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
841	2025-10-05	Hybrid Fusion Model for Effective Distinguishing Benign and Malignant Parotid Gland Tumors in Gray-Scale Ultrasonography 2025-Sep-26, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.014 PMID:41015751	研究论文	开发了一种混合融合模型DLRN，用于辅助超声医师区分腮腺良恶性肿瘤	提出结合放射组学和迁移学习的混合融合模型，通过决策融合整合两种方法的预测概率	回顾性研究，样本量相对有限（328例患者）	开发辅助诊断腮腺良恶性肿瘤的深度学习模型	经病理证实的腮腺肿瘤患者	医学影像分析	腮腺肿瘤	灰度超声成像	混合融合模型	超声图像	328例患者来自两个中心	NA	8种机器学习分类器，7种迁移学习网络	AUC, 校准曲线, 决策曲线分析, Hosmer-Lemeshow检验	NA
842	2025-10-05	An open deep learning-based framework and model for tooth instance segmentation in dental CBCT 2025-Sep-25, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06578-w PMID:40996470	研究论文	开发了一个基于深度学习的开源框架和模型OralSeg，用于牙科CBCT图像中的牙齿实例分割	构建了密集标注的牙科CBCT数据集，结合Swin Transformer和空间Mamba模块进行多尺度残差特征融合，并部署为一键式工具	NA	解决当前牙科CBCT分割工具在准确性、可访问性和解剖覆盖范围方面的不足	牙科CBCT图像中的牙齿实例分割	计算机视觉	牙科疾病	CBCT成像	深度学习	医学图像	NA	3D Slicer平台	UNetR, Swin Transformer, 空间Mamba模块	Dice相似系数	NA
843	2025-10-05	Segmentation-model-based framework to detect aortic dissection on non-contrast CT images: a retrospective study 2025-Sep-25, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02098-z PMID:40996604	研究论文	开发基于分割模型的深度学习框架，用于在非增强CT图像上自动检测主动脉夹层并可视化其形态和范围	首次在非增强CT图像上使用分割模型检测主动脉夹层，并利用假腔体积作为诊断指标	回顾性研究，样本量有限，仅包含两个医疗中心的数据	开发自动化的主动脉夹层检测和可视化方法	接受主动脉CTA检查的患者	数字病理	心血管疾病	CT扫描	深度学习分割模型	医学影像	701名患者（中心1：545例，中心2：156例）	NA	分割模型	Dice系数, ICC, AUC, 灵敏度, 特异性, 阴性预测值	NA
844	2025-10-05	Attention-Enhanced CNNs and transformers for accurate monkeypox and skin disease detection 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12216-y PMID:40998853	研究论文	提出一种注意力增强的深度学习架构，用于从皮肤病变图像中准确检测猴痘和其他皮肤病	基于EfficientNetB7架构并增强坐标注意力机制，显著提升特征提取能力和分类准确率，在猴痘检测任务中达到前所未有的性能	未明确说明模型在真实临床环境中的部署挑战和计算资源需求	开发高精度的AI诊断工具用于猴痘和皮肤病的自动检测	皮肤病变图像	计算机视觉	猴痘, 皮肤病	图像分析	CNN, Transformer	图像	Monkeypox Skin Lesion Dataset (MSLD v2.0)数据集	NA	EfficientNetB7, Xception, Swin Transformer, ResNet-50, MobileNetV2	准确率, 精确率, 召回率, F1分数, AUC	NA
845	2025-10-05	Automated segmentation of brain metastases in magnetic resonance imaging using deep learning in radiotherapy 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15630-4 PMID:40998856	研究论文	本研究提出基于深度学习的脑转移瘤自动分割方法BUC-Net，用于放疗中的磁共振影像分析	提出结合级联策略和瓶颈模块的BUC-Net架构，在脑转移瘤分割任务中表现优于传统U-Net模型	回顾性研究，样本量有限（158例患者），需要进一步前瞻性验证	开发自动分割脑转移瘤的深度学习模型以提升放疗规划效率	脑转移瘤患者的磁共振影像	医学影像分析	脑转移瘤	磁共振成像	CNN	医学影像	158例符合条件的脑转移瘤患者	NA	U-Net	Dice相似系数, 95% Hausdorff距离, 平均表面距离, 精确率-召回率曲线, 受试者工作特征曲线, 相对体积差异	NA
