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
1821	2025-05-23	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-May-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	介绍MMRNet，一种深度卷积神经网络，用于从H&E染色的全切片图像预测子宫内膜癌中的错配修复缺陷	提出了一种新的深度卷积神经网络MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并通过人机融合方法显著提高了诊断准确性	内部交叉验证的敏感性较低（0.628），可能需要进一步优化以提高检测的敏感性	开发一种经济且易于使用的工具，用于确定子宫内膜癌患者的MMR状态	子宫内膜癌患者的全切片图像	数字病理学	子宫内膜癌	深度卷积神经网络	CNN	图像	内部交叉验证数据集和三个外部验证数据集
1822	2025-05-23	Pancreas segmentation in CT scans: A novel MOMUNet based workflow 2025-May-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110346 PMID:40398261	研究论文	提出了一种基于MOMUNet的新型工作流程，用于提高CT扫描中胰腺分割的准确性和计算效率	引入外部轮廓裁剪(ECC)和尺寸比例(SR)技术，开发了超轻量级分割模型MOMUNet，显著提升了小腹部器官的分割准确性	未提及在更广泛器官或更大数据集上的泛化能力测试	提高CT扫描中胰腺分割的准确性和计算效率	CT扫描中的胰腺和小腹部器官	数字病理	胰腺癌	深度学习	MOMUNet	CT图像	NIH-Pancreas数据集和MSD-Pancreas数据集
1823	2025-05-23	Streaks on martian slopes are dry 2025-May-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59395-w PMID:40389425	research paper	该研究利用深度学习技术创建了首个包含50万个火星斜坡条纹的全球目录，并分析了这些条纹的形成机制及其对火星尘埃循环的影响	首次使用深度学习创建全球性的火星斜坡条纹目录，并挑战了湿条纹形成模型，支持干条纹形成机制	研究主要基于遥感数据，缺乏实地验证	探究火星斜坡条纹的形成机制及其对火星尘埃循环的影响	火星斜坡条纹	行星科学	NA	深度学习	NA	遥感图像	50万个火星斜坡条纹
1824	2025-05-23	Enhancing hand-drawn diagram recognition through the integration of machine learning and deep learning techniques 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01823-4 PMID:40389485	研究论文	本文提出了一种结合机器学习和深度学习技术的方法，以提高手绘图的识别性能	整合多种机器学习方法的最佳特性，并引入深度学习技术以处理复杂和可变的手绘图数据	实验仅限于特定类型的手绘图数据集（如流程图、有限自动机和业务过程模型），可能无法涵盖所有手绘图类型	提高手绘图的自动识别和理解能力	手绘图（如流程图、有限自动机、业务过程模型）	计算机视觉	NA	Fossum Soergel k-means聚类、形态学Canny Bessel径向基轮廓形状因子、Fisher核k最近邻、sing-scurve模糊规则生成、wide context faster regional卷积神经网络	CNN	图像	基准数据集中的手绘图样本
1825	2025-05-23	Harnessing optimization with deep learning approach on intelligent transportation system for anomaly detection in pedestrian walkways 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99940-7 PMID:40389534	研究论文	该研究提出了一种结合深度学习和优化技术的智能交通系统方法，用于行人通道的异常检测	提出了HODLAITS-ADPW方法，结合了改进的YOLOv7目标检测器、变色龙群算法和注意力金字塔卷积神经网络，用于行人异常检测	NA	提升城市环境中行人通道的安全性和效率	行人通道中的异常行为和活动	计算机视觉	NA	计算机视觉和深度学习	改进的YOLOv7、注意力金字塔CNN	图像	行人数据集（具体数量未提及）
