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
1341	2025-10-06	Prediction of NIHSS Scores and Acute Ischemic Stroke Severity Using a Cross-attention Vision Transformer Model with Multimodal MRI 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.031 PMID:40517096	研究论文	开发并评估基于多模态MRI和交叉注意力视觉Transformer模型的急性缺血性脑卒中严重程度分类方法	首次将交叉注意力视觉Transformer模型应用于多模态MRI数据的脑卒中严重程度分类，提出DWI为中心的多序列交叉融合策略	在BMI亚组中存在显著预测差异，样本来源为回顾性数据	开发急性缺血性脑卒中神经功能缺损严重程度的自动分类模型	1227例急性缺血性脑卒中患者	计算机视觉	急性缺血性脑卒中	多模态MRI	Vision Transformer (ViT)	MRI图像	1227例急性缺血性脑卒中患者	NA	Vision Transformer	AUC, ACC, 特异性, 敏感性	NA
1342	2025-10-06	Predicting occupant response curves in vehicle crashes via Attention-enhanced multimodal temporal Network 2025-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108140 PMID:40532417	研究论文	提出一种注意力增强的多模态时序网络(AMTN)，用于预测车辆碰撞中乘员多个身体区域的碰撞响应曲线	通过交叉注意力机制有机融合多模态特征，并采用改进的时序卷积网络(TCN)与局部滑动自注意力进行共享特征解码	NA	提高车辆碰撞安全性预测的准确性和效率，减少对昂贵物理测试和仿真的依赖	车辆碰撞中的乘员安全响应	机器学习	NA	多模态数据融合	时序卷积网络(TCN), 注意力机制	数值参数, 车辆碰撞脉冲	工程获取的数据集	NA	Attention-enhanced Multimodal Temporal Network (AMTN), Temporal Convolutional Network (TCN)	ISO评分	NA
1343	2025-10-06	Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.036 PMID:40541546	研究论文	开发基于U-Net的深度学习模型用于乳腺X线摄影中乳腺动脉钙化的检测、分割和量化	采用改进的U-Net架构结合Hausdorff损失、Dice损失和二元交叉熵损失进行钙化分割和量化	回顾性研究，样本量相对有限（369例患者）	通过乳腺X线摄影改善心血管疾病风险评估	乳腺X线摄影图像中的乳腺动脉钙化	计算机视觉	心血管疾病	乳腺X线摄影	CNN	图像	369例患者的乳腺X线摄影图像	NA	U-Net	Dice分数, BCE损失, 线性拟合, Bland-Altman分析, F1分数	NA
1344	2025-10-06	Classification of glioma grade and Ki-67 level prediction in MRI data: A SHAP-driven interpretation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102578 PMID:40543244	研究论文	本研究利用人工智能技术对胶质瘤分级和Ki-67水平进行MRI数据分类预测，并通过SHAP方法进行模型解释	首次将SHAP可解释人工智能与深度学习特征结合，探索Ki-67生物标志物与深度学习特征的关联性	样本量相对较小（仅101例患者），仅使用T2W-FLAIR序列MRI数据	开发AI驱动的胶质瘤分级和Ki-67水平预测方法，增强胶质瘤临床决策支持	101例胶质瘤患者的MRI图像和Ki-67生物标志物数据	医学影像分析	胶质瘤	T2W-FLAIR MRI序列	CNN, XGBoost	医学影像	101例胶质瘤患者	NA	ResNet50	准确率, 精确率, F1分数	NA
1345	2025-10-06	Deep learning based colorectal cancer detection in medical images: A comprehensive analysis of datasets, methods, and future directions 2025-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110542 PMID:40543496	综述	对2019-2025年间基于深度学习的结直肠癌医学影像检测技术进行全面分析	系统分析110篇高质量文献和9个公开数据集，首次全面评估CNN与Transformer模型在结直肠癌检测中的表现	数据集稀缺性、计算资源限制和标准化挑战	评估人工智能在结直肠癌医学影像检测中的应用现状与发展趋势	结直肠癌医学影像数据集和深度学习模型	数字病理	结直肠癌	医学影像分析	CNN, Transformer	医学影像	9个公开数据集和110篇文献涵盖的数据	NA	ResNet, VGG, Transformer	分类、目标检测和分割任务的性能指标	NA
