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
2181	2025-07-11	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jul-10, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了先进生物可视化技术的原理、应用和局限性，特别关注AI驱动的图像分析、多维成像与重建以及多模态数据整合的变革性进展	整合人工智能、增强现实和深度学习等尖端技术，实现实时、高分辨率和预测性分析，超越传统成像模式的限制	未具体说明现有技术的具体操作限制或数据处理的挑战	解码组织复杂性，推进生物材料开发和临床策略创新	生物组织的多尺度结构和功能复杂性	数字病理	NA	AI、增强现实、深度学习	NA	图像、多维数据	NA
2182	2025-07-11	Modeling Nonradiative Recombination in CsPbI3 and Ge-Doped Perovskites Via Deep Learning with CNN and Transformer Architectures 2025-Jul-10, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01669 PMID:40576303	研究论文	本研究通过深度学习方法（CNN和Transformer架构）建模CsPbI3和Ge掺杂钙钛矿中的非辐射复合过程	首次将多种深度学习模型（包括四种CNN和三种Transformer结构）应用于非绝热耦合的高效预测，揭示了Ge掺杂对非平衡复合过程的微观调控机制	研究仅针对CsPbI和Ge掺杂系统，未验证其他掺杂体系	解决钙钛矿光电设备性能瓶颈中的非辐射电子-空穴复合问题	CsPbI3和Ge掺杂钙钛矿系统	机器学习	NA	密度泛函理论与非绝热分子动力学(NAMD)结合，采用Hammes-Schiffer-Tully(HST)和norm-preserving interpolation(NPI)策略	CNN（包括ResNetPlus等四种）和Transformer（包括TSTPlus等三种）	计算化学数据	NA
2183	2025-07-11	BIScreener: enhancing breast cancer ultrasound diagnosis through integrated deep learning with interpretability 2025-Jul-10, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay00475f PMID:40586715	研究论文	提出了一种可解释的深度学习模型BIScreener，用于从乳腺超声图像预测BI-RADS分类，以提高乳腺癌风险评估和诊断效率	结合了三种预训练卷积神经网络的堆叠泛化方法，提高了BI-RADS分类的准确性和诊断效率	研究仅使用了两种特定仪器（Mindray R5和HITACHI）获取的超声图像，可能限制了模型的泛化能力	提高乳腺癌的早期诊断准确性和效率	乳腺超声图像	数字病理学	乳腺癌	深度学习	CNN	图像	外部测试集（具体数量未提及）
2184	2025-07-11	In-silico CT simulations of deep learning generated heterogeneous phantoms 2025-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c9 PMID:40587975	研究论文	该研究提出了一种使用3D DUC-GAN生成具有真实器官纹理和材料变化的虚拟幻影的方法，以提高CT模拟的真实性	首次使用3D DUC-GAN生成包含躯干内器官的16种独特纹理的虚拟幻影，显著提高了模拟的真实性	研究仅基于公开数据集中的378对CT图像-分割对进行训练，可能无法涵盖所有可能的器官变异	提高虚拟CT模拟中幻影的真实性，以更准确地模拟成像过程	虚拟CT幻影	计算机视觉	NA	CT成像	3D DUC-GAN	CT图像	378对CT图像-分割对用于训练，18对用于测试
2185	2025-07-11	A transformer-based network with second-order pooling for motor imagery EEG classification 2025-Jul-10, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adeae8 PMID:40602422	研究论文	提出了一种结合转置注意力机制和二阶池化的神经网络(SecTNet)，用于运动想象脑电图(EEG)分类	首次将转置注意力机制与二阶池化结合，利用黎曼几何度量EEG信号的协方差结构，并通过注意力机制自适应建模通道间依赖关系	未明确说明模型在更广泛EEG数据集上的泛化能力	提升运动想象脑机接口(BCI)的EEG信号解码性能	脑电图(EEG)信号	脑机接口	NA	深度学习	Transformer结合CNN	EEG信号	两个公开EEG数据集(BCI competition IV 2a和OpenBMI)
2186	2025-07-11	An overview of reliable and representative DVC measurements for musculoskeletal tissues 2025-Jul-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70008 PMID:40636996	综述	本文综述了数字体积相关（DVC）技术在肌肉骨骼组织生物力学研究中的最新进展和应用	重点关注DVC在器官和组织层面力学中的应用，以及与计算建模和数据驱动方法（如深度学习）的结合	讨论了DVC在组织界面处理、边界效应和输出不确定性量化等方面的技术挑战	探讨DVC在肌肉骨骼组织生物力学和生物材料研究中的应用及其改进策略	肌肉骨骼组织，包括矿化组织和软组织	生物力学	NA	数字体积相关（DVC）	深度学习	3D应变场数据	NA
