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
201	2025-08-11	ChewNet: A multimodal dataset for invivo and invitro beef and plant-based burger patty boluses with images, texture, and force profiles 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111890 PMID:40778379	research paper	该研究提供了一个多模态数据集，包含牛肉和植物基汉堡肉饼在人类和机器人咀嚼过程中产生的图像、质地和力分布数据	首次结合人类和机器人咀嚼实验，提供全面的食物咀嚼过程多模态数据，支持深度学习模型开发	人类参与者样本量较小（仅3名健康成年男性），且仅针对特定类型食物	探索食物团块特性随咀嚼次数的变化关系，开发能预测咀嚼食物机械和质地特性的深度学习模型	牛肉和植物基汉堡肉饼的咀嚼过程	食品科学	NA	质地剖面分析(TPA)、机器人咀嚼模拟	深度学习模型	图像、力分布数据、质地参数	3名人类参与者+机器人咀嚼实验
202	2025-08-10	A novel multimodal adaptive delineation model for primary tumors and lymph node metastases in multi-center nasopharyngeal carcinoma radiotherapy 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108965 PMID:40682906	研究论文	提出了一种新型多模态自适应勾画模型，用于多中心鼻咽癌放疗中原发肿瘤和淋巴结转移的自动勾画	采用条件去噪扩散模型（DDPM）结合“模态间和模态内”注意力机制，动态校准多模态特征的融合权重，提高了自动勾画的准确性	研究样本中前瞻性病例较少（仅4例），可能影响模型在真实临床环境中的泛化能力	提高鼻咽癌放疗中肿瘤体积（GTV）自动勾画的准确性和稳定性	鼻咽癌（NPC）原发肿瘤和淋巴结转移	数字病理	鼻咽癌	CT和MRI多模态成像	条件去噪扩散模型（DDPM）	医学影像	529例回顾性病例和4例前瞻性病例
203	2025-08-09	A classification method of motor imagery based on brain functional networks by fusing PLV and ECSP 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107684 PMID:40450930	research paper	提出了一种融合PLV和ECSP的脑功能网络构建方法，用于增强脑状态解码能力并评估运动想象期间脑区相关节点的功能连接变化	融合边特征和节点特征构建新型脑功能网络，并设计AMSF-CNN模型进行验证	未提及具体样本量以外的局限性	提升运动想象任务中脑状态解码能力，探索人脑工作机制	左右手抓握任务的运动想象脑电信号	脑机接口	NA	PLV（相位锁定值）、ECSP（增强共同空间模式）	AMSF-CNN（注意力多尺度特征卷积神经网络）	脑电信号	SHU_Dataset和BCI IV 2a Dataset（未提具体样本数）
204	2025-08-09	CDAFormer: Hybrid Transformer-based contrastive domain adaptation framework for unsupervised hyperspectral change detection 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107633 PMID:40505164	研究论文	提出了一种基于混合Transformer的对比域适应框架（CDAFormer），用于无监督高光谱变化检测，以解决现有方法在不同数据分布的高光谱图像上泛化能力差和标注数据获取困难的问题	通过混合Transformer块进行初步粗对比域对齐，并在损失函数层面进行细粒度对齐，有效利用先验信息提升无标签训练样本下的检测性能	未明确说明模型在极端光照或天气条件下的鲁棒性，也未讨论计算复杂度问题	提升无监督高光谱变化检测的跨域泛化能力	高光谱图像（HSI）的变化检测	计算机视觉	NA	对比域适应（CDA）	混合Transformer（Hybrid Transformer）	高光谱图像	广泛使用的数据集（未明确数量）
205	2025-08-09	Physics-informed neural networks for solving inverse problems in phase field models 2025-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107665 PMID:40554300	research paper	该论文探讨了物理信息神经网络（PINNs）在解决相场模型反问题中的应用	将PINNs应用于反问题，特别是关键各向异性材料参数的逆反，并扩展到多物理耦合系统	未提及具体的数据量或实验验证范围	研究PINNs在材料科学中解决反问题的潜力	相场模型中的扩散、流动和相变问题	machine learning	NA	Physics-Informed Neural Networks (PINNs)	PINNs	numerical simulation data	NA
