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
1961	2025-10-05	Performance evaluation and clinical application exploration of a ViT-CNN ensemble model for multiclass oral mucosal disease classification: a pilot retrospective analysis based on public datasets 2025-Sep-17, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-102741 PMID:40967645	研究论文	评估基于Vision Transformer的深度学习模型在口腔黏膜疾病分类中的性能，并探索集成模型在临床支持中的应用价值	提出ViT-CNN集成模型，测试三种集成策略（平均法、加权法、几何平均法），在口腔黏膜疾病分类中实现94.32%的准确率	基于公共数据集的回顾性分析，未来需要更大数据集的验证	评估ViT深度学习模型在口腔黏膜疾病分类中的性能并探索其临床支持价值	口腔黏膜疾病	计算机视觉	口腔黏膜疾病	深度学习	CNN, ViT	图像	基于公共数据集（具体数量未提及）	NA	EfficientNet-B0, ViT-B16	准确率, F1分数, 推理速度	NA
1962	2025-10-05	Real-time activity and fall detection using transformer-based deep learning models for elderly care applications 2025-Sep-17, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101439 PMID:40967671	研究论文	开发基于Transformer的深度学习模型用于老年人实时活动识别和跌倒检测	首次将Transformer模型应用于可穿戴传感器数据的实时活动识别和跌倒检测，通过自注意力机制捕捉全局和局部时间依赖关系	需要在边缘设备上进一步优化，并在真实世界数据集中进行验证	开发高精度、实时适用的老年人活动识别和跌倒检测系统	老年人日常活动和跌倒行为	机器学习	老年疾病	可穿戴传感器数据采集	Transformer	传感器时序数据	66名参与者的1400万条传感器记录，包含16种活动类型	NA	Transformer编码器	准确率,精确率,召回率,混淆矩阵	NA
1963	2025-10-05	HINN: Hierarchical Input Neural Network identifies multi-omics biomarker for cognitive decline 2025-Sep-17, Research square DOI:10.21203/rs.3.rs-7576397/v1 PMID:41001538	研究论文	提出一种分层输入神经网络(HINN)，通过整合多组学数据识别认知衰退的生物标志物	将已知的跨组学关系直接嵌入神经网络架构，捕捉从基因组学到表观基因组学、转录组学的信息流	NA	开发能够整合多组学数据并识别认知衰退生物标志物的深度学习框架	阿尔茨海默病或轻度认知障碍患者的血液来源多组学数据	机器学习	阿尔茨海默病	多组学整合	深度学习	多组学数据	NA	NA	分层输入神经网络(HINN)	预测性能	NA
1964	2025-10-05	A deep learning approach based on molecular graph features and residual blocks to predict interaction sites between CircRNA and RBP 2025-Sep-16, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152655 PMID:40997583	研究论文	提出基于分子图特征和残差块的深度学习框架MGFCRSites，用于预测环状RNA与RNA结合蛋白的相互作用位点	首个明确建模环状RNA化学分子结构进行结合位点预测的计算研究，通过分子图特征与残差块结构相结合	NA	预测环状RNA与RNA结合蛋白的相互作用位点	环状RNA（CircRNA）与RNA结合蛋白（RBP）	生物信息学	NA	分子图构建，图卷积网络	图卷积网络，残差网络	分子结构数据，序列数据	37个基准数据集	PyTorch	残差块，图卷积网络	AUC	NA
1965	2025-10-05	Disease-specific variant pathogenicity prediction using multimodal biomedical language models 2025-Sep-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.09.675184 PMID:41000707	研究论文	提出一种名为DIVA的新型深度学习框架，用于预测错义变异的具体疾病类型及其有害性概率	首次将蛋白质序列和疾病相关文本注释两种模态信息整合，在对比学习范式下直接预测变异与特定疾病的关联	NA	开发能够考虑疾病特异性的变异致病性预测方法，提高临床变异解释的实用性	错义变异	自然语言处理	遗传疾病	多模态生物医学语言模型	深度学习	蛋白质序列, 文本注释	NA	NA	预训练语言模型	准确性	NA
