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
2621	2025-09-06	A Survey on Confidence Calibration of Deep Learning-Based Classification Models Under Class Imbalance Data 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3565159 PMID:40531642	综述	本文全面调查了类别不平衡数据下基于深度学习的分类模型的置信度校准方法	首次综合研究类别不平衡下的置信度校准问题，而非单独探讨校准或类别不平衡	NA	研究类别不平衡数据下深度学习分类模型的置信度校准技术	深度学习分类模型	机器学习	NA	NA	深度学习	NA	回顾了60种最先进方法
2622	2025-09-06	MDFA: A Quantitative Framework for the Analysis of Multimodal Facial Esthetics 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3570389 PMID:40531641	研究论文	提出一种基于标签分布的多模态面部美学分析框架LDMFE，结合2D和3D信息进行面部美观度预测	结合2D和3D多模态特征进行美学评估，提出深度信息提取网络DIENet和新型分布测量损失函数L_WD	依赖3D数据采集设备的高成本，且现有方法主要基于自建3D数据集，限制了在2D面部图像实际应用场景的适用性	面部美观度预测(FBP)和美学评估	人脸图像	计算机视觉	NA	深度学习	DIENet（包含FSP-Layer和AD-Block）	2D和3D多模态图像数据	三个数据集（具体数量未明确说明）
2623	2025-09-06	Hyperspectral Imaging Combined With Deep Learning for Precision Grading of Clear Cell Renal Cell Carcinoma 2025-Sep, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500180 PMID:40545924	研究论文	本研究结合高光谱成像和深度学习技术，实现对肾透明细胞癌的精确分级	提出融合注意力机制和Transformer模块的一维卷积神经网络架构，有效提取局部光谱特征和全局上下文信息	NA	提高肾透明细胞癌的诊断准确性并支持精准个性化治疗规划	肾透明细胞癌样本	数字病理	肾癌	高光谱成像(HSI)、小波去噪、主成分分析(PCA)	1D CNN with attention mechanisms and Transformer	高光谱图像	80个肾透明细胞癌样本
2624	2025-09-06	A novel approach for CT image smoothing: Quaternion Bilateral Filtering for kernel conversion 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110644 PMID:40779990	研究论文	提出一种基于四元数双边滤波的CT图像平滑新方法，用于改善重建后图像的噪声问题	首次将四元数数学与双边滤波结合，直接在重建后的锐核图像上操作，无需原始投影数据	方法依赖于成对患者数据，且未明确说明样本规模和数据来源的多样性	开发一种无需原始投影数据的CT图像去噪方法，提升图像质量	CT扫描图像	医学影像处理	NA	四元数双边滤波(QBF)	传统图像处理算法（非深度学习）	CT图像	使用同一患者的成对数据，但具体样本数量未明确说明
2625	2025-09-06	Clinical insights to improve medical deep learning design: A comprehensive review of methods and benefits 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110780 PMID:40782553	综述	本文全面回顾了医学深度学习设计中融入临床洞察的方法及其益处，特别关注三维CT图像数据	系统性地调查和分类了临床启发方法在深度学习设计不同阶段的应用，强调领域知识整合的重要性	基于文献回顾，可能受限于所选研究范围和质量，未涉及所有潜在临床场景	探讨如何通过融入临床洞察提升医学深度学习模型的鲁棒性、可解释性和可信度	三维计算机断层扫描（CT）图像数据及相关的临床诊断过程	计算机视觉	NA	深度学习，三维图像处理	深度学习模型（具体类型未指定）	三维医学图像（CT）	基于400篇研究文章的综述，其中47篇详细分析
2626	2025-09-05	Deep learning model for predicting lymph node metastasis around rectal cancer based on rectal tumor core area and mesangial imaging features 2025-Sep-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01878-9 PMID:40890619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2627	2025-09-06	U-FISH: a fluorescent spot detector for imaging-based spatial-omics analysis and AI-assisted FISH diagnosis 2025-Sep-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03736-x PMID:40890868	研究论文	开发了一种基于深度学习的荧光斑点检测方法U-FISH，用于空间组学分析和AI辅助FISH诊断	首个集成大语言模型的斑点检测软件，能有效处理多种空间组学数据并解码3D FISH数据	NA	提升成像空间组学中信号斑点的准确识别能力	FISH图像数据	数字病理	NA	FISH，空间组学方法	深度学习	图像	来自七种空间组学方法的综合FISH图像数据集
