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
6681	2025-06-19	Arrhythmia classification based on multi-input convolutional neural network with attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326079 PMID:40526742	research paper	提出了一种基于多输入卷积神经网络和注意力机制的心律失常分类算法	采用多尺度时频表示和双分支CNN架构，结合SE注意力机制增强关键特征	未提及模型在实时应用中的性能或计算效率	提高心律失常分类的准确性和鲁棒性	心电图信号	machine learning	cardiovascular disease	Short-Time Fourier Transform (STFT)	CNN with SE attention mechanism	ECG信号	MIT-BIH和SPH心律失常数据库
6682	2025-06-19	Development and evaluation of a deep learning system for screening real-world multiple abnormal findings based on ultra-widefield fundus images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1584378 PMID:40529144	研究论文	开发和评估一个基于超广角眼底图像的深度学习系统，用于筛查多种异常发现	开发了一个包含质量评估、伪影去除和病变识别三个模块的深度学习系统，特别强调了伪影去除模块对提高病变识别性能的重要性	仅使用了来自三家医院的数据进行训练和验证，可能无法代表所有人群	开发一个能够筛查多种眼底异常的深度学习系统	超广角眼底图像中的出血、玻璃膜疣、硬性渗出物、棉絮斑和视网膜裂孔	计算机视觉	眼科疾病	深度学习	深度学习系统（包含三个模块）	图像	训练和内部验证使用4,521张图像，外部验证使用来自两家医院的344张和894张图像
6683	2025-06-19	Deep learning-based image classification for AI-assisted integration of pathology and radiology in medical imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574514 PMID:40529155	研究论文	本文介绍了一种基于深度学习的图像分类框架，用于AI辅助的病理学和放射学医学影像整合	提出了自适应多分辨率成像网络（AMRI-Net）和可解释的领域自适应学习（EDAL）策略，提高了诊断准确性和领域泛化能力	未提及具体样本量或数据集的详细构成	开发AI驱动的医学影像整合解决方案，提高诊断准确性和临床工作流程优化	多模态医学影像数据（X光、CT、MRI等）	数字病理学	NA	深度学习	AMRI-Net, EDAL	医学影像	NA
6684	2025-06-19	Integrated multidisciplinary approach to aneurysm hemodynamic analysis: numerical simulation, in Vitro experiment, and deep learning 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1602190 PMID:40529173	综述	本文系统整理了传统和新兴方法，用于表征动脉瘤扩张、破裂和血栓形成过程中的血流动力学扰动	整合了数值模拟、体外实验和深度学习技术，显著提高了计算效率	生物仿生材料的局限性和对机械-生物耦合机制的不完全理解	阐明动脉瘤不稳定的机制基础，建立血流动力学分析的标准化量化协议，为患者特异性风险分层铺平道路	动脉瘤的血流动力学分析	数字病理学	心血管疾病	数值模拟, 体外实验, 深度学习	深度学习	NA	NA
6685	2025-06-19	Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1570979 PMID:40529250	correction	该文章是对先前发表的一篇关于使用深度学习技术增强MRI图像中脑肿瘤检测和分割的文章的更正	NA	NA	NA	NA	digital pathology	NA	deep learning	NA	image	NA
6686	2025-06-19	Artificial Intelligence in Chronic Disease Management for Aging Populations: A Systematic Review of Machine Learning and NLP Applications 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S516247 PMID:40529344	review	本文系统综述了人工智能（如机器学习和自然语言处理）在老年慢性病管理中的应用现状、挑战及未来方向	探讨了AI技术在优化医疗资源分配、补充专业管理团队、普及健康教育等方面的潜力	面临数据稀缺、模型泛化能力、临床医生采纳度、与现有医疗系统整合等挑战	促进AI技术在老年慢性病管理中的合理有效应用，以实现健康老龄化	老年慢性病患者（主要包括慢性心脑血管疾病、呼吸系统疾病等）	自然语言处理, 机器学习	geriatric disease	machine learning, NLP, computer vision	NA	NA	NA
6687	2025-06-19	Research progress in predicting the conversion from mild cognitive impairment to Alzheimer's disease via multimodal MRI and artificial intelligence 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1596632 PMID:40529431	综述	本文系统回顾了多模态MRI技术和人工智能在预测轻度认知障碍（MCI）向阿尔茨海默病（AD）转化中的研究进展	结合多模态MRI技术和人工智能方法，挖掘MCI向AD转化的脑部特征并构建预测模型	当前研究面临的技术挑战未具体说明	为MCI转化的早期准确预测和干预策略制定提供科学参考	轻度认知障碍（MCI）向阿尔茨海默病（AD）的转化	数字病理学	老年疾病	多模态MRI（结构MRI、功能MRI、脑灌注MRI）	深度学习和机器学习	MRI图像	NA
