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
5801	2025-05-20	Histological tumor necrosis predicts decreased survival after neoadjuvant chemotherapy in head and neck squamous cell carcinoma 2025-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107287 PMID:40245786	研究论文	本研究探讨了新辅助放疗或放化疗对头颈部鳞状细胞癌（HNSCC）肿瘤免疫景观及患者生存的影响，并发现肿瘤坏死是预测不良预后的有用生物标志物	首次发现肿瘤坏死可作为预测HNSCC患者新辅助治疗反应的生物标志物，并成功开发了基于AI的深度学习方法用于识别组织病理学标本中的肿瘤坏死	研究样本量相对较小（n=53），且为回顾性研究，可能存在选择偏倚	研究新辅助放疗或放化疗对HNSCC肿瘤免疫景观及患者生存的影响，并寻找预测治疗反应的生物标志物	头颈部鳞状细胞癌（HNSCC）患者	数字病理学	头颈部鳞状细胞癌	免疫组织化学染色，AI深度学习	深度学习	组织病理学图像	53例接受新辅助治疗的HNSCC患者，171例未接受新辅助治疗的HNSCC患者作为验证集
5802	2025-05-20	Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70062 PMID:40386872	research paper	本研究探讨了深度学习模型在脑肿瘤影像中预测虚拟对比增强的局限性，特别是在不同肿瘤类型和患者群体中的泛化能力	首次系统研究了深度学习模型在预测脑肿瘤影像对比增强时的泛化能力，揭示了跨肿瘤类型和患者群体的挑战	模型在特定肿瘤类型和数据集上表现良好，但在其他肿瘤类型和多样化患者群体中泛化能力有限	评估深度学习模型在脑肿瘤影像中预测虚拟对比增强的泛化能力	脑肿瘤患者	digital pathology	brain tumor	MRI	neural network	image	NA
5803	2025-05-20	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-May-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	评估联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习作为隐私保护方案，在多中心数据集上训练深度学习模型，避免了数据共享的限制	研究为回顾性多中心研究，样本量相对有限，且仅在模拟机构环境中测试	评估联邦学习在肾肿瘤分割和分类中的性能与可靠性	肾肿瘤患者的多中心MRI数据	数字病理学	肾癌	MRI (T2WI和CE-T1WI序列)	nnU-Net (分割), ResNet (分类)	MRI图像	987名患者（来自6家医院），其中785名用于训练，104名用于验证，99名用于测试
5804	2025-05-20	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-May-19, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	research paper	开发并验证了一个集成的深度学习模型，用于辅助诊断嗜酸性慢性鼻窦炎（eCRS）	首次使用CT图像和临床参数结合深度学习模型进行eCRS的非侵入性术前预测，并探索了预测结果的生物学基础	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	开发一种非侵入性的术前预测方法，以辅助eCRS的诊断	嗜酸性慢性鼻窦炎（eCRS）患者	digital pathology	chronic rhinosinusitis	CT imaging, proteomic analysis	3D-ResNet, 3D-Xception, HR-Net, SVM	CT images, clinical parameters	1098名患者（来自两家医院），其中34名进行了蛋白质组学分析
5805	2025-05-20	The Future of Parasomnias 2025-May-19, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	review	本文探讨了异态睡眠的未来发展，包括新型家庭诊断设备的开发、深度学习在异常多导睡眠图信号分类中的应用，以及大数据在预测神经退行性疾病风险中的作用	介绍了新型家庭诊断设备和深度学习在异态睡眠诊断中的应用，以及大数据在预测神经退行性疾病风险中的新信息	NA	探讨异态睡眠的诊断和治疗方法，以及相关神经退行性疾病的预测	异态睡眠患者，特别是REM睡眠行为障碍（RBD）和觉醒障碍（DOA）患者	医学	异态睡眠，神经退行性疾病	actigraphy, EEG headbands, 2D红外和3D飞行时间家庭摄像头，深度学习	深度学习	临床数据，认知数据，脑成像数据，DNA数据，多导睡眠图数据	NA
5806	2025-05-20	DeepProtein: Deep Learning Library and Benchmark for Protein Sequence Learning 2025-May-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf165 PMID:40388205	research paper	本文介绍了DeepProtein，一个专为蛋白质相关任务设计的全面且用户友好的深度学习库	提出了DeepProtein库和基准测试，以及基于Prot-T5的DeepProt-T5模型，在多个蛋白质相关任务中实现了最先进的性能	NA	开发一个深度学习库和基准测试，以促进蛋白质科学中的深度学习应用	蛋白质序列和相关任务（如功能预测、亚细胞定位预测、蛋白质-蛋白质相互作用预测和结构预测）	machine learning	NA	deep learning	Prot-T5-based models	protein sequences	NA
5807	2025-05-20	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-May-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	research paper	开发一种深度学习算法，用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类	使用ResNet变体的深度学习模型，首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类	研究为回顾性设计，外部验证队列样本量较小(85例)	开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断	618例蛛网膜下腔出血患者(305例动脉瘤性，228例非动脉瘤性)	digital pathology	cardiovascular disease	NCCT扫描	ResNet + U-Net++	CT图像	618例患者(训练集533例，外部测试集85例)
