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
1541	2025-12-05	Impact of Adversarial Attack on Pediatric Hip Ultrasound Deep Learning Models 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253101 PMID:41337411	研究论文	本文研究了对抗性攻击对基于儿科髋关节超声图像的深度学习分类模型的影响，并通过对抗性训练提升模型鲁棒性	首次在儿科髋关节超声图像的深度学习模型中应用并比较了多种白盒对抗性攻击方法（FGSM、PGD、BIM），并利用对抗性训练显著提高了模型在扫描充分性评估中的鲁棒性	研究仅使用了两个相对较小的数据集（108和200名受试者），且对抗性攻击仅限于白盒场景，未涵盖黑盒攻击或更广泛的临床验证	评估儿科髋关节超声深度学习模型对对抗性攻击的脆弱性，并通过对抗性训练提升其鲁棒性	儿科髋关节超声图像	计算机视觉	儿科髋关节疾病	B型超声成像	CNN	图像	两个数据集，分别来自108名和200名受试者	NA	AlexNet, ResNet, DenseNet, Inception, VGG	准确率	NA
1542	2025-12-05	Study about deep Bifurcation learning model for separation of ultrasound echo signals and tissue acoustic properties 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253118 PMID:41337428	研究论文	本文开发了一种基于自动编码器的深度学习模型，用于分离超声回波信号中的镜面反射和散斑信号成分，并定量估计反射和散射等声学特性	模型采用分叉多任务架构，能高效分离信号成分和声学特性，并引入可训练的共享损失函数以减少任务间损失不平衡导致的学习性能下降	NA	开发深度学习模型以改进超声成像，通过分离信号成分和估计声学特性来提升临床诊断效果	医学超声回波信号	数字病理学	NA	NA	自动编码器	超声回波信号	NA	NA	ResNet-50	SSIM	NA
1543	2025-12-05	Multi-Modal Feature Fusion Using Transformer for Early Alzheimer's Disease Diagnosis 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253151 PMID:41337426	研究论文	本文提出了一种基于Transformer的多模态特征融合模型，用于阿尔茨海默病的早期诊断	利用Transformer融合图像与非图像特征，并引入类别不平衡损失函数以优化早期AD诊断性能	未明确提及模型在外部验证集或临床实际应用中的泛化能力	开发智能早期阿尔茨海默病诊断模型以提高诊断准确性	阿尔茨海默病患者数据，包括图像和非图像特征	数字病理学	阿尔茨海默病	多模态特征融合	Transformer	图像, 非图像特征	未明确说明具体样本数量，但采用分层5折交叉验证	未明确说明	Transformer	准确性	未明确说明
1544	2025-12-05	Gaze-Guided Medical Image Segmentation: A Training-Free Approach using SAM Foundation Model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253157 PMID:41337454	研究论文	本文提出了一种利用眼动数据作为隐式提示，结合SAM基础模型实现无需训练的医学图像分割方法	首次将眼动数据作为隐式提示引入SAM模型，用于医学图像分割，无需任务特定训练或标注数据，提供了一种自然、低成本的交互方式	研究仅在息肉分割和前列腺分割两个任务上验证，尚未扩展到更多医学图像类型和疾病；眼动数据的采集可能受设备限制	开发一种无需训练、资源高效的医学图像自动分割方法，以降低标注成本并实现近实时分割	医学图像（结肠镜图像中的息肉、MRI图像中的前列腺）	计算机视觉	结直肠癌, 前列腺癌	眼动追踪	基础模型	图像	Kvasir-SEG数据集和NCI-ISBI 2013数据集（具体样本数未在摘要中提供）	NA	SAM	NA	NA
1545	2025-12-05	Automated Wrist Ultrasound Image Bone Enhancement and Segmentation Using Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253133 PMID:41337456	研究论文	本研究提出了一种基于深度学习的自动手腕超声图像骨增强与分割框架，用于评估儿童手腕骨折	结合CLAHE图像增强技术与nnU-Net模型进行手腕超声图像中骨骼结构（如骨骺和干骺端）的自动分割，在儿科急诊环境中验证了可行性	研究样本量相对有限（74名受试者的训练数据和18名受试者的测试数据），且未详细讨论模型在不同超声设备或操作者间的泛化能力	开发一种自动分割手腕超声图像中骨骼结构的方法，以辅助儿科急诊中手腕损伤的严重性评估，减少X射线检查的需求	手腕超声图像中的骨骼结构，包括骨骺、干骺端和腕骨	计算机视觉	手腕骨折	超声成像	CNN	图像	74名受试者的16,865张训练图像和18名受试者的3,822张测试图像	PyTorch	nnU-Net	DICE分数	NA
