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
761	2025-05-23	Transfer Learning and Multi-Feature Fusion-Based Deep Learning Model for Idiopathic Macular Hole Diagnosis and Grading from Optical Coherence Tomography Images 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S521558 PMID:40396157	research paper	本研究开发了一种基于迁移学习和多特征融合的深度学习模型，用于从光学相干断层扫描（OCT）图像中诊断和分级特发性黄斑裂孔	结合了迁移学习和多特征融合技术，提高了诊断和分级的准确性	研究为单中心回顾性研究，样本量相对较小，需要更多临床验证	评估深度学习系统在特发性黄斑裂孔诊断、分级和预测中的作用	特发性黄斑裂孔患者的OCT图像	digital pathology	ophthalmic disease	OCT	Resnet101, fusion model	image	229张OCT图像
762	2025-05-22	LeFood-set: Baseline performance of predicting level of leftovers food dataset in a hospital using MT learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320426 PMID:40388400	研究论文	本文提出了一种基于深度学习的创新方法，用于预测医院患者餐盘中的剩余食物量，并创建了一个名为LeFoodSet的大规模开放数据集	首次创建了专门用于估计食物剩余量的大规模开放数据集LeFoodSet，并提出了结合视觉特征提取和后期融合的多任务学习模型	数据集仅包含34种印尼食物类别，可能无法完全代表其他地区的饮食习惯	开发AI方法来准确预测医院患者的食物剩余量，以替代耗时且存在偏差的人工观察	医院患者的餐盘食物剩余量	计算机视觉	NA	深度学习	ResNet101, 多任务学习(MT), 单任务学习(ST)	图像	524对图像(34种印尼食物类别，每类包含食用前后的图像)
763	2025-05-22	Transfer learning in ECG diagnosis: Is it effective? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316043 PMID:40388401	研究论文	本文通过实证研究探讨了迁移学习在多标签心电图分类中的有效性	首次系统验证了迁移学习在心电图诊断中的效果，比较了微调与从头训练的性能差异	研究结果依赖于特定数据集和神经网络架构，可能不适用于所有心电图诊断场景	评估迁移学习在心电图诊断中的实际效果	多标签心电图分类	机器学习	心血管疾病	深度学习	CNN, RNN	时间序列数据	多种心电图数据集
764	2025-05-22	Predictive hybrid model of a grid-connected photovoltaic system with DC-DC converters under extreme altitude conditions at 3800 meters above sea level 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324047 PMID:40388424	研究论文	本研究开发了一种用于极端海拔条件下（海拔3800米）并网光伏系统的预测混合模型，旨在降低模型复杂度并提高准确性	结合递归特征消除（RFE）方法与高级正则化技术（如Lasso、Ridge和Bayesian Ridge），以解决维度灾难问题	未来工作将探索与储能系统和智能控制策略的集成，以及在极端气候条件下的应用	优化极端海拔条件下并网光伏系统的预测性能	由单晶模块、DC-DC优化器和3000 W逆变器组成的光伏系统	机器学习	NA	RFE、Lasso、Ridge、Bayesian Ridge	混合模型	电力系统数据	NA
765	2025-05-22	AI-driven educational transformation in ICT: Improving adaptability, sentiment, and academic performance with advanced machine learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317519 PMID:40388422	研究论文	本研究通过部署先进的机器学习和深度学习策略，在教育技术领域实现了有意义的变革	采用混合堆叠方法结合多种机器学习模型，实现了高精度的预测和分析，特别是在情感分析和学术表现提升方面	数据集来源于Kaggle，可能无法完全代表所有教育环境	探索AI驱动的教育转型，提高学生的适应性、情感状态和学术表现	教育技术领域中的学生适应性、情感和学术表现	教育技术	NA	机器学习、深度学习	Decision Trees, Random Forest, XGBoost, Gradient Boosting, CNN, RCNN	结构化数据	1205条包含14个属性的条目
766	2025-05-22	Anomaly recognition in surveillance based on feature optimizer using deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313692 PMID:40388481	research paper	该研究提出了一种基于深度学习的先进框架，用于监控系统中的异常识别，通过特征优化技术显著提高了准确性和鲁棒性	创新点在于结合了新型63层CNN 'Up-to-the-Minute-Net' 和 Inception-Resnet-v2 进行特征提取，并采用蜻蜓算法和遗传算法进行特征优化	未提及具体的数据集规模限制或实际部署中的计算资源需求	提高监控系统中异常识别的准确性和鲁棒性	监控视频中的异常事件	computer vision	NA	histogram equalization, Dragonfly algorithm, Genetic Algorithm	DCNN (包括 'Up-to-the-Minute-Net' 和 Inception-Resnet-v2)	image	未明确说明具体样本数量，但使用了5折和10折交叉验证
