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
881	2025-12-09	Technical Review of Magnetic Resonance Fingerprinting Applications in Cerebral Physiology 2025-Dec-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70216 PMID:41353764	综述	本文综述了磁共振指纹技术在大脑生理学中的应用，重点介绍了血管成像的进展和生物物理模型的整合	通过创新的采集和计算方法，MRF实现了多组织特性的同时映射，并整合了机器学习以提升字典匹配和实时参数估计的准确性与可靠性	面临低信噪比和高计算需求的挑战	评估MRF技术在大脑生理学中的应用潜力，特别是在血管成像和临床转化方面	大脑生理学，包括血管成像、血流动力学参数和血管相关参数	数字病理学	脑血管疾病	磁共振指纹技术	深度学习	磁共振图像	NA	NA	NA	准确性	NA
882	2025-12-09	Identification of plant-parasitic nematode genera in turfgrass using deep learning algorithms 2025-Dec-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29467-4 PMID:41354739	研究论文	本研究评估了多种深度学习模型在草坪草寄生线虫属分类中的性能	首次将EfficientNet V2-S、MobileNetV3-L、ResNet101和Swin Transformer V2-B等先进CNN架构应用于草坪草寄生线虫分类，并采用BOHB算法进行超参数优化	研究仅针对七种线虫类群，且用户端平台测试准确率（82.47%）较内部测试有所下降，表明模型泛化能力仍需提升	开发基于深度学习的草坪草寄生线虫自动识别工具，以辅助植物诊断实验室的线虫管理	与草坪草相关的七种植物寄生线虫属	计算机视觉	NA	深度学习图像分类	CNN	图像	5406张植物寄生线虫图像	NA	EfficientNet V2-S, MobileNetV3-L, ResNet101, Swin Transformer V2-B	平衡分类准确率	NA
883	2025-12-09	An end-to-end deep learning pipeline for hematoma expansion prediction in spontaneous intracerebral hemorrhage based on non-contrast computed tomography 2025-Dec-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02213-w PMID:41354762	研究论文	本文开发了一个基于非对比增强CT的端到端深度学习流程，用于预测自发性脑出血中的血肿扩张	提出了一个模块化框架，结合了自动分割、合成数据增强和基于Vision Transformer的分类，特别是使用全尺度U-Mamba模型进行高质量血肿分割，并利用Diffusion-UKAN模型生成合成数据以平衡训练集	研究基于五个中心的2020名患者数据，外部验证仅涉及两个独立数据集，可能需要更多样化的数据以进一步验证泛化能力	预测自发性脑出血中的血肿扩张，以支持急性护理环境中的快速风险分层和临床决策	自发性脑出血患者	数字病理学	心血管疾病	非对比增强计算机断层扫描	Vision Transformer, U-Mamba, Diffusion-UKAN	图像	2020名患者来自五个中心	NA	Vision Transformer, 全尺度U-Mamba, Diffusion-UKAN	AUC	NA
884	2025-12-09	Integrated ultrasound radiomics and clinical data to predict PD-1 blockade efficacy in unresectable hepatocellular carcinoma 2025-Dec-07, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04512-8 PMID:41354910	研究论文	本研究开发了一个集成超声影像组学和临床数据的自动化框架，用于预测不可切除肝细胞癌患者对PD-1阻断疗法的反应	首次提出将超声影像组学与临床指标通过集成学习方法相结合，构建自动化预测框架，并探索了治疗反应背后的分子机制	验证队列样本量相对较小（n=60），模型在验证集上的性能（AUC 0.641）仍有提升空间	预测不可切除肝细胞癌患者对PD-1阻断疗法的治疗反应	不可切除肝细胞癌患者	数字病理学	肝细胞癌	超声影像组学，分子分析（KEGG/GO分析）	集成学习模型，卷积神经网络	超声图像，临床数据	回顾性多中心队列793例（模型开发），前瞻性队列60例（验证）	NA	优化卷积神经网络	AUC	NA
