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
1001	2025-05-31	MSFusion: A multi-source hybrid feature fusion network for accurate grading of invasive breast cancer using H&E-stained histopathological images 2025-May-23, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103633 PMID:40441045	研究论文	提出了一种名为MSFusion的多源混合特征融合网络，用于利用H&E染色的组织病理学图像准确分级浸润性乳腺癌	引入了基于Swin Transformer的多分支网络MSwinT提取深度学习特征，并结合传统手工特征，通过KDC融合块整合多源核特征，提高了乳腺癌分级的准确性	未明确提及研究的局限性	提高浸润性乳腺癌的分级准确性	浸润性乳腺癌的H&E染色组织病理学图像	数字病理学	乳腺癌	深度学习与传统图像分析技术结合	Swin Transformer-based多分支网络(MSwinT)与特征融合网络(MSFusion)	H&E染色的组织病理学图像	三个数据集（两个私有临床数据集Qilu和QDUH&SHSU，一个公开数据集Databiox）
1002	2025-05-31	Deep learning-based automatic differentiation of acute angle closure with or without zonulopathy using ultrasound biomicroscopy: a comparison of diagnostic performance with ophthalmologists 2025-May-22, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002114 PMID:40409764	research paper	本研究开发了基于超声生物显微镜(UBM)的人工智能(AI)模型，用于术前区分伴有或不伴有悬韧带病变的急性闭角型青光眼(AAC)，并与眼科医生的诊断性能进行了比较	开发了三种AI模型，用于通过UBM图像和眼部参数区分AAC是否伴有悬韧带松弛或晶状体半脱位，并首次与眼科医生的两种诊断方法进行了全面比较	AI模型在UBM和AS-OCT图像上的鲁棒性验证准确率分别为66.67%和61.11%，仍有提升空间	开发AI模型用于急性闭角型青光眼的术前诊断	急性闭角型青光眼(AAC)患者	digital pathology	glaucoma	ultrasound biomicroscopy (UBM), anterior segment optical coherence tomography (AS-OCT)	AI models (specific architecture not specified)	image	537只眼睛
1003	2025-05-31	Advancing Traditional Dunhuang Regional Pattern Design with Diffusion Adapter Networks and Cross-Entropy 2025-May-21, Entropy (Basel, Switzerland) DOI:10.3390/e27050546 PMID:40422500	研究论文	本文提出了一种名为扩散适配器网络（DANet）的新方法，用于高效生成敦煌图案，以促进传统文化的传承	引入了轻量级适配器模块和多头注意力模块（MHAM），结合多尺度注意力模块（MSAM）和自适应控制机制（ACM），显著提高了敦煌图案生成的准确性和细节捕捉能力	敦煌图案的可用性有限，难以大量收集	通过机器学习和深度学习方法促进传统敦煌图案的设计与传承	敦煌图案	计算机视觉	NA	扩散模型	DANet（扩散适配器网络）	图像	多样化敦煌图案数据集（DDHP）
1004	2025-05-31	Three-Blind Validation Strategy of Deep Learning Models for Image Segmentation 2025-May-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050170 PMID:40423027	研究论文	提出了一种称为三盲验证策略的新验证框架，用于在主观性和标签变异性显著的情况下严格评估分割模型	引入了三盲验证策略，通过独立专家评估混合的分割结果，以无偏见地评估模型性能并揭示系统性问题	未提及具体的样本数量或数据集的多样性限制	介绍并证明这种验证策略作为一种可推广的框架，用于主观分割任务中的稳健模型评估	图像分割模型	计算机视觉	NA	NA	深度学习模型	图像	NA
