻性研究进一步验证	开发一种基于MRI的深度学习工具，对中间风险（NHG2）乳腺癌进行更精确的风险分层，以指导个体化治疗决策	乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤	数字病理学	乳腺癌	动态对比增强MRI	CNN	MRI图像	训练集877例，外部验证集37例，NHG2肿瘤456例	NA	DeepRadGrade	AUC, C-index, 风险比	NA
1746	2025-12-18	Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study 2025-Dec-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12171-2 PMID:41405693	研究论文	本研究利用深度学习模型评估慢性腰痛患者脊柱旁肌肉脂肪分数，并探讨肌肉功能在肌肉退化与功能障碍之间的中介作用	首次将深度学习与Otsu阈值法结合，从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行验证	样本量相对有限，且为单中心研究，可能影响结果的普适性	评估深度学习模型在量化脊柱旁肌肉退化方面的准确性，并探索肌肉功能在肌肉退化与功能障碍关系中的中介作用	慢性腰痛患者和健康参与者的脊柱旁肌肉（多裂肌和竖脊肌）	数字病理学	慢性腰痛	3T MRI, Dixon MRI, 3D T2加权成像	深度学习模型	医学图像	96名慢性腰痛患者和86名健康参与者	NA	DL-Otsu阈值模型	Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析	NA
1747	2025-12-18	Comparison of deep learning reconstruction algorithms to improve image quality of dual-energy carotid CT angiography under dual-low scan 2025-Dec-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03803-x PMID:41405722	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1748	2025-12-18	An open bone marrow megakaryocyte dataset for automated morphologic studies 2025-Dec-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06450-2 PMID:41402328	研究论文	本文介绍了MK-11数据集，这是一个用于自动形态学研究的公开骨髓巨核细胞图像数据集，包含11个临床相关亚型的标注图像	首次提供了公开的巨核细胞亚型分类数据集，填补了高质量、开放许可数据在巨核细胞分类领域的空白	数据集规模相对有限（7,204张图像），且仅基于Wright-Giemsa染色图像，可能无法覆盖所有形态变异	开发并评估用于骨髓巨核细胞亚型自动形态学分类的深度学习模型	骨髓中的巨核细胞，特别是11个临床相关亚型	数字病理学	血液系统疾病	Wright-Giemsa染色	CNN, Transformer	图像	7,204张单细胞图像	NA	卷积神经网络, 基于Transformer的模型	NA	NA
1749	2025-12-18	SLEEPYLAND: trust begins with fair evaluation of automatic sleep staging models 2025-Dec-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02237-2 PMID:41402410	研究论文	本文介绍了SLEEPYLAND框架，一个用于自动睡眠分期模型公平评估的开源平台，包含大量多导睡眠图数据，并提出了SOMNUS集成模型以提升性能	提出了SLEEPYLAND开源框架，整合了约220,000小时域内和84,000小时域外多导睡眠图数据，并引入SOMNUS集成模型，通过软投票集成多个模型，在多个数据集上超越现有最佳模型和人类评分者	尽管SOMNUS提升了泛化能力，但未发现任何模型架构能一致地最小化人口统计学或临床偏倚	推动自动睡眠分期模型的公平评估和临床采用，解决泛化性差、模型偏倚和评估不一致的问题	多导睡眠图记录数据，涵盖不同年龄、睡眠障碍和硬件配置	机器学习	睡眠障碍	多导睡眠图记录	深度学习模型	多导睡眠图信号	约220,000小时域内数据和84,000小时域外数据，涉及24个数据集，包括Bern-Sleep-Wake-Registry（N=6633）	NA	集成模型（SOMNUS），具体架构未指定	macro-F1, ROC-AUC	NA
1750	2025-12-18	Research on engine power-loss fault diagnosis method based on time-series data mining 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32777-2 PMID:41402412	研究论文	本研究提出了一种基于时间序列数据挖掘的商用车发动机动力损失故障智能诊断方法	提出了一种结合时间序列数据挖掘的双框架诊断策略，根据油门开度变化率将数据分类，并针对不同意图分别采用机器学习和深度学习模型进行故障诊断	NA	解决商用车发动机动力损失故障诊断中传统方法依赖现场路试、人力和物力消耗高的问题	商用车发动机动力损失故障	机器学习	NA	时间序列数据挖掘	机器学习算法, 深度学习模型	时间序列数据	NA	NA	NA	准确性, 特异性	NA
