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
581	2025-05-08	DiffuSeg: Domain-Driven Diffusion for Medical Image Segmentation 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像分割，能够利用现有标签合成目标域的新图像	提出了一种仅需标签图和目标域未标记图像的条件扩散模型，避免了人工标注的需求，并在图像生成和分割准确性上显著优于基线方法	在训练过程中目标数据集的标注不可用的情况下表现最佳，可能限制了在需要实时标注的应用中的使用	解决医学图像分割中标注成本高和分布偏移的问题	医学图像数据，包括视网膜眼底图像和MRI图像	数字病理	心血管疾病	条件扩散模型	DiffuSeg	图像	NA
582	2025-05-08	Physiological Information Preserving Video Compression for rPPG 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526837 PMID:40030966	research paper	提出了一种专为rPPG应用设计的视频压缩方案，以保留生理信息	提出了一种专门针对rPPG应用的视频压缩方案，包含面部ROI计算资源重分配、rPPG信号保留比特资源重分配和时域上下采样编码三种策略	未提及具体局限性	解决rPPG视频压缩过程中生理信息丢失的问题	rPPG视频数据	computer vision	NA	视频压缩算法	NA	视频	UBFC-rPPG、ECG-Fitness数据集和自采集数据集
583	2025-05-08	WavFace: A Multimodal Transformer-Based Model for Depression Screening 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529348 PMID:40031033	research paper	提出了一种基于多模态Transformer的模型WavFace，用于通过音频和面部特征进行抑郁症筛查	WavFace通过编码器-Transformer层改进单模态表示，并应用显式对齐方法和顺序与空间自注意力机制，融合两种模态的嵌入	样本量较小	开发一种深度学习模型用于抑郁症筛查	抑郁症患者	natural language processing	geriatric disease	deep learning	Transformer	audio, video	NA
584	2025-05-08	Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530461 PMID:40031270	研究论文	提出一种新型网络架构，结合多头注意力层和神经网络基础扩展层，用于提高葡萄糖预测的准确性和个性化	提出了一种结合多头注意力层和神经网络基础扩展层的新型网络架构，提高了预测准确性并部分解决了模型可解释性问题	模型仍存在部分非解释性问题，且需要大量训练数据和高性能计算资源	提高基于连续葡萄糖监测（CGM）传感器的糖尿病管理系统中葡萄糖预测的准确性和个性化	糖尿病患者的葡萄糖水平	机器学习	糖尿病	深度学习	多头注意力层与神经网络基础扩展层结合的网络	时间序列数据	使用OhioT1DM数据库进行验证
585	2025-05-08	Development and application of an intelligent pressure injury assessment system using AI image recognition 2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296350 PMID:40066836	研究论文	开发并评估了一种基于AI的智能压力性损伤评估系统，旨在提高评估的准确性和效率	使用深度学习算法（CNN）构建的AI系统在准确性和效率上优于传统评估方法	需要进一步研究以扩展系统对其他类型伤口的应用	提高压力性损伤评估的准确性和效率	108名ICU患者	计算机视觉	压力性损伤	深度学习	CNN	图像	108名ICU患者（分为对照组和实验组）
586	2025-05-08	Mechanical Evolution of Metastatic Cancer Cells in 3D Microenvironment 2025-05, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202403242 PMID:40116569	research paper	该研究利用光学布里渊显微镜在3D微环境中纵向获取癌细胞球体的力学图像，并通过机器学习算法提高癌细胞分类的准确性	首次在3D生理环境中纵向研究癌细胞的力学特性，并开发了基于布里渊图像的深度学习管道用于癌细胞分类	研究仅针对体外培养的癌细胞球体，未涉及体内环境	探索癌细胞在3D微环境中的力学演化及其在癌症分类中的应用	癌细胞球体和正常细胞球体	生物医学工程	癌症	光学布里渊显微镜	深度学习	图像	8天的癌细胞球体生长数据
587	2025-05-08	Machine learning in prediction of epidermal growth factor receptor status in non-small cell lung cancer brain metastases: a systematic review and meta-analysis 2025-May-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14221-w PMID:40312289	系统综述与荟萃分析	评估机器学习模型在预测非小细胞肺癌脑转移患者表皮生长因子受体状态中的性能	首次系统评估机器学习模型在预测非小细胞肺癌脑转移患者EGFR状态中的应用，并比较了机器学习与深度学习模型的性能	纳入研究数量有限（20项），且未显示机器学习与深度学习模型之间存在显著差异	评估机器学习模型在预测非小细胞肺癌脑转移患者EGFR状态中的预测性能	非小细胞肺癌脑转移患者	机器学习	非小细胞肺癌	NA	机器学习（ML）和深度学习（DL）	临床和影像数据	3517名患者，6205个非小细胞肺癌脑转移病灶