1546	2025-12-05	A Deep Learning approach for Depressive Symptoms assessment in Parkinson's disease patients using facial videos 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253137 PMID:41337455	研究论文	本研究利用深度学习模型分析帕金森病患者的视频，以评估其抑郁症状的存在与严重程度	首次将ViViT、Video Swin Tiny和3D CNN-LSTM等深度学习模型应用于帕金森病患者面部视频的时空分析，以评估抑郁症状，并考虑了药物状态（ON/OFF）的影响	研究样本量相对有限（178名患者），且未明确说明模型的泛化能力或在不同人群中的验证情况	开发一种可扩展、非侵入性的方法，用于帕金森病患者抑郁症状的自动评估与监测	帕金森病患者	计算机视觉	帕金森病	面部视频分析	深度学习模型	视频	178名患者的1,875个视频	NA	ViViT, Video Swin Tiny, 3D CNN-LSTM	准确率, F1分数	NA
1547	2025-12-05	AI and Tomosynthesis for Breast Cancer Molecular Subtyping: A step toward precision medicine 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253140 PMID:41337459	研究论文	本研究探讨了结合人工智能与数字乳腺断层合成技术，用于非侵入性乳腺癌分子亚型分类的可行性	首次将深度学习模型应用于数字乳腺断层合成图像，以实现对侵袭性乳腺癌亚型（Luminal B2、HER2阳性和三阴性）的非侵入性分类	在区分Luminal B2亚型方面仍存在挑战，性能相对较低	开发一种基于人工智能和影像学的非侵入性方法，用于乳腺癌分子亚型分类，以支持精准医疗	乳腺癌患者，特别是侵袭性亚型（Luminal B2、HER2阳性、三阴性）	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	NA	NA	ResNet-101, Inception-v3	AUC	NA
1548	2025-12-05	ralphi: a deep reinforcement learning framework for haplotype assembly 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.17.638151 PMID:40027721	研究论文	本文提出了一种基于深度强化学习的新型单倍型组装框架ralphi，用于从测序读段中准确重建二倍体基因组的单倍型	首次将深度强化学习应用于单倍型组装问题，通过结合深度学习的表征能力和强化学习的决策优化，实现了对读段片段的精确分区	未明确说明模型在非人类基因组或高杂合度区域的泛化能力，且训练数据主要基于1000 Genomes Project的基因组	开发一种更准确、更高效的单倍型组装方法，以提升单倍型重建的准确性和连续性	二倍体基因组的单倍型组装	机器学习	NA	ONT测序	深度强化学习	序列数据	基于1000 Genomes Project基因组生成的多样化片段图拓扑数据集	PyTorch	NA	错误率, 单倍型区块长度	NA
1549	2025-12-05	GLAM: Glomeruli Segmentation for Human Pathological Lesions using Adapted Mouse Model 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3046823 PMID:41323934	研究论文	本研究提出GLAM方法，利用小鼠模型进行人类肾脏病变的细粒度分割，通过零样本迁移学习和混合学习策略评估不同学习策略	首次针对人类病理肾小球病变的细粒度分割，结合小鼠模型进行迁移学习，并比较零样本迁移与混合学习策略	研究可能未全面覆盖所有类型的人类肾脏病变，且依赖于小鼠模型数据的可扩展性	开发一种深度学习模型，用于从动物模型迁移到人类应用的肾小球分割，特别关注病理病变	人类肾脏病变组织，特别是受不同病变影响的病理肾小球	数字病理学	肾脏疾病	深度学习分割技术	深度学习模型	图像数据	NA	NA	NA	NA	NA
1550	2025-12-05	Intelligent grading of sugarcane leaf disease severity by integrating physiological traits with the SSA-XGBoost algorithm 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698808 PMID:41169726	研究论文	本研究提出了一种基于生理特征和SSA-XGBoost算法的甘蔗叶片病害严重程度智能分级方法	结合生理特征（SPAD值、叶面温度、氮含量）与麻雀搜索算法优化XGBoost模型，实现高效、透明的甘蔗病害严重程度分级	未与基于图像的深度学习方法进行直接性能对比，且仅针对三种特定甘蔗病害进行验证	开发一种智能方法，用于准确评估甘蔗叶片病害严重程度，以支持早期预警和有效病害控制	感染褐条病、环斑病和花叶病的甘蔗叶片	机器学习	植物病害	植物营养分析仪（TYS-4N）测量	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	生理特征数据（SPAD值、叶面温度、氮含量）	从田间收集的感染三种病害、四个严重程度等级的甘蔗叶片数据	Scikit-learn, XGBoost	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	精确率, 召回率, F1分数, 准确率, PRFA综合评分	未明确说明
