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
141	2025-09-19	Enhancing epidemic forecasting with a physics-informed spatial identity neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331611 PMID:40953050	研究论文	提出一种结合物理信息与空间身份神经网络的混合模型PISID，用于多区域疫情预测	将基于时空身份（STID）的神经网络模块与经典流行病学SIR模型结合，无需依赖图结构，并引入空间嵌入矩阵和流行病学参数推断	未明确提及具体数据噪声处理限制或模型泛化能力边界	提升多区域传染病确诊病例数的预测准确性，以支持防控策略制定	多区域的传染病传播数据	机器学习	传染病	深度学习，SIR模型，时空编码	混合模型（STID神经网络 + SIR）	时空序列数据	真实世界数据集（具体数量未说明），模型参数量约27K，每轮训练平均耗时0.45秒
142	2025-09-19	Lightweight deep models based on domain adaptation and network pruning for breast cancer HER2 scoring: IHC vs. H&E histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332362 PMID:40953092	研究论文	本研究开发了基于域适应和网络剪枝的轻量级深度学习模型，用于乳腺癌HER2评分，比较了IHC和H&E染色图像的效果	结合网络剪枝、域适应和注意力机制，提出两种轻量级模型PrunEff4和ATHER2，在保持高精度的同时显著减少参数数量，并证明H&E图像可替代IHC图像进行HER2评分	未明确说明样本的具体数量和来源多样性，可能影响模型泛化能力的全面评估	开发轻量级深度学习模型，实现基于IHC和H&E图像的自动化乳腺癌HER2评分	乳腺癌组织病理图像（IHC和H&E染色）	数字病理	乳腺癌	深度学习，转移学习，网络剪枝，域适应	EfficientNetV2B0变体(PrunEff4)，自定义CNN with CBAM(ATHER2)	图像	使用了多个数据集进行开发和测试，但未明确具体样本数量
143	2025-09-19	Bone-tissue decomposition of a single X-ray image via solving a Laplace equation 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20016 PMID:40955305	研究论文	提出一种通过求解拉普拉斯方程从单张X射线图像中虚拟分解出骨骼和软组织的创新方法	将骨骼-组织分解问题转化为标准拉普拉斯方程求解，具有理论对比度增强保证和高速计算性能	NA	提升X射线图像中骨骼结构的可见性和清晰度	X射线医学图像	医学影像处理	NA	拉普拉斯方程数值求解	数学模型	X射线图像	NA
144	2025-09-19	Deep learning-based Alzheimer's disease detection using magnetic resonance imaging and gene expression data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330085 PMID:40824894	研究论文	本研究开发了一种基于深度学习的多模态模型，结合MRI和基因表达数据用于阿尔茨海默病的早期检测	提出混合TWIN-Performer特征提取模型和注意力机制特征融合方法，并采用集成学习分类器提升诊断性能	未明确说明模型在不同人群中的泛化能力和临床适用性验证	开发可解释的AI诊断模型以实现阿尔茨海默病的早期准确诊断	认知正常(CN)和阿尔茨海默病(AD)患者	数字病理学	阿尔茨海默病	磁共振成像(MRI)和基因表达分析	MobileNet V3, EfficientNet B7, TWIN-Performer, CatBoost, XGBoost, ERT	图像数据和基因表达数据	基于多个数据集验证，具体样本量未明确说明
145	2025-09-18	Deep Learning for the Accurate Prediction of Triggered Drug Delivery 2025-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3426291 PMID:39018211	研究论文	本研究结合实验测量与深度学习技术开发预测模型，用于准确预测纳米载体中药物的触发释放行为	首次将深度学习应用于预测脂质体和金属有机框架纳米载体在不同触发条件下的药物释放，显著优于线性预测方法	NA	提高化疗药物递送精度并减少副作用，通过预测模型优化触发释放策略	脂质体和金属有机框架纳米载体，以及它们携带的化疗药物	机器学习	癌症	深度学习，超声波触发，微波暴露，紫外光暴露，pH响应释放	深度学习模型	实验测量数据	NA
146	2025-09-18	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	介绍对南德克萨斯阿尔茨海默病研究中心尸检库进行的多图谱多模态形态计量学分析	开发了专门处理尸检MRI数据的流程，包括使用深度学习算法分离脑组织与固定液，并创建更新的脑图谱	尸检扫描中区域脑体积测量具有挑战性，且组织对比度因脑固定而发生变化	研究共病性痴呆症，通过结合神经影像和组织病理学数据建立新型脑库	尸检人脑样本，来自南德克萨斯阿尔茨海默病研究中心库	数字病理学	阿尔茨海默病	MRI扫描，深度学习	Deep Networks	多模态MRI图像	约200例脑捐赠和100次MRI扫描
147	2025-09-18	BanglaNewsClassifier: A machine learning approach for news classification in Bangla Newspapers using hybrid stacking classifiers 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321291 PMID:40489455	研究论文	提出一种基于混合堆叠分类器的机器学习方法，用于孟加拉语新闻分类	首次将双向长短期记忆网络与支持向量机结合为堆叠元分类器，显著提升分类准确率至94%	未明确说明模型在跨领域新闻或新兴话题上的泛化能力	开发高效的孟加拉语新闻自动分类系统	孟加拉语新闻文章	自然语言处理	NA	TF-IDF向量化, word2Vec嵌入	BiLSTM, SVM, 堆叠分类器	文本	118,404篇孟加拉语新闻文章
