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
8081	2025-04-03	StructVPR++: Distill Structural and Semantic Knowledge with Weighting Samples for Visual Place Recognition 2025-Apr-01, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556859 PMID:40168193	research paper	提出StructVPR++框架，通过分割引导蒸馏将结构和语义知识嵌入RGB全局表示，以在视觉地点识别任务中实现准确性和效率的良好平衡	解耦全局描述符中的标签特定特征，实现图像对之间的显式语义对齐，同时引入样本加权蒸馏策略以优先处理可靠训练对并抑制噪声对	未明确提及具体局限性	在视觉地点识别任务中平衡准确性和效率	自动驾驶和机器人领域的视觉地点识别	computer vision	NA	分割引导蒸馏	StructVPR++	RGB图像	四个基准测试数据集
8082	2025-04-03	Spatiotemporal Observer Design for Predictive Learning of High-Dimensional Data 2025-Apr-01, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556669 PMID:40168192	research paper	该论文提出了一种基于观测器理论的深度学习架构，用于高维数据的时空预测学习	结合动态系统领域知识设计深度学习模型，提供泛化误差界和收敛保证，并引入动态正则化以更好地学习系统动态	未提及具体局限性	解决具有理论保证的时空预测问题	高维时空数据	machine learning	NA	NA	Spatiotemporal Observer	高维时空数据	NA
8083	2025-04-03	Leveraging Channel Coherence in Long-Term iEEG Data for Seizure Prediction 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556775 PMID:40168220	研究论文	本研究提出了一种基于相干性分析的癫痫发作预测方法CoSP，结合深度学习和长期颅内脑电图数据，提高了预测准确性	结合通道相干性分析和深度学习，提出新的癫痫发作预测方法CoSP，并在长期iEEG数据上验证其有效性	研究仅基于10名患者的数据，样本量较小	提高癫痫发作预测的准确性和可靠性	癫痫患者的颅内脑电图数据	生物医学信号处理	癫痫	脑电图(EEG)分析	CNN	脑电图信号	10名患者的长期iEEG数据
8084	2025-04-03	Integrating Clinical Insights via Hierarchical Inference to Predict Conditions in Bilaterally Symmetric Organs 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556717 PMID:40168215	研究论文	本文提出了一种用于双侧对称器官疾病预测的双边模型，结合了层次推理和自监督学习技术，以提高预测准确性和可解释性	该模型不仅提供初步诊断，还能预测随访时间，通过层次推理和自监督学习增强可解释性，优化计算效率并扩大数据集的有效规模	模型主要针对眼科病例，可能在其他双侧对称器官疾病上的泛化能力有待验证	开发一种能够同时支持初步诊断和随访预测的深度学习模型，以提升临床决策的可信度和效率	双侧对称器官（如眼睛）的疾病诊断和随访预测	数字病理学	眼科疾病	自监督学习	稀疏自编码器、诊断分类器和随访分类器	图像	NA
8085	2025-04-03	FIND: A Framework for Iterative to Non-Iterative Distillation for Lightweight Deformable Registration 2025-Apr-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556676 PMID:40168217	research paper	该论文提出了一个名为FIND的框架，用于将迭代式变形配准能力高效地转移到非迭代轻量级网络中，以在资源有限的设备上实现快速有效的医学图像配准	FIND框架通过双重步骤（循环蒸馏和高级特征蒸馏）有效转移复杂变形处理能力，使轻量级网络在保持高精度的同时显著提升速度	论文未明确说明该方法在极端变形情况下的表现或跨模态配准的适用性	解决深度学习网络在资源受限设备上部署时因复杂性导致的性能限制问题	医学图像变形配准任务	digital pathology	NA	知识蒸馏	非迭代轻量级网络(NIL)	医学图像	四个数据集（未明确样本数量）
8086	2025-04-03	MM-GTUNets: Unified Multi-Modal Graph Deep Learning for Brain Disorders Prediction 2025-Apr-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3556420 PMID:40168232	research paper	提出了一种名为MM-GTUNets的多模态图深度学习框架，用于大规模脑部疾病预测	引入了Modality Reward Representation Learning（MRRL）动态构建人群图，并采用Adaptive Cross-Modal Graph Learning（ACMGL）捕捉关键模态特定和模态共享特征	方法的效果依赖于多模态人群图建模的质量，且随着图规模的增加性能可能下降	开发一个端到端的图Transformer多模态图深度学习框架，用于脑部疾病预测	脑部疾病（BDs）	machine learning	brain disorders	Graph Transformer, Graph UNet, variational autoencoder	MM-GTUNets	imaging and non-imaging data	两个公共多模态数据集ABIDE和ADHD-200
8087	2025-04-03	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Apr-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本文提出了一种基于数字病理学的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗的益处	开发了一个基于自监督学习的基础模型，能够从标准H&E染色的组织病理学切片中预测预后，并在多个国际队列中验证了其效果	需要前瞻性验证以确认模型的临床应用价值	提高胃肠道癌症的诊断和治疗效果	胃肠道癌症患者	数字病理学	胃肠道癌症	自监督学习	深度学习模型	图像	104,876张全切片图像（来自1,619名胃癌和食管癌患者及2,594名结直肠癌患者）
