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
501	2025-12-11	Automated predictive framework using AI and deep learning approaches for early detection and classification of liver cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1650800 PMID:41357578	研究论文	本研究提出了一种名为LiverCompactNet的深度学习框架，用于肝病的早期检测和分类	开发了LiverCompactNet这一先进的深度学习框架，实现了对肝脏图像的高精度分类，并在早期检测肝病方面表现出色	未直接对原始成像数据或CNN训练输入应用PCA，可能限制了特征提取的全面性	旨在通过AI和深度学习技术实现肝病的早期检测和分类，以提升医疗图像分析和临床决策	肝脏图像，包括良性、恶性和正常三类	计算机视觉	肝癌	深度学习，主成分分析（PCA）	CNN	图像	5000张肝脏图像（1500张良性，1500张恶性，2000张正常），分为训练集（3500）、验证集（750）和测试集（750）	NA	LiverCompactNet	准确率，敏感性，特异性，精确率，AUC-ROC分数	NA
502	2025-12-11	Transfer Learning Strategies for Cardiovascular Disease Detection in ECG Imagery 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251397812 PMID:41358268	研究论文	本研究提出了一种名为HeProbAtt BiGRU Net的新型AI驱动模型，用于从心电图图像中自动分类和预测冠状动脉钙化评分，旨在提高心血管疾病检测的准确性和效率	提出了一种结合注意力机制和概率权重的改进型BiGRU网络架构（HeProbAtt BiGRU Net），用于同时执行分类和回归任务，增强了学习效率和决策精度	研究基于单一中心的数据集，未来需要在更大规模、多中心数据集上进行验证，并缺乏临床可解释性特征的整合	开发一种深度学习模型，用于自动分类和预测冠状动脉钙化评分，以改进当前自动评分系统，减少误差和偏差，并辅助临床决策	来自大不里士医科大学的14,127个非对比计算机断层扫描切片数据集，用于心血管疾病检测	计算机视觉	心血管疾病	非对比计算机断层扫描	CNN, BiGRU	图像	14,127个NCCT切片	NA	DenseNet201, InceptionV3, HeProbAtt BiGRU Net	准确率, 精确率, 召回率, F1分数, ROC-AUC, 平均绝对误差, 均方根误差	NA
503	2025-12-11	CottonNet-MHA: a multi-head attention-based deep learning framework for cotton disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664242 PMID:41358337	研究论文	本文提出了一种基于多头注意力机制的深度学习框架CottonNet-MHA，用于棉花病害检测	开发了结合多头注意力机制的深度学习框架，以增强特征学习并突出病害区域，提高了检测准确性和可解释性	未明确说明模型在多样化环境条件下的泛化能力或数据集的规模限制	构建深度学习模型以自动检测棉花作物中的病害，确保健康作物生长和提高产量	棉花叶片中的病理症状	计算机视觉	棉花病害	NA	深度学习模型，多头注意力机制	图像	NA	TensorFlow, PyTorch, Keras	VGG16, VGG19, InceptionV3, Xception, MobileNet	准确率，效率	NA
504	2025-12-11	Integrating meteorological and breeding data to predict maize yields using machine learning algorithms 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1722068 PMID:41358345	研究论文	本研究开发了一种机器学习模型，通过整合气象数据和育种值来预测玉米杂交种产量	将气象数据与基于BLUP方法估计的育种值相结合，利用机器学习算法进行玉米产量预测，提供了一种成本效益高且高效的预测框架	模型性能仍有提升空间（R²为0.64），且可能受限于数据集规模和计算资源需求	预测玉米杂交种产量，以支持全球粮食安全和精准农业决策	玉米杂交种	机器学习	NA	BLUP（最佳线性无偏预测）方法	Random Forest, XGBoost, Support Vector Regression, Gaussian Process Regression	气象数据、育种数据	NA	Scikit-learn（推断，因使用常见ML算法）	Random Forest, XGBoost, SVR, GPR	R², RMSE, MAE, RRMSE, MAPE	NA
