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
441	2025-07-31	Recent advances in deep learning for lymphoma segmentation: Clinical applications and challenges 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251362508 PMID:40735544	综述	本文综述了深度学习在淋巴瘤分割研究中的进展，并与传统方法进行了比较分析	深入探讨了深度学习在淋巴瘤分割中的潜力与挑战，特别是在临床实践中的应用	未提及具体的实验数据或模型性能的量化结果	促进深度学习在淋巴瘤诊断和治疗监测中的广泛应用	淋巴瘤的分割研究	数字病理学	淋巴瘤	PET/CT, CT, 磁共振成像	深度学习模型	医学影像	NA
442	2025-07-31	The pipelines of deep learning-based plant image processing 2025, Quantitative plant biology DOI:10.1017/qpb.2025.10018 PMID:40735612	综述	本文总结了基于深度学习的植物图像处理的最新计算工具和方法	强调了数据获取和预处理的重要性，并讨论了高分辨率成像、无人机摄影以及图像增强技术	未提及具体的实验验证或实际应用案例	推动植物科学研究和技术应用	植物图像	计算机视觉	NA	高分辨率成像、无人机摄影、图像增强	深度学习	图像	NA
443	2025-07-31	LRU-Net: lightweight and multiscale feature extraction for localization of ACL tears region in MRI images 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1611267 PMID:40735674	研究论文	本文提出了一种轻量级残差U-Net（LRU-Net），用于MRI图像中前交叉韧带（ACL）撕裂区域的分割	LRU-Net集成了先进的注意力机制，强调梯度并利用ACL的解剖位置，提高了边界敏感性，同时采用动态特征提取模块进行自适应多尺度特征提取	未明确提及具体局限性	开发准确且高效的ACL撕裂诊断工具	MRI图像中的前交叉韧带（ACL）撕裂区域	计算机视觉	运动损伤	深度学习	U-Net变体（LRU-Net）	MRI图像	NA
444	2025-07-31	DualPlaqueNet with dual-branch structure and attention mechanism for carotid plaque semantic segmentation and size prediction 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1629637 PMID:40735675	research paper	提出了一种基于深度学习的DualPlaqueNet模型，用于颈动脉超声图像中斑块的语义分割和大小预测	采用双分支架构结合注意力机制和联合损失函数优化分割和回归，并在ECA模块中引入多层一维卷积结构	数据集仅包含287张颈动脉超声图像，样本量相对较小	为临床风险评估和个性化诊疗提供全面准确的辅助信息	颈动脉粥样硬化斑块	digital pathology	cardiovascular disease	deep learning	DualPlaqueNet (dual-branch CNN with attention mechanism)	image	287张来自郑州第一人民医院患者的颈动脉超声图像
445	2025-07-30	AI-driven skin cancer detection from smartphone images: A hybrid model using ViT, adaptive thresholding, black-hat transformation, and XGBoost 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328402 PMID:40720382	研究论文	本研究提出了一种基于智能手机图像的混合模型，用于皮肤癌检测，结合了ViT、自适应阈值、黑帽变换和XGBoost技术	采用ViT进行特征提取，并结合自适应学习和黑帽变换进行图像预处理，构建了一个堆叠模型，结合患者年龄和性别等图像相关变量进行最终分类	未提及具体的数据集大小或多样性限制，也未讨论模型在不同肤色或光照条件下的泛化能力	提高皮肤癌筛查的准确性和效率	六种皮肤病变类别：光化性角化病、基底细胞癌、黑色素瘤、痣、鳞状细胞癌和脂溢性角化病	计算机视觉	皮肤癌	自适应学习、黑帽变换、ViT、XGBoost	ViT、XGBoost	图像	NA
446	2025-07-30	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	本文提出了一种基于超参数调优的深度学习驱动医学图像分析方法（HPDL-MIAIHD），用于颅内出血检测	结合增强型EfficientNet特征提取、黑猩猩优化算法（COA）进行超参数调优，以及集成分类器（LSTM、SAE和Bi-LSTM）进行颅内出血检测	未提及方法在临床环境中的实际应用验证或跨设备/中心的泛化能力	开发高精度颅内出血自动检测系统以辅助临床决策	CT扫描图像中的颅内出血区域	数字病理	颅内出血	计算机断层扫描（CT）、深度学习	EfficientNet、LSTM、SAE、Bi-LSTM	医学图像（CT扫描）	基准CT图像数据集（具体数量未说明）