6688	2025-06-19	Reducing unnecessary biopsies of BI-RADS 4 lesions based on a deep learning model for mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543553 PMID:40530010	研究论文	本研究探讨了基于乳腺X线摄影的深度学习模型在BI-RADS 4类病变中的诊断价值，以减少不必要的乳腺活检	开发了一个深度学习模型，能够准确识别不需要活检的良性及高风险BI-RADS 4类病变，减少40.6%的不必要活检	研究为回顾性设计，且样本仅来自两家医院，可能存在选择偏差	评估深度学习模型在减少BI-RADS 4类病变不必要活检中的诊断价值	BI-RADS 4类乳腺病变	数字病理学	乳腺癌	深度学习	DL模型	乳腺X线图像	557例BI-RADS 4类病变（304例良性，195例恶性，58例高风险）
6689	2025-06-19	ST-YOLO: a deep learning based intelligent identification model for salt tolerance of wild rice seedlings 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1595386 PMID:40530276	研究论文	提出了一种基于深度学习的ST-YOLO模型，用于野生稻幼苗耐盐表型的评估与识别	使用多分支结构DBB替换C2f模块中的卷积层，引入CAFM卷积和注意力融合模块增强特征表示能力，设计了更灵活的空间金字塔池化层	未提及具体的数据集规模或模型在更广泛条件下的泛化能力	提高野生稻幼苗耐盐表型识别的准确率和效率	野生稻幼苗	计算机视觉	NA	深度学习	ST-YOLO (改进的YOLO模型)	图像	筛选出2个极耐盐品种和7个耐盐品种（具体实验样本量未明确说明）
6690	2025-06-19	Optimizing Mask R-CNN for enhanced quinoa panicle detection and segmentation in precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1472688 PMID:40530286	研究论文	本研究提出了一种基于改进Mask R-CNN的深度学习方法，用于藜麦穗的检测和分割，以提高精准农业中的产量估计	首次将实例分割技术应用于藜麦穗分析，并采用EfficientNet-B7骨干网络和Mish激活函数优化模型性能	NA	开发自动化藜麦产量估计方法	藜麦穗	计算机视觉	NA	实例分割	Mask R-CNN (改进版)	图像	NA
6691	2025-06-19	PRGminer: harnessing deep learning for the prediction of resistance genes involved in plant defense mechanisms 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1411525 PMID:40530297	研究论文	介绍了一种基于深度学习的植物抗性基因预测工具PRGminer，用于加速新抗性基因的发现	开发了PRGminer工具，利用深度学习技术高效预测植物抗性基因，并分类为八种不同类型	未提及具体样本量或数据来源的局限性	预测植物抗性基因以促进抗病育种	植物抗性基因（Rgenes）	生物信息学	植物病害	深度学习	NA	蛋白质序列	NA
6692	2025-06-18	Asymmetric scatter kernel estimation neural network for digital breast tomosynthesis 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22008 PMID:40520916	research paper	提出了一种基于非对称散射核叠加的深度学习方法，用于数字乳腺断层合成（DBT）中的散射估计	该方法考虑了散射形成的物理基础，通过生成散射振幅分布、散射核宽度和非对称因子图，改进了现有端到端训练方法的不足	NA	改进数字乳腺断层合成中的散射估计方法	数字乳腺断层合成（DBT）投影数据	digital pathology	breast cancer	deep learning	CNN	image	数值模拟体模数据和物理实验数据
6693	2025-06-18	Comparing percent breast density assessments of an AI-based method with expert reader estimates: inter-observer variability 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22011 PMID:40520917	research paper	比较基于AI的方法与专家评估的乳腺密度百分比，研究观察者间变异性	使用深度学习模型MAI-VAS进行乳腺密度评估，相比专家评估具有更低观察者间变异性	研究仅基于1328名女性的数据，可能无法代表更广泛人群	评估AI方法与专家在乳腺密度评估和乳腺癌风险预测方面的一致性和准确性	1328名女性的乳腺筛查数据	digital pathology	breast cancer	deep learning	MAI-VAS	image	1328名女性
6694	2025-06-18	A Hybrid Deep Learning-Based Approach for Visual Field Test Forecasting 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100803 PMID:40520474	研究论文	本研究提出了一种混合深度学习框架，用于提高视野测试预测的灵活性和准确性	结合RNN和CNN，并引入深度变换器进行时空建模，提高了预测性能和鲁棒性	中晚期青光眼病例数据可靠性低仍是一个挑战	提高视野测试预测的准确性和灵活性	健康人群和青光眼患者	计算机视觉	青光眼	深度学习	RNN, CNN, Hybrid-VF-Net	图像	1750名受试者，包含19437次Humphrey视野测试
