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
141	2025-06-11	Enhancing the transferability of adversarial attacks via Scale Enriching 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107549 PMID:40378598	research paper	本文提出了一种称为尺度丰富方法（SEM）的技术，通过输入尺度丰富框架增强对抗样本的可迁移性	通过特定范围内的输入尺度缩放，丰富了替代模型感知的注意力区域，并扩大了不同模型之间的容忍度，显著提高了对抗样本的可迁移性	NA	提高对抗样本在黑盒设置下对不同输入尺寸模型的可迁移性	对抗样本和深度学习模型	computer vision	NA	Scale Enriching Method (SEM)	深度学习模型	image	在ImageNet数据集上进行实验
142	2025-06-11	Escarcitys: A framework for enhancing medical image classification performance in scarcity of trainable samples scenarios 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107573 PMID:40382989	研究论文	本文提出了一个名为EScarcityS的框架，旨在解决医学图像分类中训练样本稀缺的问题，通过多粒度Transformer网络和疾病概率图引导的扩散生成模型来提高分类准确率	设计了多粒度Transformer网络（MGVit）和疾病概率图引导的扩散生成模型，以减少对大量训练数据的依赖并生成更真实的可解释合成数据	实验仅在四个真实的医学图像数据集上进行，可能在其他数据集上的泛化能力有待验证	提高在训练样本稀缺情况下的医学图像分类准确率	医学图像	数字病理学	NA	深度学习	Transformer, 扩散生成模型	医学图像	四个真实医学图像数据集
143	2025-06-11	S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107590 PMID:40398182	research paper	提出了一种基于SwinV2块、自适应通道和全局交互注意力上下文的图像压缩方法S2LIC	设计了自适应通道和全局交互注意力上下文(ACGC)熵模型，实现了切片间和切片内的双特征聚合，并引入残差SwinV2 Transformer模型捕获全局特征信息	未明确提及具体限制	提高图像压缩的率失真性能和编解码速度	图像数据	computer vision	NA	深度学习	SwinV2 Transformer, ACGC	image	三个不同数据集（Kodak、Tecnick和CLIC Pro）
144	2025-06-11	Visual reasoning in object-centric deep neural networks: A comparative cognition approach 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107582 PMID:40409010	研究论文	本文比较了多种以物体为中心的深度神经网络模型在视觉关系学习和泛化方面的表现	使用来自比较认知文献的不同复杂度任务集评估模型，而非以往研究常用的相同-不同任务	在更复杂的任务和条件下，以物体为中心的模型仍存在困难	评估以物体为中心的深度神经网络在视觉推理任务中的表现	以物体为中心的深度神经网络模型和ResNet-50基线模型	计算机视觉	NA	注意力机制	以物体为中心的模型, ResNet-50	图像	NA
145	2025-06-11	Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107595 PMID:40424761	研究论文	本研究探讨了自监督视觉变换器（ViTs）在模拟人类注视行为方面的表现，发现其自注意力机制能够形成与人类注视行为高度一致的结构化注意力模式	首次展示了自监督DINO训练的ViTs能够自发形成与人类注视行为相似的注意力模式，并识别出三种不同的注意力头集群	研究仅基于视频数据，未探讨其他视觉刺激下的表现	探索自监督视觉变换器是否能够模拟人类视觉注意力机制	自监督DINO训练的视觉变换器（ViTs）	计算机视觉	NA	自监督学习（DINO）	ViT (Vision Transformer)	视频	NA
146	2025-06-11	VKAD: A novel fault detection and isolation model for uncertainty-aware industrial processes 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107664 PMID:40435556	研究论文	提出了一种名为VKAD的新型故障检测与隔离模型，用于处理不确定性感知的工业过程	将Koopman算子理论与变分自编码器结合，提出VKAD模型，能够推断动态系统观测值的分布并捕获系统演化的不确定性	未明确提及	提高工业过程中故障检测与隔离的准确性和可靠性	工业过程的动态系统	机器学习	NA	变分自编码器	VKAD（Variational Koopman Anomaly Detector）	时间序列数据	Tennessee Eastman Process (TEP)数据集和真实卫星在轨遥测数据集(SAT)