8088	2025-04-03	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2025-Apr-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	提出一种结合深度神经网络和基因选择的新方法，用于心脏病分类和生物标志物发现	提出DeepGeneNet（DGN）框架，将基因选择和DNN分类统一，结合超参数优化和U-Net分割技术	未提及具体样本量或外部验证结果	提高心脏病分类的准确性和可解释性	微阵列基因表达数据	机器学习	心血管疾病	微阵列技术	DNN, U-Net	基因表达数据	NA
8089	2025-04-03	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-Apr-01, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	介绍了一种基于深度学习的饱和转移磁共振指纹图谱（MRF）技术，用于蛋白质、代谢物和pH的无创体内成像	深度MRF技术提供了一个快速、定量的框架，用于提取具有生物学和临床意义的分子信息，解决了传统技术的技术复杂性、半定量对比加权性质以及长扫描时间的问题	流程完成时间从48分钟到57小时不等，对于复杂的多质子池体内成像耗时较长	开发一种定量分子MRI的完整协议，用于癌症监测、脑髓鞘成像和pH量化等应用	体外样本、动物和人类扫描	数字病理	癌症、神经退行性疾病、中风和心脏病	饱和转移磁共振指纹图谱（MRF）、化学交换饱和转移（CEST）和半固态磁化转移（MT）定量成像	深度学习模型	MRI图像	未明确提及具体样本数量，但涉及体外样本、动物和人类扫描
8090	2025-04-03	A novel algorithm for automated analysis of coronary CTA-derived FFR in identifying ischemia-specific CAD: A multicenter study 2025-Apr-01, Medical physics IF:3.2Q1 DOI:10.1002/mp.17803 PMID:40170439	research paper	本研究验证了一种基于深度学习和水平集算法的冠状动脉CTA衍生FFR新型分析模型在识别缺血特异性CAD中的能力	结合深度学习和水平集算法优化冠状动脉3D重建的新型CT FFR算法	研究为回顾性分析，样本量相对有限（198根血管/171例患者）	验证新型CT FFR模型在识别病灶特异性缺血性冠状动脉疾病中的效能	接受CTA和有创FFR检查的冠状动脉血管	digital pathology	cardiovascular disease	coronary computed tomography angiography (CTA), invasive fractional flow reserve (FFR)	deep learning, level set algorithm	medical imaging	198 vessels from 171 patients across 4 medical centers
8091	2025-04-03	Deep graph learning of multimodal brain networks defines treatment-predictive signatures in major depression 2025-Mar-31, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-02974-6 PMID:40164695	研究论文	本研究利用深度图学习方法分析多模态脑网络数据，以预测重度抑郁症患者对抗抑郁药物的治疗反应	开发了一个基于图神经网络的深度学习框架，整合了fMRI和EEG数据，揭示了与治疗反应相关的多模态脑网络特征	样本量相对有限（265名患者），且仅针对特定抗抑郁药物（舍曲林）进行了研究	预测重度抑郁症患者对抗抑郁药物的个体化治疗反应	265名重度抑郁症患者（130名接受舍曲林治疗，135名接受安慰剂）	数字病理学	抑郁症	fMRI, EEG, 图神经网络	GNN	神经影像数据	265名患者（来自EMBARC研究）
8092	2025-04-03	Simultaneous detection of citrus internal quality attributes using near-infrared spectroscopy and hyperspectral imaging with multi-task deep learning and instrumental transfer learning 2025-Mar-22, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143996 PMID:40168872	研究论文	本研究利用高光谱成像（HSI）和近红外光谱（NIR）技术，结合多任务深度学习和仪器迁移学习，同时检测柑橘内部品质属性	开发了单任务和多任务卷积神经网络（CNN）模型，探索了从HSI到NIR的模型迁移可行性	研究仅针对两种柑橘品种（衢州椪柑和湘西长叶），模型在其他品种上的适用性未验证	同时测定柑橘水果的多种品质属性，并实现不同仪器间模型的成功迁移	衢州椪柑和湘西长叶两种柑橘的可溶性固形物含量（SSC）和pH值	计算机视觉	NA	高光谱成像（HSI）和近红外光谱（NIR）	CNN（卷积神经网络）	图像和光谱数据	两种柑橘品种（具体样本数量未提及）
8093	2025-04-03	Machine-learning models for Alzheimer's disease diagnosis using neuroimaging data: survey, reproducibility, and generalizability evaluation 2025-Mar-21, Brain informatics DOI:10.1186/s40708-025-00252-3 PMID:40117001	研究论文	本文综述了利用神经影像数据进行阿尔茨海默病诊断的机器学习模型，并评估了这些模型的可重复性和泛化性	对现有机器学习模型在阿尔茨海默病诊断中的可重复性和泛化性进行了系统性评估	现有模型在不同数据队列中泛化能力下降	评估机器学习模型在阿尔茨海默病早期诊断中的应用潜力	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	sMRI, fMRI, PET	传统机器学习(ML)和深度学习(DL)	神经影像数据	NA
