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
541	2025-05-15	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-May-13, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	research paper	该研究首次探讨了在组织病理学图像上使用深度学习模型对B细胞和T细胞淋巴瘤进行分类的可行性	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类，并整合了卷积块注意力模块（CBAMs）提升模型性能	研究样本量相对有限（1510张切片），且仅针对B细胞和T细胞淋巴瘤两种类型	提高淋巴瘤诊断的精确性并减少对人工染色和解释的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	digital pathology	lymphoma	深度学习	CNN (Xception, NASNetL, ResNet50, EfficientNet)	image	1510张H&E染色切片（750张B细胞，760张T细胞）
542	2025-05-15	Deep Learning-accelerated MRI in Body and Chest 2025-May-13, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	research paper	本文探讨了深度学习重建（DLR）在加速MRI扫描并保持图像质量方面的应用，特别是在身体和胸部成像中	DLR技术在保持图像质量的同时显著减少了MRI扫描时间，并提供了去噪、减少伪影、提高分辨率和信噪比（SNR）及对比噪声比（CNR）的潜力	DLR面临的挑战包括轻微降低的病变检测率、心脏运动相关的信号丢失、区域SNR变化以及不同器官系统中ADC测量的变异性	研究DLR技术在MRI加速中的应用及其对图像质量和诊断准确性的影响	腹部、骨盆和胸部的MRI图像，特别是肝脏和前列腺	医学影像	NA	深度学习重建（DLR）	监督深度学习模型，包括变分网络	MRI图像	NA
543	2025-05-15	DNA data storage for biomedical images using HELIX 2025-May-13, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00793-x PMID:40360759	研究论文	提出了一种名为HELIX的基于DNA的生物医学图像存储系统，该系统针对生物医学图像特性设计了图像压缩算法和纠错编码算法	HELIX系统针对生物医学图像特性设计了专用压缩算法，并采用无需索引的纠错编码算法，提高了存储密度和解码速度	仅在体外实验中测试了两幅时空基因组学图像的存储效果	开发适用于生物医学图像的DNA数据存储系统	生物医学图像	数字病理学	NA	DNA数据存储	深度学习图像修复算法	生物医学图像	两幅时空基因组学图像
544	2025-05-15	Predicting gene expression from DNA sequence using deep learning models 2025-May-13, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	研究论文	本文探讨了利用深度学习模型从DNA序列预测基因表达的方法	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提高了预测基因活性的准确性	不同方法存在各自的优缺点，且模型的复杂性可能限制其广泛应用	构建能够从DNA序列预测基因活性的计算模型	基因表达的调控机制，特别是启动子和增强子等DNA元件	机器学习	NA	表观基因组图谱和高通量报告基因检测	深度学习	DNA序列数据	NA
545	2025-05-15	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-May-13, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	research paper	提出了一种混合框架，用于检测多媒体安全中的复制-移动伪造	结合了FFT、SIFT、ORB、MobilenetV2和VGG16模型以及注意力机制，提高了检测的准确性	传统方法在处理多样化的图像修改时可能存在困难	保证数字图像完整性并识别图像篡改	数字图像	computer vision	NA	FFT、SIFT、ORB、MobilenetV2、VGG16、DBSCAN	MobilenetV2、VGG16	image	五个基准复制-移动伪造数据集
546	2025-05-15	Application of Hyperspectral Imaging and Machine Learning for Differential Diagnosis of Hashimoto's Thyroiditis and Papillary Thyroid Carcinoma 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500123 PMID:40364460	研究论文	本研究利用高光谱成像和深度学习模型区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征	首次应用高光谱成像和自适应光谱特征选择网络模型来区分HT和PTC的光谱特征	未提及样本量的具体数目，且模型准确率为88.36%，仍有提升空间	区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征，提高甲状腺疾病的诊断准确性	桥本甲状腺炎和甲状腺乳头状癌的样本	数字病理	甲状腺疾病	高光谱成像（HSI）	自适应光谱特征选择网络模型	高光谱图像	NA
