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
4401	2025-05-10	Coal and gas outburst prediction based on data augmentation and neuroevolution 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317461 PMID:39977390	research paper	提出了一种基于数据增强和神经进化算法的煤与瓦斯突出风险预测方法ANEAT	结合点强度变换的数据增强方法和神经进化算法ANEAT，解决了样本不平衡和多样性不足的问题，实现了高精度预测	未提及方法在极端条件下的鲁棒性或泛化能力	高效准确地预测地下煤矿生产中的煤与瓦斯突出风险	煤与瓦斯突出(CGO)风险预测	machine learning	NA	数据增强、神经进化算法、稀疏PCA降维	evolutionary neural network (ANEAT)	煤矿生产特征参数数据	未明确说明样本数量
4402	2025-05-10	A Robust Approach to Early Glaucoma Identification from Retinal Fundus Images using Dirichlet-based Weighted Average Ensemble and Bayesian Optimization 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056335762250128095107 PMID:40017250	研究论文	提出一种基于Dirichlet加权平均集成和贝叶斯优化的稳健方法，用于从视网膜眼底图像中早期识别青光眼	采用集成学习方法结合多个深度学习模型，并利用贝叶斯优化自动调整超参数，显著提高了诊断准确性和模型泛化能力	研究仅使用了两个公开数据集，可能无法涵盖所有临床场景	提高青光眼早期诊断的准确性和可靠性	视网膜眼底图像	数字病理	青光眼	深度学习	CNN, MobileNet, DenseNet201	图像	1,355张视网膜眼底图像
4403	2025-05-10	Application of machine learning in predicting consumer behavior and precision marketing 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321854 PMID:40327711	research paper	研究机器学习在消费者行为预测和精准营销中的应用	比较了四种机器学习模型（SVM、XGBoost、CatBoost和BPANN）在预测消费者购买意愿方面的性能，并提出了优化营销策略的具体应用	未来研究可以通过引入更多种类的非结构化数据（如消费者评论、图像、视频和社交媒体数据）来提高模型的预测能力	研究机器学习在消费者行为预测和精准营销中的应用	消费者的购买行为	machine learning	NA	NA	SVM, XGBoost, CatBoost, BPANN	结构化数据	NA
4404	2025-05-10	Deep learning for accurate B-line detection and localization in lung ultrasound imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1560523 PMID:40330027	研究论文	该研究开发了基于YOLOv5和YOLOv8的改进模型YOLOv5-PBB和YOLOv8-PBB，用于肺部超声图像中B线的精确检测和定位	提出了两种改进的深度学习模型YOLOv5-PBB和YOLOv8-PBB，采用多边形边界框(PBBs)进行B线定位，并整合了图像预处理技术以提高图像质量	研究主要基于公开数据集和乌干达医疗设施的数据，可能在其他地区或人群中的泛化性有待验证	开发自动化的B线检测和定位方法，以解决资源有限地区专业人员不足的问题	肺部超声图像中的B线伪影	计算机视觉	COVID-19肺炎、心力衰竭、慢性肾病、间质性肺病	深度学习	YOLOv5-PBB, YOLOv8-PBB	图像	来自公开数据库和乌干达医疗设施的多样化数据集
4405	2025-05-10	Enhanced breast cancer diagnosis using modified InceptionNet-V3: a deep learning approach for ultrasound image classification 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1558001 PMID:40330252	research paper	该研究通过改进的InceptionNet-V3深度学习模型，提高了超声图像在乳腺癌诊断中的分类准确性	提出了一种集成改进InceptionV3特征的深度神经网络模型，显著提高了乳腺癌分类的准确率	模型训练依赖于预训练模型和特定数据集，可能在不同数据分布下表现不同	开发自动化且可靠的乳腺癌诊断方法，提高诊断准确性和效率	乳腺癌的超声图像	digital pathology	breast cancer	deep learning, transfer learning	modified InceptionV3, GoogLeNet, ShuffleNet, AlexNet, VGG-16, SqueezeNet	image	NA
4406	2025-05-10	High-resolution automated free-breathing coronary magnetic resonance angiography in comparison with coronary computed tomography angiography 2025-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf037 PMID:40330538	研究论文	本研究评估了一种新型自动化iNAV冠状动脉磁共振血管成像（CMRA）协议与冠状动脉计算机断层扫描血管成像（CCTA）在冠状动脉疾病分类中的一致性	开发了一种结合图像导航器（iNAV）与自动化扫描规划的CMRA协议，以提高图像质量的稳定性	研究样本量较小（95人），且CMRA与CCTA在CAD-RADS分类中的一致性随疾病严重程度增加而降低	评估自动化iNAV CMRA协议在冠状动脉疾病诊断中的临床价值	疑似或确诊冠状动脉疾病的患者	数字病理学	心血管疾病	冠状动脉磁共振血管成像（CMRA）、冠状动脉计算机断层扫描血管成像（CCTA）	深度学习辅助自动化扫描规划	医学影像	95名个体
