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
1101	2025-07-31	Automatic Couinaud segmentation using AI and pictorial representation landmarking 2025-Jul-30, Abdominal radiology (New York) DOI:10.1007/s00261-025-05123-3 PMID:40736570	研究论文	提出了一种结合深度学习和辅助标志点识别的框架，用于自动划分Couinaud肝段，提高肝手术规划的精确性	整合深度学习分割与辅助标志点识别，创建个性化图示模型，无需重新训练即可纳入新数据	仅评估了225例非增强T1加权MRI数据，未涵盖所有影像模态	提高Couinaud肝段划分的准确性和临床工作流程效率	肝脏Couinaud分段	数字病理	肝脏疾病	深度学习	CNN	MRI图像	225例非增强T1加权MRI数据（来自4项不同研究）
1102	2025-07-31	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层（MSDAL）用于圆锥角膜疾病分类的深度学习模型	引入了优化的多尺度扩张注意力层（MSDAL）并结合北极海鹦优化（APO）算法，提高了模型的分类性能和计算效率	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）检测	圆锥角膜疾病分类	计算机视觉	圆锥角膜	深度学习	Optimized MSDALNet	图像	超过1,100张标记的角膜地形图图像
1103	2025-07-31	SNRAware: Improved Deep Learning MRI Denoising with SNR Unit Training and G-factor Map Augmentation 2025-Mar-23, ArXiv PMID:40735077	研究论文	开发并评估一种新的深度学习MRI去噪方法，利用重建过程中的定量噪声分布信息来提高去噪性能和泛化能力	提出了一种名为SNRAware的训练方案，利用MRI重建过程的知识，通过模拟大量高质量且多样化的合成数据集，并向模型提供噪声分布的定量信息，以提高去噪性能	研究为回顾性研究，可能受到数据选择和采集条件的限制	提高MRI图像的去噪性能和模型在不同成像序列、对比度、解剖结构和场强下的泛化能力	心脏回顾性门控电影复杂序列、心脏实时电影、首次通过心脏灌注、神经和脊柱MRI图像	医学影像处理	心血管疾病	深度学习	Transformer和CNN	MRI图像	2,885,236张图像来自96,605个心脏回顾性门控电影复杂序列，测试数据集包含3000个样本
1104	2025-07-31	Multiplicative Learning 2025-Mar-13, ArXiv PMID:40735079	research paper	本文介绍了一种名为期望反射（ER）的新型学习算法，用于高效训练人工神经网络	ER算法基于观察输出与预测输出的比率进行乘性权重更新，无需特定损失函数或学习率超参数，且能在单次迭代中实现最优权重更新	NA	探索一种比传统反向传播更高效的神经网络训练方法	人工神经网络	machine learning	NA	NA	artificial neural networks	image	NA
1105	2025-07-31	Deep learning-based multi-omics model to predict nasopharyngeal necrosis of re-irradiation for recurrent nasopharyngeal carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1607218 PMID:40735035	研究论文	利用深度学习技术结合多序列MRI放射组学和剂量组学预测复发性鼻咽癌再放疗后鼻咽坏死的风险	首次将多序列MRI放射组学和剂量组学特征结合深度学习模型用于预测复发性鼻咽癌再放疗后的鼻咽坏死风险	样本量较小（117例患者），且仅基于单中心数据	预测复发性鼻咽癌患者再放疗后鼻咽坏死的风险，以改善临床决策	复发性鼻咽癌患者	数字病理	鼻咽癌	多序列MRI（T1、T1C、T2序列）和放疗剂量分布	3D CNN	医学影像	117例患者（97例训练集，20例测试集）
1106	2025-07-31	Evaluating the impact of common clinical confounders on performance of deep-learning-based sepsis risk assessment 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1452471 PMID:40735113	研究论文	本研究开发了一个基于深度学习的预测模型，用于早期识别急诊科中可能发展为败血症的患者	探讨了两种不同的败血症定义（Sepsis-3和Adult Sepsis Event）对深度学习系统性能的影响，并评估了结合这两种定义的共识方法的有效性	研究基于回顾性数据，败血症定义的局限性可能影响模型性能，特别是在存在混淆并发症的患者中特异性下降	开发并评估一个深度学习模型，用于早期识别急诊科中可能发展为败血症的患者	急诊科患者，特别是那些有混淆并发症（如慢性肾病、肝病和凝血障碍）和经账单代码确认感染的患者	机器学习	败血症	深度学习	深度学习模型	临床数据（包括常规血液检测结果、生命体征、年龄和性别）	未明确提及具体样本量，但使用了患者入院后24小时内的数据
1107	2025-07-31	Fungi-Kcr: a language model for predicting lysine crotonylation in pathogenic fungal proteins 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1615443 PMID:40735338	研究论文	开发了一个名为Fungi-Kcr的深度学习模型，用于预测致病真菌蛋白质中的赖氨酸巴豆酰化位点	结合了CNN、GRU和词嵌入技术，有效捕捉序列的局部和长程依赖性，优于传统机器学习模型	依赖于计算预测，仍需实验验证	大规模识别Kcr位点，以深入理解真菌发病机制和潜在治疗靶点	致病真菌蛋白质	生物信息学	真菌感染	深度学习	CNN, GRU	蛋白质序列	NA
