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
5661	2025-10-06	Automatic Segmentation of Quadriceps Femoris Cross-Sectional Area in Ultrasound Images: Development and Validation of Convolutional Neural Networks in People With Anterior Cruciate Ligament Injury and Surgery 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.004 PMID:39581823	研究论文	开发并验证用于前交叉韧带损伤人群股四头肌横截面积超声图像自动分割的卷积神经网络模型	首次针对前交叉韧带损伤人群开发专用的肌肉横截面积自动分割模型，解决了现有健康人群模型在该特殊人群中的适用性问题	模型在某些情况下仍存在错误预测（17%-20%），需要人工干预排除错误结果	验证和开发适用于前交叉韧带损伤人群的股四头肌横截面积自动分割方法	前交叉韧带损伤患者的股四头肌（股外侧肌、股直肌、股内侧肌）超声图像	计算机视觉	前交叉韧带损伤	超声成像	CNN	图像	124名前交叉韧带损伤患者（430张股外侧肌图像、349张股直肌图像、723张股内侧肌图像），额外153名健康参与者数据用于部分模型训练，100张外部验证图像	NA	DeepACSA	ICC, 测量标准误差百分比, 平均差异	NA
5662	2025-10-06	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	提出一种基于交叉窗口变换器和自监督预训练的新方法，用于双参数MRI中临床显著前列腺癌的检测	提出新型交叉窗口变换器UNet模型(CSwin UNet)和多任务自监督学习框架，采用自动加权损失统一预训练任务	需要进一步验证在更多外部数据集上的泛化能力	提升前列腺癌在双参数MRI中的检测性能	前列腺癌患者	计算机视觉	前列腺癌	双参数磁共振成像(bpMRI)	Transformer, CNN	医学影像	1476名患者(PI-CAI数据集) + 158名患者(Prostate158数据集)	PyTorch	CSwin UNet, nnFormer, Swin UNETR, DynUNet, Attention UNet, UNet	AUC, Average Precision	NA
5663	2025-10-06	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	比较卷积神经网络和随机森林在减少心电图导联子集下对心律失常/心电图模式的分类性能	首次系统比较深度学习和传统机器学习方法在减少心电图导联子集下的心律失常分类性能，并识别最优导联组合	使用单一公开数据集（PhysioNet 2020挑战赛数据），未在其他独立数据集上验证结果	评估不同心电图导联子集对心律失常/心电图模式分类准确性的影响	心电图信号和心律失常/心电图模式	机器学习	心血管疾病	心电图分析	CNN, Random Forest	心电图信号	PhysioNet心脏病学挑战赛2020数据集	NA	卷积神经网络, 前馈神经网络	宏平均F1分数	NA
5664	2025-10-06	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	利用深度学习分析心电图识别心脏壁运动异常	开发了新型深度学习模型ECG-WMA-Net，能够从心电图中识别传统Q波指标无法捕捉的生理差异特征	研究主要基于美国加州和乔治亚州的患者数据，需要在更广泛人群中验证	提高心脏壁运动异常的筛查准确性	来自加州和乔治亚州的37,548名患者	医疗人工智能	心血管疾病	心电图，超声心动图	深度神经网络	心电图信号，超声心动图报告	训练集35,210名患者，外部验证集2,338名患者	NA	ECG-WMA-Net	AUROC, AUC, 置信区间	NA
5665	2025-10-06	Approximating Human-Level 3D Visual Inferences With Deep Neural Networks 2025, Open mind : discoveries in cognitive science DOI:10.1162/opmi_a_00189 PMID:40013087	研究论文	本研究探索如何通过深度神经网络实现人类水平的3D形状推理能力	首次系统比较多种3D感知DNN架构在形状推理任务上的表现，发现多视角学习目标和3D归纳偏置对实现人类水平性能的关键作用	多视角学习目标对于实现人类水平3D形状推理是必要但不充分的，DNN建模方法在捕获人类形状推理能力方面存在固有局限	缩小深度神经网络与人类在3D形状表征和推理能力上的差距	3D物体的形状推理和表征	计算机视觉	NA	深度神经网络	3D神经场网络, 自编码器, 卷积神经网络	3D物体图像	NA	NA	Light Field Network, 自编码器, 卷积架构	匹配样本任务性能, 人类模型对齐度	NA
