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
281	2025-06-14	Improving the Robustness of Deep Learning Models in Predicting Hematoma Expansion from Admission Head CT 2025-Jun-12, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8650 PMID:39794133	研究论文	本研究探讨了通过对抗训练和输入修改提高深度学习模型在预测急性脑出血患者血肿扩张中的鲁棒性	采用对抗训练和Otsu多阈值分割作为额外输入，提高了模型对抗攻击的鲁棒性	对抗训练对FGSM攻击的鲁棒性提升有限，且对PGD类图像的跨攻击鲁棒性不足	提高深度学习模型在预测急性脑出血患者血肿扩张中的鲁棒性	急性脑出血患者的入院头部CT扫描	数字病理学	脑出血	FGSM和PGD对抗攻击，Otsu多阈值分割	深度学习模型	图像	训练集890名患者，独立验证集684名患者
282	2025-06-14	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Jun-12, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出了一种基于任务增强的元学习方法（TAMS），用于视网膜图像分割，以减少对大量标注数据的依赖	提出视网膜病变模拟算法（LSA）自动生成多类视网膜疾病数据集，并设计生成模拟网络（GSNet）以保持复杂视网膜疾病的高质量表示	未提及具体的数据集规模限制或模型在其他类型医学图像上的泛化能力	解决医学图像分割任务中标注数据稀缺和分布差异的问题	视网膜图像（OCT和CFP图像）	数字病理	视网膜病变	深度学习（DL）、元学习	GSNet	医学图像	三个不同的OCT和CFP图像数据集（未提及具体样本数量）
283	2025-06-14	Transformer for Multitemporal Hyperspectral Image Unmixing 2025-Jun-12, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3577394 PMID:40504726	研究论文	提出了一种名为MUFormer的端到端无监督深度学习模型，用于多时相高光谱图像解混	引入了全局感知模块(GAM)和变化增强模块(CEM)，有效捕捉多时相语义信息	仅在1个真实数据集和2个合成数据集上进行了实验验证	解决多时相高光谱图像解混的挑战	多时相高光谱图像	计算机视觉	NA	深度学习	Transformer	高光谱图像	1个真实数据集和2个合成数据集
284	2025-06-14	Knowledge Graph-Enhanced Deep Learning Model (H-SYSTEM) for Hypertensive Intracerebral Hemorrhage: Model Development and Validation 2025-Jun-12, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/66055 PMID:40505141	研究论文	开发并验证了一个名为H-SYSTEM的知识图谱增强深度学习模型，用于辅助神经外科医生诊断和治疗高血压性脑出血患者	整合医学领域知识图谱（HKG）以提升决策准确性和可解释性，并采用BERT-IDCNN-BiLSTM-CRF模型作为关键命名实体识别模块	未提及具体局限性	开发一个可解释且高效的决策支持系统，辅助神经外科医生处理高血压性脑出血病例	高血压性脑出血患者的电子病历数据	数字病理	高血压性脑出血	知识图谱构建、BERT-IDCNN-BiLSTM-CRF模型	BERT-IDCNN-BiLSTM-CRF	电子病历文本	605名来自6个不同医疗中心的患者
285	2025-06-14	Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning 2025-Jun-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500182 PMID:40505653	研究论文	本研究提出了一种结合高光谱成像（HSI）和深度学习的新型诊断方法，用于区分皮炎、光化性角化病（AK）和脂溢性角化病（SK）	结合高光谱成像和深度学习，通过Savitzky-Golay滤波和一阶导数光谱分析捕捉病变的细微生化及形态差异	未来工作需关注可扩展性、成本效益优化以及与现有诊断平台的无缝集成	提高皮肤病变诊断的准确性	皮炎、光化性角化病（AK）和脂溢性角化病（SK）	数字病理	皮肤疾病	高光谱成像（HSI）	深度学习	图像	60个术中临床样本
286	2025-06-14	Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms 2025-Jun-12, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023416 PMID:40506221	研究论文	本研究探讨了通过减少定量血管造影中的注射偏差，结合可解释AI技术，提高流动分流器治疗的颅内动脉瘤闭塞预测的准确性和可解释性	提出了一种注射偏差去除算法以减少定量血管造影的变异性，并首次将可解释AI（XAI）技术应用于流动分流器治疗的动脉瘤闭塞预测，提高了模型的可靠性和临床可解释性	研究仅基于458名患者的血管造影数据，样本量相对有限，且未探讨其他可能影响预测准确性的因素	实现注射偏差去除算法以减少定量血管造影的变异性，并研究可解释AI对深度学习模型在流动分流器治疗的动脉瘤闭塞预测中的可靠性和可解释性的影响	流动分流器治疗的颅内动脉瘤患者	数字病理	颅内动脉瘤	定量血管造影（QA），深度学习神经网络（DNN）	DNN	血管造影图像	458名患者的血管造影数据
287	2025-06-14	CT-based deep learning model for improved disease-free survival prediction in clinical stage I lung cancer: a real-world multicenter study 2025-Jun-12, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11682-2 PMID:40506642	研究论文	开发了一种基于CT图像的深度学习模型，用于预测临床I期肺癌患者的无病生存期（DFS）	利用三维卷积神经网络从CT图像中提取肿瘤特征，显著优于传统临床模型，能够有效识别高风险患者	研究为回顾性队列研究，可能存在选择偏倚	提高临床I期肺癌患者无病生存期的预测准确性	临床I期非小细胞肺癌（NSCLC）患者	数字病理	肺癌	CT成像	三维卷积神经网络（3D-CNN）	图像	2489名手术患者（开发队列）和248名接受立体定向体放射治疗（SBRT）的患者（外部验证队列）