885	2025-12-09	Simultaneous attenuation and scatter correction of PET data in the image: quantitative and clinical assessment of image-to-image deep learning models 2025-Dec-06, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105683 PMID:41353875	研究论文	本研究利用深度学习模型将未经衰减散射校正的脑PET/CT图像转换为经测量衰减散射校正的图像，以定量和临床评估图像质量	首次采用图像到图像的深度学习模型（UNET和CGAN）直接从NASC图像生成MASC图像，无需CT数据，实现了同时的衰减和散射校正	研究仅针对癫痫患者的脑PET/CT图像，样本量相对较小（125例），且未在其他疾病或身体部位验证模型泛化能力	开发一种深度学习方法来校正PET图像中的光子衰减和散射，提高图像定量准确性，特别是在CT不可用的情况下	癫痫患者的脑PET/CT图像（使用18F-FDG示踪剂）	医学影像分析	癫痫	PET/CT成像，18F-FDG示踪剂	CNN, GAN	图像	125例癫痫患者的脑PET/CT图像	NA	UNET, CGAN	PSNR, SSIM, RMSE	NA
886	2025-12-09	Boosting brain tumor detection with an optimized ResNet and explainability via Grad-CAM and LIME 2025-Dec-05, Brain informatics DOI:10.1186/s40708-025-00279-6 PMID:41348154	研究论文	本研究通过优化ResNet架构并集成Grad-CAM和LIME等可解释性技术，提升脑肿瘤检测的准确性、泛化性和可解释性	结合动态学习率调整、架构增强（如解冻层、集成不同模块、池化和丢弃层）与可解释性AI技术，在提升模型性能的同时解决CNN在医学影像中缺乏可解释性的问题	研究依赖于公开的多类别肿瘤数据集，未在更广泛或临床实时数据上进行验证；虽然使用了三个数据集以确保泛化性，但可能仍存在特定数据分布的偏差	提高基于CNN的脑肿瘤检测模型的准确性、泛化性和临床可解释性	脑肿瘤的MRI影像	计算机视觉	脑肿瘤	MRI影像分析	CNN	图像	三个公开的多类别脑肿瘤数据集	未明确提及，推测为PyTorch或TensorFlow	ResNet	准确率	NA
887	2025-12-09	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	本文提出了一种名为T-SCAPE的新型多领域深度学习框架，用于预测T细胞免疫原性	利用对抗性领域适应整合多种免疫相关数据源，实现跨领域预测，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	NA	预测T细胞免疫原性以促进更安全有效的疫苗和蛋白质治疗剂的开发	肽片段、肽-MHC对、治疗性抗体	机器学习	NA	深度学习、对抗性领域适应	深度学习框架	免疫相关数据（MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、来源生物信息、T细胞激活）	NA	NA	NA	NA	NA
888	2025-12-09	Deep learning predicts real-world electric vehicle direct current charging profiles and durations 2025-Dec-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65970-y PMID:41350260	研究论文	本文提出了一种基于深度学习的框架，用于预测电动汽车直流快速充电的充电曲线和持续时间	利用真实世界的大规模充电会话数据（909,135个会话），仅需最少输入即可预测充电曲线和持续时间，并提供不确定性估计；模型能够从单个数据点开始预测，并随着新观测数据的到来进行增量式实时更新	未明确说明模型在不同气候条件、电池老化或极端充电场景下的泛化能力	准确预测电动汽车直流快速充电的充电曲线和持续时间，以支持充电基础设施的优化和能源规划	电动汽车的直流快速充电会话	机器学习	NA	深度学习	深度学习模型	时间序列数据（充电功率、荷电状态）	909,135个真实世界充电会话	未明确指定	未明确指定	准确率、绝对误差	未明确指定
889	2025-12-09	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	本研究评估了两种3D卷积神经网络模型在基于脑部MRI进行阿尔茨海默病进展二元分类中的表现	比较了全体积处理与基于神经解剖学区域特征提取的两种CNN方法，后者利用特定脑区灰质体积差异提升性能	研究结果仅基于ADNI数据集，需要在更广泛的临床人群中进行验证	通过深度学习模型提高阿尔茨海默病进展的早期检测和监测精度	阿尔茨海默病患者的脑部MRI数据	计算机视觉	阿尔茨海默病	MRI神经影像生物标志物分析	CNN	3D MRI图像	NA	NA	3D CNN	准确率	NA
890	2025-12-09	An Explainable Hybrid CNN-LSTM Framework for Accurate Sequence-Based Classification of RNA N6-Methyladenosine (m6A) Modification 2025-Dec-05, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100383 PMID:41354216	研究论文	本文提出了一种结合CNN-LSTM和SHAP的混合框架，用于准确分类RNA N6-甲基腺苷（m6A）修饰位点	将SHAP特征选择与CNN-LSTM模型结合，提升预测性能并提供生物学解释性	未明确说明样本规模或数据集的潜在偏差	准确识别RNA m6A修饰位点，以支持转录组范围内的表观转录组学分析	RNA序列中的m6A修饰位点	自然语言处理	NA	RNA序列分析	CNN, LSTM	序列数据	NA	TensorFlow, PyTorch, Keras	CNN-LSTM	准确率, 灵敏度, 特异性, MCC	NA