5808	2025-05-20	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发和验证基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床数据和放射组学特征，利用深度学习模型（MoCo-v2）提升子宫内膜癌分子亚型分类的准确性	研究样本量有限（526例患者），未来需要更大数据集进一步验证模型的潜力	开发并验证一种基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI、放射组学特征提取、深度学习（MoCo-v2）	深度学习模型（MoCo-v2）	MRI图像	526例子宫内膜癌患者
5809	2025-05-20	Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01063-6 PMID:40379665	research paper	本研究开发并验证了一种基于术前CT图像的深度学习模型，用于预测晚期胃癌患者对转化治疗的临床反应	采用渐进式蒸馏（PD）方法构建深度学习模型，相比基线模型和知识蒸馏（KD）模型表现出更优的性能	需要进一步研究以评估该模型与临床病理参数结合的临床实用性	开发一种非侵入性筛查方法，以识别适合转化治疗的晚期胃癌患者	晚期胃癌患者	digital pathology	gastric cancer	CT imaging	deep learning model (Progressive Distill)	image	140名患者（训练集112名，测试集28名）
5810	2025-05-20	Lightweight hybrid transformers-based dyslexia detection using cross-modality data 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01235-4 PMID:40379688	研究论文	提出一种基于轻量级混合Transformer的跨模态数据阅读障碍检测模型	结合SWIN-Linformer、LeViT-Performer和GTNs进行多模态特征提取，并采用DXB分类器与BOHB优化算法提升性能	未说明模型在临床环境中的实际部署效果及跨种族/语言的泛化能力	通过多模态数据实现阅读障碍的早期精准诊断	阅读障碍患者的多模态数据（MRI、EEG、手写图像）	数字病理	神经系统疾病	MRI、EEG、量化感知训练、LIME可解释性分析	SWIN-Linformer+LeViT-Performer+GTNs混合Transformer	多模态数据（影像+信号+图像）	五个公共数据库（未注明具体样本量）
5811	2025-05-20	The application of suitable sports games for junior high school students based on deep learning and artificial intelligence 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01941-z PMID:40379705	研究论文	本研究利用深度学习和人工智能技术，开发了一种基于MediaPipe框架的ST-GCN动作检测算法，旨在提高初中生体育活动的动作识别准确性	结合深度学习和人工智能技术，开发了基于MediaPipe框架的ST-GCN动作检测算法，显著提高了动作识别的准确性和长期预测能力	研究仅针对特定运动（如仰卧起坐）进行了验证，未涵盖所有体育活动的动作识别	提高初中生体育教育的教学质量和个性化学习需求	初中生体育活动中的动作表现	计算机视觉	NA	深度学习、人工智能	ST-GCN	视频	HMDB51数据集
5812	2025-05-20	Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02299-y PMID:40379807	research paper	提出了一种名为残差自注意力视觉变换器（RS-A ViT）的新方法，用于自动检测获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及区分它们与健康病例	使用残差自注意力模块替代传统的自注意力模块，以提高模型性能，并在视网膜疾病分类中表现出色	未提及具体的数据集规模或模型在其他疾病上的泛化能力	开发一种高精度的自动检测视网膜疾病的深度学习模型	获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及健康病例	digital pathology	geriatric disease	OCT	RS-A ViT	image	结合了两个研究中心收集的AVL数据以及OCT数据集中的玻璃膜疣和正常病例，并应用了数据增强方法
5813	2025-05-20	Enhanced effective convolutional attention network with squeeze-and-excitation inception module for multi-label clinical document classification 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98719-0 PMID:40379823	研究论文	提出了一种名为增强型有效卷积注意力网络（EECAN）的新模型，用于多标签临床文档分类，通过结合Squeeze-and-Excitation（SE）Inception模块和注意力机制来提高分类效果	引入了SE Inception模块和EAB-CDC策略，通过自适应重新校准通道特征响应和多层注意力机制来提升特征表示	未提及具体局限性	提高临床文档分类的准确性和效率，以改善患者护理和医疗决策支持	临床文档	自然语言处理	NA	深度学习	EECAN（增强型有效卷积注意力网络）	文本	基准数据集MIMIC-III和MIMIC-III-50
