深度学习在生物医药领域中的应用

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
1141	2025-03-10	Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56505-6 PMID:40050617	研究论文	本文提出了一种名为HiPaS的深度学习驱动方法，用于肺动脉和静脉的精确分割，揭示了与人口统计学相关的血管解剖差异	HiPaS方法首次实现了在非对比CT和CTPA上的多分辨率精确分割，无需使用对比剂，降低了健康风险	尽管HiPaS在非对比CT上表现出色，但其在更广泛临床环境中的应用仍需进一步验证	开发一种无需对比剂的肺动脉和静脉分割方法，以支持疾病诊断和手术规划	肺动脉和静脉	数字病理学	肺病	深度学习	NA	CT图像	1073个CT体积（训练集），11,784名参与者（大规模分析）
1142	2025-03-10	Frequency transfer and inverse design for metasurface under multi-physics coupling by Euler latent dynamic and data-analytical regularizations 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57516-z PMID:40050630	研究论文	本文提出了一种多物理深度学习框架（MDLF），用于解决频率转移和多物理耦合问题，并在超表面设计中实现了未见频率段的预测	提出了结合多保真度DeepONet、欧拉潜在动态网络和数据解析反演网络的MDLF框架，能够在缺乏多物理响应知识的情况下，通过动态利用欧拉潜在空间和单物理信息，实现对未见频率段的预测	需要进一步验证在更广泛的多物理耦合场景下的适用性	解决频率转移问题，并实现超表面在未见频率段的多物理耦合预测	超表面	机器学习	NA	多物理深度学习框架（MDLF）	DeepONet, 欧拉潜在动态网络, 数据解析反演网络	频谱数据	NA
1143	2025-03-10	Leveraging swin transformer with ensemble of deep learning model for cervical cancer screening using colposcopy images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90415-3 PMID:40050635	研究论文	本文提出了一种结合Swin Transformer和深度学习模型集成的方法，用于宫颈癌筛查的阴道镜图像分析	创新点在于结合了Swin Transformer网络进行特征提取，并采用集成学习方法（包括AE、BiGRU和DBN模型）进行癌症检测，同时使用POA算法进行超参数调优	未明确提及具体局限性	提高宫颈癌筛查的效率和准确性	宫颈癌筛查的阴道镜图像	计算机视觉	宫颈癌	深度学习	Swin Transformer, AE, BiGRU, DBN	图像	未明确提及样本数量
1144	2025-03-10	CUGUV: A Benchmark Dataset for Promoting Large-Scale Urban Village Mapping with Deep Learning Models 2025-Mar-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04701-w PMID:40050634	研究论文	本文介绍了CUGUV基准数据集，旨在通过深度学习模型促进大规模城中村（UV）的映射	提出了一个包含来自中国15个主要城市的数千个UV样本的基准数据集，并开发了一个创新的框架，有效整合和学习了多种数据源，以更好地解决跨城市UV映射任务	数据集主要集中在中国的城市，可能限制了其全球适用性	提高大规模城中村映射的准确性和模型的可转移性	城中村（UV）	计算机视觉	NA	深度学习	NA	卫星图像	数千个UV样本，来自中国15个主要城市
1145	2025-03-10	Knowledge-guided diffusion model for 3D ligand-pharmacophore mapping 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57485-3 PMID:40050649	研究论文	本文提出了一种名为DiffPhore的知识引导扩散模型，用于3D配体-药效团映射，旨在改进药物发现中的药效团引导技术	DiffPhore利用配体-药效团匹配知识引导配体构象生成，并通过校准采样减轻迭代构象搜索过程中的暴露偏差，实现了在预测配体结合构象方面的最先进性能	NA	改进药效团引导的药物发现技术	3D配体-药效团对	药物发现	NA	深度学习	扩散模型	3D配体-药效团对	两个自建数据集
1146	2025-03-10	Automatic detecting multiple bone metastases in breast cancer using deep learning based on low-resolution bone scan images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92594-5 PMID:40050676	研究论文	本文提出了一种基于低分辨率骨扫描图像的深度学习框架，用于自动检测乳腺癌中的多发性骨转移	创新性地提出了即插即用的位置辅助提取模块和特征融合模块，增强了全局信息提取能力，并设计了基于自注意力变换器的目标检测头，以准确检测低分辨率WBS图像中的小转移灶	研究依赖于特定医院的私有数据集，可能限制了模型的泛化能力	开发一个统一的框架，用于基于低分辨率全身骨扫描图像检测乳腺癌中的多发性骨转移	乳腺癌骨转移患者	计算机视觉	乳腺癌	深度学习	自注意力变换器	全身骨扫描图像	512名乳腺癌骨转移患者
1147	2025-03-10	A novel hybrid CNN-transformer model for arrhythmia detection without R-peak identification using stockwell transform 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92582-9 PMID:40050678	研究论文	本文提出了一种新颖的混合深度学习模型，用于从心电图信号中进行心律失常分类，利用Stockwell变换进行特征提取	该模型结合了CNN和transformer架构，无需R峰检测即可进行心律失常分类，展示了更高的准确性和效率	NA	提高基于心电图的心律失常诊断的准确性，并适用于实时监测系统	心电图信号	机器学习	心血管疾病	Stockwell变换	CNN-transformer混合模型	时间序列数据	Icentia11k数据集和MIT-BIH数据集
