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
1301	2025-12-05	Towards real-time non-invasive detection of hyperlipidemia through finger pulse image analysis using deep learning 2025-Dec-03, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae212a PMID:41259810	研究论文	本研究利用深度学习技术分析手指脉搏图像，开发了一种非侵入性、高性价比的高脂血症检测方法	首次提出通过分析手指脉搏图像波形模式来检测高脂血症，并开发了定制的CNN模型，实现了高精度的非侵入性诊断	样本量相对较小（81名患者和65名对照组），且研究为单中心，需要更大规模的多中心验证	开发一种非侵入性、实时的高脂血症检测方法，替代传统的侵入性血液检测	高脂血症患者和健康对照者的手指脉搏图像波形	计算机视觉	心血管疾病	脉搏图像采集与分析	CNN	图像	81名高脂血症患者和65名健康对照者，每组选取700个单脉搏波周期	TensorFlow, Keras	自定义CNN, VGG16	准确率, 精确率, 召回率, F1分数	NA
1302	2025-12-05	PSMA PET Evaluation with a Deep Learning Platform Compared with a Standard Image Viewer and Histopathology 2025-Dec-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.270242 PMID:41101977	研究论文	本研究评估了深度学习分割软件aPROMISE与标准图像查看器ISP在PSMA PET/CT评估中的性能，并与组织病理学进行对比	首次将深度学习分割软件aPROMISE应用于PSMA PET/CT评估，并与标准图像查看器及组织病理学进行系统性比较	研究为回顾性分析，样本量相对较小（96例患者），且未详细说明深度学习模型的训练细节	评估深度学习软件在PSMA PET/CT图像评估中的性能，以提升前列腺癌诊断的标准化和可重复性	96例前列腺切除术后生化持续或复发的患者，接受PSMA放射性引导手术	数字病理学	前列腺癌	PSMA PET/CT成像	深度学习分割模型	医学图像（PET/CT）	96例患者	NA	NA	Cohen κ值，一致性率，主要差异比例	NA
1303	2025-12-05	Patterns of interspecific variation in labial microarchitecture among anthropoid primates and the evolution of the hominin lips 2025-Dec-03, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70103 PMID:41334680	研究论文	本研究首次系统性地调查了15种灵长类动物（包括人类）的唇部微观结构，揭示了人类唇部在肌肉、脂肪和结缔组织比例及解剖配置上的独特特征	首次对灵长类动物唇部微观结构进行系统组织学和形态计量学研究，并应用深度学习分割技术量化组织成分	未提供直接的功能性证据	研究灵长类动物唇部微观结构的种间变异，探讨人类唇部特征的演化及其与面部表情和言语进化的关联	15种灵长类物种，包括人类、非人大型猿类、猴科、卷尾猴科和狐猴科	NA	NA	组织学染色（Masson三色染色）、深度学习分割、手动标注	NA	组织切片图像	15种灵长类物种	NA	NA	NA	NA
1304	2025-12-05	Enhancing digital pathology workflows: computational blur detection for H&E image quality control in preclinical toxicology 2025-Dec-03, Journal of histotechnology IF:0.6Q4 DOI:10.1080/01478885.2025.2585615 PMID:41334851	研究论文	本文介绍了一种集成计算模型MiQC，用于检测和量化H&E染色全玻片图像中的失焦区域，以增强数字病理工作流程中的图像质量控制	结合局部二值模式和基于DeepFocus的深度学习算法，开发了生产化的计算模型MiQC，用于自动识别WSI中的模糊区域，并通过热图辅助技术员审查，显著提高了图像质量控制的效率和可扩展性	未明确提及模型在多样化病理样本或不同扫描仪设置下的泛化能力评估	提升临床前毒理学中数字病理工作流程的图像质量控制效率和自动化水平	H&E染色的全玻片图像	数字病理	NA	数字成像	深度学习算法	图像	未明确指定具体样本数量，但涉及常规工作流程中的WSI	未明确指定	DeepFocus	未明确指定具体指标，但提及扫描仪焦点分数和审查时间减少	未明确指定
1305	2025-12-05	Machine learning models for predicting response to epidermal growth factor receptor tyrosine kinase inhibitors in non-small cell lung cancer brain metastases: a systematic review and meta-analysis 2025-Dec-03, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04148-w PMID:41335187	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测非小细胞肺癌脑转移患者对表皮生长因子受体酪氨酸激酶抑制剂治疗反应方面的性能	首次对用于预测EGFR-TKI在非小细胞肺癌脑转移中反应的机器学习模型进行了系统性的性能评估和荟萃分析	纳入研究多为小型回顾性数据集，且缺乏外部验证，限制了模型在临床实践中的直接应用	评估机器学习模型在预测非小细胞肺癌脑转移患者对EGFR-TKI治疗反应方面的预测性能	非小细胞肺癌脑转移患者	机器学习	肺癌	NA	逻辑回归, 决策树, 深度学习	临床数据	1322名肺癌脑转移患者	NA	DL-Cox	AUC, 准确率, 灵敏度, 特异性, 诊断比值比	NA
