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
1401	2025-05-15	Learning-Based Classification of B- and T-Cell Lymphoma on Histopathological Images: A Multicenter Study 2025-May-13, European journal of haematology IF:2.3Q2 DOI:10.1111/ejh.14433 PMID:40360162	research paper	该研究首次探讨了在组织病理学图像上使用深度学习模型对B细胞和T细胞淋巴瘤进行分类的可行性	首次在组织病理学图像上部署深度学习模型进行B细胞和T细胞淋巴瘤分类，并整合了卷积块注意力模块（CBAMs）提升模型性能	研究样本量相对有限（1510张切片），且仅针对B细胞和T细胞淋巴瘤两种类型	提高淋巴瘤诊断的精确性并减少对人工染色和解释的依赖	B细胞和T细胞淋巴瘤的组织病理学图像	digital pathology	lymphoma	深度学习	CNN (Xception, NASNetL, ResNet50, EfficientNet)	image	1510张H&E染色切片（750张B细胞，760张T细胞）
1402	2025-05-15	Deep Learning-accelerated MRI in Body and Chest 2025-May-13, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	research paper	本文探讨了深度学习重建（DLR）在加速MRI扫描并保持图像质量方面的应用，特别是在身体和胸部成像中	DLR技术在保持图像质量的同时显著减少了MRI扫描时间，并提供了去噪、减少伪影、提高分辨率和信噪比（SNR）及对比噪声比（CNR）的潜力	DLR面临的挑战包括轻微降低的病变检测率、心脏运动相关的信号丢失、区域SNR变化以及不同器官系统中ADC测量的变异性	研究DLR技术在MRI加速中的应用及其对图像质量和诊断准确性的影响	腹部、骨盆和胸部的MRI图像，特别是肝脏和前列腺	医学影像	NA	深度学习重建（DLR）	监督深度学习模型，包括变分网络	MRI图像	NA
1403	2025-05-15	DNA data storage for biomedical images using HELIX 2025-May-13, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00793-x PMID:40360759	研究论文	提出了一种名为HELIX的基于DNA的生物医学图像存储系统，该系统针对生物医学图像特性设计了图像压缩算法和纠错编码算法	HELIX系统针对生物医学图像特性设计了专用压缩算法，并采用无需索引的纠错编码算法，提高了存储密度和解码速度	仅在体外实验中测试了两幅时空基因组学图像的存储效果	开发适用于生物医学图像的DNA数据存储系统	生物医学图像	数字病理学	NA	DNA数据存储	深度学习图像修复算法	生物医学图像	两幅时空基因组学图像
1404	2025-05-15	Predicting gene expression from DNA sequence using deep learning models 2025-May-13, Nature reviews. Genetics DOI:10.1038/s41576-025-00841-2 PMID:40360798	研究论文	本文探讨了利用深度学习模型从DNA序列预测基因表达的方法	应用深度学习技术处理表观基因组图谱和高通量报告基因检测数据，显著提高了预测基因活性的准确性	不同方法存在各自的优缺点，且模型的复杂性可能限制其广泛应用	构建能够从DNA序列预测基因活性的计算模型	基因表达的调控机制，特别是启动子和增强子等DNA元件	机器学习	NA	表观基因组图谱和高通量报告基因检测	深度学习	DNA序列数据	NA
1405	2025-05-15	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-May-13, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	research paper	提出了一种混合框架，用于检测多媒体安全中的复制-移动伪造	结合了FFT、SIFT、ORB、MobilenetV2和VGG16模型以及注意力机制，提高了检测的准确性	传统方法在处理多样化的图像修改时可能存在困难	保证数字图像完整性并识别图像篡改	数字图像	computer vision	NA	FFT、SIFT、ORB、MobilenetV2、VGG16、DBSCAN	MobilenetV2、VGG16	image	五个基准复制-移动伪造数据集
1406	2025-05-15	Application of Hyperspectral Imaging and Machine Learning for Differential Diagnosis of Hashimoto's Thyroiditis and Papillary Thyroid Carcinoma 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500123 PMID:40364460	研究论文	本研究利用高光谱成像和深度学习模型区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征	首次应用高光谱成像和自适应光谱特征选择网络模型来区分HT和PTC的光谱特征	未提及样本量的具体数目，且模型准确率为88.36%，仍有提升空间	区分桥本甲状腺炎和甲状腺乳头状癌的光谱特征，提高甲状腺疾病的诊断准确性	桥本甲状腺炎和甲状腺乳头状癌的样本	数字病理	甲状腺疾病	高光谱成像（HSI）	自适应光谱特征选择网络模型	高光谱图像	NA
