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
7221	2025-10-06	ComPtr: Toward Diverse Bi-Source Dense Prediction Tasks via a Simple Yet General Complementary Transformer 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3578494 PMID:40489289	研究论文	提出一种名为ComPtr的互补Transformer模型，用于处理多样化的双源密集预测任务	从更通用的双源密集预测概念出发，提出一致性增强和差异感知组件，能够为不同任务分别提取和收集来自不同图像源的重要视觉语义线索	NA	构建一个通用的双源密集预测统一模型	双源图像数据	计算机视觉	NA	深度学习	Transformer	图像	NA	NA	Transformer,序列到序列	NA	NA
7222	2025-10-06	SAS: A General Framework Induced by Sequence Association for Shape From Focus 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3577595 PMID:40489288	研究论文	提出了一种基于序列关联的SAS框架，用于改进多焦点图像序列的深度估计方法	将图像序列视为完整3D数据，通过多视图分解、选择性融合和多尺度特征聚合处理，并引入更严格的多视图学习泛化误差界	未明确说明计算资源需求和具体实现细节	提高形状聚焦(SFF)方法的泛化能力	多焦点图像序列	计算机视觉	NA	形状聚焦技术	深度学习	图像序列	7个合成数据集和2个真实场景	NA	SAS框架	泛化能力评估	NA
7223	2025-10-06	Event-Based Stereo Depth Estimation: A Survey 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3586559 PMID:40644099	综述	本文全面调查了基于事件相机的立体深度估计方法的发展历程、技术分类和未来方向	首次系统综述深度学习方法和立体数据集，提供创建新基准测试的实用建议，涵盖瞬时立体和长期SLAM方法	基于事件相机的立体深度估计在精度和效率方面仍需进一步优化	为基于事件相机的立体深度估计领域提供全面的技术概览和发展指导	事件相机立体深度估计算法、数据集和性能评估方法	计算机视觉	NA	事件相机感知技术	深度学习	事件流数据	NA	NA	NA	精度,效率	NA
7224	2025-10-06	Deep learning-based temporal muscle quantification on MRI predicts adverse outcomes in acute ischemic stroke 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112332 PMID:40716184	研究论文	开发基于深度学习的端到端流程，用于急性缺血性卒中患者MRI颞肌自动量化并评估其预后价值	首次构建集成了切片选择、颞肌分割和量化功能的端到端深度学习流程，并验证颞肌厚度和面积作为急性缺血性卒中预后标志物的临床价值	研究样本量相对有限（1020例），且为单中心研究	开发自动化的颞肌量化方法并评估其在急性缺血性卒中预后预测中的作用	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	MRI成像	CNN, Transformer	MRI图像	1020例急性缺血性卒中患者（数据集1：295例，数据集2：258例，数据集3：467例）	NA	ResNet50, TransUNet	准确率, ±1切片准确率, 平均绝对误差, Dice相似系数, 风险比	NA
7225	2025-10-06	Rician Likelihood Loss for Quantitative MRI With Self-Supervised Deep Learning 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70136 PMID:40904047	研究论文	本文提出了一种用于定量磁共振成像的自监督深度学习新损失函数——Rician似然损失	开发了负对数Rician似然损失函数，首次在自监督学习中显式考虑MR幅度信号的分布特性	在低信噪比下虽然提高了准确性但降低了精度	改进定量磁共振成像中的参数估计性能	体素内不相干运动(IVIM)模型参数	医学影像分析	NA	磁共振成像(MRI)	深度学习	磁共振图像	模拟数据和真实数据	Python	NA	偏差, 标准差, 均方根误差	NA
