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
1	2025-05-30	Multilevel Inter-modal and Intra-modal Transformer network with domain adversarial learning for multimodal sleep staging 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10262-w PMID:40438089	研究论文	本文设计了一种多级跨模态和模态内Transformer网络，结合领域对抗学习，用于多模态睡眠分期	引入多级Transformer结构捕捉各模态内的时间依赖性和模态间的相互依赖性，同时利用多尺度CNN分别学习时间和频率特征，并采用领域对抗学习解决领域泛化问题	未明确提及具体样本量或数据集的详细限制	提高多模态睡眠分期的准确性和跨领域泛化能力	多模态睡眠信号（如脑电图和眼电图）	机器学习	睡眠障碍	深度学习	Transformer, CNN	生物信号（脑电图、眼电图）	在两个常用数据集上进行验证，但未明确样本量
2	2025-05-30	Deep learning algorithms to assist in imaging diagnosis in individuals with disc herniation or spondylolisthesis: A scoping review 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105933 PMID:40252304	综述	本文综述了深度学习算法在椎间盘突出和脊椎滑脱影像诊断中的应用	总结了深度学习在脊柱疾病影像诊断中的最新进展，特别是针对椎间盘突出和脊椎滑脱的应用	数据集规模较小，缺乏外部验证，研究结果在不同人群中的普适性存在挑战	回顾深度学习算法在椎间盘突出和脊椎滑脱影像诊断中的应用	椎间盘突出和脊椎滑脱患者的影像数据	医学影像分析	脊椎疾病	深度学习	CNN, ResNet	MRI, X-ray影像	18项符合条件的研究（9项针对椎间盘突出，9项针对脊椎滑脱）
3	2025-05-30	The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms 2025-Aug-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.114934 PMID:40311725	研究论文	研究伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响，并利用基于深度学习的对象检测算法进行分析	首次证明短暂的社交接触足以诱导社会缓冲效应，特别是在雌性大鼠中，并揭示了社交接触是提高社会缓冲效率的关键因素	研究仅针对青春期Sprague-Dawley大鼠，结果可能不适用于其他年龄段或物种	探究短暂社会缓冲效应及其在青春期雌性大鼠中的表现	青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性）	机器学习	NA	YOLOv8和BoT-SORT算法	深度学习	视频	青春期Sprague-Dawley大鼠（雄性和雌性）
4	2025-05-30	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-Jul-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	review	本文综述了人工智能（AI）在孤立性肺结节（SPNs）诊断中的应用，重点关注临床实践中的挑战	探讨了AI在影像学和血液/组织诊断中的实用性，强调了实际应用中的挑战而非深度学习的技术细节	大多数模型缺乏前瞻性、多机构验证，存在过拟合和泛化能力有限的风险；AI的'黑箱'特性与医生评估的重叠输入（如结节大小、吸烟史）使临床工作流程整合复杂化	评估AI在孤立性肺结节诊断中的作用	孤立性肺结节（SPNs）	digital pathology	lung cancer	RNA sequencing	CNN, machine learning	image, clinical data	NA
5	2025-05-30	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Jun-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	research paper	开发并验证了一种用于脊柱侧弯诊断的自动卷积神经网络(CNN)，以测量多种脊柱参数	提出了一种全自动的深度学习方法，不仅测量Cobb角，还包括其他多个脊柱参数，显著提高了测量效率和准确性	研究为单机构回顾性研究，样本量相对有限，特别是老年患者组样本较少(26例)	开发自动化的脊柱参数测量系统以改善脊柱侧弯诊断	1682名脊柱侧弯患者的正侧位X光片	digital pathology	脊柱侧弯	深度学习	CNN	医学影像(X光片)	1682名患者(包括87名青少年和26名老年患者)
6	2025-05-30	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法，系统评估了机器学习在宿主-病原体相互作用预测中的应用，比较了不同算法的效果	首次系统比较了不同机器学习方法在宿主-病原体相互作用预测中的表现，并提出了未来研究方向	纳入分析的文献数量有限（30篇），且存在数据集标准化和模型可解释性方面的不足	评估机器学习算法在预测宿主-病原体相互作用方面的有效性和应用现状	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	传染病	机器学习算法（包括随机森林、梯度提升、CNN、RNN等）	Random Forest, Gradient Boosting, CNN, RNN	蛋白质相互作用数据	46篇初步筛选文献，最终纳入30篇进行分析