1826	2025-05-23	Enhancing feature learning of hyperspectral imaging using shallow autoencoder by adding parallel paths encoding 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01758-w PMID:40389536	research paper	本文提出了一种双路径自编码器（D-Path-AE）模型，用于增强高光谱成像（HSI）的非线性特征学习，并通过并行编码路径和降采样策略减少对多数类特征的偏倚	提出D-Path-AE模型，通过并行编码路径增强非线性特征学习，并采用降采样策略减少数据集不平衡带来的偏倚	模型性能依赖于数据集的平衡性，且未探讨在更大规模或更复杂数据集上的泛化能力	提高高光谱成像数据的特征提取效率和分类准确性	高光谱成像数据	computer vision	NA	HSI, PCA, ICA	Autoencoder (AE), Dual-Path AE (D-Path-AE), Decision Tree, SVM, KNN	image	Pavia Center, Salinas, Kennedy Space Center数据集
1827	2025-05-23	Efficient black-box attack with surrogate models and multiple universal adversarial perturbations 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87529-z PMID:40389546	研究论文	本文提出了一种名为SMPack的分阶段黑盒对抗样本生成算法，通过结合多重通用对抗扰动（MUAPs）和代理模型，有效克服黑盒限制并提高对抗样本生成效率	提出SMPack算法，整合MUAPs、代理模型和遗传算法（GA）优化，显著提高黑盒攻击的成功率和查询效率	实验仅在MNIST、SVHN、CIFAR-10和ImageNet四个公开数据集上进行，可能在其他数据集上的泛化能力未验证	研究黑盒设置下对抗样本生成的有效性和效率	深度学习模型	机器学习	NA	遗传算法（GA）	深度学习模型	图像	每个数据集500个随机正确分类的样本
1828	2025-05-23	Translational approach for dementia subtype classification using convolutional neural network based on EEG connectome dynamics 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02018-7 PMID:40389648	研究论文	本研究利用基于EEG连接组动力学的卷积神经网络进行痴呆亚型分类的转化方法	通过动态EEG功能连接特征识别痴呆亚型（如阿尔茨海默病和额颞叶痴呆）的特征模式，并评估其作为生物标志物的潜力	未提及样本来源的多样性或潜在的过拟合问题	早期筛查和诊断痴呆谱系障碍，改善患者预后和生活质量	阿尔茨海默病（AD）、额颞叶痴呆（FD）患者及健康对照组	数字病理学	老年病	静息态脑电图（EEG）功能连接分析	CNN	EEG信号	AD、FD患者及健康对照组（具体数量未提及）
1829	2025-05-23	IoT driven smart health monitoring for heart disease prediction using quantum kernel enhanced sardine diffusion and CNN 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99990-x PMID:40389708	研究论文	提出了一种基于物联网的量子核增强沙丁鱼扩散注意力网络(Qua-KSar-DCK-ArNet)，用于实时预测心脏病	结合量子计算和经典深度学习方法，开发了Qua-KSar-DCK-ArNet模型，显著提高了心脏疾病预测的准确性和速度	未提及模型在多样化人群中的泛化能力以及实际部署中的技术挑战	通过物联网和量子增强深度学习技术改进心脏疾病的实时预测	心脏相关数据（如心电图和心率）	机器学习	心血管疾病	量子聚类与k-Means、Z-score Min-Max标准化、快速点变换	Qua-KSar-DCK-ArNet（结合量子核与CNN）	传感器时序数据（ECG/心率）	NA
1830	2025-05-23	Multiple deep learning models based on MRI images in discriminating glioblastoma from solitary brain metastases: a multicentre study 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01703-3 PMID:40389875	research paper	本研究开发了一种基于多中心、多序列MRI图像的深度学习模型，用于术前准确区分胶质母细胞瘤和孤立性脑转移瘤，并比较了不同深度学习模型的性能	结合多序列MRI图像和多种深度学习模型（3D ResNet-18、3D Vision Transformer、3D DenseNet和3D VGG）进行肿瘤识别，并通过外部测试集验证模型的泛化能力	样本量相对较小（236例训练集和48例外部队测试集），且仅来自两个医疗中心	开发高效的术前肿瘤鉴别方法	胶质母细胞瘤和孤立性脑转移瘤患者	digital pathology	brain tumor	MRI	3D ResNet-18, 3D Vision Transformer, 3D DenseNet, 3D VGG	image	236例（训练集197例，测试集39例）加48例外部队测试集