2187	2025-07-11	Explainable deep learning model WAL-net for individualized assessment of potentially reversible malnutrition in patients with cancer: a multicenter cohort study 2025-Jul-10, The British journal of nutrition DOI:10.1017/S000711452510384X PMID:40637106	研究论文	本研究开发了一种名为WAL-net的可解释深度学习模型，用于预测癌症患者中潜在可逆性营养不良（RM）的个体化评估	首次利用LSTM架构对体重和骨骼肌的时序数据进行建模，开发了可解释的深度学习模型WAL-net，用于早期识别癌症患者的可逆性营养不良	研究仅基于住院肿瘤患者的数据，可能不适用于门诊患者或其他医疗环境	预测癌症患者中的可逆性营养不良（RM），以优化多学科癌症护理中的患者管理	4254名癌症相关营养不良患者（发现集2977名，测试集1277名）	机器学习	癌症	机器学习（ML）	LSTM	时序数据（体重和骨骼肌）	4254名癌症患者（发现集2977名，测试集1277名），外部验证集798名
2188	2025-07-11	Research on a deep learning-based model for measurement of X-ray imaging parameters of atlantoaxial joint 2025-Jul-10, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09075-6 PMID:40637839	研究论文	本研究构建了一个基于深度学习的SCNet模型，用于自动测量与寰枢椎半脱位(AAS)相关的X射线成像参数，并评估了模型的准确性和可靠性	开发了SCNet模型来自动测量AAS相关的X射线成像参数，提高了测量的准确性和效率	研究仅基于两家医院的1973张影像数据，可能无法涵盖所有临床情况	自动测量寰枢椎半脱位(AAS)相关的X射线成像参数	颈椎张口位X射线影像	数字病理	颈椎疾病	深度学习	SCNet	X射线影像	1973张颈椎张口位X射线影像（来自两家医院）
2189	2025-07-11	A Composable Channel-Adaptive Architecture for Seizure Classification 2025-Jul-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587103 PMID:40633043	研究论文	提出一种可组合的通道自适应架构，用于癫痫发作分类，解决了传统模型需要固定通道数的问题	提出通道自适应（CA）架构，能够处理任意通道数的多变量信号，并在少量数据上实现快速微调	未明确说明模型在其他类型的时间序列数据上的泛化能力	开发一种适用于个性化iEEG设置的癫痫发作分类模型	颅内脑电图（iEEG）数据	机器学习	癫痫	深度学习	CA-EEGWaveNet, CA-EEGNet	多变量时间序列	短期数据集（约15小时）和长期数据集（约2600小时）
2190	2025-07-11	The role of metabolism in shaping enzyme structures over 400 million years 2025-Jul-09, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09205-6 PMID:40634610	研究论文	通过分析11,269个预测和实验确定的酶结构，研究代谢在Saccharomycotina亚门400万年进化中对酶结构的影响	整合结构生物学与进化基因组学，揭示代谢如何从多个尺度塑造酶的结构进化	研究仅针对Saccharomycotina亚门，可能不适用于其他生物群体	探究代谢在酶结构进化中的作用	11,269个预测和实验确定的酶结构，涉及361个代谢反应和225条代谢途径	进化生物学	NA	AlphaFold2, 深度学习	NA	蛋白质结构数据	11,269个酶结构
2191	2025-07-11	Development of a deep learning-based MRI diagnostic model for human Brucella spondylitis 2025-Jul-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01404-6 PMID:40635011	研究论文	本研究开发了一种基于深度学习的MRI诊断模型，用于区分布鲁氏菌脊柱炎和结核性脊柱炎	首次将卷积块注意力模块(CBAM)整合到ResNeXt-50架构中，用于脊柱感染的MRI图像分类	样本量相对有限，且外部验证集仅来自一家医院	开发一种能够快速准确区分布鲁氏菌脊柱炎和结核性脊柱炎的诊断工具	布鲁氏菌脊柱炎和结核性脊柱炎患者	数字病理学	脊柱感染	深度学习	CBAM-ResNeXt	MRI图像	310名受试者(209名BS，101名TS)，外加74名外部验证集
2192	2025-07-11	Deep learning-based allergic rhinitis diagnosis using nasal endoscopy images 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10087-x PMID:40624181	研究论文	本文提出了一种基于深度学习的过敏性鼻炎诊断方法，通过分析鼻内窥镜图像来定量诊断过敏性鼻炎	使用鼻内窥镜图像分析下鼻甲区域的颜色分布，结合CNN特征提取和直方图方法提取重要特征，并通过SVM和全连接分类器进行分类	未来研究需要扩大数据集，包括更多有症状和无症状的图像，以提高模型的鲁棒性	开发一种非侵入性的过敏性鼻炎定量诊断方法	过敏性鼻炎患者的鼻内窥镜图像	数字病理学	过敏性鼻炎	深度学习	CNN, SVM	图像	未明确提及具体样本数量
2193	2025-07-11	DeepNanoHi-C: deep learning enables accurate single-cell nanopore long-read data analysis and 3D genome interpretation 2025-Jul-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf640 PMID:40637236	研究论文	本文介绍了一种名为DeepNanoHi-C的新型深度学习框架，专门用于分析单细胞纳米孔长读数据，以准确预测染色质相互作用并解释3D基因组结构	提出了一种结合多步自编码器和稀疏门控混合专家（SGMoE）的深度学习框架，能够有效处理scNanoHi-C数据的稀疏性和细胞特异性变异，并准确预测染色质相互作用	未提及具体的数据集规模或计算资源需求，可能在实际应用中存在限制	开发一种专门用于scNanoHi-C数据分析的工具，以促进对3D基因组组织的理解	单细胞纳米孔长读数据（scNanoHi-C）	生物信息学	NA	单细胞长读串联测序（scNanoHi-C）	多步自编码器、稀疏门控混合专家（SGMoE）	基因组测序数据	未明确提及样本数量