1108	2025-07-31	An explainable and efficient deep learning framework for EEG-based diagnosis of Alzheimer's disease and frontotemporal dementia 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1590201 PMID:40735445	研究论文	本文提出了一种可解释且高效的深度学习框架，用于基于脑电图（EEG）诊断阿尔茨海默病和额颞叶痴呆	结合了时间卷积网络和长短时记忆网络，提高了分类效率，并利用SHAP技术增强了模型的可解释性	未提及模型在更大规模或多样化数据集上的泛化能力	早期准确诊断阿尔茨海默病和额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FTD）患者及健康对照组的EEG数据	机器学习	阿尔茨海默病, 额颞叶痴呆	相对带功率（RBP）分析, 功率谱密度（PSD）计算, SHAP	时间卷积网络（TCN）, 长短时记忆网络（LSTM）	EEG数据	NA
1109	2025-07-31	Recent advances in deep learning for lymphoma segmentation: Clinical applications and challenges 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251362508 PMID:40735544	综述	本文综述了深度学习在淋巴瘤分割研究中的进展，并与传统方法进行了比较分析	深入探讨了深度学习在淋巴瘤分割中的潜力与挑战，特别是在临床实践中的应用	未提及具体的实验数据或模型性能的量化结果	促进深度学习在淋巴瘤诊断和治疗监测中的广泛应用	淋巴瘤的分割研究	数字病理学	淋巴瘤	PET/CT, CT, 磁共振成像	深度学习模型	医学影像	NA
1110	2025-07-31	The pipelines of deep learning-based plant image processing 2025, Quantitative plant biology DOI:10.1017/qpb.2025.10018 PMID:40735612	综述	本文总结了基于深度学习的植物图像处理的最新计算工具和方法	强调了数据获取和预处理的重要性，并讨论了高分辨率成像、无人机摄影以及图像增强技术	未提及具体的实验验证或实际应用案例	推动植物科学研究和技术应用	植物图像	计算机视觉	NA	高分辨率成像、无人机摄影、图像增强	深度学习	图像	NA
1111	2025-07-31	LRU-Net: lightweight and multiscale feature extraction for localization of ACL tears region in MRI images 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1611267 PMID:40735674	研究论文	本文提出了一种轻量级残差U-Net（LRU-Net），用于MRI图像中前交叉韧带（ACL）撕裂区域的分割	LRU-Net集成了先进的注意力机制，强调梯度并利用ACL的解剖位置，提高了边界敏感性，同时采用动态特征提取模块进行自适应多尺度特征提取	未明确提及具体局限性	开发准确且高效的ACL撕裂诊断工具	MRI图像中的前交叉韧带（ACL）撕裂区域	计算机视觉	运动损伤	深度学习	U-Net变体（LRU-Net）	MRI图像	NA
1112	2025-07-31	DualPlaqueNet with dual-branch structure and attention mechanism for carotid plaque semantic segmentation and size prediction 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1629637 PMID:40735675	research paper	提出了一种基于深度学习的DualPlaqueNet模型，用于颈动脉超声图像中斑块的语义分割和大小预测	采用双分支架构结合注意力机制和联合损失函数优化分割和回归，并在ECA模块中引入多层一维卷积结构	数据集仅包含287张颈动脉超声图像，样本量相对较小	为临床风险评估和个性化诊疗提供全面准确的辅助信息	颈动脉粥样硬化斑块	digital pathology	cardiovascular disease	deep learning	DualPlaqueNet (dual-branch CNN with attention mechanism)	image	287张来自郑州第一人民医院患者的颈动脉超声图像
1113	2025-07-30	Glo-In-One-v2: holistic identification of glomerular cells, tissues, and lesions in human and mouse histopathology 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.061406 PMID:40727720	research paper	介绍了一个名为Glo-In-One-v2的工具包，用于在人和小鼠的组织病理学中全面识别肾小球细胞、组织和病变	在原有Glo-In-One工具包的基础上增加了细粒度分割能力，并提供了一个包含23,529个标注肾小球的大规模数据集	模型在肾小球分割上的平均Dice相似系数为76.5%，仍有提升空间	开发一个能够自动分割肾小球内组织和病变的深度学习模型	人和小鼠的肾脏病理学数据	digital pathology	肾脏疾病	深度学习	CNN	image	368张标注的肾脏全切片图像，包含23,529个标注肾小球
1114	2025-07-30	Novel Videographic-Free Framework for Tracking Anatomical Structures Using Swallowing Accelerometer Signals and Multi-task Transformers 2025-Sep, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00201-z PMID:40726741	研究论文	提出了一种基于吞咽加速计信号和多任务Transformer的无视频框架，用于跟踪吞咽过程中的解剖结构	利用Transformer编码器作为序列模型，首次实现了对舌骨、喉基底和舌喉近似距离（HLA）的精确跟踪	未提及具体样本量或临床验证范围	开发非侵入性吞咽功能评估方法，替代传统视频荧光透视检查	吞咽过程中的舌骨、喉基底运动及舌喉近似距离	数字病理	吞咽障碍	高分辨率颈部听诊（HRCA）加速计信号分析	多任务Transformer	生物力学信号	NA