767	2024-12-19	Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy" 2025-Jan-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03526 PMID:39693047	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
768	2025-05-21	Optimizing Corn Tar Spot Measurement: A Deep Learning Approach Using Red-Green-Blue Imaging and the Stromata Contour Detection Algorithm for Leaf-Level Disease Severity Analysis 2025-Jan, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-12-23-2702-RE PMID:39160128	research paper	本文提出了一种名为SCDA v2的深度学习算法，用于优化玉米焦斑病的叶片级病害严重程度分析	SCDA v2解决了SCDA v1的局限性，无需经验性地搜索最优决策输入参数，同时实现了更高且一致的焦斑病检测准确率	NA	优化玉米焦斑病的测量方法，提高病害监测和管理的效率	玉米叶片上的焦斑病	computer vision	plant disease	RGB imaging, deep learning	CNN	image	来自田间（低、中、高冠层）和温室条件下不同环境的玉米叶片RGB图像数据集
769	2025-05-21	Generative Adversarial Network With Robust Discriminator Through Multi-Task Learning for Low-Dose CT Denoising 2025-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3449647 PMID:39186436	研究论文	提出一种通过多任务学习增强判别器鲁棒性的生成对抗网络（GAN），用于低剂量CT图像去噪	1) 提出多任务学习的GAN判别器同时执行三个视觉任务；2) 引入恢复一致性（RC）和无差异抑制（NDS）机制提升判别器表征能力；3) 在生成器中加入Res-FFT-Conv模块联合利用频域和空域信息	未明确说明模型在其他CT领域的泛化能力测试细节	解决低剂量CT图像去噪中视觉不一致、多指标性能不足及跨域鲁棒性等问题	低剂量CT（LDCT）图像	计算机视觉	NA	生成对抗网络（GAN）	GAN（含Res-FFT-Conv模块）	CT图像	未明确说明具体样本量（涉及两项去噪任务及放射科医生视觉评分）
770	2025-05-21	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	review	本文全面回顾了联邦学习在青光眼筛查中的应用，并探讨了其未来前景	联邦学习提供了一种在不集中敏感患者数据的情况下进行协作模型开发的方法，解决了隐私和监管问题	创建集中式数据存储库受到数据共享、患者隐私、法规遵从性和知识产权等问题的阻碍	开发用于青光眼筛查的稳健人工智能模型	青光眼患者及其影像数据	digital pathology	glaucoma	federated learning	deep learning	medical imaging	NA
771	2025-05-21	Advancements in AI-driven drug sensitivity testing research 2025, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2025.1560569 PMID:40384974	综述	本文综述了人工智能在药物敏感性测试和病原体耐药性检测中的研究进展及其应用前景	强调了人工智能和机器学习在预测药物敏感性测试和病原体耐药性中的创新应用	未提及具体的技术实施细节和实验验证结果	探讨人工智能技术在药物敏感性测试和病原体耐药性预测中的应用，以减少抗生素滥用并提高感染患者的治疗效果	病原体的抗生素敏感性测试和耐药性检测	机器学习	抗菌素耐药性	Machine Learning(ML)和Deep Learning(DL)	NA	影像和实验室数据	NA
772	2025-05-21	Advancements in deep learning for early diagnosis of Alzheimer's disease using multimodal neuroimaging: challenges and future directions 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1557177 PMID:40385089	综述	本文综述了深度学习在多模态神经影像学中用于阿尔茨海默病早期诊断的最新进展、挑战及未来方向	整合多模态神经影像数据，应用CNN、RNN和Transformer等深度学习模型提高诊断准确性和预测疾病进展	数据异质性、样本量小、跨人群泛化性有限以及临床转化中的可解释性和伦理问题	探讨深度学习在阿尔茨海默病早期诊断中的应用潜力及面临的挑战	阿尔茨海默病的多模态神经影像数据	数字病理学	老年病	多模态神经影像分析	CNN, RNN, Transformer	影像	NA
773	2025-05-21	Automatic diagnosis of extraocular muscle palsy based on machine learning and diplopia images 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.05.01 PMID:40385124	研究论文	本研究开发了基于机器学习和复视图像的自动诊断模型，用于诊断眼外肌麻痹	首次将多种机器学习算法（包括深度学习）应用于复视图像的自动诊断，并与临床医生诊断结果进行一致性比较	研究为回顾性研究，未进行前瞻性验证	开发自动诊断眼外肌麻痹的机器学习模型	3244例患者的复视图像和医疗记录	数字病理	眼外肌麻痹	计算机化复视测试	LR, DT, SVM, XGBoost, DL	图像	3244例（训练集2757例，测试集487例）
774	2025-05-21	Multimodal deep learning model for prediction of prognosis in central nervous system inflammation 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf179 PMID:40385378	研究论文	开发了一种多模态深度学习模型，整合临床特征和脑部MRI数据，以提高中枢神经系统炎症的早期预后预测	首次将临床特征与脑部MRI数据通过多模态深度学习模型结合，用于中枢神经系统炎症的预后预测，并在多种病因组中表现出优越性能	研究为回顾性设计，可能存在选择偏差；外部测试集数据量相对较小	提高中枢神经系统炎症的早期预后预测准确性	中枢神经系统炎症患者	数字病理	中枢神经系统炎症	MRI扫描	3D CNN	图像和临床数据	内部数据集：291名患者的413张图像；外部数据集：106名患者的210张图像