1148	2025-03-10	Systematic review and meta-analysis of artificial intelligence in classifying HER2 status in breast cancer immunohistochemistry 2025-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01483-8 PMID:40050686	meta-analysis	本文通过诊断性meta分析评估了人工智能在分类HER2免疫组化评分中的表现，展示了其在预测T-DXd资格方面的高准确性	首次系统评估了人工智能在HER2免疫组化评分分类中的表现，并揭示了深度学习和基于补丁的分析方法在提高准确性方面的优势	在外部验证和使用商业化算法的研究中，AI的表现有所下降	评估人工智能在分类HER2免疫组化评分中的准确性和潜力	乳腺癌患者的HER2免疫组化评分	digital pathology	breast cancer	免疫组化（IHC）	深度学习	图像	NA
1149	2025-03-10	LoG-staging: a rectal cancer staging method with LoG operator based on maximization of mutual information 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01610-7 PMID:40050741	研究论文	本文提出了一种基于LoG算子和互信息最大化的直肠癌分期方法LoG-staging，用于预测直肠癌患者的T分期	创新性地使用LoG滤波器增强MRI图像的纹理细节，并提出了一种新的特征聚类方法，利用互信息最大化机制联合学习神经网络参数和特征聚类分配	正确标注的图像数量不足，因为T分期需要病理检查确认	提高直肠癌T分期的预测准确性	直肠癌患者的MRI图像	计算机视觉	直肠癌	LoG滤波器，互信息最大化	神经网络	MRI图像	未提及具体样本数量
1150	2025-03-10	UGS-M3F: unified gated swin transformer with multi-feature fully fusion for retinal blood vessel segmentation 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01616-1 PMID:40050753	研究论文	本文提出了一种名为UGS-M3F的深度学习框架，用于视网膜血管分割，旨在提高眼底图像中血管分割的准确性	UGS-M3F模型结合了统一多上下文特征融合（UM2F）和门控边界感知Swin Transformer（GBS-T）模块，能够捕捉不同层次的上下文信息，并增强小血管检测和大血管覆盖	NA	提高眼底图像中视网膜血管分割的准确性，以辅助眼科医生进行非侵入性诊断	眼底图像中的视网膜血管	计算机视觉	眼科疾病	深度学习	Swin Transformer	图像	公开数据集FIVES、DRIVE、STARE和CHAS_DB1
1151	2025-03-10	Deep learning-based classification of dementia using image representation of subcortical signals 2025-Mar-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02924-w PMID:40050853	研究论文	本研究开发了一种基于深度学习的痴呆分类系统，通过分析从深部脑区（如海马体、杏仁核和丘脑）提取的EEG信号，利用图像表示进行分类	利用连续小波变换将EEG时间序列转换为图像表示，并结合DenseNet模型架构进行分类，提高了痴呆分类的准确性	样本量相对较小，且仅使用了两个数据集进行验证，可能需要更多数据以进一步验证模型的泛化能力	开发一种基于深度学习的痴呆分类系统，以实现痴呆症的早期和准确诊断	阿尔茨海默病（AD）、额颞叶痴呆（FTD）和轻度认知障碍（MCI）患者及健康对照组	数字病理学	老年病	EEG、sLORETA、连续小波变换（CWT）	DenseNet	图像	BrainLat数据集（16 AD, 13 FTD, 19 HC）和IITD-AIIA数据集（10 AD, 9 MCI, 8 HC）
1152	2025-03-10	SP-DTI: subpocket-informed transformer for drug-target interaction prediction 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf011 PMID:39798127	研究论文	本文介绍了一种名为SP-DTI的子口袋信息增强的Transformer模型，用于药物-靶点相互作用预测	SP-DTI模型通过子口袋分析和预训练语言模型与图神经网络的结合，提高了在未见蛋白质和跨域设置下的预测准确性和泛化能力	NA	提高药物-靶点相互作用预测的准确性和泛化能力，以加速药物发现过程	药物和蛋白质的相互作用	机器学习	NA	预训练语言模型，图神经网络	Transformer	分子数据	NA
1153	2025-03-10	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-Mar, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	研究论文	本文通过深度学习模型改进乳腺癌中的HER2检测，预测免疫组织化学（IHC）图像中的荧光原位杂交（FISH）评分	采用聚类约束注意力多实例深度学习模型，减少对反射性FISH测试的依赖，提高IHC测试的准确性	FISH预测模型的准确性和敏感性较低，可能在某些情况下无法替代FISH测试	改进乳腺癌中的HER2检测方法，减少当前评分方法中的主观性和变异性	乳腺癌患者的HER2 IHC图像和FISH测试数据	数字病理学	乳腺癌	免疫组织化学（IHC），荧光原位杂交（FISH）	聚类约束注意力多实例深度学习模型	图像	5,731张HER2 IHC图像，包括592例FISH测试病例
