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
8121	2025-05-31	An Interventional Brain-Computer Interface for Long-Term EEG Collection and Motion Classification of a Quadruped Mammal 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.2025.3562922 PMID:40257874	研究论文	提出了一种新型介入式脑机接口（BCI），用于长期收集四足哺乳动物的脑电图（EEG）信号并进行运动分类	通过静脉植入电极采集颅内EEG信号，无需开颅手术，解决了传统非侵入式BCI使用环境受限和侵入式BCI永久性神经损伤的问题	研究仅在绵羊中进行，尚未在人类身上验证	开发一种能够长期有效采集EEG信号的介入式BCI，用于解决中风患者术后运动功能障碍	绵羊	脑机接口	中风	EEG信号采集，功率谱密度（PSD）分析	深度学习模型	EEG信号	绵羊，数据收集持续五个月（前三个月用于训练，第四个月用于验证）
8122	2025-05-31	Continuous Joint Kinematics Prediction Using GAT-LSTM Framework Based on Muscle Synergy and Sparse sEMG 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.2025.3565305 PMID:40299730	研究论文	提出了一种基于肌肉协同和稀疏sEMG的GAT-LSTM框架，用于连续关节运动预测	结合肌肉协同理论和图注意力网络，有效补偿稀疏sEMG设置的局限性，显著提高预测精度	NA	提高基于sEMG的连续运动预测的准确性和可靠性	sEMG信号和关节运动	机器学习	NA	sEMG	GAT-LSTM	sEMG信号	公共数据集Ninapro DB2和自收集数据集
8123	2025-05-31	Optimizing gene selection and module identification via ontology-based scoring and deep learning 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf034 PMID:40365108	research paper	提出了一种结合统计方法和深度学习的集成框架，用于优化基因选择和模块识别	结合了基于基因本体论（GO）的新型统计算法和深度神经网络模型，提高了基因选择的准确性和生物相关性	未提及具体样本量或实验验证的局限性	优化基因选择并识别基因相互作用模块，以更好地理解复杂疾病机制	基因表达数据和基因相互作用	computational biology	NA	gene ontology (GO) scoring, deep learning	deep neural network, feed-forward architecture	omics data, gene expression data	NA
8124	2025-05-31	Application of 3D nnU-Net with Residual Encoder in the 2024 MICCAI Head and Neck Tumor Segmentation Challenge 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_20 PMID:40417457	research paper	本文探讨了深度学习技术在放射治疗计划中自动识别和勾画原发肿瘤体积（GTVp）和转移淋巴结（GTVn）的潜力，特别针对MRI数据	使用3D nnU-Net模型进行自动肿瘤分割，并通过特定背景比例的数据重新训练以提升分割性能	模型在高背景比例数据上表现不佳，仍需优化	提升头颈部肿瘤分割的准确性和可靠性，以支持临床放射治疗计划	头颈部肿瘤（GTVp）和转移淋巴结（GTVn）	digital pathology	head and neck tumor	MRI	3D nnU-Net	image	2024 MICCAI头颈部肿瘤分割挑战提供的高质量数据集
8125	2025-05-31	Automatic collateral quantification in acute ischemic stroke using U2-net 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1502382 PMID:40421138	research paper	利用U2-Net深度学习框架自动量化急性缺血性卒中（AIS）中的侧支循环，并与传统视觉侧支评分（vCS）进行比较	首次使用U2-Net深度学习框架进行AIS侧支循环的自动量化，并提出了定量侧支评分（qCS）	样本量相对较小（118例AIS病例），且仅基于CTA图像	开发一种自动量化AIS侧支循环的方法，以提高诊断准确性和治疗决策	急性缺血性卒中（AIS）患者的CTA图像	digital pathology	cardiovascular disease	computed tomography angiography (CTA)	U2-Net	image	118例AIS病例（94例用于开发，24例用于测试）
8126	2025-05-31	Hybrid deep learning for IoT-based health monitoring with physiological event extraction 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251337848 PMID:40421178	research paper	提出一种混合深度学习模型，结合CNN和LSTM，用于基于IoT的健康监测与生理事件提取	结合CNN和LSTM处理时空数据，引入生理事件提取(PEE)提升特征可解释性，使用集成技术和在线学习算法优化异常检测	未提及具体疾病类型的验证范围和实际临床部署的挑战	提升IoT医疗数据处理链的准确性和实时性	医疗图像和可穿戴传感器数据	machine learning	NA	Physiological Event Extraction (PEE), Isolation Forest, One-Class SVM, Incremental Gradient Descent with Momentums	CNN, LSTM	medical images, wearable sensor data	NA
