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
4561	2025-03-26	DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading 2025-Mar-24, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00693-8 PMID:40126867	research paper	该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级	引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力	未提及具体的数据集规模或潜在的过拟合问题	开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预	透明细胞肾细胞癌（ccRCC）的CT图像	digital pathology	renal cell carcinoma	Computed Tomography (CT), deep learning, machine learning	CNN, EfficientNet, RegNet, DANN	image	NA
4562	2025-03-26	Ensemble Denoising Autoencoders Based on Broad Learning System for Time-Series Anomaly Detection 2025-Mar-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3548941 PMID:40126953	研究论文	提出了一种基于广泛学习系统的集成去噪自编码器方法，用于时间序列异常检测	创新性地利用广泛学习系统(BLS)构建了DBLS-AE和PddBLS-AE模型，通过序列-图像策略和人工异常数据对增强异常知识认知，并采用渐进多样性策略提升模型鲁棒性	未明确提及具体的数据集规模限制或实际应用场景的局限性	解决无监督时间序列异常检测中异常模式识别不足和实时性要求高的挑战	时间序列数据中的异常模式	机器学习	NA	广泛学习系统(BLS)，去噪自编码器	DBLS-AE, PddBLS-AE	时间序列数据	NA
4563	2025-03-26	Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test 2025-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553502 PMID:40126963	研究论文	本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响	提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征	方法的有效性可能受到分析师专业能力的限制	开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响	抑郁症患者	数字病理学	抑郁症	深度学习	DeHTP	图像	基于先前研究中与抑郁症相关的50个结论的指南
4564	2025-03-26	Dose the deep learning-based iterative reconstruction affect the measuring accuracy of bone mineral density in low dose chest CT? 2025-Mar-24, The British journal of radiology DOI:10.1093/bjr/tqaf059 PMID:40127198	research paper	研究深度学习迭代重建算法对低剂量胸部CT中骨密度测量准确性和图像质量的影响	首次评估深度学习迭代重建算法在低剂量胸部CT中对骨密度测量准确性的影响	研究样本量较小，仅包含体模和少量患者数据	评估深度学习迭代重建算法在低剂量胸部CT中的应用效果	体模和患者低剂量胸部CT图像	digital pathology	NA	低剂量CT扫描	深度学习迭代重建算法(AIIR)	CT图像	体模研究和患者研究(具体数量未提及)
4565	2025-03-26	Evaluation of stapes image quality with ultra-high-resolution CT in comparison to cone-beam CT and high-resolution CT in cadaveric heads 2025-Mar-24, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8748 PMID:40127966	研究论文	比较超高清CT、锥束CT和高分辨率CT在尸体头部中对镫骨成像质量的能力	首次将超高清CT（带和不带深度学习重建）与锥束CT和高分辨率CT在镫骨成像质量方面进行比较，并以微CT作为参考标准	样本量较小（11例颞骨标本），且所有样本均为尸体标本，可能无法完全反映活体情况	评估不同CT扫描技术对镫骨成像质量的影响	11例颞骨标本	医学影像	NA	高分辨率CT、超高清CT、锥束CT、微CT、深度学习重建	NA	CT图像	11例颞骨标本
4566	2025-03-26	Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study 2025-Mar-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01475-w PMID:40128503	研究论文	探讨基于MRI的深度学习成像在预测高风险孕妇胎盘植入谱（PAS）中的诊断价值	使用DenseNet-121模型进行深度学习辅助诊断，与传统临床模型或机器学习放射组学模型相比表现出更好的性能	研究为回顾性设计，样本量相对较小（263例患者）	评估深度学习模型在预测胎盘植入谱（PAS）中的诊断效能	高风险孕妇中的疑似胎盘植入患者	数字病理	胎盘植入谱（PAS）	MRI成像	DenseNet-121, SVM, KNN, RF, LGBM	医学影像	263例患者（170例训练集，93例外部验证集）
