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
1081	2025-12-06	Enhancing breast magnetic resonance imaging segmentation with a federated semi-supervised approach 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29112-0 PMID:41345433	研究论文	提出了一种用于乳腺磁共振成像分割的联邦半监督学习框架，以提高资源利用率和保护隐私	结合联邦学习和半监督学习，通过多扰动增强模型鲁棒性，并设计联合损失函数优化标注和未标注数据	未提及具体局限性	开发自动分割乳腺磁共振成像的方法，以辅助诊断	乳腺磁共振成像图像	计算机视觉	乳腺癌	磁共振成像	深度学习模型	图像	来自三家医院的样本	NA	NA	Dice相似系数, 交并比	NA
1082	2025-12-06	Self-attention bidirectional long Short-Term memory assisted natural language processing on sarcasm detection and classification in social media platforms 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31093-z PMID:41345450	研究论文	本研究提出了一种基于自注意力双向长短期记忆网络的自然语言处理方法，用于社交媒体平台上的讽刺检测与分类	结合自注意力机制与双向长短期记忆网络，提升了对讽刺文本的识别准确率	NA	有效且自动地识别社交媒体文本中的讽刺内容	社交媒体文本数据	自然语言处理	NA	自然语言处理	SA-BLSTM	文本	NA	NA	自注意力双向长短期记忆网络	准确率	NA
1083	2025-12-06	Evaluation of deep learning MRI reconstruction for dental implant crowns in a phantom study 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30934-1 PMID:41345497	研究论文	本研究通过体模实验评估了深度学习MRI重建技术对牙科种植体冠图像质量和金属伪影的影响	首次在牙科种植体冠的MRI成像中系统比较深度学习重建与传统重建方法，并量化不同冠材料（如氧化锆、PMMA、金、镍铬金属）对伪影的影响	这是一项初步的体模研究，结果可能无法完全反映体内实际情况，需要进一步在体验证	评估深度学习MRI重建技术在减少牙科金属伪影和提升图像质量方面的效果	包含钛种植体及四种冠材料（氧化锆、PMMA、金、镍铬金属）的丙烯酸体模	医学影像处理	NA	磁共振成像（MRI），包括轴向T1加权和T2加权序列	深度学习（DL）	MRI图像	使用四种不同冠材料的体模进行扫描	NA	NA	图像质量（噪声、信噪比SNR）、金属伪影（视觉评分、伪影比率）	NA
1084	2025-12-06	Towards improved fake news detection using a hybrid RoBERTa and metadata enhanced XGBoost model 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29942-y PMID:41345495	研究论文	本文提出了一种结合RoBERTa特征提取与XGBoost分类器的混合模型，用于提升假新闻检测性能	提出了一种新颖的混合框架，将基于Transformer的特征提取（RoBERTa嵌入）与集成学习分类器（XGBoost）相结合，并整合了TF-IDF分词和元数据处理，以同时捕捉语言和上下文特征	未明确说明模型在不同语言或跨领域数据集上的泛化能力，也未讨论计算资源消耗和实时检测效率	开发一个鲁棒且可扩展的假新闻检测系统，以应对在线平台上的错误信息传播问题	在线新闻文本及其相关元数据	自然语言处理	NA	自然语言处理（NLP）、深度学习	Transformer, XGBoost	文本、元数据	基于PolitiFact和GossipCop两个数据集进行训练和评估	NA	RoBERTa, XGBoost	准确率、精确率、召回率、F1分数	NA
1085	2025-12-06	Research on the automation of intelligent accounting information processing process driven by neural networks 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31005-1 PMID:41345513	研究论文	本研究提出了一种名为NeuroLedger-Net的深度学习系统，利用神经网络实现会计信息处理的自动化，以提高效率并减少错误	结合LSTM网络、自编码器和注意力增强的MLP，构建了一个自学习的异常检测与风险分类系统，实现了对复杂会计流程的自动化处理	模型训练和测试仅基于Kaggle的公开金融数据集，未在更广泛或私有的实际业务数据上进行验证	构建一个需要极少人工干预的自学习异常检测与风险分类系统，以实现会计信息处理的自动化	会计信息处理流程，特别是交易行为、异常检测和风险分类	机器学习	NA	深度学习	LSTM, Autoencoder, MLP	金融交易数据	使用Kaggle公共金融数据集进行训练和测试	NA	LSTM, Autoencoder, 注意力增强的MLP	准确率, 假阳性率, F1分数	NA