147	2025-06-11	Deep learning-enhanced hyperspectral imaging for rapid screening of Co-metabolic microplastic-degrading bacteria in environmental samples 2025-Aug-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138370 PMID:40267710	研究论文	本研究提出了一种结合深度学习的高光谱成像技术，用于快速筛选环境样本中共代谢微塑料降解细菌	首次将高光谱成像与深度学习算法结合，用于共代谢固体培养基中微塑料降解细菌的直接识别，显著提高了筛选效率	仅验证了一种PBAT降解细菌的筛选效果，需要更多种类细菌的验证	开发一种快速筛选共代谢微塑料降解细菌的方法	环境样本中的共代谢微塑料降解细菌	机器视觉	NA	高光谱成像(HSI)	深度学习	图像	未明确说明样本数量
148	2025-06-11	Diagnosis of thyroid cartilage invasion by laryngeal and hypopharyngeal cancers based on CT with deep learning 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112168 PMID:40381388	research paper	开发基于卷积神经网络（CNN）的模型，用于诊断喉癌和下咽癌在CT图像中对甲状腺软骨的侵犯，并评估模型的诊断性能	利用ResNet101进行迁移学习，构建新的CNN模型来分类甲状腺软骨侵犯状态，并与放射科医生的诊断性能进行比较	样本量较小（91例），且未提及模型在其他医疗机构或更大数据集上的泛化能力	提高喉癌和下咽癌在CT图像中对甲状腺软骨侵犯的诊断准确性	喉癌和下咽癌患者的CT图像	digital pathology	laryngeal and hypopharyngeal cancers	CT imaging	CNN (ResNet101)	image	91例（训练集61例，测试集30例）
149	2025-06-11	Improving image quality and diagnostic performance using deep learning image reconstruction in 100-kVp CT enterography for patients with wide-range body mass index 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112167 PMID:40398003	research paper	评估深度学习图像重建（DLIR）算法在100-kVp CT肠造影（CTE）中对不同BMI患者图像质量、诊断信心和肠道病变检测的临床价值	比较了DLIR与传统ASiR-V算法在图像质量、诊断信心和肠道病变检测方面的表现，发现DLIR-M在图像质量和诊断信心上表现更优，并可能提高初级读者对炎症性病变的检测敏感性	炎症性病变检测的敏感性提升未达到统计学显著性，需要进一步研究	评估DLIR算法在100-kVp CTE中的临床价值	84名接受100-kVp双期CTE检查的患者	数字病理	肠道疾病	CT enterography (CTE)	DLIR (深度学习图像重建)	image	84名患者
150	2025-06-11	Comparison of clinical, radiomics, deep learning, and fusion models for predicting early recurrence in locally advanced rectal cancer based on multiparametric MRI: a multicenter study 2025-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112173 PMID:40403678	研究论文	本研究比较了基于多参数MRI的临床、放射组学、深度学习和融合模型在预测局部晚期直肠癌早期复发中的表现	首次比较了四种不同模型（临床、放射组学、深度学习和两种融合模型）在预测局部晚期直肠癌早期复发中的性能，并发现决策级晚期融合模型表现最佳	回顾性研究设计可能引入选择偏倚，且样本量相对有限（337例患者）	比较不同预测模型对局部晚期直肠癌早期复发的预测能力	局部晚期直肠癌患者	数字病理	直肠癌	多参数MRI（包括T2WI、DWI、T1WI和CET1WI）	XGBoost分类器（用于建立临床模型、放射组学模型、深度学习模型和两种融合模型）	医学影像	337例来自四个医疗中心的局部晚期直肠癌患者（2016年1月至2021年9月）
