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
1361	2025-08-11	Data-driven non-intrusive reduced order modelling of selective laser melting additive manufacturing process using proper orthogonal decomposition and convolutional autoencoder 2025, Advanced modeling and simulation in engineering sciences IF:2.0Q3 DOI:10.1186/s40323-025-00305-6 PMID:40777044	研究论文	本研究提出并比较了两种数据驱动的非侵入式降阶模型（ROMs）用于增材制造（AM）过程：POD-ANN和CAE-MLP模型	结合降阶建模技术与机器学习算法，提出POD-ANN和CAE-MLP两种新模型，用于增材制造过程的分析	虽然两种模型均表现出良好的预测性能，但CAE-MLP模型在预测精度和性能上优于POD-ANN模型	提高增材制造过程分析的精度和效率	增材制造（AM）过程	机器学习	NA	POD, ANN, CAE, MLP	POD-ANN, CAE-MLP	数值模拟数据	NA
1362	2025-08-11	Deriving equivalent symbol-based decision models from feedforward neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1618149 PMID:40777518	研究论文	该研究探讨了从前馈神经网络（FNNs）中提取可解释的符号模型（如决策树）的方法，以提高AI系统的透明度和信任度	提出了一种系统方法，利用FNNs中的分布式表示来识别符号组件，并将神经网络激活映射到决策树边缘，从而生成可解释的符号模型	研究仅针对前馈神经网络，未涉及其他类型的神经网络	提高AI系统的透明度和信任度，通过提取可解释的符号模型来阐明神经网络的运作	前馈神经网络（FNNs）和符号模型（如决策树）	机器学习	NA	分布式表示、符号组件识别	FNNs, 决策树	NA	NA
1363	2025-08-11	Automatic segmentation of chest X-ray images via deep-improved various U-Net techniques 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251366855 PMID:40777837	research paper	评估多种基于U-Net的深度学习架构在胸部X光图像分割中的性能，并确定最有效的模型	比较了八种U-Net变体的性能，发现U-Net9在准确性和计算效率上表现最佳	仅使用了公开可用的胸部X光数据集，未涉及其他模态的医学影像数据	评估不同U-Net架构在胸部X光图像分割中的性能，寻找最优模型	胸部X光图像及其对应的分割掩码	digital pathology	COVID-19, viral pneumonia	deep learning	U-Net variants (U-Net7, U-Net9, U-Net11, U-Net13, U-Net16, U-Net32, U-Net64, U-Net128)	image	公开可用的胸部X光数据集，包含正常、COVID-19和病毒性肺炎类别
1364	2025-08-11	Automated detection of diabetic retinopathy lesions in ultra-widefield fundus images using an attention-augmented YOLOv8 framework 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1608580 PMID:40778265	研究论文	本研究提出了一种改进的YOLOv8模型，用于精确识别糖尿病视网膜病变(DR)病灶	在YOLOv8模型中集成了两种注意力机制(convEMA和convSimAM)，提高了对小尺寸、低对比度和结构复杂特征的检测能力	仅使用了单一数据源(UWF眼底图像)，未在其他类型图像上验证模型泛化能力	提高糖尿病视网膜病变病灶的自动检测精度	糖尿病视网膜病变患者的超广角眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	YOLOv8+convEMA, YOLOv8+convSimAM	图像	3,388张超广角眼底图像(分辨率2,600×2048像素)
1365	2025-08-11	A novel deep learning model based on multimodal contrast-enhanced ultrasound dynamic video for predicting occult lymph node metastasis in papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1634875 PMID:40778281	研究论文	本研究基于多模态对比增强超声动态视频构建深度学习模型，用于预测甲状腺乳头状癌隐匿性淋巴结转移	首次结合2D超声和对比增强超声动态视频构建多模态深度学习模型，显著提高了预测隐匿性淋巴结转移的敏感性和特异性	研究为回顾性分析，样本量有限(396例)，且仅在单一机构收集数据	术前预测甲状腺乳头状癌患者的隐匿性淋巴结转移	临床淋巴结阴性的甲状腺乳头状癌患者	数字病理	甲状腺癌	对比增强超声(CEUS)	深度学习模型(包括DL_CEUSvideo、DL_image和DL_combined)	超声图像和动态视频	396例临床淋巴结阴性的甲状腺乳头状癌病例
1366	2025-08-11	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色的全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，能够显著优于现有的弱监督模型，并在独立数据集中表现出强大的泛化能力	研究主要关注HR+/HER2-乳腺癌患者，可能不适用于其他亚型的乳腺癌	开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险的准确预测	乳腺癌患者	数字病理学	乳腺癌	深度学习	Deep-BCR-Auto	图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集