891	2025-12-06	Spike train analysis in rehabilitation movement classification using deep learning approach 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25268-x PMID:41345141	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
892	2025-12-09	Beyond convolutions and supervised learning with transformers and representation learning for retinal image analysis 2025-Dec-04, Progress in retinal and eye research IF:18.6Q1 DOI:10.1016/j.preteyeres.2025.101419 PMID:41352580	综述	本文综述了视网膜图像分析领域的最新进展，重点介绍了从监督学习向无标签表示学习的转变，以及视觉Transformer作为卷积神经网络替代方案的出现	聚焦于无标签表示学习方法和视觉Transformer在视网膜图像分析中的应用，超越了传统监督学习和卷积神经网络的局限	作为综述文章，未提出新的实验方法或模型，主要总结现有研究进展	总结视网膜图像分析领域的技术进展，特别是无标签学习和Transformer架构的应用	视网膜图像分析技术	计算机视觉	NA	NA	Transformer, CNN	图像	NA	NA	视觉Transformer, 卷积神经网络	NA	NA
893	2025-12-09	Characterizing and Evaluating Mental Health Misinformation on Social Media: A Qualitative and Deep Learning-Based Study 2025-Dec-04, Cyberpsychology, behavior and social networking DOI:10.1177/21522715251403844 PMID:41354555	研究论文	本研究提出了一种结合定性分析和深度学习的集成框架，用于自动检测和评估社交媒体上的心理健康错误信息	通过专家访谈和扎根理论，开发了一个包含七个维度的21级细粒度可信度评估框架，并构建了高质量的中文社交媒体数据集	所有三个模型在评估证据质量和检测上下文依赖的错误信息方面面临挑战	自动检测和评估社交媒体上的心理健康错误信息，以提高在线心理健康信息的可信度	中文社交媒体帖子	自然语言处理	心理健康	NA	GRU, BERT, RoBERTa	文本	814个中文社交媒体帖子	NA	GRU, BERT, RoBERTa	NA	NA
894	2025-12-09	GoFlow: efficient transition state geometry prediction with flow matching and E(3)-equivariant neural networks 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00283d PMID:41189760	研究论文	本文提出了一种名为GoFlow的新方法，利用流匹配和E(3)-等变神经网络高效预测化学反应过渡态几何结构	将过渡态生成建模为最优传输流问题，采用E(3)-等变流匹配与几何张量网络，相比现有方法实现了百倍以上的推理加速和几何精度提升	未明确说明方法在具体分子系统规模或反应类型上的限制	开发高效准确的机器学习方法，用于从二维反应图预测化学反应过渡态几何结构	化学反应的过渡态几何结构	机器学习	NA	NA	E(3)-等变神经网络	二维反应图	NA	NA	几何张量网络	几何精度, 推理速度	NA
895	2025-12-09	MaskTerial: a foundation model for automated 2D material flake detection 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00156k PMID:41220578	研究论文	本文提出了一种名为MaskTerial的基础模型，用于自动化检测和分类光学显微镜图像中的二维材料薄片	利用合成数据生成器进行广泛预训练，使模型能够仅用5到10张图像快速适应新材料，并采用不确定性估计模型基于光学对比度对预测进行最终分类	未明确说明模型在更广泛材料类型或复杂背景下的泛化能力	自动化检测和分类剥离的二维材料薄片，提高分类准确性、客观性和样品制备效率	光学显微镜图像中的二维材料薄片	计算机视觉	NA	光学显微镜成像	实例分割网络	图像	八个不同数据集，包含五种不同的二维材料	NA	NA	NA	NA
