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
621	2025-07-11	Intelligent quality assessment of ultrasound images for fetal nuchal translucency measurement during the first trimester of pregnancy based on deep learning models 2025-Jul-10, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-025-07863-y PMID:40634883	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
622	2025-07-12	An Efficient FoG-M3 Method for Self-Adaptive Labeling and Predicting Freezing of Gait 2025-Jul-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587734 PMID:40638345	研究论文	提出了一种名为FoG-M3的深度学习方法，用于预测帕金森病患者的步态冻结现象	采用非固定长度的Pre-FoG标记方法，结合Mixup、MoCo和MU-Net模块，解决了数据不平衡和特征表示不足的问题	未提及方法在其他疾病或更大规模数据集上的泛化能力	提高帕金森病患者步态冻结现象的预测准确性和效率	帕金森病患者的步态数据	机器学习	帕金森病	深度学习	U-Net, Mamba模块, ResNet	步态数据	Daphnet和BHXC两个数据集
623	2025-07-12	BSN with Explicit Noise-Aware Constraint for Self-Supervised Low-Dose CT Denoising 2025-Jul-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587639 PMID:40638344	research paper	本文提出了一种名为NA-BSN的自监督深度学习方法，用于低剂量CT图像去噪，减少了传统方法对配对训练数据的依赖	引入了显式噪声感知约束机制，解决了现有自监督方法在处理空间相关噪声时的局限性	未明确提及具体局限性，但可能包括对不同噪声类型的适应性或计算效率	开发一种不依赖配对训练数据的自监督低剂量CT图像去噪方法	低剂量CT图像	digital pathology	NA	self-supervised deep learning	Blind Spot Network (BSN)	CT images	多种临床数据集（未明确数量）
624	2025-07-12	A Study of Data Augmentation for Learning-Driven Scientific Visualization 2025-Jul-10, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3587685 PMID:40638349	研究论文	本文全面研究了九种数据增强技术在科学可视化任务中的有效性，包括空间超分辨率和环境光遮蔽预测	首次系统比较了多种数据增强技术在科学可视化中的效果，并分析了数据量、单域多样性和跨域多样性对模型性能的影响	研究仅针对科学可视化领域的特定任务，结论可能不适用于其他领域	探索数据增强技术在科学可视化深度学习中的效果和应用	科学可视化数据集和深度学习模型	科学可视化	NA	噪声注入、插值、缩放、翻转、旋转、变分自编码器、生成对抗网络、扩散模型和隐式神经表示	深度学习模型（未指定具体类型）	科学可视化数据	多个具有不同特性的科学数据集（未明确数量）
625	2025-07-12	DeepBindi: An End-to-End Fear Detection System Optimized for Extreme-Edge Deployment 2025-Jul-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587961 PMID:40638343	研究论文	本文介绍了一种专为极端边缘部署设计的端到端恐惧检测系统DeepBindi	结合高级特征工程技术和优化的轻量级1D-CNN模型架构，整合了手工特征和深度学习卷积技术的优势	现有方法未能满足极端边缘设计需求，难以在现实条件下的可穿戴系统中部署	开发适用于极端边缘环境的恐惧识别系统	基于生理信号的恐惧识别	机器学习	NA	1D-CNN	CNN	生理信号	WEMAC数据集
626	2025-07-12	Scalable emulation of protein equilibrium ensembles with generative deep learning 2025-Jul-10, Science (New York, N.Y.) DOI:10.1126/science.adv9817 PMID:40638710	研究论文	介绍了一种名为BioEmu的深度学习系统，用于模拟蛋白质平衡集合	BioEmu通过生成数千个统计独立的结构，每小时在单个GPU上运行，整合了超过200毫秒的分子动力学模拟、静态结构和实验蛋白质稳定性数据，使用新颖的训练算法	NA	预测功能相关的蛋白质结构变化	蛋白质平衡集合	机器学习	NA	分子动力学模拟(MD), 深度学习	深度学习系统	蛋白质结构数据	整合了超过200毫秒的分子动力学模拟数据
627	2025-07-12	Rapid Fluorescence Lifetime Imaging through One-Dimensional Deep Learning Optimization 2025-Jul-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01984 PMID:40641077	研究论文	本文提出了一种基于一维通道注意力卷积神经网络（1D CANNs）的高效深度学习方法，用于快速处理荧光寿命成像（FLIM）数据	使用1D CANNs处理FLIM数据，具有计算需求低、训练数据集小、训练时间短等优势，并扩展应用于磷光寿命成像（PLIM）和阿尔茨海默病诊断	未明确提及具体局限性	提高荧光寿命成像的数据处理效率和速度	荧光寿命成像（FLIM）和磷光寿命成像（PLIM）数据	生物医学光子学	阿尔茨海默病	时间相关单光子计数（TCSPC）	1D CANNs（一维通道注意力卷积神经网络）	时间相关单光子计数数据	实验训练数据集（具体数量未提及）
