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
101	2025-07-21	Swarm learning network for privacy-preserving and collaborative deep learning assisted diagnosis of fracture: a multi-center diagnostic study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1534117 PMID:40678137	研究论文	本研究开发并验证了一种基于区块链的群体学习框架，用于隐私保护的多机构骨折图像分析，并与集中式AI模型和临床医生的性能进行了比较	首次开发了用于骨折识别的分布式学习模型，采用区块链技术实现隐私保护的群体学习框架	研究仅针对膝关节损伤，未涵盖其他类型骨折	开发一种隐私保护的分布式AI训练范式，用于医学影像分析	膝关节损伤患者的影像数据	数字病理	骨科创伤	群体学习(SL)	YOLOv8n-cls	图像	4,581名患者（回顾性研究）和112名患者（前瞻性队列）
102	2025-07-21	CT radiomics combined with neural networks predict the malignant degree of pulmonary grinding glass nodules 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1603472 PMID:40678142	研究论文	本研究探讨了结合CT影像组学和卷积神经网络(CNN)预测肺部磨玻璃结节恶性程度的方法，旨在提高诊断准确性并支持个性化治疗计划	结合CT影像组学和CNN模型预测肺部磨玻璃结节的恶性程度，相比传统Mayo和Brock模型表现出更高的诊断性能	单中心回顾性研究，需要外部验证和多中心前瞻性队列研究的进一步验证	提高肺部磨玻璃结节的恶性程度诊断准确性，支持个性化治疗计划	肺部磨玻璃结节(GGN)	数字病理	肺癌	CT影像组学	CNN	图像	670例肺部结节患者(2019-2023年)
103	2025-07-21	Using Convoluted Neural Networks in Diagnosing Lung Cancer on Computed Tomography Scans 2025 Jan-Mar, Current health sciences journal DOI:10.12865/CHSJ.51.01.09 PMID:40678299	research paper	该研究开发了一种新型卷积神经网络（CNN），用于在计算机断层扫描（CT）图像上对可疑结节进行分类，以辅助肺癌诊断	开发了一种能够在常规硬件上实现的CNN模型，用于CT图像中良恶性肺部病变的分类	模型的精确度（62.16%）和召回率（79.31%）仍有提升空间，且最终医疗决策仍需医生判断	开发计算机辅助工具以处理大量影像数据，改善肺癌的早期诊断	肺部CT图像中的可疑结节	digital pathology	lung cancer	CT扫描	CNN	image	176例患者（192个病例）
104	2025-07-21	Deep Learning and The Retina: A New Frontier in Multiple Sclerosis Diagnosis 2025 Jan-Mar, Current health sciences journal DOI:10.12865/CHSJ.51.01.03 PMID:40678297	review	本文探讨了深度学习在视网膜成像技术中用于多发性硬化症（MS）诊断和进展跟踪的应用	利用AI驱动的模型（如CNN、GAN和可解释AI方法）分析视网膜成像技术，以检测与MS病理密切相关的细微视网膜变化	数据标准化、模型可解释性和临床整合方面的挑战	探索人工智能在视网膜成像技术中的应用，以支持多发性硬化症的早期诊断和个性化治疗	多发性硬化症（MS）患者	digital pathology	multiple sclerosis	Optical Coherence Tomography (OCT), fundus photography, Scanning Laser Ophthalmoscopy (SLO)	CNN, GAN, explainable AI	image	NA
105	2025-07-21	Fault analysis of chemical equipment based on an improved hybrid model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326370 PMID:40680025	研究论文	提出了一种基于改进混合模型的化工设备故障分析方法，旨在提高检测准确性和效率	结合了VMD-LMS处理、非对称注意力机制和预激活ResNet-BiGRU模型，创建了一个高效的多模态数据融合与分析框架	未提及在极端环境条件下的性能表现或实际工业部署中的计算资源需求	设计一种智能故障检测方法，集成多模态数据并有效提取深层特征	化工设备	机器学习	NA	VMD-LMS处理、非对称注意力机制、预激活ResNet-BiGRU模型	ResNet-BiGRU	多模态数据	NA