8127	2025-05-31	Radiomics Analysis on Computed Tomography Images for Prediction of Chemoradiation-induced Heart Failure in Breast Cancer by Machine Learning Models 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_51_24 PMID:40421235	研究论文	通过机器学习模型分析CT图像的放射组学特征，预测乳腺癌患者放化疗后心力衰竭的风险	结合放射组学、剂量学和临床特征，利用机器学习模型预测放化疗诱导的心力衰竭	样本量较小（54例患者），且仅针对左侧放化疗的乳腺癌患者	评估临床、剂量学和放射组学特征在预测乳腺癌患者放化疗后心力衰竭概率中的有效性	接受左侧放化疗且自然心力衰竭风险低的乳腺癌患者	数字病理	乳腺癌	CT扫描、深度学习、机器学习	决策树、K近邻、随机森林（RF）	图像	54例乳腺癌患者
8128	2025-05-31	Advancements in Hematologic Malignancy Detection: A Comprehensive Survey of Methodologies and Emerging Trends 2025, TheScientificWorldJournal DOI:10.1155/tswj/1671766 PMID:40421320	综述	本文系统性地回顾了基于图像分析的血液癌症检测的最新技术，旨在识别最有效的计算策略并突出新兴趋势	对传统机器学习、深度学习和混合学习方法进行了分类和比较，并提出了未来研究方向	数据稀缺、类别不平衡以及临床环境中的泛化性问题	评估和比较血液癌症检测中的计算方法，并提出未来研究方向	白血病、淋巴瘤和多发性骨髓瘤等血液恶性肿瘤	数字病理学	血液恶性肿瘤	图像分析	CNN（如AlexNet、VGG、ResNet）、基于Transformer的模型、支持向量机、随机森林	图像	基准数据集
8129	2025-05-31	Artificial intelligence based advancements in nanomedicine for brain disorder management: an updated narrative review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1599340 PMID:40432717	review	本文概述了人工智能在纳米医学领域的最新进展，特别是在脑部疾病管理中的应用	利用AI技术（如机器学习和深度学习）改进纳米医学在脑部疾病诊断、生物标志物识别、预后评估、靶向药物输送和治疗干预等方面的应用	NA	探讨人工智能如何加速纳米医学在脑部疾病管理中的有效和快速诊断、生物标志物识别、预后、药物输送和方法学进步	脑部疾病，包括脑癌、阿尔茨海默病、帕金森病和多发性硬化症	machine learning	brain disorder	machine learning, deep learning	NA	clinical datasets	NA
8130	2025-05-31	Application of deep learning convolutional neural networks to identify gastric squamous cell carcinoma in mice 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587417 PMID:40432719	研究论文	本研究应用深度学习卷积神经网络（CNN）建立小鼠胃鳞状细胞癌（GSCC）的检测模型，以提高病理诊断的准确性和一致性	首次将五种不同的CNN模型（FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）应用于小鼠GSCC的自动检测，并比较了它们的性能	研究样本量相对较小（93例GSCC和56例正常组织），且仅针对小鼠模型，未验证在人类样本中的适用性	开发基于深度学习的自动检测模型，提高药物非临床安全性评价中GSCC病理诊断的准确性和一致性	药物诱导的小鼠胃鳞状细胞癌（GSCC）和正常胃组织	数字病理学	胃癌	深度学习	CNN（包括FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）	数字病理图像	149例（93例GSCC和56例正常组织）
8131	2025-05-31	Rice disease detection method based on multi-scale dynamic feature fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1543986 PMID:40433155	research paper	提出了一种基于多尺度动态特征融合的水稻病害检测方法，旨在提高复杂农田环境中水稻叶片病害检测的准确性，并便于深度学习模型在移动终端上的部署以实现快速实时推理	引入了YOLOv11-MSDFF-RiceD网络，采用ParameterNet概念设计了FlexiC3k2Net模块和高效多尺度特征融合模块（EMFFM），优化了模型的性能并减少了计算复杂度和内存占用	在准确率提升方面仅有1.7%的改进，可能在某些高精度要求的场景下表现有限	提高水稻叶片病害检测的准确性，并优化模型以适应移动终端的部署	水稻叶片病害	computer vision	plant disease	deep learning	YOLOv11-MSDFF-RiceD	image	NA
8132	2025-05-31	Integration of smart sensors and phytoremediation for real-time pollution monitoring and ecological restoration in agricultural waste management 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1550302 PMID:40433163	研究论文	本文提出了一种结合生物地球化学模型和深度学习技术的Bio-DANN模型，用于提高农业废物管理和生态恢复中污染物监测和预测的准确性	结合生物地球化学模型和深度学习技术，提出Bio-DANN模型，实时处理多维环境数据，显著提高了污染物监测和生态恢复预测的准确性	未提及模型在极端环境条件下的表现或长期稳定性	开发一种高精度的污染物监测和生态恢复预测技术，以应对全球气候变化和生态退化问题	农业废物管理和生态恢复中的污染物监测与预测	环境科学与深度学习	NA	深度学习技术，包括DNN和注意力机制	Bio-DANN（结合生物地球化学模型和深度学习）	多维环境数据	基于Open Soil Data和NEON数据集进行实验
8133	2025-05-31	TS-Resformer: a model based on multimodal fusion for the classification of music signals 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1568811 PMID:40433555	研究论文	提出了一种基于多模态融合的音乐信号分类模型TS-Resformer，用于解决音乐流派分类中的特征提取不足和时间序列信息丢失问题	融合残差网络与Transformer编码层的Res-Transformer模型，以及结合不同注意力机制的TS-Resformer模型，设计了时频注意力机制以充分提取音乐的低级特征	未提及模型在大规模数据集上的泛化能力及计算资源消耗情况	提高音乐流派分类的准确率和效率	音乐信号	机器学习	NA	短时傅里叶变换、Mel滤波器、对数压缩	Res-Transformer, TS-Resformer	音频信号	FMA-small数据集