1346	2025-10-06	MDEANet: A multi-scale deep enhanced attention net for popliteal fossa segmentation in ultrasound images 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102570 PMID:40544544	研究论文	提出一种用于超声图像中腘窝区域神经、肌肉和动脉精确分割的多尺度深度增强注意力网络MDEANet	集成级联多尺度空洞卷积(CMAC)增强多尺度特征提取、增强空间注意力机制(ESAM)聚焦关键解剖区域、跨层级特征融合(CLFF)改善上下文表示	NA	提高超声引导下坐骨神经阻滞的准确性和效率	超声图像中的腘窝区域神经、肌肉和动脉	计算机视觉	麻醉相关神经阻滞	超声成像	CNN	超声图像	NA	NA	MDEANet	IoU, Dice系数	NA
1347	2025-10-06	VTrans: A VAE-Based Pre-Trained Transformer Method for Microbiome Data Analysis 2025-Sep, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0884 PMID:40295093	研究论文	提出一种结合Transformer编码器和变分自编码器的深度学习模型VTrans，用于基于微生物数据预测癌症患者的生存风险	首次将Transformer编码器与变分自编码器结合，采用预训练和微调策略解决微生物数据样本量小、特征维度高的问题	仅在三种癌症数据集上验证，尚未扩展到更多癌症类型；多组学数据整合能力仍需进一步验证	预测癌症患者的生存结果和评估风险	癌症患者的微生物数据	机器学习	癌症	微生物数据分析	Transformer, VAE	微生物数据	三个癌症基因组图谱计划数据集	NA	Transformer编码器，变分自编码器	NA	NA
1348	2025-10-06	Ensemble deep learning model for early diagnosis and classification of Alzheimer's disease using MRI scans 2025-Sep, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251359950 PMID:40776602	研究论文	本研究开发了一种集成深度学习模型，通过MRI扫描实现阿尔茨海默病的早期诊断和分类	提出了一种新颖的优化特征选择框架H-IBMFO，结合了改进的白鲸优化器和蝠鲼觅食优化算法，并采用集成深度学习模型融合MobileNet V2、DarkNet和ResNet	NA	通过先进的图像预处理、优化特征选择和集成深度学习技术增强基于MRI的阿尔茨海默病分类	阿尔茨海默病患者和健康对照的MRI脑部扫描图像	计算机视觉	阿尔茨海默病	MRI扫描	集成深度学习	医学图像	NA	MATLAB	DeepLabV3+, MobileNet V2, DarkNet, ResNet	准确率, 精确率, 灵敏度, 特异性, F-measure	NA
1349	2025-10-06	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出一种基于变分点云自编码器的3D心脏形状分析方法，用于心肌梗死预测和虚拟心脏合成	首次将多类别变分点云自编码器应用于3D心脏形状分析，能够直接从高分辨率点云中学习多尺度特征，并在低维可解释潜在空间中捕获复杂非线性3D形状变异	NA	开发用于3D心脏形状和功能分析的几何深度学习方法	人类心脏解剖结构	计算机视觉	心血管疾病	点云分析	VAE	3D点云	超过10,000名受试者	NA	变分点云自编码器	Chamfer距离, AUROC, Harrell's concordance index	NA
1350	2025-10-06	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	研究论文	提出一种名为FeaCL的自监督学习技术，通过特征级和实例级对比学习提升颈动脉斑块超声图像分类性能	首次将特征级和实例级对比学习结合用于颈动脉斑块分类，采用三元组网络和强弱数据增强策略学习有效表征	仅使用单一超声图像数据集进行验证，需要更多临床数据进一步验证泛化能力	解决颈动脉斑块超声图像标签稀缺问题，提升分类准确率	颈动脉斑块超声图像	计算机视觉	心血管疾病	超声成像	自监督学习, 对比学习	图像	未明确具体样本数量	NA	三元组网络	准确率	NA
