深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
3961	2025-10-06	A scalable deep attention mechanism of instance segmentation for the investigation of chromosome 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	研究论文	提出一种集成自动标注流程与增强深度学习架构的染色体实例分割框架	结合基于特征的图像配准技术实现自动标注，并在Mask R-CNN中集成注意力特征金字塔网络和空间注意力机制	未明确说明模型计算复杂度及在低资源环境下的适用性	解决中期染色体图像分割的挑战，提升染色体实例分割精度	中期染色体图像和对应核型图	计算机视觉	NA	基于特征的图像配准技术（SIFT和单应性变换）	CNN	图像	包含24个染色体类别的中期染色体图像数据集	PyTorch	Mask R-CNN, Attention-based Feature Pyramid Network (AttFPN)	mAP, AP50	NA
3962	2025-10-06	Classifying kidney disease using a dense layers deep learning model 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100324 PMID:40588036	研究论文	本研究开发了一种基于密集层深度学习模型的肾脏疾病分类方法	提出了一种优化的密集层深度神经网络架构，在肾脏疾病分类任务中实现了99%的准确率	NA	开发自动检测慢性肾脏疾病的深度学习系统	慢性肾脏疾病患者	机器学习	肾脏疾病	深度学习	深度神经网络	结构化数据	包含24个独立字段的公开数据集	NA	密集层深度神经网络	准确率,精确率,召回率,F1分数,ROC AUC分数,马修斯相关系数	NA
3963	2025-10-06	Explainable clinical diagnosis through unexploited yet optimized fine-tuned ConvNeXt Models for accurate monkeypox disease classification 2025-Aug, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100336 PMID:40712913	研究论文	本研究通过优化微调的ConvNeXt模型实现可解释的猴痘疾病准确分类	利用迁移学习技术微调预训练的ConvNeXt模型，结合Adafactor优化技术和可解释AI方法，在保持高精度的同时解决了实时应用的计算资源问题	模型性能依赖于特定数据集，需要进一步验证在更广泛临床环境中的适用性	开发准确且可解释的猴痘疾病自动分类系统	猴痘疾病皮肤病变图像	计算机视觉	猴痘	深度学习，迁移学习，数据增强	CNN	图像	MSLD（二分类）和MSLD v2.0（多分类）基准数据集	NA	ConvNeXtSmall, ConvNeXtBase	准确率，召回率，F1分数，精确率，统计检验	通过迁移学习减少计算资源需求，具体硬件配置未明确说明
3964	2025-10-06	Exploration of Fully-Automated Body Composition Analysis Using Routine CT-Staging of Lung Cancer Patients for Survival Prognosis 2025-Aug, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.70021 PMID:40767951	研究论文	本研究探索基于常规CT扫描的自动化体成分分析在肺癌患者生存预后中的价值	首次使用深度学习网络对常规肺癌分期CT进行全自动体成分分析，开发了三种新的体积标记物并验证其预后价值	研究结果存在中心依赖性和性别差异性，需要更多中心验证	评估自动化体成分分析在肺癌患者生存预后中的预测价值	肺癌患者	数字病理	肺癌	CT扫描	深度学习网络	医学影像	医院A 3345例，医院B 1364例	NA	NA	Kaplan-Meier生存分析，Cox比例风险模型，HR值	NA
3965	2025-10-06	Quantifying physiological variability and improving reproducibility in 4D-flow MRI cerebrovascular measurements with self-supervised deep learning 2025-Jul-25, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30634 PMID:40711943	研究论文	本研究评估了自监督深度学习去噪在减少4D血流MRI测量变异性方面的效果，并阐明了生理变异对脑血管血流动力学的贡献	使用自监督深度学习框架对4D血流MRI数据进行去噪，通过前瞻性测试-重测研究设计分离技术噪声与生理变异	深度学习去噪无法完全消除生理变异和后处理带来的变异性，对流量等综合指标的改善效果不显著	提高4D血流MRI测量的可重复性并量化生理变异对脑血管血流动力学的影响	脑血管血流动力学测量	医学影像分析	神经退行性疾病	4D-Flow MRI, 3D径向采样	深度学习	4D血流MRI图像	10名参与者的多次4D血流MRI扫描	NA	自监督深度学习去噪框架	95%置信区间, 标准差, 可重复性	NA