7226	2025-10-06	MOL: Joint Estimation of Micro-Expression, Optical Flow, and Landmark via Transformer-Graph-Style Convolution 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3581162 PMID:40536836	研究论文	提出一种端到端的微表情识别框架，通过联合训练微表情识别、光流估计和面部关键点检测任务来提升性能	设计了新颖的F5C模块，结合全连接卷积和通道对应卷积，无需关键帧先验知识即可从原始帧序列直接提取局部-全局特征	未明确说明模型在小规模数据集上的泛化能力，也未提及计算复杂度分析	解决面部微表情识别中因动作短暂细微而带来的挑战	面部微表情、光流、面部关键点	计算机视觉	NA	深度学习	Transformer, 图卷积, 卷积神经网络	视频序列	CASME II, SAMM, SMIC基准数据集	NA	Transformer-Graph-Style卷积, F5C模块	NA	NA
7227	2025-10-06	Evidence-Based Multi-Feature Fusion for Adversarial Robustness 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3582518 PMID:40549525	研究论文	提出一种基于证据的多特征融合方法，通过量化特征可信度提升深度神经网络对抗鲁棒性	首次将证据深度学习引入对抗鲁棒性领域，提出基于Dempster规则的多特征证据融合机制	需要额外参数且计算成本略有增加	提升深度神经网络在对抗攻击下的鲁棒性	深度神经网络的特征表示	机器学习	NA	证据深度学习	CNN, Transformer	图像	NA	NA	传统CNN和视觉Transformer	白盒攻击鲁棒性, 黑盒攻击鲁棒性	NA
7228	2025-10-06	Accelerated Self-Supervised Multi-Illumination Color Constancy With Hybrid Knowledge Distillation 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3583090 PMID:40560704	研究论文	提出一种基于自监督学习和知识蒸馏的多光照颜色恒常性方法	结合自监督预训练、监督微调和混合知识蒸馏的三阶段框架，首次在颜色恒常性任务中应用Transformer和U-Net编码器	受限于当前多光照数据集的规模和模型大小	解决多光照条件下的颜色恒常性问题	多光照图像的颜色感知	计算机视觉	NA	自监督学习, 知识蒸馏	Transformer, U-Net, CNN	多光照图像	NA	NA	Transformer, U-Net	在多光照和单光照基准测试中优于现有技术	NA
7229	2025-10-06	Revisiting Essential and Nonessential Settings of Evidential Deep Learning 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3583410 PMID:40569804	研究论文	本文重新审视了证据深度学习的核心与非核心设置，并提出了一种简化但更有效的Re-EDL变体	识别并修正了EDL中三个非必要的设置：将先验权重改为可调超参数、移除了方差最小化优化项和KL散度正则化项	未明确说明实验数据集的具体规模和多样性限制	改进证据深度学习方法的设置，提高不确定性估计性能	证据深度学习方法的理论框架和实际应用	机器学习	NA	证据深度学习	神经网络	NA	NA	NA	NA	NA	NA
7230	2025-10-06	MMFi-DPBML: Multi-molecular fingerprint feature fusion for predicting ingredient-target interactions in traditional Chinese medicine 2025-Sep-25, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2025.120451 PMID:40840725	研究论文	提出MMFi-DPBML深度学习框架，通过融合多分子指纹特征预测中药成分-靶点相互作用	整合四种分子指纹特征和分子描述符，结合深度金字塔卷积神经网络和双向LSTM处理蛋白质序列	模型可解释性有待提升，未来将支持多靶点药理学建模	预测中药成分-靶点相互作用，支持中药现代化研究	中药成分分子和蛋白质靶点	机器学习	NA	分子指纹特征提取，分子对接验证	DPCNN, BiLSTM, MLP	分子结构数据，蛋白质序列数据	自定义TCMTS数据集，以及公开数据集Davis和KIBA	NA	Deep Pyramid Convolutional Neural Network，双向LSTM，多层感知机	AUC，加权F1分数	NA