1407	2025-05-15	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-May-13, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	本文介绍了一种用于镰状细胞病(SCD)自动筛查的智能显微镜系统	结合干涉法捕获高分辨率3D相位图像与基于UNET模型的深度学习技术，实现镰状细胞和健康细胞的语义分割	系统鲁棒性有待提高，需要进一步的临床验证	开发一种快速可靠的SCD诊断工具	镰状细胞和健康红细胞(RBCs)	数字病理学	镰状细胞病	干涉法成像	UNET, 梯度提升模型	3D相位图像	NA
1408	2025-05-15	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-May-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探索医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用query-mixed intra-attention和key&value-mixed inter-attention机制，结合非局部推理模块(NLRM)和key&value-mixed inter-attention(KVMIA)进行前门调整策略，以及patch-masked ranking模块(PMRM)和query-mixed intra-attention(QMIA)增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，处理不可观测的混杂因素	医学图像及其诊断标签	digital pathology	NA	NA	CausalMixNet (基于混合注意力机制的深度学习模型)	image	多个数据集，具体数量未提及
1409	2025-05-15	A Scalable Deep Attention Mechanism of Instance Segmentation for the Investigation of Chromosome 2025-May-11, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100306 PMID:40360085	research paper	提出了一种用于染色体实例分割的可扩展深度注意力机制框架，整合了自动标注流程和增强的深度学习架构	引入了包含24种染色体类别的COCO格式新数据集，采用基于特征的图像配准技术自动生成高质量标注，并提出了增强的Mask R-CNN模型（包含AttFPN、空间注意力机制和LastLevelMaxPool块）	虽然在小中型染色体分割上表现优异，但未明确说明对大型染色体的处理效果	解决细胞遗传学和基因组学中染色体分割的挑战	中期分裂相图像中的染色体	digital pathology	NA	SIFT特征匹配和单应性变换	改进的Mask R-CNN（包含AttFPN和空间注意力机制）	图像（中期分裂相图像和对应核型图）	包含24种染色体类别的COCO格式标注数据集（具体样本量未说明）
1410	2025-05-15	Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm 2025-May-10, Journal of chromatography. A DOI:10.1016/j.chroma.2025.465874 PMID:40101658	研究论文	本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用	结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗	在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高	提高复杂系统中化合物分析的效率并减少有机溶剂消耗	艾叶（Artemisiae argyi Folium, AAF）	化学计量学	NA	高效液相色谱（HPLC），一维卷积神经网络（1D-CNN）	1D-CNN	色谱数据	NA
1411	2025-05-15	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级	结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级	研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响	创建可靠的食管癌分级框架，提高诊断准确性和可解释性	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical information	2560名食管癌患者
1412	2025-05-15	Deep learning-driven hyperspectral imaging for real-time monitoring and growth modeling of psychrophilic spoilage bacteria in chilled beef 2025-May-09, International journal of food microbiology IF:5.0Q1 DOI:10.1016/j.ijfoodmicro.2025.111254 PMID:40359768	研究论文	本研究利用深度学习驱动的高光谱成像技术，实时监测和建模冷藏牛肉中嗜冷腐败细菌的生长	结合高光谱成像和多种算法（如CARS、PLSR、SCN等）进行细菌生长建模，实现了冷藏牛肉中细菌含量的快速无损检测	模型预测精度仍有提升空间，特别是对乳酸杆菌的预测效果相对较差	开发一种快速无损检测冷藏牛肉中嗜冷细菌含量的方法	冷藏牛肉中的假单胞菌和乳酸杆菌	数字病理	NA	高光谱成像、平板计数法	PLSR、SCN、时间卷积网络结合多头注意力机制	光谱数据	未明确说明样本数量（冷藏牛肉样品）
1413	2025-05-15	The informativeness of the gradient revisited 2025-May-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107517 PMID:40359739	research paper	本文探讨了梯度信息在深度学习中的有效性，并提出了一个衡量梯度方差的一般性界限	提出了一个衡量梯度方差的一般性界限，并将其应用于Learning with Errors (LWE)映射和高频函数类	理论分析可能无法完全覆盖所有实际应用场景，实验部分仅针对特定类型的函数进行了验证	深入理解梯度信息在深度学习中的局限性	梯度信息的有效性及其在深度学习中的应用	machine learning	NA	NA	NA	NA	NA