1351	2025-10-06	D2C-Morph: Brain regional segmentation based on unsupervised registration network with similarity analysis 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102589 PMID:40602042	研究论文	提出一种基于无监督配准网络的脑区分割方法D2C-Morph，能够联合执行图像配准和分割任务	通过双路径网络强调输入特征，采用两次对比学习，并利用相关层增强特征图相似性的相关特征图提升解码器性能	NA	开发能够联合执行脑图像配准和分割的深度学习模型	脑部图像数据	计算机视觉	NA	无监督学习	深度学习网络	医学图像	NA	NA	双路径网络	NA	NA
1352	2025-10-06	PedSemiSeg: Pedagogy-inspired semi-supervised polyp segmentation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102591 PMID:40609495	研究论文	提出一种受教学法启发的半监督息肉分割框架PedSemiSeg，旨在解决标注数据稀缺和分布偏移问题	将真实教育环境中的教师反馈和同伴辅导概念引入半监督学习，通过强增强输入（学生）和弱增强输入（教师）的正负向学习方式，以及基于预测熵的相互同伴辅导	NA	提升有限标注数据条件下的息肉分割性能，增强模型在测试时的泛化能力	结直肠息肉分割	计算机视觉	结直肠癌	深度学习	半监督学习框架	医学图像	在两个公共数据集上进行实验，并测试外部未见多中心数据集	NA	NA	NA	NA
1353	2025-10-06	Leveraging multithreading on edge computing for smart healthcare based on intelligent multimodal classification approach 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102594 PMID:40614479	研究论文	提出一种基于边缘计算和多线程的智能医疗多模态分类系统	采用多线程并行架构在边缘设备上实现混合机器学习和深度学习处理模块，结合遗传算法优化轻量级神经网络	仅使用三种特定疾病数据集进行验证，未涉及更多医疗场景	开发智能临床决策支持系统，实现医疗多模态数据的自动化诊断	脑肿瘤、肺炎和结肠癌的医学影像数据	医疗人工智能	脑肿瘤,肺炎,结肠癌	遗传算法优化	CNN	医学影像	NA	Python, PyCharm, Thonny	MobileNet, EfficientNet, ResNet18	准确率, 计算复杂度降低百分比, 推理加速比	三个树莓派边缘计算设备, 边缘服务器
1354	2025-10-06	CT-Mamba: A hybrid convolutional State Space Model for low-dose CT denoising 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102595 PMID:40616952	研究论文	提出一种混合卷积状态空间模型CT-Mamba用于低剂量CT图像去噪	结合CNN的局部特征提取优势与Mamba的长程依赖捕获能力，提出空间连贯的Z形扫描方案和Mamba驱动的深度噪声功率谱损失函数	去噪图像与正常剂量CT图像在噪声分布上仍存在差异	低剂量CT图像去噪	低剂量CT图像	计算机视觉	NA	CT成像	CNN, State Space Model	医学图像	NA	NA	CT-Mamba	噪声降低效果、细节保留能力、噪声纹理分布优化、放射组学特征统计相似性	NA
1355	2025-10-06	AMeta-FD: Adversarial Meta-learning for Few-shot retinal OCT image Despeckling 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102597 PMID:40618583	研究论文	提出一种基于对抗元学习的少样本视网膜OCT图像去斑方法AMeta-FD	结合对抗训练与元学习框架，引入新的抑制损失函数，仅需少量原始-干净图像对即可有效去除斑点噪声	需要人工配准和平均多幅重复图像来生成真实标签，且仅使用60对训练样本	开发少样本条件下视网膜OCT图像去斑算法	视网膜OCT图像	计算机视觉	眼科疾病	光学相干断层扫描	GAN, 元学习	图像	60对原始-干净图像对（占完整训练集的12%）	PyTorch	AMeta-FD	信噪比	NA