7	2025-05-30	Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography 2025-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3561599 PMID:40238602	research paper	本文提出了一种结合深度数据驱动和物理启发学习的方法，用于超声弹性成像中的剪切波速度估计	提出了一种物理启发学习的方法，利用真实数据而无须已知的剪切波速度值，采用自适应无监督损失函数，减少伪影并提高鲁棒性	方法在真实数据上的表现可能受到噪声的影响，且仅通过两个人类受试者的活体肝脏数据进行了验证	提高超声弹性成像中剪切波速度估计的准确性和鲁棒性	剪切波速度估计	医学影像处理	NA	超声弹性成像	深度学习	超声数据	实验体模数据和两名人类受试者的活体肝脏数据
8	2025-05-30	Deep Learning to Localize Photoacoustic Sources in Three Dimensions: Theory and Implementation 2025-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3562313 PMID:40261767	研究论文	本文开发了一种基于深度学习的3D光声点源定位系统，用于手术工具尖端的三维定位和跟踪	提出了基于目标检测和实例分割的深度学习系统，首次实现了光声点源的三维定位，并推导了点源位置、声速和波形形状之间的理论关系	实验数据主要来自模拟和体模，虽然也包含部分离体数据，但尚未进行真实手术环境下的验证	开发能够三维定位和跟踪手术工具尖端的光声成像方法	手术工具尖端（作为声学点源）	医学影像分析	NA	光声成像	深度学习（目标检测和实例分割）	光声通道数据帧	4000个模拟数据帧、993个体模数据帧和1983个离体数据帧
9	2025-05-30	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	research paper	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部危险器官的自动分割	提出了MIAU-Net模型，并探索了不同虚拟能量水平对分割准确性的影响	研究仅基于46名患者的数据，样本量较小	提高基于双能CT的自动分割准确性	头部危险器官（如脑干、视交叉、晶状体等）	digital pathology	NA	DECT	MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse	image	46名患者的DECT数据
10	2025-05-30	AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143668 PMID:40339839	研究论文	提出了一种基于指针网络的自动加权特征提取器AutoFE-Pointer，用于DNA甲基化预测	利用改进的软化指针网络动态提取和加权来自不同DNA序列的特征，能够同时处理17个不同物种的基准数据集，实现跨物种泛化并减少计算需求	未提及具体样本量或实验验证的局限性	开发精确高效的DNA甲基化预测工具	DNA甲基化模式	计算生物学	癌症	DNA甲基化测序	指针网络	DNA序列数据	NA
11	2025-05-30	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	提出了一种全自动的多指标模型，用于颈动脉CTA图像质量评估，其性能与放射科医师的主观评估相当且效率更高	研究为回顾性设计，且仅使用了来自四家三级医院的840例颈动脉CTA图像	开发并评估用于颈动脉CT血管造影图像质量评估的全自动模型	颈动脉CT血管造影图像	数字病理	心血管疾病	深度学习，多元逻辑回归算法	3D Res U-net	图像	840例颈动脉CTA图像（来自四家三级医院）
12	2025-05-30	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104993 PMID:40381258	research paper	比较分析深度学习在乳腺超声病灶检测和分类中的应用效果	首次探讨了结合病灶检测和分类步骤的影响，并公开了一个新的乳腺超声分割数据集BUS-UCLM	研究仅针对特定数据集，未涉及其他可能的深度学习模型或方法	评估不同深度学习方法在乳腺超声病灶检测和分类中的性能	乳腺超声图像中的病灶	digital pathology	breast cancer	deep learning	Mask R-CNN, Poolformer	image	五个数据集（包括新收集的BUS-UCLM和四个公开数据集：BUSI、OASBUD、RODTOOK、UDIAT）
13	2025-05-30	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	research paper	提出了一种基于涂鸦监督的病理核分割框架S2L-CM，利用对比正则化和像素级多实例学习来提高分割性能	结合自生成的伪标签、多尺度对比正则化和像素级多实例学习来优化分割效果	性能仍不及全监督学习方法	开发一种弱监督学习方法以减少病理核分割中的人工标注需求	病理组织图像中的细胞核	digital pathology	NA	deep learning	CNN	image	四个细胞核数据集
14	2025-05-30	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-29, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	研究论文	本研究探讨了结合深度学习和高斯过程的贝叶斯优化方法在材料设计中的应用	提出了一种结合深度核学习（DKL）的贝叶斯优化方法，解决了高斯过程无法自动生成描述符的问题	在寻找具有最高居里温度的合金时，标准高斯过程模型表现优于DKL模型	提高材料探索的效率	氧化物数据集和混合有机-无机钙钛矿合金	机器学习	NA	深度核学习（DKL）	高斯过程（GP）与神经网络的结合	材料属性数据	922个氧化物数据集和610个混合有机-无机钙钛矿合金数据集