447	2025-07-30	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出了一种基于AMFormer的框架，用于交通事故责任归属的可解释性分析	采用AMFormer（算术特征交互Transformer）框架，通过时空特征建模捕获关键因素间的复杂交互，实现交通事故责任的精确多标签分类，并结合SHAP分析提高透明度	未提及具体的数据集规模或多样性限制	提高交通事故责任归属的准确性和客观性	交通事故责任归属	机器学习	NA	SHAP分析	AMFormer（基于Transformer的深度学习模型）	交通事故特征数据	未明确提及具体样本量，仅提到在真实数据集上实验
448	2025-07-30	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	本研究开发了深度学习模型，用于自动实时检测和诊断肝脏肿瘤	使用深度学习模型在超声图像上高精度区分良性和恶性病变，并实现实时检测和分类	研究为回顾性队列，可能存在选择偏差	开发自动诊断和检测肝脏病变的深度学习模型	肝脏肿瘤患者	数字病理	肝癌	超声检查	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	图像	1576名患者，4599张图像，6001个病变
449	2025-07-30	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	建立并验证一个深度学习模型，用于在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度	提出了一种增强的DeepLabv3网络（Dfusion），结合了通道和空间注意力模块、dropout强化的Atrous Spatial Pyramid Pooling以及加权交叉熵损失，以应对类别不平衡问题	研究仅基于回顾性数据，未在实时临床环境中进行验证	开发一个能够在非控制环境下准确分割和分级儿童烧伤创面的深度学习模型	儿童烧伤创面	计算机视觉	烧伤	深度学习	DeepLabv3-ResNet101（Dfusion）	图像	4785张智能手机或相机拍摄的照片，包含14,355个烧伤区域
450	2025-07-30	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究论文	该研究基于多源数据建模评估母体炎症对婴幼儿早期大脑发育的风险，旨在理解早期发育机制并预防大脑发育障碍	利用深度学习人工智能构建基于'基因-影像-环境-行为'多因素复杂交互作用下的早期大脑发育风险评估模型	样本量相对较小（360对孕妇及其后代），且仅跟踪至3岁	评估母体炎症对婴幼儿早期大脑发育的风险	360对孕妇及其后代	数字病理学	儿科疾病	全外显子测序、神经影像学	深度学习	多源数据（问卷、医疗记录、行为评估、神经影像、血液样本）	360对孕妇及其后代
451	2025-07-30	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	本文介绍了一种AI驱动的信息系统，用于教育环境中行为识别的公共健康监测	提出了一种结合自适应知识嵌入网络(AKEN)和动态个性化学习策略(DPLS)的新型AI系统，以提高行为识别的准确性和实时性	未提及具体实施中的技术限制或数据集限制	提升教育环境中行为识别的准确性，以改善公共健康监测	教育环境中的学生行为	机器学习	NA	深度学习，强化学习，可解释AI	AKEN, DPLS	行为数据	NA
452	2025-07-30	Integrating Gene Ontology Relationships for Protein Function Prediction Using PFresGO 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_9 PMID:40728613	研究论文	本文介绍了一种基于注意力机制的深度学习方法PFresGO，用于利用基因本体（GO）图的层次结构预测多种蛋白质功能	PFresGO通过整合基因本体关系，克服了现有方法忽视功能间关系的局限性	NA	开发高效的计算方法进行蛋白质功能注释	蛋白质功能	生物信息学	NA	深度学习	注意力机制模型	基因本体数据	NA
453	2025-07-30	Machine Learning for Protein Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_2 PMID:40728606	综述	本章全面回顾并分类了基于Gene Ontology (GO)术语的蛋白质功能预测方法	综述了多种蛋白质功能预测方法，包括基于模板检测、统计机器学习、深度学习和组合方法	未提及具体方法的性能比较或实验验证结果	开发高效准确的蛋白质功能预测计算方法	蛋白质功能预测方法	机器学习	NA	NA	统计机器学习、深度学习	NA	NA
454	2025-07-30	A Survey of Deep Learning Methods and Tools for Protein Binding Site Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_5 PMID:40728609	综述	本文全面回顾了用于预测蛋白质结合位点的深度学习方法和工具	总结了最新的深度学习方法和资源，为研究人员提供了发展AI驱动的蛋白质结合位点预测工具	NA	理解和预测蛋白质与配体的相互作用及其生物学意义	蛋白质结合位点	自然语言处理	NA	深度学习	CNN, GNN	蛋白质序列和结构数据	NA
