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
321	2025-08-06	Vertex Correspondence and Self-Intersection Reduction in Cortical Surface Reconstruction 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562443 PMID:40249681	research paper	该论文提出了一种改进的皮质表面重建方法V2CC，通过优化顶点对应关系和减少网格自交来提高神经影像分析的准确性	引入V2CC方法，使用L1损失替代传统的Chamfer损失，并提出新型Self-Proximity损失来处理主要自交问题	未明确说明方法在极端复杂皮质结构上的表现	改进皮质表面重建中的顶点对应关系和网格自交问题	皮质表面网格	neuroimaging	NA	deep learning	Vox2Cortex扩展模型	3D mesh/neuroimaging data	未明确说明
322	2025-08-06	Uncertainty Quantification and Quality Control for Heatmap-Based Landmark Detection Models 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564267 PMID:40279223	研究论文	本文提出了一种专为基于热图的解剖标志点检测模型设计的端到端不确定性量化方法，旨在提高临床应用的解释性和可控性	利用Dempster-Shafer理论和主观逻辑理论，通过单次前向传播实现概率分配和不确定性量化，并引入证据图和不确定性图来改进标志点检测精度和不确定性量化效果	NA	提高解剖标志点检测模型的不确定性量化和质量控制能力	基于热图的解剖标志点检测模型	计算机视觉	NA	Dempster-Shafer理论，主观逻辑理论	深度学习模型	图像	NA
323	2025-08-06	Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3564458 PMID:40279227	research paper	本文提出了一种基于少样本学习的注释高效细胞核实例分割方法，旨在利用外部数据集辅助目标数据集的细胞核分割	提出了结构引导的广义少样本实例分割框架（SGFSIS），扩展了少样本实例分割的定义并引入了结构引导机制以应对细胞核分割的内在挑战	虽然性能接近全监督学习的90%，但仍需约10%的注释，且依赖于外部数据集的质量和相关性	开发一种注释高效的细胞核实例分割方法，减少对大量专家标注的依赖	组织病理学图像中的细胞核实例	digital pathology	NA	meta-learning based few-shot learning	SGFSIS (Structurally-Guided Generalized Few-Shot Instance Segmentation)	image	多个公开可用的数据集（具体数量未明确说明）
324	2025-08-06	Deep Rib Fracture Instance Segmentation and Classification From CT on the RibFrac Challenge 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565514 PMID:40305244	research paper	该论文介绍了RibFrac挑战赛，旨在通过大规模标注数据集和评估基准推动深度学习算法在肋骨骨折检测和分类中的应用	提供了包含5,000多个肋骨骨折实例的大规模标注数据集，并展示了深度学习算法在肋骨骨折检测上可达到或超过人类专家的性能	当前的肋骨骨折分类解决方案尚难以达到临床应用水平	推动AI辅助肋骨骨折诊断的研究与发展	肋骨骨折的检测与分类	digital pathology	rib fracture	CT扫描	深度学习算法	CT图像	660份CT扫描，包含5,000多个肋骨骨折实例
325	2025-08-06	LLM-Guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3566105 PMID:40310742	研究论文	本文提出了一种基于LLM引导的解耦概率提示方法（LDPP），用于医学图像诊断中的持续学习	提出了一种新的解耦概率提示池（DePP）和专家知识生成模块（EKG），利用LLM获取专家知识，并通过概率提示动态提供多样化的图像描述	未明确提及具体局限性	解决动态临床环境中处理新疾病出现的持续学习问题	医学图像诊断	数字病理	NA	持续学习（CL）、提示调优（PT）	LLM	医学图像	NA
326	2025-08-06	An End-to-End Deep Learning Generative Framework for Refinable Shape Matching and Generation 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3562756 PMID:40323742	研究论文	本文提出了一种端到端的深度学习生成框架，用于可精细化形状匹配与生成，适用于计算医学中的In-Silico临床试验	开发了一种无监督几何深度学习模型，用于在潜在空间中建立可精细化形状对应关系，构建基于群体的图谱并生成逼真的合成形状	未明确提及具体局限性	为In-Silico临床试验开发能够生成逼真解剖形状的AI模型	肝脏和左心室3D表面网格模型	计算医学	NA	几何深度学习	生成模型	3D表面网格	未明确提及样本数量
327	2025-08-06	Machine learning and clinical EEG data for multiple sclerosis: A systematic review 2025-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103116 PMID:40334524	系统综述	本文综述了机器学习和深度学习模型在脑电图（EEG）数据中应用于多发性硬化症（MS）管理的研究现状	探讨了深度学习方法（如CNN和混合模型）在MS诊断和监测中的应用，并提出了克服现有挑战的策略	存在使用基于机器学习的EEG分析时可能出现的潜在偏差和挑战	提高多发性硬化症的预测、诊断、监测和治疗（PDMT）效果	多发性硬化症（MS）患者	机器学习	多发性硬化症	EEG, 机器学习, 深度学习	CNN, 混合模型	EEG数据	NA