4407	2025-05-10	Relationship between cerebrospinal fluid circulation markers, brain degeneration, and cognitive impairment in cerebral amyloid angiopathy 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1549072 PMID:40330595	research paper	研究脑淀粉样血管病（CAA）患者脑脊液循环标志物与脑退化和认知障碍的关系	首次探讨脑脊液循环标志物在CAA患者中的变化及其与脑退化和认知障碍的关联	样本量较小，且仅基于ADNI3数据库，可能影响结果的普遍性	探究脑脊液循环标志物在CAA患者中的变化及其与脑退化和认知障碍的关系	52名认知障碍患者（26名CAA患者和26名非CAA患者）及26名认知正常对照	digital pathology	cerebral amyloid angiopathy	MRI, 扩散张量成像（DTI-ALPS）, 正电子发射断层扫描（PET）	deep learning-based method	image	52名认知障碍患者和26名认知正常对照
4408	2025-05-10	Characterizing hip joint morphology using a multitask deep learning model 2025-Jan, Journal of hip preservation surgery IF:1.4Q3 DOI:10.1093/jhps/hnae041 PMID:40331073	research paper	该研究开发了一种基于YOLOv5和ConvNeXt-Tiny架构的多任务深度学习模型，用于预测髋关节形态学特征	首次将YOLOv5和ConvNeXt-Tiny架构结合用于髋关节形态学特征的预测	模型在检测cam畸形时的准确率相对较低（78.0%）	开发准确高效的机器学习算法用于髋关节形态病理学的诊断	髋关节形态学特征（包括cam畸形、坐骨棘征、发育不良等）	digital pathology	developmental dysplasia of the hip, femoroacetabular impingement	deep learning	YOLOv5, ConvNeXt-Tiny	medical imaging	NA
4409	2025-05-10	Sentiment mining of online comments of sports venues: Consumer satisfaction and its influencing factors 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319476 PMID:40333946	研究论文	基于互联网大数据、深度学习、主题分析和社交网络分析，对体育场馆在线评论进行情感挖掘，以捕捉消费者满意度及其影响因素	利用互联网大数据和深度学习技术进行情感挖掘，替代传统耗时、资源密集且覆盖范围有限的调查方法	未提及具体样本量或数据来源的局限性	研究体育场馆消费者满意度及其影响因素，以开发更消费者友好的服务	体育场馆的在线评论	自然语言处理	NA	情感挖掘、主题分析、社交网络分析	深度学习	文本	NA
4410	2025-05-10	A KAN-based hybrid deep neural networks for accurate identification of transcription factor binding sites 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322978 PMID:40334196	research paper	提出了一种基于KAN的混合深度神经网络CBR-KAN，用于准确识别转录因子结合位点	结合多尺度卷积模块、BiLSTM网络和KAN网络，通过残差连接优化模型，显著提高了预测准确率	未提及模型在更大规模数据集上的泛化能力	预测转录因子结合位点，以支持药物设计和开发	DNA序列中的转录因子结合位点	bioinformatics	NA	ChIP-seq	CNN, BiLSTM, KAN	DNA序列数据	50个常见的ChIP-seq基准数据集
4411	2025-05-10	OA-HybridCNN (OHC): An advanced deep learning fusion model for enhanced diagnostic accuracy in knee osteoarthritis imaging 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322540 PMID:40334259	research paper	该研究提出了一种名为OA-HybridCNN (OHC)的深度学习融合模型，用于提高膝关节骨关节炎影像诊断的准确性	OHC模型整合了ResNet和DenseNet架构，有效解决了DenseNet中的梯度消失问题，并提高了预测准确性	未提及具体局限性	提高膝关节骨关节炎影像诊断的准确性和效率	膝关节骨关节炎影像数据	computer vision	geriatric disease	深度学习	CNN (ResNet和DenseNet融合)	image	未提及具体样本数量
4412	2025-05-10	Artificial intelligence in pathologic myopia: a review of clinical research studies 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1572750 PMID:40337273	review	本文综述了人工智能在病理性近视（PM）临床研究中的最新进展	探讨了AI在PM筛查、诊断、分级分类及预测评估中的潜在应用	未提及具体AI模型的性能比较或临床验证的局限性	探索AI技术在病理性近视管理中的应用	病理性近视及其相关眼底疾病	digital pathology	geriatric disease	machine learning, deep learning	NA	image	NA