288	2025-06-14	3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids 2025-Jun-12, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401050 PMID:40509616	研究论文	本文介绍了一种在活体人类视网膜类器官中定量3D表征病毒转导效率的方法	结合了基因递送效率在空间和时间上的量化，利用人类视网膜类器官、工程化腺相关病毒载体、共聚焦活体成像和基于深度学习的图像分割	未提及具体样本量或实验重复次数，可能影响结果的普遍性	优化基因疗法并定量测试未来治疗方法和其他基因递送方法	人类视网膜类器官	数字病理学	眼科疾病	共聚焦活体成像、深度学习方法	深度学习图像分割	3D图像	NA
289	2025-06-14	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients: Observational Cohort Study 2025-06-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75340 PMID:40499139	研究论文	比较了多种多模态深度学习方法在预测病房患者临床恶化方面的效果	首次比较了结合临床笔记信息与仅使用结构化数据的模型在预测临床恶化方面的性能，并探索了不同的概念唯一标识符（CUI）参数化方法	添加临床笔记中的CUI并未显著提高模型性能，且研究仅基于两家医院的数据	预测病房患者的临床恶化（转入重症监护室或死亡）	成年病房患者	机器学习	临床恶化	深度循环神经网络（RNN）	RNN	结构化数据和临床笔记文本	开发队列284,302名患者，外部验证队列248,055名患者
290	2025-06-14	Soft-tissue prediction based on 3D photographs for virtual surgery planning of orthognathic surgery 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110529 PMID:40505289	研究论文	开发并验证了一种基于深度学习的实时预测正颌手术后面部软组织变化的方法	结合了可变形模型、主成分分析和前馈神经网络，实现了多种正颌手术效果的实时预测	预测精度在不同面部区域存在差异，下巴区域的误差相对较大	提高正颌手术前三维软组织模拟的准确性和实时性	正颌手术患者的面部软组织变化	数字病理	颌面畸形	3D摄影	前馈神经网络	3D图像	458名接受各种正颌手术的患者
291	2025-06-14	Towards more reliable prostate cancer detection: Incorporating clinical data and uncertainty in MRI deep learning 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110440 PMID:40505283	研究论文	本文提出了一种结合临床数据和MRI深度学习的更可靠前列腺癌检测方法	提出了一种双模态模型，同时整合影像和临床数据，并引入预测不确定性评估框架	未具体说明样本数量和临床数据的具体来源	提高前列腺癌诊断的可靠性和临床应用性	前列腺癌病例	数字病理	前列腺癌	bpMRI	深度学习模型	影像数据和临床数据	NA
292	2025-06-14	Implementation of biomedical segmentation for brain tumor utilizing an adapted U-net model 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110531 PMID:40505287	研究论文	本文通过改进的U-Net模型实现脑肿瘤的生物医学分割	采用自注意力机制的U-Net设计，提高了脑肿瘤分割的性能，特别是在模糊结构的分割质量上	仅使用了来自Kaggle网站的3064张MRI图像，样本来源单一	研究U-Net设计的进展及其在脑肿瘤分割性能上的提升	脑肿瘤的MRI图像	数字病理学	脑肿瘤	MRI	U-Net, Attention U-Net, 自注意力U-Net	图像	3064张MRI图像
293	2025-06-14	GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection 2025-Jun-11, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101416 PMID:40509592	研究论文	本研究提出了一种名为GPS的新型数据融合框架，旨在通过整合基因组和表型数据来提高植物育种中的预测准确性	GPS框架通过三种不同的融合策略（数据融合、特征融合和结果融合）整合基因组和表型数据，显著提高了预测准确性、鲁棒性和可迁移性	NA	提高植物育种中基因组选择和表型选择的预测准确性、鲁棒性和可迁移性	四种作物（玉米、大豆、水稻和小麦）的大规模数据集	机器学习	NA	基因组选择和表型选择	GBLUP, BayesB, Lasso, RF, SVM, XGBoost, LightGBM, DNNGP, MAK	基因组数据和表型数据	大规模数据集，样本量小至200时仍保持高预测准确性
294	2025-06-14	Oil Palm Fruits Dataset in Plantations for Harvest Estimation Using Digital Census and Smartphone 2025-Jun-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05227-x PMID:40494879	research paper	本文介绍了一个来自印度尼西亚中加里曼丹商业种植园的油棕鲜果串(FFB)图像数据集，专注于五个成熟阶段：未熟、半熟、成熟、开花和异常	数据集包含了多种角度和条件下的油棕鲜果串图像，并通过数据增强处理类别不平衡和增加变化，支持深度学习模型的开发	图像存在部分可见性、低对比度、遮挡和模糊等现实世界的复杂性	开发深度学习模型用于油棕鲜果串的检测和分类，以监测收获时间、预测产量和优化种植园运营资源	油棕鲜果串(FFB)图像	computer vision	NA	数据增强	deep learning models	image	训练集10,207张图像，验证集2,896张图像，测试集1,400张图像