206	2025-08-07	Combined model-driven and dual-cycle interactive strategy few-shot learning scheme for predicting breast cancer molecular subtypes based on DCE-MRI 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108923 PMID:40628151	研究论文	提出一种结合模型驱动和双循环交互策略的小样本学习方案，用于基于DCE-MRI预测乳腺癌分子亚型	联合嵌入模型驱动机制和双循环交互策略的小样本学习方案，以及独特的时空循环网络分类器（STRNC）和双循环交互策略（DCIS）	未提及具体局限性	解决医学图像分类问题，特别是乳腺癌分子亚型的预测	乳腺癌分子亚型	计算机视觉	乳腺癌	DCE-MRI	时空循环网络分类器（STRNC）	图像（DCE-MRI）	公共数据集
207	2025-08-07	Measured spectrum environment map dataset with multi-radiation sources in urban scenarios 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111909 PMID:40766197	research paper	本文提出了一个城市多辐射源场景下的实测频谱强度数据集，旨在解决现实多源动态场景中频谱环境图（SEM）开放数据集的不足	该数据集真实反映了多辐射源共存场景下传播信道的非线性特性	数据集仅覆盖了30 MHz、115 MHz和2 GHz三个频段，且空间分辨率为1m×1m	解决现实多源动态场景中频谱环境图开放数据集的不足	城市多辐射源场景下的频谱强度数据	无线通信	NA	高精度测量	NA	频谱强度数据	80×105网格的频谱强度或接收信号强度（RSS）数据
208	2025-08-06	HybridDLDR: A hybrid deep learning-based drug resistance prediction system of Glioblastoma (GBM) using molecular descriptors and gene expression data 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108913 PMID:40592112	研究论文	本文提出了一种基于深度学习的混合模型，用于预测胶质母细胞瘤(GBM)的耐药性	结合了CNN、LSTM和transformer架构的混合深度学习模型，用于预测药物耐药性	未提及具体的数据集规模或模型泛化能力的验证	提高癌症治疗期间药物效果的预测准确性	胶质母细胞瘤(GBM)的耐药性预测	机器学习	胶质母细胞瘤	基因表达数据和化学性质分析	CNN, LSTM, transformer	基因表达数据和化学描述符	NA
209	2025-08-06	From segmentation to explanation: Generating textual reports from MRI with LLMs 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108922 PMID:40633400	研究论文	本文提出了一种结合语义分割模型、基于图谱的映射和大型语言模型（LLMs）的新方法，用于从MRI生成可读的医学报告	通过结合结构化JSON与提示约束的反幻觉设计，提高了AI系统的透明度和可解释性，相比大多数简单的LLM报告生成方法具有创新性	方法仅在脑肿瘤检测和多发性硬化病变检测中进行了测试，需要进一步验证在其他医学影像场景中的泛化能力	增强AI在关键医学任务中的可解释性，提升医疗从业者对AI驱动诊断的信任	脑肿瘤（胶质瘤）和多发性硬化病变的MRI影像	数字病理学	脑肿瘤（胶质瘤）和多发性硬化	语义分割模型、基于图谱的映射、LLMs（Gemma, Llama, Mistral）	SegResNet, LLMs	MRI影像	NA