1367	2025-08-11	Ultra low-power, wearable, accelerated shallow-learning fall detection for elderly at-risk persons 2024-Sep, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2024.100498 PMID:40777999	research paper	开发一种无线、可穿戴、低功耗的跌倒检测传感器（FDS），用于预测和检测老年高危人群的跌倒	利用先进的低功耗FPGA实现固定功能神经网络，用于分类日常生活活动（ADLs），包括跌倒检测	NA	提高老年人的安全和福祉，通过提供及时准确的跌倒检测和预测	老年高危人群	machine learning	geriatric disease	FPGA, CNN	CNN	3D accelerometer and gyroscope measurements	使用志愿者人类受试者收集的数据
1368	2025-08-11	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	research paper	该研究开发了一种基于深度学习算法的早期预警指标，用于在噪声干扰下检测疾病爆发的早期信号	通过结合加性白噪声、乘性环境噪声和人口统计学噪声，开发了一种新的深度学习算法，用于在复杂噪声环境下提供更可靠的早期预警信号	研究主要基于模拟数据和有限的真实世界COVID-19数据，需要在更多疾病和更大规模数据上进行验证	开发能够在噪声干扰下可靠检测疾病爆发早期信号的预警指标	疾病传播模型和真实世界COVID-19数据	machine learning	COVID-19	deep learning	深度学习算法	时间序列数据	埃德蒙顿的COVID-19病例数据和模拟时间序列数据
1369	2025-08-11	Automated In Vivo High-Resolution Imaging to Detect Human Papillomavirus-Associated Anal Precancer in Persons Living With HIV 2023-02-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000558 PMID:36729506	研究论文	本文探讨了使用高分辨率显微内窥镜(HRME)结合机器学习算法自动诊断肛门癌前病变的潜力	开发了一种新型的多任务深度学习网络(MTN)，用于实时分析HRME图像，自动诊断肛门上皮内瘤变2级及以上(AIN 2+)	研究样本量较小(77名HIV感染者)，且特异性相对较低(0.60)	改进肛门癌筛查程序，提高AIN 2+检测的效率和准确性	HIV感染者的肛门鳞状上皮细胞	数字病理	肛门癌	高分辨率显微内窥镜(HRME)，荧光显微镜	多任务深度学习网络(MTN)	图像	77名HIV感染者
1370	2025-08-11	Advances in High-Speed Structured Illumination Microscopy 2021-May, Frontiers in physics IF:1.9Q2 DOI:10.3389/fphy.2021.672555 PMID:40771414	review	本文综述了高速结构光照明显微镜（SIM）的最新进展，旨在提高其成像和重建速度	总结了硬件和软件方面的改进，包括减少原始图像数量、GPU加速、深度学习和空间域重建	未提及具体的技术实施细节或实验验证结果	提高结构光照明显微镜（SIM）的整体速度，以满足活细胞成像的需求	结构光照明显微镜（SIM）技术及其在活细胞成像中的应用	显微镜技术	NA	结构光照明显微镜（SIM）	深度学习	图像	NA
1371	2025-08-10	AI-based toxicity prediction models using ToxCast data: Current status and future directions for explainable models 2025-Nov, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2025.154230 PMID:40645553	综述	本文综述了基于ToxCast数据的AI毒性预测模型的现状及未来发展方向	分析了93篇同行评审论文，概述了ToxCast数据驱动的AI模型，并探讨了数据库结构、目标终点、分子表示和学习算法的现状	当前模型主要关注数据丰富的终点和器官特异性毒性机制，可能忽略了其他重要毒性机制	开发毒性预测模型以筛选环境化学品，加速下一代风险评估(NGRA)	环境化学品及其毒性	机器学习	NA	AI驱动的毒性预测	监督学习、半监督学习、无监督学习、深度学习	分子指纹、描述符、图、图像、文本	93篇同行评审论文
1372	2025-08-10	A novel multimodal adaptive delineation model for primary tumors and lymph node metastases in multi-center nasopharyngeal carcinoma radiotherapy 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108965 PMID:40682906	研究论文	提出了一种新型多模态自适应勾画模型，用于多中心鼻咽癌放疗中原发肿瘤和淋巴结转移的自动勾画	采用条件去噪扩散模型（DDPM）结合“模态间和模态内”注意力机制，动态校准多模态特征的融合权重，提高了自动勾画的准确性	研究样本中前瞻性病例较少（仅4例），可能影响模型在真实临床环境中的泛化能力	提高鼻咽癌放疗中肿瘤体积（GTV）自动勾画的准确性和稳定性	鼻咽癌（NPC）原发肿瘤和淋巴结转移	数字病理	鼻咽癌	CT和MRI多模态成像	条件去噪扩散模型（DDPM）	医学影像	529例回顾性病例和4例前瞻性病例
1373	2025-08-10	CNN based precise nonlinear tracking control for a nano unmanned helicopter: Theory and implementation 2025-Sep, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.05.020 PMID:40393892	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的几何积分控制策略，用于重量小于70克、机身长度小于0.25米的纳米无人直升机	与现有的非线性控制器相比，该方法在可行性、参数调整的简便性和数据需求方面具有显著优势	NA	开发一种适用于纳米无人直升机的精确非线性跟踪控制方法	纳米无人直升机	机器学习	NA	深度卷积神经网络（CNN）	CNN	飞行实验数据	NA
