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
7241	2025-10-06	Deep Learning Empowered Parallelized Metasurface Computed Tomography Snapshot Spectral Imaging 2025-Jul, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202419383 PMID:40270309	研究论文	提出一种基于生成式深度学习的超紧凑并行化超表面计算断层扫描快照光谱成像技术	将快照光谱成像系统体积从厘米级缩小至亚毫米级，同时保持高分辨率和高成像速度	NA	解决快照光谱成像在空间受限场景中的应用限制	内窥镜辅助脑显微手术和实时细胞组织成像	计算机视觉	NA	快照光谱成像，计算断层扫描	GAN	光谱投影图像	NA	NA	生成对抗深度神经网络	光谱分辨率10nm，成像时间38ms	NA
7242	2025-10-06	Artificial intelligence-based prediction of organ involvement in Sjogren's syndrome using labial gland biopsy whole-slide images 2025-Jul, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07518-5 PMID:40471393	研究论文	本研究开发了一种基于深度学习的模型，利用唇腺活检全玻片图像预测干燥综合征患者高风险腺体外器官受累的风险	首次将深度学习技术应用于唇腺活检全玻片图像来预测干燥综合征患者的高风险腺体外器官受累，结合了预训练CNN和Vision Transformer模块进行特征提取	样本量相对有限（221例患者），需要更大规模的外部验证	开发基于深度学习的模型预测干燥综合征患者高风险腺体外器官受累风险	221例干燥综合征患者的唇腺活检全玻片图像	数字病理	干燥综合征	全玻片图像分析	CNN, Vision Transformer	图像	221例干燥综合征患者	NA	ResNet50, InceptionV3, EfficientNet-B5, Vision Transformer	ROC曲线下面积	NA
7243	2025-10-06	Spotiflow: accurate and efficient spot detection for fluorescence microscopy with deep stereographic flow regression 2025-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02662-x PMID:40481364	研究论文	提出一种基于深度学习的高精度荧光显微镜斑点检测方法Spotiflow	将斑点检测建模为多尺度热图和立体流回归问题，支持2D和3D图像，具有跨成像条件的泛化能力	NA	开发准确高效的荧光显微镜斑点检测方法	荧光显微镜图像中的斑点状结构	计算机视觉	NA	荧光显微镜成像	深度学习	2D和3D图像	NA	Python	立体流回归网络	亚像素精度	NA
7244	2025-10-06	Deep Learning Models for CT Segmentation of Invasive Pulmonary Aspergillosis, Mucormycosis, Bacterial Pneumonia and Tuberculosis: A Multicentre Study 2025-Jul, Mycoses IF:4.1Q2 DOI:10.1111/myc.70084 PMID:40580013	研究论文	开发并验证用于四种肺部感染疾病CT影像分割的深度学习模型	首次针对侵袭性肺曲霉病、肺毛霉病、细菌性肺炎和肺结核四种感染性疾病开发专用3D分割模型，并验证其跨疾病适用性	细菌性肺炎模型性能相对较低，数据集规模有限，复杂病例需要进一步优化	提高四种肺部感染疾病的CT影像分割准确率以辅助鉴别诊断	侵袭性肺曲霉病、肺毛霉病、细菌性肺炎和肺结核患者的CT影像	医学影像分析	肺部感染疾病	CT影像分析	深度学习分割模型	CT医学影像	训练集：115例IPA、53例PM、130例BP、125例PTB；外部验证集：21例IPA、8例PM、30例BP、31例PTB	NA	改进的3D U-Net	Dice系数	NA
7245	2025-10-06	Enhancing the Predictions of Cytomegalovirus Infection in Severe Ulcerative Colitis Using a Deep Learning Ensemble Model: Development and Validation Study 2025-Jul-01, JMIR medical informatics IF:3.1Q2 DOI:10.2196/64987 PMID:40590844	研究论文	开发并验证了一种基于深度学习的集成模型，用于通过内窥镜图像预测严重溃疡性结肠炎患者的巨细胞病毒感染	首次将深度学习集成模型与测试时间增强技术结合应用于巨细胞病毒感染的内窥镜图像诊断	样本量较小（仅86张内窥镜图像），需要更大规模的研究验证	开发非侵入性的巨细胞病毒感染早期诊断工具	严重溃疡性结肠炎患者的内窥镜图像	计算机视觉	溃疡性结肠炎	内窥镜成像	CNN	图像	86张内窥镜图像	NA	DenseNet121	准确率,精确率,召回率,F1分数,AUC	NA