588	2025-05-08	A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma 2025-May-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002463 PMID:40314741	研究论文	本研究利用深度学习和病理学特征构建了一种新的胰腺导管腺癌预后分层评分系统	开发了一种基于深度学习的病理学评分系统，用于胰腺导管腺癌的预后分层，超越了传统临床模型的预测能力	研究为回顾性设计，且仅在两中心进行，可能需要更大规模的前瞻性验证	提高胰腺导管腺癌的生存预测准确性，为个性化治疗策略提供依据	胰腺导管腺癌患者	数字病理学	胰腺导管腺癌	深度学习，弱监督学习，多实例学习	随机生存森林，Cox回归	苏木精-伊红染色的全切片图像	864名PDAC患者（训练组489人，验证组211人，新辅助治疗组164人）
589	2025-05-08	A Lightweight Framework for Protected Vegetable Disease Detection in Complex Scenes 2025-May, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70200 PMID:40321614	研究论文	提出了一种轻量级框架VegetableDet，用于复杂场景下保护地蔬菜病害检测	创新性地结合了可变形注意力转换器(DAT)与YOLOv8n主干架构，并集成了通道-空间自适应注意力机制(CSAAM)，提高了模型对长程特征依赖的感知能力和关键特征的精准定位	在真实复杂种植环境中的抗干扰能力和实时性能仍有提升空间	开发智能病害检测系统以提升蔬菜生产管理效率	5种蔬菜的30种病害及健康样本	计算机视觉	蔬菜病害	深度学习	VegetableDet（基于DAT与YOLOv8n的混合架构）	图像	自定义综合保护地蔬菜病害数据集（具体数量未说明）
590	2025-05-08	Breast Cancer Detection Using Convolutional Neural Networks: A Deep Learning-Based Approach 2025-May, Cureus DOI:10.7759/cureus.83421 PMID:40322605	综述	本文综述了基于卷积神经网络（CNN）的深度学习在乳腺癌检测中的最新进展，评估了不同架构、特征提取技术和优化策略	比较了CNN、RNN和混合模型在医学图像分类中的优缺点，并展示了混合CNN模型在捕获肿瘤特征空间和序列依赖性方面的优越性	未来研究需要探索基于Transformer的模型、联邦学习和可解释AI技术以提高模型的解释性和泛化能力	评估深度学习在乳腺癌检测中的应用，提高诊断准确性和早期检测率	乳腺癌检测	数字病理学	乳腺癌	深度学习	CNN, LSTM, MLP	图像	569个实例，包含33个肿瘤形态特征
591	2025-05-08	PEARL: Cascaded Self-Supervised Cross-Fusion Learning for Parallel MRI Acceleration 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347355 PMID:38147421	研究论文	提出了一种名为PEARL的新型自监督并行MRI加速方法，通过多流联合深度解码器和交叉融合方案准确重建压缩采样的k空间图像	采用多流联合深度解码器和两种交叉融合方案，结合长距离统一跳跃连接和双归一化边缘方向相似性正则化，显著提升了重建精度	未明确提及具体局限性	开发自监督学习框架以加速并行MRI成像	压缩采样的k空间MRI数据	医学影像处理	NA	并行MRI加速技术	多流联合深度解码器	MRI图像数据	未明确提及具体样本量
592	2025-05-08	Adaptive Cross-Feature Fusion Network With Inconsistency Guidance for Multi-Modal Brain Tumor Segmentation 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347556 PMID:38150339	research paper	提出了一种名为ACFNet的新型深度神经网络，用于多模态MRI中脑肿瘤的精确分割	设计了自适应跨特征融合（ACF）模块和预测不一致性引导（PIG）模块，以有效整合多模态信息并减少模态间的差异	未提及具体的数据集限制或计算资源需求	提高多模态MRI中脑肿瘤分割的准确性	多模态MRI中的脑肿瘤	digital pathology	brain tumor	multi-modal MRI	ACFNet	image	BraTS 2020数据集
593	2025-05-08	MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391620 PMID:38640042	研究论文	提出了一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法	提出了一种新颖的轻量级交叉Transformer，基于交叉多轴注意力机制，包括交叉窗口注意力和交叉网格注意力，以挖掘和整合多模态特征的局部和全局交互	NA	改进多模态医学图像融合的性能，同时降低计算成本	多模态医学图像	计算机视觉	脑肿瘤	深度学习	Transformer	医学图像	NA
594	2025-05-08	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-May-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	探讨了AI在心血管疾病诊断和预后中的增强能力，特别是在处理医院数据集、心电图和超声心动图采集方面的应用	算法的外部有效性无法保证，结果的可解释性可能存在问题，即所谓的'黑箱'问题	探索人工智能在心血管疾病管理中的应用潜力	心血管疾病患者，包括高血压、缺血性心脏病和罕见浸润性心肌病等	医疗人工智能	心血管疾病	机器学习和深度学习	ML和DL模型	医院数据集、心电图、超声心动图采集	NA