1005	2025-05-31	IEWNet: Multi-Scale Robust Watermarking Network Against Infrared Image Enhancement Attacks 2025-May-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050171 PMID:40423028	research paper	提出了一种名为IEWNet的多尺度鲁棒水印网络，用于抵抗红外图像增强攻击	结合UDTCWT提取图像特征，并开发了一个针对深度学习和经典攻击的噪声层	未提及具体的数据集规模或实验条件的限制	提高红外图像水印在增强攻击下的鲁棒性	红外图像	computer vision	NA	Undecimated Dual Tree Complex Wavelet Transform (UDTCWT)	IEWNet	image	六个公共数据集
1006	2025-05-31	Automatic adult age estimation using bone mineral density of proximal femur via deep learning 2025-May-21, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112511 PMID:40440868	研究论文	本研究开发了一种基于深度学习的端到端流程，利用近端股骨CT扫描的骨密度（BMD）进行自动成人年龄估计（AAE）	构建了大规模的真实世界临床和尸体队列数据集，微调了Segment Anything Model（SAM）用于精确的股骨分割，并评估了多种CNN模型用于基于分割BMD数据的精确年龄估计	外部验证集的MAE较高（6.91年），表明模型在尸体数据集上的性能有待提高	开发一种自动化的成人年龄估计方法，用于法医和人类学应用	5151例来自真实世界临床和尸体队列的CT扫描数据	计算机视觉	NA	CT扫描	CNN, SAM	图像	5151例CT扫描（临床和尸体队列）
1007	2025-05-31	Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait 2025-May-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71560 PMID:40392578	研究论文	本文通过文献计量分析和范围综述，全面评估了帕金森病数字生物标志物的研究现状、热点及未来趋势，并系统回顾了用于冻结步态数字生物标志物的深度学习模型	结合文献计量分析和范围综述方法，首次全面评估帕金森病数字生物标志物研究的多维景观，并系统分析冻结步态深度学习模型的性能	跨学科和跨机构合作不足，企业资助相关项目缺乏，冻结步态深度学习模型缺乏外部验证和标准化性能报告	评估全球帕金森病生物标志物研究的现状、热点和未来趋势，并系统回顾冻结步态数字生物标志物的深度学习模型	帕金森病数字生物标志物和冻结步态深度学习模型	数字病理学	帕金森病	深度学习	CNN或基于CNN的架构	数字生物标志物数据	文献计量分析包含750项研究，范围综述包含40项研究
1008	2025-05-31	[WW domain-containing ubiquitin E3 ligase 1 regulates immune infiltration in tumor microenvironment of ovarian cancer] 2025-May-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.05.20 PMID:40415439	研究论文	探讨WWP1在卵巢癌肿瘤微环境中的表达与免疫浸润的关系	首次发现WWP1表达水平与卵巢癌患者预后及免疫细胞浸润的关联，并利用深度学习模型分析病理图像	研究主要基于TCGA数据和小鼠模型，临床样本的多样性可能不足	探索WWP1在卵巢癌肿瘤微环境免疫调控中的作用	卵巢癌患者和小鼠模型	数字病理学	卵巢癌	RNA-seq, 多色免疫荧光检测, 深度学习	深度学习模型	基因表达数据, 图像数据	TCGA数据库中的卵巢癌患者数据和小鼠模型
1009	2025-05-31	Multi-Threshold Remote Sensing Image Segmentation Based on Improved Black-Winged Kite Algorithm 2025-May-19, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10050331 PMID:40422161	研究论文	提出了一种名为IBKA-OTSU的自适应多阈值图像分割方法，用于解决现有基于深度学习的图像分割方法对大规模标注数据集和高计算复杂度的依赖问题	通过系统改进核心算法组件（包括种群初始化策略、攻击行为模式、迁移机制和基于对立的学习策略），显著提升了复杂遥感场景的处理能力，并将改进的智能优化算法与OTSU阈值方法创新性结合，建立了专门针对遥感图像的多阈值分割模型	NA	提出一种自适应多阈值图像分割方法，以解决现有深度学习方法的局限性	遥感图像	计算机视觉	NA	IBKA-OTSU多阈值分割方法	OTSU	图像	ISPRS Potsdam基准数据集中的代表性样本