455	2025-07-30	Annotating genomes with DeepGO protein function prediction tools 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_10 PMID:40728614	研究论文	本章探讨了DeepGO的演变，这是一套基于深度学习的蛋白质功能预测工具，以基因本体(GO)术语形式呈现，并介绍了其在基因组注释中的应用	介绍了DeepGO不同版本的关键进展，并通过案例研究展示了最新模型DeepGO-SE在细菌基因组注释中的效率和准确性	未明确提及模型的局限性	探索基于深度学习的蛋白质功能预测工具在基因组注释中的应用	蛋白质功能预测工具DeepGO及其在基因组注释中的应用	自然语言处理	NA	深度学习	DeepGO-SE	基因组数据	NA
456	2025-07-30	A Benchmarking Platform for Assessing Protein Language Models on Function-Related Prediction Tasks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_14 PMID:40728618	research paper	介绍了一个用于评估蛋白质语言模型在功能相关预测任务上的基准平台PROBE	提出了PROBE工具，一个评估蛋白质表示在功能相关预测任务上的基准框架，并展示了其在新用例中的应用	未明确提及具体局限性	评估蛋白质语言模型在功能相关预测任务上的表现	蛋白质语言模型（PLMs）	machine learning	NA	深度学习	ESM2, ESM3, ProstT5, SaProt	序列和结构信息	NA
457	2025-07-29	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本文开发了一种主动学习方法，用于训练能够区分增强子和沉默子的模型，这些增强子和沉默子由光感受器转录因子CRX的结合位点组成	采用主动学习策略结合合成生物学和不确定性采样，迭代训练模型以区分功能相反的CRX结合位点	模型可能无法完全解释转录因子在不同背景下激活或抑制转录的机制	开发能够区分增强子和沉默子的深度学习模型，以更好地理解顺式调控元件的功能	光感受器转录因子CRX的结合位点	机器学习	NA	主动学习、合成生物学、大规模并行报告基因检测	深度学习模型	基因组序列	几乎所有基因组中结合的CRX位点
458	2025-07-29	Data augmentation of time-series data in human movement biomechanics: A scoping review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327038 PMID:40591732	综述	本文对生物力学时间序列数据的数据增强技术进行了范围综述，评估了当前技术的有效性并提出了应用建议	首次系统性地综述了生物力学时间序列数据增强技术的应用现状和挑战	缺乏对数据增强技术效果的全面评估，合成数据中未考虑软组织伪影等问题	评估生物力学时间序列数据增强技术的应用现状和效果	生物力学时间序列数据	生物力学	NA	数据增强技术	NA	时间序列数据	21篇相关文献
459	2025-07-29	A deep learning software tool for automated sleep staging in rats via single channel EEG 2025, NPP - digital psychiatry and neuroscience DOI:10.1038/s44277-025-00035-y PMID:40656054	研究论文	开发了一种基于深度学习的软件工具，用于通过单通道EEG自动对大鼠睡眠阶段进行分类	利用深度学习模型自动分类大鼠的三种睡眠阶段，显著减少了人工标注的工作量	研究仅基于16只大鼠的数据，样本量相对较小	开发自动化方法以加速睡眠研究并提高睡眠质量评估的效率	大鼠的睡眠阶段（REM/反常睡眠、NREM/慢波睡眠和清醒状态）	机器学习	NA	单通道EEG	DNN	EEG信号	16只大鼠，每只进行两次24小时记录
460	2025-07-29	Closed-Loop Transcranial Ultrasound Stimulation Based on Deep Learning Effectively Suppresses Epileptic Seizures in Mice 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3589089 PMID:40658582	研究论文	本研究设计并实现了一种基于深度学习的闭环经颅超声刺激系统，用于实时检测和干预青霉素诱导的癫痫小鼠海马区的癫痫信号	首次将深度学习应用于闭环经颅超声刺激系统，实现了对癫痫信号的实时识别和动态响应	研究仅在小鼠模型中进行，尚未在人类患者中验证	开发一种能够动态响应癫痫发作的闭环经颅超声刺激系统	青霉素诱导的癫痫小鼠	神经调控技术	癫痫	经颅超声刺激	深度学习网络模型	神经信号	青霉素诱导的癫痫小鼠（具体数量未提及）