547	2025-05-15	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	本文介绍了一种用于镰状细胞病(SCD)自动筛查的智能显微镜系统	结合干涉法捕获高分辨率3D相位图像与基于UNET模型的深度学习技术，实现镰状细胞和健康细胞的语义分割	系统鲁棒性有待提高，需要进一步的临床验证	开发一种快速可靠的SCD诊断工具	镰状细胞和健康红细胞(RBCs)	数字病理学	镰状细胞病	干涉法成像	UNET, 梯度提升模型	3D相位图像	NA
548	2025-05-15	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	综述	本文评估了人工智能在口腔癌和口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌和OPMDs早期检测中的潜力，并分析了其诊断准确性、可及性和可负担性	模型的可解释性有限，存在伦理问题，需进一步解决以整合到临床实践中	评估AI在口腔癌和口腔潜在恶性病变早期检测中的应用	口腔癌和口腔潜在恶性病变（OPMDs）	数字病理	口腔癌	AI和机器学习技术	深度学习模型	非侵入性诊断数据	8项研究（2015-2024年发表）
549	2025-05-15	A new diagnostic method and tool for cutaneous leishmaniasis based on artificial intelligence techniques 2025-May-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110313 PMID:40359677	研究论文	开发了一种基于人工智能技术的皮肤利什曼病新型诊断方法和工具	利用YOLO 8深度学习模型在显微镜图像中检测利什曼原虫，准确率达97%，并开发了移动应用进行验证	研究数据仅来自阿尔及利亚巴斯德研究所M'sila分所，可能缺乏地域多样性	提高皮肤利什曼病的诊断准确性和效率	显微镜图像中的利什曼原虫	计算机视觉	皮肤利什曼病	深度学习	YOLO 8	图像	阿尔及利亚巴斯德研究所M'sila分所收集的显微镜图像
550	2025-05-15	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-May-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探索医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用query-mixed intra-attention和key&value-mixed inter-attention机制，结合非局部推理模块(NLRM)和key&value-mixed inter-attention(KVMIA)进行前门调整策略，以及patch-masked ranking模块(PMRM)和query-mixed intra-attention(QMIA)增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，处理不可观测的混杂因素	医学图像及其诊断标签	digital pathology	NA	NA	CausalMixNet (基于混合注意力机制的深度学习模型)	image	多个数据集，具体数量未提及
551	2025-05-15	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	通过深度学习驱动的基因组分析解析肌痛性脑脊髓炎/慢性疲劳综合征的遗传复杂性	开发了一种新型深度学习框架HEAL2，用于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	未明确提及具体局限性	解析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	未明确提及具体样本量
552	2025-05-15	Automatic construction of risk transmission network about subway construction based on deep learning models 2025-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99561-0 PMID:40350479	研究论文	本研究基于深度学习模型，自动构建地铁施工风险传播网络，通过识别事故文本中的安全风险因素和事件及其因果关系，为地铁施工安全管理提供指导	开发了针对地铁施工安全风险的特定领域实体识别模型和因果关系提取模型，成功将事故文本转化为因果链结构，并构建了风险复杂网络和案例数据库	模型训练使用的文本数据量有限，可能影响实体识别的泛化能力	提高地铁施工安全风险管理的效率和准确性	地铁施工事故文本数据	自然语言处理	NA	NA	BiLSTM-CRF, CNN	文本	562起地铁施工事故数据
553	2025-05-15	A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients 2025-May-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110935 PMID:40360049	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了放射组学、剂量组学和机器学习在预测胸部放疗毒性中的表现	首次对放射组学、剂量组学和机器学习在预测放疗毒性方面的性能进行了系统综述和荟萃分析，并比较了不同模型的表现	研究主要集中在放射性肺炎预测上，对其他器官毒性的预测研究较少	评估定量影像学方法在预测肺癌患者放疗毒性中的效用	23,373名接受胸部放疗的肺癌患者	数字病理学	肺癌	放射组学、剂量组学、机器学习	经典机器学习模型和深度学习模型	影像数据	106项研究，共23,373名患者