1751	2025-12-18	Patch-sampled contrastive learning for dense prediction pretraining in metallographic images 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32855-5 PMID:41402416	研究论文	提出一种用于金相图像密集预测预训练的新型补丁采样对比学习方法，以解决标注成本高的问题	设计了结合图像级和补丁级对比学习的多尺度框架，并引入基于特征相似性的采样方法以捕获不同类别微结构的可区分特征	仅使用一张标注图像进行微调，可能限制了模型在更广泛数据上的泛化能力验证	开发适用于金相图像微结构分割的自监督预训练框架	金相图像中的微结构（形状、尺寸和分布）	计算机视觉	NA	自监督学习	对比学习	图像	未明确说明，但实验中仅使用一张标注图像进行微调	未明确说明	未明确说明具体架构，但提及与现有自监督学习方法使用相同的模型结构	Dice系数	NA
1752	2025-12-18	Deep learning based real-time prediction of depth of penetration during activated tungsten inert gas welding of 10 mm thick 316LN stainless steel 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31414-2 PMID:41402476	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1753	2025-12-18	Enhancing the weed segmentation in diverse crop fields using computationally effective concatenated attention U-Net with convolutional block attention module 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31285-7 PMID:41402468	研究论文	本文提出了一种轻量级的卷积神经网络CAUC，用于在多种作物田中高效分割杂草，以提高作物生产力	通过集成线性连接块、注意力门连接和卷积块注意力模块，CAUC模型在保持轻量化的同时实现了高性能，并开发了适用于低计算设备的计算机视觉应用	NA	开发一种轻量化的深度学习模型，用于在多种作物田中实现高效的杂草分割，以支持选择性杂草处理	作物田中的杂草	计算机视觉	NA	深度学习	CNN	图像	三个数据集：CWFID、Sugar Beet和Sunflower数据集	NA	U-Net, Concatenated Attention U-Net with Convolutional Block Attention Module (CAUC)	准确率, MIoU, F1分数	低计算设备
1754	2025-12-18	A robust deep learning approach for rock discontinuity identification from large scale 3D point clouds 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31137-4 PMID:41402495	研究论文	本研究提出了一种名为RL-JointNet的端到端深度学习方法，用于从大规模三维点云中稳健地识别岩石不连续面	RL-JointNet的核心创新在于其增强的局部特征提取模块，该模块集成了显式相对位置编码以捕捉细粒度空间关系，以及多路径特征融合策略以更好地表示复杂的邻域几何结构	NA	解决大规模点云分析中因细尺度特征表示不佳和参数敏感性高而受限的问题，实现岩石不连续面的自动化分析	岩石不连续面（岩石斜坡中的关键地质特征）	计算机视觉	NA	三维点云分析	深度学习	三维点云	来自两个岩石斜坡的高分辨率点云数据集	NA	RL-JointNet	全局准确率, 平均交并比, 识别准确率	NA
1755	2025-12-18	A hybrid machine vision and handcrafted features fusion based approach for fine-grained millet classification 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32311-4 PMID:41402508	研究论文	本研究提出两种新颖的混合框架，结合手工特征和深度学习技术，用于细粒度小米品种分类	提出两种混合框架，首次将定制手工特征提取与堆叠集成机器学习或双向深度学习架构相结合，有效融合手工特征和深度学习范式	未提及数据集的具体规模或公开可用性，可能限制模型的可重复性和泛化能力	解决小米品种因视觉相似性和标注数据有限而难以准确分类的问题	小米品种，包括谷子、小小米和黍子等	计算机视觉	NA	机器视觉与手工特征提取	SVM, RF, KNN, 深度学习	图像	NA	NA	VGG19	准确率, F1分数, ROC-AUC	NA
