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
6701	2025-10-06	EmoTrans attention based emotion recognition using EEG signals and facial analysis with expert validation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98404-2 PMID:40594901	研究论文	提出基于注意力的EmoTrans模型，通过EEG信号和面部视频分析进行情绪识别	提出注意力机制架构，整合EEG信号的时域、频域和小波域特征以及面部视频数据，并通过心理学家调查进行专家验证	使用DEAP数据集，样本量相对有限（32名参与者的EEG数据和22名参与者的面部视频）	开发更准确的情绪识别模型，提升人机交互和情感计算的生态效度	人类情绪状态（效价、唤醒度、支配度和喜好度）	情感计算	NA	EEG信号分析，面部视频分析	注意力机制模型	EEG信号，面部视频	32名参与者的EEG数据（40个电影片段），22名参与者的面部视频数据	NA	EmoTrans（基于注意力的架构）	准确率，配对t检验，留一被试交叉验证	NA
6702	2025-10-06	Hybrid transfer learning and self-attention framework for robust MRI-based brain tumor classification 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09311-5 PMID:40595383	研究论文	提出一种结合迁移学习和自注意力机制的混合模型用于MRI脑肿瘤分类	首次将预训练DenseNet201 CNN与Transformer架构结合，并集成多头自注意力和压缩激励注意力机制	仅使用Br35H数据集进行验证，样本量相对有限	开发鲁棒的计算机辅助诊断系统以提高脑肿瘤分类准确性	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN,Transformer	图像	3000张MRI图像	TensorFlow,PyTorch	DenseNet201,Transformer,VGG19,InceptionV3,Xception,MobileNetV2,ResNet50V2	准确率,AUC,F1-score,Cohen's Kappa	NA
6703	2025-10-06	Attention residual network for medical ultrasound image segmentation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04086-1 PMID:40595803	研究论文	提出一种用于医学超声图像分割的注意力残差网络模型ARU-Net	在U-Net编码器中引入残差连接增强模型学习能力，集成空间混合卷积模块提升全局信息提取能力，在跳跃连接特征融合阶段分别引入通道注意力机制和多卷积自注意力机制抑制噪声	未明确说明模型计算复杂度及在不同类型超声设备上的泛化能力	提高医学超声图像中病灶边界分割的准确性	乳腺和甲状腺超声图像中的病灶区域	医学图像分析	乳腺疾病,甲状腺疾病	超声成像	CNN,注意力机制	医学超声图像	公开的乳腺超声和甲状腺超声数据集	NA	U-Net,ARU-Net	mIoU,准确率,F1-score	NA
6704	2025-10-06	Long-wave infrared computational multispectral metasurface and spectral reconstruction method 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06599-1 PMID:40596247	研究论文	提出一种基于3×3光子晶体阵列架构的长波红外计算多光谱超表面及其光谱重建方法	采用硬件-算法协同设计框架，通道间透射率相关系数仅0.17，光谱区分能力优于传统光栅系统	未明确说明实验验证的具体应用场景和外部验证数据集	开发新一代红外多光谱系统的集成化解决方案	长波红外光谱（8-11.5μm）范围内的多光谱成像	计算成像	NA	光子晶体阵列，光谱重建	深度学习网络	透射光谱数据	NA	NA	NA	均方误差（2.86）	NA
6705	2025-10-06	Multimodal deep learning-based radiomics for meningioma consistency prediction: integrating T1 and T2 MRI in a multi-center study 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01787-x PMID:40596910	研究论文	本研究开发了一种基于多模态深度学习的影像组学模型，用于预测脑膜瘤的质地	首次将T1和T2 MRI与深度学习和影像组学特征相结合，在多中心研究中预测脑膜瘤质地	回顾性研究，样本量相对有限（204例患者）	提高脑膜瘤质地预测的准确性以改善术前评估和手术规划	脑膜瘤患者	医学影像分析	脑膜瘤	MRI（T1和T2加权成像）	深度学习模型	医学影像（MRI）	204例脑膜瘤患者来自两个医疗中心	NA	NA	AUC, 准确率, 敏感度, 特异度, 精确率	NA