1966	2025-10-05	LUCID: Intelligent Informative Frame Selection in Otoscopy for Enhanced Diagnostic Utilitys 2025-Sep-15, Research square DOI:10.21203/rs.3.rs-7502743/v1 PMID:41001536	研究论文	提出首个用于耳镜视频中自动选择最具信息量帧的系统方法LUCID，以增强中耳疾病诊断效果	首次系统性地提出自动识别耳镜视频中最具信息量帧的方法，开发了集成鼓膜可见性分类、弱监督鼓膜分割和专用模糊检测算法的创新流程	研究基于713个视频数据，需要进一步验证在更大规模数据集上的泛化能力	开发自动选择耳镜视频中最具信息量帧的方法，提升中耳疾病AI诊断的实用性	耳镜视频中的帧图像，特别是鼓膜区域	计算机视觉	中耳疾病（如急性中耳炎）	数字耳镜检查	CNN	视频帧图像	713个耳镜视频，超过38,000张标注帧	PyTorch	ResNet-50	分类准确率	NA
1967	2025-10-05	A self-attention model for robust rigid slice-to-volume registration of functional MRI 2025-Sep-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102643 PMID:40997675	研究论文	提出一种融合自注意力机制的端到端切片-体积配准模型，用于功能磁共振成像的刚性运动校正	首次在切片-体积配准中引入自注意力机制，通过像素级评分处理输入切片的不确定性和变异性	基于模拟运动数据验证，未在真实临床运动场景中充分测试	开发鲁棒的功能磁共振成像切片-体积配准方法以校正头动伪影	功能磁共振成像的2D切片与3D参考体积	医学影像分析	脑部疾病	功能磁共振成像	深度学习, 自注意力机制	医学影像	训练集2000个3D体积-2D切片对，验证集500对，测试集200对	NA	独立切片编码器, 体积编码器, 自注意力模块	欧几里得距离, 配对t检验	NA
1968	2025-10-05	Impact of Data Quality on Deep Learning Prediction of Spatial Transcriptomics from Histology Images 2025-Sep-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.04.674228 PMID:40964396	研究论文	研究数据质量对从组织学图像预测空间转录组学的深度学习模型性能的影响	首次系统研究分子数据和图像数据质量对空间转录组学预测的影响，而非仅关注模型架构改进	插补实验的改进效果有限且无法泛化到测试集之外	探索数据质量对基于深度学习的空间基因表达预测性能的影响	空间转录组学数据和H&E染色组织学图像	数字病理学	NA	空间转录组学技术(Xenium, Visium), H&E染色	深度学习	图像, 基因表达数据	NA	NA	NA	预测性能指标	NA
1969	2025-10-05	Domain-Interactive Contrastive Learning and Prototype-Guided Self-Training for Cross-Domain Polyp Segmentation 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443262 PMID:39141465	研究论文	提出一种用于跨域息肉分割的域交互对比学习和原型引导自训练框架	提出域交互对比学习方法和原型引导的自训练策略，通过域混合原型更新和对比学习跨一致性训练解决跨域分割问题	未明确说明方法在更广泛医学图像数据上的泛化能力	提升结肠镜图像中息肉分割在跨域场景下的性能	结肠镜图像中的息肉分割	计算机视觉	结直肠癌	深度学习	编码器-解码器架构	医学图像	NA	PyTorch	基于编码器-解码器的分割网络	分割性能指标	NA
1970	2025-10-05	Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3475516 PMID:39374276	研究论文	提出一种无需配对数据的稀疏视图CT重建新方法——变分分数求解器	通过潜在扩散模型获取概率分布，采用基于分布的方法而非确定性值建模，通过寻找扩散模型固定点来提炼先验知识	未明确说明计算资源需求和模型训练时间	解决零样本稀疏视图CT重建问题，降低CT扫描辐射剂量	医学CT图像重建	医学影像处理	NA	CT扫描	扩散模型	CT图像	NA	NA	潜在扩散模型	定性评估，定量评估	NA