151	2025-06-11	LiDSCUNet++: A lightweight depth separable convolutional UNet++ for vertebral column segmentation and spondylosis detection 2025-Aug, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105703 PMID:40460622	research paper	提出了一种轻量级深度学习框架LiDSCUNet++，用于脊柱分割和脊椎病检测	结合深度可分离卷积和点卷积的轻量级UNet++框架，显著减少可训练参数、内存使用、能耗和计算时间	性能受限于数据不足和现有解决方案的高计算复杂度	开发高效的计算机辅助诊断系统，帮助医生诊断脊柱疾病	狗脊柱X光片中的椎骨异常	digital pathology	spondylosis	deep learning	LiDSCUNet++, UNet++, YOLOv8	image	NA
152	2025-06-11	Intraindividual Comparison of Image Quality Between Low-Dose and Ultra-Low-Dose Abdominal CT With Deep Learning Reconstruction and Standard-Dose Abdominal CT Using Dual-Split Scan 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001151 PMID:39874436	研究论文	本研究通过双源CT扫描，比较了低剂量和超低剂量腹部CT与深度学习重建（DLR）以及标准剂量腹部CT与模型迭代重建（MBIR）在肝脏局灶性病变（FLLs）显影质量上的差异	采用双源CT扫描技术，首次在个体内比较低剂量和超低剂量CT与DLR在肝脏病变显影上的非劣效性	研究结果提示低剂量和超低剂量CT在转移瘤敏感性上可能有所降低，需谨慎解读	比较低剂量和超低剂量CT与标准剂量CT在肝脏病变显影上的质量差异	疑似或已知肝转移的患者	数字病理	肝转移	双源CT扫描，深度学习重建（DLR），模型迭代重建（MBIR）	深度学习	CT图像	133名参与者（男性58名，平均BMI 23.0±3.4 kg/m²）
153	2025-06-11	Impact of Noisy Supervision in Foundation Model Learning 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552309 PMID:40117144	研究论文	本文首次全面理解和分析了预训练数据集中的噪声性质，并有效减轻了其对下游任务的影响	首次全面分析预训练数据集中的噪声性质，并提出NMTune方法调整特征空间以减轻噪声的不良影响	研究主要基于合成噪声数据集，对真实世界噪声的适用性有待进一步验证	研究预训练数据集中的噪声对模型泛化能力的影响及其缓解方法	预训练模型及其在下游任务中的表现	机器学习	NA	完全监督和图像-文本对比预训练	NA	图像和文本数据	ImageNet-1K、YFCC15M和CC12M数据集
154	2025-06-11	Artificial intelligence for optimal in vitro fertilization morphokinetics 2025-Jul, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2025.114039 PMID:40398145	research paper	该研究开发了一个基于人工智能的模型，用于通过延时成像视频确定胚胎的形态动力学阶段	首次使用公开的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，对胚胎形态动力学阶段进行分类	模型的整体准确率为0.71，灵敏度为0.59，仍有提升空间	开发人工智能模型以优化体外受精胚胎的形态动力学分析	人类胚胎的延时成像视频	digital pathology	infertility	time-lapse imaging (TLI)	CNN, EfficientNetB4	video	704个视频，来自716对不孕夫妇，共240万张图像
155	2025-06-11	Phase seeding may provide a gateway to structure solution by deep learning 2025-Jul-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273325004814 PMID:40492410	research paper	该论文提出了一种将人工智能与传统晶体学方法相结合的相位播种方法，以改进结构解析	通过将连续相位问题转化为分类任务，减少了AI训练的计算负担，为未来AI辅助晶体学工作流程开辟了途径	该方法尚未直接提供基于AI的相位解决方案，而是依赖于机器学习模型可能生成的相位种子	改进大型复杂非中心对称晶体的结构解析	晶体学中的相位问题	machine learning	NA	ab initio phasing techniques	NA	crystallographic data	NA
