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
5261	2025-10-05	Multi scale self supervised learning for deep knowledge transfer in diabetic retinopathy grading 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85685-w PMID:41028406	研究论文	提出多尺度自监督学习模型用于糖尿病视网膜病变分级，结合Vision Transformers和CNN-FPN架构提升特征提取能力	提出结合Vision Transformers全局上下文和CNN-FPN多尺度特征提取的MsSSL模型，通过Deep Learner模块优化空间分辨率	未明确说明具体数据集规模和计算资源需求	改进糖尿病视网膜病变的自动分级准确率	视网膜图像	计算机视觉	糖尿病视网膜病变	自监督学习	Vision Transformer, CNN	医学图像	NA	NA	Vision Transformer, CNN with Feature Pyramid Network	NA	NA
5262	2025-10-05	Optimizing breast cancer classification based on cat swarm-enhanced ensemble neural network approach for improved diagnosis and treatment decisions 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95481-1 PMID:41028518	研究论文	提出一种基于猫群优化增强集成神经网络的方法来优化乳腺癌分类，以提高诊断准确性和治疗决策	首次将猫群优化算法与集成神经网络相结合用于乳腺癌分类，通过优化网络架构和超参数提升模型性能	仅在公开数据集上进行验证，未提及临床实际应用验证	提高乳腺癌分类的准确性和鲁棒性以支持医疗诊断决策	乳腺癌组织病理学图像	计算机视觉	乳腺癌	深度学习	集成神经网络	图像	Kaggle乳腺癌组织病理学图像公开数据集	NA	EfficientNetB0,ResNet50,DenseNet121	准确率	NA
5263	2025-10-05	Intelligent pear variety classification models based on Bayesian optimization for deep learning and its interpretability analysis 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98420-2 PMID:41028538	研究论文	基于贝叶斯优化的深度学习模型用于梨品种分类及其可解释性分析	使用贝叶斯优化自动搜索CNN最优超参数，并结合特征可视化、最强激活和LIME等可解释性方法分析模型决策过程	NA	开发智能梨品种分类系统以提升农业效率和消费者满意度	9种梨品种的43,200张图像	计算机视觉	NA	深度学习，图像分类	CNN	图像	43,200张梨图像	NA	NA	准确率	NA
5264	2025-10-05	A predictive approach to enhance time-series forecasting 2025-Sep-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63786-4 PMID:41028729	研究论文	提出一种名为未来引导学习的预测方法，通过动态反馈机制增强时间序列事件预测能力	引入受预测编码启发的动态反馈机制，通过检测模型和预测模型的协同工作实现参数动态调整	未明确说明方法在极端异常值情况下的表现	改进时间序列预测的准确性和适应性	时间序列数据	机器学习	癫痫	时间序列分析	深度学习模型	EEG数据, 时间序列数据	NA	NA	NA	AUC-ROC, MSE	NA
5265	2025-10-05	CPVPD-2024: A Chinese photovoltaic plant dataset derived via a topography-enhanced deep learning framework 2025-Sep-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05891-z PMID:41028734	研究论文	本研究开发了中国光伏电站矢量数据集CPVPD-2024，采用地形增强的深度学习框架进行语义分割	首个国家层面的面板级光伏矢量数据集，通过DSFA-SwinNet深度学习框架显著提升光伏阵列间隙识别和小规模分布式电站检测能力	NA	解决当前光伏数据集碎片化和不一致性问题，构建全国范围的光伏电站精确数据集	中国34个省级行政区域的光伏电站	计算机视觉	NA	地理空间验证，遥感分析	深度学习，语义分割	遥感图像，地理空间数据	覆盖中国全部34个省级行政区	DSFA-SwinNet	SwinNet	精确率，交并比	NA
