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
281	2025-12-05	Multimodal Generative Modeling for DaT Scan Reconstruction in Parkinson's Disease 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252739 PMID:41337393	研究论文	本文提出了一种多模态深度学习模型，用于重建帕金森病中的DaT扫描图像，以促进合成医学数据的生成	引入了一种结合目标DaT扫描和共配准T1加权MRI扫描的多模态深度学习模型，用于重建DaT扫描图像，以在保护隐私的同时生成具有真实统计分布的合成数据	未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力或隐私保护机制的详细评估	旨在解决核医学研究中数据共享受限的问题，通过重建DaT扫描来支持大规模数据增强，应用于帕金森病的早期检测和疾病进展研究	帕金森病进展标志物倡议数据集中的健康对照、帕金森病患者以及无多巴胺能缺陷影像证据的个体	数字病理学	帕金森病	I-FPCIT SPECT（DaT）扫描，T1加权MRI扫描	多模态深度学习模型	图像	大型帕金森病进展标志物倡议数据集，包括健康对照、帕金森病患者和无多巴胺能缺陷影像证据的个体	NA	NA	强度差异，对比噪声比，基于区域的分析	NA
282	2025-12-05	Classification of ECG Arrhythmia Types Using 2D Recurrence Polar Maps and Deep Learning Techniques 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252764 PMID:41337407	研究论文	本文提出了一种基于二维复发极坐标图和深度学习技术的心电图心律失常分类方法	引入了两种新颖的二维表示方法——复发极坐标图和交叉复发极坐标图，以捕捉12导联心电图信号的空间和时间复杂性，并利用多通道神经网络模型进行分类	未提及模型在更广泛或多样化数据集上的泛化能力，也未讨论计算效率或实时应用的可能性	自动化心电图分析，准确分类四种主要心律失常类型	12导联心电图信号	机器学习	心血管疾病	心电图分析	多通道神经网络	二维图像（复发极坐标图）	NA	NA	NA	准确率	NA
283	2025-12-05	Impact of Adversarial Attack on Pediatric Hip Ultrasound Deep Learning Models 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253101 PMID:41337411	研究论文	本文研究了对抗性攻击对基于儿科髋关节超声图像的深度学习分类模型的影响，并通过对抗性训练提升模型鲁棒性	首次在儿科髋关节超声图像的深度学习模型中应用并比较了多种白盒对抗性攻击方法（FGSM、PGD、BIM），并利用对抗性训练显著提高了模型在扫描充分性评估中的鲁棒性	研究仅使用了两个相对较小的数据集（108和200名受试者），且对抗性攻击仅限于白盒场景，未涵盖黑盒攻击或更广泛的临床验证	评估儿科髋关节超声深度学习模型对对抗性攻击的脆弱性，并通过对抗性训练提升其鲁棒性	儿科髋关节超声图像	计算机视觉	儿科髋关节疾病	B型超声成像	CNN	图像	两个数据集，分别来自108名和200名受试者	NA	AlexNet, ResNet, DenseNet, Inception, VGG	准确率	NA
284	2025-12-05	Study about deep Bifurcation learning model for separation of ultrasound echo signals and tissue acoustic properties 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253118 PMID:41337428	研究论文	本文开发了一种基于自动编码器的深度学习模型，用于分离超声回波信号中的镜面反射和散斑信号成分，并定量估计反射和散射等声学特性	模型采用分叉多任务架构，能高效分离信号成分和声学特性，并引入可训练的共享损失函数以减少任务间损失不平衡导致的学习性能下降	NA	开发深度学习模型以改进超声成像，通过分离信号成分和估计声学特性来提升临床诊断效果	医学超声回波信号	数字病理学	NA	NA	自动编码器	超声回波信号	NA	NA	ResNet-50	SSIM	NA
285	2025-12-05	Multi-Modal Feature Fusion Using Transformer for Early Alzheimer's Disease Diagnosis 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253151 PMID:41337426	研究论文	本文提出了一种基于Transformer的多模态特征融合模型，用于阿尔茨海默病的早期诊断	利用Transformer融合图像与非图像特征，并引入类别不平衡损失函数以优化早期AD诊断性能	未明确提及模型在外部验证集或临床实际应用中的泛化能力	开发智能早期阿尔茨海默病诊断模型以提高诊断准确性	阿尔茨海默病患者数据，包括图像和非图像特征	数字病理学	阿尔茨海默病	多模态特征融合	Transformer	图像, 非图像特征	未明确说明具体样本数量，但采用分层5折交叉验证	未明确说明	Transformer	准确性	未明确说明