1756	2025-12-18	An enhanced dual inception-attention-BiGRU-attention model integrating wavelet transform for wearable sensor-based human activity recognition 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32859-1 PMID:41402537	研究论文	本文提出了一种结合小波变换的增强型双Inception-Attention-BiGRU-Attention模型，用于基于可穿戴传感器的人类活动识别	提出了一种名为Dual-INABA的混合模型，集成了Inception、注意力机制和BiGRU，并通过小波变换进行信号去噪以提升分类性能	未明确说明模型的计算复杂度或在实际部署中的资源消耗	提高基于可穿戴传感器的人类活动识别系统的准确性和效率	人类活动识别	机器学习	NA	小波变换	CNN, LSTM	传感器信号	自收集的WSMC-HAR数据集以及PAMAP2、UCI-HAR、WISDM基准数据集	NA	Inception, BiGRU	分类准确率	NA
1757	2025-12-18	Pixel Tampering: Does Face Redaction Harm Medical AI Performance? 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01776-0 PMID:41402615	研究论文	本研究评估了面部脱敏工具对深度学习模型在医学影像中性能的影响，并通过Kaggle竞赛验证了其有效性	开发了一个开源的面部脱敏工具，旨在增强数据共享安全性同时保持深度学习性能，并通过大规模竞赛验证了其在年龄预测任务中的效果	研究仅基于头部CT影像和年龄预测任务，可能无法推广到其他医学影像类型或临床任务	评估面部脱敏处理是否会影响深度学习模型在医学影像分析中的性能	头部CT影像及其对应的年龄预测任务	医学影像分析	NA	深度学习	深度学习模型	医学影像（头部CT）	训练集2377例，测试集148例，来自多个机构	NA	NA	平均绝对误差（MAE）	NA
1758	2025-12-18	Advanced Multi-architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01770-6 PMID:41402617	研究论文	本文开发了一个用于基于内容的乳腺X线图像检索的综合评估框架，通过比较不同CNN架构在高级训练策略下的性能，旨在提升BIRADS分类的精确匹配能力	提出了一个系统性的评估框架，首次在BIRADS五分类检索任务中综合比较了多种CNN架构（DenseNet121、ResNet50、VGG16）在高级微调、度量学习和超级集成优化策略下的性能，并采用严格的病人分层划分和统计验证方法	研究样本量相对有限（1003名患者），且仅针对乳腺X线图像，未扩展到其他医学影像模态	提升基于内容的乳腺X线图像检索在BIRADS五分类任务中的准确性和临床实用性	乳腺X线图像及其对应的BIRADS分类	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	1003名患者（每人两张图像），共602个测试查询	未明确指定，但可能涉及TensorFlow或PyTorch	DenseNet121, ResNet50, VGG16	precision@10, 准确率, 统计显著性检验（t检验, Cohen's d）	未明确指定，但提及了计算成本降低
1759	2025-12-18	A Timeseries-based Multimodal Deep Learning Approach for Lung Nodule Growth Prediction 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01788-w PMID:41402619	研究论文	本研究提出了一种基于时间序列的多模态深度学习框架，用于预测肺结节的生长，通过整合CT图像序列、人口统计学和结节特异性特征来提高预测准确性	采用时间序列CT图像数据与多模态特征（人口统计学和结节特异性特征）相结合的多模态深度学习框架，显著提升了肺结节生长预测的准确性	数据来源于单一医疗机构（台湾远东纪念医院），可能限制了模型的泛化能力	开发一个多模态深度学习模型，以准确预测肺结节的生长，辅助临床决策	肺结节患者，包括其CT图像序列、人口统计学信息和结节特异性特征	计算机视觉	肺癌	CT成像	深度学习模型	图像, 结构化数据	来自台湾远东纪念医院的数据集，具体样本数量未明确说明	NA	多模态深度学习框架	准确率, 精确率, 灵敏度, F1分数, AUC	NA
1760	2025-12-18	Editorial for "Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model" 2025-Dec-16, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70208 PMID:41403056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA