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
141	2025-12-04	Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047244 PMID:41322092	研究论文	本文提出了一种名为多面体编码变换器（PE-Transformer）的新方法，用于处理扩散磁共振成像（dMRI）中的球形信号，通过将二十面体多边形投影到单位球面上进行重采样，并利用变换器编码器处理嵌入信号，以提升多室模型和纤维方向分布（FOD）的估计精度	该方法首次针对dMRI的球形信号特性设计，通过二十面体投影和重采样技术，结合变换器编码器处理方向信息，克服了传统深度学习模型在像素或体积块级嵌入中的局限性，并考虑了梯度编码的独特分布	NA	增强扩散磁共振成像（dMRI）数据分析的准确性，特别是在估计多室模型和纤维方向分布（FOD）方面	扩散磁共振成像（dMRI）数据，特别是球形信号和梯度编码协议	神经影像学	NA	扩散加权磁共振成像（dMRI），球形信号重采样	变换器（Transformer）	图像（扩散磁共振成像数据）	NA	NA	变换器编码器（Transformer encoder）	准确性	NA
142	2025-11-24	Masked image modeling in medical hyperspectral imaging: reconstruction evaluation and downstream tasks 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048802 PMID:41267884	研究论文	本研究开发了一种基于掩码图像建模的自监督预训练框架，用于医学高光谱成像中的组织分类任务	将先进的掩码图像建模预训练架构应用于医学高光谱成像，采用序列光谱和空间注意力机制，并强调预训练评估对下游任务性能提升的重要性	研究主要基于内部数据集，缺乏外部验证，且预训练评估方法仍有改进空间	开发有效的自监督预训练方法以提升医学高光谱成像在下游任务中的性能	各种腹部组织的高光谱图像	计算机视觉	NA	高光谱成像	自编码器	高光谱图像	内部数据集（具体数量未提供）	NA	掩码自编码器	平均绝对误差, 准确率	NA
143	2025-11-12	Evaluating pedestrian crossing safety: Implementing and evaluating a convolutional neural network model trained on paired aerial and subjective perspective images 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42428 PMID:40028551	研究论文	本研究通过实现和评估基于配对航拍图像和主观视角图像训练的卷积神经网络模型，自动化评估行人过街设施安全性	首次结合航拍图像和街景图像，采用ConvNextV2等先进CNN模型进行行人过街设施安全评估，并利用Mask R-CNN解决传统数据标注难题	面临数据不平衡问题，以及能见度和停车距离等复杂变量的分析挑战，需要持续的数据集扩充和方法论改进	通过深度学习神经网络自动化评估行人过街设施和环岛的安全性，改善行人安全	法国各种城市和乡村环境中的行人过街设施，重点关注九个已识别的风险因素	计算机视觉	NA	航拍图像和街景图像分析	CNN	图像	覆盖法国各种城市和农村环境的行人过街设施	NA	ConvNextV2, ResNet50, ResNext50, Mask R-CNN	NA	NA
144	2025-11-12	Data Harmonization with StyleTransfer-GANs: Enhancing Non-Invasive IDH Classification in Brain Tumors 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3049148 PMID:41200077	研究论文	开发基于风格迁移生成对抗网络的医学影像数据协调方法，提升脑胶质瘤IDH突变分类的准确性和泛化能力	首次将StyleTransfer-GAN应用于多中心MRI数据的协调，在保持关键影像特征的同时消除机构间成像协议差异	风格迁移参考选择对分类性能敏感，未详细说明具体数据集规模和多样性	解决多中心医学影像数据异质性问题，提高深度学习模型在脑肿瘤IDH分类中的泛化能力	脑胶质瘤患者的多中心MRI影像数据	医学影像分析	脑胶质瘤	MRI，深度学习	GAN，深度神经网络	医学影像	NA	NA	StyleTransfer-GAN	准确率，灵敏度，特异性	NA
145	2025-11-08	Natural Modal Sketching Network: An Interpretable Approach for Bearing Impulsive Feature Extraction 2025-Feb, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3497597 PMID:40030538	研究论文	提出一种可解释的轴承冲击特征提取方法——自然模态素描网络	将模态响应设计为卷积核，通过自然模态素描机制实现可解释的特征提取，并提出理论校正算法	未明确说明方法在极端噪声环境下的性能边界	实现鲁棒且可信的轴承冲击特征提取	滚动轴承故障信号	机器学习	NA	模态分析	CNN	振动信号	NA	NA	自然模态素描网络	噪声鲁棒性, 可解释性分析	NA
146	2025-11-08	Convolutional- and Deep Learning-Based Techniques for Time Series Ordinal Classification 2025-Feb, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3498100 PMID:40030321	研究论文	本文首次对时间序列有序分类方法进行基准测试，通过利用目标标签的排序关系提升现有时间序列分类方法的性能	首次系统性地探索时间序列有序分类领域，将卷积和深度学习方法适配到有序分类问题，并建立了该领域的首个基准	仅针对29个有序问题进行了实验，未涵盖更广泛的时间序列数据类型	研究时间序列有序分类问题，提升有序标签结构下的分类性能	具有有序标签结构的时间序列数据	机器学习	NA	时间序列分析	CNN, 深度学习	时间序列数据	29个有序问题数据集	NA	NA	有序性能指标	NA
147	2025-11-05	Deep learning approach to parameter optimization for physiological models 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.25.639944 PMID:40060611	研究论文	提出一种使用神经网络同时解决生物建模、参数化和参数推断的新方法	使用卷积神经网络从模拟数据中推断生理模型参数，实现准确的参数推断和轨迹重建	方法依赖于模拟数据的质量，且需要临床数据验证	开发生理模型参数优化的深度学习方法	葡萄糖、胰岛素和游离脂肪酸的动态生理模型	机器学习	代谢疾病	频繁采样静脉葡萄糖耐量测试	CNN	时间序列数据	从生理范围内采样参数生成的大量模拟数据	NA	卷积神经网络	R²值, p值, 准确率	NA
148	2025-11-05	Blockchain-integrated IoT device for advanced inspection of casting defects 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86777-3 PMID:39939622	研究论文	提出一种集成区块链的物联网系统，用于铸件缺陷的先进检测	将基于ResNet的深度学习模型与区块链技术结合，实现缺陷检测与数据可追溯性的创新整合	可扩展性和能源效率仍有改进空间	解决熔模铸造质量控制中的缺陷检测、实时处理和数据可追溯性效率低下问题	铸件缺陷检测与尺寸测量	智能制造	NA	物联网, 区块链	CNN	图像	NA	NA	ResNet	F1-score, 数据完整性, 可追溯性指标	NA
149	2025-10-31	Mortality risk assessment using deep learning-based frequency analysis of electroencephalography and electrooculography in sleep 2025-Feb-10, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae219 PMID:39301948	研究论文	本研究使用深度学习分析睡眠期间脑电图和眼电图的频率特征来预测全因死亡率	首次将深度学习生存模型与SHAP解释性分析结合，数据驱动地定义了睡眠阶段特异性功率频带用于死亡率预测	模型对全因死亡率的预测性能提升有限，C-index仅提高0.24%	评估夜间多导睡眠图中EEG和EOG频率特征对全因死亡率的预测能力	8716名来自MrOS睡眠研究和睡眠心脏健康研究的参与者	机器学习	老年疾病	多导睡眠图，功率谱分析	深度学习生存模型	脑电图，眼电图	8716名参与者	NA	NA	C-index，风险比	NA
150	2025-10-25	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	通过深度学习模型预测非编码变异在脑和心脏不同细胞类型中的调控效应	整合单细胞ATAC-seq图谱与群体遗传学，开发了FLARE模型来优先考虑具有极端调控效应的突变	仅关注脑和心脏组织，未涵盖其他器官系统	理解常见和罕见非编码变异在人类疾病中的作用机制	人类非编码基因组变异	生物信息学	神经发育障碍	单细胞ATAC-seq，全基因组测序	深度学习	基因组测序数据，表观基因组数据	132个脑和心脏细胞环境	NA	NA	突变优先排序能力	NA
151	2025-10-23	RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597812 PMID:38895232	研究论文	开发了一个名为RESPAN的深度学习流程，用于准确自动地恢复、分割和量化树突棘	集成最先进的深度学习技术进行图像恢复、分割和分析，通过内容感知恢复增强信号、对比度和各向同性分辨率	NA	开发自动化树突棘量化工具以研究突触连接性	树突棘、树突分支和神经元胞体	计算机视觉	NA	活体成像、体内双光子显微镜	深度学习	图像	NA	NA	NA	准确度、可重复性	NA
152	2025-10-15	Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146 2025-Feb-18, Life (Basel, Switzerland) DOI:10.3390/life15020316 PMID:40003734	correction	对已发表论文《基于机器/深度学习技术的皮肤病变分析和癌症检测：全面综述》的更正说明	NA	NA	NA	NA	digital pathology	skin cancer	NA	NA	NA	NA	NA	NA	NA	NA
153	2025-10-05	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.31.587283 PMID:38826198	研究论文	本文介绍了一种基于几何深度学习的3D RNA逆设计方法gRNAde	首个在3D RNA骨架上操作的几何深度学习流程，能够同时考虑RNA结构和动力学特性进行序列设计	NA	开发能够处理3D RNA构象多样性的逆设计方法	RNA分子结构和序列	计算生物学	NA	几何深度学习	图神经网络	3D RNA骨架结构	PDB数据库中的14个RNA结构，以及10个结构化RNA骨架的湿实验验证	PyTorch	多状态图神经网络，自回归解码器	天然序列恢复率，成功率	NA
154	2025-10-05	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	研究论文	本研究利用人工智能技术分析经胸超声心动图和心电图数据，追踪转甲状腺素蛋白淀粉样心肌病的临床前进展	首次将深度学习模型应用于经胸超声心动图和心电图数据，实现对ATTR-CM临床前阶段的早期识别和风险分层	回顾性研究设计，样本主要来自两个医疗中心，可能存在选择偏倚	开发可扩展的ATTR-CM临床前监测策略	转诊进行心脏淀粉样变核素检测的患者	数字病理	心血管疾病	深度学习	深度学习模型	视频,图像	YNHHS队列984人（中位年龄74岁，44.3%女性），HMH队列806人（中位年龄69岁，34.5%女性），共分析7,352次TTE和32,205次ECG	NA	NA	敏感性,特异性	NA
155	2025-10-05	Swin transformers are robust to distribution and concept drift in endoscopy-based longitudinal rectal cancer assessment 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3046794 PMID:41018523	研究论文	本研究评估Swin Transformer在内镜图像纵向直肠癌评估中对分布偏移和概念漂移的鲁棒性	首次系统比较Swin Transformer与传统卷积网络在直肠癌内镜图像分析中对分布偏移的鲁棒性，并采用最优传输方法模拟颜色偏移	研究主要基于私有数据集和公共结肠镜数据集，需要更多外部验证	开发对分布偏移具有鲁棒性的直肠癌内镜图像自动评估方法	直肠癌患者的内镜图像	计算机视觉	直肠癌	内镜成像	Transformer, CNN	图像	私有数据集和公共结肠镜数据集	NA	Swin Transformer, ResNet-50, WideResNet-50, Vision Transformer	准确率	NA
156	2025-10-05	Sli2Vol+: Segmenting 3D Medical Images Based on an Object Estimation Guided Correspondence Flow Network 2025 Feb-Mar, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv61041.2025.00357 PMID:41001582	研究论文	提出一种基于目标估计引导对应流网络的自监督框架，用于仅需单张标注切片即可完成3D医学图像分割	开发了目标估计引导对应流网络，通过生成伪标签学习可靠切片间对应关系，有效减少重建误差传播并处理切片间不连续性	依赖单张标注切片的质量，在复杂解剖结构或严重病理情况下性能可能受限	降低3D医学图像分割的标注负担，提高自监督分割方法的准确性和鲁棒性	3D医学图像中的各种解剖结构	医学图像分析	多器官疾病	自监督学习	深度学习	3D医学图像	多个不同数据集，每个训练和测试体积仅需单张标注切片	PyTorch	Object Estimation Guided Correspondence Flow Network	分割准确性，泛化能力评估	NA
157	2025-10-05	Transformer-based approaches for neuroimaging: an in-depth review of their role in classification and regression tasks 2025-02-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0088 PMID:39333087	综述	深入探讨Transformer模型在神经影像分类和回归任务中的应用现状与发展趋势	首次系统梳理Transformer架构在神经影像领域的应用进展，同时展示其在分类任务中的卓越表现和回归任务中的新兴潜力	NA	评估Transformer模型在神经影像分析中的当前应用状况和研究进展	神经影像数据	医学影像分析	神经系统疾病	神经影像技术	Transformer	神经影像数据	NA	NA	Transformer	NA	NA
158	2025-10-05	Comparative Genomics and Epigenomics of Transcriptional Regulation 2025-02, Annual review of animal biosciences IF:8.7Q1 DOI:10.1146/annurev-animal-111523-102217 PMID:39565835	综述	本文探讨比较基因组学与表观基因组学在转录调控研究中的应用与前景	提出整合多维表观基因组数据与深度学习模型研究转录调控的新范式，强调农场动物模型在此领域的优势	当前表观基因组数据主要来自健康个体特定发育阶段，缺乏多样化生理条件下的数据	揭示跨物种转录调控的进化保守机制与非编码元件功能	多物种转录调控机制与表观基因组特征	计算生物学	NA	全基因组测序, 表观基因组分析, 功能筛选验证	深度学习	基因组数据, 表观基因组数据	NA	NA	NA	NA	NA
159	2025-10-05	Innovative laboratory techniques shaping cancer diagnosis and treatment in developing countries 2025-Feb-08, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-01877-w PMID:39921787	综述	探讨发展中国家癌症诊断与治疗中创新实验室技术的应用现状与挑战	系统分析人工智能与深度学习在癌症检测中的整合应用，特别关注资源受限环境下的实施策略	发展中国家面临资金不足、医疗基础设施薄弱及先进诊断技术获取受限等结构性挑战	通过精密实验室技术推进精准医疗和早期癌症诊断以改善预后	癌症检测实验室技术及其在发展中国家应用场景	数字病理	癌症	肿瘤组织学、单细胞技术、流式细胞术、分子影像、液体活检、免疫分析、分子诊断	CNN	医学影像、分子数据	NA	NA	NA	诊断准确率	NA
160	2025-10-05	Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82639-6 PMID:39952935	研究论文	本研究验证了Cellpose深度学习网络在自发荧光显微镜图像中单细胞分割的可靠性	开发了专门针对自发荧光图像的自动荧光训练模型，首次将Cellpose应用于NAD(P)H自发荧光图像分割	研究主要针对NAD(P)H强度图像，在其他自发荧光对比机制中的通用性需要进一步验证	验证Cellpose在自发荧光显微镜图像中的单细胞分割性能	PANC-1细胞和患者来源的癌症类器官（9例患者）	数字病理	癌症	多光子强度成像，荧光寿命成像显微镜，自发荧光显微镜	CNN	显微镜图像	9例患者的癌症类器官和PANC-1细胞系	Cellpose	Cellpose	Dice系数，相关系数R，p值	NA