1010	2025-05-31	Recognizing Epithelial Cells in Prostatic Glands Using Deep Learning 2025-05-18, Cells IF:5.1Q2 DOI:10.3390/cells14100737 PMID:40422240	research paper	该研究开发了一种名为GlandNet的深度学习网络，用于识别前列腺活检组织中的腺上皮细胞	首次开发了GlandNet这一集成机器学习网络，结合半监督学习和人类与AI预测，提高了对前列腺腺上皮细胞的识别能力	研究仅针对早期前列腺癌患者的活检样本，样本量相对有限	开发AI方法用于前列腺癌病理诊断中的腺上皮细胞识别	前列腺活检组织中的腺上皮细胞	digital pathology	prostate cancer	Feulgen-Thionin染色	GlandNet (深度学习网络)	image	82名活动监测患者的110针活检样本，共1,264,772个细胞中心核斑块
1011	2025-05-31	Evaluating Second-Generation Deep Learning Technique for Noise Reduction in Myocardial T1-Mapping Magnetic Resonance Imaging 2025-May-18, Diseases (Basel, Switzerland) DOI:10.3390/diseases13050157 PMID:40422589	研究论文	评估第二代深度学习技术在心肌T1映射磁共振成像中降噪的效果	首次在心肌T1映射中评估超分辨率深度学习重建（SR-DLR）技术对降噪和测量一致性的影响	单中心回顾性研究，样本量较小（36例患者）	评估SR-DLR在心肌T1映射中的降噪效果和测量一致性	心肌T1映射磁共振成像	数字病理	心血管疾病	磁共振成像（MRI）、超分辨率深度学习重建（SR-DLR）	深度学习	图像	36例患者和7个自制模型
1012	2025-05-31	A Transfer Learning-Based VGG-16 Model for COD Detection in UV-Vis Spectroscopy 2025-May-17, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050159 PMID:40423016	研究论文	本文提出了一种基于迁移学习的VGG-16模型，用于紫外-可见光谱中的化学需氧量(COD)检测	将一维光谱转换为二维光谱图像，并利用迁移学习的VGG-16模型进行特征提取和建模，显著提高了COD预测的准确性	训练深度学习模型需要大量水样数据集，且数据标注任务复杂	快速准确地检测水体中的化学需氧量(COD)，以保护环境	水体中的化学需氧量(COD)	计算机视觉	NA	紫外-可见光谱(UV-Vis spectroscopy)	VGG-16, CNN	图像	NA
1013	2025-05-31	Noise Suppressed Image Reconstruction for Quanta Image Sensors Based on Transformer Neural Networks 2025-May-17, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050160 PMID:40423017	research paper	提出了一种基于Transformer神经网络的量子图像传感器噪声抑制重建方法	结合卷积神经网络和Transformer，通过Anscombe变换及串并行模块增强去噪性能和场景适应性	NA	解决量子图像传感器在低光成像中的Poisson噪声问题	量子图像传感器（QIS）	computer vision	NA	deep learning	CNN, Transformer	image	NA
1014	2025-05-31	Deep Learning-Based Classification of CRISPR Loci Using Repeat Sequences 2025-05-16, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00174 PMID:40261207	研究论文	提出了一种基于深度学习的CRISPR位点分类方法CRISPRclassify-CNN-Att，仅利用重复序列进行分类	首次提出仅基于重复序列的CRISPR位点分类方法，结合CNN和自注意力机制，采用堆叠策略和迁移学习解决样本不平衡问题	对于样本量较少的亚型分类准确性仍有提升空间	开发不依赖cas基因的CRISPR-Cas系统分类方法	CRISPR位点的重复序列	机器学习	NA	深度学习	CNN, 自注意力机制	序列数据	多种亚型的CRISPR位点样本（具体数量未提及）
1015	2025-05-31	Unleashing the Potential of Residual and Dual-Stream Transformers for the Remote Sensing Image Analysis 2025-May-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050156 PMID:40423013	研究论文	本文提出了一种结合ResNet50 V2和Vision Transformer (ViT)架构的双流ResV2ViT模型，用于遥感卫星图像的分类	通过双流方法结合ResNet50 V2和ViT，同时提取局部空间特征和全局上下文信息，提高了分类性能	未提及具体局限性	提升遥感卫星图像分类的准确性和效率	遥感卫星图像	计算机视觉	NA	深度学习	ResV2ViT (结合ResNet50 V2和ViT)	图像	RSI-CB256数据集和另一个包含21个类别的数据集