5266	2025-10-05	Hybrid deep learning framework for heart disease prediction using ECG signal images 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10062-6 PMID:41028772	研究论文	提出一种基于心电图信号图像的混合深度学习框架用于心脏病预测	开发了一种混合深度学习框架，通过人工神经网络模型降低计算复杂度，在准确度、灵敏度、适应性、性能和可扩展性方面优于现有方法	依赖于特定Kaggle数据集，需要进一步临床验证	开发自动诊断心脏疾病的深度学习方法	心电图信号图像	机器学习	心血管疾病	心电图分析	人工神经网络	图像	来自Kaggle心电图数据集	NA	人工神经网络	准确度, 灵敏度, 适应性, 性能, 可扩展性	NA
5267	2025-10-05	Enhanced image registration based brain tumour segmentation using optical particle swarm intelligence technique with Resnet Inceptionv2 HCNN 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09373-5 PMID:41028790	研究论文	提出一种基于光学粒子群智能技术和Resnet Inceptionv2 HCNN的增强图像配准脑肿瘤分割方法	结合光学粒子群智能技术进行特征选择，并采用Resnet-inceptionv2-超卷积神经网络提高脑肿瘤识别精度	NA	解决脑肿瘤图像配准和分割不准确的问题，提高疾病识别精度	脑肿瘤医学图像	计算机视觉	脑肿瘤	医学图像分析	CNN, HCNN	医学图像	NA	NA	ResNet, Inceptionv2, HCNN	准确率, 灵敏度, 特异性, ROC曲线	NA
5268	2025-10-05	An effective image despeckling and reconstruction approach using U-Net based model and comparative analysis 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10220-w PMID:41028882	研究论文	本文提出了一种名为U-Tunnel-Net的新型图像去噪架构，通过改进U-Net的池化操作位置和引入新卷积块来提升去斑和重建性能	在Tunnel Blocks中重新定位池化操作的位置，并引入新型卷积块，这一架构创新使模型区别于传统U-Net变体	仅针对瑞利分布的散斑噪声进行评估，未测试其他噪声类型	提升图像去噪和重建性能，特别是针对散斑噪声的去除	含噪声图像的去噪和重建	计算机视觉	NA	深度学习	U-Net	图像	UNS和Waterloo数据集，添加四个不同强度级别(σ=0.10,0.25,0.50,0.75)的瑞利分布散斑噪声	NA	U-Tunnel-Net, U-Net	峰值信噪比(PSNR), 结构相似性指数(SSIM), 运行时间	NA
5269	2025-10-05	Automated contouring of gross tumor volume lymph nodes in lung cancer by deep learning 2025-Sep-30, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14794-6 PMID:41029235	研究论文	本研究提出了一种用于肺癌淋巴结大体肿瘤体积自动勾画的深度学习模型	首次针对肺癌GTVnd自动分割的探索性研究，集成了上下文线索增强模块和边缘引导特征增强解码器	样本量相对较小（90例CT扫描），仅针对小细胞肺癌Ш-Ⅳ期患者	开发并评估用于肺癌淋巴结大体肿瘤体积自动分割的深度学习模型	Ш-Ⅳ期小细胞肺癌患者的CT扫描图像	数字病理	肺癌	CT扫描	深度学习	医学影像	90例患者CT扫描（75例训练，15例测试）	NA	ECENet	3D Dice相似系数, 95% Hausdorff距离	NA
5270	2025-10-05	petBrain: a new pipeline for amyloid, Tau tangles and neurodegeneration quantification using PET and MRI 2025-Sep-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01839-y PMID:41029733	研究论文	开发了一种用于阿尔茨海默病PET和MRI生物标志物定量分析的新型端到端处理流程	首个整合淀粉样蛋白PET、tau蛋白PET和结构MRI的端到端处理流程，采用深度学习分割和标准化生物标志物量化方法	未提及具体样本量和与其他方法的详细比较	开发标准化的阿尔茨海默病生物标志物分析平台	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	PET成像, MRI成像, 深度学习	深度学习	医学影像	NA	NA	NA	一致性分析, 临床状态相关性, 认知表现相关性	基于Web的平台，无需本地计算基础设施