156	2025-06-11	Automated mitosis detection in stained histopathological images using Faster R-CNN and stain techniques 2025-Jun-11, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2024-0049 PMID:40491077	research paper	该研究探讨了使用深度学习技术，特别是基于Faster R-CNN的目标检测模型，在染色组织病理学图像中自动检测有丝分裂的方法	提出了一种基于Faster R-CNN的两阶段目标检测模型，并应用染色增强和归一化技术来解决组织病理学图像分析中的域偏移问题	未明确提及研究的局限性	开发自动化的有丝分裂检测方法，以辅助癌症诊断和治疗	染色组织病理学图像中的有丝分裂	digital pathology	cancer	stain augmentation and normalization	Faster R-CNN, RetinaNet	image	MIDOG++数据集
157	2025-06-11	Development of an Interpretable Machine Learning Model for Neurotoxicity Prediction of Environmentally Related Compounds 2025-Jun-10, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c03311 PMID:40307185	研究论文	开发了一种可解释的机器学习模型，用于预测环境相关化合物的神经毒性	结合分子指纹和分子描述符与XGBoost算法，构建了一个高精度且可解释的神经毒性预测模型	在已知神经毒性数据的89种化合物上，模型准确率为0.74，仍有提升空间	预测环境相关化合物的神经毒性，以管理环境健康风险	环境相关化合物	机器学习	神经系统疾病	分子指纹、分子描述符、分子图	XGBoost	分子数据	1170种化合物，其中89种有已知神经毒性数据
158	2025-06-11	High-Output Droplet Electricity Generator for Intelligent Self-Powered Biochemical Analysis 2025-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02079 PMID:40491299	研究论文	提出了一种微型智能自供电电子舌（MISET），用于化学和生物物质的高灵敏度、可靠性和实时检测	MISET引入了封闭式液体传感环境和液滴能量生成机制，显著提高了信号稳定性和电荷转移效率，并通过深度学习辅助分析优化信号处理和模式识别	NA	克服传统分析方法在灵敏度、可靠性、便携性和实时检测方面的挑战	化学和生物物质	生物传感	NA	液滴能量生成（DEG）机制和深度学习辅助分析	深度学习	液体传感信号	NA
159	2025-06-11	Label-free diagnosis of lung cancer by Fourier transform infrared microspectroscopy coupled with domain adversarial learning 2025-Jun-10, The Analyst DOI:10.1039/d5an00216h PMID:40492296	研究论文	本文提出了一种结合傅里叶变换红外显微光谱和深度学习模型的无标记肺癌诊断新方法	提出了一种红外光谱域对抗神经网络(IRS-DANN)，利用域对抗学习机制减少患者间差异的影响，提高了肺癌组织的准确鉴别能力	训练样本数量有限	开发一种新型无标记肺癌诊断技术	肺癌组织	数字病理学	肺癌	傅里叶变换红外显微光谱(FTIR)	IRS-DANN(基于域对抗学习的神经网络)	红外光谱数据	有限的临床FTIR数据集
160	2025-06-11	Targeted Intervention Strategies for Maternal-Offspring Transmission of Christensenellaceae in Pigs via a Deep Learning Model 2025-Jun-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503411 PMID:40492389	研究论文	本文介绍了一种名为MOMTM的深度学习框架，用于研究母猪与后代之间微生物传递的动态，并探讨了针对Christensenellaceae的干预策略	开发了MOMTM深度学习框架，首次用于预测和干预母猪与后代间特定微生物（如Christensenellaceae R-7）的传递	研究仅针对猪的微生物传递，未涉及其他动物或人类	探究母猪与后代间微生物传递机制，并开发针对性的干预策略以改善后代肠道健康	母猪及其后代的肠道微生物	机器学习	NA	深度学习	深度学习框架（MOMTM）	微生物数据	NA