1086	2025-12-06	Artificial intelligence assistance narrows the experience gap in endoscopic reporting of gastric lesions: a prospective clinical trial 2025-Dec-04, Surgical endoscopy DOI:10.1007/s00464-025-12410-z PMID:41345528	研究论文	本研究验证了一种人工智能辅助报告系统，用于提高胃部病变内镜报告的质量，并缩小不同经验水平内镜医师之间的差距	开发并验证了一个集成深度学习模型的人工智能报告系统，专门用于胃部病变的检测、分类和特征识别，并证明其能显著提高报告完整性，尤其是在缩小内镜医师经验差距方面	研究样本量有限（276个视频片段），且未详细说明系统在更广泛、更多样化临床环境中的泛化能力	验证人工智能报告系统在改善胃部病变内镜报告质量方面的临床有效性	胃部病变的内镜图像和视频	计算机视觉	胃部病变	内镜成像	深度学习模型	图像, 视频	276个视频片段	NA	NA	准确率, 灵敏度, 特异性	NA
1087	2025-12-06	Deep Imputation for Skeleton data (DISK) for behavioral science 2025-Dec-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02893-y PMID:41345771	研究论文	本文提出了一种名为DISK的深度学习方法，用于填补动物骨架数据中的缺失跟踪数据，无需人工标注	DISK通过深度学习揭示关键点及其动态之间的依赖关系，自动填补缺失的跟踪数据，并学习到捕捉底层动作的有意义数据表示	NA	开发一种能够自动填补动物骨架数据中缺失跟踪数据的方法，以提高行为科学实验数据的可用性和分析效果	七种动物骨架，包括多动物设置	计算机视觉	NA	姿态估计方法，运动捕捉系统	深度学习	骨架数据	NA	NA	NA	NA	NA
1088	2025-12-06	The application of artificial intelligence in the acute and sub-acute phases of spinal cord injury- a systematic review 2025-Dec-04, Spinal cord IF:2.1Q1 DOI:10.1038/s41393-025-01155-0 PMID:41345782	综述	本文系统回顾了人工智能在脊髓损伤急性期和亚急性期管理中的应用，重点关注诊断、预后预测和治疗干预	首次系统性地总结了2020年至2025年间AI在脊髓损伤急性及亚急性阶段的应用研究，并比较了不同机器学习模型的表现	仅纳入了2020年后的英文研究，排除了脑机接口、机器人技术和非神经学方面的研究，可能存在选择偏倚	描述人工智能在创伤性脊髓损伤管理中的应用，特别是在诊断、预后和治疗干预方面	脊髓损伤患者，特别是在急性期、损伤后康复期和第一年内的患者	机器学习	脊髓损伤	NA	经典机器学习模型, 集成学习模型, 深度学习模型	临床数据, 影像数据	23项研究，共120,931名个体	NA	NA	准确性, 精确度, 召回率, F1分数, AUC	NA
1089	2025-12-06	Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2025-Dec-04, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70139 PMID:41346225	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1090	2025-12-06	Deep learning-driven ultra-stretchable kirigami metamaterials: towards surface texture modulation via buckling 2025-Dec-03, Soft matter IF:2.9Q2 DOI:10.1039/d5sm00933b PMID:41246961	研究论文	本文提出了一种基于深度学习的剪纸超材料创新设计策略，用于预测复杂非线性本构关系并实现可编程的机械响应	利用深度学习技术预测剪纸结构的复杂非线性力学行为，并提出了基于几何对称性破坏的可编程设计框架，显著扩展了剪纸的设计空间	未明确说明模型在极端应变条件下的泛化能力以及实际制造工艺对预测性能的影响	增强剪纸超材料的功能性，深入探究几何对称性破坏对屈曲行为的影响机制，并实现基于功能需求的机械性能预测与功能配置	镶嵌切割剪纸结构（tessellated cutting kirigami structures）	机器学习	NA	深度学习	NA	力学性能数据（推测为应力-应变关系等）	NA	NA	NA	准确率（94.29%）	NA
1091	2025-12-06	Deep learning and generative artificial intelligence methods in enzyme and cell engineering 2025-Dec-03, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2025.103393 PMID:41344283	综述	本文综述了人工智能方法在加速优化生物催化剂和细胞遗传网络发展方面的进展	聚焦于深度学习和生成式人工智能在酶与细胞工程领域的最新应用，包括酶发现、工程及从头设计	当前AI方法的可靠性和泛化能力仍面临挑战	探讨AI如何促进可持续生物经济转型，通过优化生物催化剂和细胞工程	酶和微生物工厂（细胞）	机器学习	NA	NA	深度学习, 生成式人工智能	NA	NA	NA	NA	NA	NA