4413	2025-05-10	Brain age in multiple sclerosis: a study with deep learning and traditional machine learning 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf152 PMID:40337466	研究论文	本研究使用深度学习和传统机器学习方法评估多发性硬化症患者的脑龄，并比较两种方法的性能	首次在多发性硬化症患者中比较深度学习和传统机器学习方法在脑龄评估中的表现，并验证深度学习模型的有效性	研究为回顾性观察研究，数据来自两个机构，可能存在选择偏倚	验证深度学习脑龄模型在多发性硬化症中的有效性，并比较其与传统机器学习模型的性能	多发性硬化症患者	数字病理学	多发性硬化症	MRI	全卷积网络（深度学习）与传统机器学习模型	图像	1516名多发性硬化症患者的4584个MRI扫描
4414	2025-05-10	Deciphering metabolic disease mechanisms for natural medicine discovery via graph autoencoders 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1594186 PMID:40337507	research paper	该研究开发了一种结合图自编码器(GAEs)和非负矩阵分解(NMF)的创新框架，用于通过代谢物-疾病关联分析研究代谢疾病的发病机制	结合图自编码器和非负矩阵分解的创新框架，用于揭示代谢疾病的发病机制	未明确说明样本量或数据来源的具体限制	研究代谢疾病的发病机制，以支持天然药物的发现和开发	代谢疾病（如糖尿病）及其相关的代谢物	machine learning	diabetes	graph autoencoders (GAEs), non-negative matrix factorization (NMF)	GAE, NMF	metabolite-disease association data	NA
4415	2025-05-09	A review of denoising methods in single-particle cryo-EM 2025-Jul, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2025.103817 PMID:40164016	review	本文全面回顾了单粒子冷冻电镜图像去噪方法的最新进展，涵盖了从传统滤波方法到最新的基于深度学习的策略	通过分析和比较主流去噪方法，推动单粒子冷冻电镜去噪领域的发展，促进获取更高质量的图像	未提及具体方法的局限性	提高冷冻电镜图像的信噪比，使下游分析更准确可靠	冷冻电镜图像	digital pathology	NA	冷冻电镜	深度学习	图像	NA
4416	2025-05-09	Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3541207 PMID:40036452	research paper	提出了一种名为GAN-DA的新型域适应方法，通过全局统计和几何特征增强，克服了传统批量学习的限制	引入了预定义特征表示（PFR）以对齐跨域分布，创新性地扩展了正交和共同特征方面，增强了全局流形结构的统一和决策边界的优化	NA	改进域适应（DA）方法，提升跨域图像分类任务的性能	跨域图像分类任务	machine learning	NA	domain adaptation	GAN-DA	image	27个不同的跨域图像分类任务
4417	2025-05-09	A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548148 PMID:40048344	research paper	本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR）	DExNet通过展开和参数化一种新的基于模型的SIRR优化公式，结合通用的排除先验，提高了反射去除的准确性和可解释性	未提及具体限制	解决单图像反射去除问题，提高图像分离的准确性	反射污染的图像	computer vision	NA	深度学习	DExNet	image	四个基准数据集
4418	2025-05-09	Graph Foundation Models: Concepts, Opportunities and Challenges 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548729 PMID:40048343	综述	本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术	提出了图基础模型（GFMs）的新概念，并对其进行了系统分类和分析	缺乏对图基础模型（GFMs）的明确定义和系统分析	探讨图基础模型（GFMs）在图形机器学习中的潜力和发展方向	图基础模型（GFMs）及其相关技术	机器学习	NA	NA	图神经网络（GNNs）、大语言模型（LLMs）	图数据	NA
4419	2025-05-09	On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks 2025-Jun, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548620 PMID:40042958	research paper	本文研究了卷积神经网络（CNNs）的超参数对性能的影响，基于CNNs的分段线性（PWL）函数特性，提出了线性区域数量的紧界和泛化误差的上界	通过将卷积、ReLU和最大池化操作表示为矩阵乘法，提供了CNNs的代数表达式，并首次提出了考虑网络层数、池化维度和宽度等因素的线性区域数量紧界和泛化误差上界	矩阵表示方法具有较高的时间复杂度	研究CNN网络结构超参数对性能的影响	卷积神经网络（CNNs）	machine learning	NA	NA	CNN	NA	NA
4420	2025-05-09	Lag-Net: Lag correction for cone-beam CT via a convolutional neural network 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108753 PMID:40233441	research paper	提出了一种名为Lag-Net的卷积神经网络方法，用于校正锥束CT中的滞后信号，以减少伪影并提高图像质量	引入深度学习方法来消除滞后信号，利用硬件校正的无滞后结果作为训练目标，避免了传统线性时不变校正的局限性	硬件校正方法操作复杂，对CT仪器要求高，而深度学习方法的校正效果在低曝光条件下仍有提升空间	提高锥束CT图像质量，减少由滞后信号引起的伪影	锥束CT中的滞后信号及其引起的伪影	digital pathology	NA	deep learning, convolutional neural network	CNN	image	模拟和真实数据集