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
1001	2025-12-07	Neural representation of trustworthiness encoding and inference in crowds 2025-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121575 PMID:41213443	研究论文	本研究利用脑电图解码和基于深度学习的可解释性方法，探讨了人群可信度感知的神经动力学机制	首次结合EEG解码和深度学习可解释性方法研究人群情境下的可信度感知神经机制，揭示了整体编码加速社会印象形成的过程，并发现人群与个体可信度共享高级神经表征	未明确说明样本的具体人口学特征，实验环境可能未完全模拟真实社交场景，深度学习模型的可解释性方法仍有局限	探究人群可信度感知的认知与神经机制	人群与个体的面部可信度感知	机器学习	NA	脑电图（EEG），深度学习	深度学习模型	脑电图信号，行为数据	未明确说明	未明确说明	未明确说明	解码准确率	未明确说明
1002	2025-12-07	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	本文提出了一种名为TripleFusionNet的新型端到端深度学习框架，用于从组织病理学和内窥镜图像中增强结直肠疾病的分类诊断	提出了一种独特的三流架构，结合了EfficientNetB3、ResNet50和DenseNet121的优势，并集成了多尺度注意力模块、Squeeze-Excite细化块和渐进门控融合机制，以动态学习上下文感知权重进行最优特征集成	未明确说明模型在更广泛、更多样化数据集上的泛化能力，也未详细讨论在真实临床环境中的部署挑战	开发一种稳健的早期结直肠癌诊断方法，提升计算机辅助诊断工作流的性能	结直肠疾病	计算机视觉	结直肠癌	深度学习	CNN	图像	两个结直肠基准数据集：CRCCD_V1（14类）和LC25000（二分类）	未明确指定，可能为TensorFlow或PyTorch	EfficientNetB3, ResNet50, DenseNet121	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	未明确指定
1003	2025-12-07	AveragedLIME for general explanations in EEG domain 2025-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121588 PMID:41240887	研究论文	本文提出了一种名为averagedLIME的方法，通过平均LIME生成的局部解释来实现CNN决策的全局解释，特别适用于具有相对稳定空间分布的系统，如基于事件相关电位（ERP）的系统	开发了averagedLIME方法，通过平均局部解释来揭示CNN在EEG数据中的一般模式，相比SHAP和Grad-CAM等现有技术，能产生更一致和可泛化的激活模式	方法主要适用于具有相对稳定空间分布的系统，可能不适用于空间分布变化较大的场景	旨在提高基于深度学习的神经信息学和诊断应用系统的透明度，通过全局解释CNN决策	脑电图（EEG）数据，特别是事件相关电位（ERP）系统	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	CNN	EEG数据	NA	NA	CNN	一致性，可泛化性	NA
1004	2025-12-07	Anatomy-informed deep learning and radiomics for neurofibroma segmentation in whole-body MRI 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102667 PMID:41241992	研究论文	本研究提出了一种结合解剖学信息深度学习和影像组学的流程，用于在全身磁共振成像中分割神经纤维瘤	提出了一种三阶段流程，整合了基于解剖学的高风险区域细化、3D各向异性解剖信息感知U-Net集成以及基于影像组学的假阳性过滤，以提高分割的准确性和特异性	在低肿瘤负荷情况下的分割性能显著下降；专家间的标注一致性有限，反映了任务本身的复杂性	开发一个用于神经纤维瘤病1型患者全身MRI中神经纤维瘤自动分割的流程，以量化肿瘤负荷并辅助临床决策	神经纤维瘤病1型患者的全身磁共振成像	数字病理	神经纤维瘤病	全身磁共振成像	深度学习	医学影像	来自74名NF1患者的109次全身MRI扫描	NA	3D anisotropic anatomy-informed U-Net, 2D nnU-Net, 3D full-resolution nnU-Net	Dice Similarity Coefficient, Volume Overlap Error, Absolute Relative Volume Difference, F1 score	NA