106	2025-07-20	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	research paper	使用深度学习技术从心电图中识别心脏壁运动异常，提高检测准确性	开发了一种名为ECG-WMA-Net的深度神经网络，其性能优于专家心电图解读和Q波指数	模型在外部验证队列中的表现有所下降，AUC为0.723	提高心脏壁运动异常的筛查准确性，解决标准心电图方法未能捕捉的生理差异	35,210名来自加利福尼亚的患者和2,338名来自乔治亚州的多样化人群	machine learning	cardiovascular disease	deep learning	deep neural network (ECG-WMA-Net)	ECG和超声心动图数据	35,210名患者（训练集）和2,338名患者（验证集）
107	2025-07-20	Approximating Human-Level 3D Visual Inferences With Deep Neural Networks 2025, Open mind : discoveries in cognitive science DOI:10.1162/opmi_a_00189 PMID:40013087	研究论文	探讨深度神经网络（DNNs）在3D形状推理任务中如何接近人类水平的表现	构建了多种3D感知的DNN架构，并研究了学习目标和数据集在3D形状推理中的作用，发现多视角DNNs在特定条件下能接近人类表现	DNN建模方法在捕捉人类类似形状推理方面存在固有局限性，且对训练集外对象类别的泛化能力有限	缩小DNNs与人类在3D形状表示方面的差距	3D形状推理任务中的深度神经网络与人类表现对比	计算机视觉	NA	深度神经网络（DNNs）	3D神经场（Light Field Network）、自编码器、卷积架构	3D视觉刺激数据	NA
108	2025-07-20	Deep linear matrix approximate reconstruction with integrated BOLD signal denoising reveals reproducible hierarchical brain connectivity networks from multiband multi-echo fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1577029 PMID:40309655	研究论文	本文提出了一种结合多波段多回波fMRI技术和深度线性矩阵近似重建方法（DELMAR）的新策略，用于更准确地描绘人脑的分层功能连接网络	首次将多回波BOLD信号去噪与DELMAR方法集成，无需独立的ME-ICA去噪步骤，提高了分层脑连接网络的重建准确性和可重复性	未明确说明该方法在临床诊断中的实际应用效果验证	开发更准确的人脑功能连接网络映射方法	人脑功能连接网络	神经影像分析	神经系统疾病和精神疾病	多波段多回波fMRI（MBME fMRI）	深度线性模型（DELMAR）	fMRI影像数据	NA
109	2025-07-20	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	本研究基于深度学习方法，实现了岩石预制缺陷中裂纹尖端的高精度自动识别与特性分析	采用U-Net和Deeplabv3网络构建裂纹识别模型，U-Net模型在岩石样本多角度裂纹识别中准确率达99.4%，较Deeplabv3模型提升0.5%	研究仅针对砂岩SCB半圆盘试样，未涵盖其他岩石类型或更复杂的地质条件	实现岩石裂纹尖端的高精度自动识别，为复杂地质环境工程决策提供数据支持	含预制裂纹（0°、15°、30°、45°、60°）的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化方法（HE/AHE/CLAHE）	U-Net, Deeplabv3	图像	含五种不同角度预制裂纹的砂岩样本（具体数量未明确说明）
110	2025-07-20	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究通过深度学习和物理模拟方法预测了拟南芥MCTP4蛋白的跨膜区域结构，揭示了其复杂的构象多样性	结合多种深度学习方法与粗粒度分子动力学模拟，首次揭示了MCTP4跨膜区域的多种构象状态及其动态特性	单一深度学习方法预测膜蛋白结构存在挑战，且模拟结果需要进一步实验验证	解析拟南芥MCTP4蛋白跨膜区域的结构特征与动态行为	拟南芥MCTP4蛋白的跨膜结构域	结构生物学	NA	深度学习预测、粗粒度分子动力学模拟	ESMFold, AlphaFold-Multimer, trRosetta, RoseTTAFold, AlphaFold2, OmegaFold	蛋白质序列数据	NA
111	2025-07-20	Driven early detection of chronic kidney cancer disease based on machine learning technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326080 PMID:40663560	研究论文	本文提出了一种基于机器学习的慢性肾癌早期检测方法KCDC-SODLPI，通过深度学习分析病理图像以提高诊断准确性和效率	结合Snake Optimizer和Deep Learning技术，提出KCDC-SODLPI方法，用于肾癌的检测和分类，实验显示其准确率优于现有模型	实验仅在生物医学图像数据集上进行验证，未涉及临床实际应用的广泛测试	开发一种自动化的肾癌检测和分类系统，以提高诊断的准确性和效率	肾癌病理图像	数字病理	肾癌	深度学习	SE-DenseNet, BiLSTM	图像	生物医学图像数据集（具体数量未提及）