1092	2025-12-06	Applicator reconstruction in cervical cancer brachytherapy: A systematic review of current methods, challenges, and AI-driven future directions 2025-Dec-03, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.10.004 PMID:41344965	综述	本文系统回顾了宫颈癌近距离放射治疗中施源器重建的现有方法、挑战及人工智能驱动的未来方向	重点关注AI方法在克服金属伪影、部分容积效应和操作者间变异性方面的潜力，并系统评估了从手动到AI驱动方法的精度、效率和临床影响	临床验证有限（60%的研究使用体模），数据存在异质性（切片厚度：0.6-5 mm），且对新施源器设计的泛化性不足	评估宫颈癌3D图像引导近距离放射治疗中施源器重建方法的准确性、效率和临床影响	宫颈癌近距离放射治疗中的施源器重建方法	数字病理	宫颈癌	CT成像，近距离放射治疗	深度学习模型	医学影像（CT图像）	分析了23项研究	NA	U-Net, Dilated-Supervised Deep U-Net, Attention-Gated networks	几何精度（尖端误差，豪斯多夫距离），重建时间，剂量学参数（D90 HR-CTV, D2cc OARs），Dice相似系数	NA
1093	2025-12-06	OpenLM: an open-source pixel super-resolution platform for lens-free microscopy with applications in bacterial growth monitoring and deep learning-based bacterial detection 2025-Dec-02, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc00719d PMID:41170835	研究论文	本文介绍了OpenLM，一个开源的无透镜显微镜平台，集成了像素超分辨率算法，用于细菌生长监测和基于深度学习的细菌检测	开发了一个低成本、易于复制的开源无透镜显微镜平台，结合像素超分辨率技术和多角度LED照明，显著提高了分辨率并保持了大视场，同时提供了用户友好的图形界面	NA	开发一个实用且可扩展的工具，用于细菌监测和其他生物医学应用	细菌生长和早期菌落形成	数字病理	NA	无透镜显微镜，像素超分辨率技术，多角度LED照明	YOLO	图像	NA	NA	YOLO	NA	Raspberry Pi相机和板卡
1094	2025-12-06	Deep-learning prediction of breast cancer hormone receptor status from CEM: a preliminary study 2025-Dec-02, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00653-3 PMID:41329305	研究论文	本研究探索了利用深度学习从对比增强乳腺X线摄影图像中预测乳腺癌激素受体状态的可行性	首次将ResNet-18模型应用于对比增强乳腺X线摄影图像，通过加权交叉熵损失和温度缩放校准处理类别不平衡问题	数据集规模较小且具有特定采集协议，可能影响模型的广泛泛化能力	开发一种非侵入性的深度学习方法，用于从对比增强乳腺X线摄影图像中预测乳腺癌的激素受体状态	105名浸润性乳腺癌患者的对比增强乳腺X线摄影肿瘤裁剪图像	数字病理学	乳腺癌	对比增强乳腺X线摄影	CNN	图像	105名患者（训练集68例，验证集16例，独立测试集21例）	PyTorch	ResNet-18	准确率, AUROC, 平衡准确率, 马修斯相关系数, 精确率-召回率曲线下面积	NA
1095	2025-12-06	Imaging-based transformer model predicts early therapy response in advanced nasopharyngeal carcinoma: a dual-center study 2025-Dec-02, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02142-y PMID:41329405	研究论文	本研究开发了一种基于Transformer架构的2.5D影像融合模型，用于预测局部晚期鼻咽癌患者的早期治疗反应	首次将2.5D成像方法与Transformer架构结合，并融合临床数据，构建了用于预测局部晚期鼻咽癌早期治疗反应的深度学习模型	研究为双中心回顾性研究，样本量相对有限（n=184），且未在外部独立队列中进行验证	开发并验证一种深度学习模型，以预测局部晚期鼻咽癌患者对放化疗的早期治疗反应	局部晚期鼻咽癌（LA-NPC）患者	数字病理学	鼻咽癌	MRI成像	Transformer, CNN	图像（MRI），临床数据	184名患者（训练集89例，验证集39例，测试集56例）	NA	Transformer, SegResNet, Unet, UnetR	AUC, ROC曲线, 校准曲线, 决策曲线分析（DCA）	NA
