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
121	2025-07-19	Deep learning-based malaria parasite detection: convolutional neural networks model for accurate species identification of Plasmodium falciparum and Plasmodium vivax 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87979-5 PMID:39885248	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于从厚血涂片中准确分类被恶性疟原虫、间日疟原虫感染的红细胞及未感染的白细胞	该模型采用七通道输入，显著提高了疟原虫种类识别的准确性，解决了以往模型难以区分不同疟原虫种类的问题	当前模型尚未在真实世界质量图像上全面测试，且需要进一步开发以适应偏远地区的实际应用	开发一种自动化工具以提高疟疾诊断的准确性和效率，特别是在缺乏训练有素的显微镜技师的偏远地区	被恶性疟原虫（P. falciparum）和间日疟原虫（P. vivax）感染的红细胞及未感染的白细胞	数字病理学	疟疾	深度学习	CNN	图像	12,954例（验证集）+ 64,126例（交叉验证）厚血涂片样本
122	2025-07-19	Investigating the performance of multivariate LSTM models to predict the occurrence of Distributed Denial of Service (DDoS) attack 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313930 PMID:39823417	研究论文	本文探讨了使用多元LSTM模型预测分布式拒绝服务（DDoS）攻击的性能	通过比较多种深度学习模型和机器学习模型，证明了LSTM网络在预测DDoS攻击中的优越性	无法完全避免服务器遭受DDoS攻击，只能在一定程度上预防	评估不同模型在预测DDoS攻击中的性能，寻找最优预测方法	DDoS攻击的网络流量数据	机器学习	NA	深度学习、机器学习	LSTM, DNN, Random Forest, AdaBoost, Gaussian Naive Bayes	网络流量数据	使用CICDDoS2019基准数据集，包含88个特征，从中提取22个特征
123	2025-07-19	Artificial intelligence in ophthalmology: a bibliometric analysis of the 5-year trends in literature 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1580583 PMID:40665980	研究论文	通过文献计量学方法分析过去5年（2020-2024年）人工智能在眼科领域应用的文献，揭示该领域的最新发展趋势	超越单个领域提供更全面的见解，涵盖2022年后的文献，填补了先前文献计量学研究的空白	仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献	阐明人工智能在眼科领域应用的最新观点和发展趋势	人工智能在眼科领域的应用文献	数字病理	年龄相关性黄斑变性、糖尿病视网膜病变、青光眼等眼科疾病	文献计量学方法	深度学习、机器学习、CNN	文献数据	21,725篇文献，来自134个国家和7,126个机构
124	2025-07-19	Dual-stage segmentation and classification framework for skin lesion analysis using deep neural network 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251351858 PMID:40666627	研究论文	本研究开发了一个双阶段深度学习框架，用于皮肤病变的分割和分类，以解决数据不平衡、病变变异性和低对比度等挑战	提出了一个结合U-Net与VGG16编码器的精确实例分割阶段，以及使用EfficientFormer和SwiftFormer网络的分类阶段的双阶段框架	未明确提及具体限制，但可能包括对非皮肤镜数据（如SLICE-3D）的适应性仍需进一步验证	开发一个高精度和鲁棒性的双阶段深度学习框架，用于皮肤病变的分割和分类	皮肤病变图像	计算机视觉	皮肤癌	深度学习	U-Net, VGG16, EfficientFormer, SwiftFormer, XGBoost, ResNet	图像, 表格数据	三个基准数据集：HAM10000（10,000张训练图像）、ISIC 2018和ISIC 2024 SLICE-3D数据集