15	2025-05-30	Load demand forecasting in air conditioning a rotor Hopfield neural network approach optimized by a new optimization algorithm 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02568-w PMID:40436955	研究论文	本文提出了一种新的改进转子Hopfield神经网络（RHNN）与分数阶季节优化算法（FO-SOA）相结合的方法，用于空调系统的负载需求预测	提出了结合分数阶季节优化算法（FO-SOA）的改进转子Hopfield神经网络（RHNN），用于优化负载需求预测，提高了预测精度和可靠性	未明确提及具体局限性	优化空调系统的负载需求预测，以提高能源管理效率和维持舒适的室内环境	空调系统的负载需求	机器学习	NA	分数阶季节优化算法（FO-SOA）	转子Hopfield神经网络（RHNN），LSTM，RNN，DNN，DLM	历史负载数据，环境温度，湿度，占用模式等	未明确提及具体样本量
16	2025-05-30	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2025-May-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	research paper	本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法	通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳	研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力	提高放射治疗计划中风险器官（OARs）自动分割的精度和效率	盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs）	digital pathology	prostate cancer	CT	CNN, U-Net, ResU-Net, SegResNet, Attention U-Net	image	240例前列腺分割患者和220例其他器官分割患者
17	2025-05-30	Predicting abnormal fetal growth using deep learning 2025-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01704-0 PMID:40437236	研究论文	本研究利用深度学习技术提高胎儿生长异常的预测准确性	开发了一种深度学习模型，显著提高了对胎儿生长异常（SGA和LGA）的预测准确性，并减少了人口统计学和技术变量带来的偏差	NA	提高胎儿生长异常的预测准确性	胎儿生长异常（SGA和LGA）	数字病理学	胎儿生长异常	深度学习	深度学习模型	图像	65,752名患者的94,538次检查产生的433,096张超声图像
18	2025-05-30	An Explainable Multimodal Artificial Intelligence Model Integrating Histopathological Microenvironment and EHR Phenotypes for Germline Genetic Testing in Breast Cancer 2025-May-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502833 PMID:40439693	研究论文	提出了一种可解释的多模态人工智能模型MAIGGT，整合组织病理学微环境特征和电子健康记录表型，用于乳腺癌胚系基因检测	MAIGGT模型通过多尺度Transformer架构和跨模态潜在表示统一机制，首次整合了组织病理学微环境和临床表型数据，实现了对BRCA1/2突变的精确预筛查	研究仅在三个独立队列中验证，需要更大规模的外部验证	开发一种成本效益高、可扩展且具有生物学解释性的遗传性乳腺癌预筛查方法	乳腺癌患者的组织病理学微环境特征和电子健康记录表型	数字病理学	乳腺癌	多模态深度学习	Transformer-based架构	全切片图像和电子健康记录	三个独立队列（具体数量未明确说明）
19	2025-05-30	Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images 2025-May-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06858-x PMID:40439748	research paper	提出了一种基于混合注意力机制的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测	结合EfficientNetV2和Vision Transformers (ViT)，并引入SE块进行基于注意力的特征优化和U-Net病变定位模块以提高可解释性	未提及模型在更广泛或多样化数据集上的泛化能力	开发一种准确、高效且可解释的多标签眼科疾病自动检测方法	眼底图像中的多标签眼科疾病	digital pathology	ophthalmic disease	deep learning	EfficientNetV2, Vision Transformers (ViT), U-Net	image	多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre）
20	2025-05-30	Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy 2025-May-29, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03421-1 PMID:40439827	research paper	提出了一种保留鼻窦解剖结构的面部去识别方法，并开发了两种自动化工作流程以处理大规模数据集	该方法在去识别过程中保留了鼻窦、鼻甲等耳鼻喉科相关解剖结构，同时提供了两种自动化工作流程（分割传播和nnU-Net深度学习模型）	需要进一步使用活体患者照片进行研究以全面验证其有效性	开发可靠的面部去识别方法以保护患者隐私，同时保留鼻窦相关解剖结构	成人头部CT扫描图像	digital pathology	NA	3D Slicer种子生长技术、分割传播、nnU-Net深度学习模型	nnU-Net	CT图像	20例成人头部CT扫描（来自新墨西哥州死者影像数据库）