846	2025-10-05	Multimodal text guided network for chest CT pneumonia classification 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14165-y PMID:40998864	研究论文	提出一种多模态文本引导网络用于胸部CT肺炎分类，通过融合CT序列和文本报告信息提升分类性能	设计了序列图池化网络编码CT序列，提出模态转移模块生成模拟文本特征，并采用跨模态注意力和对比学习增强特征学习	仅使用自建肺炎CT序列数据集，未在公共数据集上验证	开发自动肺炎诊断系统，解决CT序列分类中空间上下文信息丢失和多模态信息融合不足的问题	胸部CT序列和对应的文本报告	医学影像分析	肺炎	CT成像	图神经网络,注意力机制	CT序列图像,文本报告	自建肺炎CT序列数据集	NA	序列图池化网络,跨模态注意力,模态转移模块	分类性能指标	NA
847	2025-10-05	Steel surface defect detection algorithm based on improved YOLOv10 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16725-8 PMID:40998876	研究论文	提出一种基于改进YOLOv10的钢材表面缺陷检测算法LAM-YOLOv10n，用于解决工业实时检测中的计算复杂度和特征丢失问题	提出LAM-YOLOv10n模型，集成轻量级ghost模块降低计算成本，设计空间多尺度注意力(SMA)模块增强缺陷特征提取，引入多分支特征融合网络(MFFN)改进多尺度特征聚合	NA	开发高效实时的钢材表面缺陷检测算法	钢材表面缺陷	计算机视觉	NA	机器视觉	YOLOv10	图像	NA	NA	YOLOv10n, LAM-YOLOv10n	精度	NA
848	2025-10-05	A deep learning approach for improving spatiotemporal resolution of numerical weather prediction forecasts 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17867-5 PMID:40998886	研究论文	本研究提出了一种基于深度学习的时空融合模型，用于提高数值天气预报中风速和风向预测的时空分辨率与准确性	将全球预报系统与ERA5再分析数据相结合，采用一维卷积层进行空间数据融合和双向长短期记忆网络进行时空模式识别，显著提高了预报精度	NA	解决传统数值天气预报模型在航空运行风预报中的局限性	风速和风向预测	机器学习	NA	数值天气预报，深度学习	CNN, BiLSTM	气象数据	NA	NA	1D CNN, 双向LSTM	准确率，平均绝对误差	NA
849	2025-10-05	End-to-end CNN-based deep learning enhances breast lesion characterization using quantitative ultrasound (QUS) spectral parametric images 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15772-5 PMID:40998883	研究论文	本研究探索使用深度CNN从QUS光谱参数图像分类乳腺病变，旨在增强放射组学和传统机器学习方法	首次将端到端CNN模型应用于QUS光谱参数图像进行乳腺病变表征，相比传统方法性能显著提升	样本量相对有限（276例），需要更大规模数据验证模型泛化能力	开发基于深度学习的乳腺病变自动分类方法	乳腺病变患者	计算机视觉	乳腺癌	定量超声（QUS）光谱参数成像	CNN	图像	276名参与者（184例恶性，92例良性），共1764张QUS光谱参数图像	NA	ResNet, Inception-v3, Xception, EfficientNet	召回率, 特异性, 平衡准确率, AUC	NA
850	2025-10-05	Improved Inception-Capsule deep learning model with enhanced feature selection for early prediction of heart disease 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18551-4 PMID:40998899	研究论文	提出一种结合改进鲸鱼优化算法的混合深度学习框架IDLHICNet，用于心脏病早期预测	将胶囊网络的空间感知能力与Inception架构的特征提取能力相结合，并采用改进鲸鱼优化算法进行特征选择	仅在三个基准数据集上进行验证，需要更多临床数据验证泛化能力	开发高精度的心脏病早期预测模型	心脏病患者医疗数据	机器学习	心血管疾病	深度学习，特征选择算法	CNN, Capsule Network	医疗数据	三个基准数据集（Faisalabad、CVD和心力衰竭数据集）	NA	Inception, Capsule Network	准确率, 精确率, 召回率, F1分数	NA
