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
9581	2025-05-31	Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae052 PMID:39114746	research paper	该研究应用卷积神经网络（CNN）识别人类胚胎植入前发育中的关键窗口，以预测体外受精（IVF）后的活产概率	利用CNN模型识别胚胎发育中的关键时间点，提高胚胎存活率评估的准确性，并展示了在有限数据集上的迁移学习能力	研究可能受限于数据集的大小和异质性，且模型性能可能因诊所间的数据差异而有所不同	提高体外受精（IVF）治疗中胚胎选择的有效性，以增加活产率	人类胚胎在体外受精（IVF）过程中的发育情况	digital pathology	NA	CNN	CNN	image	NA	NA	NA	NA	NA
9582	2025-05-31	A Functional Connectivity-Based Model With a Lightweight Attention Mechanism for Depression Recognition Using EEG Signals 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3509776 PMID:40030510	research paper	本研究设计了一种基于轻量级注意力机制的深度学习模型FCAN，用于通过EEG信号及其相干矩阵实现有效的抑郁症识别	设计了一种轻量级注意力机制，减少了模型参数和计算成本，并构建了FCAN模型，其在抑郁症识别上的分类性能优于基线模型	模型性能的稳定性可能受到参数初始化过程随机性的影响	开发一种高效的抑郁症识别方法	抑郁症患者的EEG信号	machine learning	depression	EEG信号分析	FCAN (Functional Connectivity Attention Network)	EEG信号及其相干矩阵	使用公共EEG数据集进行评估	NA	NA	NA	NA
9583	2025-05-31	Anatomical Location-Guided Deep Learning-Based Genetic Cluster Identification of Pheochromocytomas and Paragangliomas From CT Images 2024, Applications of Medical Artificial Intelligence : Second International Workshop, AMAI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings DOI:10.1007/978-3-031-47076-9_7 PMID:40342794	研究论文	本研究提出了一种基于解剖位置引导的深度学习方法来从CT图像中识别嗜铬细胞瘤和副神经节瘤的遗传簇	使用双分支视觉变换器（ViT）模型，结合解剖位置信息和遗传类型信息，通过监督对比学习策略优化分类性能	样本量相对较小（289名患者的1010个PPGLs），且模型性能仍有提升空间（准确率0.63±0.08）	开发一种替代昂贵且耗时的基因检测的方法，通过CT图像识别PPGLs的遗传簇	嗜铬细胞瘤和副神经节瘤（PPGLs）	数字病理	神经内分泌肿瘤	对比增强CT（CE-CT）扫描	双分支视觉变换器（ViT）	医学影像	289名患者的1010个PPGLs	NA	NA	NA	NA
9584	2025-05-31	Opportunities and Challenges in Applying AI to Evolutionary Morphology 2024, Integrative organismal biology (Oxford, England) DOI:10.1093/iob/obae036 PMID:40433986	综述	本文综述了人工智能在进化形态学研究中的应用现状与未来潜力	系统梳理了AI技术在进化形态学中的三阶段发展历程，并指出尚未开发的AI应用领域	未具体说明当前AI方法在进化形态学中的实际应用限制	探讨AI技术在进化形态学研究中的应用前景	进化形态学中的表型数据分析	机器学习	NA	机器学习、深度学习、多模态学习	NA	图像数据、表型数据	NA	NA	NA	NA	NA
9585	2025-05-31	Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue 2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2669719 PMID:40256010	研究论文	本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织	利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释	训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现	开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割	CT扫描中的脂肪组织	数字病理学	水肿	深度学习	3D残差U-Net	医学图像（CT扫描）	训练集101名患者，测试集14名患者（其中10名患有全身性水肿）	NA	NA	NA	NA
9586	2025-05-31	Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2655263 PMID:40248190	research paper	本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性	首次使用ResNet34自动分类多期CT扫描的静脉对比增强阶段，准确率达99%，优于VGG19和DenseNet121	研究使用的数据集仅包含395个弱标记的多期CT扫描，样本量相对较小	开发一种自动分类多期CT扫描的方法，以改进数据增强和深度学习模型的训练	多期CT扫描的静脉对比增强阶段	computer vision	NA	deep learning	ResNet34, VGG19, DenseNet121	image	395个多期CT扫描（316训练，79测试）	NA	NA	NA	NA