1551	2025-12-05	Identifying escaped farmed salmon from fish scales using deep learning 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf078 PMID:41311715	研究论文	本文利用深度学习技术，通过鱼鳞图像自动识别逃逸养殖鲑鱼，以解决传统方法劳动密集和时间消耗大的问题	首次在包含近90,000张鱼鳞图像的大型多样化数据集上训练和验证卷积神经网络，涵盖异质成像协议、数百条河流及自1930年代的时间序列数据，展示了模型在生态和方法学背景下的强泛化能力	未明确提及模型在极端环境或新型养殖技术下的适用性限制	开发一个自动化、高精度的工具，用于大规模监测逃逸养殖鲑鱼，以保护野生大西洋鲑鱼种群	挪威的逃逸养殖鲑鱼和野生大西洋鲑鱼	计算机视觉	NA	鱼鳞图像分析	CNN	图像	近90,000张鱼鳞图像，来自两个国家档案库，涵盖数百条河流和自1930年代的时间序列	NA	卷积神经网络	F1分数	NA
1552	2025-12-05	Scale-up Unlearnable Examples Learning with High-Performance Computing 2025, IS&T International Symposium on Electronic Imaging DOI:10.2352/ei.2025.37.12.hpci-184 PMID:41323016	研究论文	本文通过在高性能计算环境下扩展不可学习示例学习，探索批量大小对数据不可学习性的影响，以增强医疗数据安全	首次在Summit超级计算机上使用分布式数据并行训练扩展不可学习聚类方法，实现理论上无限资源下的不可学习示例性能提升	批量大小与不可学习性的关系因数据集而异，需针对不同数据集定制策略，且实验仅限于特定图像数据集	防止未经授权的深度学习模型学习，特别是在医疗AI诊断工具中保护敏感数据隐私和知识产权	医疗影像数据及其他图像数据集（如Pets、MedMNist、Flowers、Flowers102）	机器学习	NA	不可学习示例学习，不可学习聚类	深度学习模型	图像	多个数据集（Pets、MedMNist、Flowers、Flowers102），具体样本数量未在摘要中指定	PyTorch（基于DDP框架推断）	NA	准确性，不可学习性	Summit超级计算机，高性能GPU，分布式数据并行训练
1553	2025-12-05	Histolytics: A panoptic spatial analysis framework for interpretable histopathology 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.022 PMID:41328400	研究论文	本文介绍了Histolytics，一个用于可解释性组织病理学分析的开源Python框架	将全景分割与空间查询、形态学分析和基于图的分析相结合，提供高分辨率、可解释的组织特征量化方法	NA	开发一个可扩展的计算病理学框架，用于量化组织空间组织模式	宫颈和卵巢高级别浆液性癌的H&E染色全切片图像	数字病理学	宫颈癌,卵巢癌	H&E染色,全景分割	深度学习模型	图像	NA	Python	NA	NA	NA
1554	2025-12-05	Functional connectivity signatures of major depressive disorder: machine learning analysis of two multicenter neuroimaging studies 2023-07, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-023-01977-5 PMID:36792654	研究论文	本研究通过机器学习和深度学习算法分析两个大型静息态功能磁共振成像数据集，以区分重度抑郁症患者与健康对照，并识别抑郁症的神经生理学特征	首次在两个最大的重度抑郁症静息态数据集上应用支持向量机和图卷积神经网络进行分类，并利用GCN-Explainer等方法可视化特征，揭示了丘脑过度连接作为抑郁症的突出神经生理学特征	分类准确率相对较低（约61%），可能受疾病异质性影响，且研究主要基于静息态功能连接，未考虑其他神经影像或临床因素	开发基于神经影像的机器学习诊断工具，以识别重度抑郁症的生物标志物	重度抑郁症患者和健康对照者	机器学习	重度抑郁症	静息态功能磁共振成像	SVM, GCN	功能连接矩阵	REST-meta-MDD数据集2338例，PsyMRI数据集1039例	NA	图卷积神经网络	准确率	NA
1555	2025-12-05	Prediction of postoperative infection in elderly using deep learning-based analysis: an observational cohort study 2023-Mar, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-022-02325-3 PMID:36598653	研究论文	本研究旨在开发和验证基于深度学习的模型，用于预测老年患者术后感染	首次在老年患者中应用深度学习模型，结合基线临床特征和手术相关风险因素，以预测术后感染	研究为可行性研究，样本量有限（2014名患者），且模型性能有待进一步验证以指导临床实践	开发和验证深度学习模型，以预测老年患者术后感染，改善手术结果	2014名来自中国28家医院的老年择期手术患者	机器学习	老年疾病	NA	深度学习	临床数据	2014名老年患者（1510名训练，504名验证）	NA	NA	AUC, 敏感性, 特异性	NA
