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
1061	2025-05-04	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-Jan, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	research paper	该研究构建了一个多视角深度学习模型，用于急性胰腺炎（AP）的严重程度分类	结合患者的临床数据和CT影像数据，构建多视角深度学习模型，相比传统单视角评分系统提高了预测准确性	模型对中度严重急性胰腺炎的预测准确率相对较低（64.90%）	开发更准确的急性胰腺炎严重程度预测方法，以辅助临床干预决策	新入院的急性胰腺炎患者	digital pathology	acute pancreatitis	deep learning	DNN, CNN	clinical data, CT images	NA
1062	2025-05-04	Maize quality detection based on MConv-SwinT high-precision model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312363 PMID:39854315	研究论文	本研究提出了一种基于MConv-SwinT高精度模型的玉米质量检测方法，结合机器视觉和深度学习技术，显著提高了检测准确率	采用Swin Transformer作为基础模型，结合专门设计的卷积块和注意力层，实现了浅层和深层特征的融合与加权，显著提升了分类性能	未提及模型在不同光照条件或不同品种玉米上的泛化能力	提高玉米质量检测的准确性和效率，推动智慧农业发展	高质量、发霉和破碎的玉米图像	计算机视觉	NA	机器视觉，深度学习	MC-Swin Transformer（改进的Swin Transformer模型）	图像	20,152张有效玉米图像
1063	2025-05-04	Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312177 PMID:39854382	研究论文	本文提出了一种基于深度学习的多分支姿态网络（MBDLP-Net），用于行人全身姿态估计和方向识别	提出了一种新的多分支深度学习姿态网络（MBDLP-Net），并在多个数据集上验证了其在行人姿态估计中的高效性	未提及具体局限性	通过计算机视觉工具自动分析行人行为和意图	行人的全身姿态和方向	计算机视觉	NA	深度学习	MBDLP-Net	图像	三个独立数据集（BDBO、PKU-Reid和TUD Multiview Pedestrians）以及CIFAR-100数据集
1064	2025-05-04	Correction: Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321410 PMID:40168295	correction	对先前发表的关于使用多分支深度学习姿势网络进行行人姿势估计的文章进行更正	NA	NA	NA	NA	computer vision	NA	NA	NA	NA	NA
1065	2025-05-04	Unmanned aerial vehicle based multi-person detection via deep neural network models 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1582995 PMID:40313416	research paper	该研究开发了一种基于深度学习的系统，用于从无人机拍摄的视频中识别多人行为	通过整合不同特征和神经网络模型，提高了识别准确率并保持了鲁棒性，同时具备动态环境适应能力	未提及具体局限性	提升无人机拍摄视频中多人行为识别的准确性和鲁棒性	无人机拍摄的多人行为视频	computer vision	NA	deep learning, feature extraction	deep neural network	video	MOD20和Okutama-Action数据集
1066	2025-05-04	Advanced hybrid deep learning model for enhanced evaluation of osteosarcoma histopathology images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1555907 PMID:40313555	研究论文	提出了一种结合CNN和ViT的混合深度学习模型，用于提高骨肉瘤组织病理学图像的诊断准确性	首次成功使用TCIA数据集进行四分类（非肿瘤、非存活肿瘤、存活肿瘤和非存活比率），并在骨肉瘤研究中设定了新的基准	未提及模型在其他数据集上的泛化能力或临床实际应用的验证	提高骨肉瘤的早期和准确检测，以改善患者预后并降低死亡率	骨肉瘤（OS）的组织病理学图像	数字病理学	骨肉瘤	H&E染色组织病理学图像分析	CNN和ViT混合模型	图像	使用Cancer Imaging Archive (TCIA)数据集，具体样本数量未提及
1067	2025-05-04	Research advancements in the Use of artificial intelligence for prenatal diagnosis of neural tube defects 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1514447 PMID:40313675	review	本文综述了人工智能在产前神经管缺陷诊断中的应用及其进展	展示了AI技术在产前超声影像中早期检测、预测和评估神经管缺陷的高效性，包括CNN和SVM等技术的应用，以及AI与基因组分析的结合	未提及具体研究中可能存在的样本偏差或技术局限性	探讨AI在产前神经管缺陷诊断中的应用及其效果	产前超声影像、遗传数据和孕产妇健康记录	digital pathology	neural tube defects	prenatal ultrasound imaging, genomic analysis	CNN, SVM, Oct-U-Net, PAICS, logistic regression	image, genetic data, health records	NA