3966	2025-10-06	Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multiplatform Validation Study 2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104215 PMID:40683333	研究论文	通过深度学习引导的定量分析建立结直肠癌BRAF V600E免疫组化优化标准的多平台验证研究	首次采用深度学习数字病理平台量化免疫组化参数，建立结直肠癌特异性BRAF V600E检测标准	非典型染色模式病例仍需分子确认，样本量相对有限	建立结直肠癌特异性BRAF V600E免疫组化判读标准	250例结直肠癌病例及其免疫组化和基因检测数据	数字病理	结直肠癌	免疫组化，qPCR，二代测序，数字病理分析	深度学习	病理图像，分子检测数据	250例结直肠癌病例	NA	NA	AUC，一致性	NA
3967	2025-10-06	ZeroReg3D: a zero-shot registration pipeline for 3D consecutive histopathology image reconstruction 2025-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.4.044002 PMID:40765693	研究论文	提出一种用于3D连续组织病理学图像重建的零样本配准流程ZeroReg3D	结合零样本深度学习关键点匹配和非深度学习配准技术，无需大量训练数据即可有效减轻变形和切片伪影	NA	从连续2D组织切片实现精确3D重建	连续组织病理学图像	数字病理学	NA	组织病理学成像	深度学习关键点匹配	3D图像, 2D图像	NA	NA	NA	配准精度	NA
3968	2025-10-06	Forensic dental age estimation with deep learning: a modified xception model for panoramic X-Ray images 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00962-4 PMID:39937388	研究论文	本研究开发了一种基于改进Xception深度学习模型的法医牙科年龄估计方法，用于全景X射线图像的年龄分类	提出了专门针对法医应用的改进版'Forensic Xception'模型，并设计了处理不平衡数据集的新型多边形面积度量(PAM)	数据集仅来自两个放射科部门，未来需要探索更多数据集并解决伦理和法律考量	开发基于深度学习的法医年龄估计方法，区分12岁以下和12岁及以上个体	1941名5-15岁儿科患者的全景X射线图像	计算机视觉	NA	正位断层摄影(OPG)	深度学习,CNN	X射线图像	1941名儿科患者	NA	Xception,ResNet,ShuffleNet,InceptionV3,DarkNet,NasNet,DenseNet,EfficientNet,MobileNet,ResNet18,GoogleNet,SqueezeNet,AlexNet	分类准确率(CA),敏感性(SE),特异性(SP),Kappa(K),AUC,F1分数,多边形面积度量(PAM)	NA
3969	2025-10-06	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	研究论文	本研究开发了一种基于髌骨磁共振图像切片进行性别估计的深度学习模型	首次使用多种CNN架构对髌骨MRI切片进行性别估计，无需传统形态测量方法	样本量相对有限（696名患者），仅使用单一医疗机构数据	开发自动化的性别估计方法以替代耗时的人工形态测量分析	696名患者（293名男性，403名女性）的髌骨磁共振图像	计算机视觉	NA	磁共振成像	CNN	医学图像	696名患者的6710张髌骨MRI矢状面切片	NA	EfficientNetB3,MobileNetV2,VGG16,ResNet50,DenseNet121	准确率	NA
3970	2025-10-06	Efficient quality control of platelet-rich plasma preparation using computer vision and deep learning 2025-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.6.065003 PMID:40765813	研究论文	本研究开发了一种基于计算机视觉和深度学习的自动化富血小板血浆制备质量控制系统	首次将ResNet18卷积神经网络与二元分类器结合用于PRP质量控制的自动化检测	模型在未见测试集上的准确率为82.5%，仍有提升空间	提高富血小板血浆制备质量控制的效率和准确性	富血小板血浆样本	计算机视觉	再生医学	计算机视觉，深度学习	CNN	图像	来自患者的PRP样本数据	NA	ResNet18	准确率	NA