4567	2025-03-26	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Mar-24, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR）	结合U-Net和Dense-Net模型，通过计算动静脉比率（AVR）实现HR的自动检测和分级	NA	开发一种自动化的高血压视网膜病变诊断和分级方法	高血压视网膜病变（HR）患者的视网膜图像	数字病理学	心血管疾病	深度学习	U-Net, Dense-Net	图像	AVRDB数据集
4568	2025-03-26	Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning 2025-Mar-24, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70011 PMID:40129053	研究论文	本研究探索利用无监督深度学习技术，从人类血液的红外分子指纹中提取低维表示	开发了一种全卷积去噪自编码器，用于处理FTIR光谱数据，通过自定义损失函数有效降噪并保留关键分子信息，提高了肺癌检测准确率2.6个百分点	NA	探索红外光谱数据的低维表示方法以提升疾病诊断效果	人类血液的红外分子指纹	机器学习	肺癌	FTIR光谱技术	全卷积去噪自编码器	光谱数据	NA
4569	2025-03-26	Augmenting atmospheric turbulence effects on thermal-adapted deep object detection models 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86830-1 PMID:40121214	research paper	本文探讨了大气湍流图像增强技术在提高热适应和基于深度学习的物体检测模型在大气湍流条件下的准确性和鲁棒性方面的有效性	研究了三种不同的基于近似的湍流模拟器（几何、Zernike-based和P2S）生成的湍流训练和测试数据集，并评估了三种最先进的深度学习物体检测模型（RTMDet-x、DINO-4scale和YOLOv8-x）在这些数据集上的性能	NA	提高物体检测模型在大气湍流条件下的准确性和鲁棒性	热适应和基于深度学习的物体检测模型	computer vision	NA	turbulence image augmentation techniques	RTMDet-x, DINO-4scale, YOLOv8-x	image	NA
4570	2025-03-26	Deep learning on T2WI to predict the muscle-invasive bladder cancer: a multi-center clinical study 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82909-3 PMID:40121216	研究论文	开发基于MRI的深度学习模型以预测肌层浸润性膀胱癌（MIBC）	利用多中心临床数据构建深度学习模型，结合T2WI图像、分割膀胱和感兴趣区域进行MIBC预测	外部测试集的敏感性和阳性预测值较低，分别为57.1%和50.0%	预测肌层浸润性膀胱癌（MIBC）	559名膀胱癌患者（包括521名内部中心和38名外部中心患者）	数字病理	膀胱癌	MRI	Inception V3	图像	559名患者（2012-2023年）
4571	2025-03-26	Development and validation of a postoperative prognostic model for hormone receptor positive early stage breast cancer recurrence 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92872-2 PMID:40121273	研究论文	开发并验证了一个基于Transformer的深度学习预后模型HERPAI，用于预测激素受体阳性早期乳腺癌患者的复发风险	首次为低复发风险患者开发了一个基于Transformer的深度学习预后模型，并在多个独立医疗中心的外部测试中验证了其性能	研究是回顾性的，可能存在选择偏倚	预测激素受体阳性早期乳腺癌患者的复发风险，以指导辅助治疗	激素受体阳性/人表皮生长因子受体阴性早期乳腺癌患者	数字病理	乳腺癌	深度学习	Transformer	临床和病理数据	6340名患者（5424名用于推导队列，916名用于外部测试队列）
4572	2025-03-26	A novel framework for segmentation of small targets in medical images 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94437-9 PMID:40121297	research paper	提出了一种名为STS-Net的新型框架，专门用于医学图像中小目标的精确分割	采用ResNeXt50-32x4d架构作为编码器，并在编码阶段集成注意力机制以增强网络的特征表示能力	在训练样本数量有限的情况下，现有网络处理极小目标分割仍存在困难	解决医学图像中小目标分割的挑战	医学图像中的小目标	digital pathology	NA	deep learning	CNN, STS-Net	image	四个公开数据集
4573	2025-03-26	High-resolution image reflection removal by Laplacian-based component-aware transformer 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94464-6 PMID:40121298	research paper	提出了一种基于Laplacian金字塔和transformer的高分辨率图像反射去除框架LapCAT	利用Laplacian金字塔网络去除高频反射模式，并通过反射感知的多头自注意力机制设计组件可分离transformer块（CSTB）	NA	解决高分辨率图像反射去除问题，提升照片拍摄质量和场景理解	高分辨率图像中的反射模式	computer vision	NA	Laplacian金字塔网络，transformer	transformer (CSTB)	image	多个基准数据集