851	2025-10-05	A multinational study of deep learning-based image enhancement for multiparametric glioma MRI 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17993-0 PMID:40998920	研究论文	验证商用深度学习图像增强软件在多国多中心胶质瘤多参数MRI图像质量改善中的效用	首次在多国多中心环境下验证商用供应商无关的深度学习图像增强软件对胶质瘤多参数MRI的图像质量改善效果	回顾性研究设计，仅包含三个机构的患者数据	评估深度学习图像增强技术在多参数胶质瘤MRI中的图像质量改善效果	胶质瘤患者的MRI图像	计算机视觉	胶质瘤	MRI成像	深度学习	医学图像	来自三个机构的294名患者	商用深度学习软件	NA	信噪比, 对比噪声比, 图像质量评分	NA
852	2025-10-05	Non-invasive detection of choroidal melanoma via tear-derived protein corona on gold nanoparticles: a machine learning approach 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17835-z PMID:40998935	研究论文	本研究探索了基于泪液样本中金纳米颗粒蛋白冠形成的无创检测方法，结合电喷雾电离质谱和机器学习技术来检测脉络膜黑色素瘤	首次将泪液样本中金纳米颗粒蛋白冠分析与机器学习相结合，开发无创脉络膜黑色素瘤检测方法	样本量较小（每组18个样本），m/z参数差异未达到统计学显著性	评估蛋白-纳米颗粒相互作用是否支持脉络膜黑色素瘤的早期可靠识别	6名健康个体和6名脉络膜黑色素瘤患者的泪液样本	机器学习	脉络膜黑色素瘤	电喷雾电离质谱(ESI-MS), 金纳米颗粒蛋白冠分析, 连续小波变换(CWT)	Random Forest, Support Vector Machine, Decision Tree, Deep Neural Network, CNN	质谱数据, 图像数据	12名受试者（6名健康，6名患者），通过数据增强扩展至每组18个样本	NA	VGG16, ResNet50, Xception	准确率, ROC AUC, 计算时间	NA
853	2025-10-05	Epileptic seizure detection from electroencephalogram signals based on 1D CNN-LSTM deep learning model using discrete wavelet transform 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18479-9 PMID:40998985	研究论文	提出一种基于1D CNN-LSTM深度学习模型结合离散小波变换的癫痫发作检测方法	结合离散小波变换进行EEG频带提取，并构建1D CNN-LSTM混合模型同时捕捉时空特征	NA	从脑电图信号中自动识别癫痫发作	癫痫患者的脑电图信号	机器学习	癫痫	离散小波变换	CNN, LSTM	脑电图信号	TUSZ语料库、BONN数据集和CHB-MIT数据集	NA	1D CNN-LSTM	准确率, Kappa值, GDR	NA
854	2025-10-05	MRI grading of lumbar disc herniation based on AFFM-YOLOv8 system 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18417-9 PMID:40999029	研究论文	开发基于AFFM-YOLOv8系统的深度学习模型，用于自动检测和分级腰椎间盘突出症	提出集成自适应多尺度特征融合的AFFM-YOLOv8架构，在MSU形态学分类标准下实现11种亚型的自动分级	研究仅使用轴向T2加权腰椎MRI序列，未包含其他MRI序列或影像模态	开发自动化腰椎间盘突出症诊断的深度学习框架	腰椎间盘突出症患者	计算机视觉	腰椎间盘突出症	磁共振成像	YOLOv8	医学影像	8428名患者（100000张轴向腰椎MRI）	NA	AFFM-YOLOv8	准确率, 精确率, 召回率, F1分数, Cohen's κ	NA
855	2025-10-05	A modified transformer based on adaptive frequency enhanced attention, large kernel convolution, and multiscale implementation for bearing fault diagnosis 2025-Sep-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18187-4 PMID:40999054	研究论文	提出一种基于自适应频率增强注意力、大核卷积和多尺度实现的改进Transformer模型，用于轴承故障诊断	集成大核卷积和多尺度CNN结构的注意力增强Transformer模型，结合时空特征建模与自适应频域增强技术	NA	开发在强噪声干扰下具有鲁棒性的轴承故障诊断方法	旋转机械轴承故障诊断	机器学习	NA	深度学习	Transformer, CNN	振动信号数据	帕德博恩大学和凯斯西储大学数据集	NA	Transformer, 大核卷积, 多尺度CNN	识别准确率	NA