628	2025-07-12	MRI sequence focused on pancreatic morphology evaluation: three-shot turbo spin-echo with deep learning-based reconstruction 2025-Jul-10, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251355844 PMID:40641210	research paper	本研究比较了一种新型T2加权高对比度薄层成像序列（3S-TSE-DLR）与三种传统序列在胰腺成像中的质量	提出了一种结合深度学习重建的三次激发涡轮自旋回波序列（3S-TSE-DLR），提高了胰腺成像的空间分辨率和图像清晰度	研究仅涉及50名健康志愿者，未包括胰腺癌患者	比较新型MRI序列与传统序列在胰腺成像中的质量	50名健康志愿者的胰腺图像	医学影像	胰腺癌	MRI（磁共振成像）	深度学习	医学影像	50名健康志愿者
629	2025-07-12	Integrative multimodal ultrasound and radiomics for early prediction of neoadjuvant therapy response in breast cancer: a clinical study 2025-Jul-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14556-4 PMID:40629283	研究论文	本研究通过整合多模态超声和放射组学数据，开发了一个早期预测乳腺癌新辅助治疗反应的模型	整合了多模态超声（B型、剪切波弹性成像和对比增强超声）和放射组学数据，结合临床病理数据，构建了一个早期预测模型	研究为回顾性设计，样本量相对有限（239例患者）	早期预测乳腺癌新辅助治疗反应	乳腺癌患者	数字病理	乳腺癌	多模态超声（B型、剪切波弹性成像、对比增强超声）和放射组学	U-Net, LASSO, 逐步逻辑回归	超声图像和临床数据	239例乳腺癌患者（训练集167例，验证集72例）
630	2025-07-12	ColoViT: a synergistic integration of EfficientNet and vision transformers for advanced colon cancer detection 2025-Jul-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-025-06199-6 PMID:40632312	研究论文	该研究提出了一种名为ColoViT的混合诊断框架，结合了EfficientNet和Vision Transformers的优势，用于结肠癌的早期检测	ColoViT通过协同整合EfficientNet和Vision Transformers，实现了对结肠镜图像的精确和全面分析，显著提高了癌前病变和早期结肠癌的检测能力	NA	提高结肠癌的早期检测和患者预后	结肠镜图像	计算机视觉	结肠癌	深度学习	EfficientNet和Vision Transformers	图像	NA
631	2025-07-12	Evolving Blood Pressure Estimation: From Feature Analysis to Image-Based Deep Learning Models 2025-Jul-09, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02228-6 PMID:40632332	research paper	该论文提出了一种仅需单一体位PPG信号的创新框架，利用人工智能和计算机视觉技术进行血压估计	仅需单一体位的PPG信号，结合ResNet-50和多头交叉注意力机制，提高了血压估计的准确性和实用性	未提及具体样本量或数据集的多样性限制	改进无袖带血压估计方法，减少对多信号源的依赖	PPG信号及其一阶和二阶导数图像	computer vision	cardiovascular disease	PPG信号分析	ResNet-50, MHCA	image	三个不同的数据集（未提及具体样本量）
632	2025-07-10	Correction: Image-based evaluation of single-cell mechanics using deep learning 2025-Jul-09, Cell regeneration (London, England) DOI:10.1186/s13619-025-00251-z PMID:40632365	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
633	2025-07-12	A hybrid deep learning model EfficientNet with GRU for breast cancer detection from histopathology images 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00930-6 PMID:40634313	研究论文	本研究提出了一种结合EfficientNetV2和GRU的混合深度学习模型，用于从组织病理学图像中准确分类乳腺癌	通过集成EfficientNetV2进行多尺度特征提取和带有注意力机制的GRU来建模序列依赖关系，提高了乳腺癌分类的准确性和可解释性	模型在高分辨率组织图像中提取复杂模式的能力仍有提升空间	开发高性能深度学习框架，提高乳腺癌在组织病理学图像中的分类准确性	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	EfficientNetV2与GRU结合的混合模型	图像	使用BreakHis和Camelyon17数据集在200倍放大倍数下的图像
634	2025-07-12	Enhanced detection of Mpox using federated learning with hybrid ResNet-ViT and adaptive attention mechanisms 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05391-5 PMID:40634415	研究论文	该研究提出了一种基于联邦学习的ResViT-FLBoost模型，用于增强猴痘（Mpox）的检测，结合了ResNet和Vision Transformer（ViT）架构以及XGBoost和LightGBM集成分类器	该研究创新性地结合了ResNet和ViT架构，并引入了联邦学习框架和自适应注意力机制，以保护数据隐私并提高分类性能	研究依赖于增强后的数据集（MSLD），可能在实际应用中存在泛化性问题，且未提及模型在不同医疗设施间的实际部署效果	开发一种隐私保护且高效的猴痘检测方法，适用于资源有限的地区	猴痘皮肤病变图像	计算机视觉	猴痘	联邦学习、自适应注意力机制	ResNet、ViT、XGBoost、LightGBM	图像	3192张增强后的图像