1831	2025-05-23	Deep learning models based on multiparametric magnetic resonance imaging and clinical parameters for identifying synchronous liver metastases from rectal cancer 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01692-3 PMID:40389920	research paper	该研究基于多参数磁共振成像和临床参数建立并验证了深度学习模型，用于预测直肠癌患者的同步肝转移	结合多参数MRI和临床数据构建的深度学习模型在预测同步肝转移方面表现出最佳性能	样本量相对较小，外部验证队列仅有31例患者	预测直肠癌患者的同步肝转移风险	直肠癌患者	digital pathology	rectal cancer	multiparametric MRI	Residual Network	image and clinical data	176例主要研究队列患者和31例外部队列患者
1832	2025-05-23	Deep learning-powered radiotherapy dose prediction: clinical insights from 622 patients across multiple sites tumor at a single institution 2025-May-19, Radiation oncology (London, England) DOI:10.1186/s13014-025-02634-7 PMID:40390053	研究论文	本研究评估了深度学习模型在多种肿瘤类型放疗剂量预测中的应用，结合了客观和主观评价方法	首次在多种肿瘤类型中综合评估深度学习模型的剂量预测能力，并提出了结合多种模型优势的'最佳选择'方法	研究仅基于单一机构的数据，可能限制了结果的普遍适用性	提高放疗前剂量预测的准确性，优化放疗计划制定流程	622名不同肿瘤部位患者（包括鼻咽癌、食管癌、乳腺癌、宫颈癌和直肠癌）	数字病理	多种癌症（鼻咽癌、食管癌、乳腺癌、宫颈癌、直肠癌）	深度学习	U-Net, Flex-Net, Highres-Net	放疗计划数据	622名患者（训练集60%，验证集20%，测试集20%）
1833	2025-05-23	Diagnosis of early idiopathic pulmonary fibrosis: current status and future perspective 2025-May-19, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03270-1 PMID:40390073	综述	本文综述了早期特发性肺纤维化（IPF）的诊断现状与未来展望，强调了早期诊断的紧迫性，并探讨了当前诊断策略及未来前景	提出早期IPF的定义，强调AI（特别是ML和DL）在标准化和加速胸部影像解读中的革命性作用，以及创新性支气管镜技术如TBLC、基因组分类器和EB-OCT的应用	手动解读肺部影像的局限性、相关知识的缺乏以及非特异性症状阻碍了IPF的及时诊断	探讨早期IPF的诊断方法及未来发展方向	早期特发性肺纤维化（IPF）患者	数字病理学	肺纤维化	HRCT、TBLC、EB-OCT、基因组分类器、血清生物标志物分析	ML、DL	影像、基因组数据、血清标志物	NA
1834	2025-05-23	S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context 2025-May-19, 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（ACGC）的学习图像压缩方法，以提高速率-失真性能和解码速度	引入了ACGC熵模型，实现了切片间和切片内的双重特征聚合，并采用可变形注意力动态调整权重，同时在主变换结构中引入Residual SwinV2 Transformer模型以捕获全局特征信息	未提及具体在低计算资源设备上的性能表现或实际应用场景中的限制	提升学习图像压缩的速率-失真性能和解码效率	图像数据	computer vision	NA	深度学习	Residual SwinV2 Transformer, ACGC	image	三个数据集（Kodak, Tecnick, CLIC Pro）
1835	2025-05-23	Influence of Robotic versus Manual Technology for Achieving Sagittal Targets in Total Knee Arthroplasty Using a Cruciate Retaining and Medial Stabilized Implant 2025-May-19, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.052 PMID:40398583	研究论文	比较机器人辅助全膝关节置换术（raTKA）与手动全膝关节置换术（mTKA）在实现矢状面目标上的差异	开发了一种基于U-Net架构的深度学习模型，用于计算膝关节侧位X光片上的后髁偏移（PCO）和胫骨斜率（TS）	未来研究需要确定这些差异是否具有临床相关性	比较raTKA和mTKA在实现术前矢状面目标上的差异	280名接受mTKA或raTKA的患者	数字病理	骨关节疾病	深度学习	U-Net	X光图像	280名患者（mTKA 132名，raTKA 148名）