1374	2025-08-10	A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis 2025-Aug-26, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2025.115608 PMID:40628176	研究论文	开发并验证了一个基于深度学习的风险模型PanScore，用于胰腺导管腺癌（PDAC）术前风险分层	利用基因组特征和深度学习模型PanScore对PDAC患者进行风险分层，特别是在可切除病例中识别出隐匿性转移风险	研究为回顾性设计，需要前瞻性研究进一步验证模型的临床实用性	提高胰腺导管腺癌术前风险分层的准确性，以指导个性化治疗决策	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	基因组测序	深度神经网络（DNN）	基因组数据	训练队列1779例（MSK-MET数据集），验证队列2181例（MSK-IMPACT队列）
1375	2025-08-10	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-Aug-09, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	观点文章	本文探讨了机器学习在临床蛋白质组学生物标志物发现中的应用及其面临的挑战	批判性地分析了机器学习在临床蛋白质组学中的应用，强调算法创新不能弥补样本量小、批次效应等问题	未提出具体解决方案，主要侧重于问题分析和建议	评估机器学习在临床蛋白质组学生物标志物发现中的实际应用潜力	临床蛋白质组学数据	机器学习	NA	临床蛋白质组学	深度学习架构	蛋白质组学数据	小样本量
1376	2025-08-10	DDoS classification of network traffic in software defined networking SDN using a hybrid convolutional and gated recurrent neural network 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13754-1 PMID:40781265	研究论文	本文提出了一种混合CNN-GRU模型，用于软件定义网络(SDN)中DDoS攻击的网络流量分类	提出了一种结合1D卷积层和GRU层的混合模型，用于空间模式提取和时间序列学习，实现了完美的测试性能	实验仅在特定SDN流量数据集上进行，未在其他网络环境中验证模型的泛化能力	开发一种高效的深度学习方法，用于SDN中DDoS攻击的检测	SDN网络流量数据	机器学习	NA	SMOTE, StandardScaler	混合CNN-GRU模型	网络流量数据	24,500个样本（12,250个良性样本和12,250个攻击样本）
1377	2025-08-10	Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation 2025-Aug-09, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04991-6 PMID:40782188	研究论文	开发并验证了一种用于自动3D分割肩袖肌肉的深度学习模型，以量化接受全肩关节置换术(TSA)患者的肌肉体积和脂肪分数	采用DeepLabV3+与ResNet50结合的模型，首次在纵向CT扫描上实现肩袖肌肉和脂肪的自动3D分割	研究样本量相对较小，仅包含53名TSA患者用于模型训练和验证	开发自动化工具以评估肩关节置换术患者的肩袖肌肉健康状况	接受全肩关节置换术的患者	数字病理	肩关节疾病	CT扫描	DeepLabV3+ with ResNet50	3D CT图像	53名TSA患者用于模型开发，172名患者用于量化分析
1378	2025-08-10	Reducing motion artifacts in the aorta: super-resolution deep learning reconstruction with motion reduction algorithm 2025-Aug-09, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01849-8 PMID:40782239	research paper	评估超分辨率深度学习重建结合运动减少算法在减少主动脉运动伪影方面的效果	结合超分辨率深度学习重建与运动减少算法，显著提升CT图像质量	研究为回顾性设计，样本量有限（86例患者）	评估SR-DLR-M在减少主动脉运动伪影方面的效能	主动脉CT图像	digital pathology	cardiovascular disease	contrast-enhanced CT	deep learning reconstruction	image	86例患者（平均年龄65.0±14.1岁，53名男性）
1379	2025-08-10	Multi-scale Autoencoder Suppression Strategy for Hyperspectral Image Anomaly Detection 2025-Aug-08, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3595408 PMID:40779374	研究论文	本文提出了一种名为多尺度自编码器抑制策略（MASS）的新方法，用于高光谱图像异常检测，通过优先重建背景信息并抑制异常像素的影响来提高检测精度	提出MASS方法，结合局部特征提取器（集成卷积和全维动态卷积）与基于Transformer的全局特征提取器，设计自注意力抑制模块（SAS）以减少异常像素的影响，并在网络学习中引入掩码机制	未明确提及具体局限性	提高高光谱图像异常检测的精度	高光谱图像	计算机视觉	NA	自编码器（AEs）、卷积、全维动态卷积（ODConv）、Transformer、自注意力抑制模块（SAS）	自编码器（AE）、Transformer	高光谱图像	八个数据集
1380	2025-08-10	An Anisotropic Cross-View Texture Transfer with Multi-Reference Non-Local Attention for CT Slice Interpolation 2025-Aug-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3596957 PMID:40779378	研究论文	提出了一种基于多参考非局部注意力的各向异性跨视图纹理转移方法，用于CT切片插值	充分利用3D CT体积的各向异性特性，设计了一个独特的框架，将高分辨率平面内纹理细节作为参考，并将其转移到低分辨率平面外图像中	未明确提及	提高CT切片插值的质量，改善疾病诊断的准确性	CT图像	数字病理	NA	深度学习	多参考非局部注意力模块	图像	公共CT数据集，包括一个真实配对基准