505	2025-12-11	Correction: Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1744006 PMID:41368236	correction	本文是对一篇关于深度学习算法在非对比脑部CT报告分类中诊断精度的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
506	2025-12-10	Harmonic Wavelet Neural Network for Discovering Neuropathological Propagation Patterns in Alzheimer's Disease 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3434394 PMID:39074003	研究论文	本文提出了一种谐波小波神经网络（HWNN），用于预测阿尔茨海默病的早期阶段并定位与疾病相关的显著小波，以表征神经病理事件在大脑网络中的传播路径	提出了一种新的谐波小波神经网络（HWNN）方法，解决了现有图深度学习方法的两个主要缺点：缺乏用于组间比较的无偏参考基础（共同大脑网络）以及缺乏识别传播模式的适当机制	NA	利用计算方法确定神经病理事件的传播模式，以理解阿尔茨海默病的病理生理机制	阿尔茨海默病相关的退行性生物标志物及其在大脑皮层中的分布	机器学习	阿尔茨海默病	NA	神经网络	图数据	NA	NA	谐波小波神经网络（HWNN）	分类准确率，识别传播模式的统计功效	NA
507	2025-12-10	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	研究论文	本文提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于基于涂鸦标注的心脏MRI图像分割	提出了一种涂鸦标注重用策略以提供精确边界，并通过伪标签将中间特征分解为类别区域和无类别区域，以改进特征学习，然后通过特征分解捕获有效的蒸馏知识	NA	开发一种用于涂鸦监督心脏MRI图像分割的深度学习方法，以降低计算成本并提高分割精度	心脏MRI图像	计算机视觉	心血管疾病	MRI	深度学习	图像	NA	NA	NA	DSC, JC, HD95	NA
508	2025-12-10	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	本研究利用集成知识蒸馏与半监督卷积神经网络，对黑色素瘤的Breslow厚度进行分类，旨在提高诊断准确性	采用多教师集成知识蒸馏的半监督学习方法，结合四个不同来源的数据集，在黑色素瘤原位与侵袭性分类及Breslow厚度预测任务中提升了模型性能	未明确说明模型在临床环境中的泛化能力及对罕见病例的处理效果	开发基于深度学习的自动诊断系统，以支持医疗专业人员对黑色素瘤的分类和厚度预测	皮肤镜图像中的原位与侵袭性黑色素瘤，以及Breslow厚度	医学图像分析	黑色素瘤	深度学习	CNN	图像	来自四个不同数据集的皮肤镜图像，具体数量未明确	未明确指定	卷积神经网络	AUC	未明确指定
509	2025-12-10	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	研究论文	提出一种用于运动想象解码的轻量级多尺度特征残差卷积神经网络MFRC-Net	提出结合时间多尺度残差卷积块和跨域双流空间卷积块的轻量级网络架构，在仅13K参数下实现高性能	未明确说明模型在更复杂或噪声更大EEG数据上的泛化能力	开发轻量高效的深度学习模型用于运动想象脑电信号解码	脑电图信号	机器学习	NA	脑电图	CNN	时序信号	BCI Competition IV 2a数据集和SHU数据集	NA	MFRC-Net	准确率	NA
510	2025-12-10	Spherical Harmonics-Based Deep Learning Achieves Generalized and Accurate Diffusion Tensor Imaging 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471769 PMID:39352828	研究论文	本研究提出了一种基于球谐函数和深度学习的扩散张量成像方法，旨在提高DTI的准确性和泛化能力	利用球谐函数系数图作为网络输入，实现了对不同采集方案、中心和扫描仪的泛化，解决了现有深度学习方法泛化性有限的问题	未在摘要中明确提及具体限制	开发一种泛化性强、准确且高效的基于深度学习的扩散张量成像方法	扩散张量成像数据，包括模拟和体内数据集	医学影像分析	NA	扩散加权成像，扩散张量成像，磁共振成像	深度学习网络	扩散磁共振图像，球谐函数系数图	未在摘要中明确提及具体样本数量	NA	NA	定量和定性分析	NA
