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	2025-05-20	Escarcitys: A framework for enhancing medical image classification performance in scarcity of trainable samples scenarios 2025-May-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107573 PMID:40382989	研究论文	提出了一种名为EScarcityS的框架，旨在解决医学图像分类中训练样本稀缺的问题，通过多粒度Transformer网络和疾病概率图引导的扩散生成模型来提高分类准确率	设计了多粒度Transformer网络（MGVit）和疾病概率图引导的扩散生成模型，以在训练样本稀缺的情况下提高医学图像分类的性能	虽然减少了数据需求，但仍需依赖一定量的真实数据进行训练，且合成数据的真实性和多样性可能影响最终分类效果	提高在训练样本稀缺情况下的医学图像分类准确率	医学图像	数字病理	NA	扩散生成模型	Transformer, MGVit	图像	四个真实医学图像数据集
322	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
323	2025-05-20	Technology Advances in the placement of naso-enteral tubes and in the management of enteral feeding in critically ill patients: a narrative study 2025-May-16, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2025.05.022 PMID:40383254	研究论文	本文综述了重症患者鼻肠管放置和肠内喂养管理的技术进步	介绍了多种新技术如POCUS、电磁传感器、实时视频辅助放置等在鼻肠管放置和肠内喂养管理中的应用	NA	探讨重症患者鼻肠管放置和肠内喂养管理的技术进步	重症患者	医学技术	重症疾病	POCUS、电磁传感器、实时视频辅助放置、阻抗传感器、虚拟现实、深度学习算法	深度学习算法	医学影像、传感器数据	NA
324	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
325	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
326	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
327	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
328	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
329	2025-05-20	Catalytic mechanism and engineering of aromatic prenyltransferase: A review 2025-May-14, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.144214 PMID:40379159	review	本文综述了芳香族异戊二烯基转移酶的催化机制及其工程化研究的最新进展	提出了整合人工智能和深度学习的创新型工程化方法，以开发高性能生物催化剂	当前领域存在的未解决挑战包括催化活性不足、底物特异性狭窄以及多酶级联系统和固定化技术的限制	指导芳香族异戊二烯基转移酶在合成生物学和药物创新中的工程化及规模化应用	芳香族异戊二烯基转移酶及其催化机制	合成生物学	NA	蛋白工程策略、人工智能、深度学习	NA	NA	NA
330	2025-05-20	Diagnosis of thyroid cartilage invasion by laryngeal and hypopharyngeal cancers based on CT with deep learning 2025-May-13, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112168 PMID:40381388	research paper	开发一个基于卷积神经网络（CNN）的模型，用于诊断喉癌和下咽癌在CT图像中对甲状腺软骨的侵犯，并评估模型的诊断性能	利用ResNet101进行迁移学习，开发新的CNN模型来分类甲状腺软骨侵犯状态，并与放射科医生的诊断性能进行比较	样本量较小（91例），且未进行外部验证	开发并评估一个基于深度学习的模型，用于诊断喉癌和下咽癌对甲状腺软骨的侵犯	喉癌和下咽癌患者的CT图像	digital pathology	laryngeal and hypopharyngeal cancers	CT imaging	CNN (ResNet101)	image	91例（61例训练集，30例测试集）
331	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
332	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
333	2025-05-20	Domain-separated capsule network for damage detection in aluminum plates under varying vibration conditions 2025-May-12, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107688 PMID:40381421	研究论文	本文提出了一种域分离胶囊网络（DS-CapsNet），用于在不同振动条件下检测铝板中的损伤	结合胶囊网络与注意力机制，引入动态对抗因子优化特征对齐，增强模型鲁棒性	未提及具体样本量及实验环境多样性可能带来的限制	提高铝板损伤检测在振动环境变化下的准确性	2024铝合金板（飞机机翼/机身关键部件）	结构健康监测	NA	超声导波	DS-CapsNet（域分离胶囊网络）	振动信号数据	NA
334	2025-05-20	The impact of clinical history on the predictive performance of machine learning and deep learning models for renal complications of diabetes 2025-May-12, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108812 PMID:40382871	研究论文	探讨临床历史数据对机器学习和深度学习模型预测糖尿病肾病并发症性能的影响	首次研究临床历史数据在预测糖尿病肾病并发症中的潜在作用，并开发了有效的预测模型	研究基于回顾性真实世界数据，可能存在选择偏倚	开发有效的预测模型，用于早期识别糖尿病肾病高风险患者	2型糖尿病患者	机器学习	糖尿病肾病	机器学习模型开发	逻辑回归、随机森林、Cox比例风险回归、RNN	临床数据	全国多中心回顾性真实世界研究数据