9587	2025-05-31	Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder 2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-16980-9_10 PMID:39026926	研究论文	提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性	设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督	需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的	通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能	脑部病变图像	计算机视觉	颞叶癫痫	深度学习	CNN, 对抗变分自编码器	图像	NA	NA	NA	NA	NA
9588	2025-05-31	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文报告了一种基于智能手机的多重DNA疟疾诊断端到端平台	结合低成本纸基微流体诊断测试、深度学习算法进行本地决策支持，以及区块链技术确保数据安全连接和管理	研究仅在乌干达农村地区进行验证，未涉及其他地区或疾病	开发一种快速、准确的疟疾诊断平台，适用于资源有限的农村社区	疟疾诊断	数字病理	疟疾	DNA诊断	深度学习	图像	乌干达农村地区的测试案例，准确率超过98%	NA	NA	NA	NA
9589	2025-10-06	High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy 2021-12-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.1c02178 PMID:34797972	研究论文	提出基于深度学习的拉曼光谱框架DeepeR，实现高通量分子成像	开发首个结合去噪重建与空间超分辨的深度学习拉曼光谱框架，实现最高160倍成像加速	需要大量训练数据（150万光谱），组织尺度成像需依赖迁移学习	解决拉曼光谱数据采集速度慢的问题，实现高通量分子成像	细胞和组织尺度的生物样本	计算生物医学成像	NA	拉曼光谱，深度学习	神经网络	高光谱拉曼图像	超过150万光谱（相当于400小时采集数据）	NA	NA	均方误差，空间分辨率	NA
9590	2025-10-07	The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms 2025-Aug-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.114934 PMID:40311725	研究论文	本研究通过深度学习算法分析伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响	首次使用YOLOv8和BoT-SORT深度学习算法分析社会缓冲行为，减少人为偏见并获取人类难以观察的变量	仅使用青春期Sprague-Dawley大鼠，样本时间窗口较短（仅3分钟缓冲期）	探究短暂社会接触是否能在恐惧条件反射后产生社会缓冲效应，以及伴侣互动对此效应的影响	青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性）	计算机视觉	NA	深度学习行为分析	目标检测算法	视频行为数据	青春期Sprague-Dawley大鼠群体（具体数量未明确说明）	YOLOv8, BoT-SORT	YOLOv8, BoT-SORT	行为相关性分析	NA
9591	2025-10-07	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-Jul-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	综述	评估人工智能在孤立性肺结节诊断中的应用价值及临床挑战	系统整合AI在影像学与液体活检中的诊断性能，强调临床转化障碍而非单纯技术细节	缺乏前瞻性多中心验证、存在过拟合风险、可解释性差且与临床评估指标重叠	探讨AI在肺结节诊断中的临床应用前景与局限性	孤立性肺结节（SPNs）	数字病理	肺癌	CT影像分析, RNA测序, 液体活检	CNN, 机器学习	医学影像, 基因组数据, 临床数据	NA	NA	NA	Dice相似系数, AUC	NA
9592	2025-10-07	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法系统评估机器学习算法在宿主-病原体相互作用预测中的应用现状	首次系统比较不同机器学习方法在HPI预测中的效果，提供未来研究路线图	数据集标准化不足和模型可解释性存在显著差距	评估机器学习在宿主-病原体相互作用预测中的有效性	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	传染病	机器学习算法	Random Forest, Gradient Boosting, CNN, RNN	分子相互作用数据	46篇相关文献中筛选30篇进行综述	NA	卷积神经网络, 循环神经网络	准确率	NA
9593	2025-10-07	Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography 2025-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3561599 PMID:40238602	研究论文	提出一种结合数据驱动和物理启发学习的混合方法，用于超声弹性成像中的剪切波速度估计	采用自适应无监督损失函数，能够在没有已知SWS值的真实数据上训练网络，减少伪影并提高鲁棒性	仅在实验体模数据和两名人类受试者的肝脏数据上进行了验证，样本量有限	提高超声弹性成像中剪切波速度估计的准确性和鲁棒性	剪切波在生物组织中的传播特性	医学影像分析	肝脏疾病	超声弹性成像，剪切波弹性成像	深度学习	超声RF/IQ数据，位移数据	实验体模数据和两名人类受试者的肝脏数据	NA	NA	准确性，可靠性	NA