1306	2025-12-05	Laparoscopic augmented reality navigation system based on deep learning and SLAM 2025-Dec-03, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03487-8 PMID:41335230	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1307	2025-12-05	HypoChainer: a Collaborative System Combining LLMs and Knowledge Graphs for Hypothesis-Driven Scientific Discovery 2025-Dec-03, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3633887 PMID:41336152	研究论文	本文提出了HypoChainer，一个结合LLMs和知识图谱的协作可视化框架，用于增强假设驱动的科学发现	通过整合人类专业知识、LLM驱动的推理和知识图谱，提出一个三阶段协作框架，以解决传统假设驱动研究中的认知限制和LLM幻觉问题	仅通过案例研究和专家访谈进行评估，缺乏大规模实证验证	增强假设驱动的科学发现，特别是在生物学领域，通过视觉化协作系统整合预测、知识和推理	科学发现过程，特别是生物学中的假设生成和验证	自然语言处理, 机器学习	NA	检索增强生成（RAG）, 图神经网络（GNNs）	LLM, GNN	知识图谱, 文本	NA	NA	NA	NA	NA
1308	2025-12-05	Physics-Driven Neural Compensation For Electrical Impedance Tomography 2025-Dec-03, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3639647 PMID:41336161	研究论文	提出一种名为PhyNC的无监督深度学习框架，用于解决电阻抗断层成像中的逆问题病态性和灵敏度分布不均问题	将EIT物理原理融入无监督深度学习框架，通过动态分配神经表示能力至低灵敏度区域，实现准确且平衡的电导率重建	未明确说明框架在其他成像模态中的具体适应性和泛化性能验证	提升电阻抗断层成像的重建质量和鲁棒性	电阻抗断层成像的电导率重建	机器学习	NA	电阻抗断层成像	深度学习	模拟数据和实验数据	NA	NA	PhyNC	细节保持和抗伪影能力	NA
1309	2025-12-05	Usefulness of Data Simulation for Training Deep Learning Denoising Algorithms in Infrared Spectral Histology 2025-Dec-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02174 PMID:41337468	研究论文	本研究探讨了使用模拟数据训练深度学习模型，用于临床应用中石蜡包埋组织切片的红外光谱图像去噪	提出了一种基于模拟线性生成模型的方法，结合不同波段形状和噪声类型，以增强训练数据多样性并提高模型泛化能力	模拟光谱的具体配置显著影响模型性能，且效果取决于模拟数据的特性	研究模拟数据在训练深度学习去噪算法中的有效性，以加速红外光谱成像去噪技术的开发	石蜡包埋组织切片的红外光谱图像	数字病理学	NA	傅里叶变换红外光谱	CNN	图像	NA	NA	ResUNet-1D-CNN	NA	NA
1310	2025-12-05	MallaNet residual branch merge convolutional neural network with homogeneous filter capsules for Devanagari character recognition 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30871-z PMID:41339442	研究论文	本研究提出了一种名为MallaNet的深度学习模型，用于提高Devanagari手写字符识别的准确性和效率	引入了优化的残差块、精炼的均匀滤波器胶囊层和合并层，以捕获多尺度特征并保持空间层次结构，同时显著减少了模型参数	未明确提及模型在其他脚本或更大数据集上的泛化能力，也未讨论计算资源的具体需求	开发一个鲁棒的深度学习模型，以实现Devanagari手写字符的高精度识别，支持文档数字化和文化保护	Devanagari手写字符	计算机视觉	NA	NA	CNN	图像	92,000张图像，涵盖46个类别	NA	MallaNet, BMCNNwHVCs	准确率, 宏平均F1分数	NA