6706	2025-10-06	An Efficient Deep Learning Framework for Automated Epileptic Seizure Detection: Toward Scalable and Clinically Applicable Solutions 2025-Jul, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22983 PMID:40620110	研究论文	提出一种基于图卷积神经网络的高效癫痫发作检测框架	通过图卷积神经网络显式编码EEG电极间的空间依赖性，捕获更全面的时空特征	NA	开发可扩展且临床适用的自动化癫痫发作检测解决方案	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	GCNN	脑电图信号	CHB-MIT头皮EEG数据库和SH-SDU数据库	NA	图卷积神经网络	准确率, 灵敏度, 特异性, FDR	NA
6707	2025-10-06	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury 2025-Jun-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	研究论文	本研究探讨结合冠状动脉CT血管成像和T1加权MRI的混合策略对预测经皮冠状动脉介入治疗术后心肌损伤的改进效果	首次提出结合CCTA和MRI的混合策略，并证明该策略在预测PMI方面优于单独使用CCTA	样本量相对有限（120名患者，132个病灶），且为前瞻性多中心研究设计	改进经皮冠状动脉介入治疗后心肌损伤的无创预测方法	计划接受择期PCI治疗的冠状动脉粥样硬化患者	医学影像分析	心血管疾病	冠状动脉CT血管成像，T1加权磁共振成像	深度学习	医学影像数据	120名患者，132个病灶	NA	NA	C-statistic	NA
6708	2025-10-06	A comparative study of robustness to noise and interpretability in U-Net-based denoising of Raman spectra 2025-Jun-27, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126577 PMID:40618630	研究论文	本研究比较了基于U-Net的拉曼光谱去噪模型在不同训练策略下的鲁棒性和可解释性	首次将可解释性技术应用于拉曼光谱去噪模型分析，揭示了不同训练策略对模型决策过程的影响	研究仅限于U-Net架构，未探索其他深度学习模型在拉曼光谱去噪中的表现	探究不同训练策略对拉曼光谱去噪模型泛化能力和鲁棒性的影响	拉曼光谱数据	机器学习	NA	拉曼光谱	U-Net	光谱数据	使用不同积分时间采集的光谱数据集	NA	U-Net	均方根误差, 皮尔逊相关系数	NA
6709	2025-10-06	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过深度学习软件量化无症状主动脉瓣狭窄患者的心外膜脂肪组织，分析其与心肌重构和全因死亡率的关系	首次在无症状主动脉瓣狭窄患者中系统评估心外膜脂肪组织与心肌重构和预后的关联，并采用全自动深度学习软件进行精准量化	研究为随机对照试验的事后分析，样本量相对较小（124例患者），且为单中心研究	探讨心外膜脂肪组织与主动脉瓣狭窄严重程度、进展、心肌重构和全因死亡率的关系	124例无症状轻度至重度主动脉瓣狭窄患者	数字病理	心血管疾病	CT血管造影，超声心动图	深度学习	医学影像	124例无症状主动脉瓣狭窄患者	NA	NA	风险比，相关系数，p值	NA
6710	2025-10-06	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2025-Jun-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.06.25328492 PMID:40585088	研究论文	提出基于Transformer的深度学习框架，整合病理图像和基因表达数据分析肺鳞状上皮癌前病变	首次将Transformer架构应用于肺鳞状上皮癌前病变的多模态数据分析，实现病理图像与基因表达的灵活融合	模型训练基于二元标签，可能无法完全捕捉病变谱系的连续性特征	开发多模态深度学习框架以区分支气管发育不良及以上病变与正常/增生/化生组织	肺癌高风险患者的支气管活检组织	数字病理	肺癌	H&E全切片成像, 批量基因表达分析	Transformer	图像, 基因表达数据	来自4项研究的多中心数据集	NA	Transformer	AUROC	NA
