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
5181	2025-05-04	Citrus diseases detection using innovative deep learning approach and Hybrid Meta-Heuristic 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316081 PMID:39841644	研究论文	本文提出了一种基于深度学习和混合元启发式方法的柑橘病害检测系统	结合数据增强和迁移学习技术，使用预训练模型DenseNet-201和AlexNet，实现了99.6%的高分类准确率	未提及模型在其他作物病害检测上的泛化能力	开发自动化柑橘病害分类系统以提高诊断准确性、效率和成本效益	柑橘叶片病害（溃疡病、疮痂病、黑斑病）	计算机视觉	植物病害	深度学习、混合元启发式方法	DenseNet-201, AlexNet	图像	未明确说明样本数量（柑橘叶片数据集）
5182	2025-05-04	Automated extracellular volume fraction measurement for diagnosis and prognostication in patients with light-chain cardiac amyloidosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317741 PMID:39841643	研究论文	本研究评估了基于AI自动分割的T1 mapping参数在诊断心脏淀粉样变性和预测轻链型心脏淀粉样变性（AL-CA）患者预后中的表现	利用AI自动分割技术改进T1 mapping参数，提高了心脏淀粉样变性的诊断准确性，并提供了AL-CA患者的预后价值	样本量较小（50例CA患者），且未涵盖所有类型的心脏淀粉样变性	评估AI自动分割的T1 mapping参数在心脏淀粉样变性诊断和预后中的价值	300例因左心室肥厚（LVH）接受心脏磁共振（CMR）检查的患者，其中50例确诊为心脏淀粉样变性	数字病理	心脏淀粉样变性	心脏磁共振成像（CMR）、T1 mapping	深度学习算法（Myomics-Q）	医学影像	300例患者（50例心脏淀粉样变性，198例肥厚型心肌病，47例高血压性心脏病，5例Fabry病）
5183	2025-05-04	Optimizing multi label student performance prediction with GNN-TINet: A contextual multidimensional deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314823 PMID:39841673	research paper	提出了一种名为GNN-TINet的深度学习框架，用于优化多标签学生成绩预测	结合了InceptionNet、transformer架构和图神经网络（GNN），以提升多标签学生成绩预测的精确度	未提及具体局限性	提高学生成绩预测的准确性，以实施及时有效的教育干预	学生成绩数据，包括学生人口统计、学术行为和情感健康等多维特征	machine learning	NA	Contextual Frequency Encoding (CFI), Contextual Adaptive Imputation (CAI)	GNN-Transformer-InceptionNet (GNN-TINet)	tabular data	97,000 occurrences
5184	2025-05-04	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效推断空间细胞间相互作用	SpaGraphCCI通过将基因表达和图像特征投影到低维空间，有效整合了空间多模态数据，显著提高了空间细胞间通信的推断性能	NA	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的方法	空间转录组数据中的细胞间相互作用	数字病理学	乳腺癌	空间转录组技术	GAT-based co-convolutional	基因表达数据和图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集
5185	2025-05-04	Evaluating Machine Learning and Deep Learning models for predicting Wind Turbine power output from environmental factors 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317619 PMID:39847588	research paper	该研究对机器学习和深度学习模型在基于环境变量预测风力涡轮机功率输出方面进行了全面的比较分析	直接比较了多种机器学习和深度学习算法，并突出了先进计算方法在可再生能源优化中的潜力	NA	评估机器学习和深度学习模型在风力涡轮机功率输出预测中的性能	风力涡轮机的功率输出	machine learning	NA	NA	ANN, LSTM, RNN, CNN, LR, SVR, RF, ET, AdaBoost, CatBoost, XGBoost, LightGBM	environmental variables (temperature, humidity, wind speed, wind direction)	40,000 observations
5186	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
5187	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
5188	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
5189	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
5190	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
5191	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
5192	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
5193	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
5194	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
5195	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
5196	2025-05-03	Robust DEEP heterogeneous ensemble and META-learning for honey authentication 2025-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144001 PMID:40184746	研究论文	本研究提出了一种结合多种分析技术和深度学习模型的新框架，用于区分纯蜂蜜与掺假蜂蜜	通过元学习整合多种分析技术和深度学习模型，扩展了输入特征空间，提高了预测性能	未提及具体的数据来源和样本采集细节	解决蜂蜜掺假问题，保障消费者健康和经济诚信	纯蜂蜜与掺假蜂蜜（蔗糖糖浆、葡萄糖浆或焦糖味冰淇淋配料）	分析化学	NA	多种分析技术	CNN, 元学习	NA	NA
5197	2025-05-03	Sliding-window enhanced olfactory visual images combined with deep learning to predict TVB-N content in chilled mutton 2025-Jul, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109791 PMID:40048988	研究论文	本研究提出了一种新颖的嗅觉可视化图像数据增强方法，结合深度学习准确预测冷藏羊肉中的总挥发性盐基氮（TVB-N）含量	提出滑动窗口方法增强嗅觉可视化图像，结合深度学习模型提高TVB-N含量预测的准确性	NA	准确预测冷藏羊肉中的TVB-N含量，用于现场评估羊肉新鲜度	冷藏羊肉	计算机视觉	NA	嗅觉可视化传感器阵列	InceptionNetV3, ResNet50, MobileNetV3, PLSR, SVR, RF	图像	NA
5198	2025-05-03	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-Jun, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	提出了一种名为DisDock的深度学习方法，用于预测蛋白质与金属离子的对接结构	结合U-net架构与自注意力模块，利用几何信息揭示原子相互作用的潜在特征	未提及具体局限性	预测金属离子与蛋白质的结合结构	金属蛋白	机器学习	NA	深度学习	U-net与自注意力模块结合	距离矩阵	来自MOAD的高质量金属蛋白数据集
5199	2025-05-03	Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model 2025-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00192-x PMID:40309130	研究论文	本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测中风患者的血清钠浓度并提供个性化干预建议	引入了时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型	模型依赖于公开数据集，可能无法涵盖所有临床场景	优化中风患者的血清钠管理策略，提供临床决策支持工具	ICU中风患者	医疗信息学	中风	深度学习	TFF-MHA（时间-特征融合多头注意力模型）	时间序列临床数据	MIMIC-III（2346例）和MIMIC-IV（896例）数据集
5200	2025-05-03	Integrating Plasma Cell-Free DNA Fragment End Motif and Size with Genomic Features Enables Lung Cancer Detection 2025-May-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1517 PMID:40136052	研究论文	通过整合血浆游离DNA片段末端基序、大小及基因组特征，开发了一种提高肺癌检测准确性的深度学习方法	结合cfDNA片段末端基序与大小特征及基因组覆盖度，开发了性能优于单一特征的集成分类器，并在不同种族人群中验证了其泛化能力	样本量相对有限，尤其是高加索人验证队列仅包含50例患者和50例对照	提高肺癌早期检测的准确性	肺癌患者与健康对照的血浆游离DNA	数字病理学	肺癌	全基因组测序	深度学习分类器	基因组数据	韩国发现数据集（218例患者+2559例对照）、韩国验证数据集（111例患者+1136例对照）、高加索人验证队列（50例患者+50例对照）