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
2541	2025-08-07	Ensemble Denoising Autoencoders Based on Broad Learning System for Time-Series Anomaly Detection 2025-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3548941 PMID:40126953	研究论文	提出了一种基于广度学习系统的集成去噪自编码器方法，用于时间序列异常检测	创新性地结合了序列-图像策略的数据驱动自发扰动和基于人工异常数据对的时间异常知识增强策略，以及基于广度学习系统的去噪自编码器（DBLS-AE）和渐进多样性去噪自编码器（PddBLS-AE）	未提及具体的数据集限制或模型在特定场景下的适用性问题	提升无监督时间序列异常检测的性能和鲁棒性	时间序列数据中的异常模式	机器学习	NA	去噪自编码器，广度学习系统（BLS）	DBLS-AE, PddBLS-AE	时间序列数据	多个数据集（未具体说明样本数量）
2542	2025-08-07	Active Learning Based on Temporal Difference of Gradient Flow in Thoracic Disease Diagnosis 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3554298 PMID:40126962	research paper	提出了一种基于梯度流时间差异的新型度量方法（TDGF），用于在胸部疾病诊断的主动学习中进行数据选择	引入了TDGF度量方法，通过代理模型和历史代理模型的梯度流差异来评估未标记样本的不确定性，显著降低了数据评估和选择的成本	未明确提及具体限制，但可能依赖于代理模型的准确性以及梯度流差异的有效性	降低胸部疾病诊断中医学图像标注的成本，提高主动学习的效率	胸部X光片（来自ChestX-ray14和CheXpert数据集）	digital pathology	thoracic disease	active learning	CNN	image	两个公开的胸部X光片数据集（ChestX-ray14和CheXpert）
2543	2025-08-07	Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning 2025-Aug, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70011 PMID:40129053	研究论文	本研究探索使用无监督深度学习技术，从人类血液的红外分子指纹中提取低维表示	开发了一种全卷积去噪自编码器，用于处理FTIR光谱数据，通过瓶颈架构和自定义损失函数有效降噪并保留关键分子信息	NA	寻找血液红外光谱的信息表示方法，提高肺癌检测准确性	人类血液的红外分子指纹	机器学习	肺癌	FTIR光谱	全卷积去噪自编码器	光谱数据	NA
2544	2025-08-07	DeepTWA-TM: Deep Learning T-Wave Alternans Detection in Ambulatory ECG via Time Analysis 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553789 PMID:40138221	研究论文	提出一种基于深度学习的T波交替检测方法DeepTWA-TM，用于动态心电图分析	通过迁移学习使用VGG、ResNet和Inception等鲁棒架构，无需信号预处理步骤如R峰识别、T波分割或特征工程	NA	开发非侵入性标记物评估心源性猝死风险，特别是T波交替（TWA）的检测	动态心电图信号中的T波交替	机器学习	心血管疾病	深度学习	VGG, ResNet, Inception	心电图信号	自定义长期真实患者数据集，包含从不可见微交替到20至100μV高振幅TWA的发作
2545	2025-08-07	Inverse RL Scene Dynamics Learning for Nonlinear Predictive Control in Autonomous Vehicles 2025-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3549816 PMID:40146653	research paper	本文提出了一种基于深度学习的非线性模型预测控制器（DL-NMPC-SD）方法，用于自动驾驶导航	结合了先验名义车辆模型和从时间序列距离传感信息中学习的场景动态模型，利用深度神经网络编码场景动态模型，并通过逆强化学习和Bellman最优原理训练控制器	实验仅在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行，实际应用效果有待进一步验证	开发一种高效的自动驾驶导航控制器	自动驾驶车辆	machine learning	NA	inverse reinforcement learning (IRL), deep Q-learning (DQL)	deep neural network	temporal sequences of range-sensing observations and system states	虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆
2546	2025-08-07	Leveraging Channel Coherence in Long-Term iEEG Data for Seizure Prediction 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556775 PMID:40168220	研究论文	本研究提出了一种基于相干性和深度学习的癫痫发作预测方法CoSP，旨在提高预测准确性	结合相干性分析与深度学习，开发了CoSP方法，显著提高了癫痫发作预测的准确性和可靠性	研究仅基于10名患者的长期iEEG数据，样本量较小	提高癫痫发作预测的准确性和可靠性，改善癫痫患者的生活质量	癫痫患者的长期iEEG数据	数字病理学	癫痫	EEG相干性分析	CNN	iEEG数据	10名患者的长期iEEG数据