112	2025-07-20	Mapping burnt areas using very high-resolution imagery and deep learning algorithms - a case study in Bandipur, India 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327125 PMID:40668808	研究论文	本研究设计和评估了两种基于深度学习的架构（Custom UNET和新型UNET-GRU），用于利用PlanetScope数据在印度班迪普尔进行烧毁区域分类	提出了一种新型UNET-GRU混合模型，在烧毁区域分类中表现出更高的准确性和空间重叠指标	研究仅限于印度班迪普尔地区，未在其他地理区域验证模型的泛化能力	评估深度学习模型在烧毁区域分类中的性能，改进火灾影响评估和管理策略	印度班迪普尔地区的烧毁区域	计算机视觉	NA	深度学习	UNET, GRU, UNET-GRU混合模型	高分辨率遥感图像	NA
113	2025-07-20	The intelligent evaluation model of the English humanistic landscape in agricultural industrial parks by the SPEAKING model: From the perspective of fish-vegetable symbiosis in new agriculture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325332 PMID:40668851	研究论文	本研究提出了一种基于SPEAKING模型的智能翻译评估框架，用于评估农业产业园中英文人文景观的表达	结合语言理论和深度学习技术，提出了一个优化模型，显著提高了多模态翻译任务的准确性和适应性	研究中未提及样本的具体数量，且可能仅限于特定的农业产业园场景	提高农业产业园中英文人文景观表达的准确性和适应性	农业产业园中的英文人文景观	自然语言处理	NA	深度学习	SPEAKING模型	文本、图像、语音	NA
114	2025-07-20	An explainable and federated deep learning framework for skin cancer diagnosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324393 PMID:40668852	研究论文	提出了一种结合深度学习、联邦学习和可解释AI的智能框架，用于皮肤癌诊断	结合联邦学习保护数据隐私，并利用可解释AI增强模型透明度	未提及模型在更广泛数据集上的泛化能力	开发一个既能准确诊断皮肤癌又能保护患者数据隐私的智能框架	皮肤癌诊断	数字病理学	皮肤癌	深度学习、联邦学习、可解释AI	VGG16, Xception, DenseNet169, InceptionV3, MobileViT, InceptionResNetV2	图像	ISBI2016和ISBI2017两个数据集
115	2025-07-20	Refining Intra-Arterial Therapy Selection for Large Hepatocellular Carcinoma: A Deep Learning Approach Based on Covariate Interaction Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S532116 PMID:40672044	研究论文	本研究开发并验证了一种基于深度学习的模型DELICAITE，用于指导大肝癌患者选择经动脉化疗栓塞（TACE）或肝动脉灌注化疗（HAIC）治疗	DELICAITE模型首次将深度卷积神经网络（DCNN）与协变量交互分析相结合，用于优化大肝癌患者的动脉内治疗选择	研究为回顾性设计，且样本量相对有限（900例患者）	优化大肝癌患者的动脉内治疗方案选择	大肝癌患者	数字病理学	肝癌	深度卷积神经网络（DCNN）	DELICAITE（基于DCNN）	临床数据和影像数据	900例大肝癌患者
116	2025-07-20	A deep learning-based image analysis model for automated scoring of horizontal ocular movement disorders 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1522894 PMID:40672453	research paper	本研究提出了一种基于深度学习的图像分析方法，用于自动评分水平眼动障碍的严重程度，并评估其与传统手动评分方法的性能	开发了RetinaEye自动评分模型，能够客观评估水平眼动障碍的严重程度，与手动评分结果具有高度一致性	研究样本量有限，仅包括164名患者和121名健康受试者，且测试集仅包含92名患者	开发一种自动评分方法，用于评估水平眼动障碍的严重程度	164名眼动障碍患者和121名健康受试者的眼部图像	computer vision	ocular movement disorders	deep learning-based image analysis	RetinaEye	image	2,565张眼部图像（来自164名患者和121名健康受试者），以及184张双眼凝视图像（来自92名患者）