335	2025-05-20	Dissecting the genetic complexity of myalgic encephalomyelitis/chronic fatigue syndrome via deep learning-powered genome analysis 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.15.25325899 PMID:40321247	研究论文	本研究通过深度学习框架HEAL2对肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）进行全基因组分析，揭示了该疾病的遗传基础和相关症状的遗传风险	开发了新型深度学习框架HEAL2，能够基于个人罕见变异预测ME/CFS，并将遗传风险与多种ME/CFS相关症状联系起来	NA	探索ME/CFS的遗传、分子和细胞基础，寻找治疗靶点	肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者	机器学习	肌痛性脑脊髓炎/慢性疲劳综合征	全基因组分析、转录组分析、网络分析	深度学习框架HEAL2	基因组数据、转录组数据、蛋白质组数据	NA
336	2025-05-20	Towards automated and reliable lung cancer detection in histopathological images using DY-FSPAN: A feature-summarized pyramidal attention network for explainable AI 2025-May-10, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108500 PMID:40381571	研究论文	本文提出了一种名为DY-FSPAN的深度学习框架，用于在组织病理学图像中实现可靠且自动化的肺癌检测	结合Y-blocks和注意力机制增强空间特征表示，同时保持感受野一致性，并通过Grad-CAM分析提高模型的可解释性	未提及具体的数据集规模限制或跨中心验证结果	开发一个平衡性能和可解释性的医学图像分类模型，以提高肺癌诊断的准确性	组织病理学图像中的肺癌检测	数字病理学	肺癌	深度学习	DY-FSPAN（基于Y-block的特征总结金字塔注意力网络）	图像	NA
337	2025-05-20	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体	模型最初基于北美数据训练，可能在其他种族群体中的适用性需要进一步验证	开发早期诊断阿尔茨海默病的可访问、时间效率高的生物标志物	阿尔茨海默病（AD）患者及高风险个体	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描
338	2025-05-20	Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25327094 PMID:40385410	研究论文	该研究探索了使用卷积神经网络（CNN）从静息态脑电图（EEG）中分类强迫症（OCD）的可行性	首次将CNN应用于最小预处理的EEG时频表示，显著提高了OCD与健康对照的分类准确率，并发现教育水平可作为补充特征提升分类性能	样本量较小（仅20名未用药受试者），需要在更大、更多样化的样本中进一步验证	开发基于深度学习的OCD诊断方法	强迫症患者与健康对照者的静息态EEG数据	机器学习	强迫症	Morlet小波时频变换	CNN, SVM	EEG时频表示	20名未用药受试者（10名OCD患者，10名健康对照）
339	2025-05-20	IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases 2025-May-06, Research square DOI:10.21203/rs.3.rs-6443303/v1 PMID:40386420	research paper	该研究通过多组学和多模态数据集，结合临床注释，深入分析了炎症性肠病（IBD）的分子、组织病理学和临床特征	整合了全外显子测序、RNA测序、血清蛋白质组学和组织病理学评估，开发了基于基础模型的深度学习方法来预测组织学疾病活动评分	样本量虽大（1,002例），但可能仍不足以覆盖所有IBD亚型的多样性	提高对炎症性肠病（IBD）的理解，优化诊断并实现个性化治疗策略	1,002例IBD患者和非IBD对照者的临床注释样本	digital pathology	inflammatory bowel diseases	whole-exome sequencing, RNA sequencing, serum proteomics, histopathological assessments	foundation model-based deep learning	multi-omic and multimodal data, including genomic, transcriptomic, proteomic, and histopathological image data	1,002 clinically annotated patients with IBD and non-IBD controls
340	2025-05-20	A Bi-modal Temporal Segmentation Network for Automated Segmentation of Focal Liver Lesions in Dynamic Contrast-enhanced Ultrasound 2025-May, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.12.014 PMID:39952824	研究论文	开发并验证了一种基于深度学习的双模态时间分割网络（BTS-Net），用于动态对比增强超声（CEUS）视频中肝脏局灶性病变（FLL）的自动分割	提出了一种新型的双模态时间分割网络（BTS-Net），用于自动分割动态CEUS视频中的FLL，并在多个测试集中表现出色	研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对较小（232例患者）	开发一种自动化的深度学习模型，用于动态CEUS视频中FLL的精确分割	肝脏局灶性病变（FLL）患者	数字病理学	肝癌	动态对比增强超声（CEUS）	BTS-Net	视频	232例患者（160名男性，中位年龄56岁）