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
2901	2025-05-20	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-May-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	research paper	开发一种深度学习算法，用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类	使用ResNet变体的深度学习模型，首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类	研究为回顾性设计，外部验证队列样本量较小(85例)	开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断	618例蛛网膜下腔出血患者(305例动脉瘤性，228例非动脉瘤性)	digital pathology	cardiovascular disease	NCCT扫描	ResNet + U-Net++	CT图像	618例患者(训练集533例，外部测试集85例)
2902	2025-05-20	Systems and synthetic biology for plant natural product pathway elucidation 2025-May-17, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展	讨论了多种策略如共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物识别，并通过案例研究展示了这些方法在解析复杂途径和增强重要天然产物生产中的应用	未提及具体实验数据或样本量的限制	探索植物天然产物途径的解析和工程化	植物代谢途径和天然产物	合成生物学	NA	共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物识别	深度学习	基因组数据、代谢物数据	NA
2903	2025-05-20	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发和验证基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床数据和放射组学特征，利用深度学习模型（MoCo-v2）提升子宫内膜癌分子亚型分类的准确性	研究样本量有限（526例患者），未来需要更大数据集进一步验证模型的潜力	开发并验证一种基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI、放射组学特征提取、深度学习（MoCo-v2）	深度学习模型（MoCo-v2）	MRI图像	526例子宫内膜癌患者
2904	2025-05-20	Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01063-6 PMID:40379665	research paper	本研究开发并验证了一种基于术前CT图像的深度学习模型，用于预测晚期胃癌患者对转化治疗的临床反应	采用渐进式蒸馏（PD）方法构建深度学习模型，相比基线模型和知识蒸馏（KD）模型表现出更优的性能	需要进一步研究以评估该模型与临床病理参数结合的临床实用性	开发一种非侵入性筛查方法，以识别适合转化治疗的晚期胃癌患者	晚期胃癌患者	digital pathology	gastric cancer	CT imaging	deep learning model (Progressive Distill)	image	140名患者（训练集112名，测试集28名）
2905	2025-05-20	Lightweight hybrid transformers-based dyslexia detection using cross-modality data 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01235-4 PMID:40379688	研究论文	提出一种基于轻量级混合Transformer的跨模态数据阅读障碍检测模型	结合SWIN-Linformer、LeViT-Performer和GTNs进行多模态特征提取，并采用DXB分类器与BOHB优化算法提升性能	未说明模型在临床环境中的实际部署效果及跨种族/语言的泛化能力	通过多模态数据实现阅读障碍的早期精准诊断	阅读障碍患者的多模态数据（MRI、EEG、手写图像）	数字病理	神经系统疾病	MRI、EEG、量化感知训练、LIME可解释性分析	SWIN-Linformer+LeViT-Performer+GTNs混合Transformer	多模态数据（影像+信号+图像）	五个公共数据库（未注明具体样本量）
2906	2025-05-20	The application of suitable sports games for junior high school students based on deep learning and artificial intelligence 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01941-z PMID:40379705	研究论文	本研究利用深度学习和人工智能技术，开发了一种基于MediaPipe框架的ST-GCN动作检测算法，旨在提高初中生体育活动的动作识别准确性	结合深度学习和人工智能技术，开发了基于MediaPipe框架的ST-GCN动作检测算法，显著提高了动作识别的准确性和长期预测能力	研究仅针对特定运动（如仰卧起坐）进行了验证，未涵盖所有体育活动的动作识别	提高初中生体育教育的教学质量和个性化学习需求	初中生体育活动中的动作表现	计算机视觉	NA	深度学习、人工智能	ST-GCN	视频	HMDB51数据集
2907	2025-05-20	Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02299-y PMID:40379807	research paper	提出了一种名为残差自注意力视觉变换器（RS-A ViT）的新方法，用于自动检测获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及区分它们与健康病例	使用残差自注意力模块替代传统的自注意力模块，以提高模型性能，并在视网膜疾病分类中表现出色	未提及具体的数据集规模或模型在其他疾病上的泛化能力	开发一种高精度的自动检测视网膜疾病的深度学习模型	获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及健康病例	digital pathology	geriatric disease	OCT	RS-A ViT	image	结合了两个研究中心收集的AVL数据以及OCT数据集中的玻璃膜疣和正常病例，并应用了数据增强方法