5271	2025-10-05	Centiloid values from deep learning-based CT parcellation: a valid alternative to freesurfer 2025-Sep-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01860-1 PMID:41029783	研究论文	开发基于深度学习的CT分割流程用于阿尔茨海默病淀粉样蛋白沉积定量，验证其作为FreeSurfer MRI方法的有效替代方案	首次开发基于CT图像的深度学习分割流程并校准至标准Centiloid量表，提供无需MRI的淀粉样蛋白定量替代方案	样本量相对有限（306名参与者），需要进一步在多中心研究中验证	开发并验证基于CT图像的淀粉样蛋白定量方法，克服MRI方法的局限性	阿尔茨海默病患者和年轻对照组	医学影像分析	阿尔茨海默病	PET/CT成像，18F-florbetaben（FBB）示踪剂	深度学习	CT图像，PET图像	306名参与者（23名年轻对照组，283名患者）	NA	NA	R²，效应量，方差分析，ROC分析，准确率	NA
5272	2025-10-05	Deep learning model for diagnosing lupus erythematosus in cardiac patients using ECG and audio spectrograms 2025-Sep-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14128-3 PMID:41023010	研究论文	提出一种结合ECG和音频谱图的深度学习模型，用于诊断心脏病患者的红斑狼疮	首创将ECG图像转换为音频并生成梅尔谱图的分析方法，开发了结合ResNet、LSTM和音频谱图变换器的混合模型	研究样本量未明确说明，模型在特定患者群体（心脏病合并红斑狼疮）中的适用性需要进一步验证	开发准确诊断心脏病患者中红斑狼疮的智能诊断模型	同时患有红斑狼疮和心脏病的患者	医疗人工智能	红斑狼疮, 心脏病	ECG分析, 音频谱图转换, 深度学习	CNN, LSTM, Transformer	ECG信号, 音频谱图, 图像	NA	NA	ResNet, LSTM, Audio Spectrogram Transformer	准确率, 灵敏度, 特异性, AUC	NA
5273	2025-10-05	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究开发了一种基于深度学习的方法，利用早产儿视网膜图像预测支气管肺发育不良和肺动脉高压	首次发现ROP筛查视网膜图像中包含与BPD和PH相关的特征，并提出结合图像特征与人口统计学风险因素的多模态模型	样本量相对有限（BPD队列99例，PH队列37例），且仅包含≤34周胎龄的图像	探索视网膜图像特征与早产儿心肺疾病的关联性，开发早期预测模型	493名有ROP风险的早产儿，来自7个新生儿重症监护室	计算机视觉	心血管疾病	视网膜成像	深度学习,支持向量机	图像,临床数据	493名婴儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
5274	2025-10-05	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-Sep-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	开发并评估基于人工智能的急诊科拥挤预测框架	首次将时间序列视觉变换器(TSiTPlus)和可解释卷积神经网络(XCMPlus)应用于急诊科拥挤预测，支持6小时提前量和24小时平均预测	研究数据仅来自美国东南部一家合作医院，可能限制模型的泛化能力	预测急诊科候诊人数以支持主动资源分配和改善医院效率	急诊科患者流量数据	机器学习	NA	机器学习预测建模	时间序列视觉变换器,可解释卷积神经网络	医院急诊科内部和外部数据	来自美国东南部一家合作医院的急诊科数据	NA	TSiTPlus,XCMPlus	平均绝对误差,均方误差	NA
5275	2025-10-05	Unveiling genetic architecture of white matter microstructure through unsupervised deep representation learning of fractional anisotropy maps 2025-Sep-17, Research square DOI:10.21203/rs.3.rs-7411165/v1 PMID:41001519	研究论文	提出一种基于深度学习的无监督表示学习方法UDR-WM，用于从分数各向异性图谱中提取白质微观结构特征	采用无监督深度学习方法直接从体素级FA图谱提取全脑特征，无需先验解剖假设，相比传统方法显著提高了遗传发现能力	NA	揭示白质微观结构的遗传架构及其与脑部疾病的关联	人脑白质微观结构	医学影像分析	精神分裂症,帕金森病	扩散MRI,全基因组关联分析(GWAS)	深度学习	医学影像(分数各向异性图谱)	NA	NA	无监督深度表示学习	SNP遗传力,Mann-Whitney U检验,Wald检验,Fisher精确检验	NA