1016	2025-05-31	Beyond Handcrafted Features: A Deep Learning Framework for Optical Flow and SLAM 2025-May-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11050155 PMID:40423012	研究论文	本文提出了一种基于卷积神经网络（CNN）的视觉同步定位与地图构建（SLAM）新方法，用于创建鲁棒的地图	利用CNN从预训练模型的中间层提取特征进行光流估计，通过分析数千种层和滤波器组合的偏移误差，找到具有最小偏移误差的特定层和滤波器组合	NA	提高视觉SLAM在视角变化、遮挡和光照变化等环境挑战下的鲁棒性和准确性	视觉SLAM系统	计算机视觉	NA	CNN	CNN	图像	六个公开可用的数据集
1017	2025-05-31	LivecellX: A Scalable Deep Learning Framework for Single-Cell Object-Oriented Analysis in Live-Cell Imaging 2025-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.23.639532 PMID:40060645	研究论文	介绍了一个名为LivecellX的深度学习框架，用于活细胞成像中的单细胞面向对象分析	提出了一个新的任务：分割校正，包括过分割和欠分割错误，并开发了创新的评估指标和机器学习技术来解决这一问题	未明确提及具体限制	提高活细胞成像中单细胞动态分析的准确性和可扩展性	活细胞成像中的单细胞	计算机视觉	NA	深度学习	CS-Net	图像	来自两种不同类型显微镜的新型成像数据集
1018	2025-05-31	Biomimetic Computing for Efficient Spoken Language Identification 2025-May-14, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10050316 PMID:40422146	研究论文	本文提出了一种结合仿生优化技术和深度学习的DBODL-MSLIS方法，用于提高口语语言识别的准确性和效率	整合了仿生优化技术（如Dung Beetle Optimization）和深度学习（LSTM网络），通过模拟自然界智能行为优化特征选择和分类性能	未提及具体的数据集规模限制或跨语言泛化能力的详细评估	提升多语言环境下口语语言识别的准确性和效率	多语言口语数据集（IIIT Spoken Language数据集）	自然语言处理	NA	Dung Beetle Optimization (DBO), 离散小波变换(DWT), 零交叉率(ZCR), 贝叶斯优化(BO)	LSTM	语音信号	基于IIIT Spoken Language数据集（具体数量未说明）
1019	2025-05-31	Deep Supramolecular Language Processing for Co-Crystal Prediction 2025-May-13, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202507835 PMID:40358977	研究论文	本文提出了一种名为DeepCocrystal的深度学习新方法，用于预测共晶形成，通过从超分子角度处理“化学语言”来加速药物共晶开发	DeepCocrystal是一种创新的深度学习模型，能够从超分子角度处理化学语言，预测共晶形成，并在实际应用中表现出优于现有模型的性能	NA	加速共晶化和药物开发过程	药物共晶对	自然语言处理	NA	深度学习	DeepCocrystal	分子字符串表示	NA
1020	2025-05-31	Transforming 3D MRI to 2D Feature Maps Using Pre-Trained Models for Diagnosis of Attention Deficit Hyperactivity Disorder 2025-May-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11050056 PMID:40423258	研究论文	本研究探讨了利用预训练模型将3D MRI转换为2D特征图，结合深度学习技术高精度诊断注意力缺陷多动障碍(ADHD)的潜在效用	提出了一种从3D MRI图像中提取2D特征的新方法，并将这些特征与临床特征相结合用于ADHD诊断	研究为概念验证性质，样本量有限，且仅使用了ADHD200数据集	开发基于深度学习的ADHD高精度诊断工具	ADHD患者和正常对照的MRI数据及临床特征	数字病理学	神经发育障碍	MRI	VGG16, CNN2D, CNN1D, LSTM, GRU	3D MRI图像和临床数据	ADHD200数据集(具体数量未明确说明)