1556	2025-12-05	DeepCompete : A deep learning approach to competing risks in continuous time domain 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936389	研究论文	本文提出了一种名为DeepCompete的深度学习模型，用于在连续时间域中处理竞争风险生存分析	引入了一种新颖的连续时间深度学习架构，能够以数据驱动方式学习每种疾病的风险，无需对底层随机过程做出强假设	未在摘要中明确说明	开发一种工具来量化由每种竞争疾病导致的不良事件的相对风险，并优先处理患者多种疾病中的治疗	65岁及以上患有多种急性疾病（多病共存）的老年人群	机器学习	老年疾病	NA	深度学习模型	NA	NA	NA	DeepCompete	NA	NA
1557	2025-12-05	Deep Learning Approach to Parse Eligibility Criteria in Dietary Supplements Clinical Trials Following OMOP Common Data Model 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936396	研究论文	本研究利用深度学习模型（Bi-LSTM-CRF）解析膳食补充剂临床试验的资格标准，并映射到OMOP通用数据模型，以支持患者招募	首次将膳食补充剂作为新实体映射到OMOP通用数据模型，并评估深度学习模型在解析资格标准中的可行性	模型平均F1分数仅为0.601，表明性能有待提升，且样本量仅基于100个随机选择的临床试验	自动解析临床试验资格标准以加速患者招募过程	膳食补充剂临床试验的资格标准文本	自然语言处理	NA	深度学习	Bi-LSTM-CRF	文本	100个随机选择的膳食补充剂临床试验	CLAMP平台	Bi-LSTM-CRF	F1分数	NA
1558	2025-12-05	Contextual Embeddings from Clinical Notes Improves Prediction of Sepsis 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936391	研究论文	本研究设计了一种基于电子健康记录数据的深度学习算法，通过整合临床文本特征来改进脓毒症的早期预测	利用预训练的神经语言表示模型从临床文本中提取特征，无需依赖基于本体的命名实体识别和分类，从而整合了非结构化数据	未明确说明模型在外部验证集上的泛化能力或临床部署的可行性	改进脓毒症的早期预测，以降低假警报并促进及时治疗	脓毒症患者	自然语言处理	脓毒症	电子健康记录分析	深度学习模型	结构化数据（生命体征、实验室结果）和非结构化数据（临床文本）	超过40,000名患者，包括2,805名脓毒症患者	NA	预训练的神经语言表示模型	AUC	NA
1559	2025-12-05	RadLex Normalization in Radiology Reports 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936406	研究论文	本文旨在将放射学报告中的多样化实体标准化为RadLex术语，并提出了基于BERT的深度学习方法进行自动归一化	首次尝试利用RadLex进行放射学实体的标准化，并构建了一个手动标注的归一化语料库，同时提出了基于BERT的两种NLP方法	研究仅基于三种类型的报告构建语料库，样本量相对有限（1706个实体提及），且最佳准确率为78.44%，仍有提升空间	标准化放射学报告中的实体到RadLex术语，以促进临床信息的提取和共享	放射学报告中的实体，如解剖结构、成像发现等	自然语言处理	NA	自然语言处理（NLP），基于预训练语言模型	BERT	文本（放射学报告）	1706个实体提及，来自三种类型的放射学报告	NA	BERT	准确率	NA
1560	2025-12-05	A Clinically Practical and Interpretable Deep Model for ICU Mortality Prediction with External Validation 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936437	研究论文	本研究提出了一种临床实用且可解释的深度学习模型，用于ICU死亡率预测，并进行了外部验证	结合了外部验证和可解释性，使用双层注意力机制的循环神经网络，并在新发布的Philips eICU数据集上训练，在MIMIC III数据集上进行外部验证	未提及模型在其他独立数据集上的泛化能力，也未讨论模型在不同ICU类型或患者亚群中的性能差异	开发一种能够在重症监护场景中推广应用的深度学习模型，用于死亡率预测并支持临床决策	重症监护病房（ICU）患者	机器学习	重症监护	NA	循环神经网络（RNN）	临床时间序列数据	使用Philips eICU数据集进行训练，MIMIC III数据集进行外部验证（具体样本数量未提及）	NA	具有双层注意力机制的循环神经网络	AUC（曲线下面积）	NA