1005	2025-12-07	PET/CT-based deep learning model predicts distant metastasis after SBRT for early-stage NSCLC: A multicenter study 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102663 PMID:41260004	研究论文	本研究开发并验证了一个基于18F-FDG PET/CT图像的深度学习融合模型，用于预测早期非小细胞肺癌患者接受立体定向放射治疗后发生远处转移的风险	利用变分自编码器从CT、PET及融合图像中提取深度学习特征，构建融合模型，其预测性能优于单独的CT或PET模型，并在多中心数据集中得到验证	研究样本量相对有限（共566例患者），且外部测试集样本较少（n=80），可能影响模型的泛化能力	开发一个基于深度学习的预测模型，以评估早期非小细胞肺癌患者接受立体定向放射治疗后发生远处转移的风险	早期非小细胞肺癌患者	数字病理学	肺癌	18F-FDG PET/CT成像	变分自编码器, 全连接网络	图像	566例患者（来自5家医院），分为训练集（347例）、内部测试集（139例）和外部测试集（80例）	NA	变分自编码器, 全连接网络	C-index, 风险比	NA
1006	2025-12-07	Deep learning-based dual-energy subtraction synthesis from single-energy kV x-ray fluoroscopy for markerless tumor tracking 2025-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03432-9 PMID:40864422	研究论文	本研究提出了一种基于深度学习的双能量减影合成方法，用于从单能量X射线透视图像中合成双能量减影图像，以增强无标记肿瘤跟踪的准确性	通过深度学习模型从单能量X射线透视图像合成双能量减影图像，避免了依赖特殊硬件的双能量成像限制，提高了肿瘤跟踪的准确性	研究使用了数字体模模拟数据集进行训练，可能未完全覆盖临床实际中的复杂情况，且样本量有限（仅十名肺癌患者）	开发一种无需特殊硬件的双能量减影合成方法，以改善移动肺肿瘤在放射治疗中的无标记跟踪精度	移动肺肿瘤在X射线透视图像中的跟踪，涉及数字体模和临床肺癌患者的透视图像	计算机视觉	肺癌	X射线透视成像	CNN	图像	数字体模模拟数据集和十名肺癌患者的临床单能量X射线透视图像	NA	Residual U-Net	平均跟踪误差（毫米），跟踪成功率（百分比）	NA
1007	2025-12-07	Ground-based imagery dataset for early weed classification in tomato crops 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112249 PMID:41342005	研究论文	本文介绍了一个用于番茄作物早期杂草分类的地面图像数据集	提供了一个公开可用的、高分辨率RGB图像数据集，专门针对番茄作物早期发育阶段的杂草物种识别，支持深度学习模型的训练与评估	数据集仅来自西班牙一个特定农业区域（Santa Amalia, Badajoz）的番茄田，可能无法代表其他地区或作物的杂草分布	推动精准农业的发展，通过早期杂草识别实现定点管理，减少除草剂使用，促进可持续作物生产	番茄作物田中的早期发育阶段杂草	计算机视觉	NA	RGB图像采集	CNN, Vision Transformer	图像	1217张JPG图像，包含21,208个标注实例（2021年：938张图像，9060个实例；2022年：278张图像，11,931个实例）	NA	NA	NA	NA
1008	2025-12-07	SDNET 2025- Annotated dataset of steel bolted connection evaluation 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112254 PMID:41342008	研究论文	本文介绍了一个用于钢结构中螺栓连接缺陷检测的公开数据集SDNET 2025，包含松动、缺失和固定螺栓的标注图像	提供了一个公开可用的螺栓缺陷检测数据集，结合了现场视觉检查和实验室模拟数据，以支持深度学习模型在自主螺栓连接评估中的应用	数据集规模相对有限（826张图像），且可能未覆盖所有实际环境中的复杂缺陷类型	开发一个用于自动化评估钢结构中螺栓连接缺陷的数据集，以促进AI在结构健康监测中的应用	钢结构的螺栓连接，包括桥梁和高杆等	计算机视觉	NA	视觉成像，无人机系统（UAS）	NA	图像	826张标注图像（包括324张松动螺栓、200张缺失螺栓和302张固定螺栓图像）	NA	NA	NA	NA