5276	2025-10-05	Rapid and sensitive acute leukemia classification and diagnosis platform using deep learning-assisted SERS detection 2025-Sep-16, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102320 PMID:40925373	研究论文	提出结合深度学习和表面增强拉曼散射的分类策略，用于急性白血病的快速灵敏诊断	首次将Transformer模型与SERS检测结合，通过一维光谱和二维图像的特征融合实现急性白血病亚型分类	样本量相对有限（390例），仅验证了脑脊液样本	开发快速敏感的急性白血病分类诊断平台	脑脊液样本（包括健康对照、急性白血病患者和其他疾病患者）	数字病理	白血病	表面增强拉曼散射（SERS）	Transformer	光谱数据，图像数据	390例脑脊液样本	NA	Transformer	准确率，灵敏度，特异性，可靠性	NA
5277	2025-10-05	Image-based drug screening combined with molecular profiling identifies signatures and drivers of therapy resistance in pediatric AML 2025-Sep-16, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102304 PMID:40840446	研究论文	本研究开发了结合高内涵成像和深度学习表型分析的功能性筛选平台，用于识别儿童急性髓系白血病的治疗耐药特征和驱动因素	首次系统性应用功能性精准医学方法研究儿童急性髓系白血病，结合分子谱分析识别跨遗传亚组的治疗耐药早期特征	研究样本量有限（45例患者），尚未在更大队列中验证预测效果	研究儿童急性髓系白血病的治疗耐药机制并确定靶向治疗策略	儿童急性髓系白血病患者样本	数字病理学	白血病	高内涵成像，基因组分析，表观基因组分析	深度学习	图像，基因组数据，表观基因组数据	45例儿童急性髓系白血病患者	NA	NA	NA	NA
5278	2025-10-05	Deep-Learning-Based Analysis of Disease-Specific Structural Biomarkers on Retinal Sensitivity in Neovascular Age-Related Macular Degeneration 2025-Sep-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.12.68 PMID:41025875	研究论文	本研究使用深度学习分析新生血管性年龄相关性黄斑变性中疾病特异性生物标志物对视网膜点对点敏感性的影响	首次使用深度学习技术量化多种生物标志物并评估它们对视网膜敏感性的交互影响	样本量较小（20例患者），研究设计为横断面研究无法确定因果关系	评估疾病特异性生物标志物对新生血管性年龄相关性黄斑变性患者视网膜敏感性的影响	活动性新生血管性年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描，微视野检查，深度学习	深度学习	医学影像	20例患者（20只眼），平均年龄76.0岁	NA	NA	置信区间，点对点敏感性变化（dB）	NA
5279	2025-10-05	Effect of Tear Classification on Subscapularis Muscle Volume: A Deep Learning-based Semi-automatic Analysis of Pre- and Postoperative Changes in 246 Rotator Cuff Repair Patients With and Without First Facet Subscapularis Tears 2025-Sep, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251374303 PMID:41036382	研究论文	本研究使用深度学习分割工具分析246例肩袖修复患者术前术后肩胛下肌体积变化，探讨肌腱撕裂分类与肌肉体积的关系	首次使用深度学习MRI分割技术系统评估不同肩胛下肌腱撕裂分类对肌肉体积的影响及术后变化	研究为单中心队列研究，证据等级为3级，样本量相对有限	评估肩胛下肌体积与肌腱撕裂分类的关系，并分析术前术后肌肉体积变化	246例接受关节镜肩袖修复术的患者	医学影像分析	肩袖损伤	磁共振成像	深度学习分割模型	MRI图像	246例患者	NA	NA	标准化肩胛下肌体积，统计学显著性(P值)	NA
5280	2025-10-05	How Everything Is Connected to Everything Else - Population-Specific Connections between Adaptive Evolution, Disease Susceptibility, and Drug Responsiveness 2025-Sep, Advanced genetics (Hoboken, N.J.) DOI:10.1002/ggn2.202500018 PMID:41036480	评论	探讨适应性进化、疾病易感性和药物反应性之间的人口特异性联系	使用整合统计测试的深度学习网络识别17个人类群体中的有利突变，揭示三者间广泛且高度人群特异性的关联	许多有利突变仍未被识别，关联机制尚未完全阐明	研究适应性进化、疾病易感性和药物反应性之间的内在联系	17个人类群体的基因组数据	机器学习	NA	全基因组关联研究(GWAS), 深度学习	深度学习网络	基因组数据	17个人类群体	NA	NA	NA	NA