2908	2025-05-20	Enhanced effective convolutional attention network with squeeze-and-excitation inception module for multi-label clinical document classification 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98719-0 PMID:40379823	研究论文	提出了一种名为增强型有效卷积注意力网络（EECAN）的新模型，用于多标签临床文档分类，通过结合Squeeze-and-Excitation（SE）Inception模块和注意力机制来提高分类效果	引入了SE Inception模块和EAB-CDC策略，通过自适应重新校准通道特征响应和多层注意力机制来提升特征表示	未提及具体局限性	提高临床文档分类的准确性和效率，以改善患者护理和医疗决策支持	临床文档	自然语言处理	NA	深度学习	EECAN（增强型有效卷积注意力网络）	文本	基准数据集MIMIC-III和MIMIC-III-50
2909	2025-05-20	Potato plant disease detection: leveraging hybrid deep learning models 2025-May-16, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06679-4 PMID:40380088	研究论文	本文提出了一种结合EfficientNetV2B3和Vision Transformer (ViT)的混合深度学习模型，用于提高马铃薯植物病害的检测和识别准确率	提出了一种新型的混合深度学习模型EfficientNetV2B3+ViT，结合了CNN和ViT的优势，在马铃薯叶病数据集上取得了比之前研究高11.43%的准确率	NA	提高马铃薯植物病害的检测和识别准确率，以应对全球农业发展中作物病害管理的挑战	马铃薯植物的病害	计算机视觉	植物病害	深度学习	EfficientNetV2B3+ViT	图像	来自'Potato Leaf Disease Dataset'的马铃薯叶片图像数据集
2910	2025-05-20	Deep learning health space model for ordered responses 2025-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03026-3 PMID:40380121	研究论文	本文开发了深度学习健康空间模型，用于捕捉复杂的非线性生物关系，并与现有的统计健康空间模型进行了性能比较	提出了五种不同的深度学习健康空间模型，包括四种标准二元深度神经网络和一种考虑因变量有序性的深度序数神经网络	模型性能仅在特定数据集上验证，可能需要更多外部验证	开发能够客观且有意义地可视化个体健康状况的深度学习模型	个体健康状况	机器学习	NA	深度学习	DNN, DONN	健康调查数据	训练集32,140个样本（来自KNHANES），验证集862个样本（来自Ewha-Boramae队列）和3,199个样本（来自KARE项目）
2911	2025-05-20	FlowMRI-Net: A Generalizable Self-Supervised 4D Flow MRI Reconstruction Network 2025-May-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101913 PMID:40383184	research paper	提出了一种名为FlowMRI-Net的自监督深度学习框架，用于快速准确地重建高度欠采样的4D流MRI数据	采用物理驱动的展开优化和复数卷积循环神经网络，以自监督方式进行训练，提高了重建速度和准确性	仅针对主动脉和脑血管4D流MRI数据进行了验证，尚未在其他血管区域广泛应用	开发一个通用的自监督深度学习框架，用于快速准确地重建高度欠采样的4D流MRI数据	主动脉和脑血管4D流MRI数据	医学影像处理	心血管疾病	4D流MRI	复数卷积循环神经网络	4D MRI图像	来自两个不同厂商系统的主动脉和脑血管4D流MRI采集数据
2912	2025-05-20	Assessing fetal lung maturity: Integration of ultrasound radiomics and deep learning 2025-May-16, African journal of reproductive health IF:0.7Q4 DOI:10.29063/ajrh2025/v29i5s.7 PMID:40387939	研究论文	本研究通过结合放射组学和深度学习方法，构建了一个预测胎儿肺部成熟度的模型	整合放射组学特征和临床数据，利用深度学习方法提高胎儿肺部成熟度评估的准确性和可靠性	需要在不同的医疗环境中进行模型的验证和优化	提高胎儿肺部成熟度的预测水平，以改善产前护理和婴儿健康	263例妊娠期的超声图像	数字病理	胎儿肺部成熟度评估	超声成像，放射组学特征提取	DenseNet121	图像	263例妊娠期的超声图像
2913	2025-05-20	Toward Ultralow-Power Neuromorphic Speech Enhancement With Spiking-FullSubNet 2025-May-15, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3566021 PMID:40372867	research paper	提出了一种基于脉冲神经网络的超低功耗语音增强系统Spiking-FullSubNet，用于提高边缘设备的语音清晰度和质量	采用全频带和子频带融合的方法有效捕捉全局和局部频谱信息，引入受人类外周听觉系统启发的频率分区方法，并提出一种新型脉冲神经元模型以增强多尺度时间处理能力	NA	开发超低功耗的语音增强系统，适用于边缘设备如耳机和助听器	语音信号	machine learning	NA	SNN	Spiking-FullSubNet	audio	Intel Neuromorphic Deep Noise Suppression (N-DNS) Challenge数据集