1009	2025-12-07	Harnessing Statistical and Machine Learning Approaches to Analyze Oxidized LDL in Clinical Research 2025-Dec, Cell biochemistry and biophysics IF:1.8Q4 DOI:10.1007/s12013-025-01837-9 PMID:40884728	综述	本文综述了在临床研究中用于评估氧化低密度脂蛋白水平的统计和机器学习方法，并讨论了其优势、局限性和临床相关性	整合并比较了传统统计方法与新兴机器学习及人工智能方法在OxLDL研究中的应用，强调了标准化分析流程对于可重复性、可解释性和临床转化的重要性	未提供具体的实验数据或新模型验证，主要基于现有文献进行综述分析	探讨如何利用统计和机器学习方法分析氧化低密度脂蛋白，以促进其在临床研究中的标准化和应用	氧化低密度脂蛋白及其在动脉粥样硬化、2型糖尿病、代谢综合征、阿尔茨海默病和慢性肾病等慢性疾病中的作用	机器学习	心血管疾病	NA	深度学习	临床数据、生化数据、影像数据	NA	NA	NA	NA	NA
1010	2025-12-07	Trends and applications of variational autoencoders in medical imaging analysis 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102647 PMID:41100999	综述	本文综述了2018年至2024年间变分自编码器在医学影像分析中的趋势与应用	通过文献计量分析揭示了VAE在医学影像中的研究趋势，并强调了深度学习工作流程标准化的重要性	NA	分析变分自编码器在医学影像分析中的应用趋势与潜力	118篇Web of Science数据库中的相关文章	医学影像分析	NA	NA	变分自编码器	医学影像	NA	NA	变分自编码器	NA	NA
1011	2025-12-07	ESAM2-BLS: Enhanced segment anything model 2 for efficient breast lesion segmentation in ultrasound imaging 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102654 PMID:41130123	研究论文	提出了一种名为ESAM2-BLS的增强型深度学习模型，用于高效分割超声图像中的乳腺病灶	通过引入适配器模块定制和微调预训练的SAM2模型，专门针对乳腺超声图像的独特挑战（如斑点噪声、低对比度边界、阴影伪影和各向异性分辨率）进行优化，显著提高了分割准确性，特别是对于低对比度和小病灶区域	NA	解决乳腺超声图像中病灶区域分割的挑战，提供高效的自动化分割解决方案	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	深度学习模型	图像	超过1600名患者的两组数据集	NA	SAM2, ESAM2-BLS	Dice分数	NA
1012	2025-12-07	Multistain multicompartment automatic segmentation in renal biopsies with thrombotic microangiopathies and other vasculopathies 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102658 PMID:41167096	研究论文	本文开发了一种用于肾活检中血栓性微血管病及其他血管病变的自动多染色多区域分割流程	开发了覆盖六个关键区域（动脉、小动脉、肾小球、皮质、髓质、被膜/其他）的自动多染色分割流程，并发布了集成QuPath的开源端到端工具包NePathTK	小动脉区域的分割性能相对较低（Dice系数为0.553），且模型在泛化到其他染色方法或更广泛的血管病变类型时可能存在限制	开发一种能够泛化于不同染色方法并捕获严重形态学扭曲的自动组织分割方法，以支持肾活检的大规模分析	来自七个中心的158例肾活检样本，包括血栓性微血管病（TMA）和类似病变（Mimickers）	数字病理学	肾脏疾病	多染色全玻片图像分析	CNN, Transformer	图像	158例肾活检样本（训练集79例，验证集26例，测试集53例）	PyTorch, QuPath	U-Net, FPN, DeepLabV3+, Mask2Former, SegFormer, SegNeXt, ResNet-34, DenseNet-121, EfficientNet-v2-S, ConvNeXt-Small, Swin-v2-B	Dice系数, 准确率	NA