511	2025-12-10	Multiscale Spatial-Temporal Feature Fusion Neural Network for Motor Imagery Brain-Computer Interfaces 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472097 PMID:39352826	研究论文	本文提出了一种基于多尺度时空特征融合的卷积神经网络（MSTFNet），用于运动想象脑机接口中的EEG信号分类	提出了一种新的端到端卷积神经网络架构，通过多尺度时空特征融合模块增强特征提取能力，并采用了一种简单而有效的数据增强策略	未明确提及模型的计算复杂度、泛化能力到其他数据集或实际应用场景中的限制	提高运动想象脑机接口中EEG信号的解码精度，实现高效稳定的交互	运动想象相关的EEG信号	脑机接口	NA	EEG信号处理	CNN	EEG信号	使用了两个公共数据集（BCI Competition IV 2a和2b）和一个实验室数据集，具体样本数量未明确说明	NA	MSTFNet（包含特征增强模块、多尺度时间特征提取模块、空间特征提取模块和特征融合模块）	分类准确率	NA
512	2025-12-10	Automated Quantification of HER2 Amplification Levels Using Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476554 PMID:39383086	研究论文	本文开发了一种基于深度学习的软采样级联模型和信号检测模型，用于自动量化细胞中的CEN17和HER2信号，以辅助评估HER2扩增状态，从而帮助乳腺癌和胃癌患者选择抗HER2靶向治疗	提出了一种软采样级联深度学习模型和信号检测模型，能够处理FISH和DISH图像中细胞边界模糊、形状和信号变化大、细胞重叠以及标注稀疏等问题，显著优于七种现有最先进的深度学习方法	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算资源的具体需求	开发自动化工具以辅助评估HER2扩增状态，用于乳腺癌和胃癌患者的抗HER2靶向治疗选择	乳腺癌和胃癌患者的FISH和DISH图像中的细胞	数字病理学	乳腺癌, 胃癌	荧光原位杂交 (FISH), 双原位杂交 (DISH)	深度学习模型	图像	两个临床数据集：一个FISH数据集和一个DISH数据集	NA	软采样级联深度学习模型, 信号检测模型	准确率, 召回率, F1分数, 精确率	NA
513	2025-12-10	MiRS-HF: A Novel Deep Learning Predictor for Cancer Classification and miRNA Expression Patterns 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476672 PMID:39383085	研究论文	提出了一种名为MiRS-HF的深度学习模型，用于癌症分类和miRNA生物标志物识别	结合早期融合和中间融合策略，利用Layer Attention GCN处理miRNA-疾病异质网络，并通过GCN加权表达数据进行分类	NA	癌症分类和miRNA生物标志物识别	六种癌症的miRNA关联和表达数据	机器学习	癌症	miRNA表达数据	GCN, LAGCN	图数据, 表达数据	NA	NA	Layer Attention Graph Convolutional Network, Graph Convolutional Network	NA	NA
514	2025-12-10	Continuous Prediction of Wrist Joint Kinematics Using Surface Electromyography From the Perspective of Muscle Anatomy and Muscle Synergy Feature Extraction 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484994 PMID:39437291	研究论文	本文提出了一种基于肌肉解剖学视角的3DCNN模型，用于从表面肌电信号中提取肌肉协同特征，并连续预测腕关节运动学	首次从肌肉解剖学角度预测运动意图，将一维sEMG信号根据目标肌肉解剖分布和电极位置重构为二维帧，并作为视频片段输入3DCNN进行特征提取	未明确说明模型在更广泛患者群体或不同运动任务中的泛化能力	利用sEMG信号预测卒中后患者运动意图，以提高康复机器人的辅助效果	卒中后上肢功能障碍患者	机器学习	卒中	表面肌电信号采集	3DCNN, CNN-LSTM, GAN	时序信号, 图像	自建腕部运动数据集和公开Ninapro DB2数据集	NA	3DCNN	nRMSE, R值	NA
515	2025-12-10	Deep Drug Synergy Prediction Network Using Modified Triangular Mutation-Based Differential Evolution 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377631 PMID:38498748	研究论文	本文提出了一种名为EDNet的深度药物协同预测网络，用于改进癌症治疗中的药物组合协同预测	采用改进的基于三角突变的差分进化算法优化深度双向混合密度网络的初始连接权重和架构相关属性，以解决梯度消失、过拟合和参数调优问题	NA	提高药物组合协同预测的准确性，以优化癌症治疗效果	药物组合协同预测	机器学习	癌症	NA	深度双向混合密度网络	药物协同数据集	两个数据集：NCI-ALMANAC和deep-synergy	NA	EDNet	NA	NA