896	2025-12-09	Machine learning models for predicting vasospasm following ruptured intracranial aneurysms: a systematic review and meta-analysis 2025-Dec-03, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06725-y PMID:41339534	综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测动脉瘤性蛛网膜下腔出血后血管痉挛方面的性能	首次对机器学习预测动脉瘤性蛛网膜下腔出血后血管痉挛的研究进行系统综述和荟萃分析，并比较了不同算法类型的性能	研究方法存在异质性，外部验证有限，缺乏前瞻性试验，患者选择存在偏倚风险	评估机器学习模型预测动脉瘤性蛛网膜下腔出血后血管痉挛的准确性和临床适用性	动脉瘤性蛛网膜下腔出血患者	机器学习	脑血管疾病	NA	深度学习, 回归模型, 集成方法, SVM	临床数据和影像数据	NA	NA	人工神经网络, 随机森林	灵敏度, 特异性, AUC-ROC, NPV, PPV	NA
897	2025-12-09	SOC Prediction of Li-Ion Battery Based on EKF and CNN-BiLSTM-Attention 2025-Dec-02, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c06451 PMID:41358071	研究论文	本文提出了一种融合扩展卡尔曼滤波、卷积神经网络、双向长短期记忆网络和注意力机制的锂离子电池荷电状态预测模型	将物理模型驱动的扩展卡尔曼滤波算法与数据驱动的深度学习模型相结合，通过物理先验约束提升预测结果的物理一致性和鲁棒性	实验验证仅在10°C和25°C两种温度下的多种工况进行，未涵盖更宽的温度范围或更极端的工况	提高锂离子电池荷电状态估计的准确性、物理一致性和泛化能力	磷酸铁锂电池	机器学习	NA	NA	CNN, BiLSTM, Attention, EKF	电池运行数据	NA	NA	CNN-BiLSTM-Attention与EKF融合架构	平均估计误差	NA
898	2025-12-09	Improving Robustness and Reliability in Medical Image Classification With Latent-Guided Diffusion and Nested-Ensembles 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3583974 PMID:40587343	研究论文	本文提出了一种名为LaDiNE的新集成学习方法，结合视觉Transformer的鲁棒性和基于扩散的生成模型，以提高医学图像分类的可靠性	首次将视觉Transformer的鲁棒性与扩散模型作为灵活密度估计器结合，以同时应对未知噪声、对抗性扰动和分辨率退化，提升预测准确性和置信度校准	未明确说明方法在更广泛医学图像数据集或实际临床部署中的泛化能力	提高医学图像分类在面临意外图像损坏和噪声扰动时的鲁棒性和可靠性	肺结核胸部X光图像和黑色素瘤皮肤癌图像	计算机视觉	肺结核, 皮肤癌	NA	Vision Transformer, 扩散模型	图像	NA	NA	Transformer编码器块	预测准确性, 置信度校准	NA
899	2025-12-09	In Vivo Laparoscopic Image De-Smoking Dataset, Evaluation, and Beyond 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584641 PMID:40601460	研究论文	本文提出了首个用于腹腔镜手术烟雾去除的真实配对数据集，并评估了现有去烟雾方法的性能	构建了首个来自真实腹腔镜手术记录的配对烟雾-无烟雾数据集，并开发了运动跟踪技术来补偿患者非自主运动，确保可靠的图像配对	数据集仅来自前列腺切除术和胆囊切除术两种手术类型，可能无法完全代表所有腹腔镜手术场景	开发有效的腹腔镜手术烟雾去除算法，并评估现有方法的性能	腹腔镜手术图像	计算机视觉	前列腺癌	腹腔镜手术记录	NA	图像	132例前列腺切除术记录（提取41个视频序列，2000对图像）和45例胆囊切除术记录（提取68个视频序列，1000对图像）	NA	NA	NA	NA
900	2025-12-09	A Novel Few-Shot Learning Framework for Supervised Diffeomorphic Image Registration Network 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585199 PMID:40601459	研究论文	本文提出了一种新颖的小样本学习框架，用于监督式微分同胚图像配准网络	提出了一种结合随机微分同胚生成器（RDG）和监督式小样本学习网络的新型框架，理论上仅需单张图像数据即可生成训练标签，并在损失函数中仅需确保形变平滑性即可有效消除物理网格折叠现象	未明确讨论框架在极端形变或不同模态医学图像上的泛化能力，也未提供大规模临床数据集的验证结果	解决医学图像配准中监督式网络面临的两个主要挑战：物理网格折叠和标记训练数据稀缺	医学图像配准任务	计算机视觉	NA	深度学习图像配准	监督式小样本学习网络	医学图像	理论上单张图像数据即可（小样本设置）	未明确说明（代码链接为GitHub仓库）	随机微分同胚生成器（RDG）与监督式小样本学习网络的组合架构	网格折叠消除性能（与其他基于学习的方法比较）	NA