2194	2025-07-11	Automated cell annotation and classification on histopathology for spatial biomarker discovery 2025-Jul-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61349-1 PMID:40624052	研究论文	本文提出了一种自动细胞注释和分类的实验与计算方法，用于H&E染色图像上的空间生物标志物发现	使用多路免疫荧光(mIF)代替人工注释定义细胞类型，结合自监督学习和领域适应的深度学习模型进行细胞分类	仅针对四种细胞类型进行分类，可能不适用于更复杂的细胞类型识别	开发一种可扩展的标准组织病理学单细胞分析方法，用于精准肿瘤学中的空间生物标志物发现	H&E染色图像中的细胞	数字病理学	肿瘤	多路免疫荧光(mIF), 深度学习	结合自监督学习与领域适应的深度学习模型	图像	1,127,252个细胞(来自组织微阵列核心)
2195	2025-07-11	An enhanced fusion of transfer learning models with optimization based clinical diagnosis of lung and colon cancer using biomedical imaging 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10246-0 PMID:40624106	研究论文	提出了一种基于优化和迁移学习模型融合的增强方法，用于通过生物医学影像准确诊断肺癌和结肠癌	结合CapsNet、EffcientNetV2和MobileNet-V3 Large进行特征提取，并采用TPA-BiGRU分类器和BWO优化技术，实现了99.16%的高准确率	仅在LCC-HI数据集上进行了验证，未涉及其他数据集或实际临床环境测试	开发一种高效的肺癌和结肠癌检测方法，利用临床生物医学影像进行自动诊断	肺癌和结肠癌的生物医学影像数据	数字病理学	肺癌, 结肠癌	深度学习, 迁移学习, 优化算法	CapsNet, EffcientNetV2, MobileNet-V3 Large, TPA-BiGRU	图像	LCC-HI数据集（具体样本数量未提及）
2196	2025-07-11	AG-MS3D-CNN multiscale attention guided 3D convolutional neural network for robust brain tumor segmentation across MRI protocols 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09351-x PMID:40624142	研究论文	提出了一种名为AG-MS3D-CNN的注意力引导多尺度3D卷积神经网络，用于跨MRI协议的稳健脑肿瘤分割	模型整合了多尺度特征提取和空间注意力机制以增强边界描绘，并引入蒙特卡洛dropout进行不确定性估计，同时采用多任务学习框架	未明确提及具体局限性	提高脑肿瘤分割的准确性和鲁棒性，以支持神经肿瘤学的临床决策	脑肿瘤	数字病理学	脑肿瘤	MRI	3D CNN	图像	BraTS 2021数据集及外部数据集（如OASIS、ADNI、IXI）
2197	2025-07-09	Author Correction: Detecting command injection attacks in web applications based on novel deep learning methods 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09836-9 PMID:40624202	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2198	2025-07-11	Deep learning-based video analysis for automatically detecting penetration and aspiration in videofluoroscopic swallowing study 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10397-0 PMID:40624237	研究论文	本研究开发了一种基于深度学习的模型，用于自动检测视频荧光吞咽研究（VFSS）中的渗透和误吸，并评估其诊断准确性	首次使用深度学习模型自动从VFSS视频中提取关键图像并检测渗透和误吸，减少了人工解读时间	模型在检测渗透和误吸时灵敏度较低，且未分析全帧VFSS数据，数据集也局限于单中心	开发自动检测VFSS中渗透和误吸的深度学习模型，以提高诊断效率和准确性	VFSS视频中的图像数据，特别是代表吞咽过程中上食管括约肌开放时刻的图像	计算机视觉	吞咽障碍	视频荧光吞咽研究（VFSS）	CNN	视频和图像	1,467名患者的18,145张图像
2199	2025-07-09	Retraction Note: A combined microfluidic deep learning approach for lung cancer cell high throughput screening toward automatic cancer screening applications 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09817-y PMID:40624239	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2200	2025-07-11	Spatio-temporal transformer and graph convolutional networks based traffic flow prediction 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10287-5 PMID:40624240	研究论文	提出了一种基于时空Transformer和图卷积网络的交通流量预测模型TDMGCN，用于解决交通流量数据中的复杂时空特征和长期预测需求	整合Transformer和多图GCN，设计卷积多头自注意力模块捕获长期时间依赖和局部趋势信息，同时引入空间嵌入模块和多图卷积模块有效提取空间相关性	未明确提及模型计算复杂度或实时性表现，也未讨论在不同规模城市中的泛化能力	提升交通流量预测精度以支持智能交通系统和城市规划决策	交通流量数据	机器学习	NA	深度学习	Transformer + GCN	时空序列数据	五个真实世界交通数据集