328	2025-08-06	Deep learning for early detection of chronic kidney disease stages in diabetes patients: A TabNet approach 2025-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103153 PMID:40347843	research paper	本研究开发了一种基于TabNet的深度学习模型，用于糖尿病患者的慢性肾病（CKD）早期分期检测	采用了一种新颖的迭代后向特征选择策略确定CKD分期的关键预测因子，并应用了基于注意力的TabNet架构构建分类模型	研究依赖于特定队列（CRIC研究）的数据，可能限制了模型的泛化能力	开发一个多类CKD分期预测模型，以改善糖尿病患者的早期肾病检测	糖尿病患者的慢性肾病分期	machine learning	chronic kidney disease	deep learning, explainable AI (XAI)	TabNet, XGBoost, random forest, AdaBoost, multi-layer perceptron	longitudinal clinical data	来自慢性肾功能不全队列（CRIC）研究的数据
329	2025-08-06	Rapid identification of Litopenaeus vannamei pathogenic bacteria: a combined approach using surface-enhanced Raman spectroscopy (SERS) and deep learning 2025-Aug, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-05974-1 PMID:40613867	研究论文	本文提出了一种结合表面增强拉曼光谱(SERS)和深度学习的方法，用于快速识别凡纳滨对虾的病原细菌	整合了SERS、最小二乘生成对抗网络(LSGAN)和Transformer，通过数据增强提高了病原体分类的准确率	光谱数据的可用性有限可能影响模型性能	开发一种快速、准确的方法检测对虾养殖中的病原体，以帮助早期疾病预防和控制	凡纳滨对虾的四种常见病原细菌	机器学习	水产养殖疾病	表面增强拉曼光谱(SERS)	LSGAN和Transformer	光谱数据	原始数据集160个光谱，通过LSGAN增强至2160个
330	2025-08-06	Single-cell image-based screens identify host regulators of Ebola virus infection dynamics 2025-Aug, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02034-3 PMID:40707832	研究论文	通过基于图像的全基因组CRISPR筛选，识别了埃博拉病毒感染的998个宿主调控因子，并利用深度学习模型关联每个宿主因子与病毒复制步骤	首次应用基于图像的全基因组CRISPR筛选技术，结合深度学习模型，系统识别并验证了埃博拉病毒感染的宿主调控因子及其作用机制	研究主要基于体外实验，未涉及动物模型或临床试验	识别埃博拉病毒感染的宿主调控因子，探索潜在的治疗靶点	埃博拉病毒(EBOV)及其宿主细胞	数字病理学	埃博拉病毒感染	CRISPR筛选, 深度学习	随机森林模型	图像	39,085,093个细胞
331	2025-08-06	Performance evaluation of enhanced deep learning classifiers for person identification and gender classification 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12474-w PMID:40750626	研究论文	本文提出了一种增强的深度学习分类器（EDLC）范式，用于基于眼周区域进行人员识别和性别分类	提出了一种新颖的六边形ROI提取方法，并采用了三种定制的EDLC模型，结合自适应优化算法调整超参数	未提及模型在其他数据集或实际应用场景中的泛化能力	提高基于眼周图像的人员识别和性别分类的准确性和计算效率	眼周区域图像	计算机视觉	NA	Laplacian变换, 自适应coati优化算法	dilated axial attention CNN, self-spectral attention-based relational transformer net, parameterized hypercomplex convolutional Siamese network	图像	UBIPr和UFPR数据集
332	2025-08-06	Transparent brain tumor detection using DenseNet169 and LIME 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13233-7 PMID:40750659	研究论文	本文提出了一种基于深度学习的DenseNet169-LIME-TumorNet模型，用于提高脑肿瘤分类的性能和可解释性	结合DenseNet169和LIME，提升了脑肿瘤分类的准确性和可解释性，同时减少了计算开销	未来需要通过多模态学习、混合深度学习和实时应用开发来提高模型的泛化能力	提升脑肿瘤分类的性能和可解释性，以辅助临床诊断和治疗计划	脑肿瘤MRI图像	医学影像	脑肿瘤	深度学习	DenseNet169和LIME	图像	2,870张MRI图像，涵盖三种肿瘤类型
333	2025-08-06	Seasonal disparities in green exposure under the 15-minute city framework: a case study of Xi'an, China 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13757-y PMID:40750666	research paper	该研究提出了一个评估15分钟城市框架下季节性绿地暴露不平等的框架，并以中国西安为例进行了分析	首次在15分钟城市框架下考虑人类流动性带来的绿地暴露，并整合多种方法分析季节性绿地暴露不平等	研究仅针对西安一个城市，可能缺乏对其他城市的普适性	评估15分钟城市框架下季节性绿地暴露不平等及其与房价的关系	中国西安市的绿地暴露和房价数据	urban planning	NA	Green View Index, 空间统计方法, deep learning	NA	urban housing price big data, spatial data	NA