117	2025-07-20	Intelligent recognition of tobacco leaves states during curing with deep neural network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1604382 PMID:40672565	research paper	该研究利用深度神经网络对烟草叶片在烘烤过程中的形态状态进行智能识别	开发了一个针对实际工业场景的大规模烟草叶片形态状态数据集，并提出了高效的深度学习方法	之前的研究通常使用有限数量的非工业图像进行训练，与实际应用中的图像存在显著差异	研究深度学习算法在真实工业场景中识别烟草叶片形态状态的潜力	烟草叶片在烘烤过程中的黄化、褐变和干燥程度	computer vision	NA	deep learning	deep neural network	image	来自中国多个产区的实际批量烘烤仓中的烟草叶片图像
118	2025-07-20	OculusNet: Detection of retinal diseases using a tailored web-deployed neural network and saliency maps for explainable AI 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1596726 PMID:40672824	研究论文	介绍了一种名为OculusNet的高效且可解释的深度学习方法，用于通过OCT图像检测视网膜疾病	结合了Saliency Map可视化技术，提供可解释的AI决策过程，并通过网页部署实现即时检测	未提及模型在多样化临床环境中的泛化能力测试或对不同种族/年龄群体的适用性	开发一个高效且可解释的深度学习模型，用于视网膜疾病的早期检测	视网膜OCT图像，特别是包含脉络膜新生血管(CNV)、糖尿病性黄斑水肿(DME)和年龄相关性黄斑变性等疾病的图像	数字病理学	视网膜疾病	光学相干断层扫描(OCT)	CNN（基于VGG19, MobileNetV2, VGG16, DenseNet-121的迁移学习）	图像	未明确提及具体样本量，但涉及多种视网膜疾病OCT图像
119	2025-07-20	A multi-graph convolutional network method for Alzheimer's disease diagnosis based on multi-frequency EEG data with dual-mode connectivity 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1555657 PMID:40672873	研究论文	本文提出了一种基于多频率EEG数据和双模式连接的多图卷积网络方法，用于阿尔茨海默病的诊断	开发了一种新颖的基于图的深度学习模型，充分利用多频率EEG数据的功能和结构信息，克服了现有方法仅依赖功能连接或未能充分整合多频率特征的局限	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	开发一种更有效的阿尔茨海默病早期诊断方法	阿尔茨海默病患者和健康对照组的EEG数据	数字病理学	老年病	EEG信号分析	多图卷积网络(MF-MGCN)	EEG信号	未明确提及具体样本量
120	2025-07-19	Critical factors influencing live birth rates in fresh embryo transfer for IVF: insights from cluster ensemble algorithms 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88210-1 PMID:39881210	研究论文	本研究通过一种新型的NMF-based Ensemble算法（NMFE）分析影响新鲜胚胎移植成功的关键临床因素	提出了一种结合NMF、AMU-NMF和GDLC算法的NMFE集成算法，用于分析IVF-ET数据集	研究仅基于2238个周期的数据，可能无法涵盖所有临床情况	识别影响新鲜胚胎移植成功的关键临床因素	体外受精（IVF）的新鲜胚胎移植	机器学习	不孕不育	Non-negative Matrix Factorization (NMF), accelerated multiplicative updates for non-negative matrix factorization (AMU-NMF), generalized deep learning clustering (GDLC)	NMFE	临床数据	2238个IVF周期和85个独立临床特征