286	2025-12-05	Gaze-Guided Medical Image Segmentation: A Training-Free Approach using SAM Foundation Model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253157 PMID:41337454	研究论文	本文提出了一种利用眼动数据作为隐式提示，结合SAM基础模型实现无需训练的医学图像分割方法	首次将眼动数据作为隐式提示引入SAM模型，用于医学图像分割，无需任务特定训练或标注数据，提供了一种自然、低成本的交互方式	研究仅在息肉分割和前列腺分割两个任务上验证，尚未扩展到更多医学图像类型和疾病；眼动数据的采集可能受设备限制	开发一种无需训练、资源高效的医学图像自动分割方法，以降低标注成本并实现近实时分割	医学图像（结肠镜图像中的息肉、MRI图像中的前列腺）	计算机视觉	结直肠癌, 前列腺癌	眼动追踪	基础模型	图像	Kvasir-SEG数据集和NCI-ISBI 2013数据集（具体样本数未在摘要中提供）	NA	SAM	NA	NA
287	2025-12-05	Automated Wrist Ultrasound Image Bone Enhancement and Segmentation Using Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253133 PMID:41337456	研究论文	本研究提出了一种基于深度学习的自动手腕超声图像骨增强与分割框架，用于评估儿童手腕骨折	结合CLAHE图像增强技术与nnU-Net模型进行手腕超声图像中骨骼结构（如骨骺和干骺端）的自动分割，在儿科急诊环境中验证了可行性	研究样本量相对有限（74名受试者的训练数据和18名受试者的测试数据），且未详细讨论模型在不同超声设备或操作者间的泛化能力	开发一种自动分割手腕超声图像中骨骼结构的方法，以辅助儿科急诊中手腕损伤的严重性评估，减少X射线检查的需求	手腕超声图像中的骨骼结构，包括骨骺、干骺端和腕骨	计算机视觉	手腕骨折	超声成像	CNN	图像	74名受试者的16,865张训练图像和18名受试者的3,822张测试图像	PyTorch	nnU-Net	DICE分数	NA
288	2025-12-05	A Deep Learning approach for Depressive Symptoms assessment in Parkinson's disease patients using facial videos 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253137 PMID:41337455	研究论文	本研究利用深度学习模型分析帕金森病患者的视频，以评估其抑郁症状的存在与严重程度	首次将ViViT、Video Swin Tiny和3D CNN-LSTM等深度学习模型应用于帕金森病患者面部视频的时空分析，以评估抑郁症状，并考虑了药物状态（ON/OFF）的影响	研究样本量相对有限（178名患者），且未明确说明模型的泛化能力或在不同人群中的验证情况	开发一种可扩展、非侵入性的方法，用于帕金森病患者抑郁症状的自动评估与监测	帕金森病患者	计算机视觉	帕金森病	面部视频分析	深度学习模型	视频	178名患者的1,875个视频	NA	ViViT, Video Swin Tiny, 3D CNN-LSTM	准确率, F1分数	NA
289	2025-12-05	AI and Tomosynthesis for Breast Cancer Molecular Subtyping: A step toward precision medicine 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253140 PMID:41337459	研究论文	本研究探讨了结合人工智能与数字乳腺断层合成技术，用于非侵入性乳腺癌分子亚型分类的可行性	首次将深度学习模型应用于数字乳腺断层合成图像，以实现对侵袭性乳腺癌亚型（Luminal B2、HER2阳性和三阴性）的非侵入性分类	在区分Luminal B2亚型方面仍存在挑战，性能相对较低	开发一种基于人工智能和影像学的非侵入性方法，用于乳腺癌分子亚型分类，以支持精准医疗	乳腺癌患者，特别是侵袭性亚型（Luminal B2、HER2阳性、三阴性）	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	NA	NA	ResNet-101, Inception-v3	AUC	NA