516	2025-12-10	Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images 2025, American journal of nephrology IF:4.3Q1 DOI:10.1159/000546131 PMID:40388893	研究论文	本研究开发了一个基于深度学习的平台，用于自动分类肾活检电子显微镜图像中电子致密沉积物的位置	首次利用深度学习自动分类肾活检电子显微镜图像中电子致密沉积物的位置，并开发了相应的网络平台	模型在评估沉积物存在和位置方面的准确性低于电子显微镜病理学家，但高于综合性肾病理学家	开发一个深度学习平台，自动分类肾活检电子显微镜图像中电子致密沉积物的位置	肾活检电子显微镜图像中的电子致密沉积物	数字病理学	肾脏疾病	电子显微镜	CNN	图像	从1039例肾活检中收集的4303张电子显微镜图像	NA	ResNet18	AUC, 准确率	NA
517	2025-12-09	Ethical and legal concerns in artificial intelligence applications for the diagnosis and treatment of lung cancer: a scoping review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1663298 PMID:41164831	综述	本文通过范围综述探讨了人工智能在肺癌诊疗应用中的伦理与法律问题	系统性地识别并总结了AI在肺癌诊疗领域应用中最突出的伦理与法律关切点，特别是数据隐私、算法偏见及全球适用性差距	多数研究缺乏全面的法律分析，且文献主要来自高收入国家，全球视角不足，提出的解决方案未经验证且碎片化	评估人工智能在肺癌诊疗应用中的伦理与法律挑战	人工智能在肺癌筛查、诊断、治疗及预后中的应用	数字病理	肺癌	NA	深度学习	诊断影像	20篇符合纳入标准的文献	NA	NA	NA	NA
518	2025-12-09	Brain tumour segmentation in fused MRI-PET images with permutate U-Net framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335952 PMID:41343590	研究论文	本文提出了一种基于Permutate U-Net框架的脑肿瘤分割方法，用于融合MRI-PET图像	设计了Permutate版本的U-Net架构，结合PCA融合MRI-PET图像以提高图像质量和分割精度	NA	自动精确地检测和分割脑肿瘤区域	脑肿瘤	数字病理学	脑肿瘤	MRI-PET图像融合	U-Net	图像	使用BraTS 2015、2020和2021数据集	NA	Permutate U-Net	Dice系数, IoU, 准确率	NA
519	2025-12-09	ConvLSTM-based tropical cyclone intensity estimation and classification using satellite imagery over the North Indian ocean 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330705 PMID:41348707	研究论文	本研究提出了一种基于深度学习的框架，利用卫星图像序列对北印度洋的热带气旋进行检测、分类和强度估计	提出了一种混合架构，结合CNN和ConvLSTM共同学习时空模式，并引入了基于聚类的气旋区域隔离方法、序列级数据增强以及使用SMOTE缓解类别不平衡问题	未来工作需要通过集成学习、更复杂的架构或更大的数据集来提高模型的泛化能力	开发有效的热带气旋早期预警和灾害预防系统	北印度洋的热带气旋	计算机视觉	NA	卫星图像序列分析	CNN, ConvLSTM	图像序列	CIMSS热带数据档案和IMD最佳路径数据集	NA	VGG16, ConvLSTM	准确率, RMSE	NA
520	2025-12-08	Decoding brand sentiments: Leveraging customer reviews for insightful brand perception analysis using natural language processing and Tableau 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334330 PMID:41343444	研究论文	本研究提出一个结合机器学习、深度学习、主题建模和交互式可视化的端到端分析流程，用于从智能手机客户评论中解码品牌情感和品牌感知	将基于CNN的情感分析与高一致性NMF主题建模相结合，并通过交互式Tableau仪表板提供商业洞察，超越了单一情感分析的传统方法	所有模型在处理中性评论时表现不佳，且存在因数据不平衡或文化细微语言差异导致的潜在偏见	利用自然语言处理技术分析客户评论，以获取可操作的品牌感知洞察并支持产品策略	亚马逊上十个智能手机品牌的客户评论	自然语言处理	NA	NA	CNN, RNN, LSTM, Decision Trees, Logistic Regression, SVM, Naive Bayes	文本	约68,000条评论	NA	CNN, RNN, LSTM	准确率, 一致性分数	NA