635	2025-07-12	Leveraging explainable artificial intelligence for early detection and mitigation of cyber threat in large-scale network environments 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08597-9 PMID:40634417	研究论文	本文提出了一种名为LXAIDM-CTLSN的新方法，利用可解释人工智能（XAI）在大规模网络环境中进行网络威胁的早期检测和缓解	结合了Mayfly优化算法（MOA）进行特征选择、稀疏去噪自编码器（SDAE）进行威胁分类，以及Hiking优化算法（HOA）调整超参数，并整合LIME方法增强模型可解释性	未提及方法在实时环境中的性能表现或计算资源消耗情况	开发智能网络安全系统以实现网络攻击的高效识别与分类	大规模网络环境中的网络威胁	机器学习	NA	Mayfly优化算法（MOA）、稀疏去噪自编码器（SDAE）、Hiking优化算法（HOA）、LIME解释方法	SDAE	网络数据	NSLKDD2015和CICIDS2017数据集
636	2025-07-12	Electricity usage prediction using developed human evolutionary optimization algorithm and Xception neural network 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10557-2 PMID:40634445	研究论文	该研究论文介绍了一种利用改进的人类进化优化算法（DHEO）和Xception神经网络（Xception-NN）模型预测电力使用的新技术	结合DHEO算法和Xception-NN模型，优化电力使用预测，提高准确性并捕捉复杂依赖关系	未提及具体的数据集规模或模型在不同地区的泛化能力	预测电力使用，优化能源生产和未来需求预测	电力消耗数据，包括天气条件、人口统计洞察和经济指标等因素	机器学习	NA	DHEO算法，Xception-NN模型	Xception-NN	时间序列数据	NA
637	2025-07-12	Transformer optimization with meta learning on pathology images for breast cancer lymph node micrometastasis 2025-Jul-09, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01833-6 PMID:40634485	研究论文	本文提出了一种名为MetaTrans的新型网络，利用元学习在有限数据集上的优势，有效识别病理图像中的乳腺癌淋巴结微转移	开发了MetaTrans网络和34类数据集MT-MCD，能够在有限数据集上有效识别微转移，并在多中心数据集和0-shot任务中表现优异	数据集规模有限，可能影响模型的泛化能力	提高乳腺癌淋巴结微转移的识别准确率	乳腺癌、甲状腺癌和结直肠癌的淋巴结微转移	数字病理学	乳腺癌	元学习	Transformer	病理图像	34类数据集（MT-MCD）和两个多中心数据集
638	2025-07-12	Deep learning-based automatic detection and grading of disk herniation in lumbar magnetic resonance images 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10401-7 PMID:40634500	研究论文	本研究开发了一种改进的YOLOv8模型（GE-YOLOv8），用于自动检测和分级腰椎磁共振图像中的椎间盘突出	结合梯度搜索模块和高效通道注意力机制，提升了特征学习能力和小目标病变检测的敏感性	研究仅使用了来自单一医院的数据集，可能影响模型的泛化能力	解决腰椎磁共振图像解释过程中重复耗时及诊断结果不一致的问题	腰椎磁共振图像中的椎间盘突出	计算机视觉	椎间盘突出	磁共振成像（MRI）	改进的YOLOv8（GE-YOLOv8）	图像	福建医科大学附属协和医院平潭分院的数据集及外部测试数据集
639	2025-07-12	Real-Time jamming detection using windowing and hybrid machine learning models for pre-saturation alerts 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10567-0 PMID:40634565	研究论文	本文提出了一种新的深度学习和机器学习模型，用于在GNSS干扰下检测Ublox-M8T接收器中的欺骗和压制干扰	集成了窗口机制用于预饱和警报和早期激活干扰检测，通过区分高可信度和低可信度GNSS数据增强系统可靠性	NA	开发一种实时干扰检测系统，适用于各种环境下的导航	Ublox-M8T接收器中的欺骗和压制干扰信号	机器学习	NA	XGBoost分类器	深度学习与机器学习混合模型	GNSS和干扰信号数据	在受控条件下收集的真实GNSS和干扰信号数据
640	2025-07-12	Artificial Intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study 2025-Jul-09, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002922 PMID:40638258	研究论文	本研究开发了一种基于Transformer的深度学习模型COFFEE，用于精确分类结直肠癌肝转移的组织病理学生长模式（HGPs）	提出了一种新的Transformer-based Multiple Instance Learning (TransMIL)框架，结合多头部自注意力机制和金字塔位置编码生成器（PPEG）模块，有效处理全切片图像（WSIs）中的大实例序列	研究样本量相对较小，前瞻性队列仅包含30例患者，可能需要更大规模的验证	开发AI辅助工具以提高结直肠癌肝转移HGPs分类的精确度	结直肠癌肝转移患者的组织病理学图像	数字病理学	结直肠癌	全切片图像（WSIs）分析	Vision Transformer (ViT), Transformer-based Multiple Instance Learning (TransMIL)	图像	431例患者（训练297例，测试104例，前瞻性30例）和1,442例来自TCGA-COAD队列的WSIs用于预训练