148	2025-09-18	Deep learning-based embedding of functional connectivity profiles for precision functional mapping 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.129 PMID:40918268	研究论文	本研究利用变分自编码器嵌入功能连接图谱，实现多样本同时比较，用于精准功能映射的可视化与探索分析	采用变分自编码器将功能连接图谱嵌入低维潜在空间，突破传统空间相似性只能两两比较的限制，并保留数据的全局与局部结构	NA	开发一种能够同时比较多个功能连接图谱的方法，以提升精准功能映射的分析能力	不同解剖位置、个体及群体平均的功能连接图谱	机器学习	NA	变分自编码器	VAE	功能连接图谱	NA
149	2025-09-18	MDWC-Net: a multi-scale dynamic-weighting context network for precise spinal X-ray segmentation 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1651296 PMID:40951635	研究论文	提出一种名为MDWC-Net的多尺度动态加权上下文网络，用于精确分割脊柱X射线图像	引入三个新模块（MSCAW、DFCB和BIEB）以解决脊柱X射线图像分割中的尺度变化和边界模糊问题	NA	提高脊柱结构在临床环境中的识别准确性和效率	脊柱X射线图像	计算机视觉	脊柱疾病	深度学习	CNN（编码器-解码器架构）	图像	280张X射线图像（来自河南省人民医院），按7:1:2比例分为训练、验证和测试集
150	2025-09-18	Radiomics and ischemic stroke research: bibliometric insights and visual trends (2004-2024) 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1606388 PMID:40948650	综述	本文对2004-2024年间缺血性卒中影像组学研究进行了文献计量与可视化分析，揭示该领域的发展趋势与研究热点	首次系统性地通过文献计量学方法描绘缺血性卒中影像组学研究的演进轨迹与合作网络，识别关键技术进展与未来方向	基于文献计量分析，未涉及原始数据验证或方法学深度评估，可能存在文献收录偏差	通过文献计量分析探索缺血性卒中影像组学领域的研究演变、合作模式与技术发展趋势	2004-2024年间发表的缺血性卒中影像组学相关学术文献	医学影像分析	缺血性卒中	文献计量分析（使用CiteSpace和VOSviewer工具）	NA	文献元数据	涵盖2004-2024年间相关文献（具体数量未明确说明）
151	2025-09-18	AI/ML-empowered approaches for predicting T Cell-mediated immunity and beyond 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1651533 PMID:40948755	研究论文	本文评估了基于AlphaFold 3的AI计算方法在预测TCR-pMHC特异性中的应用	利用深度神经网络和AlphaFold 3进行TCR-pMHC相互作用的精确建模，区分有效和无效表位	预测模型仍处于早期阶段，距离广泛实际应用尚需大量工作	开发准确预测T细胞免疫原性的方法，以促进免疫治疗和药物设计	T细胞受体与肽/MHC复合物（TCR-pMHC）的相互作用	机器学习	肿瘤、感染性疾病和自身免疫性疾病	深度神经网络，AlphaFold 3，计算机高通量筛选	深度学习模型	蛋白质结构数据	NA
152	2025-09-18	Olfactory EEG based Alzheimer disease classification through transformer based feature fusion with tunable Q-factor wavelet coefficient mapping 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638922 PMID:40948808	研究论文	使用基于Transformer的特征融合和可调Q因子小波系数映射，从嗅觉脑电信号分类阿尔茨海默病	提出结合Transformer的特征融合方法，并利用可调Q因子小波系数映射提升分类性能，在基于嗅觉记忆的脑电信号分类中达到93.14%的准确率	NA	通过深度学习模型利用嗅觉脑电信号实现阿尔茨海默病的早期检测	健康个体、遗忘型轻度认知障碍患者和阿尔茨海默病患者	机器学习	阿尔茨海默病	脑电图(EEG)，可调Q因子小波变换	Transformer	脑电信号	包含三类人群的脑电数据集
153	2025-09-18	Unlocking artificial intelligence, machine learning and deep learning to combat therapeutic resistance in metastatic castration-resistant prostate cancer: a comprehensive review 2025, Ecancermedicalscience IF:1.2Q4 DOI:10.3332/ecancer.2025.1953 PMID:40949469	综述	本文综述了人工智能、机器学习和深度学习在应对转移性去势抵抗性前列腺癌治疗耐药性中的作用	整合多组学数据和临床参数，利用AI方法揭示耐药分子机制并预测治疗反应，推动个体化治疗策略	数据异质性和监管考虑阻碍了AI见解向临床实践的转化	探讨AI在克服mCRPC治疗耐药性方面的应用潜力与挑战	转移性去势抵抗性前列腺癌（mCRPC）患者	数字病理	前列腺癌	基因组学、蛋白质组学数据分析	机器学习与深度学习模型	基因组、蛋白质组和临床参数数据	NA
