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
121	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
122	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
123	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
124	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
125	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
126	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
127	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
128	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
129	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）
130	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
131	2025-08-10	Lateral flow and colorimetric assay for ketamine detection reinforced with deep learning model interfaced with mobile app for smart alert 2025-Aug-09, Mikrochimica acta DOI:10.1007/s00604-025-07429-x PMID:40781183	research paper	该研究开发了一种结合比色法和侧向流动分析（LFA）的氯胺酮检测方法，并集成了深度学习模型和移动应用进行智能警报	研究创新点包括使用适配体替代抗体的LFA方法、结合金纳米颗粒的比色适配体传感器、以及双阶段深度学习框架（YOLOv5和ResNet50）对LFA试纸条数据进行分类	NA	开发一种便携、低成本的即时诊断技术用于氯胺酮检测	氯胺酮	machine learning	NA	比色法、侧向流动分析（LFA）、UV-Vis分光光度法	YOLOv5、ResNet50	图像	合成尿液样本
132	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）
133	2025-08-10	Enhanced hyper tuning using bioinspired-based deep learning model for accurate lung cancer detection and classification 2025-Aug-09, The International journal of artificial organs DOI:10.1177/03913988251359522 PMID:40781973	研究论文	本文提出了一种基于生物启发算法的增强超调谐深度学习模型（EHTDL），用于提高肺癌检测和分类的准确性和效率	结合生物启发算法（GWO和DE）进行特征选择和优化，引入深度分形边缘分类器（DFEC）进行肺癌特征学习，实现了高准确率和效率	未提及模型在多样化数据集上的泛化能力或临床验证的具体细节	提高肺癌检测和分类的准确性和效率，以增强患者治疗效果	肺癌的CT图像	数字病理学	肺癌	GLCM纹理分析、Grey Wolf优化（GWO）、差分进化（DE）、Mask R-CNN	EHTDL（包含DFEC分类器）	CT图像	NA
134	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
135	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）
136	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
137	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
138	2025-08-10	Automatic Choroid Segmentation and Thickness Measurement Based on Mixed Attention-guided Multiscale Feature Fusion Network 2025-Aug-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3597026 PMID:40779377	研究论文	提出了一种基于混合注意力引导的多尺度特征融合网络（MAMFF-Net），用于自动分割OCT图像中的脉络膜并测量其厚度	结合混合注意力编码器（MAE）、可变形多尺度特征融合路径（DMFFP）和多尺度金字塔层聚合（MPLA）模块，提高了脉络膜分割的准确性	公共OCT数据集中涉及脉络膜厚度变化的疾病类型较少，且缺乏公开可用的标注数据集	开发一种自动分割和测量脉络膜厚度的方法，以辅助临床诊断和疾病进展监测	OCT图像中的脉络膜	数字病理学	眼科疾病	OCT成像	MAMFF-Net（混合注意力引导的多尺度特征融合网络）	图像	徐州医科大学附属医院（XZMH）-脉络膜数据集，包含正常和八种脉络膜相关疾病的标注OCT图像
139	2025-08-10	A neural network model enables worm tracking in challenging conditions and increases signal-to-noise ratio in phenotypic screens 2025-Aug-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013345 PMID:40779582	research paper	该研究开发了一种名为DeepTangleCrawl（DTC）的神经网络模型，用于在复杂条件下追踪线虫（C. elegans）的姿态，并提高表型筛选中的信噪比	DTC模型在追踪线虫时减少了失败率，并生成更连续、无间隙的轨迹，能够分析以往难以捕捉的行为，提高了表型筛选的信噪比	NA	改进线虫在复杂环境中的高分辨率姿态追踪技术，以应用于遗传学、神经科学和药物筛选	线虫（C. elegans）	computer vision	NA	deep learning	DeepTangle algorithm (DTC)	image	NA
140	2025-08-10	SamRobNODDI: q-space sampling-augmented continuous representation learning for robust and generalized NODDI 2025-Aug-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b8 PMID:40780245	研究论文	提出了一种基于q空间采样增强的连续表示学习框架SamRobNODDI，用于实现鲁棒和通用的NODDI参数估计	引入了q空间采样增强的连续表示学习方法，并设计了采样一致性损失，以提高模型在不同q空间采样方案下的性能和鲁棒性	未明确提及具体限制，但可能涉及对不同q空间采样方案的泛化能力仍需进一步验证	开发一种能够在不同扩散梯度方向下鲁棒进行NODDI参数估计的方法	神经突方向分散和密度成像(NODDI)的微结构估计	医学影像分析	神经系统疾病	扩散磁共振成像(dMRI)	连续表示学习框架	医学影像数据	在18种不同的q空间采样方案下与7种最先进方法进行比较