5666	2025-10-06	MMRT: MultiMut Recursive Tree for predicting functional effects of high-order protein variants from low-order variants 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.012 PMID:40070521	研究论文	提出一种名为MMRT的新型深度学习模型，用于从低阶变异预测高阶蛋白质变异的功能效应	首次将深度学习与递归树框架结合，利用低阶变异信息预测高阶变异功能效应	未明确说明模型对超过三阶变异的预测能力及计算复杂度	解决高阶蛋白质变异功能效应预测的挑战	蛋白质序列的高阶变异	机器学习	复杂疾病	高通量实验扫描技术	深度学习	蛋白质序列变异数据	685,593个高阶变异	NA	递归树框架	Spearman相关系数	NA
5667	2025-10-06	Deep linear matrix approximate reconstruction with integrated BOLD signal denoising reveals reproducible hierarchical brain connectivity networks from multiband multi-echo fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1577029 PMID:40309655	研究论文	提出一种集成BOLD信号去噪的深度线性矩阵近似重建方法，用于从多波段多回波fMRI数据中揭示可重复的层次性脑连接网络	将多回波BOLD信号去噪集成到DELMAR模型的第一层，无需单独的多回波独立成分分析去噪步骤，提高了层次性脑连接网络的重建准确性和可重复性	NA	开发更准确和可重复的层次性脑连接网络映射方法	人脑功能连接网络	医学影像分析	神经系统疾病，精神疾病	多波段多回波功能磁共振成像	深度线性模型	功能磁共振成像数据	NA	NA	DELMAR（深度线性矩阵近似重建）	准确性，可重复性，精度	NA
5668	2025-10-06	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	基于深度学习方法实现含预制缺陷岩石中裂纹尖端的高精度自动识别与特性分析	首次将U-Net和Deeplabv3网络应用于多角度预制裂纹岩石样本的尖端识别，并比较了三种图像均衡化方法的预处理效果	研究仅针对砂岩材料，且裂纹角度限定在0°-60°范围内，未验证其他岩性或更广角度范围的适用性	实现岩石裂纹尖端的高精度自动识别，为岩体稳定性评估提供智能检测方法	含预制裂纹（0°,15°,30°,45°,60°）的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化处理（HE,AHE,CLAHE）	深度学习	图像	5个不同角度裂纹的岩石样本数据集	NA	U-Net, Deeplabv3	准确率,精确率,召回率	NA
5669	2025-10-06	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究结合深度学习和分子动力学模拟方法预测拟南芥MCTP4蛋白的跨膜结构域构象	首次将多种深度学习预测工具与物理基础的粗粒度分子动力学模拟相结合，揭示MCTP4跨膜结构域的复杂构象景观	单一深度学习方法预测膜蛋白结构存在挑战，不同预测工具结果存在差异	预测拟南芥MCTP4蛋白跨膜结构域的三维结构并探索其构象动态	拟南芥MCTP4蛋白的跨膜结构域	计算生物学	NA	深度学习预测，粗粒度分子动力学模拟	深度学习	蛋白质序列，分子动力学轨迹	NA	ESMFold, AlphaFold2, AlphaFold-Multimer, trRosetta, RoseTTAFold, OmegaFold	NA	构象聚类分析，螺旋间接触界面预测	NA
5670	2025-10-06	Driven early detection of chronic kidney cancer disease based on machine learning technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326080 PMID:40663560	研究论文	提出一种基于蛇优化器和深度学习的肾癌检测与分类方法，通过病理图像分析实现肾癌早期识别	结合蛇优化器(SO)与SE-DenseNet模型进行特征提取，并采用双向长短期记忆网络(BiLSTM)进行分类，通过SO优化超参数提升模型性能	未提及数据集具体规模和多样性，准确率为88.90%仍有提升空间	开发自动化的肾癌早期检测与分类系统	肾癌病理图像，特别是肾细胞癌(RCC)	数字病理学	肾癌	深度学习，病理图像分析	SE-DenseNet, BiLSTM	病理图像	NA	NA	SE-DenseNet, BiLSTM	准确率	NA