8094	2025-04-03	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	research paper	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合了自监督预训练和监督微调，使用条件卷积联合自编码器学习稳健的波形和放电动态表示	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	machine learning	NA	自监督学习, 监督学习	conditional convolutional joint autoencoders	电生理记录数据	小鼠记录和脑切片
8095	2025-03-13	Publisher Correction: A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI images 2025-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92325-w PMID:40069280	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8096	2025-04-03	Comparative analysis of U-Mamba and no new U-Net for the detection and segmentation of esophageal cancer in contrast-enhanced computed tomography images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1116 PMID:40160632	研究论文	本研究旨在开发和验证一种深度学习模型，用于在增强CT图像中自动检测和分割食管癌病变	比较了U-Mamba和nnU-Net两种深度学习网络在食管癌检测和分割中的性能，并展示了其在减少漏诊和提供一致病变标注方面的优势	研究为回顾性设计，可能受到选择偏倚的影响，且仅使用了来自三家医院的数据	开发自动检测和分割食管癌病变的深度学习模型	食管癌患者和健康食管的个体	数字病理	食管癌	对比增强CT成像	U-Mamba和nnU-Net	医学图像	871名患者（564名男性），中位年龄67岁
8097	2025-04-03	Ultrasound-based deep learning radiomics for multi-stage assisted diagnosis in reducing unnecessary biopsies of BI-RADS 4A lesions 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-580 PMID:40160614	研究论文	本研究开发了基于超声图像的深度学习放射组学模型，用于改善BI-RADS 4A病变的诊断一致性并减少不必要的活检	提出了两种深度学习放射组学模型（DLR_LH和DLR_BM），用于乳腺病变风险重新分层和识别低恶性概率的BI-RADS 4A病变，以减少不必要的活检	研究为回顾性设计，可能受到选择偏倚的影响	提高乳腺超声成像诊断的准确性，减少不必要的活检	746名乳腺病变患者	数字病理	乳腺癌	深度学习放射组学	DLR（深度学习放射组学模型）	超声图像和临床变量	746名患者
8098	2025-04-03	Multitask Swin Transformer for classification and characterization of pulmonary nodules in CT images 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1619 PMID:40160630	research paper	提出了一种多任务Swin Transformer（MTST）模型，用于CT图像中肺结节的分类和特征分析	结合多任务学习框架，同时输出良恶性分类、多级分类和结节特征分析，提高了模型的性能和可解释性	模型性能依赖于数据质量和数量，且在实际临床环境中的泛化能力有待进一步验证	开发一种计算机辅助诊断（CAD）系统，用于肺结节的早期诊断和特征分析	CT图像中的肺结节	digital pathology	lung cancer	U-Net GAN用于图像增强	Swin Transformer, CNN	CT图像	训练集/验证集/测试集分别为9,600/2,400/1,600个结节
8099	2025-04-03	Deep learning for identifying cervical ossification of the posterior longitudinal ligament: a systematic review and meta-analysis 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1485 PMID:40160638	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在诊断和预测颈椎后纵韧带骨化症中的性能	首次系统评估深度学习模型在颈椎后纵韧带骨化症诊断中的表现，并与传统方法进行比较	研究方法存在差异，深度学习技术本身存在挑战	评估深度学习模型在颈椎后纵韧带骨化症诊断和预测中的准确性和可靠性	颈椎后纵韧带骨化症患者	数字病理学	颈椎病	深度学习	DLM	医学影像	7项研究共3,373名患者，荟萃分析包含1,016名患者
8100	2025-04-03	Advanced deep learning for multi-class colorectal cancer histopathology: integrating transfer learning and ensemble methods 2025-Mar-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1641 PMID:40160652	research paper	本研究开发了一种基于深度卷积神经网络（CNNs）的集成模型，用于结直肠癌组织病理学图像的多分类	结合迁移学习和集成方法优化深度学习模型在结直肠癌组织病理学图像分类中的性能	研究仅在一个公开数据集（EBHI）上进行了测试，未在其他数据集上验证模型的泛化能力	优化深度学习模型在结直肠癌组织病理学图像分类中的性能，以提高早期检测率和诊断准确性	结直肠癌组织病理学图像	digital pathology	colorectal cancer	deep learning, transfer learning, ensemble methods	CNN, ensemble model	image	EBHI数据集（具体样本数量未提及）