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
841	2025-06-02	Is a single model enough? The systematic comparison of computational approaches for detecting populist radical right content 2025, Quality & quantity DOI:10.1007/s11135-024-02034-1 PMID:40343105	研究论文	本文系统比较了检测文本数据中民粹主义激进右翼(PRR)内容的不同计算方法	首次系统比较了66种词典方法、经典监督机器学习和深度学习模型在PRR内容检测任务上的表现，并评估了不同文本预处理方式对模型性能的影响	在噪声较大的数据集上，深度学习模型的表现仍然不够理想	比较不同计算方法在检测PRR内容方面的表现	德语测试数据集中的PRR内容	自然语言处理	NA	词典方法、监督机器学习、深度学习	DL模型、集成模型	文本	三个德语测试数据集
842	2025-06-02	Advanced predictive modeling for enhanced mortality prediction in ICU stroke patients using clinical data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323441 PMID:40435317	研究论文	该研究开发了一种深度学习模型，用于预测ICU中缺血性卒中患者的死亡率，通过优化的特征选择和数据清理提高了预测准确性	结合XGBoost进行特征选择和深度学习模型，显著减少了特征数量（从1095降至30），并在AUROC上实现了13%的提升	研究依赖于MIMIC-IV数据库的数据，可能无法完全代表所有ICU卒中患者的情况	优化ICU中缺血性卒中患者的死亡率预测，以改善治疗策略和资源分配	ICU中的缺血性卒中患者	机器学习	心血管疾病	SMOTE（合成少数类过采样技术）	XGB-DL（结合XGBoost和深度学习）	临床数据（包括诊断、生命体征、实验室测试、药物、程序、治疗和临床记录）	3,646名ICU患者（训练集2,441名，测试集523名，验证集523名）
843	2025-06-02	Advancing malware imagery classification with explainable deep learning: A state-of-the-art approach using SHAP, LIME and Grad-CAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318542 PMID:40435333	research paper	该研究通过使用SHAP、LIME和Grad-CAM等可解释性技术，对集成深度神经网络（DNNW）进行对比分析，以提高恶意软件图像分类的可解释性和准确性	结合多种可解释性技术（SHAP、LIME、Grad-CAM）分析恶意软件图像数据，提升模型透明度和可信度	研究主要集中在恶意软件图像数据上，对其他类型恶意软件的适用性未明确说明	开发可解释且强大的AI模型，以提高恶意软件检测的可靠性和信任度	恶意软件图像数据	machine learning	NA	SHAP, LIME, Grad-CAM	DNNW, RUSBoost, Random Forest, Subspace, AdaBoost, BagTree	image	NA
844	2025-06-02	A deep learning-based algorithm for the detection of personal protective equipment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322115 PMID:40440260	研究论文	提出了一种基于YOLOv8n改进的深度学习算法，用于检测建筑工地上的个人防护装备（PPE）	设计了多尺度组卷积模块（MSGP）和多尺度特征扩散金字塔网络（MFDPN），并引入了自定义任务对齐模块和DCNV2模块，提高了检测精度和适应性	未提及具体的数据集规模或实际部署中的性能表现	提高建筑工地个人防护装备的检测精度和效率	建筑工地上的个人防护装备（PPE）	计算机视觉	NA	深度学习	YOLOv8n改进模型（MFD-YOLO）	图像	未提及具体样本数量
845	2025-06-02	DualDistill: a dual-guided self-distillation approach for carotid plaque analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1554578 PMID:40443518	研究论文	本文提出了一种名为DualDistill的双引导自蒸馏框架，用于提高颈动脉斑块超声视频分类的准确性和泛化性能	提出了两种新策略：帧内关系引导策略用于捕捉长期时间依赖性，时空注意力引导策略用于减少无关特征和噪声的影响	研究基于有限的数据集（317个颈动脉斑块超声视频），可能影响模型的广泛适用性	提高颈动脉斑块分类的准确性和泛化性能，以可靠评估心血管疾病风险	颈动脉斑块超声视频	计算机视觉	心血管疾病	自蒸馏框架	3D ResNet50等13种代表性模型	超声视频	317个颈动脉斑块超声视频
846	2025-06-02	EODA: A three-stage efficient outlier detection approach using Boruta-RF feature selection and enhanced KNN-based clustering algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322738 PMID:40445940	研究论文	提出了一种名为EODA的三阶段高效异常值检测方法，结合Boruta-RF特征选择和增强的KNN聚类算法	提出了一种三阶段的高效异常值检测方法EODA，结合Boruta-RF特征选择和增强的KNN聚类算法，提高了检测精度并考虑了数据集特性	未提及具体的数据集规模限制或计算资源需求	开发一种高效的异常值检测方法，以提高检测精度并考虑数据集特性	异常值检测	机器学习	NA	Boruta-RF特征选择、KNN聚类算法	Random Forest、KNN	结构化数据	八个UCI机器学习库数据集