1096	2025-12-06	Research on bamboo strip density control technology based on deep learning 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26909-x PMID:41330965	研究论文	本研究提出了一种基于深度学习的竹条密度自动检测方法，用于竹材质量控制	首次将深度学习应用于竹条密度检测，通过分析维管束分布来量化密度，并比较了多种主流深度学习模型在该任务上的性能	NA	开发一种自动化、高精度的竹条密度控制技术	竹条	计算机视觉	NA	深度学习	CNN, Transformer	图像	NA	NA	ConvNeXt	准确率	NA
1097	2025-12-06	Secure edge-guided adaptive image steganography using HED-based attention maps and CNN 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27150-2 PMID:41330978	研究论文	本文提出了一种结合HED边缘检测注意力机制和CNN的自适应图像隐写系统，用于在保持容量与失真平衡的同时安全地隐藏秘密图像	将HED生成的边缘图转化为高分辨率距离注意力图，指导自适应的LSB嵌入操作，并利用遗传算法优化注意力图阈值，实现了容量、不可感知性和安全性的良好权衡	系统在裁剪和压缩攻击下仍存在脆弱性	开发一种安全、自适应且高效的图像隐写方法，以平衡嵌入容量、图像质量和抗检测性	秘密图像和载体图像	计算机视觉	NA	图像隐写术，边缘检测，深度学习	CNN，编码器-解码器CNN	图像	使用两个数据集：USC-SIPI（秘密图像）和Boss Base（载体图像），具体样本数量未明确说明	NA	自定义编码器-解码器CNN	MSE, PSNR, MAE, SSIM, IF, PC, BPP, Xu-Net, Ye-Net, RS隐写分析, AUC, BER	NA
1098	2025-12-06	A deep learning-derived digital biomarker of dysglycemia and its association with genetic risk of type 2 diabetes 2025-Dec-02, npj metabolic health and disease DOI:10.1038/s44324-025-00089-8 PMID:41331126	研究论文	本研究利用深度学习从连续血糖监测数据中提取血糖异常特征，开发了一种数字生物标志物，并与传统血糖异常生物标志物及糖尿病多基因风险评分进行验证	首次应用深度学习从高维时间序列连续血糖监测数据中学习血糖异常特征，并衍生出数字生物标志物，该标志物在调整后仍与糖尿病显著相关，而传统指标则失去关联	未明确说明样本量大小或数据来源的具体细节，可能限制了结果的普适性	开发一种基于深度学习的数字生物标志物，以更全面地捕捉血糖异常信息，并评估其与糖尿病遗传风险的关联	连续血糖监测数据及其衍生的血糖异常特征	机器学习	2型糖尿病	连续血糖监测	深度学习模型	时间序列数据	NA	NA	NA	P值	NA
1099	2025-12-06	Prediction of recurrence after resection in hepatocellular carcinoma via whole liver deep learning on preoperative contrast-enhanced CT 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26933-x PMID:41331271	研究论文	本研究开发了一个全自动生存预测系统，通过术前增强CT扫描分析全肝区域，以预测肝细胞癌根治性切除术后的无复发生存期	提出了首个基于全肝区域（而非仅肿瘤区域）的深度学习系统，用于术前预测肝细胞癌的复发风险，并实现了从分割到预测的端到端全自动化流程	研究为回顾性设计，需要在前瞻性队列中进一步验证；外部验证集样本量相对有限	开发一种非侵入性方法，术前预测肝细胞癌患者根治性切除术后的复发风险	肝细胞癌患者	数字病理学	肝细胞癌	术前对比增强CT扫描	CNN	医学影像	827名患者（包含开发集、内部测试集和外部测试集）	NA	深度卷积神经网络	一致性指数	NA
1100	2025-12-06	Residual motion artifact removal enables dynamic μMRI of a behaving Pachnoda marginata 2025-Dec, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107954 PMID:40945107	研究论文	本研究开发了一种结合回顾性门控μMRI重建与深度学习残差运动补偿技术的方法，以显著减少行为昆虫成像中的运动伪影	提出了一种完全回顾性门控策略，利用原位计算机视觉系统获取的运动信息，并结合U-Net深度学习网络处理残差运动伪影，实现了非侵入性动态μMRI成像	方法依赖于模拟的运动损坏与无运动图像对进行训练，可能在实际应用中存在泛化限制	开发一种减少行为昆虫μMRI成像中运动伪影的技术，以促进非侵入性动态成像研究	行为中的Pachnoda marginata昆虫	计算机视觉	NA	μMRI（微观磁共振成像）	CNN	图像	NA	NA	U-Net	NA	NA