1971	2025-10-05	Domain Progressive Low-Dose CT Imaging Using Iterative Partial Diffusion Model 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3492260 PMID:39509314	研究论文	提出一种基于迭代部分扩散模型的领域渐进低剂量CT成像框架，解决传统深度学习方法在真实LDCT场景中的泛化性问题	提出迭代部分扩散模型(IPDM)，通过仅迭代完整扩散模型的小部分完成去噪任务，同时结合条件引导采样方法和基于像素级噪声估计的自适应权重策略	未明确说明计算时间与传统方法的具体对比数据，也未详细讨论在高分辨率训练中的具体表现	解决低剂量CT成像中的领域泛化问题，提升重建图像质量	低剂量CT图像	医学影像处理	NA	低剂量CT成像	扩散模型	CT图像	多种数据集上的广泛测试	PyTorch	迭代部分扩散模型(IPDM)	视觉评估，定量评估	NA
1972	2025-10-05	DreaMR: Diffusion-Driven Counterfactual Explanation for Functional MRI 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3507008 PMID:40030294	研究论文	提出首个基于扩散模型的fMRI反事实解释方法DreaMR，用于高保真度解释功能磁共振成像分类器	首次将扩散模型应用于fMRI反事实解释，提出分数多阶段蒸馏扩散先验和transformer架构以提升推理效率并保持保真度	未明确说明方法在更广泛神经影像数据集上的泛化能力	开发高保真度的功能磁共振成像深度学习模型解释方法	功能磁共振成像(fMRI)脑响应数据	医学影像分析	神经科学相关疾病	功能磁共振成像(fMRI)	扩散模型, Transformer	功能磁共振成像时序数据	NA	NA	Transformer	保真度, 效率	NA
1973	2025-10-05	MM-GTUNets: Unified Multi-Modal Graph Deep Learning for Brain Disorders Prediction 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3556420 PMID:40168232	研究论文	提出一种基于图Transformer的多模态图深度学习框架MM-GTUNets，用于大规模脑部疾病预测	提出模态奖励表示学习动态构建人口图，并引入自适应跨模态图学习捕获模态特定和模态共享特征	仅在ABIDE和ADHD-200两个公共数据集上验证，未在其他脑部疾病数据集上测试	开发统一的多模态图深度学习框架以提升脑部疾病预测性能	脑部疾病患者的多模态数据	图深度学习	脑部疾病	多模态数据融合	Graph Transformer, Graph UNet, 变分自编码器	影像数据, 非影像数据	ABIDE和ADHD-200两个公共数据集	PyTorch	GTUNet（结合Graph UNet和Graph Transformer）	准确率, 精确率, 召回率, F1分数	NA
1974	2025-10-05	Digital Staining With Knowledge Distillation: A Unified Framework for Unpaired and Paired-but-Misaligned Data 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565329 PMID:40310741	研究论文	提出一种基于知识蒸馏的无监督深度学习框架，用于数字细胞染色，减少对配对数据的需求	首次将知识蒸馏应用于数字染色任务，提出适用于无配对和配对但未对齐两种设置的统一框架	未提及具体的数据集规模限制和计算效率分析	开发无需大量配对数据的数字细胞染色方法	细胞图像，特别是白细胞图像	数字病理学	NA	数字染色，深度学习	生成模型，知识蒸馏	细胞图像	NA	NA	教师-学生模型，Learning to Align模块	NIQE, PSNR	NA
1975	2025-10-05	Self-Supervised Feature Learning for Cardiac Cine MR Image Reconstruction 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3570226 PMID:40408221	研究论文	提出一种自监督特征学习辅助重建框架，用于心脏电影磁共振图像重建	首次将自监督特征学习与MRI重建相结合，无需全采样图像即可学习采样不敏感特征	基于回顾性内部数据集验证，需要进一步前瞻性临床验证	解决监督学习方法在MRI重建中需要全采样图像的局限性	心脏电影磁共振图像	医学影像重建	心血管疾病	MRI	深度学习	2D心脏电影磁共振图像	91名心血管患者和38名健康受试者	NA	自监督特征提取器, 自监督重建网络	重建质量比较	NA