154	2025-09-18	Automated seed counting using image processing and deep learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1659781 PMID:40949545	研究论文	本研究开发了基于图像处理和深度学习的自动化种子计数方法，并集成到移动应用中	结合图像处理和深度学习两种计算机视觉方法，开发移动应用实现高效自动化种子计数	图像处理方法依赖受控环境条件，深度学习方法对视觉复杂或密集簇状种子准确性不一致	开发自动化种子计数解决方案以提高农业研究和种植效率	农作物种子（特别是微型种子）	计算机视觉	NA	图像处理，深度学习	DL（深度学习模型）	图像	未明确说明具体样本数量
155	2025-09-18	DSA-net: a lightweight and efficient deep learning-based model for pea leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1642453 PMID:40949565	研究论文	提出一种轻量高效的深度学习模型DSA-Net，用于豌豆叶片病害识别	结合改进的MobileNet-V3_small、可变形卷积、自注意力机制和加性注意力机制，提升几何变化建模和全局特征识别能力	NA	提高豌豆叶片病害识别的准确性和实时性，满足现代农业需求	豌豆叶片，包括健康叶片和四种病害（褐斑病、潜叶蝇、白粉病、根腐病）	计算机视觉	植物病害	深度学习	CNN（MobileNet-V3改进版）、自注意力机制	图像	7915个样本，分为5个类别
156	2025-09-18	MOSSNet: multiscale and oriented sorghum spike detection and counting in UAV images 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1526142 PMID:40949571	研究论文	提出一种用于无人机图像中多尺度和定向高粱穗检测与计数的深度学习模型MOSSNet	引入可变形卷积空间注意力模块（DCSA）和圆形平滑标签（CSL），结合Wise IoU定位损失函数，提升小目标检测和方向预测能力	尚未针对高粱不同生长阶段进行优化，实时检测流程有待开发	提升无人机图像中高粱穗的检测与计数精度	高粱穗	计算机视觉	NA	深度学习，无人机成像	CNN，定向目标检测	图像	未明确说明样本数量，基于田间条件无人机图像
157	2025-09-18	Federated learning and differential privacy: Machine learning and deep learning for biomedical image data classification 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251358531 PMID:40949674	研究论文	评估结合差分隐私和联邦学习的机器学习方法在生物医学图像分类中的效果	将联邦学习与差分隐私技术结合应用于生物医学图像分类，在保护患者隐私的同时保持模型性能	FNN模型存在过拟合问题，验证准确率相对较低	开发隐私保护的生物医学图像分类方法	生物医学图像数据	机器学习	NA	联邦学习，差分隐私	FNN, GP, MLP	图像	NA
158	2025-09-18	Deep learning applied in epilepsy: Bibliometric and visual analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375840 PMID:40949669	文献计量分析	本研究通过文献计量和可视化方法分析深度学习在癫痫领域的应用趋势、热点及前沿发展	首次采用文献计量学方法对深度学习在癫痫领域的研究进行系统性可视化分析，揭示研究热点和前沿方向	仅纳入英文文献，数据来源限于Web of Science核心合集，可能存在文献覆盖不全	填补深度学习在癫痫领域文献计量分析的空白，指导未来研究方向	2006至2025年间发表的1266篇相关研究论文和综述	自然语言处理	癫痫	文献计量分析（CiteSpace, VOSviewer, Bibliometrix）	NA	文本数据（科学文献）	1266篇论文，来自290个国家/地区的1957个机构
159	2025-09-18	Single-scan adaptive graph filtering for dynamic PET denoising by exploring intrinsic spatio-temporal structure 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1659122 PMID:40950959	研究论文	提出一种基于自适应时空图滤波的动态PET去噪方法，无需外部训练数据，直接利用单次扫描数据进行去噪	首次将图信号空间表示应用于动态PET去噪，通过自适应构建图滤波器挖掘数据内在时空结构，实现无需先验训练的单扫描去噪	未提及方法在极端噪声条件下的性能表现或计算效率方面的具体限制	提升动态PET图像质量，通过去噪改善信号噪声分离效果	动态PET扫描数据（正弦图）	医学图像处理	NA	时空图滤波（ST-GF）	图信号处理	医学影像（动态PET正弦图）	模拟和真实数据集（未指定具体数量）
160	2025-09-18	Lightweight CNN for accurate brain tumor detection from MRI with limited training data 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1636059 PMID:40950994	研究论文	本研究开发了一种轻量级CNN模型，用于在有限MRI数据条件下实现高精度脑肿瘤检测	在少量训练数据（仅189张图像）下实现99%准确率的轻量化CNN架构，优于使用1800张图像的基线模型	数据集规模较小（189张图像），未来需要扩展数据量并整合可解释AI	开发数据有限条件下的精准脑肿瘤早期检测深度学习模型	脑部MRI图像	计算机视觉	脑肿瘤	MRI成像	CNN	灰度图像	189张脑部MRI图像（类别平衡）