210	2025-08-06	A Joint Multimodal User Authentication-based Privacy Preservation with Disease Prediction Framework in Modern Healthcare System Using Multi-Scale Cross Attention-based ResNet 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108928 PMID:40644852	研究论文	提出一种基于多尺度交叉注意力ResNet的多模态用户认证与疾病预测框架，用于现代医疗系统中的隐私保护和疾病预测	结合多模态用户认证和疾病预测，采用多尺度交叉注意力ResNet和最优Rossler超混沌加密技术，提高了认证和预测性能	系统复杂性可能限制实际应用，包括信息安全和预测效率方面的问题	开发一个既能保护医疗数据隐私又能准确预测疾病的现代医疗系统框架	医疗系统中的多模态用户认证和疾病预测	数字病理学	NA	最优Rossler超混沌加密(ORHCE)	多尺度交叉注意力ResNet(MCARNet), DNN, RNN, LSTM, GRU	图像和信号(转换为2D图像)	NA
211	2025-08-06	TAC-ECG: A task-adaptive classification method for electrocardiogram based on cross-modal contrastive learning and low-rank convolutional adapter 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108918 PMID:40644854	研究论文	提出一种基于跨模态对比学习和低秩卷积适配器的心电图任务自适应分类方法TAC-ECG	结合对比学习预训练心电图编码器和轻量级低秩卷积适配器，实现多任务快速适配	未明确说明模型在噪声数据或跨设备泛化能力方面的表现	开发灵活高效的心电图自动分类方法	心电图信号	机器学习	心血管疾病	对比学习, 低秩适配	对比学习预训练模型+CNN适配器	心电图信号	四个公开数据集(CPSC2018/Cinc2017/PTB-XL/Chapman)
212	2025-08-06	Artificial intelligence in forensic pathology: Multi-organ postmortem pathomics for estimating postmortem interval 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108949 PMID:40651440	研究论文	本研究利用病理组学和深度学习技术，开发了一种三级分层策略，通过分析死后组织图像数据来估计死后间隔，为死后病理组学奠定了基础	提出了一个三级分层策略，整合多器官特征，首次将全切片图像作为新模态应用于死后间隔估计	研究仅使用了巴马小型猪作为模型，样本量相对较小（12只训练，4只验证）	开发基于病理组学和深度学习的死后间隔估计方法	巴马小型猪的肝脏、肾脏和骨骼肌组织	数字病理学	NA	全切片图像分析、深度学习	DenseNet121, VGG16, stacking集成模型	图像	12只巴马小型猪（训练集），4只（外部验证集）
213	2025-08-06	Handwritten signature verification using a wearable surface-EMG armband 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108908 PMID:40664058	研究论文	本研究探讨了使用表面肌电图（sEMG）通过可穿戴臂带进行手写签名验证的方法	提出了一个双模型深度学习框架，结合肌肉共激活模式和原始sEMG信号波形，显著提高了签名验证的准确率	研究样本量较小，仅包含20名个体的数据	解决手写签名验证中类内变异性大的问题，提供一种实用且安全的生物特征认证解决方案	手写签名	生物特征识别	NA	表面肌电图（sEMG）	CNN-LSTM, 多分支CNN	sEMG信号	20名个体
214	2025-08-06	Early detection of Multidrug Resistance using Multivariate Time Series analysis and interpretable patient-similarity representations 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108920 PMID:40675058	研究论文	本研究提出了一种新颖的可解释机器学习方法，用于预测多药耐药性（MDR），旨在提高预测准确性和可解释性	采用基于患者相似性表示的多变量时间序列分析和图方法，结合多种相似性度量，提高了MDR预测的准确性和可解释性	研究基于单一ICU数据集，可能限制结果的普适性	开发一种可解释的机器学习方法，用于早期检测多药耐药性	ICU患者的电子健康记录数据	机器学习	多药耐药性感染	多变量时间序列分析、动态时间规整（DTW）、时间聚类核	Logistic回归、随机森林、支持向量机	电子健康记录（EHR）	来自University Hospital of Fuenlabrada ICU数据集的真实世界数据