847	2025-06-01	Multilevel Inter-modal and Intra-modal Transformer network with domain adversarial learning for multimodal sleep staging 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10262-w PMID:40438089	研究论文	本文提出了一种结合多级Transformer和域对抗学习的多模态睡眠分期网络，用于同时处理脑电图和眼电图信号	引入多级Transformer结构捕获单模态内和多模态间的时间依赖性，并采用域对抗学习提升模型跨域泛化能力	未明确说明模型在更大规模或更复杂数据集上的表现	开发高精度的自动睡眠分期方法以辅助睡眠障碍诊断	多模态睡眠信号（脑电图和眼电图）	数字病理学	睡眠障碍	深度学习	Transformer + CNN	时间序列信号	两个常用数据集（未明确样本数量）
848	2025-06-01	Dual-mode nanosensor for sensitive detection of methotrexate based on fluorescence technology and deep learning algorithms 2025-Aug-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344190 PMID:40447405	研究论文	提出一种基于荧光技术和深度学习算法的双模式纳米传感器，用于甲氨蝶呤的灵敏检测	结合纳米材料和深度学习算法，开发了一种具有双发射峰的纳米传感器，实现了对甲氨蝶呤的高灵敏度和实时监测	NA	建立一种可靠、精确且特异性的甲氨蝶呤检测方法	甲氨蝶呤（MTX）	纳米技术	NA	荧光技术、深度学习算法	NA	图像	NA
849	2025-06-01	Machine learning and clinical EEG data for multiple sclerosis: A systematic review 2025-Aug, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103116 PMID:40334524	系统综述	本文系统综述了机器学习和深度学习模型在脑电图（EEG）数据中用于多发性硬化症（MS）管理的研究	结合深度学习和EEG技术，探索了CNN和混合模型在MS诊断和监测中的应用，并讨论了可解释AI等策略以应对挑战	存在使用ML进行EEG分析的潜在偏差和挑战，需要多样化的训练数据集和先进的预处理技术来缓解	提高多发性硬化症的预测、诊断、监测和治疗（PDMT）效果	多发性硬化症（MS）患者	机器学习	多发性硬化症	EEG, 深度学习	CNN, 混合模型	EEG数据	NA
850	2025-06-01	Deep learning for early detection of chronic kidney disease stages in diabetes patients: A TabNet approach 2025-Aug, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103153 PMID:40347843	research paper	该研究开发了一种基于TabNet的深度学习模型，用于糖尿病患者的慢性肾病（CKD）早期分期检测	采用了一种新颖的迭代后向特征选择策略确定CKD分期的关键预测因子，并应用了基于注意力的TabNet架构进行分类模型构建	研究依赖于特定队列（CRIC研究）的数据，可能限制了模型的泛化能力	开发早期检测糖尿病患者慢性肾病分期的预测模型	糖尿病患者的慢性肾病分期	machine learning	chronic kidney disease	deep learning, explainable AI (XAI)	TabNet, XGBoost, random forest, AdaBoost, multi-layer perceptron	longitudinal clinical data	CRIC研究队列数据（具体样本量未明确说明）
851	2025-06-01	Exploring deep learning in phage discovery and characterization 2025-Aug, Virology IF:2.8Q3 DOI:10.1016/j.virol.2025.110559 PMID:40359589	综述	本文探讨了深度学习在噬菌体发现和表征中的应用及其在生物技术和医学中的潜力	利用深度学习算法（如BERT）改进病毒宏基因组组装基因组（vMAGs）的重建，并应用于噬菌体生物学研究	讨论了深度学习方法的局限性，但未具体说明技术细节或实验验证的不足	探索深度学习在噬菌体研究和治疗耐药细菌感染中的应用	噬菌体（细菌病毒）及其在细菌种群形成中的作用	机器学习	NA	深度学习、BERT、宏基因组数据分析	BERT、神经网络	宏基因组数据	NA
852	2025-06-01	Automatic segmentation of the midfacial bone surface from ultrasound images using deep learning methods 2025-Jul, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.01.012 PMID:39880737	研究论文	本研究开发了一种基于深度学习的自动算法，用于从2D超声图像中分割中面部骨表面	首次将多种深度学习网络（如nnU-Net、U-Net等）应用于中面部骨表面的自动分割，并比较了它们的性能	研究仅针对中面部骨表面，未验证其他骨骼部位的分割效果	开发自动分割中面部骨表面的算法，提高超声图像分析的准确性和效率	中面部骨表面	计算机视觉	NA	3D超声成像	nnU-Net, U-Net, ConvNeXt, Mask2Former, SegFormer, DDRNet	2D超声图像	NA
853	2025-06-01	Advances in photoactivated carbon-based nanostructured materials for targeted cancer therapy 2025-Jul, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115604 PMID:40354939	综述	本文综述了光激活碳基纳米结构材料在靶向癌症治疗中的关键创新	探讨了碳基纳米材料（CBNs）在光热、光化学和光声特性方面的卓越表现，以及其在靶向癌症治疗中的多功能性和适应性	讨论了这些纳米材料在生物系统中的长期效应和降解特性，以及制造过程中的可重复性和生物相容性挑战	探索光激活碳基纳米材料在靶向癌症治疗中的应用潜力	碳基纳米材料（CBNs）及其在乳腺癌、肺癌和胶质瘤中的应用	纳米医学	乳腺癌、肺癌、胶质瘤	光热疗法、光动力疗法、光化学内化	随机森林、支持向量机、神经网络、深度学习	NA	NA