1154	2025-03-10	Image-based food groups and portion prediction by using deep learning 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70116 PMID:40052549	研究论文	本研究开发了一个基于深度学习的系统，用于自动分组和分类食物，并估计土耳其菜肴的份量	使用卷积神经网络（CNN）模型进行图像识别，实现了食物分类和份量估计的自动化，准确率分别达到80%和80.47%	研究仅针对土耳其菜肴，可能不适用于其他文化或地区的食物	开发一个自动测量食物消费的系统，以帮助诊断和解决营养问题，减少营养不良的风险	土耳其菜肴	计算机视觉	肥胖和高血压	深度学习	CNN	图像	土耳其菜肴样本
1155	2025-03-09	Deep learning-based segmentation of the trigeminal nerve and surrounding vasculature in trigeminal neuralgia 2025-Mar-07, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.10.JNS241060 PMID:40053933	研究论文	本研究应用并评估了深度学习模型在三叉神经痛（TN）患者的术前MRI中分割三叉神经及其周围血管的性能，以量化神经和血管的解剖特征	首次使用基于U-Net的神经网络模型对三叉神经及其周围血管进行自动分割，并开发了定量和客观的影像学评估指标	研究样本量较小，仅包括50名TN患者，且数据来自单一机构，可能影响模型的泛化能力	开发并评估深度学习模型在三叉神经痛术前MRI中分割三叉神经及其周围血管的性能	三叉神经痛患者的术前MRI数据	数字病理学	三叉神经痛	MRI	U-Net	图像	50名三叉神经痛患者的术前高分辨率MRI数据
1156	2025-03-09	Generalizable deep learning framework for 3D medical image segmentation using limited training data 2025-Mar-06, 3D printing in medicine IF:3.2Q1 DOI:10.1186/s41205-025-00254-1 PMID:40045095	研究论文	本文介绍了一种用于3D医学图像分割的深度学习框架，该框架在有限训练数据下仍能实现高性能	该框架克服了对大量数据和强大GPU资源的需求，适用于资源受限的医疗环境	尽管在多种临床应用中表现良好，但具体在不同医疗环境中的实际应用效果仍需进一步验证	开发一种适用于资源受限环境的3D医学图像分割深度学习框架	涉及骨科、眼眶分割、下颌骨CT、心脏CT、胎儿MRI和肺部CT的六种不同临床应用	数字病理	NA	深度学习	NA	3D医学图像	少量受试者
1157	2025-03-09	A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal 2025-Mar-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548148 PMID:40048344	研究论文	本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR）	DExNet通过展开和参数化一个简单的迭代稀疏和辅助特征更新（i-SAFU）算法，结合一般排除先验，能够更准确地分离传输和反射特征	NA	解决单图像反射去除问题，即从反射污染的图像中分离出传输图像和反射图像	反射污染的图像	计算机视觉	NA	深度学习	DExNet	图像	四个基准数据集
1158	2025-03-09	Graph Foundation Models: Concepts, Opportunities and Challenges 2025-Mar-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548729 PMID:40048343	综述	本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术，同时对该领域现有工作进行了分类，并展望了未来研究方向	提出了图基础模型（GFMs）的概念，并对其进行了系统分类和分析，填补了该领域定义和系统性研究的空白	缺乏对图基础模型在实际应用中具体效果的实证研究	探讨图基础模型在图机器学习领域的潜力和发展方向	图基础模型（GFMs）及其相关技术	图机器学习	NA	NA	图神经网络（GNNs）、大语言模型（LLMs）	图数据	NA
1159	2025-03-09	On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks 2025-Mar-05, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548620 PMID:40042958	研究论文	本文基于卷积神经网络（CNNs）的分段线性（PWL）函数特性，研究了网络结构超参数对CNN性能的影响	提出了CNN的代数表达式，并开发了线性区域数量的紧界和泛化误差的上界，考虑了网络层数、池化维度和宽度等因素	代数表达式的时间复杂度较高	研究卷积神经网络的结构超参数对其性能的影响	卷积神经网络（CNNs）	机器学习	NA	NA	CNN	NA	NA
1160	2025-03-09	Leveraging deep neural network and language models for predicting long-term hospitalization risk in schizophrenia 2025-Mar-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00585-2 PMID:40044707	研究论文	本研究开发了一种深度学习模型，通过整合入院时的人口统计、行为和血液检测数据，预测精神分裂症患者的长期住院风险	利用语言模型高效提取非结构化电子健康记录数据，结合多模态特征显著提高预测性能，并通过综合可解释性分析和消融研究验证关键风险因素	研究基于回顾性队列，可能受到数据质量和完整性的限制	预测精神分裂症患者的长期住院风险，以优化资源分配和个体治疗计划	精神分裂症患者	自然语言处理	精神分裂症	深度学习	深度学习模型	人口统计、行为、血液检测数据	回顾性队列