7246	2025-10-06	Improving Tuberculosis Detection in Chest X-Ray Images Through Transfer Learning and Deep Learning: Comparative Study of Convolutional Neural Network Architectures 2025-Jul-01, JMIRx med DOI:10.2196/66029 PMID:40591399	研究论文	本研究通过比较六种卷积神经网络架构在胸部X光图像中检测结核病的性能	发现较简单的VGG16模型在结核病检测中优于更复杂的模型，且数据增强未带来性能提升	数据集相对较小（4200张图像），仅包含正常和结核病阳性两类	评估不同CNN架构在胸部X光图像中结核病分类的性能	胸部X光图像	计算机视觉	结核病	深度学习，迁移学习	CNN	图像	4200张胸部X光图像（700张结核病阳性，3500张正常）	NA	VGG16, VGG19, ResNet50, ResNet101, ResNet152, Inception-ResNet-V2	准确率, 精确率, 召回率, F1分数, AUC	NA
7247	2025-10-06	A transformer model for de novo sequencing of data-independent acquisition mass spectrometry data 2025-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02718-y PMID:40596427	研究论文	提出了一种基于Transformer架构的Cascadia模型，用于数据非依赖采集质谱数据的从头测序	首次将Transformer架构应用于DIA质谱数据的从头测序，相比现有方法在不同仪器和实验协议下均取得显著性能提升	NA	解决数据非依赖采集质谱数据的从头测序计算挑战	质谱数据中的氨基酸序列	机器学习	NA	数据非依赖采集质谱	Transformer	质谱数据	NA	NA	Transformer	NA	NA
7248	2025-10-06	Comparison of Random Survival Forest Based-Overall Survival With Deep Learning and Cox Proportional Hazard Models in HER-2-Positive HR-Negative Breast Cancer 2025-Jul, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70262 PMID:40624807	研究论文	比较随机生存森林、深度学习和Cox比例风险模型在HER2阳性HR阴性乳腺癌患者总生存期预测中的性能	首次在HER2阳性HR阴性乳腺癌亚型中系统比较RSF、DeepSurv和CoxPH三种生存预测模型，并采用RSF变量重要性进行特征选择	研究基于SEER数据库的回顾性数据，可能存在选择偏倚，且仅针对特定乳腺癌亚型	构建乳腺癌患者生存预测模型，为HER2阳性HR阴性患者的临床决策提供更准确的生存预测	HER2阳性HR阴性乳腺癌患者	机器学习	乳腺癌	生存分析	Random Survival Forest, DeepSurv, Cox Proportional Hazard	临床数据	8,119例HER2阳性HR阴性乳腺癌患者	NA	Random Survival Forest, DeepSurv, Cox Proportional Hazard	C-index, Brier score, ROC-AUC, 校准图, 临床净收益	NA
7249	2025-10-06	Asymmetrical Contrastive Learning Network via Knowledge Distillation for No-Service Rail Surface Defect Detection 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3479453 PMID:39471124	研究论文	提出一种基于知识蒸馏的非对称对比学习网络，用于无服务轨道表面缺陷检测	设计双流教师模型提取RGB和深度特征，并通过对比蒸馏损失、多尺度图映射蒸馏损失和自适应注意力蒸馏损失将多模态特征转移到轻量级学生模型	未明确说明模型在极端环境条件下的鲁棒性	开发高效的轨道表面缺陷检测方法	轨道表面缺陷	计算机视觉	NA	深度学习	CNN	RGB-D图像	工业RGB-D数据集NEU RSDDS-AUG及三个额外公共数据集	PyTorch	非对称对比学习网络(ACLNet)	准确率, 精度, 召回率, F1分数	NA