1836	2025-05-23	Preoperative Differentiation of Spinal Schwannoma and Meningioma Using Machine Learning-Based Models: A Systematic Review and Meta-Analysis 2025-May-19, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124096 PMID:40398809	meta-analysis	本研究通过系统综述和荟萃分析评估了基于机器学习的模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能	首次系统评估了机器学习模型在脊柱神经鞘瘤和脑膜瘤术前鉴别诊断中的表现	纳入研究数量有限（6项研究），样本量相对较小（644例患者）	评估机器学习模型在脊柱肿瘤术前鉴别诊断中的准确性	脊柱神经鞘瘤和脑膜瘤患者	digital pathology	spinal tumors	machine learning	deep learning, ML-based models	medical imaging data	644例患者（364例神经鞘瘤，258例脑膜瘤）
1837	2025-05-23	Deep learning model based on ultrasound images predicts BRAF V600E mutation in papillary thyroid carcinoma 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112482 PMID:40395668	research paper	开发了一种基于超声图像的深度学习模型，用于预测甲状腺乳头状癌中的BRAF V600E突变状态	结合了Swin Transformer骨干网络、放射组学特征分支和临床参数分支，构建了集成模型BrafSwinT，其性能优于其他模型	模型在外部测试集上的AUC为0.869，虽然优于其他模型，但仍有提升空间	预测甲状腺乳头状癌中的BRAF V600E突变状态，以促进风险分层	甲状腺乳头状癌患者	digital pathology	thyroid cancer	deep learning	Swin Transformer V2 (SwinT), ResNeSt-50, Vision Transformer	ultrasound images	1624 patients (1341 training, 148 validation, 135 external test)
1838	2025-05-23	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-May-14, 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算法在100-kVp CT肠造影中对不同BMI患者图像质量、诊断信心及肠道病变检测的临床价值	首次在100-kVp双期CT肠造影中比较DLIR与传统ASiR-V算法，并证明DLIR-M在图像质量和诊断信心方面的优越性	炎症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	评估深度学习图像重建算法在CT肠造影中的临床应用价值	84名接受100-kVp双期CT肠造影检查的患者	digital pathology	intestinal disease	CT enterography	DLIR (deep learning image reconstruction)	medical image	84名患者
1839	2025-05-23	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一个全自动的三阶段神经影像处理和机器学习流程，用于预测成人缺血性卒中患者的个性化结果	首次开发了一个结合卒中病灶位置信息用于结果预测的临床工具，并利用深度学习模型自动分割卒中病灶	仅在概念验证应用中展示了预测选择性认知结果的能力，尚未广泛验证	预测卒中患者的长期功能结果，以改善卒中管理和个性化康复策略	成人缺血性卒中患者	数字病理学	心血管疾病	深度学习，机器学习	深度学习模型，统计模型，大型语言模型	影像数据（DICOM，MRI）	预训练模型使用604名局灶性脑损伤患者的数据，独立缺血性卒中队列包含153名患者
1840	2025-05-23	Artificial intelligence for optimal in vitro fertilization morphokinetics 2025-May-10, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2025.114039 PMID:40398145	research paper	开发一种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	首次使用公开可用的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，进行胚胎形态动力学参数预测	模型在敏感度方面表现一般（0.59），可能影响对某些胚胎阶段的识别准确性	开发人工智能模型以优化体外受精过程中胚胎形态动力学的评估	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），包含240万张图像