1311	2025-12-05	HyperGraph-based capsule temporal memory network for efficient and explainable diabetic retinopathy detection in retinal imaging 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30128-9 PMID:41339440	研究论文	本文提出了一种基于超图胶囊时序记忆网络（HGCTN）的深度学习框架，用于实现高效且可解释的糖尿病视网膜病变检测	结合超图神经网络建模视网膜病灶间的高阶空间关系、胶囊网络实现特征层次化结构，并引入时序胶囊记忆单元以捕捉长短期时序依赖，同时采用元学习和噪声注入策略提升模型适应性和鲁棒性	未明确说明模型在更大规模、多中心数据集上的泛化性能验证，以及在实际临床部署中的计算效率具体数据	开发一种准确、可扩展且可解释的糖尿病视网膜病变自动检测方法，以解决现有模型计算成本高、对噪声数据鲁棒性差及可解释性不足的问题	糖尿病视网膜病变的视网膜图像	计算机视觉	糖尿病视网膜病变	视网膜成像	超图神经网络, 胶囊网络, 时序记忆网络	图像	DRIVE和Diabetic Retinopathy数据集（具体样本数未明确给出）	NA	HyperGraph Capsule Temporal Network (HGCTN)	准确率, 召回率, 特异性	NA
1312	2025-12-05	A DAG-enabled cryptographic framework for secure drug traceability with identity-bound authentication and anomaly detection 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30413-7 PMID:41339443	研究论文	本文提出了一种基于有向无环图（DAG）的加密框架，用于实现安全的药物追溯，结合身份绑定认证和异常检测	采用DAG账本替代传统区块链，支持并行交易验证、零交易费用和低延迟边缘操作，并集成加密NFC标签与身份绑定认证，以及结合LSTM和CNN的混合深度学习模型进行异常检测	研究基于模拟环境进行评估，尚未通过真实世界试点和监管评估进行完整操作验证	解决假药问题，开发一个安全、去中心化、可验证的药物供应链追踪系统	药物供应链中的交易和包装，包括药物单元及其相关身份认证数据	机器学习	NA	加密近场通信（NFC）标签，有向无环图（DAG）账本，混合深度学习模型	LSTM, CNN	合成模拟生成的数据集，包含环境和行为协变量	模拟评估涵盖5个地区的1000个药物单元	NA	LSTM, CNN	异常检测精度, 可追溯性准确率, 中位延迟	在Raspberry Pi 4B边缘设备上使用基于Docker Swarm的分布式容器，配备IOTA Chrysalis节点和Grafana分析仪表板
1313	2025-12-05	Dermoscopically informed deep learning model for classification of actinic keratosis and cutaneous squamous cell carcinoma 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31259-9 PMID:41339470	研究论文	本研究开发了一种基于卷积神经网络的双分支深度学习模型，用于通过皮肤镜图像准确区分光化性角化病和皮肤鳞状细胞癌	提出了一种结合临床知识的预处理方法，通过双分支架构整合原始RGB图像和增强血管及角化模式的预处理通道，显著提升了模型性能	研究仅针对AK和cSCC两种病变进行分类，模型在更广泛的皮肤病变或不同肤色人群中的泛化能力尚未验证	开发一种能够准确区分光化性角化病和皮肤鳞状细胞癌的AI辅助诊断工具	皮肤镜图像中的光化性角化病和皮肤鳞状细胞癌病变	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	2000张原始图像，通过数据增强扩展到近20万训练实例	NA	EfficientNetB0, 双分支卷积架构	准确率, 灵敏度, 特异性, 精确率, F1分数, 损失值	NA
1314	2025-12-05	A transformer-based prognostic signature integrating tumor and body composition CT images predicts postoperative recurrence in gastric cancer 2025-Dec-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02183-z PMID:41339473	研究论文	本研究开发了一种基于Vision Transformer的深度学习模型，通过整合骨骼肌、脂肪组织和原发性肿瘤的CT图像以及临床数据，预测胃癌患者的术后无复发生存期	首次将身体成分（骨骼肌和脂肪组织）的CT图像与肿瘤CT图像及临床数据整合，用于胃癌预后预测，并证明了其增量价值	研究为回顾性研究，需要前瞻性验证；模型性能在外部验证队列中有所下降	提高胃癌患者术前预后分层的准确性，以指导个体化治疗策略	胃癌患者	数字病理学	胃癌	计算机断层扫描（CT）	Vision Transformer	图像（CT），临床数据	1862名患者（整个队列）	NA	Vision Transformer	C-index, 净重分类改善指数, 综合判别改善指数, 3年及5年无复发生存率	NA