1115	2025-07-30	Deep learning for multiclass tumor cell detection in histopathology slides of hereditary diffuse gastric cancer 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113064 PMID:40727932	research paper	本研究开发了一种深度学习模型，用于自动检测遗传性弥漫性胃癌（HDGC）组织病理学切片中的关键肿瘤细胞类型	使用nnU-Net模型在HDGC患者的多中心数据集上进行细胞检测，性能优于Faster R-CNN和病理学家间的一致性	研究样本量相对较小，仅涉及43名患者	开发自动检测HDGC肿瘤细胞的深度学习模型，以支持肿瘤检测和分析	遗传性弥漫性胃癌（HDGC）患者的H&E染色数字病理切片	digital pathology	gastric cancer	deep learning	nnU-Net, Faster R-CNN	image	350张全切片图像，来自43名患者的91,000多个注释细胞
1116	2025-07-30	BDHerbalPlants: augmented and curated herbal plants image dataset for classification 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111885 PMID:40727026	研究论文	本文介绍了一个名为BDHerbalPlants的增强和精选草药植物图像数据集，用于分类任务	提供了一个包含1792张原始高质量图像和14,336张增强数据的草药植物数据集，涵盖八种不同的草药植物	数据集仅包含八种草药植物，可能无法涵盖所有相关植物种类	开发一个可用于农业研究和植物识别任务的草药植物图像数据集	八种不同的草药植物，包括Eclipta prostrata、Ocimum tenuiflorum等	计算机视觉	NA	数据增强	Xception, DenseNet201, RegNetY032	图像	1792张原始图像和14,336张增强数据图像
1117	2025-07-30	REVIEW ARTICLE: A Performance Benchmarking Review of Transformers for Speaker-Independent Speech Emotion Recognition 2025-Jul-29, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725300013 PMID:40726155	综述	本文对用于说话人无关语音情感识别（SER）的Transformer架构进行了全面的性能评估回顾	首次对Transformer在说话人无关SER任务中的性能进行全面评估，并探讨了多数据集聚合对模型泛化能力的提升	大多数实验实例在跨数据集测试时准确率低于40%，表明模型泛化能力仍有局限	评估Transformer架构在说话人无关语音情感识别任务中的性能表现	用于语音情感识别的Transformer模型	自然语言处理	NA	Deep Learning	Transformer	音频信号	多个公开可用的SER数据集
1118	2025-07-30	Response by Hijazi et al to Letter Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure" 2025-Jul-29, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.125.018683 PMID:40726395	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1119	2025-07-30	Development and validation of a cranial ultrasound imaging-based deep learning model for periventricular-intraventricular haemorrhage detection and grading: a two-centre study 2025-Jul-29, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06327-x PMID:40728538	研究论文	开发并验证了一种基于颅脑超声图像的深度学习模型，用于检测和分级脑室周围-脑室内出血	结合卷积块注意力模块机制开发了深度学习模型Periventricular IVH Net，并在两个中心的前瞻性数据中验证了其有效性	研究样本主要来自两家医院，可能存在一定的选择偏倚	提高脑室周围-脑室内出血的诊断准确性和效率	早产儿和婴儿的颅脑超声图像	数字病理学	新生儿颅内出血	深度学习	CNN（结合卷积块注意力模块机制）	图像	回顾性数据集773例，前瞻性验证数据集287例
1120	2025-07-30	Diabetes and longitudinal changes in deep learning-derived measures of vertebral bone mineral density using conventional CT: the Multi-Ethnic Study of Atherosclerosis 2025-Jul-29, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04995-2 PMID:40728733	研究论文	本研究探讨了糖尿病与通过常规胸部CT获取的椎体骨密度纵向变化之间的关联，并评估了肾功能（估计肾小球滤过率）对这一关系的影响	使用深度学习模型从常规胸部CT中提取椎体骨密度数据，并首次在纵向研究中探讨糖尿病与骨密度变化的关系，特别关注肾功能的影响	研究仅基于常规CT数据，未纳入骨微结构信息或骨折结局数据	评估糖尿病对椎体骨密度纵向变化的影响以及肾功能在这一关系中的作用	1046名来自多种族动脉粥样硬化研究的参与者	数字病理学	糖尿病	深度学习	深度学习模型（未指定具体类型）	CT图像	1046名参与者