6711	2025-10-06	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	研究论文	本研究探索使用GAN反演生成合成图像进行数据增强，以改善结肠镜病灶分类性能	通过GAN反演在语义丰富且解耦的潜在空间中操作潜在表示生成合成图像，无需重新训练多个生成模型	未明确说明训练数据的具体规模和多样性限制	解决医学影像中标注数据稀缺问题，提高结肠镜息肉分类性能	结肠镜图像中的息肉病灶	计算机视觉	结直肠癌	GAN反演，图像模态转换，风格迁移	GAN	图像	NA	NA	GAN	F1-score, 敏感度	NA
6712	2025-10-06	Deep learning-based organ-at-risk segmentation, registration and dosimetry on cone beam computed tomography images in radiation therapy: A comprehensive review 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2006_24 PMID:40616533	综述	本文全面综述了深度学习在锥形束CT图像中危及器官分割、配准和剂量计算的应用进展	系统总结了生成对抗网络和深度卷积神经网络在提升CBCT图像质量、器官分割精度和剂量计算准确性方面的最新方法创新	作为综述文章，不涉及原始研究数据验证，主要基于现有文献分析	探讨深度学习技术在放射治疗CBCT图像分析中的应用与发展	锥形束CT图像及其在放射治疗中的临床应用	医学影像分析	肿瘤放射治疗	锥形束CT成像	GAN, DCNN	医学影像	NA	NA	生成对抗网络, 深度卷积神经网络	分割精度, 配准精度, 剂量计算准确性	NA
6713	2025-10-06	Precision prediction of cervical cancer outcomes: A machine learning approach to recurrence and survival analysis 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2524_24 PMID:40616534	综述	探讨人工智能在预测宫颈癌复发和生存率中的作用及其技术应用	系统综述AI技术在宫颈癌预后预测中的整合应用，涵盖多模态数据融合与个性化医疗前景	未涉及具体实验验证，主要讨论技术挑战与应用局限性	评估人工智能在宫颈癌复发与生存预测领域的应用价值	宫颈癌患者的医疗数据（影像、基因组、临床资料）	自然语言处理,机器学习	宫颈癌	医学影像分析、基因组分析、临床数据处理	机器学习,深度学习	医学影像、基因组数据、临床文本数据	NA	NA	NA	NA	NA
6714	2025-10-06	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出一种基于拓扑引导的深度卷积网络TopoTxR，用于DCE-MRI图像中乳腺实质结构的学习和预测	首次将多尺度拓扑结构显式提取并融入深度学习模型，通过注意力机制增强对乳腺细微结构的量化能力	研究样本量相对有限，需要在更大规模数据集上进一步验证	改进DCE-MRI中乳腺实质结构的表征能力，并预测新辅助化疗的治疗反应	乳腺实质组织，特别是纤维腺体组织	计算机视觉	乳腺癌	动态对比增强磁共振成像(DCE-MRI)	CNN	医学图像	I-SPY 1数据集161例患者(47例pCR，114例非pCR)，Rutgers专有数据集120例患者(69例pCR，51例非pCR)	NA	拓扑引导的深度卷积网络	准确率，AUC	NA
6715	2025-10-06	Learning to Learn Transferable Generative Attack for Person Re-Identification 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558434 PMID:40232916	研究论文	提出一种元学习优化的生成式对抗攻击方法MTGA，用于提升行人重识别模型对抗样本的跨模型、跨数据集和跨测试迁移能力	首次考虑跨测试迁移能力，提出元迁移生成攻击方法，通过扰动随机擦除模块和归一化混合策略增强对抗样本的泛化性	未明确说明计算资源需求和对不同行人重识别架构的普适性验证	提升对抗攻击在行人重识别任务中的迁移能力，评估模型鲁棒性	行人重识别模型	计算机视觉	NA	元学习，生成式对抗攻击	生成模型	图像	NA	NA	MTGA	mAP下降率	NA