215	2025-08-06	Blind super-resolution for handheld ultrasound image: Two-stage degradation based unpaired deep learning 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108956 PMID:40694937	research paper	提出了一种基于两阶段退化的盲超分辨率方法，用于提升手持超声设备的图像质量	引入两阶段退化方法，包括频率概率退化和高斯模糊与斑点噪声退化，以及新的超声感知损失函数	未提及具体样本量及实际临床应用的验证效果	提升手持超声设备的图像质量	手持超声设备采集的低质量超声图像	computer vision	NA	小波变换, 神经网络生成的模糊核和噪声	EDSR	image	NA
216	2025-08-06	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	本研究开发了一种新型深度学习模型，通过多层次的分子表示和细胞系潜在空间融合来预测抗癌药物的协同组合	模型在节点、基元和图形层次上分层表示药物分子，结合Mamba模块和图注意力卷积提取药物对特征，并通过编码器-解码器结构减少细胞系数据噪声	NA	提高抗癌药物协同效应的预测准确性	抗癌药物组合和癌细胞系	机器学习	癌症	深度学习	基于图注意力的卷积网络和编码器-解码器结构	药物分子图和细胞系基因表达数据	基准数据集中的多种癌细胞系药物反应数据
217	2025-08-04	Towards bridging the synthetic-to-real gap in quantitative photoacoustic tomography via unsupervised domain adaptation 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100736 PMID:40747132	研究论文	提出一种解码器增强的无监督域适应框架（DDA），用于解决定量光声层析成像中合成数据到真实数据的域适应问题	提出DDA框架，通过调整归一化层的仿射参数，显著提高了从合成数据到未标记目标域的知识迁移效果	需要至少两个目标样本的多波长光声图像进行微调，可能限制了在样本稀缺情况下的应用	解决定量光声层析成像中合成数据与真实数据之间的域适应问题，提高深度学习模型的泛化能力	光声层析成像中的吸收系数估计	计算机视觉	NA	无监督域适应	DDA框架	图像	至少两个目标样本的多波长光声图像
218	2025-08-03	Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume 2025-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30555 PMID:40312974	研究论文	开发了一种基于模型驱动的自监督深度学习网络，用于同时绘制心肌氧提取分数（mOEF）和心肌血容量（MBV）图	将物理模型整合到训练过程中，调节自监督学习模式，同时使用均方误差和余弦相似度的损失函数来提高网络预测性能	研究样本量较小，仅包括10名健康受试者和10名心肌梗死患者	开发一种能够同时评估心肌氧提取分数和心肌血容量的深度学习网络	心肌氧提取分数（mOEF）和心肌血容量（MBV）	医学影像分析	心肌梗死	自监督学习（SSL）	深度学习网络	医学影像数据	10名健康受试者和10名心肌梗死患者
219	2025-08-03	Deep learning-based prospective slice tracking for continuous catheter visualization during MRI-guided cardiac catheterization 2025-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30574 PMID:40485142	研究论文	本研究提出了一种基于深度学习的无参数自动切片跟踪技术，用于在MRI引导的心脏导管插入术中连续跟踪和可视化导管	采用U-Net架构与ResNet-34编码器结合的深度学习方法，实现了无参数、操作者独立的导管实时跟踪	研究仅在3名患者和心脏模型中进行验证，样本量较小	开发一种用于MRI引导心脏导管插入术的自动导管跟踪技术	心脏导管插入术中的导管	医学影像分析	心血管疾病	MRI	U-Net with ResNet-34 encoder	医学影像	3名患者和1个3D打印心脏模型
220	2025-07-29	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	research paper	提出了一种无需重新训练、可泛化的深度学习框架PA OmniNet，用于鲁棒的光声图像重建	PA OmniNet通过少量示例图像（上下文集）适应新系统配置，无需重新训练，显著提高了图像重建质量	需要少量示例图像（4到32张）来适应新系统，可能在某些极端情况下性能受限	开发一种无需重新训练、可泛化的深度学习框架，用于稀疏采样光声成像中的图像重建	光声图像	computer vision	NA	光声成像	modified U-net	image	包括小鼠和人类受试者的体内数据、合成数据以及不同波长捕获的图像