1068	2025-05-04	Decentralized EEG-based detection of major depressive disorder via transformer architectures and split learning 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1569828 PMID:40313734	研究论文	该研究通过结合机器学习、深度学习和分割学习的方法，利用EEG信号对重度抑郁症（MDD）患者和健康个体进行分类	采用分割学习框架解决数据隐私和计算资源问题，结合Transformer和随机森林模型实现高精度分类	研究仅在三台客户端上实施分割学习框架，可能限制了模型的泛化能力	开发一种可靠、自动化的重度抑郁症检测方法	重度抑郁症患者和健康个体的EEG信号	机器学习	重度抑郁症	EEG信号分析	Transformer, Random Forest, Support Vector Machine, Gradient Boosting, Autoencoders	EEG信号	NA
1069	2025-05-04	Primer on machine learning applications in brain immunology 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1554010 PMID:40313869	综述	本文回顾了单细胞和空间技术在脑免疫学中的应用，以及机器学习方法在数据分析中的进展	探讨了机器学习特别是深度学习方法如自编码器和图神经网络在单细胞组学数据分析中的新应用	主要面向湿实验室生物学家，可能缺乏对计算方法的深入技术细节	总结单细胞组学在脑免疫学研究中的最新进展及其与人工智能的结合	脑免疫学中的单细胞和空间组学数据	机器学习	脑恶性肿瘤和神经退行性疾病	单细胞组学和空间组学技术	自编码器、图神经网络	单细胞和空间组学数据	NA
1070	2025-05-04	Radiomics-driven neuro-fuzzy framework for rule generation to enhance explainability in MRI-based brain tumor segmentation 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1550432 PMID:40313917	研究论文	提出了一种结合3D U-Net和放射组学特征的混合AI框架，用于MRI脑肿瘤分割并生成可解释的决策规则	将深度学习模型与自适应神经模糊推理系统(ANFIS)相结合，提高了模型的可解释性	实验仅限于小规模的高影响力放射组学特征集	提高MRI脑肿瘤分割的可解释性以促进临床应用	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI, 放射组学特征提取	3D U-Net, ANFIS	MRI图像	BraTS2020数据集
1071	2025-05-03	Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map 2025-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adabea PMID:39832385	research paper	本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响，并提出了一种混合数据增强方法	提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题	未提及具体的数据集规模和多样性限制	提高角膜地形图分类的深度学习模型性能	角膜地形图	digital pathology	NA	generative adversarial networks, specific generative models	CNN	image	NA
1072	2025-05-03	A robust auto-contouring and data augmentation pipeline for adaptive MRI-guided radiotherapy of pancreatic cancer with a limited dataset 2025-Jan-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabac PMID:39823751	研究论文	本研究开发并评估了一种基于深度学习的快速稳健的自动分割方法，用于胰腺癌MRI引导放疗中的风险器官分割，以解决在线自适应工作流程中耗时的手动轮廓绘制问题	提出了两种先进的数据增强方法：结构引导的基于变形的增强方法（sgDefAug）和基于生成对抗网络的方法（GANAug），以解决有限数据集带来的挑战	研究样本量较小，仅使用了10名患者的43张3DVane图像	开发一种快速稳健的自动分割方法，用于胰腺癌MRI引导放疗中的风险器官分割	胰腺癌MRI引导放疗中的风险器官	数字病理	胰腺癌	MRI	nnU-Net, ResU-Net, SegResNet, cycleGAN	3D图像	10名患者的43张3DVane图像
1073	2025-05-03	GMmorph: dynamic spatial matching registration model for 3D medical image based on gated Mamba 2025-Jan-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adaacd PMID:39813811	研究论文	提出了一种基于门控Mamba的动态空间匹配配准模型GMmorph，用于3D医学图像的非线性对齐	从空间匹配的角度提出了一种双分支交互配准模型架构，引入了动态匹配模块和门控mamba层，以平衡高精度和低折叠率	未提及模型在处理极端异常组织时的表现	克服深度学习配准方法在复杂位移和全局局部特征交互方面的不足，提高配准精度和鲁棒性	单模态和多模态医学图像（包括正常脑部、脑肿瘤和肺部图像）	数字病理	脑肿瘤、肺部疾病	深度学习	GMmorph（基于门控Mamba的双分支模型）	3D医学图像	未明确提及具体样本数量
1074	2025-05-03	PPDock: Pocket Prediction-Based Protein-Ligand Blind Docking 2025-Jan-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01373 PMID:39814581	研究论文	提出了一种基于口袋预测的蛋白质-配体盲对接方法PPDock，通过两阶段对接范式显著提高了对接准确性和效率	采用两阶段对接范式（口袋预测后进行基于口袋的对接），克服了传统方法难以识别正确口袋的问题	未明确说明方法在超大规模蛋白质复合体上的适用性	提升蛋白质-配体盲对接的准确性和效率以促进药物发现	蛋白质结合位点（口袋）与配体的对接构象	计算生物学	NA	深度学习	PPDock（新型盲对接架构）	蛋白质结构数据	基准测试数据集（未明确数量）