6716	2025-10-06	Convolutional neural network deep learning model accurately detects rectal cancer in endoanal ultrasounds 2024-04-01, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-02917-3 PMID:38561492	研究论文	开发并验证基于卷积神经网络的深度学习模型，用于在肛门内超声图像中准确检测直肠癌	首次将迁移学习与微调深度学习架构应用于肛门内超声图像的直肠癌检测，为经验不足的检查者提供AI辅助诊断支持	研究样本量较小（仅294张图像），需要在更大数据集上进一步验证模型性能	开发AI系统提高非专科医疗中心直肠癌检测的准确性	肛门内超声图像中的直肠癌病变	计算机视觉	直肠癌	肛门内超声	CNN	图像	294张肛门内超声图像	NA	NA	灵敏度,准确度,AUC	NA
6717	2025-10-06	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2024-03-13, Stem cell research & therapy IF:7.1Q1 DOI:10.1186/s13287-024-03682-8 PMID:38475857	研究论文	本研究开发了基于深度学习的模型，仅通过细胞形态图像即可区分造血干细胞和多能祖细胞的不同功能亚群	首次在稳态条件下使用深度学习技术区分造血干细胞和多能祖细胞，无需依赖表面标记物或移植实验	研究仅使用小鼠细胞数据，尚未在人类细胞中验证	开发基于深度学习的细胞分类系统，用于造血干细胞功能亚群的识别和分离	小鼠造血干细胞(HSCs)和多能祖细胞(MPPs)	计算机视觉	血液系统疾病	光学显微镜(DIC)成像	深度学习	图像	大量图像数据集	NA	LSM模型	NA	NA
6718	2025-10-06	Deep learning-based predictive classification of functional subpopulations of hematopoietic stem cells and multipotent progenitors 2023-Nov-14, Research square DOI:10.21203/rs.3.rs-3332530/v1 PMID:38014055	研究论文	本研究开发了一种基于深度学习的模型，能够通过细胞形态学图像区分造血干细胞和多能祖细胞的不同功能亚群	首次在稳态条件下使用深度学习技术仅基于细胞形态学特征区分HSCs和MPPs，无需依赖表面标记物或移植实验	模型算法仍需持续改进，且需要集成到更多成像系统中验证通用性	探索深度学习技术在造血干细胞和祖细胞分类中的应用可行性	小鼠长期造血干细胞(LT-HSCs)、短期造血干细胞(ST-HSCs)和多能祖细胞(MPPs)	计算机视觉	NA	光学显微镜(DIC)成像	CNN	图像	大量图像数据集	NA	LSM模型(三分类器)	NA	NA
6719	2025-10-06	Modeling islet enhancers using deep learning identifies candidate causal variants at loci associated with T2D and glycemic traits 2023-08-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206612120 PMID:37603758	研究论文	本研究开发了一种深度学习方法来分析序列变异对胰岛增强子的影响，用于识别与2型糖尿病和血糖性状相关的候选因果变异	开发了专门针对胰岛组织的深度学习模型，能够学习胰岛特异性转录因子调控模式，并成功应用于优先排序候选因果变异	方法主要聚焦于胰岛组织，可能不适用于其他组织类型；需要进一步的功能验证	识别与2型糖尿病和血糖性状相关的特定因果变异	胰腺胰岛组织，2型糖尿病相关遗传信号	机器学习	2型糖尿病	深度学习，生化测试，报告基因活性检测	深度学习	基因组序列数据	约6700万个遗传变异	NA	NA	生化验证，功能验证	NA
6720	2025-10-06	Refinement of AlphaFold2 Models against Experimental Cryo-EM Density Maps at 4-6Å Resolution 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995676 PMID:40612328	研究论文	本研究评估了AlphaFold2预测模型在4-6Å分辨率冷冻电镜密度图中的精修效果	首次在实验性4-6Å分辨率冷冻电镜图中系统评估AlphaFold2模型的精修性能，而非使用模拟混合密度图	精修效果严重依赖AlphaFold2预测质量、实验数据质量和模型与密度图的对齐质量	探索深度学习蛋白质结构预测方法在低分辨率冷冻电镜图中的实用性	蛋白质三维结构	结构生物学	NA	冷冻电镜, AlphaFold2结构预测	深度学习	冷冻电镜密度图, 蛋白质结构模型	10个案例，包含9个长链(226-373个残基)和1个短链(115个残基)	AlphaFold2, Phenix	AlphaFold2	TM-score	NA