2628	2025-09-06	Statistical learning methods for improving predictive performance in time-dependent survival models 2025-Sep-01, Genomics & informatics DOI:10.1186/s44342-025-00050-7 PMID:40890892	研究论文	本研究通过改进时间依赖生存模型中的时间区间划分方法，结合机器学习与深度学习模型，提升对COVID-19等传染病风险预测的准确性	提出分层Cox PH模型结合多时间区间划分策略，并引入加权求和方法整合不同变异株的风险比，显著提升时间依赖效应的估计精度	模型性能依赖于比例风险假设的满足程度，且时间区间的划分需要依赖先验知识	改进生存分析模型以更准确捕捉传染病发展过程中的时间依赖效应和协变量影响	COVID-19感染与未感染个体的死亡风险对比	机器学习	传染病	生存分析，随机生存森林(RSF)，DeepSurv，DeepHit	Cox PH，RSF，深度学习模型	生存数据	基于UK Biobank数据集的样本（具体数量未明确说明）
2629	2025-09-06	Detecting papilloedema as a marker of raised intracranial pressure using artificial intelligence: A systematic review 2025-Sep, PLOS digital health DOI:10.1371/journal.pdig.0000783 PMID:40892792	系统综述	本文系统回顾了人工智能在通过视网膜图像自动检测视乳头水肿以识别颅内压升高方面的应用	首次对AI检测视乳头水肿领域进行全面系统综述，并采用新型'SMART'五域偏倚评估框架	数据选择存在高度偏倚、报告质量较差、可重复性证据有限，结果需谨慎解读	评估人工智能在视乳头水肿检测中的准确性和临床应用潜力	视乳头水肿患者的视网膜图像	医学影像分析	颅内压升高相关疾病	深度学习系统、非深度学习系统	深度学习模型	视网膜图像	训练集正常视盘图像中位数2509张，视乳头水肿图像1292张；测试集正常视盘569张，视乳头水肿201张
2630	2025-09-06	An innovative bimodal computed tomography data-driven deep learning model for predicting aortic dissection: a multi-center study 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2807 PMID:40893488	研究论文	提出一种创新的双模态CT数据驱动深度学习模型，用于预测主动脉夹层	首次开发支持非对比CT和CTA双模态输入的深度学习框架，实现双路径检测并提升诊断效率	回顾性研究，可能存在选择偏倚；未提及外部验证结果	提高主动脉夹层的诊断效率和准确性	接受非对比CT和CTA检查的患者	数字病理	心血管疾病	计算机断层扫描（CT）	深度学习框架（包含AoDN和ADDiN两个网络）	医学影像	第一阶段102例患者，第二阶段861例病例，来自三个医疗中心
2631	2025-09-06	Classification of mitral regurgitation in echocardiography based on deep learning methods 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-120 PMID:40893511	研究论文	本研究开发了一种基于深度学习的人工智能系统，用于超声心动图中二尖瓣反流的自动分类	设计了ARMF-Net深度学习网络，整合3D卷积残差模块、多注意力机制和基于左右心房心室分割结果的辅助特征融合	样本量相对有限（266名受试者的754个视频），需要更大规模的外部验证	提高二尖瓣反流分类的准确性和效率，开发AI辅助决策系统	二尖瓣反流患者的超声心动图视频	计算机视觉	心血管疾病	深度学习，超声心动图	CNN，ARMF-Net（3D卷积残差网络）	视频	266名受试者的754个超声心动图视频（包含A2C、A3C、A4C视图）
2632	2025-09-06	Impact of a deep learning image reconstruction algorithm on the robustness of abdominal computed tomography radiomics features using standard and low radiation doses 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-238 PMID:40893527	研究论文	比较深度学习图像重建算法（DLIR）与传统ASIR-V算法在标准与低剂量腹部CT扫描中对影像组学特征稳健性的影响	首次系统评估DLIR在不同剂量条件下对影像组学特征一致性的提升效果，发现中高强度DLIR即使在低剂量下也能显著改善特征稳健性	回顾性研究且样本量有限（54例患者），仅关注腹部CT且主要针对肝脏病灶	评估不同图像重建算法对CT影像组学特征可重复性的影响	54例肝脏占位性病变患者的增强CT扫描数据	医学影像分析	肝脏肿瘤	CT扫描、深度学习图像重建（DLIR）、自适应统计迭代重建（ASIR-V）	深度学习重建算法	CT影像数据	54例患者，837个感兴趣区域（ROI）
2633	2025-09-06	ST-deconv: an accurate deconvolution approach for spatial transcriptome data utilizing self-encoding and contrastive learning 2025-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf109 PMID:40896262	研究论文	提出一种基于深度学习的空间转录组数据反卷积方法ST-deconv，整合空间信息并利用自编码和对比学习提升性能	结合对比学习增强相邻点空间表示，采用域对抗网络提升泛化能力，能够从单细胞输入生成带细胞类型标签的高分辨率空间数据	NA	解决空间转录组数据缺乏单细胞分辨率的问题，提升细胞类型组成的空间推断准确性	空间转录组数据，特别是小鼠嗅球和人类胰腺导管腺癌组织	生物信息学	胰腺癌	单细胞RNA测序(scRNA-seq)，空间转录组学(ST)	自编码器，对比学习，域对抗网络	空间转录组数据	基准测试包含不同转录组背景的数据集，具体样本量未明确说明