7250	2025-10-06	Spectral Super-Resolution in Frequency Domain 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3481060 PMID:39471122	研究论文	提出一种在频域处理光谱超分辨率的新方法，通过融合频域、光谱和空间域特征重建高光谱图像	首次在频域处理光谱超分辨率问题，设计了三模块融合网络（SSFDF）整合频域与光谱空间域信息	未明确说明计算复杂度与实时性能表现	从RGB图像重建高光谱图像	高光谱图像（HSI）与对应RGB图像	计算机视觉	NA	深度学习	CNN	图像	多个数据集（未具体说明样本数量）	未明确说明	对称卷积神经网络	重建效果（未具体说明评估指标）	NA
7251	2025-10-06	Structure-Preserved Self-Attention for Fusion Image Information in Multiple Color Spaces 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3490800 PMID:39531572	研究论文	提出一种结构保持自注意力网络模型，用于高效融合多颜色空间的图像信息	提出结构保持自注意力模块，采用单头像素级注意力机制替代传统多头自注意力，实现跨颜色空间的关键像素位置关注	NA	提升深度学习模型在多颜色空间图像信息融合中的性能	多颜色空间图像信息	计算机视觉	NA	NA	自注意力网络	图像	NA	NA	SPSANet, SPSA	识别性能, 参数量, 计算成本	NA
7252	2025-10-06	HECLIP: histology-enhanced contrastive learning for imputation of transcriptomics profiles 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf363 PMID:40569046	研究论文	提出一种基于组织学图像的对比学习框架HECLIP，用于从H&E染色图像推断空间基因表达谱	采用以图像为中心的对比学习策略捕获与分子表达相关的形态学特征，最小化对空间转录组数据的依赖	NA	开发可扩展的计算方法弥合成像与转录组学之间的鸿沟	H&E染色组织学图像和空间基因表达谱	数字病理学	NA	H&E染色，空间转录组学	深度学习，对比学习	组织学图像，基因表达数据	NA	NA	HECLIP	NA	NA
7253	2025-10-06	CombiANT reader: Deep learning-based automatic image processing tool to robustly quantify antibiotic interactions 2025-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000669 PMID:40627666	研究论文	开发基于深度学习的自动图像处理工具CombiANT reader，用于精确量化抗生素相互作用	首次将深度学习技术应用于CombiANT检测方法的自动化图像分析，实现亚毫米级精度的关键点距离测量	仅使用100个平板进行验证，样本规模相对有限	开发自动化的抗生素相互作用量化工具以替代人工评分	CombiANT琼脂平板上的细菌生长区域和关键参考点	计算机视觉	抗生素耐药性感染	琼脂平板扩散法，智能手机成像	深度学习	图像	100个平板，由3名不同用户使用手机拍摄	NA	NA	平均绝对误差	智能手机平台
7254	2025-10-06	Comparative analysis of deep learning and tree-based models in power demand prediction: Accuracy, interpretability, and computational efficiency 2025-Jul, Journal of building physics IF:1.8Q3 DOI:10.1177/17442591251333144 PMID:40630870	研究论文	比较深度学习和树基模型在电力需求预测中的准确性、可解释性和计算效率	提出多视角评估框架，综合考虑预测准确性（整体和不同电力水平）、可解释性（全局/局部视角和模型结构）和计算效率	仅分析六种特定模型，未涵盖所有可能的机器学习方法	评估不同机器学习模型在电力需求预测中的综合性能	电力需求预测模型	机器学习	NA	NA	RNN, GRU, LSTM, Random Forest, XGBoost, LightGBM	时间序列数据	NA	NA	循环神经网络, 门控循环单元, 长短期记忆网络, 随机森林, 极端梯度提升, 轻量梯度提升机	CV-RMSE	NA