6695	2025-06-18	Keystone microbial taxa identified by deep learning reveal mechanisms of phosphorus stoichiometric homeostasis in submerged macrophytes under different hydrodynamic states 2025-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123721 PMID:40311292	研究论文	本研究通过深度学习识别关键微生物类群，探讨了不同水动力状态下沉水植物磷化学计量稳态的机制	开发了基于深度学习的Keystoneness Taxa Identification (DLKTI)框架，用于识别关键微生物类群，并揭示了这些类群对沉水植物根际磷代谢的影响	研究仅针对两种沉水植物（Vallisneria natans和Myriophyllum spicatum），可能无法推广到其他植物或生态系统	优化植物修复策略，提高水生生态系统富营养化管理的效率	沉水植物（Vallisneria natans和Myriophyllum spicatum）及其根际微生物群落	生态学与深度学习	NA	深度学习	DLKTI框架	微生物群落数据	NA
6696	2025-06-18	Efficient urban flood control and drainage management framework based on digital twin technology and optimization scheduling algorithm 2025-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123711 PMID:40319783	研究论文	本文提出了一种基于数字孪生技术和优化调度算法的高效城市防洪排水管理框架	结合数字孪生实验平台、深度学习和多目标优化算法，优化排水泵调度规则，实现实时数据采集和虚拟-现实交互	未提及具体实施中的硬件限制或数据获取的潜在问题	提升城市防洪排水的综合管理能力	城市防洪排水系统	数字孪生技术	NA	PLC技术、Unity3D引擎、深度学习、多目标优化算法	深度学习模型	实时监测数据	不同河流流入和排水操作场景下的数据
6697	2025-06-18	Comprehensive smartphone image dataset for fish species identification in Bangladesh's freshwater ecosystems 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111629 PMID:40521139	research paper	本文介绍了一个用于孟加拉国淡水生态系统鱼类物种识别的智能手机图像数据集	提供了一个包含24,925张图像、涵盖21种淡水鱼类物种的全面数据集，支持鱼类物种识别和生物多样性研究	数据集仅涵盖孟加拉国的淡水鱼类，可能不适用于其他地区或海洋鱼类	为水生生物多样性研究、渔业管理以及机器学习模型开发提供数据支持	孟加拉国淡水生态系统中的21种常见鱼类	computer vision	NA	智能手机图像采集	deep learning	image	24,925张图像，涵盖21种鱼类
6698	2025-06-18	False data injection attack dataset for classification, identification, and detection for IIoT in Industry 5.0 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111692 PMID:40521148	research paper	该论文介绍了UKMNCT_IIoT_FDIA数据集，用于分类、识别和检测工业5.0中IIoT的虚假数据注入攻击	提出了一个独立且全面的数据集，覆盖多种网络配置和攻击场景，以反映IIoT中FDI攻击的动态特性	未提及具体的数据集规模或实验环境的局限性	提高工业5.0中IIoT环境的安全性，通过有效检测虚假数据注入攻击	工业物联网（IIoT）设备和虚假数据注入（FDI）攻击	machine learning	NA	machine learning (ML) and deep learning (DL) algorithms	NA	network configurations and attack scenarios	NA
6699	2025-06-18	High-resolution RGB image dataset for wheat seed varietal identification and purity assessment 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111690 PMID:40521154	research paper	该论文介绍了一个公开可用的高分辨率小麦种子图像数据集，用于小麦品种识别和纯度评估	提供了一个特定地区的高分辨率小麦种子图像数据集，填补了现有数据的空白	数据集仅包含巴基斯坦三个主要小麦品种，可能无法代表所有地区的小麦品种	解决小麦种子品种识别和纯度评估的问题，以提高小麦产量	小麦种子（Akbar-19, Dilkash-20, Urooj-22三个品种）	computer vision	NA	NA	NA	image	每个品种125粒纯种种子，共375粒
6700	2025-06-18	Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11256-8 PMID:39747589	research paper	比较深度学习方法和多参数统计模型在不同疾病组中对肺结节恶性风险分层的性能	首次评估了深度学习模型LCP-CNN在多种风险特征和潜在肺部疾病患者中的性能，并与传统多参数统计模型进行了比较	研究为回顾性分析，样本量相对有限（297名患者，422个结节）	评估深度学习模型在肺结节恶性风险分层中的性能	肺结节患者（包括筛查、肺气肿和间质性肺病患者）	digital pathology	lung cancer	CT扫描	CNN	image	297名患者，422个肺结节（其中105个为恶性）