5814	2025-05-20	Potato plant disease detection: leveraging hybrid deep learning models 2025-May-16, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06679-4 PMID:40380088	研究论文	本文提出了一种结合EfficientNetV2B3和Vision Transformer (ViT)的混合深度学习模型，用于提高马铃薯植物病害的检测和识别准确率	提出了一种新型的混合深度学习模型EfficientNetV2B3+ViT，结合了CNN和ViT的优势，在马铃薯叶病数据集上取得了比之前研究高11.43%的准确率	NA	提高马铃薯植物病害的检测和识别准确率，以应对全球农业发展中作物病害管理的挑战	马铃薯植物的病害	计算机视觉	植物病害	深度学习	EfficientNetV2B3+ViT	图像	来自'Potato Leaf Disease Dataset'的马铃薯叶片图像数据集
5815	2025-05-20	Deep learning health space model for ordered responses 2025-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03026-3 PMID:40380121	研究论文	本文开发了深度学习健康空间模型，用于捕捉复杂的非线性生物关系，并与现有的统计健康空间模型进行了性能比较	提出了五种不同的深度学习健康空间模型，包括四种标准二元深度神经网络和一种考虑因变量有序性的深度序数神经网络	模型性能仅在特定数据集上验证，可能需要更多外部验证	开发能够客观且有意义地可视化个体健康状况的深度学习模型	个体健康状况	机器学习	NA	深度学习	DNN, DONN	健康调查数据	训练集32,140个样本（来自KNHANES），验证集862个样本（来自Ewha-Boramae队列）和3,199个样本（来自KARE项目）
5816	2025-05-20	Assessing fetal lung maturity: Integration of ultrasound radiomics and deep learning 2025-May-16, African journal of reproductive health IF:0.7Q4 DOI:10.29063/ajrh2025/v29i5s.7 PMID:40387939	研究论文	本研究通过结合放射组学和深度学习方法，构建了一个预测胎儿肺部成熟度的模型	整合放射组学特征和临床数据，利用深度学习方法提高胎儿肺部成熟度评估的准确性和可靠性	需要在不同的医疗环境中进行模型的验证和优化	提高胎儿肺部成熟度的预测水平，以改善产前护理和婴儿健康	263例妊娠期的超声图像	数字病理	胎儿肺部成熟度评估	超声成像，放射组学特征提取	DenseNet121	图像	263例妊娠期的超声图像
5817	2025-05-20	Toward Ultralow-Power Neuromorphic Speech Enhancement With Spiking-FullSubNet 2025-May-15, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3566021 PMID:40372867	research paper	提出了一种基于脉冲神经网络的超低功耗语音增强系统Spiking-FullSubNet，用于提高边缘设备的语音清晰度和质量	采用全频带和子频带融合的方法有效捕捉全局和局部频谱信息，引入受人类外周听觉系统启发的频率分区方法，并提出一种新型脉冲神经元模型以增强多尺度时间处理能力	NA	开发超低功耗的语音增强系统，适用于边缘设备如耳机和助听器	语音信号	machine learning	NA	SNN	Spiking-FullSubNet	audio	Intel Neuromorphic Deep Noise Suppression (N-DNS) Challenge数据集
5818	2025-05-20	Bacterial identification in SERS-integrated microfluidics using CNN-driven 2D classification of 1D spectra 2025-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128325 PMID:40381415	research paper	该研究提出了一种结合SERS微流控技术和优化的2D-CNN用于细菌分类的新框架	首次探索了SERS光谱的2D表示方法在芯片上细菌识别中的应用，并系统评估了九种不同的1D到2D光谱转换方法	其他转换方法如成对距离和自相关表现低于93%，表明它们在捕捉细微光谱特征方面的能力有限	开发一种用于细菌识别的高效分析方法	细菌样本	machine learning	NA	SERS, 微流控技术	2D-CNN	光谱数据	控制数据集和芯片数据集
5819	2025-05-20	A multi-layered defense against adversarial attacks in brain tumor classification using ensemble adversarial training and feature squeezing 2025-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00890-x PMID:40369011	研究论文	本研究提出了一种多层防御策略，结合集成对抗训练和特征压缩技术，以提高脑肿瘤分类模型在对抗攻击下的鲁棒性	采用VGG16-based CNN模型，并结合对抗训练和特征压缩技术（如位深度降低和高斯模糊），有效提升了模型在对抗攻击下的准确率	在FGSM和PGD对抗样本上的准确率提升至54%和47%，但仍未达到原始干净数据的96%准确率	提高脑肿瘤分类模型在对抗攻击下的鲁棒性，确保AI在医学影像中的可靠性	脑肿瘤分类模型	计算机视觉	脑肿瘤	对抗训练（FGSM和PGD）、特征压缩技术（位深度降低和高斯模糊）	VGG16-based CNN	MRI图像	NA
5820	2025-05-20	Paradigm-Shifting Attention-based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification with Multi-Scale and Multi-View Fusion 2025-May-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出了一种基于注意力的混合视图学习框架（AHVL），用于增强乳腺X光检查中的乳腺癌分类	结合了对比切换注意力（CSA）和选择性池化注意力（SPA）机制，解决了多尺度特征捕获和视图一致性与输入适应性平衡的问题	未提及具体局限性	提高乳腺X光检查中乳腺癌分类的准确性和鲁棒性	乳腺X光图像	计算机视觉	乳腺癌	深度学习	AHVL（基于注意力的混合视图学习框架）	图像	INbreast和CBIS-DDSM数据集