334	2025-08-06	Generating human facial animation by aggregation deep network and low-rank active learning with table tennis applications 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13779-6 PMID:40750813	研究论文	提出了一种基于情感和语音生成逼真人脸动画的新方法，结合深度网络和低秩主动学习技术，并应用于乒乓球直播	结合深度网络和低秩主动学习技术，通过语音信号分析生成与情感表达匹配的流畅人脸动画，并实现实时移动端部署	未明确说明模型在复杂光照或极端表情条件下的鲁棒性	开发实时生成与语音情感同步的高质量人脸动画技术	语音信号驱动的动态面部表情生成	计算机视觉	NA	深度网络、低秩主动学习、形变技术	深度学习模型（未指定具体架构）	语音信号、视频帧序列	NA
335	2025-08-06	PGBTR: a powerful and general method for inferring bacterial transcriptional regulatory networks 2025-Aug-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11863-9 PMID:40750847	研究论文	提出了一种名为PGBTR的强大、通用且稳定的计算框架，用于推断细菌转录调控网络	PGBTR采用CNN从基因表达数据和基因组信息中预测细菌转录调控关系，包含PDGD输入生成步骤和CNNBTR深度学习模型，性能优于现有方法	NA	预测细菌转录调控网络（TRNs）	大肠杆菌和枯草芽孢杆菌的转录调控网络	机器学习	NA	基因表达数据分析	CNN	基因表达数据和基因组信息	真实的大肠杆菌和枯草芽孢杆菌数据集
336	2025-08-06	Application of deep learning models in gastric cancer pathology image analysis: a systematic scoping review 2025-Aug-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14662-3 PMID:40750872	系统综述	本文系统评估了深度学习模型在胃癌病理图像分析中的应用、挑战及未来方向	首次系统综述了深度学习在胃癌病理图像分析中的全面应用及潜在问题	现有研究存在数据集规模有限、缺乏外部验证及数据多样性不足等问题	评估深度学习在胃癌病理图像分析中的当前应用与未来发展方向	胃癌病理图像	数字病理学	胃癌	深度学习	CNN	图像	22项符合纳入标准的研究（初始检索520篇）
337	2025-08-06	Deep learning-based super-resolution US radiomics to differentiate testicular seminoma and non-seminoma: an international multicenter study 2025-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02045-y PMID:40750949	研究论文	本研究评估了基于深度学习的超分辨率超声放射组学模型在区分睾丸精原细胞瘤和非精原细胞瘤中的性能	首次将深度学习超分辨率技术与超声放射组学结合，用于睾丸生殖细胞肿瘤的亚型区分，并在国际多中心研究中验证其优越性	研究为回顾性设计，需要前瞻性研究进一步验证	提高睾丸生殖细胞肿瘤亚型术前无创鉴别的准确性	睾丸生殖细胞肿瘤患者（精原细胞瘤与非精原细胞瘤）	数字病理学	睾丸癌	超声成像、放射组学分析	深度学习超分辨率模型	超声图像	486名男性患者（338训练集，92国内验证集，59国际验证集）
338	2025-08-06	Performance validation of deep-learning-based approach in stool examination 2025-Aug-01, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06878-w PMID:40751198	研究论文	本研究评估了基于深度学习的肠道寄生虫识别方法的性能，并与人类专家的表现进行了比较	首次将深度学习模型（如YOLOv4-tiny、YOLOv7-tiny、YOLOv8-m、ResNet-50和DINOv2）应用于肠道寄生虫识别，并展示了其高准确性和特异性	研究未提及样本的具体数量，且可能仅针对特定寄生虫种类进行了验证	评估深度学习模型在肠道寄生虫识别中的性能，以改进现有的诊断方法	肠道寄生虫（寄生虫卵和幼虫）	数字病理学	肠道寄生虫感染	FECT和MIF技术，深度学习模型	YOLOv4-tiny, YOLOv7-tiny, YOLOv8-m, ResNet-50, DINOv2	图像	NA
339	2025-08-06	Co-Pseudo Labeling and Active Selection for Fundus Single-Positive Multi-Label Learning 2025-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565000 PMID:40293917	研究论文	提出一种名为FSP的共伪标签和主动选择方法，用于眼底单阳性多标签学习	通过课程共伪标签和主动样本选择生成伪标签，调整阈值并根据模型学习状态维护置信度高的预测	未提及具体局限性	解决眼底图像多标签标注不完整的问题，提高分类器性能	眼底图像	计算机视觉	视网膜疾病	深度学习	NA	图像	七个视网膜数据集
340	2025-08-06	Updating "BePLi Dataset v1: Beach Plastic Litter Dataset version 1, for instance segmentation of beach plastic litter" with 13 object classes 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111867 PMID:40761540	研究论文	本文介绍了BePLi Dataset v2，这是一个用于海滩塑料垃圾实例分割和目标检测的数据集更新版本，包含3722张原始图像和118,572个手动处理的标注	更新了BePLi Dataset v1，增加了13个塑料垃圾对象类别，提供了像素级和个体级的标注，支持从计数对象到估计垃圾覆盖范围的多重用途	数据收集仅限于日本西北海岸的自然海岸环境，可能无法代表其他地区的塑料垃圾分布情况	开发自动化图像处理方法，用于监测海滩上的宏观塑料垃圾分布	海滩塑料垃圾	计算机视觉	NA	深度学习	实例分割和目标检测方法	图像	3722张原始图像和118,572个标注