1976	2025-10-05	Development of a Deep Learning Model for the Volumetric Assessment of Osteonecrosis of the Femoral Head on Three-Dimensional Magnetic Resonance Imaging 2025-Sep, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.05.126 PMID:40484054	研究论文	开发基于深度学习的模型，用于自动分割股骨头坏死MRI图像中的坏死病灶并按照Steinberg分类进行分级	首次使用动态U-Net系统实现股骨头坏死病灶的自动分割和Steinberg分级，解决了传统方法耗时费力的问题	样本量较小（仅63个髋关节），且仅包含未发生塌陷的病例	开发自动化方法用于股骨头坏死的体积评估和分级	股骨头坏死患者的MRI图像	医学图像分析	股骨头坏死	三维磁共振成像	深度学习	三维MRI图像	63个髋关节（22个A级，23个B级，18个C级）	NA	Dynamic U-Net	Dice系数, 平均对称距离, 准确率, 加权Kappa系数	NA
1977	2025-10-05	The MSA Atrophy Index (MSA-AI): An Imaging Marker for Diagnosis and Clinical Progression in Multiple System Atrophy 2025-Sep, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70106 PMID:40660627	研究论文	提出多系统萎缩萎缩指数(MSA-AI)作为诊断和监测多系统萎缩疾病进展的新型影像学生物标志物	开发了首个基于深度学习分割的复合体积测量指标MSA-AI，能够区分MSA与相关疾病并监测疾病进展	需要更大规模的独立队列验证研究结果	开发可靠的生物标志物用于多系统萎缩的诊断和疾病进展监测	多系统萎缩患者及相关神经退行性疾病患者	数字病理学	多系统萎缩	3T MRI, 深度学习分割	深度学习	MRI影像	纵向研究17例，横断面研究包括MSA 26例、健康对照23例、纯自主神经衰竭23例、帕金森病56例、路易体痴呆8例，规范数据集469例	NA	NA	p值, Spearman相关系数	NA
1978	2025-10-05	Combined application of deep learning and conventional computer vision for kidney ultrasound image classification in chronic kidney disease: preliminary study 2025-Sep, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25074 PMID:40755093	研究论文	本研究评估了结合深度学习和传统计算机视觉技术对慢性肾脏病肾脏超声图像进行分类的可行性	将深度学习模型与基于轮廓图的自动化肾实质测量特征相结合，提高了分类性能	初步研究，样本量有限，需要进一步验证	开发慢性肾脏病的非侵入性辅助诊断方法	肾脏超声图像	计算机视觉	慢性肾脏病	超声成像	CNN	图像	258个肾脏（124个正常，134个慢性肾脏病）	NA	NA	准确率, 特异性, 阴性预测值	NA
1979	2025-10-05	Artificial Intelligence in Cardiovascular Health: Insights into Post-COVID Public Health Challenges 2025-Sep, High blood pressure & cardiovascular prevention : the official journal of the Italian Society of Hypertension IF:3.1Q2 DOI:10.1007/s40292-025-00738-5 PMID:40956375	综述	探讨人工智能在心血管医学和公共卫生领域应对后疫情时代心血管健康挑战的应用与前景	系统阐述AI技术如何应对COVID-19相关心血管并发症的新型公共卫生挑战	未涉及具体临床验证数据和算法实施细节	分析人工智能在心血管健康和公共卫生领域的应用价值	心血管疾病患者、后COVID人群、公共卫生系统	机器学习	心血管疾病	机器学习、深度学习	NA	医学影像、穿戴设备数据、流行病学数据	NA	NA	NA	NA	NA
1980	2025-10-05	Toward Better Generalization Using Synthetic Data: A Domain Adaptation Framework for T2 Mapping via Multiple Overlapping-Echo Acquisition 2025-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3335212 PMID:38015692	研究论文	提出基于域适应的T2映射方法，通过多重叠回波采集技术解决合成数据与真实数据间的域差异问题	首次从域适应角度解决MOLED技术中合成数据与真实数据间的分布差异，无需真实标签训练即可获得准确映射性能	未明确说明方法在更复杂成像条件下的泛化能力，实验验证范围有限	提高定量磁共振成像中T2映射的泛化性能，降低序列研究成本	组织横向弛豫时间(T2)的快速定量映射	医学影像分析	NA	多重叠回波分离成像(MOLED), 物理建模	深度学习网络	磁共振图像	NA	NA	NA	解剖结构恢复质量	NA