9594	2025-10-07	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-Jun, 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.2025.104986 PMID:40318556	研究论文	本研究提出了一种基于双能CT虚拟单能图像的新型深度学习模型MIAU-Net，用于头颈部危及器官的自动分割	首次系统研究双能CT虚拟单能图像在自动分割中的应用，提出新型MIAU-Net模型并确定不同组织分割的最佳能量水平	研究样本量有限（46例患者），需要更多数据验证模型泛化能力	评估双能CT虚拟单能图像在自动分割中的性能并确定最佳能量水平	头颈部危及器官（脑干、视交叉、晶状体、下颌骨、眼睛、视神经）	医学影像分析	头颈部肿瘤	双能CT（DECT）、虚拟单能图像（VMI）	深度学习	CT医学图像	46例患者的双能CT数据	NA	MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse	Dice相似系数（DSC）	NA
9595	2025-10-07	AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143668 PMID:40339839	研究论文	提出一种基于指针网络的自动加权特征提取框架AutoFE-Pointer，用于DNA甲基化预测	使用改进的软化指针网络动态提取和加权DNA序列特征，能够同时处理多物种数据集	未明确说明模型在特定疾病类型上的具体表现	开发轻量级DNA甲基化预测工具，解决现有模型物种特异性限制和计算资源需求高的问题	DNA甲基化模式	计算生物学	癌症	DNA甲基化测序	指针网络	DNA序列数据	17个不同基准数据集（跨多个物种）	NA	改进的软化指针网络	预测准确性，跨物种泛化能力	本地离线环境部署
9596	2025-10-07	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, 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.2025.104993 PMID:40381258	研究论文	比较分析深度学习方法在乳腺超声病灶检测和分类中的性能	首次系统比较目标检测、语义分割和实例分割方法在乳腺超声病灶分析中的效果，并公开新的BUS-UCLM数据集	研究结果可能受限于所用数据集的特性和规模	评估不同深度学习方法在乳腺超声计算机辅助诊断系统中的性能	乳腺超声图像中的病灶	计算机视觉	乳腺癌	超声成像	CNN	医学图像	5个数据集（包括新收集的BUS-UCLM和4个公开数据集）	NA	Mask R-CNN, Poolformer	COCO AP50, Dice系数	NA
9597	2025-10-07	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	研究论文	提出一种基于涂鸦监督的病理图像细胞核分割框架S2L-CM，通过对比正则化和像素级多示例学习提升分割性能	结合自生成伪标签、多尺度对比正则化和像素级多示例学习，在稀疏标注条件下实现接近全监督性能的细胞核分割	性能仍略低于全监督学习方法，依赖初始涂鸦标注质量	开发弱监督的病理图像细胞核分割方法以减少人工标注成本	病理图像中的细胞核	数字病理	NA	深度学习	CNN	病理图像	四个细胞核数据集	PyTorch	NA	分割性能指标	NA
9598	2025-10-07	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-29, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	研究论文	本研究将深度核学习与高斯过程相结合应用于贝叶斯优化，以提升材料设计的效率	提出将深度核学习与高斯过程结合的贝叶斯优化方法，解决了传统高斯过程无法自动生成描述符的局限性	在寻找居里温度最高的合金任务中，标准高斯过程表现优于深度核学习模型	提升材料设计中贝叶斯优化的效率	氧化物数据集和有机-无机杂化钙钛矿合金	机器学习	NA	深度核学习	高斯过程,神经网络	材料特性数据	922个氧化物数据集和610个钙钛矿合金数据集	NA	深度核学习	效率比较	NA
9599	2025-05-30	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2025-May-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	research paper	本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法	通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳	研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力	提高放射治疗计划中风险器官（OARs）自动分割的精度和效率	盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs）	digital pathology	prostate cancer	CT	CNN, U-Net, ResU-Net, SegResNet, Attention U-Net	image	240例前列腺分割患者和220例其他器官分割患者	NA	NA	NA	NA
9600	2025-05-30	Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images 2025-May-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06858-x PMID:40439748	research paper	提出了一种基于混合注意力机制的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测	结合EfficientNetV2和Vision Transformers (ViT)，并引入SE块进行基于注意力的特征优化和U-Net病变定位模块以提高可解释性	未提及模型在更广泛或多样化数据集上的泛化能力	开发一种准确、高效且可解释的多标签眼科疾病自动检测方法	眼底图像中的多标签眼科疾病	digital pathology	ophthalmic disease	deep learning	EfficientNetV2, Vision Transformers (ViT), U-Net	image	多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre）	NA	NA	NA	NA