290	2025-12-03	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Jul-14, ArXiv PMID:40709302	研究论文	本研究利用基于Swin Transformer的深度学习框架，结合多壳层扩散MRI数据，旨在支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	首次将Swin Transformer应用于多壳层扩散MRI数据，并集成低秩适应技术以在有限标记神经影像数据上高效微调模型	研究在数据有限的生物医学环境中进行，可能影响模型的泛化能力	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	多壳层扩散MRI	Transformer	图像	未明确说明具体样本数量	PyTorch	Swin Transformer	平衡准确率	NA
291	2025-12-01	An automated ATAC-seq method reveals sequence determinants of transcription factor dose response in the open chromatin 2025-Jul-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.24.666684 PMID:40777328	研究论文	开发自动化ATAC-seq平台RoboATAC，系统研究转录因子剂量对染色质可及性的定量影响	首次建立可扩展的自动化ATAC-seq平台，系统分析22种转录因子的剂量梯度对染色质可及性的定量影响，发现DNA序列可独立预测剂量敏感性	研究仅限于HEK293T细胞系，未在其他细胞类型中验证	揭示转录因子剂量与染色质可及性之间的定量关系	HEK293T细胞中的22种转录因子	基因组学	NA	ATAC-seq, 深度学习	深度学习模型	基因组测序数据	246个样本（22种TF的梯度过表达）	NA	NA	NA	NA
292	2025-11-30	Domain-Randomized Deep Learning for Neuroimage Analysis: Selecting Training Strategies, Navigating Challenges, and Maximizing Benefits 2025-Jul, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/MSP.2025.3590806 PMID:41306561	教程论文	本教程论文综述了基于合成图像的领域随机化深度学习方法在神经影像分析中的原理、实现和潜力	通过使用随机化强度和解剖内容的合成图像训练深度神经网络，解决了模型泛化问题，使模型能够准确处理训练期间未见过的图像类型	计算需求增加，需要权衡计算成本与性能提升	加速开发可泛化的深度学习工具，使领域专家无需大量计算资源或机器学习知识即可使用	神经影像分析，包括MRI、CT、PET、OCT等多种成像模态	医学影像分析	神经系统疾病	领域随机化，合成图像生成	深度神经网络	医学影像数据	NA	NA	NA	泛化性能，过拟合抵抗能力	NA
293	2025-11-30	Sidechain conditioning and modeling for full-atom protein sequence design with FAMPNN 2025-Jul, Proceedings of machine learning research PMID:41307002	研究论文	提出FAMPNN方法，在蛋白质序列设计中同时建模序列身份和侧链构象	首次在固定骨架蛋白质序列设计中显式建模侧链构象，通过联合分类交叉熵和扩散损失目标学习氨基酸身份和侧链构象的分布	NA	开发能够同时优化蛋白质序列和侧链构象的深度学习方法	蛋白质序列和三维结构	计算生物学	NA	深度学习	图神经网络	蛋白质结构数据	NA	NA	MPNN（消息传递神经网络）	序列恢复率，侧链包装精度，结合和稳定性预测	NA
294	2025-11-28	An ensemble deep learning model for author identification through multiple features 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11596-5 PMID:40691694	研究论文	提出一种结合多种特征的自注意力加权集成深度学习框架，用于提高作者身份识别的准确性和稳定性	通过自注意力机制智能整合多种写作风格特征表示，动态学习不同类型特征的重要性	仅在包含4位和30位作者的数据集上测试，未验证在大规模作者群体上的性能	提高自然语言处理中作者身份识别的准确性和鲁棒性	文本作者身份识别	自然语言处理	NA	TF-IDF, Word2Vec	CNN, 自注意力机制	文本	两个数据集：数据集A（4位作者）和数据集B（30位作者）	NA	卷积神经网络, 自注意力加权集成框架	准确率	NA