2547	2025-08-07	Integrating Clinical Insights via Hierarchical Inference to Predict Conditions in Bilaterally Symmetric Organs 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556717 PMID:40168215	research paper	该研究提出了一种双边模型，用于预测双侧对称器官的病情，并优化随访间隔预测，以提高临床决策的可解释性和信任度	结合分层推理和自监督学习技术，提出了一种双边模型，同时提供初始诊断和随访预测，增强临床应用的信任度	研究主要侧重于眼科病例，可能不适用于其他类型的双侧对称器官疾病	开发一种深度学习模型，支持临床诊断和随访间隔预测，以优化临床决策	双侧对称器官（如眼科病例）的病情预测	machine learning	眼科疾病	分层推理和自监督学习	稀疏自编码器、诊断分类器和TCU分类器组成的双边模型	眼科数据集	NA
2548	2025-08-07	FIND: A Framework for Iterative to Non-Iterative Distillation for Lightweight Deformable Registration 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556676 PMID:40168217	research paper	提出了一种名为FIND的框架，用于将迭代式变形配准能力高效转移到非迭代轻量级网络中	FIND框架通过双重步骤（循环蒸馏和高级特征蒸馏）有效转移复杂变形处理能力，使轻量级网络在资源有限设备上实现快速有效的配准	未明确说明框架在不同类型医学图像上的泛化能力	解决深度学习网络在资源有限设备上部署困难的问题，提高变形图像配准效率	医学图像变形配准	digital pathology	NA	知识蒸馏	非迭代轻量级网络(NIL)	医学图像	四个数据集
2549	2025-08-07	Fetal Cerebellum Landmark Detection Based on 3D MRI: Method and Benchmark 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3559702 PMID:40208761	research paper	该论文提出了一种基于3D MRI的胎儿小脑标志点检测方法及基准	引入了Anatomical Pseudo-label Guided Attention (APGA)网络和Feature Decoupling Transformer (FDT)来改进3D胎儿脑图像中的小脑标志点检测	未明确提及具体局限性	提高胎儿小脑标志点检测的准确性以评估胎儿大脑发育	胎儿小脑	computer vision	NA	3D MRI	APGA网络, FDT	3D MRI图像	未明确提及具体样本量
2550	2025-08-07	NSSI-Net: A Multi-Concept GAN for Non-Suicidal Self-Injury Detection Using High-Dimensional EEG in a Semi-Supervised Framework 2025-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3558170 PMID:40402701	研究论文	本文提出了一种名为NSSI-Net的半监督对抗网络，用于从高维EEG数据中检测非自杀性自伤行为	提出了一种结合2D-CNN和BiGRU的空间-时间特征提取模块，以及一个多概念判别器，用于从EEG数据中提取有意义特征	研究样本量相对较小（n=114），可能影响模型的泛化能力	提高非自杀性自伤行为的早期诊断能力	青少年抑郁症患者的非自杀性自伤行为	机器学习	抑郁症	EEG	GAN, 2D-CNN, BiGRU	EEG信号	114例自收集的NSSI数据
2551	2025-08-07	Enhanced glaucoma detection using U-Net and U-Net+ architectures using deep learning techniques 2025-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104621 PMID:40482945	研究论文	本研究比较了多种图像处理和深度学习方法，提出了一种增强型青光眼诊断方法	结合了中值滤波降噪、U-Net和U-Net+架构的视盘分割、胶囊网络特征提取以及极限学习机分类	未提及研究样本的多样性或实际临床环境中的验证情况	提高青光眼诊断的准确性和可靠性	青光眼诊断	计算机视觉	青光眼	深度学习方法	U-Net, U-Net+, 胶囊网络, ELM	图像	三个数据集（DRISHTI-GS, DRIONS-DB, HRF）
2552	2025-06-16	Commentary on "Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection" by Gencer et al., 2025 2025-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104666 PMID:40516582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2553	2025-08-07	Impact of Deep Learning-Based Image Conversion on Fully Automated Coronary Artery Calcium Scoring Using Thin-Slice, Sharp-Kernel, Non-Gated, Low-Dose Chest CT Scans: A Multi-Center Study 2025-Aug, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.0177 PMID:40527737	研究论文	评估基于深度学习的图像转换对使用薄层、锐核、非门控、低剂量胸部CT扫描进行自动冠状动脉钙化定量准确性的影响	利用深度学习技术转换低剂量CT图像，模拟传统钙化评分CT，提高自动化钙化评分的准确性	研究仅基于回顾性数据，且样本量有限（225对图像）	提高低剂量CT扫描在冠状动脉钙化评分中的准确性	低剂量胸部CT图像和钙化评分CT图像	数字病理学	心血管疾病	深度学习、图像转换	深度学习模型（未明确具体类型）	医学影像（CT扫描）	225对低剂量CT和钙化评分CT图像，来自四个机构