554	2025-05-15	A Scalable Deep Attention Mechanism of Instance Segmentation for the Investigation of Chromosome 2025-May-11, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	research paper	提出了一种用于染色体实例分割的可扩展深度注意力机制框架，整合了自动标注流程和增强的深度学习架构	引入了包含24种染色体类别的COCO格式新数据集，采用基于特征的图像配准技术自动生成高质量标注，并提出了增强的Mask R-CNN模型（包含AttFPN、空间注意力机制和LastLevelMaxPool块）	虽然在小中型染色体分割上表现优异，但未明确说明对大型染色体的处理效果	解决细胞遗传学和基因组学中染色体分割的挑战	中期分裂相图像中的染色体	digital pathology	NA	SIFT特征匹配和单应性变换	改进的Mask R-CNN（包含AttFPN和空间注意力机制）	图像（中期分裂相图像和对应核型图）	包含24种染色体类别的COCO格式标注数据集（具体样本量未说明）
555	2025-05-15	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-May-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	开发基于多参数乳腺MRI放射组学和深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	结合放射组学和深度学习技术，利用多参数MRI数据构建预测模型，显著提高了预测性能	样本量较小（176例），且仅基于单一机构数据	预测乳腺癌Ki-67表达状态，推进个体化治疗和精准医疗	176例浸润性乳腺癌患者	数字病理	乳腺癌	多参数MRI（T1WI、DWI、T2WI、DCE-MRI）	深度学习多模态模型	医学影像	176例乳腺癌患者（训练集70%，测试集30%）
556	2025-05-15	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高	提高复杂系统中化合物分析的效率并减少有机溶剂消耗	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC），一维卷积神经网络（1D-CNN）	1D-CNN	色谱数据	NA
557	2025-05-15	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级	结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级	研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响	创建可靠的食管癌分级框架，提高诊断准确性和可解释性	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical information	2560名食管癌患者
558	2025-05-15	A subject transfer neural network fuses Generator and Euclidean alignment for EEG-based motor imagery classification 2025-May-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110483 PMID:40350042	research paper	提出了一种基于深度学习的迁移学习模型ST-GENN，用于改善脑机接口(BCI)中基于EEG的运动想象分类	结合Generator和欧几里得对齐的迁移学习模型，有效将源域数据分布迁移至目标域	未明确提及具体局限性	解决个体间EEG信号差异问题，提高BCI分类准确率	脑电信号(EEG)和运动想象分类	脑机接口	NA	迁移学习	ST-GENN (结合Generator和欧几里得对齐的神经网络), CAT分类器	EEG信号	BCI competition IV 2a、2b和SHU数据集
559	2025-05-15	Deep learning-driven hyperspectral imaging for real-time monitoring and growth modeling of psychrophilic spoilage bacteria in chilled beef 2025-May-09, International journal of food microbiology IF:5.0Q1 DOI:10.1016/j.ijfoodmicro.2025.111254 PMID:40359768	研究论文	本研究利用深度学习驱动的高光谱成像技术，实时监测和建模冷藏牛肉中嗜冷腐败细菌的生长	结合高光谱成像和多种算法（如CARS、PLSR、SCN等）进行细菌生长建模，实现了冷藏牛肉中细菌含量的快速无损检测	模型预测精度仍有提升空间，特别是对乳酸杆菌的预测效果相对较差	开发一种快速无损检测冷藏牛肉中嗜冷细菌含量的方法	冷藏牛肉中的假单胞菌和乳酸杆菌	数字病理	NA	高光谱成像、平板计数法	PLSR、SCN、时间卷积网络结合多头注意力机制	光谱数据	未明确说明样本数量（冷藏牛肉样品）
560	2025-05-15	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-May-08, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	评估在卒中MRI分析中排除不确定急性缺血性病变（AIL）病例对深度学习工具诊断效能的影响	揭示了排除不确定病例会导致诊断比值比被高估四倍，并识别了与不确定AIL相关的独立因素	单中心回顾性研究可能限制结果的普遍性	评估卒中MRI分析中的频谱偏倚及其影响因素	疑似卒中成年患者的脑部MRI数据	数字病理学	心血管疾病	脑部MRI分析	深度学习工具	医学影像	989名患者（中位年龄73岁，53%女性）