775	2025-05-21	HD-6mAPred: a hybrid deep learning approach for accurate prediction of N6-methyladenine sites in plant species 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19463 PMID:40386224	research paper	本文提出了一种名为HD-6mAPred的混合深度学习模型，用于准确预测植物物种中的N6-甲基腺嘌呤（6mA）位点	结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和注意力机制，以及多种DNA序列编码方案，提高了预测准确性和跨物种泛化能力	NA	开发一种稳健的方法来准确预测植物物种中的6mA位点	植物物种中的N6-甲基腺嘌呤（6mA）位点	machine learning	NA	DNA序列编码（one-hot encoding, EIIP, ENAC, NCP）	BiGRU, CNN, attention mechanism	DNA序列	Rosaceae、水稻和拟南芥数据集
776	2025-05-21	Significance of multi-task deep learning neural networks for diagnosing clinically significant prostate cancer in plain abdominal CT 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543230 PMID:40386561	research paper	评估多任务深度学习神经网络在腹部CT扫描中诊断临床显著性前列腺癌（csPCa）的有效性	首次将多任务深度学习神经网络（基于3DUnet架构）应用于腹部CT扫描的前列腺癌诊断，并开发了诊断列线图	样本量相对有限（539例患者），且未与其他影像学方法（如MRI）进行直接比较	探索腹部CT扫描结合多任务深度学习模型在前列腺癌早期诊断中的价值	临床显著性前列腺癌（csPCa）患者	digital pathology	prostate cancer	CT扫描	3DUnet, ResNet18	image	539例患者（461例来自放射科，78例来自核医学科）
777	2025-05-21	Intelligent rehabilitation in an aging population: empowering human-machine interaction for hand function rehabilitation through 3D deep learning and point cloud 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1543643 PMID:40386804	研究论文	本研究提出了一种基于3D深度学习模型的方法，处理激光传感器点云数据，用于人机交互手功能智能康复领域的非接触式手势表面特征分析	通过整合手表面点云采集、局部特征提取和维度信息抽象与增强等关键技术，构建了准确的手势表面特征分析系统	NA	促进手功能非接触式智能康复技术的发展，提升老年人和康复患者的安全舒适交互方式	老年人群体的手功能康复	数字病理学	老年疾病	3D深度学习	3D深度学习模型	点云数据	NA
778	2025-05-20	Blood cancer prediction model based on deep learning technique 2025-01-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84475-0 PMID:39805996	研究论文	本文利用深度学习技术改进血癌诊断，评估了多种模型并发现ResNetRS50在准确性和速度上表现最佳	采用ResNetRS50模型在血癌早期诊断中实现更高的准确性和更低的错误率	未提及模型在其他类型癌症或更大规模数据集上的泛化能力	通过早期诊断降低血癌死亡率	血癌患者	机器学习	血癌	深度学习	ResNetRS50, RegNetX016, AlexNet, Convnext, EfficientNet, Inception_V3, Xception, VGG19	NA	NA
779	2025-05-20	Importance of Computer-aided Drug Design in Modern Pharmaceutical Research 2025, Current drug discovery technologies DOI:10.2174/0115701638361318241230073123 PMID:39810447	review	本文探讨了计算机辅助药物设计（CADD）在现代药物研究中的重要性及其基本原理	强调了CADD在加速药物发现过程、提高准确性、减少时间和财务资源方面的创新应用	NA	研究CADD在药物发现和开发过程中的价值和重要性	生物活性化合物及其与特定生物大分子（如DNA、RNA、蛋白质和酶）的亲和力	药物设计	NA	分子对接、片段基药物发现、从头药物设计、药效团建模、定量构效关系、3D-QSAR、同源建模、计算机模拟ADME-Tox、机器学习/深度学习	NA	NA	NA
780	2025-05-19	An efficient leukemia prediction method using machine learning and deep learning with selected features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320669 PMID:40378164	research paper	该论文提出了一种利用机器学习和深度学习技术结合特征选择的白血病预测方法	使用特征选择和深度学习技术对白血病基因数据进行分类，其中LSTM模型达到了100%的分类准确率	研究样本量较小（仅64个样本），且仅使用了CuMiDa数据库中的GSE9476数据集	开发一种高效的白血病早期预测和分类方法	白血病基因数据（来自CuMiDa数据库的GSE9476数据集）	machine learning	leukemia	基因微阵列技术	Random Forest, Linear Regression, SVM, LSTM	gene expression data	64个样本（来自22283个基因中的5类白血病基因）