3971	2025-10-06	Mapping the regulatory effects of common and rare non-coding variants across cellular and developmental contexts in the brain and heart 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.18.638922 PMID:40027628	研究论文	本研究利用深度学习模型预测非编码变异在脑和心脏不同细胞类型中的调控效应，并开发FLARE模型优先考虑具有极端调控效应的突变	整合单细胞ATAC-seq图谱与群体遗传学和深度学习变异效应预测，开发了上下文特异性功能基因组约束模型FLARE	研究主要关注脑和心脏组织，可能不适用于其他组织类型；模型预测需要实验验证	理解常见和罕见非编码变异在细胞和发育背景下的调控效应，优先考虑人类疾病中的因果变异	人类非编码变异，脑和心脏组织的132种细胞背景	计算生物学	神经发育障碍，自闭症	单细胞ATAC-seq，全基因组测序，GWAS	深度学习	基因组测序数据，表观基因组数据	15百万个变异，近20亿个上下文特异性预测	NA	NA	突变优先排序性能	NA
3972	2025-10-06	Chaotic gradient based optimization with fuzzy temporal optimized CNN for heart failure prediction 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88277-w PMID:39890898	研究论文	提出一种结合混沌梯度优化器和模糊时序优化CNN的心力衰竭预测模型	提出混沌梯度优化器(CGBO)改进特征选择，并设计模糊时序优化CNN(FTOCNN)分类器提高检测精度	仅使用UCI心脏数据集和电子健康记录进行评估，未在其他数据集上验证	开发准确且高效的心力衰竭早期预测系统	心力衰竭患者数据	机器学习	心血管疾病	电子健康记录分析	CNN	结构化医疗数据	UCI心脏数据集和电子健康记录	NA	模糊时序优化卷积神经网络(FTOCNN)	准确率, 统计指标, 分类指标, Wilcoxon秩和检验	NA
3973	2025-10-06	Universal conditional networks (UniCoN) for multi-age embryonic cartilage segmentation with Sparsely annotated data 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87797-9 PMID:39890924	研究论文	提出通用条件网络(UniCoN)用于多年龄胚胎软骨分割，解决稀疏标注数据下的分割挑战	提出两种新机制：基于离散年龄类别和连续图像裁剪位置的条件模块，能有效利用年龄和空间信息增强模型性能	NA	开发能够处理不同胚胎年龄组数据的鲁棒软骨分割方法	胚胎小鼠的3D微CT图像中的发育软骨	计算机视觉	骨软骨发育不良	3D微CT成像	CNN,Transformer,混合模型	3D图像	NA	NA	通用条件网络(UniCoN)	Dice系数	NA
3974	2025-10-06	A deep learning based model for diabetic retinopathy grading 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87171-9 PMID:39885230	研究论文	开发了一种基于深度学习的糖尿病视网膜病变自动分级模型RSG-Net	提出RSG-Net模型，能够同时进行四分类和二分类的糖尿病视网膜病变分级，在Messidor-1数据集上取得了优于现有方法的性能	仅使用Messidor-1单一数据集，未提及外部验证结果	开发自动化的糖尿病视网膜病变早期检测和准确分级系统	糖尿病视网膜病变患者眼底图像	计算机视觉	糖尿病视网膜病变	眼底图像分析	CNN	图像	Messidor-1数据集	NA	RSG-Net	准确率, 特异性, 敏感性	NA
3975	2025-10-06	Hierarchical image classification using transfer learning to improve deep learning model performance for amazon parrots 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88103-3 PMID:39885290	研究论文	本研究通过迁移学习和分层分类方法提升亚马逊鹦鹉物种识别的深度学习模型性能	基于诊断性形态特征构建分层分类结构，结合迁移学习提升对形态相似物种的分类精度	野生动物数据有限，特别是稀有或濒危物种的数据不足	改进野生动物物种分类的深度学习模型性能，用于种群监测和全球贸易监管	亚马逊鹦鹉物种	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	mAP（平均精度均值）	NA