1075	2025-05-03	A fusion model of manually extracted visual features and deep learning features for rebleeding risk stratification in peptic ulcers 2025-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.01.23 PMID:39819728	研究论文	提出了一种基于内窥镜图像手动提取特征和深度学习特征的多特征融合模型，用于评估消化性溃疡再出血风险	首次将手动提取的视觉特征与深度学习特征融合，用于消化性溃疡再出血风险分级	研究样本仅包含708名患者，可能存在一定的数据偏差	提高消化性溃疡再出血风险分级的准确性	消化性溃疡患者的内窥镜图像	数字病理学	消化性溃疡	深度学习特征提取与手动视觉特征提取	CNN	图像	708名患者的3573张内窥镜图像
1076	2025-05-03	Deep learning algorithms for predicting pathological complete response in MRI of rectal cancer patients undergoing neoadjuvant chemoradiotherapy: a systematic review 2025-Jan-20, International journal of colorectal disease IF:2.5Q1 DOI:10.1007/s00384-025-04809-w PMID:39833443	系统综述	本文系统综述了深度学习算法在预测直肠癌患者新辅助放化疗后病理完全缓解中的效用	评估基于MRI的人工智能模型性能，并探讨影响其诊断准确性的因素	模型设计、MRI协议存在异质性，临床数据整合有限	评估AI模型在预测直肠癌患者新辅助放化疗后病理完全缓解中的性能	直肠癌患者	数字病理	直肠癌	MRI（T2W和DWI序列）	深度学习模型	MRI图像	26项研究符合纳入标准
1077	2025-05-03	Towards a decision support system for post bariatric hypoglycaemia: development of forecasting algorithms in unrestricted daily-life conditions 2025-Jan-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02856-5 PMID:39833876	research paper	开发基于线性和深度学习模型的算法，用于预测减肥手术后低血糖事件	首次在无限制日常生活条件下开发预测减肥手术后低血糖事件的算法	仅使用连续血糖监测数据作为单一输入，数据噪声和餐后血糖快速变化是主要挑战	开发决策支持系统以预警减肥手术后低血糖事件	50名接受Roux-en-Y胃旁路手术后出现低血糖的患者	machine learning	geriatric disease	CGM	rAR, deep learning models	CGM data	50名患者，监测长达50天
1078	2025-05-03	Optimizing papermaking wastewater treatment by predicting effluent quality with node-level capsule graph neural networks 2025-Jan-18, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13581-3 PMID:39825037	研究论文	提出一种基于节点级胶囊图神经网络的造纸废水处理方法，用于预测出水质量	使用节点级胶囊图神经网络（NLCGNN）结合Hermit Crab优化（HCO）算法，提高了化学需氧量（COD）预测的准确性、精确度和灵敏度	未提及该方法在其他类型废水处理中的适用性或实际工业环境中的部署挑战	优化造纸废水处理过程中的出水质量预测	造纸废水处理过程中的化学需氧量（COD）指标	机器学习	NA	节点级胶囊图神经网络（NLCGNN），Hermit Crab优化（HCO）算法	NLCGNN	工业废水处理过程数据	NA
1079	2025-05-03	ds-FCRN: three-dimensional dual-stream fully convolutional residual networks and transformer-based global-local feature learning for brain age prediction 2025-Jan-18, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-024-02889-y PMID:39826018	研究论文	本研究开发了一种结合3D双流全卷积残差网络和Transformer的深度学习模型，用于基于灰质密度图的脑年龄预测	提出创新的3D双流全卷积残差网络(ds-FCRN)结合Transformer的全局-局部特征学习范式，并使用Shapley值解释不同脑区对预测精度的影响	研究仅基于健康参与者数据，未考虑疾病状态对脑年龄预测的影响	开发具有高预测准确性和可解释性的脑年龄预测深度学习模型	来自UKB数据库的16,377名45-82岁健康参与者的灰质密度图	数字病理学	老年疾病	T1 MRI	3D ds-FCRN + Transformer	医学影像	16,377名健康参与者(训练集) + 3,276名健康参与者(测试集)
1080	2025-05-03	Predicting metabolite response to dietary intervention using deep learning 2025-Jan-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56165-6 PMID:39827177	研究论文	开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢反应	首次将深度学习方法（McMLP）应用于基于肠道微生物组成的代谢反应预测，填补了该领域的空白	未提及具体样本量的限制或模型在其他数据集上的泛化能力	实现精准营养，通过预测代谢反应来设计个性化的饮食策略	个体的肠道微生物组成及其对饮食干预的代谢反应	机器学习	NA	深度学习	McMLP（耦合多层感知器）	合成数据和真实数据（来自六项饮食干预研究）	未明确提及具体样本数量