4574	2025-03-26	RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning 2025-Mar-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57852-0 PMID:40118849	research paper	介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性	首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度	RNA领域的数据有限，且机器学习方法在该领域的实际评估不足	开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现	RNA分子及其结合位点	machine learning	NA	deep graph learning, 3D modeling, synthetic data augmentation	deep learning model	3D RNA结构数据	20,000种化合物的体外微阵列测试
4575	2025-03-26	4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning 2025-Mar-21, Communications engineering DOI:10.1038/s44172-025-00390-w PMID:40119014	research paper	提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影	结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息	需要验证在更广泛实验条件下的适用性	解决从稀疏投影重建4D信息的挑战	水滴碰撞模拟和增材制造实验数据	计算机视觉	NA	X射线多投影成像	深度学习	X射线投影图像	模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影
4576	2025-03-26	The artificial intelligence revolution in gastric cancer management: clinical applications 2025-Mar-21, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-03756-4 PMID:40119433	review	本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用	人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破	目前大多数基于AI的模型尚未在临床实践中广泛应用	探讨人工智能技术在胃癌临床管理中的应用及其潜力	胃癌	digital pathology	gastric cancer	machine learning, deep learning	NA	image, text	NA
4577	2025-03-26	Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111839 PMID:40124476	研究论文	开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降	首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型	样本量相对有限（526例），且前瞻性队列样本量较小（108例）	预测未破裂颅内动脉瘤支架置入术后认知功能下降风险	接受支架置入术治疗的未破裂颅内动脉瘤患者	数字病理学	颅内动脉瘤	扩散加权磁共振成像（DWI）	深度学习放射组学列线图（DLRN）	医学影像	526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例）
4578	2025-03-26	CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111974 PMID:40124480	研究论文	介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节	提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度	未提及具体的数据集限制或模型在特定条件下的性能下降情况	提高肺结节分割的效率和准确性，以辅助肺癌的早期检测	CT图像中的肺结节	数字病理	肺癌	深度学习	CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN）	CT图像	多个公开数据集（未提及具体数量）
4579	2025-03-26	Single-View 3D Hair Modeling with Clumping Optimization 2025-Mar-20, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3552919 PMID:40111766	research paper	该论文提出了一种结合毛发成簇效应的单视图3D毛发建模方法，通过分层毛发表示和可微分框架优化毛发的几何结构和成簇参数	引入了毛发成簇修饰器到引导毛发和基于蒙皮的毛发表达中，提出了一种分层毛发表示方法，并设计了一个完全可微分的框架来迭代求解引导毛发位置和成簇参数	未提及具体的数据集规模或计算资源需求，可能在实际应用中存在性能限制	提升单视图毛发重建的真实感，特别是毛发的成簇效果，以支持高质量的毛发渲染和模拟	3D毛发建模	computer vision	NA	深度学习，基于线的栅格化渲染	NA	image	NA
4580	2025-03-26	A Unified Framework for Dynamics Modeling and Control Design Using Deep Learning With Side Information on Stabilizability 2025-Mar-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3543926 PMID:40111782	research paper	本文提出了一个统一的框架，利用深度学习结合稳定性先验信息进行动力学建模和控制设计	提出了一种新颖的基于神经网络的框架，同时学习系统动力学、稳定反馈控制器和闭环系统的李雅普诺夫函数，显式保证学习模型的稳定性	NA	开发一个数据驱动且具有控制理论保证的动力学建模和控制设计框架	控制系统	machine learning	NA	deep learning	NN	NA	NA