7231	2025-10-06	Identification of novel biomarkers linked to M1 macrophage infiltration in the diagnosis of inflammatory bowel diseases 2025-Sep-23, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2025.115138 PMID:40582145	研究论文	本研究通过生物信息学和深度学习构建了炎症性肠病的预测模型，并识别了与M1巨噬细胞浸润相关的潜在生物标志物	首次整合M1巨噬细胞相关基因和宏转录组特征构建IBD预测模型，并利用SHAP算法识别关键宿主遗传变异特征	未提及样本量的具体数值和外部验证结果	开发炎症性肠病的预测模型并识别潜在生物标志物以改善疾病管理	炎症性肠病患者基因表达数据和宏转录组特征	生物信息学, 机器学习	炎症性肠病	生物信息学分析, 加权基因共表达网络分析, 宏转录组分析	神经网络	基因表达数据, 宏转录组数据	NA	NA	神经网络	NA	NA
7232	2025-10-06	Annotation-efficient deep learning detection and measurement of mediastinal lymph nodes in CT 2025-Sep-13, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03513-y PMID:40944829	研究论文	提出一种注释高效的半监督深度学习方法，用于自动检测、分割和测量增强CT扫描中纵隔淋巴结的短轴长度	结合专家注释精度和伪标记数据数量优势的半监督方法，通过解剖学过滤减少假阳性淋巴结	仅针对纵隔淋巴结进行研究，未验证在其他类型淋巴结或解剖结构上的适用性	开发自动检测和测量纵隔淋巴结的深度学习方法，减少对大量专家标注数据的依赖	增强CT扫描中的纵隔淋巴结	医学影像分析	淋巴结相关疾病	CT扫描	3D CNN	3D CT影像	268个标注扫描（1817个淋巴结）和710个未标注扫描	PyTorch	3D nnU-Net	召回率, 精确度, 短轴长度差异	NA
7233	2025-10-06	Deep learning-powered temperature prediction for optimizing transcranial MR-guided focused ultrasound treatment 2025-Sep-12, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2025.5.JNS25291 PMID:40939202	研究论文	开发了一种名为Fust-Net的深度学习模型，用于预测经颅磁共振引导聚焦超声治疗过程中的治疗温度	首次将治疗参数、患者特异性临床信息和颅骨指标整合到深度学习模型中，用于MRgFUS治疗温度预测	回顾性研究，样本量相对有限（共110名患者），需要进一步前瞻性验证	优化经颅磁共振引导聚焦超声治疗的温度控制精度	接受单侧MRgFUS丘脑毁损术或苍白球丘脑束切断术的特发性震颤或帕金森病患者	医疗人工智能	神经系统疾病	磁共振引导聚焦超声	深度学习	治疗参数、临床信息、颅骨指标	训练集：72名患者的600次声波照射；验证集：18名患者的199次声波照射；外部验证集：20名患者的146次声波照射	NA	Fust-Net	归一化平均绝对误差, 有效温度预测率	NA
7234	2025-10-06	Flexynesis: A deep learning toolkit for bulk multi-omics data integration for precision oncology and beyond 2025-Sep-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63688-5 PMID:40940333	研究论文	介绍Flexynesis——一个用于精准肿瘤学及其他领域的深度学习工具包，用于整合批量多组学数据	解决了现有深度学习方法在透明度、模块化、部署性和任务范围方面的局限性，提供标准化数据处理流程和多种模型选择	NA	开发一个用户友好的深度学习工具包，促进批量多组学数据在精准医学中的整合与应用	批量多组学数据	机器学习	肿瘤学	多组学数据整合	深度学习, 监督机器学习	多组学数据	NA	PyTorch, TensorFlow, Scikit-learn	NA	回归指标, 分类指标, 生存分析指标	云平台(Galaxy Server), 多种软件分发平台(PyPi, Guix, Bioconda)
7235	2025-10-06	Harnessing Artificial Intelligence for Shoulder Ultrasonography: A Narrative Review 2025-Sep-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01661-w PMID:40940587	综述	本文探讨人工智能在肩部超声检查中的应用现状与发展前景	系统梳理深度学习算法在肩部超声中自动病理检测、图像分割和结果预测的创新应用	需要大规模标注数据集、模型在多样化人群中的泛化能力不足、缺乏临床验证	评估人工智能技术在肩部超声成像中的整合与应用效果	肩部超声图像及相关病理特征	医学影像分析	肌肉骨骼疾病	超声成像	CNN, 深度学习, 机器学习	超声图像	NA	NA	NA	准确率	NA