3976	2025-10-06	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55267-x PMID:39747824	研究论文	提出一种基于深度学习的像差补偿方法，可在不降低成像速度或增加剂量的情况下提升荧光显微镜图像质量	通过引入合成像差训练神经网络进行像差补偿，无需额外光学元件即可达到与自适应光学相当的效果	未明确说明方法对极端像差情况的适用性及泛化能力限制	开发荧光显微镜图像质量提升技术	小鼠组织血管、秀丽隐杆线虫胚胎	计算机视觉	NA	荧光显微镜，共聚焦显微镜，光片显微镜，多光子显微镜，超分辨率显微镜	神经网络	显微镜图像	多种显微镜数据集	NA	NA	图像对比度，分辨率，分割质量	NA
3977	2025-10-06	Exploring transition states of protein conformational changes via out-of-distribution detection in the hyperspherical latent space 2025-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55228-4 PMID:39753544	研究论文	提出一种基于深度学习的框架TS-DAR，通过超球面潜在空间中的分布外检测来识别蛋白质构象变化中的过渡态	将过渡态结构视为分布外数据，利用正则化超球面嵌入同时检测多个自由能最小值之间的所有过渡态	方法在更复杂的蛋白质系统中的应用仍需进一步验证	开发一种能够从分子动力学模拟中准确识别蛋白质构象变化过渡态的方法	蛋白质构象变化过程，包括2D势能、丙氨酸二肽和DNA马达蛋白的易位过程	机器学习	NA	分子动力学模拟	神经网络	分子构象数据	三个测试系统：2D势能、丙氨酸二肽、DNA马达蛋白	NA	TS-DAR	与先前方法的比较性能	NA
3978	2025-10-06	Multi-scale feature pyramid network with bidirectional attention for efficient mural image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328507 PMID:40758742	研究论文	提出一种基于DenseNet201-FPN的深度学习模型，结合双向注意力机制和动态蒸馏策略，用于壁画图像分类	在DenseNet201中嵌入轻量级特征金字塔网络融合多尺度特征，采用双向LSTM驱动的注意力模块优化通道和空间权重，提出动态温度蒸馏策略提升稀有类别性能	基于自建数据集（2000张图像），样本规模有限，未在更大规模数据集上验证	解决壁画图像识别中的跨文化、多时期风格泛化挑战，实现文化遗产数字保护	壁画图像	计算机视觉	NA	深度学习	CNN, LSTM	图像	2000张壁画图像，26个子类别	PyTorch（推测）	DenseNet201, FPN, ResNeXt101	准确率, F1-score	Jetson TX2边缘设备
3979	2025-10-06	Utilization of Artificial Intelligence Algorithms for the Diagnosis of Breast, Lung, and Prostate Cancer 2025, Ceskoslovenska patologie PMID:40763009	综述	本文全面探讨人工智能算法在乳腺癌、肺癌和前列腺癌诊断中的应用现状与潜力	系统整合了数字病理学发展历程与AI技术应用，特别聚焦罗氏uPath系统和IBEX医学分析平台等具体工具的创新实践	未涉及具体临床验证数据，主要面临伦理法律、数据保护和错误责任等实施挑战	为数字病理学中AI技术的潜在应用提供全面概述，阐明其在现代肿瘤诊断中的角色	乳腺癌、肺癌和前列腺癌的病理诊断过程	数字病理学,计算机视觉	乳腺癌,肺癌,前列腺癌	组织病理图像分析,肿瘤细胞分类,生物标志物评估	机器学习,深度学习	组织病理图像	NA	NA	NA	诊断准确性,实验室流程效率	NA
3980	2025-10-06	Leveraging deep learning for the detection of socially desirable tendencies in personnel selection: A proof-of-concept 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329205 PMID:40763162	研究论文	提出一种基于深度学习的检测方法，用于识别人员在选拔过程中表现出的社会称许性反应倾向	首次将深度学习应用于社会称许性反应的检测，通过视频中的非语言视觉线索来预测个体的回答倾向	样本量较小（91名参与者），属于概念验证研究，需要更大规模验证	开发有效检测社会称许性反应的方法，为人员选拔提供技术支持	求职模拟中的参与者及其视频表现	计算机视觉	NA	视频分析，非语言视觉线索提取	迁移学习，深度学习	视频，图像序列	91名参与者，5,460个增强数据点	NA	Entrans（定制迁移学习模型）	MSE, RMSE, ρ, AUC	NA