2634	2025-09-06	UC-Mamba: Adaptive Cross-Level Fusion Network With 2D-Selective Foveal Scanning and Channel-Gated Linear Unit for Ulcerative Colitis Evaluation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110869 PMID:40768912	研究论文	提出UC-Mamba神经网络架构，通过仿生设计和先进特征提取提升溃疡性结肠炎严重程度评估准确性	引入2D选择性中心凹扫描机制、通道门控线性单元和自适应跨层融合机制，解决现有方法对近焦特征敏感度不足和局部归纳偏置缺乏的问题	NA	开发深度学习模型以准确评估溃疡性结肠炎的严重程度	溃疡性结肠炎的内镜图像	计算机视觉	溃疡性结肠炎	深度学习	UC-Mamba (基于CNN的定制架构)	图像	两个独立数据集（一个私有数据集和一个公开Kvasir数据集）
2635	2025-09-06	EATHOA: Elite-evolved hiking algorithm for global optimization and precise multi-thresholding image segmentation in intracerebral hemorrhage images 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110835 PMID:40773994	研究论文	提出一种名为EATHOA的精英进化远足优化算法，用于脑出血图像的多阈值精确分割	集成精英对立学习、自适应k平均最佳变异和湍流算子三种新策略，显著提升全局优化能力和分割性能	未提及算法在临床实时应用中的验证或与其他医疗影像数据的兼容性	解决脑出血图像多阈值分割中的计算复杂性和性能退化问题	脑出血(ICH)医学影像	计算机视觉	脑出血	多阈值图像分割(MTIS)	EATHOA（基于HOA优化的元启发式算法）	医学图像	使用CEC2017和CEC2022基准函数测试，并在6个阈值级别进行脑出血图像分割实验
2636	2025-09-06	The use of knowledge graphs for drug repurposing: From classical machine learning algorithms to graph neural networks 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110873 PMID:40784078	综述	本文综述了基于知识图谱的计算药物重定位方法，涵盖从传统机器学习到图神经网络的技术	系统梳理了知识图谱在药物重定位中的应用，对比分析了传统方法与深度学习方法的能力与局限	NA	探索计算方法和人工智能在识别药物新适应症方面的应用	药物-疾病关系	自然语言处理	NA	知识图谱构建与链接预测	传统机器学习算法、图神经网络(GNN)	生物医学知识数据	NA
2637	2025-09-06	MARIA: A multimodal transformer model for incomplete healthcare data 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110843 PMID:40784080	研究论文	提出一种名为MARIA的多模态Transformer模型，用于处理医疗健康领域中的不完整数据	采用改进的掩码自注意力机制，无需数据插补即可直接处理不完整多模态数据	NA	开发能够有效处理不完整多模态医疗数据的深度学习模型	医疗健康诊断和预测任务中的多模态数据	机器学习	NA	深度学习	Transformer	多模态医疗数据	在8个诊断和预后任务上评估，与10个先进模型对比
2638	2025-09-06	SpectroNet-LSTM: An interpretable deep learning approach to cardiac anomaly detection through heartbeat sound analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110774 PMID:40789236	研究论文	提出一种结合SpectroNet和LSTM的可解释深度学习框架，用于通过心音分析自动检测心脏异常	集成先进特征提取、深度学习融合和可解释AI技术，构建全自动且可解释的心脏异常检测系统	NA	开发自动化心脏异常检测系统以改善心血管疾病诊断	心音录音数据	数字病理	心血管疾病	MFCC和频谱图分析	ResNet101, VGG16, Inception V3, LSTM	音频	基于综合心音录音数据集（具体数量未说明）
2639	2025-09-06	Dendrite cross attention for high-dose-rate brachytherapy distribution planning 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110902 PMID:40789235	研究论文	本研究提出了两种深度学习模型BiCA-UNet和DCA-UNet，用于改进宫颈癌高剂量率近距离放射治疗的剂量分布规划	引入了交叉注意力机制和树状分支结构，增强了对临床靶区和危险器官区域的特征表示能力	NA	提高高剂量率近距离放射治疗剂量预测的准确性和治疗计划标准化	宫颈癌患者	数字病理	宫颈癌	深度学习	UNet with cross-attention mechanisms	CT扫描图像和分割图谱	NA
2640	2025-09-06	Predicting diameter and tensile strength of electrospun fibers for biomedicine: A comparison of Box-Behnken design, traditional machine learning and deep learning 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110923 PMID:40803173	研究论文	系统比较Box-Behnken设计、传统机器学习和深度学习在预测电纺纤维直径和拉伸强度方面的性能	首次对具有显著不同形态的电纺支架进行三种设计方法的全面对比分析	实验数据集较小（n=18），Box-Behnken设计出现过拟合问题，传统机器学习方法在拉伸强度预测上存在困难	预测电纺聚己内酯支架的纤维直径和拉伸强度	电纺聚己内酯纤维支架	机器学习	NA	电纺丝技术	线性回归、支持向量回归、k近邻回归、随机森林回归、梯度提升回归、极端梯度提升回归、人工神经网络	实验参数数据	18个电纺支架样本（15个训练，3个测试）