5671	2025-10-06	Mapping burnt areas using very high-resolution imagery and deep learning algorithms - a case study in Bandipur, India 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327125 PMID:40668808	研究论文	本研究使用深度学习算法和超高分辨率影像对印度班迪普尔地区的火烧迹地进行分类制图	提出了一种新型的UNET-GRU混合架构，相比传统UNET在火烧迹地分类中表现出更好的性能	研究仅限于印度班迪普尔特定区域，需要进一步验证在其他地区的适用性	开发准确的 burnt area 分类方法以评估野火影响和指导恢复工作	印度班迪普尔地区的火烧迹地	计算机视觉	NA	PlanetScope 超高分辨率遥感影像	CNN, RNN	遥感影像	NA	NA	Custom UNET, UNET-GRU	Precision, Recall, F1-Score, Accuracy, Mean IoU, Dice Coefficient, AUC	NA
5672	2025-10-06	The intelligent evaluation model of the English humanistic landscape in agricultural industrial parks by the SPEAKING model: From the perspective of fish-vegetable symbiosis in new agriculture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325332 PMID:40668851	研究论文	本研究提出了一种基于SPEAKING模型的智能翻译评估框架，用于评估鱼菜共生农业产业园中英语人文景观的多模态翻译	将SPEAKING模型与深度学习技术相结合，从翻译准确性和适应性双重视角构建多模态翻译评估框架	未明确说明实验数据的具体规模和来源，缺乏对模型泛化能力的深入验证	提升农业产业园英语人文景观多模态翻译的评估准确性和适应性	鱼菜共生农业产业园中的英语人文景观多模态翻译	自然语言处理	NA	多模态翻译，深度学习	Transformer	文本，图像，语音	NA	NA	mT5, mBART, DeltaLM, M2M-100, MarianMT	Setting得分, Instrumentalities得分, Ends得分, Genre得分, Key得分, Norms得分	NA
5673	2025-10-06	An explainable and federated deep learning framework for skin cancer diagnosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324393 PMID:40668852	研究论文	提出一种结合深度学习、联邦学习和可解释AI的智能框架用于皮肤癌诊断	首次将联邦学习与可解释AI结合应用于皮肤癌诊断，在保护数据隐私的同时提供模型解释	仅在两个公开数据集上进行测试，未涉及更广泛的临床数据验证	开发保护隐私且可解释的皮肤癌智能诊断框架	皮肤癌医学图像	计算机视觉	皮肤癌	深度学习，联邦学习，可解释AI	CNN, Transformer	医学图像	ISBI2016和ISBI2017两个公开数据集	NA	VGG16, Xception, DenseNet169, InceptionV3, MobileViT, InceptionResNetV2	准确率	NA
5674	2025-10-06	Refining Intra-Arterial Therapy Selection for Large Hepatocellular Carcinoma: A Deep Learning Approach Based on Covariate Interaction Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S532116 PMID:40672044	研究论文	开发并验证基于深度学习和协变量交互分析的DELICAITE模型，用于指导大肝癌患者经动脉治疗的选择	首次将深度卷积神经网络与协变量交互分析相结合，构建DELICAITE模型用于优化大肝癌的经动脉治疗方案选择	回顾性研究设计，需要进一步前瞻性验证	开发深度学习模型指导不可切除大肝癌患者在TACE和HAIC之间的治疗决策	900例接受经动脉治疗的大肝癌患者	数字病理	肝癌	经动脉化疗栓塞(TACE), 肝动脉灌注化疗(HAIC)	DCNN	临床数据和影像数据	900例大肝癌患者，包含前瞻性和独立外部验证队列	NA	深度卷积神经网络	AUC, 总生存期	NA
5675	2025-10-06	A deep learning-based image analysis model for automated scoring of horizontal ocular movement disorders 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1522894 PMID:40672453	研究论文	提出基于深度学习的图像分析方法，用于自动评分水平眼球运动障碍的严重程度	开发了RetinaEye自动评分模型，首次实现水平眼球运动障碍的自动化客观评估	研究样本量相对有限（164名患者和121名健康受试者），需要更大规模验证	开发自动评分系统评估水平眼球运动障碍的严重程度	眼球运动障碍患者和健康受试者的眼部图像	计算机视觉	眼球运动障碍	深度学习图像分析	CNN	图像	2,565张眼部图像（来自164名患者和121名健康受试者），测试集184张双眼凝视图像	NA	RetinaEye	一致性系数(κ=0.860), 相关系数(ρ=0.897)	NA