2554	2025-08-07	The value of machine learning based on magnetic resonance imaging (MRI) and biopsy whole-slide image to predict pathological complete response to breast cancer after neoadjuvant chemotherapy: a two-centre study 2025-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106976 PMID:40582270	研究论文	开发并验证基于MRI和全切片成像(WSI)的联合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解(pCR)	结合临床病理特征、放射组学特征和病理组学深度学习特征，建立了一个联合模型，并通过列线图展示	研究为回顾性设计，样本来自两个机构，可能存在选择偏差	预测乳腺癌患者在新辅助化疗后的病理完全缓解	331例经病理证实为浸润性乳腺癌并接受新辅助化疗的患者	数字病理	乳腺癌	MRI, WSI, 深度学习	AlexNet, LASSO回归	图像	331例患者
2555	2025-08-07	Comparative study of dermatologists and deep learning model on diagnosing childhood vitiligo 2025-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104727 PMID:40680913	研究论文	比较皮肤科医生和深度学习模型在诊断儿童白癜风方面的表现	首次比较了皮肤科医生和深度学习模型在儿童白癜风诊断中的表现，并使用了多种成像数据	样本量相对较小，且仅使用了三种成像数据	探索基于皮肤镜图像的深度学习模型在儿童白癜风诊断中的性能	474名儿科患者（223名白癜风患者和251名非白癜风患者）	数字病理	白癜风	皮肤镜成像、Wood灯成像、标准临床照片	ResNet152, DenseNet121	图像	474名儿科患者，3896张皮肤镜图像
2556	2025-08-07	Explainable multimodal deep learning for predicting thyroid cancer lateral lymph node metastasis using ultrasound imaging 2025-Aug-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62042-z PMID:40750786	研究论文	开发了一种名为LLNM-Net的双向注意力深度学习模型，用于预测甲状腺癌侧淋巴结转移	首次融合多模态数据（超声图像、放射学报告、病理结果和人口统计学数据）进行预测，性能超越人类专家和现有模型	研究涉及多个中心的数据，但未提及数据质量和一致性的控制方法	开发术前预测甲状腺癌侧淋巴结转移的精确方法，以指导手术策略和预后评估	甲状腺癌患者	数字病理	甲状腺癌	深度学习	双向注意力深度学习模型（LLNM-Net）	多模态数据（图像、文本、临床数据）	29,615名患者和9,836例手术病例，来自七个中心
2557	2025-08-07	Deep-learning model for embryo selection using time-lapse imaging of matched high-quality embryos 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10531-y PMID:40750959	研究论文	开发并验证了一种基于自监督对比学习的深度学习模型，用于通过延时成像选择高质量胚胎	采用自监督对比学习训练卷积神经网络，结合Siamese神经网络微调和XGBoost最终预测模型，以防止过拟合	模型在预测后续移植妊娠结局时的AUC为0.57，性能有待提高	提高体外受精（IVF）实验室中胚胎选择的准确性和效率	匹配的已知植入数据（KID）胚胎	计算机视觉	生殖健康	延时成像	CNN, Siamese神经网络, XGBoost	视频	460名患者的1580个胚胎视频
2558	2025-08-07	STELLA provides a drug design framework enabling extensive fragment-level chemical space exploration and balanced multi-parameter optimization 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12685-1 PMID:40750989	研究论文	介绍了一种名为STELLA的药物设计框架，该框架能够进行广泛的片段级化学空间探索和平衡的多参数优化	STELLA结合了基于进化算法的片段级化学空间探索和基于聚类的构象空间退火方法，用于高效的多参数优化，并利用深度学习模型准确预测药理特性	NA	开发一个能够高效探索化学空间并进行多参数优化的药物设计框架	药物分子	药物发现	NA	进化算法、深度学习	NA	化学分子数据	NA
2559	2025-08-07	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2025-Aug-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果	整合了多种先进的深度学习模型和基于共识的评分方法，并利用大型宏基因组序列数据库增强多序列比对（MSAs）的深度	部分目标与其他组存在显著差异，表明MSA和评分策略仍有改进空间	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA的结构	生物信息学	NA	深度学习、多序列比对（MSAs）、共识排名方法	深度学习模型、NuFold框架	蛋白质和RNA的序列与结构数据	NA
2560	2025-08-07	Pretreatment CT Texture Analysis for Predicting Survival Outcomes in Advanced Nonsmall Cell Lung Cancer Patients Receiving Immunotherapy: A Systematic Review and Meta-Analysis 2025-Aug, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.70144 PMID:40755255	meta-analysis	通过系统综述和荟萃分析评估预处理CT纹理分析在预测接受免疫治疗的晚期非小细胞肺癌患者生存结局中的价值	首次系统评估了CT纹理分析作为非侵入性影像生物标志物在预测免疫治疗反应中的临床意义	纳入研究均为回顾性设计，且不同研究使用的放射组学特征存在异质性	评估CT纹理特征对晚期非小细胞肺癌免疫治疗患者生存结局的预测价值	晚期非小细胞肺癌患者	digital pathology	lung cancer	CT纹理分析	NA	医学影像	10项研究共2400例患者