854	2025-06-01	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	比较传统统计方法和深度学习技术在预测肾功能方面的准确性	首次在慢性肾病（CKD）患者中比较了传统统计方法和深度学习技术（如FFNN和GRU-D模型）在预测未来肾小球滤过率（eGFR）方面的表现	深度学习技术并未显示出比传统统计方法更高的预测准确性	评估深度学习技术是否能够提高肾功能预测的准确性	慢性肾病（CKD）患者	机器学习	慢性肾病	多重线性回归、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	FFNN, GRU-D	临床数据	22,929名CKD患者
855	2025-06-01	Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07091-8 PMID:39878897	research paper	本研究探讨了使用生成式人工智能（AI）创建合成骨扫描图像，以增加小规模数据集的数据多样性，从而更有效地训练模型并提高泛化能力	利用生成式AI生成高质量的合成骨扫描图像，并通过增加合成数据提升深度学习模型在数据受限环境中的性能	研究仅基于单一中心的骨扫描数据，且合成数据的临床有效性需进一步验证	解决医学影像中深度学习模型因数据不足而表现不佳的问题	骨扫描图像（骨转移和心脏淀粉样变性的异常摄取）	digital pathology	bone metastases, cardiac amyloidosis	generative AI	GAN	image	9,170 patients (training), 7,472 scans from 6,448 patients (testing)
856	2025-06-01	Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07117-1 PMID:39907796	研究论文	本研究利用深度学习技术，在多示踪剂、多扫描仪和多中心数据集上开发并评估了一种全自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）的方法	首次在多示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和评分系统，并展示了高准确性和临床相关性	部分外部数据集样本量较小（如数据集#3仅41例患者），且未在所有潜在临床场景中验证模型性能	开发自动化工具以提升ATTR-CM的诊断效率和准确性	心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）患者	数字病理学	心血管疾病	闪烁扫描成像（99mTc-MDP/DPD/HDP/PYP）	深度学习模型（未指定具体架构）	医学影像（全身闪烁扫描图像）	6个数据集（总计3743例患者，其中528例有标注，3215例无标注）
857	2025-06-01	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散模型的全身PET图像去噪方法，能够有效处理不同扫描仪、示踪剂和剂量水平的多样性	提出了一种3D Denoising Diffusion Probabilistic Model (3D DDPM)作为通用且鲁棒的全身PET图像去噪解决方案，相比传统方法能更好地适应多样化的PET协议	NA	开发一种能够适应不同临床设置的通用PET图像去噪方法	全身PET图像	医学影像处理	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	3D PET图像	来自四台扫描仪、四种示踪剂类型和六种剂量水平的数据集
858	2025-06-01	Integrating generative AI with neurophysiological methods in psychiatric practice 2025-Jun, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2025.104499 PMID:40262408	research paper	探讨生成式AI与神经生理学方法在精神病学实践中的整合潜力	提出生成式AI在精神病学中与神经科学和生理学结合的创新应用，包括实时通信、内容生成和数据合成	数据可靠性、隐私问题和资源限制等挑战	探索生成式AI在精神病学中的应用及其与神经科学的协同关系	精神病学实践中的生成式AI和神经生理学方法	natural language processing	psychiatric disease	generative AI, deep learning	large language models	multi-modal data	NA
859	2025-06-01	Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages 2025-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125600 PMID:40345087	research paper	本研究采用深度学习方法预测德黑兰的饮用水短缺问题，以应对气候变化下的可持续水资源分配	结合RNN和LSTM模型与三种优化技术（FHO、WOA、HOA），开发了预测水库流入和地下水位波动的混合模拟模型	研究仅针对德黑兰地区，可能无法直接推广到其他城市或地区	理解和缓解城市化、土地利用管理不善和气候变率对德黑兰水资源的影响	德黑兰的五个关键水库和地下含水层	machine learning	NA	RNN, LSTM, FHO, WOA, HOA	hybrid simulation models	climate and water resource data	德黑兰地区2021-2050年的气候和水资源数据
860	2025-06-01	Learnable fractional Fourier transform for high-quality computer-generated holography 2025-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.561347 PMID:40445699	research paper	提出了一种基于深度学习的计算机生成全息术方法，通过分数傅里叶变换提升全息成像质量	提出了复数分数傅里叶网络（CFrFNet），整合分数傅里叶变换（FrFT）于空间-频率统一框架中，生成高保真相位全息图（POHs）	NA	提升计算机生成全息术的成像质量	相位全息图（POHs）	computer vision	NA	分数傅里叶变换（FrFT）	CFrFNet, FrFNM, MFEB	image	NA