1013	2025-12-07	CDANet: A context-detail aware network for marine oil spill detection in SAR imagery 2025-Dec-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140683 PMID:41349300	研究论文	本研究提出了一种用于SAR图像海洋溢油检测的上下文-细节感知网络（CDANet），并构建了一个综合性的SAR溢油数据集	提出了CDANet网络，通过整合Mamba状态空间模型、多尺度交叉注意力机制和扩张正交特征融合策略，同时捕获全局语义和局部细节	未明确说明模型在极端天气条件或极高海况下的检测性能	开发准确高效的海洋溢油检测技术	合成孔径雷达（SAR）图像中的海洋溢油	计算机视觉	NA	合成孔径雷达（SAR）成像	深度学习模型	SAR图像	基于Sentinel-1和GF-3数据构建的综合数据集，包含多年份、多地理区域、多溢油形态和多极化模式	NA	CDANet（整合Mamba状态空间模型、多尺度交叉注意力机制、扩张正交特征融合）	精确率，F1分数	NA
1014	2025-12-07	Integrating lesser omentum adipose CT in dual-phase tumor imaging: A multi-label deep learning framework for preoperative microvascular invasion prediction and survival analysis in hepatocellular carcinoma 2025-Dec-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109197 PMID:41349434	研究论文	本研究开发了一个多标签深度学习框架，通过整合小网膜脂肪CT与双期肿瘤成像，用于肝细胞癌术前微血管侵犯预测和生存分析	提出CGAResNet18双分支模型，首次将小网膜脂肪CT特征与动脉期和静脉期肿瘤CT通道级联融合，并利用多标签临床数据辅助训练，显著提升MVI预测性能	研究基于回顾性数据，样本量有限，且仅来自两个中心，需要更大规模的前瞻性验证	开发深度学习框架以术前预测肝细胞癌的微血管侵犯和生存风险，指导个性化治疗	肝细胞癌患者	计算机视觉	肝细胞癌	CT成像	深度学习	CT图像	来自两个中心的回顾性数据，具体样本数未明确说明	NA	CGAResNet18	AUC, 95%置信区间, 假阳性率, 假阴性率	NA
1015	2025-12-07	Novel deep learning solutions with layered recurrent neural networks for nonlinear stiff Dahl hysteresis model in piezoelectric actuator 2025-Nov-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108378 PMID:41349175	研究论文	本文提出了一种基于分层循环神经网络的新深度学习方法，用于建模压电执行器中的非线性刚性Dahl迟滞模型	采用结合Levenberg-Marquardt优化技术的反向传播循环神经网络来近似Dahl迟滞模型的解，提高了对驱动幅度和频率变化的响应能力	依赖于合成生成的数据，可能未完全反映真实世界的复杂性；训练稳定性和可解释性仍需进一步改进	开发一种深度学习方法以更准确地建模压电执行器的非线性迟滞行为，提升其在高性能精密定位应用中的潜力	压电执行器及其相关的Dahl迟滞模型	机器学习	NA	数值积分（Adams时间积分方案）	RNN, BP-RNN	时间序列数据（位移时间序列）	通过四种不同激励输入（单位幅度正弦波、带直流偏移的正弦波、阻尼瞬态、阻尼谐波）系统变化参数生成的合成数据	NA	分层循环神经网络	均方误差, 直方图分析, 回归分析	NA
1016	2025-12-07	[Design and validation of a multimodal model integrating text and imaging data for intelligent assessment of psychological stress in college students] 2025-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.11.23 PMID:41311092	研究论文	本研究提出了一种整合社交媒体文本和图像数据的多模态模型，用于自动评估大学生的心理压力水平	通过结合文本情感建模（使用Bi-LSTM）和图像情感建模（使用U-Net）的多模态融合预测模块，实现了跨模态语义协作，以自动识别轻度、中度和重度三种心理压力水平	样本量相对较小（仅252个样本用于训练和测试），且数据来源于广东省多所大学，可能限制了模型的泛化能力	开发智能心理健康服务，支持高等教育机构中大学生心理压力的自动化评估	大学生	自然语言处理,计算机视觉	心理健康问题	深度学习	Bi-LSTM, U-Net	文本,图像	252个样本（来自1577名学生的社交媒体数据，经过清洗后随机选取）	NA	Bi-LSTM, U-Net	准确率, F1分数	NA