7236	2025-10-06	Using machine learning to automate the collection, transcription, and analysis of verbal-report data 2025-Sep-12, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02800-5 PMID:40940585	研究论文	开发了一套利用机器学习自动化收集、转录和分析口头报告数据的软件系统	结合传统机器学习方法和深度学习（如大语言模型）实现口头报告数据的自动化处理，相比人工编码大幅提升效率	未提及具体性能指标和系统验证的局限性	降低心理学实验中口头报告数据的收集和分析成本	心理学实验中的口头报告数据	自然语言处理	NA	口头报告数据收集	大语言模型, 经典机器学习方法	语音, 文本	NA	jsPsych	NA	NA	NA
7237	2025-10-06	Deep learning for automated segmentation of central cartilage tumors on MRI 2025-Sep-12, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00633-7 PMID:40940592	研究论文	提出基于深度学习的自动化分割方法用于MRI中中央软骨肿瘤的识别	首次采用监督边缘注意力引导分割网络(SEAGNET)架构实现长骨软骨肿瘤的自动分割	回顾性研究设计，样本量相对有限(164例患者)	开发自动化分割方法以提高骨骼肿瘤影像组学的可靠性和适用性	非典型软骨肿瘤(ACT)和II级软骨肉瘤(CS2)患者	医学影像分析	骨肿瘤	MRI	深度学习	医学影像	164例患者(第一队列99例，第二队列65例)，共1037个包含肿瘤的切片	NA	SEAGNET	Dice Score, Intersection over Union	NA
7238	2025-10-06	Ultrasound Assessment of Muscle Atrophy During Short- and Medium-Term Head-Down Bed Rest 2025-Sep-11, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.08.006 PMID:40940229	研究论文	本研究开发了一种结合超声技术和深度学习算法的方法，用于评估头低位卧床休息模型中的肌肉萎缩进展	提出双编码器并行深度学习模型，结合坐标注意力机制和像素注意力引导融合模块，融合B型超声图像和射频信号特征	研究样本量较小（仅6只恒河猴），需要更大规模验证	评估超声技术结合深度学习在微重力环境下监测肌肉萎缩的可行性	恒河猴头低位卧床休息模型	医学影像分析	肌肉萎缩	超声成像技术	深度学习	B型超声图像, 射频信号	6只恒河猴	NA	双编码器并行深度学习模型	准确率	NA
7239	2025-10-06	OmicsTweezer: A distribution-independent cell deconvolution model for multi-omics Data 2025-Sep-10, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100950 PMID:40675159	研究论文	本文提出了OmicsTweezer，一种分布无关的细胞反卷积模型，用于多组学数据分析	通过整合最优传输与深度学习技术，在共享潜在空间中对齐模拟和真实数据，有效缓解数据偏移和跨组学分布差异	NA	开发能够克服批次效应和数据分布差异的细胞反卷积方法	批量RNA测序、批量蛋白质组学和空间转录组学数据	机器学习	前列腺癌, 结肠癌	RNA-seq, 蛋白质组学, 空间转录组学	深度学习	多组学数据	NA	NA	NA	NA	NA
7240	2025-10-06	Artificial intelligence in medical imaging empowers precision neoadjuvant immunochemotherapy in esophageal squamous cell carcinoma 2025-Sep-09, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2025-012468 PMID:40930744	研究论文	探讨人工智能在医学影像中辅助食管鳞癌新辅助免疫化疗精准治疗的应用	结合影像组学和深度学习从临床CT图像中提取高维特征，揭示传统评估难以察觉的生物学异质性	NA	开发精准预测食管鳞癌新辅助免疫化疗疗效的工具	局部晚期食管鳞状细胞癌患者	医学影像分析	食管鳞状细胞癌	CT影像分析	深度学习	医学影像	NA	NA	NA	NA	NA