856	2025-10-05	HKDE-LACM: a hybrid model for lactic acid bacteria classification via k-mer and DNABERT-2 embedding fusion with cyclic DE-BO optimization 2025-Sep-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-12009-7 PMID:40999328	研究论文	提出一种融合k-mer频率特征和DNABERT-2语义嵌入的混合模型HKDE-LACM，用于乳酸菌基因组序列分类	结合高维k-mer频率特征和DNABERT-2上下文嵌入，并采用循环差分进化与贝叶斯优化框架进行超参数优化	NA	提高乳酸菌基因组序列分类的准确性和鲁棒性	乳酸菌基因组序列	机器学习	NA	基因组序列分析	混合模型	基因组序列数据	三个乳酸菌数据集	NA	DNABERT-2	分类准确率, 鲁棒性	NA
857	2025-10-05	Development and clinical validation of a novel deep learning-based mediastinal endoscopic ultrasound navigation system for quality control: a single-center, randomized controlled trial 2025-Sep-24, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003469 PMID:40990678	研究论文	开发并临床验证了一种基于深度学习的纵隔超声内镜导航系统，用于提升检查质量	首次开发了专门针对纵隔超声内镜检查的AI导航系统，提供实时反馈以改善检查质量	单中心研究，未显示对第2站（隆突下区域）的显著改善，样本量有限	开发AI系统辅助纵隔超声内镜检查的质量控制	需要进行纵隔超声内镜检查的患者	计算机视觉	纵隔疾病	超声内镜	深度学习	图像	训练集：120名患者的11,230张标注图像；临床试验：148名患者	NA	NA	标准站完整性，结构完整性，操作时间	NA
858	2025-10-05	NeoCLIP: a self-supervised foundation model for the interpretation of neonatal radiographs 2025-Sep-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01922-6 PMID:40993183	研究论文	开发了首个针对新生儿X光片解读的自监督基础模型NeoCLIP，用于检测病理特征和医疗设备	首个专门针对新生儿放射影像设计的深度学习模型，采用对比学习方法，在新生儿领域超越了同类成人模型的效果	仅使用单一医疗中心的数据，纳入人口统计数据对性能提升无统计学显著性	开发专门用于新生儿X光片解读的深度学习模型	新生儿重症监护室收治的婴儿及其放射影像	计算机视觉	新生儿疾病	放射影像分析	对比学习模型	X光图像和对应报告文本	4629名婴儿，20,154张X光片，15,795份对应报告	NA	NeoCLIP	AUROC	NA
859	2025-10-05	RCANE: a deep learning algorithm for whole-genome pan-cancer somatic copy number aberration prediction using RNA-seq data 2025-Sep-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08712-6 PMID:40993228	研究论文	提出一种基于RNA-seq数据的全基因组泛癌体细胞拷贝数变异预测深度学习算法RCANE	首次开发仅使用RNA-seq数据即可预测全基因组体细胞拷贝数变异的深度学习框架，实现低成本获取表达定量和结构变异信息	NA	开发能够从RNA-seq数据准确预测体细胞拷贝数变异的计算方法	癌症基因组图谱(TCGA)和DepMap细胞系队列数据	机器学习	泛癌种	RNA-seq	深度学习	RNA-seq数据	TCGA和DepMap细胞系队列	NA	RCANE	NA	NA
860	2025-10-05	Artificial intelligence-enabled electrocardiography for risk prediction in chronic liver disease: A systematic review 2025-Sep-23, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133926 PMID:40997956	系统性综述	评估人工智能心电图在慢性肝病患者风险预测中的性能和临床效用	首次系统评估AI-ECG在慢性肝病风险预测中的应用，比较不同模型的性能表现	纳入研究数量有限（4项研究），模型敏感性和特异性仍需改进才能常规临床应用	评估AI增强心电图模型在慢性肝病患者风险预测中的表现	慢性肝病患者，包括肝硬化、食管静脉曲张和代谢功能障碍相关脂肪性肝病患者	机器学习	慢性肝病	心电图	CNN, 深度学习算法	心电图数据	133,408名参与者	NA	卷积神经网络	AUC, 敏感性, 特异性, Spearman相关系数	NA