1017	2025-12-07	A deep learning framework for finger motion recognition using forearm ultrasound imaging 2025-Nov-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23348-6 PMID:41224842	研究论文	本文提出了一种基于深度学习的前臂超声成像手指运动分类方法	采用B模式超声成像替代传统的表面肌电图或A模式超声，以捕获更广泛的解剖特征并降低对传感器放置的敏感性	NA	实现手指运动的精确分类，以支持手势识别、机器人手控制和医疗康复等应用	前臂肌肉在九种预定义手指运动（包括五种单指运动和四种多指运动）中的实时超声图像	计算机视觉	NA	B模式超声成像	深度学习	图像	NA	NA	NA	准确率, F1分数	NA
1018	2025-12-07	Automatic detection of simulated artifacts on T1w magnetic resonance images: comparing performance of different QC strategies 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.31.25339144 PMID:41282830	研究论文	本文系统比较了基于规则、经典机器学习和深度学习在检测T1加权磁共振图像模拟伪影上的性能	首次在统一框架下对比三种QC策略，并利用合成伪影数据评估其对不同伪影类型和严重程度的检测能力	研究使用模拟伪影而非真实临床数据，可能无法完全反映实际应用中的复杂性	评估不同质量控制在神经影像数据中的性能，为大规模研究提供方法学指导	T1加权磁共振图像及其模拟的模糊、重影、运动和噪声伪影	医学影像分析	NA	磁共振成像	深度学习, 经典机器学习, 基于规则的方法	图像	1000个高质量T1w扫描，通过合成生成40000个退化图像	TorchIO, MRIQC	NA	Youden's Index, Krippendorff's α, Spearman's ρ	NA
1019	2025-12-07	An Integrated Model Combined Conventional Radiomics and Deep Learning Features to Predict Early Recurrence of Hepatocellular Carcinoma Eligible for Curative Ablation: A Multicenter Cohort Study 2025 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001764 PMID:40338065	研究论文	本研究开发并验证了一个结合深度学习影像组学和传统影像组学特征的模型（DLRR），用于预测肝细胞癌根治性消融后的早期复发	首次将深度学习影像组学与传统影像组学特征整合到一个模型中，用于预测肝细胞癌消融后的早期复发，并采用多中心队列进行验证	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于CT影像	开发一个非侵入性模型，以准确预测肝细胞癌患者根治性消融后的早期复发，从而辅助制定精准治疗计划	肝细胞癌患者	数字病理学	肝细胞癌	对比增强计算机断层扫描	CNN, 机器学习模型	医学影像	288名患者（来自3家医院）	PyTorch, Scikit-learn	ResNet-18	AUC, NRI, IDI	NA
1020	2025-12-07	A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea 2025-Nov, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2025.111104 PMID:40930433	研究论文	本研究开发了一个模块化、可扩展的基因组注释流程，整合了短读长和长读长测序技术，用于非经典模式生物如Schmidtea mediterranea的基因组注释	开发了一个灵活、可扩展的基因组注释流程，整合了短读长（Illumina）和长读长（PacBio）测序技术，结合参考基因组和从头组装方法，并利用DeepSplice深度学习预测提高剪接位点检测准确性	未明确说明流程在更广泛物种或更大数据集上的性能验证或计算资源需求	开发一个适用于非经典模式生物、能处理基因组变异和选择性剪接事件的基因组注释流程	Schmidtea mediterranea（地中海涡虫）的无性繁殖品系	基因组学	NA	短读长测序（Illumina），长读长测序（PacBio）	深度学习	基因组序列数据	NA	NA	DeepSplice	剪接位点检测准确性	NA