295	2025-11-28	Transformer-Based Decomposition of Electrodermal Activity for Real-World Mental Health Applications 2025-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s25144406 PMID:40732534	研究论文	本研究提出了一种基于Transformer架构的EDA信号分解方法，用于分离皮肤电活动的相位和紧张成分	首次将Transformer架构应用于EDA信号分解，设计了具有池化和趋势去除机制的无监督分解模型	未明确说明模型在极端噪声条件下的性能表现和计算效率	开发适用于真实世界数据的EDA信号分解方法，用于心理健康应用	皮肤电活动信号	机器学习	心理健康	皮肤电活动信号采集	Transformer	生物信号时间序列数据	NA	PyTorch或TensorFlow（未明确指定）	Autoformer	SCR频率、SCR幅度、紧张斜率	NA
296	2025-11-26	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	提出基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像的自动逐帧运动校正	首次将3D ResNet架构应用于PET图像的运动校正，实现自动化处理以减少人工操作变异性和时间消耗	研究基于单一临床试验数据，需要进一步外部验证	开发自动运动校正方法以改善心肌血流定量分析的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据	医学影像分析	心血管疾病	PET成像	CNN	3D医学影像	来自32个中心的III期临床试验数据（NCT01347710）	NA	3D ResNet	AUC, 一致性限, 平均差异	NA
297	2025-11-25	RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking 2025-Jul-23, ArXiv PMID:39975446	研究论文	提出RAPID-Net深度学习算法，用于精确预测结合口袋并实现与分子对接流程的无缝集成	开发了轻量级推理算法，在保持竞争力的准确度同时实现可扩展性，能识别远端功能位点为变构抑制剂设计提供新机会	姿态排序而非采样是主要精度瓶颈，在部分测试场景中性能仍低于AlphaFold 3	开发用于药物设计的结合口袋精确识别算法	蛋白质结合口袋和配体对接	计算生物学	传染病（如COVID-19）	深度学习	深度学习网络	蛋白质结构数据	PoseBusters基准测试数据集	NA	RAPID-Net	RMSD, PoseBusters化学有效性标准, Top-1姿态准确率, 口袋-配体交集率	NA
298	2025-11-25	Report on the quantitative intra-voxel incoherent motion diffusion MRI reconstruction grand challenge 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17998 PMID:40665555	研究报告	介绍2024年体素内不相干运动扩散MRI重建挑战赛的结果和发现	首次组织针对IVIM-dMRI定量重建算法的基准测试挑战赛，采用真实数字体模模拟数据	基于模拟数据的方法虽然提供了受控环境，但需要解决真实世界的复杂性以确保临床适用性	评估和推进从扩散MRI数据提取定量组织参数的重建算法	体素内不相干运动扩散MRI数据	医学影像	NA	扩散MRI，体素内不相干运动模型	深度学习，传统优化方法	模拟k空间数据	42个团队参与，7个进入最终阶段	NA	级联U-Net	相对均方根误差	NA
299	2025-11-23	Deep learning-based EEG source imaging is robust under varying electrode configurations 2025-Jul, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2025.04.009 PMID:40318257	研究论文	本研究验证了基于深度学习的脑电源成像方法DeepSIF在不同电极配置下的鲁棒性能	首次系统评估深度学习脑电源成像方法在不同电极密度下的性能表现，证明其在低密度EEG下的有效性	研究样本量有限，仅包含27名耐药性癫痫患者	评估电极数量对深度学习脑电源成像性能的影响	计算机模拟数据和27名耐药性癫痫患者的临床数据	脑机接口, 生物医学工程	癫痫	脑电图(EEG), 源成像	深度学习	脑电信号	27名耐药性癫痫患者	NA	DeepSIF	空间离散度	NA
300	2025-11-23	Artificial intelligence-based parotid contouring for radiation oncology in head and neck cancers 2025-Jul-01, Indian journal of cancer IF:0.9Q4 DOI:10.4103/ijc.ijc_473_23 PMID:41272860	研究论文	本研究开发了一种基于人工智能的自动腮腺轮廓分割方法，用于头颈癌放射治疗规划	采用U-Net架构实现腮腺自动轮廓分割，提高治疗规划的精确性和效率	仅使用20个匿名CT数据集，样本量较小	开发自动腮腺轮廓分割算法以改进头颈癌放射治疗规划	头颈癌患者的腮腺器官	数字病理	头颈癌	CT扫描	CNN	医学图像	20个匿名CT数据集	NA	U-Net	准确率,精确率,召回率,损失函数,交并比	NA