1414	2025-05-15	Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety 2025-May-07, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144678 PMID:40359792	综述	本文综述了智能手机集成的纳米酶技术在快速、现场食品安全分析中的应用及其进展	探讨了智能手机与纳米酶技术结合用于实时生物传感的潜力，以及与AI、ML、DL和3D打印技术结合的创新应用	存在提高灵敏度、实现多重检测和现场应用验证等关键挑战	推动智能食品安全系统的发展，实现实时和现场检测以确保食品质量和公共健康	食源性病原体、污染物和危害物	食品安全	NA	纳米酶技术、AI、ML、DL、3D打印	NA	实时生物传感数据	NA
1415	2025-05-15	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文比较了深度学习分割模型在生物物理和生物医学数据上的表现	提供了四种常用深度学习架构在典型小规模训练数据集上的全面比较，并建立了确定每种模型最佳使用条件的标准	研究仅关注了四种特定模型架构，可能未涵盖所有相关模型	为生物物理学领域的研究人员和实践者提供选择最适合特定应用的深度学习架构的实用指南	四种深度学习架构（CNN、U-Nets、vision transformers和vision state space models）	生物物理学	NA	深度学习	CNN, U-Nets, vision transformers, vision state space models	生物物理和生物医学数据	典型的小规模训练数据集
1416	2025-05-15	Deep learning-based image classification and quantification models for tablet sticking 2025-May-06, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125690 PMID:40339626	研究论文	本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化药片粘附现象	结合CNN和GLCM特征与支持向量机，开发了一种新型集成模型，用于分类和量化药片粘附	尽管模型能检测轻微粘附，但药片质量属性仍可能符合标准，暗示视觉检查和质量属性评估可能不足以检测所有粘附情况	提高药物片剂生产的效率和质量一致性，克服视觉检查的局限性	药物片剂的粘附现象	计算机视觉	NA	CNN, GLCM, 支持向量机	AlexNet, VGG 16, ResNet 50, GoogLeNet	图像	10批药片
1417	2025-05-15	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性	提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集	在外部测试数据集上的性能有所下降（F1分数从81%降至68%）	开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关	eXtreme Gradient Boosting (XGBoost)	心电图信号	未明确提及具体样本数量，但使用了大规模心电图数据库
1418	2025-05-15	Automatic pre-screening of outdoor airborne microplastics in micrographs using deep learning 2025-May-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125993 PMID:40090454	研究论文	本文提出了一种利用深度学习自动预筛选户外空气中微塑料的新方法	通过增强的U-Net模型（Attention U-Net和Dynamic RU-NEXT）及Mask R-CNN在低分辨率显微图像中识别和分类户外空气中的微塑料，创新性地将分类直接集成到基于U-Net的分割框架中，提高了计算效率	NA	提高户外空气中微塑料的识别和分类效率	户外空气中的微塑料	计算机视觉	NA	深度学习	Attention U-Net, Dynamic RU-NEXT, Mask R-CNN	图像	NA
1419	2025-05-15	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	research paper	提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率	利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力	研究仅验证了20名正常受试者的数据，样本量较小	提高胎儿健康监测的可及性和可靠性	胎儿和母亲的心率	machine learning	心血管疾病	Phonocardiography (PCG)	U-NetR, transformer	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
1420	2025-05-15	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	research paper	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像（WSI）的分类和识别，通过多尺度融合特征和语义相关性聚类实现跨域知识迁移	依赖于动物模型数据集，可能无法完全覆盖人类WSI的多样性	提高组织病理学图像分类的准确性，减少对人类WSI标注的依赖	人类全切片图像（WSI）和Minmice模型的组织病理学图像数据集	digital pathology	NA	无监督域适应方法，多尺度特征融合，语义相关性聚类	deep learning	image	NA