1356	2025-10-06	A deep learning-based clinical decision support system for glioma grading using ensemble learning and knowledge distillation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102602 PMID:40663835	研究论文	提出一种基于集成学习和知识蒸馏的深度学习临床决策支持系统，用于胶质瘤分级	采用集成学习构建教师模型，并在学生模型训练中应用不确定性加权集成平均来优化知识传递，缩小师生性能差距	NA	开发用于胶质瘤分级的临床决策支持系统	胶质瘤医学图像	医学图像处理	胶质瘤	深度学习	集成学习,知识蒸馏	医学图像	NA	NA	NA	准确率,精确率,召回率,F1分数	NA
1357	2025-10-06	A Multisite Fusion-Based Deep Convolutional Neural Network for Classification of Helicobacter pylori Infection Status Using Endoscopic Images: A Multicenter Study 2025-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.70004 PMID:40682425	研究论文	开发基于多部位融合的深度卷积神经网络用于胃镜图像中幽门螺杆菌感染状态的分类	首次提出基于投票机制的多部位融合DCNN模型，整合胃部多个部位特征进行幽门螺杆菌感染状态分类	样本量相对有限（训练集676例，外部验证126例），模型准确率仍有提升空间	开发能够准确分类幽门螺杆菌感染状态的深度学习模型	胃镜白光图像	计算机视觉	消化系统疾病	胃镜检查	CNN	图像	训练集：676名受试者的3380张图像；外部验证：126名受试者	NA	Wide-ResNet	准确率, AUC, 敏感性, 特异性, 精确度	NA
1358	2025-10-06	Characterizing and differentiating brain states through a CS-KBRs framework for highlighting the synergy of common and specific brain regions 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102609 PMID:40706423	研究论文	本研究提出基于动态图卷积神经网络的CS-KBRs框架，用于识别关键脑区并区分不同大脑状态	提出动态更新邻接矩阵的DGCNN方法，能够更有效评估各脑区重要性，并首次将关键脑区划分为枢纽性共同区域和特异性区域	方法主要基于fMRI数据，在其他神经影像数据上的适用性有待验证	揭示不同脑区协调作用机制，提高大脑状态分类的准确性和可解释性	人类大脑区域及其功能连接	神经科学	NA	功能磁共振成像(fMRI)	动态图卷积神经网络(DGCNN)	脑功能连接数据	从148个脑区中筛选出56个关键脑区	NA	动态图卷积神经网络	分类准确率	NA
1359	2025-10-06	Comparative analysis of the tumor microenvironment in primary CNS and testicular large B-cell lymphomas using digital image analysis and its implications for immunotherapy 2025-Sep, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.105874 PMID:40714128	研究论文	通过数字图像分析比较原发性中枢神经系统和睾丸大B细胞淋巴瘤的肿瘤微环境特征	首次直接比较PCNSL和PTL的肿瘤微环境，揭示两者在免疫细胞组成和T细胞耗竭程度的显著差异	样本量有限（55例），仅针对特定免疫标记物进行分析	探究免疫特权部位原发性大B细胞淋巴瘤的肿瘤微环境差异及其对免疫治疗的启示	55例涉及中枢神经系统和睾丸的弥漫性大B细胞淋巴瘤病例	数字病理学	淋巴瘤	免疫组织化学染色，数字图像分析	深度学习	病理图像	55例淋巴瘤病例	NA	NA	P值	NA
1360	2025-10-06	Fluid-SegNet: Multi-dimensional loss-driven Y-Net with dilated convolutions for OCT B-scan fluid segmentation 2025-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102613 PMID:40763605	研究论文	提出一种基于深度学习的OCT B扫描图像中液体区域分割新方法Fluid-SegNet	采用多维度损失驱动的Y-Net架构结合扩张卷积，有效解决细小液体区域分割和异质性液体区域欠分割问题	NA	提高OCT B扫描图像中液体区域分割的准确性	视网膜OCT B扫描图像中的液体区域	计算机视觉	视网膜疾病	光学相干断层扫描	CNN	医学图像	三个公共数据集UMN、AROI和OIMHS	NA	Y-Net	Dice系数	NA