2914	2025-05-20	Bacterial identification in SERS-integrated microfluidics using CNN-driven 2D classification of 1D spectra 2025-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128325 PMID:40381415	research paper	该研究提出了一种结合SERS微流控技术和优化的2D-CNN用于细菌分类的新框架	首次探索了SERS光谱的2D表示方法在芯片上细菌识别中的应用，并系统评估了九种不同的1D到2D光谱转换方法	其他转换方法如成对距离和自相关表现低于93%，表明它们在捕捉细微光谱特征方面的能力有限	开发一种用于细菌识别的高效分析方法	细菌样本	machine learning	NA	SERS, 微流控技术	2D-CNN	光谱数据	控制数据集和芯片数据集
2915	2025-05-20	Machine Learning-Based Multimodal Radiomics and Transcriptomics Models for Predicting Radiotherapy Sensitivity and Prognosis in Esophageal Cancer 2025-May-15, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110242 PMID:40381695	研究论文	本研究整合了机器学习驱动的多模态放射组学和转录组学，开发了预测食管癌放疗敏感性和预后的模型	利用SEResNet101深度学习模型分析影像和转录组数据，鉴定预后相关基因，并构建预后风险模型，同时发现STUB1通过促进SRC的泛素化和降解增强放疗敏感性	NA	预测食管癌患者的放疗敏感性和预后，为个体化放疗计划提供依据	食管癌患者	机器学习	食管癌	RNA-seq	SEResNet101	影像数据和转录组数据	来自UCSC Xena和TCGA数据库的数据
2916	2025-05-20	A multi-layered defense against adversarial attacks in brain tumor classification using ensemble adversarial training and feature squeezing 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00890-x PMID:40369011	研究论文	本研究提出了一种多层防御策略，结合集成对抗训练和特征压缩技术，以提高脑肿瘤分类模型在对抗攻击下的鲁棒性	采用VGG16-based CNN模型，并结合对抗训练和特征压缩技术（如位深度降低和高斯模糊），有效提升了模型在对抗攻击下的准确率	在FGSM和PGD对抗样本上的准确率提升至54%和47%，但仍未达到原始干净数据的96%准确率	提高脑肿瘤分类模型在对抗攻击下的鲁棒性，确保AI在医学影像中的可靠性	脑肿瘤分类模型	计算机视觉	脑肿瘤	对抗训练（FGSM和PGD）、特征压缩技术（位深度降低和高斯模糊）	VGG16-based CNN	MRI图像	NA
2917	2025-05-20	Morphotype-resolved characterization of microalgal communities in a nutrient recovery process with ARTiMiS flow imaging microscopy 2025-May-13, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123801 PMID:40382876	研究论文	利用流式成像显微镜（FIM）对微藻群落进行形态类型解析的特征描述，以优化废水处理中的营养回收过程	首次在全面规模的市政废水处理厂中，利用FIM技术（特别是ARTiMiS）实时监测微藻群落组成及其动态变化，并建立了水质化学、生物量组成与系统性能之间的关系	研究仅基于一个废水处理厂的数据，可能无法完全代表其他环境或条件下的微藻群落行为	优化微藻驱动的营养回收技术，提高磷的去除效率并降低处理成本	微藻群落，特别是Scenedesmus spp., Chlorella和Monoraphidium	环境生物技术	NA	流式成像显微镜（FIM），包括FlowCam和ARTiMiS	CNN（卷积神经网络）和DNN（密集神经网络）	图像	为期两年的研究，涉及一个全面规模的市政废水处理厂的微藻群落
2918	2025-05-20	Paradigm-Shifting Attention-based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification with Multi-Scale and Multi-View Fusion 2025-May-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出了一种基于注意力的混合视图学习框架（AHVL），用于增强乳腺X光检查中的乳腺癌分类	结合了对比切换注意力（CSA）和选择性池化注意力（SPA）机制，解决了多尺度特征捕获和视图一致性与输入适应性平衡的问题	未提及具体局限性	提高乳腺X光检查中乳腺癌分类的准确性和鲁棒性	乳腺X光图像	计算机视觉	乳腺癌	深度学习	AHVL（基于注意力的混合视图学习框架）	图像	INbreast和CBIS-DDSM数据集
2919	2025-05-20	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-May, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究评估了低管电压和低对比剂用量的4D-CT血管造影（CTA）结合深度学习重建（DLR）在肾动脉栓塞中的可行性	结合DLR的4D-CTA技术可减少辐射和对比剂用量，同时保持诊断质量	需要进一步的临床验证以确认这些发现在临床环境中的适用性	评估低管电压和低对比剂用量的4D-CTA结合DLR在肾动脉栓塞中的可行性	模拟对比剂增强血管的定制模型	数字病理	肾脏疾病	4D-CT血管造影（CTA），深度学习重建（DLR）	DLR	图像	定制模型（具体数量未提及）
2920	2025-05-20	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-May, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究旨在开发一种新的评估方法，用于评估含钛种子植入物金属伪影的CT图像，并确定虚拟单色成像(VMI)的最佳能量水平以减少金属伪影并提高信号检测能力	提出了一种新的对比伪影比(CAR)评估方法，用于定量评估金属伪影对信号检测的影响，并确定了65 keV为VMI的最佳能量水平	研究仅针对钛种子植入物产生的金属伪影，未涉及其他金属材料	优化CT图像中金属伪影的减少和信号检测能力的提升	含钛种子植入物的CT图像	医学影像处理	前列腺癌	双能CT系统、深度学习(DL)、金属伪影减少(MAR)算法	NA	CT图像	使用包含模拟放射性种子的骨盆区域体模进行研究