7255	2025-07-11	From Promise to Practice: Reducing Research Waste in Deep Learning Model Development for Cardiovascular Imaging 2025-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.05.003 PMID:40634020	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7256	2025-10-06	Challenges and Strategies for Deep Learning in Cardiovascular Imaging: Ejection Fraction and Heart Failure Management 2025-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.02.011 PMID:40634019	研究论文	评估深度学习在心血管影像中自动测量左心室射血分数面临的三大挑战及应对策略	首次系统识别并量化了深度学习在心脏影像分析中评估指标、训练数据和模型泛化三大核心挑战	研究仅基于3,538例样本，未涵盖所有类型的心脏病患者群体	改善深度学习模型在心血管影像分析中的临床适用性	左心室射血分数测量与心力衰竭管理	医学影像分析	心血管疾病	心脏影像分析	深度学习	医学影像	3,538例来自三个不同人群	NA	端到端监督学习	AUC	NA
7257	2025-10-06	Physics informed neural networks simulation of fingering instabilities arising during immiscible and miscible multiphase flow in oil recovery processes 2025-Jul-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273935 PMID:40637571	研究论文	本研究使用物理信息神经网络模拟石油开采过程中多相流的不稳定性现象	首次将物理信息神经网络应用于模拟石油开采过程中混相和非混相多相流的不稳定性问题	仅与半解析解进行比较，缺乏与完整实验数据的验证	开发基于深度学习的流体动力学问题解决方案	石油开采过程中的多相流体流动	机器学习	NA	物理信息神经网络	PINN	数值模拟数据	NA	NA	物理信息神经网络	与半解析解的比较	NA
7258	2025-10-06	Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography 2025-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en25011 PMID:40364497	研究论文	本研究系统评估了四种领域泛化技术与三种深度学习架构的组合在基于脑电图的跨被试情绪识别中的性能	首次系统性地将四种领域泛化技术（Deep CORAL、GroupDRO、VREx、DANN）与三种代表性深度学习架构（ShallowFBCSPNet、EEGNet、TSception）相结合，用于改善跨被试脑电图情绪识别	仅使用两个情感脑电图数据集进行评估，且仅进行二分类任务（效价和唤醒度）	开发稳健的跨被试脑电图情绪识别系统	人类被试的情感状态	机器学习	NA	脑电图（EEG）	深度学习	脑电图信号	两个情感脑电图数据集，采用十折交叉验证策略	NA	ShallowFBCSPNet, EEGNet, TSception	分类准确率	NA
7259	2025-10-06	[Advances in low-dose cone-beam computed tomography image reconstruction methods based on deep learning] 2025-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202409021 PMID:40566788	综述	系统回顾基于深度学习的低剂量锥形束CT图像重建方法，比较不同网络架构在降噪、伪影消除和细节保留方面的性能	全面比较图像域、投影域和双域三种深度学习重建方法，并探讨多模态融合和自监督学习等新兴技术的应用潜力	NA	优化低剂量CBCT算法以降低患者辐射风险并提升图像质量	锥形束CT图像重建方法	医学影像处理	NA	锥形束CT扫描	深度学习	CT图像	NA	NA	NA	噪声降低, 伪影消除, 细节保留, 计算效率	NA
7260	2025-10-06	AI in Medical Questionnaires: Innovations, Diagnosis, and Implications 2025-Jun-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/72398 PMID:40549427	系统综述	本文系统综述了人工智能在医学问卷中的当前应用、潜在益处和问题，重点关注其在评估、开发和预测三个主要功能中的作用	首次系统评估AI在医学问卷中的综合应用价值，涵盖24种AI技术，包括传统算法和深度学习模型	79%的研究仍处于探索阶段，缺乏对照组、随访数据不完整和验证系统不足是主要方法学限制	系统评估人工智能在医学问卷中的应用价值和挑战	医学问卷和心理健康评估工具	自然语言处理	精神疾病	自然语言处理，生成模型	随机森林, 支持向量机, k近邻, 卷积神经网络, BERT, ChatGPT	问卷数据	14项符合纳入标准的研究（从49,091篇文献中筛选）	NA	BERT, ChatGPT, 卷积神经网络	准确率92.18%, AUC 0.790	NA