125	2025-07-19	A method for English paragraph grammar correction based on differential fusion of syntactic features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326081 PMID:40668821	研究论文	提出一种基于句法特征差异融合的英语段落语法纠错方法	通过差异融合分析句法特征，显著提升段落级语法纠错的准确性和质量	依赖预设阈值识别语法错误，可能影响对复杂错误的适应性	提高英语段落语法纠错的准确性和效率	英语段落中的语法错误	自然语言处理	NA	依赖解析、BERT、Seq2Seq模型	Transformer-based Seq2Seq	文本	CoLA、LCoLE、FCE数据集
126	2025-07-18	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	research paper	本研究评估了通过将人工生成的牙科植入物图像纳入深度学习过程，提升全景X射线图像中牙科植入物分类性能的潜力	利用三维扫描技术生成人工牙科植入物图像，并将其与真实图像结合，优化深度学习分类模型的性能	研究中仅使用了10种类型的牙科植入物，可能无法涵盖所有临床情况	提升牙科植入物在全景X射线图像中的分类准确性	牙科植入物	computer vision	NA	三维扫描技术	ResNet50	image	7,946张体内牙科植入物图像及人工生成的图像
127	2025-07-18	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	研究论文	本研究探讨了深度学习在植物病害检测中的应用，提出了一种优化的序列模型以提高分类准确性	使用CNN模型自主学习和提取复杂特征，相比传统机器学习方法实现了96%的高准确率	研究主要针对芒果和花生的叶片病害，可能不适用于其他作物	提高植物病害检测的准确性和效率	芒果和花生的叶片	计算机视觉	植物病害	图像处理（归一化、调整大小、增强）	CNN	图像	来自印度马哈拉施特拉邦西部实地采集和在线数据集的芒果和花生叶片样本
128	2025-07-18	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究利用深度学习和可解释人工智能分析了双重医疗系统使用者与阿片类药物使用障碍风险之间的关系	首次探讨了双重医疗系统使用与人口统计学和临床因素之间的交互作用对阿片类药物使用障碍风险的影响	研究数据仅来自华盛顿特区和巴尔的摩的VA医疗中心，可能不具有全国代表性	评估双重医疗系统使用对阿片类药物使用障碍风险的影响及其与人口统计学和临床因素的交互作用	856,299名来自华盛顿特区和巴尔的摩VA医疗中心的患者实例(2012-2019)	医疗健康数据分析	阿片类药物使用障碍	深度学习、可解释人工智能、自然语言处理	DNN	临床记录和ICD-9/10诊断数据	856,299名患者实例(其中146,688名患有阿片类药物使用障碍)
129	2025-07-18	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发了一种基于深度学习的算法，用于在咬翼片中检测和分期继发龋	采用了一种新颖的方法来确定病变严重程度，并使用Mask R-CNN架构与Swin Transformer骨干网络进行训练	敏感性值相对较低，对于所有病变和牙本质病变的敏感性分别为0.737和0.808	开发一种基于卷积神经网络（CNN）的算法，用于检测和分期继发龋	来自荷兰牙科实践研究网络的2,612颗修复牙齿，涉及413张咬翼片和383名年龄在15-88岁之间的患者	计算机视觉	龋齿	深度学习	Mask R-CNN with Swin Transformer backbone	图像	413张咬翼片，涉及2,612颗修复牙齿和383名患者
130	2025-07-18	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 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.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决听觉注意解码问题	将传统的两步法（预测和识别）合并为一个端到端的直接方法，显著提高了性能	未提及具体局限性	提高在多人说话环境中使用脑信号识别受注意语音的准确性和泛化能力	听觉注意解码（AAD）	机器学习	NA	EEG	AADNet（端到端神经网络）	脑信号（EEG数据）	三个不同的数据集，具体样本量未提及