8134	2025-05-31	A comprehensive review of machine learning for heart disease prediction: challenges, trends, ethical considerations, and future directions 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1583459 PMID:40433606	review	本文全面回顾了机器学习在心脏病预测中的应用，包括技术进展、挑战和未来前景	展示了机器学习方法从传统分类器到混合深度学习和联邦学习框架的进展，并讨论了伦理问题和模型透明度	讨论了数据集限制和模型透明度问题	开发人工智能驱动的临床适用心脏病预测系统	心脏病预测的机器学习应用	machine learning	cardiovascular disease	机器学习	CNN-LSTM, 混合深度学习, 联邦学习	医疗健康数据	NA
8135	2025-05-31	Deep learning classification of drainage crossings based on high-resolution DEM-derived geomorphological information 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1561281 PMID:40433605	研究论文	本研究利用高分辨率数字高程模型（HRDEM）衍生的地貌信息，开发了先进的CNN模型EfficientNetV2，用于排水交叉分类	首次将HRDEM衍生的地貌特征（如POS、几何曲率和TPI）与先进的CNN模型结合，用于排水交叉分类，并通过XAI技术解释关键图像片段	研究未明确说明样本量大小，且仅测试了特定类型的HRDEM数据层	提高排水交叉分类的准确性	排水交叉	计算机视觉	NA	LiDAR, InSAR	CNN, EfficientNetV2	图像	NA
8136	2025-05-31	Performance of deep learning models for automatic histopathological grading of meningiomas: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1536751 PMID:40433621	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	首次全面评估深度学习模型在脑膜瘤分级中的表现，并提供了高精度的诊断性能数据	研究中存在中等到高度的异质性（I2 = 79.7%）	评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	脑膜瘤患者的影像数据	数字病理	脑膜瘤	深度学习	DL	影像数据	27项研究，涉及13,130名患者
8137	2025-05-30	The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms 2025-Aug-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.114934 PMID:40311725	研究论文	研究伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响，并利用基于深度学习的对象检测算法进行分析	首次证明短暂的社交接触足以诱导社会缓冲效应，特别是在雌性大鼠中，并揭示了社交接触是提高社会缓冲效率的关键因素	研究仅针对青春期Sprague-Dawley大鼠，结果可能不适用于其他年龄段或物种	探究短暂社会缓冲效应及其在青春期雌性大鼠中的表现	青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性）	机器学习	NA	YOLOv8和BoT-SORT算法	深度学习	视频	青春期Sprague-Dawley大鼠（雄性和雌性）
8138	2025-05-30	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-Jul-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	review	本文综述了人工智能（AI）在孤立性肺结节（SPNs）诊断中的应用，重点关注临床实践中的挑战	探讨了AI在影像学和血液/组织诊断中的实用性，强调了实际应用中的挑战而非深度学习的技术细节	大多数模型缺乏前瞻性、多机构验证，存在过拟合和泛化能力有限的风险；AI的'黑箱'特性与医生评估的重叠输入（如结节大小、吸烟史）使临床工作流程整合复杂化	评估AI在孤立性肺结节诊断中的作用	孤立性肺结节（SPNs）	digital pathology	lung cancer	RNA sequencing	CNN, machine learning	image, clinical data	NA
8139	2025-05-30	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Jun-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	research paper	开发并验证了一种用于脊柱侧弯诊断的自动卷积神经网络(CNN)，以测量多种脊柱参数	提出了一种全自动的深度学习方法，不仅测量Cobb角，还包括其他多个脊柱参数，显著提高了测量效率和准确性	研究为单机构回顾性研究，样本量相对有限，特别是老年患者组样本较少(26例)	开发自动化的脊柱参数测量系统以改善脊柱侧弯诊断	1682名脊柱侧弯患者的正侧位X光片	digital pathology	脊柱侧弯	深度学习	CNN	医学影像(X光片)	1682名患者(包括87名青少年和26名老年患者)
8140	2025-05-30	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法，系统评估了机器学习在宿主-病原体相互作用预测中的应用，比较了不同算法的效果	首次系统比较了不同机器学习方法在宿主-病原体相互作用预测中的表现，并提出了未来研究方向	纳入分析的文献数量有限（30篇），且存在数据集标准化和模型可解释性方面的不足	评估机器学习算法在预测宿主-病原体相互作用方面的有效性和应用现状	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	传染病	机器学习算法（包括随机森林、梯度提升、CNN、RNN等）	Random Forest, Gradient Boosting, CNN, RNN	蛋白质相互作用数据	46篇初步筛选文献，最终纳入30篇进行分析