5676	2025-10-06	Intelligent recognition of tobacco leaves states during curing with deep neural network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1604382 PMID:40672565	研究论文	本研究开发了一种基于深度学习的烟草烘烤过程中叶片形态状态智能识别方法	首次构建了面向工业实际场景的大规模烟草叶片形态状态数据集，并开发了高效的深度学习识别方法	研究主要关注形态状态识别，未充分考虑时间状态因素；数据集虽大但仅限于中国多个产区的实际密集烤房	研究深度学习算法在真实工业场景中识别烟草叶片形态状态的潜力	烟草叶片在烘烤过程中的形态状态，包括变黄程度、变褐程度和干燥程度	计算机视觉	NA	深度学习	深度神经网络	工业场景图像	来自中国多个产区实际密集烤房的大规模综合数据集	NA	NA	准确率	NA
5677	2025-10-06	OculusNet: Detection of retinal diseases using a tailored web-deployed neural network and saliency maps for explainable AI 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1596726 PMID:40672824	研究论文	本研究开发了名为OculusNet的可解释深度学习系统，用于通过OCT图像检测视网膜疾病并部署于网页平台	结合定制化神经网络与显著图可视化技术实现可解释AI，并开发网页部署方案实现即时检测	未明确说明训练数据来源及样本多样性，临床实际应用效果需进一步验证	开发高效可解释的视网膜疾病自动检测系统	光学相干断层扫描（OCT）图像中的视网膜疾病	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	CNN	图像	NA	NA	OculusNet, VGG19, MobileNetV2, VGG16, DenseNet-121	准确率, 马修斯相关系数, 科恩卡帕系数	网页部署平台
5678	2025-10-06	A multi-graph convolutional network method for Alzheimer's disease diagnosis based on multi-frequency EEG data with dual-mode connectivity 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1555657 PMID:40672873	研究论文	提出一种基于多频段EEG数据和双模式连接的多图卷积网络方法用于阿尔茨海默病诊断	首次同时整合功能连接和结构连接信息，并充分利用多频段EEG特征，通过多图卷积网络更全面捕捉脑区关系	未明确说明样本规模和数据来源的局限性，也未讨论模型在其他神经退行性疾病上的泛化能力	开发新型图深度学习模型用于阿尔茨海默病的早期诊断	阿尔茨海默病患者和健康对照组的EEG数据	机器学习	阿尔茨海默病	脑电图(EEG)	图卷积网络(GCN)	EEG信号	NA	NA	多图卷积网络(Multi-Graph Convolutional Network)	准确率,AUC	NA
5679	2025-10-06	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索利用可穿戴设备生理信号预测体力消耗的机器学习方法	结合特征选择算法与深度学习技术，使用LSTM网络预测连续体力消耗结果	样本量较小（27名健康参与者），仅在受控骑行运动环境下验证	开发预测体力消耗的人工智能模型	健康参与者在骑行运动中的生理信号数据	机器学习	NA	可穿戴传感器数据采集	LSTM, 传统机器学习模型	生理信号时间序列数据（ECG、心率、血氧饱和度、踏板速度）	27名健康参与者，分为8个两分钟区段	MATLAB	LSTM	均方误差, R平方值, 准确率, F1分数	NA
5680	2025-10-06	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发用于炎症性肠病的潘氏细胞密度定量分析的深度学习算法	首次开发用于潘氏细胞密度自动量化的两阶段U-net深度学习模型，显著提升了量化准确性	研究采用回顾性队列，需要前瞻性验证；样本量相对有限	开发深度学习工具实现潘氏细胞自动量化，作为炎症性肠病的生物标志物	回肠组织样本中的潘氏细胞和隐窝结构	数字病理学	炎症性肠病	全玻片成像	U-net	病理图像	训练集未明确数量，验证集48个WSI，测试集CD患者142例，非IBD患者48例	NA	U-net	RMSE, r2, Log-rank检验	NA