595	2025-05-08	Advancing brain tumor detection and classification in Low-Dose CT images using the innovative multi-layered deep neural network model 2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241302558 PMID:40331540	研究论文	本研究提出了一种名为MLCED-Net的多层深度神经网络模型，用于提高低剂量CT图像中脑肿瘤检测和分类的准确性	提出了一种结合多层自动编码器、基于颜色的操作和边缘检测技术的MLCED-Net框架，显著提高了脑肿瘤诊断的准确率	未提及模型在更大规模或多样化数据集上的泛化能力	提高低剂量CT图像中脑肿瘤诊断的准确性	低剂量CT图像中的脑肿瘤	数字病理学	脑肿瘤	Lucy-Richardson技术、自适应直方图均衡化、像素归一化	MLCED-Net（15层深度学习架构）	图像	NA
596	2025-05-08	Hyperspectral Imaging and Deep Learning for Quality and Safety Inspection of Fruits and Vegetables: A Review 2025-Apr-30, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c11492 PMID:40237548	review	综述了高光谱成像技术与深度学习方法在水果和蔬菜质量与安全检测中的应用	结合高光谱成像与深度学习，提高检测精度和效率，推动水果和蔬菜质量检测的智能化和精准化	未来研究需关注成本降低、设备优化、特征提取个性化及模型泛化能力	提升水果和蔬菜质量与安全检测的效率和准确性	水果和蔬菜的质量与安全	computer vision	NA	hyperspectral imaging	deep learning	image	NA
597	2025-05-08	Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients: An Observational Cohort Study 2025-Apr-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75340 PMID:40305429	研究论文	比较了结合临床笔记信息的多模态深度学习模型与仅使用结构化数据的模型在预测病房患者临床恶化方面的表现	首次比较了五种不同的临床笔记信息参数化方法（包括SapBERT嵌入）与结构化数据结合的效果，并评估了其对预测临床恶化的影响	添加临床笔记信息并未显著提高模型性能，且研究仅在两所大学医院进行	评估结合临床笔记信息的多模态深度学习模型在预测病房患者临床恶化方面的效果	芝加哥大学和威斯康星大学麦迪逊分校的病房住院成人患者	机器学习	临床恶化	深度学习	深度循环神经网络	结构化数据和临床笔记文本	开发队列284,302名患者，外部验证队列248,055名患者
598	2025-05-08	Modeling Temporal Dependencies in Brain Functional Connectivity to Identify Autism Spectrum Disorders Based on Heterogeneous rs-fMRI Data 2025-Apr-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en24028 PMID:40313229	研究论文	本研究通过探索脑功能连接的动态变化，利用深度学习框架结合注意力机制和LSTM神经网络，识别自闭症谱系障碍（ASD）的风险个体	首次将动态功能连接的时间依赖性抽象为高级表示，并用于ASD识别，结合注意力机制和LSTM的深度学习框架在性能上优于传统分类器	实验数据来源于ABIDE数据库，样本的异质性可能影响模型的泛化能力	开发基于动态脑功能连接的ASD客观生物标志物	自闭症谱系障碍（ASD）患者	数字病理学	自闭症谱系障碍	rs-fMRI	LSTM神经网络结合注意力机制	功能磁共振成像数据	来自ABIDE数据库的异质性rs-fMRI数据
599	2025-05-08	Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data 2025-Apr-30, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121246 PMID:40316225	研究论文	本研究探讨了基于深度学习的单次三示踪剂脑PET成像协议，旨在简化多示踪剂PET成像并减少辐射暴露	采用基于Swin Transformer架构的深度学习模型，实现了从同时获取的三示踪剂PET扫描中分离不同信号	在生成FTP图像方面表现不佳，性能有待提升	简化多示踪剂PET成像，减少扫描时间和辐射暴露	阿尔茨海默病神经影像倡议(ADNI)数据集中的认知正常患者、轻度认知障碍患者和痴呆患者	数字病理学	阿尔茨海默病	PET扫描	Swin Transformer	图像	ADNI数据集中的认知正常患者、轻度认知障碍患者和痴呆患者
600	2025-05-08	scDGG: Dynamic gene graphs for enhancing clustering analysis of single-cell RNA sequencing data via spatiotemporal representations 2025-Apr-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108483 PMID:40328048	research paper	提出了一种名为scDGG的多视图图学习架构，用于从各种信号通路中压缩动态基因图，以增强单细胞RNA测序数据的聚类分析	引入了动态基因图来捕捉调控机制的动态变化，相比静态基因图能更全面地观察细胞命运和疾病进展的调控机制	未明确提及具体限制，但可能涉及动态基因图的计算复杂性和对特定信号通路的依赖性	提高单细胞RNA测序数据的聚类分析准确性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	多视图图学习架构(scDGG)	基因表达数据	基准scRNA-seq数据集（未明确提及具体数量）