1315	2025-12-05	Landslide detection using multimodal data fusion and an improved Deeplabv3+ model 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31208-6 PMID:41339468	研究论文	本研究提出了一种基于多模态数据融合和改进DeepLabv3+架构的新型滑坡检测模型FCA-DeepLab，旨在提高高分辨率遥感影像中滑坡检测的准确性和效率	提出了一种结合多模态融合机制、采用ConvNeXt网络替换ResNet骨干网络、并引入专门针对小目标的小物体注意力机制的新型滑坡检测模型FCA-DeepLab	未在摘要中明确说明	提高滑坡灾害检测的准确性和效率，以支持灾害应急响应和长期土地利用规划	滑坡灾害	计算机视觉	NA	多模态数据融合	语义分割模型	高分辨率遥感影像（光学影像和地形特征）	多个公共数据集，包括Bijie滑坡数据集	NA	DeepLabv3+, UNet, Swin Transformer, SegFormer	总体准确率, 召回率, 定性分割性能	NA
1316	2025-12-05	Reforming disease prognosis and treatment prediction for palliative care with hybrid metaheuristic deep neural architectures in IoT healthcare ecosystems 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31037-7 PMID:41339488	研究论文	本研究提出了一种结合深度神经网络与布谷鸟搜索优化的混合元启发式深度神经架构，用于物联网医疗生态系统中的脓毒症检测与预后预测	提出了一种混合元启发式深度神经架构，将深度神经网络与布谷鸟搜索优化相结合，在初始化、中期训练和微调阶段应用优化，以解决现有模型计算开销高、对学习率变化敏感及处理非平稳数据困难的问题	未明确提及具体局限性，但可能涉及模型在更广泛医疗场景中的泛化能力验证或实时部署的挑战	改革疾病预后和治疗预测，特别是在缓和医疗领域，通过混合元启发式深度神经架构提升临床预测的及时性和准确性	脓毒症患者，基于物联网医疗生态系统中的时间序列ICU数据	机器学习	脓毒症	k-NN插补和最小-最大缩放用于数据预处理	DNN, CSO	时间序列数据	未明确提及具体样本数量，但涉及时间序列ICU数据	TensorFlow	深度神经网络	准确率, 精确率, 召回率, F1分数	NVIDIA Tesla V100 GPU
1317	2025-12-05	Automated cardiac MRI analysis for robust profiling of heart failure models in mice 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30810-y PMID:41339487	研究论文	本文提出了一种针对小鼠心力衰竭模型的自动化心脏MRI分析流程，包括优化的高吞吐量成像协议和基于3D CNN的深度学习分割方法	开发了一种结合高效非对比心脏MRI协议和全自动3D CNN分割的综合性分析流程，能够检测细微的心肌灌注减少和舒张功能异常，即使在射血分数无明显变化时	研究仅在小鼠模型中进行验证，尚未在人类患者中测试；模型依赖于特定成像协议，可能不适用于所有MRI设置	加速和标准化临床前心血管研究中的表型分析，特别是针对射血分数保留的心力衰竭（HFpEF）模型	两种多因素HFpEF小鼠模型：饮食诱导肥胖（DIO）模型和DIO加高血压剂（DOCP）联合模型	数字病理学	心血管疾病	心脏磁共振成像（MRI），包括电影动脉自旋标记（ASL）和多巴酚丁胺负荷测试	CNN	图像	两种HFpEF小鼠模型组（DIO和DIO+DOCP）及对照组，具体样本数量未明确说明	NA	3D CNN	Dice相似系数，组内相关系数（ICC）	NA
1318	2025-12-05	UNet with self-adaptive Mamba-like attention and causal-resonance learning for medical image segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28885-8 PMID:41339647	研究论文	本文提出了一种名为SAMA-UNet的新型医学图像分割架构，通过引入自适应的Mamba类注意力块和因果共振多尺度模块，在效率和精度之间取得了更好的平衡	提出了两个关键创新：1. 自适应的Mamba类聚合注意力块，能动态整合局部和全局特征；2. 因果共振多尺度模块，通过调整特征分辨率和跨尺度的因果依赖关系来增强编码器-解码器交互	未在摘要中明确说明	开发一种高效且准确的医学图像分割模型，以解决现有模型在效率与精度之间的权衡问题	医学图像分割	数字病理学	NA	NA	CNN, Transformer, SSM	图像	NA	NA	UNet, SAMA-UNet	DSC, NSD	NA
1319	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1320	2025-12-05	Design of an integrated model using U-Net, DeepSurv, and cross-attention for lung cancer classification and survival prediction 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29781-x PMID:41339682	研究论文	本文提出了一种结合U-Net、DeepSurv和交叉注意力的集成模型，用于肺癌分类和生存预测	提出了一种迭代多模型深度学习框架，通过特征级融合和贝叶斯优化提升分类和生存预测性能，并引入增量学习避免灾难性遗忘	未提及模型在外部验证集上的泛化能力或计算效率的具体限制	改进肺癌亚型分类和生存率预测	肺癌患者的多模态数据（放射学图像、组织病理学图像、基因组数据和临床数据）	数字病理学	肺癌	深度学习	CNN, MLP, DeepSurv	图像, 基因组数据, 临床数据	NA	NA	U-Net, DeepSurv	Dice相似系数, 准确率, C指数	NA