295	2025-06-14	Deep learning-based ranking method for subgroup and predictive biomarker identification in patients 2025-Jun-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00946-z PMID:40494908	research paper	本研究开发了一种基于深度学习的框架DeepRAB，用于识别患者亚组和预测生物标志物，以优化治疗效果	DeepRAB不仅能够捕捉个体间治疗效果的差异，还能帮助发现与这些差异相关的有意义的生物标志物	NA	开发一种深度学习方法，用于识别患者亚组和预测生物标志物，以支持更精准的治疗策略	患者亚组和预测生物标志物	machine learning	hidradenitis suppurativa	deep learning	DeepRAB	clinical trial data	模拟数据集和真实临床试验数据
296	2025-06-14	A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01751-7 PMID:40494933	research paper	开发了一种深度学习模型，通过视网膜图像提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	整合了自监督学习和渐进式标签分布学习模块，以捕捉时间序列信息并模拟生物衰老的变异性	研究主要基于健康人群，可能无法完全代表其他人群的视网膜老化模式	提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	视网膜图像	digital pathology	geriatric disease	deep learning	CNN	image	34,433名来自UK Biobank和三个中国队列的健康参与者
297	2025-06-14	Empirical evaluation of artificial intelligence distillation techniques for ascertaining cancer outcomes from electronic health records 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01646-7 PMID:40494945	研究论文	本文评估了利用教师-学生框架从电子健康记录中提取癌症纵向临床结果的技术	使用分层Transformer架构的教师模型训练，并通过公开数据集和GPT-4生成的合成数据进行知识蒸馏	在Wiki-text和合成数据上训练的学生模型表现较差，强调了领域内公开数据集的重要性	评估人工智能蒸馏技术在从电子健康记录中提取癌症结果方面的应用	电子健康记录中的自由文本放射学报告	自然语言处理	癌症	教师-学生框架，知识蒸馏	Transformer	文本	Dana-Farber Cancer Institute的数据，MIMIC-IV、Wiki-text公开数据集及GPT-4生成的合成数据
298	2025-06-14	SCATrans: semantic cross-attention transformer for drug-drug interaction predication through multimodal biomedical data 2025-Jun-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06165-6 PMID:40495152	研究论文	本文提出了一种名为SCATrans的语义交叉注意力转换器模型，用于通过多模态生物医学数据预测药物-药物相互作用	提出了一种新的SCAT模型，结合了BioBERT、Doc2Vec、图卷积网络、BiGRU和交叉注意力机制，以处理多模态生物医学数据中的无序、不平衡和语言错误问题	未明确提及具体局限性，但可能包括对多模态数据处理复杂性和模型泛化能力的挑战	预测药物-药物相互作用（DDIs），以支持药物治疗、药物开发、药物监管和公共卫生	药物-药物相互作用	自然语言处理	NA	BioBERT, Doc2Vec, 图卷积网络, BiGRU, 交叉注意力机制	SCATrans (语义交叉注意力转换器)	多模态生物医学数据	DDIExtraction-2013数据集
299	2025-06-14	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-ocular Syndrome (SANS) 2025-Jun-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	research paper	利用深度学习AI模型通过OCT成像预测太空飞行相关神经眼综合征（SANS）的发生	首次使用深度学习模型预测SANS，并比较了太空飞行数据和地面模拟数据的预测效果	数据量有限，可能影响模型的泛化能力	预测太空飞行相关神经眼综合征（SANS）的发生	宇航员和参与头低位卧床休息（HDTBR）的研究参与者	digital pathology	neuro-ocular syndrome	OCT成像	Resnet50	image	宇航员和HDTBR参与者的OCT图像数据集
300	2025-06-14	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025-Jun-10, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文全面探讨了机器学习和深度学习模型在脑肿瘤分类中的应用，特别关注了MRI医学影像数据的使用	综述了从经典算法到先进深度学习模型及混合架构的多种方法，并提出了未来研究方向如多模态成像和可解释AI框架	标注数据集稀缺、计算复杂度高、模型可解释性差以及临床整合障碍	提高脑肿瘤分类的准确性和效率，以改善患者治疗效果	脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	MRI	SVM, Decision Trees, CNN, RNN, 混合架构	医学影像	NA