131	2025-07-18	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	本研究开发了一种混合深度学习模型，通过分析智能手机屏幕上手指绘制的螺旋线和波浪线的运动数据，旨在早期检测帕金森病	该研究首次将1D-CNN和BiGRU结合的混合深度学习模型应用于智能手机手指绘制数据的分析，实现了无需临床评分量表、神经影像学或基于数字笔的评估的帕金森病早期检测	样本量相对较小（58名参与者），且仅限于早期特发性帕金森病患者和健康对照	开发一种基于智能手机的帕金森病早期检测方法	28名早期特发性帕金森病患者和30名健康对照	数字病理学	帕金森病	智能手机手指绘制数据采集	1D-CNN和BiGRU混合模型	运动数据（手指触摸坐标、瞬时运动速度和时间戳）	58名年龄匹配的参与者（28名患者和30名健康对照）
132	2025-07-18	Sustainable deep vision systems for date fruit quality assessment using attention-enhanced deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1521508 PMID:40661755	研究论文	本研究提出了一种结合DenseNet121和SE注意力模块的新方法，用于椰枣水果图像分类和质量评估	与传统DenseNet变体不同，提出的模型整合了SE注意力层以聚焦关键图像特征，显著提高了性能	NA	开发一种准确且自动化的水果分类方法，以支持现代农业和食品工业中的质量控制	椰枣水果	计算机视觉	NA	数据增强、注意力机制、Nadam优化	DenseNet121+SE, YOLOv8n	图像	NA
133	2025-07-18	Assessment of prostate cancer aggressiveness through the combined analysis of prostate MRI and 2.5D deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1539537 PMID:40661774	研究论文	本研究通过结合前列腺MRI和2.5D深度学习模型评估前列腺癌的侵袭性	提出了一种结合放射组学特征和深度学习特征的2.5D深度学习模型，用于评估前列腺癌的侵袭性，并通过nomogram和Grad-CAM技术提高了模型的可解释性	样本量相对较小（335例患者），且所有数据来自单一医疗中心，可能存在选择偏差	评估基于前列腺MRI的2.5D深度学习模型在前列腺癌侵袭性评估中的有效性	335例经病理证实的前列腺癌患者	数字病理学	前列腺癌	MRI（包括T2加权成像、扩散加权成像和表观扩散系数扫描）、深度学习（Inception_v3神经网络）、放射组学特征提取（pyradiomics工具）	2.5D深度学习模型、LightGBM算法	医学影像（MRI）	335例前列腺癌患者（266例侵袭性，69例非侵袭性）
134	2025-07-17	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	研究论文	开发一种基于CT血管造影数据的深度学习模型，用于未破裂颅内动脉瘤的形态学测量，并通过多中心数据集验证其性能	提出了一种集成深度学习模型（IDL），能够同时进行未破裂颅内动脉瘤的检测、分割和形态学测量，并验证了其辅助初级放射科医生提高测量性能的能力	研究为回顾性设计，可能受到选择偏倚的影响	开发并验证用于未破裂颅内动脉瘤形态学分析的深度学习模型	未破裂颅内动脉瘤患者和对照组人群	数字病理学	颅内动脉瘤	CT血管造影（CTA）	nnU-Net算法	医学影像	训练集包含1182名动脉瘤患者和578名对照者，外部测试集包含535名动脉瘤患者
135	2025-07-17	Comprehensive Management of Intracranial Aneurysms Using Artificial Intelligence: An Overview 2025-01, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.10.108 PMID:39521404	review	本文综述了人工智能在颅内动脉瘤综合管理中的最新进展，包括检测、分割、破裂风险评估和治疗结果预测等方面	利用深度学习算法，AI在精确识别和分割动脉瘤方面展现出卓越能力，显著提高了诊断的敏感性和准确性，并能预测动脉瘤的生长、破裂风险和预后情况	文章简要讨论了临床AI部署面临的挑战和未来发展方向，但未具体说明当前技术的局限性	优化颅内动脉瘤的临床管理，提高诊断和治疗效果	颅内动脉瘤（IAs）及其相关临床管理	digital pathology	cardiovascular disease	deep learning	NA	image	NA
136	2025-07-17	Unsupervised Imputation of Non-ignorably Missing Data Using Importance-Weighted Autoencoders 2025, Statistics in biopharmaceutical research IF:1.5Q2 DOI:10.1080/19466315.2024.2368787 PMID:40621507	研究论文	本文提出了一种名为NIMIWAE的新型VAE架构，用于处理生物医学数据中的不可忽略缺失数据问题	NIMIWAE是首批能够灵活处理训练时输入特征中可忽略和不可忽略缺失模式的VAE架构之一	NA	解决生物医学数据中缺失数据对深度学习方法的挑战	生物医学数据集中的缺失数据	机器学习	NA	变分自编码器(VAE)	NIMIWAE (基于VAE的新型架构)	高维不完整数据集	12,000名ICU患者的电子健康记录(EHR)数据集
137	2025-07-17	Deep learning analysis of long COVID and vaccine impact in low- and middle-income countries (LMICs): development of a risk calculator in a multicentric study 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1416273 PMID:40642241	研究论文	本研究利用深度学习分析低收入和中等收入国家（LMICs）中长期COVID症状及疫苗影响，并开发了一个多中心研究中的风险计算器	首次在LMICs中应用自监督和无监督深度神经网络分析长期COVID症状，并开发GBM模型预测慢性疲劳综合征、抑郁和长期COVID症状的风险	研究样本仅来自LMICs，可能无法完全代表全球情况	填补关于COVID-19急性和慢性症状、疫苗接种影响及相关因素的知识空白	18岁及以上COVID-19检测阳性的患者	机器学习	COVID-19	自监督和无监督深度神经网络	GBM	问卷数据	2445名参与者
138	2025-07-17	Integrating weighted gene co-expression network analysis and machine learning to elucidate neural characteristics in a mouse model of depression 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1564095 PMID:40656047	研究论文	本研究结合加权基因共表达网络分析（WGCNA）和随机森林算法，探索抑郁症小鼠模型的神经生物学特征	首次将WGCNA与随机森林算法结合，识别与抑郁症发病密切相关的关键基因，为早期诊断和精准治疗提供理论支持和潜在生物标志物	研究仅基于小鼠模型，结果在人类中的适用性需要进一步验证	探索抑郁症的神经生物学特征并识别相关关键基因	抑郁症小鼠模型	机器学习	抑郁症	WGCNA, RNA-seq	随机森林	基因表达数据	来自公共GEO数据集（如GSE102556）的抑郁症相关小鼠模型基因表达数据
139	2025-07-17	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	research paper	开发了一种基于深度学习的软件工具，用于通过单通道EEG自动对大鼠的睡眠阶段进行分类	使用深度学习模型自动化睡眠阶段分类，减少人工标注的劳动强度，并提供大量专家评分的睡眠数据供公共使用	研究仅基于16只大鼠的数据，样本量相对较小	开发一种自动化的方法，用于分类大鼠的三种睡眠阶段（REM/反常睡眠、NREM/慢波睡眠和清醒状态）	大鼠的睡眠阶段	machine learning	NA	EEG	DNN	EEG信号	16只大鼠，每只进行两次24小时记录
140	2025-07-17	Integrating Deep Learning and Radiomics in Differentiating Papillary Thyroid Microcarcinoma from Papillary Thyroid Carcinoma with Ultrasound Images 2025, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S507943 PMID:40656136	研究论文	本研究探讨了基于超声的放射组学、深度学习和结合深度学习的放射组学模型在区分甲状腺乳头状癌和甲状腺微小乳头状癌中的可行性和准确性	结合深度学习和放射组学模型，提高了区分甲状腺乳头状癌和甲状腺微小乳头状癌的能力	研究样本来自两家医院，可能存在一定的选择偏倚	减少甲状腺微小乳头状癌的过度治疗风险	甲状腺乳头状癌和甲状腺微小乳头状癌患者	数字病理学	甲状腺癌	超声成像	VGG13, VGG16, VGG19, AlexNet, EfficientNet	图像	549名患者（180例甲状腺乳头状癌和436例甲状腺微小乳头状癌结节）