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
441	2025-05-13	Attention dual transformer with adaptive temporal convolutional for diabetic retinopathy detection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92510-x PMID:40044820	research paper	提出了一种注意力双变换器与自适应时间卷积（ADT-ATC）模型，用于从视网膜眼底图像中增强检测糖尿病视网膜病变（DR）	通过双空间变换器网络处理多尺度空间特征，并通过自适应时间卷积单元捕获时间依赖性，同时引入分层交叉注意力模块融合时空特征	NA	增强糖尿病视网膜病变的检测	视网膜眼底图像	computer vision	diabetic retinopathy	deep learning	Attention Dual Transformer with Adaptive Temporal Convolutional (ADT-ATC)	image	DRIVE和Diabetic Retinopathy数据集
442	2025-05-13	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-Mar-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter挖掘研究，揭示COVID-19期间及之后慢性阻塞性肺疾病(COPD)人群的长期心理趋势和模式	首次利用大规模Twitter数据和深度学习框架分析COPD人群在COVID-19期间及之后的长期心理变化	研究结果基于Twitter数据，可能无法完全代表所有COPD人群的心理状态	了解COVID-19对COPD人群长期心理影响	慢性阻塞性肺疾病(COPD)患者	自然语言处理	慢性阻塞性肺疾病	Twitter数据挖掘	深度学习算法	文本(Twitter推文)	15,347名COPD用户，超过25亿条推文(2020年1月至2023年6月)
443	2025-05-13	Advanced deep learning models for predicting elemental concentrations in iron ore mine using XRF data: a cost-effective alternative to ICP-MS methods 2025-Mar-05, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-025-02419-7 PMID:40045020	研究论文	本研究提出了一种基于深度学习的先进方法，用于预测伊朗Gohar Zamin铁矿区的关键元素浓度，使用XRF地球化学数据作为输入	提出了一种新型AI驱动框架，利用低成本的XRF数据进行矿物预测，减少对昂贵分析技术的依赖，同时提升采矿作业的决策效率	研究仅针对伊朗Gohar Zamin铁矿区的特定元素，可能不适用于其他地区或元素	开发一种成本效益高且快速的地球化学分析方法，以替代传统的ICP-MS方法	Gohar Zamin铁矿区的关键元素（如砷、锂、锑和钒）	机器学习	NA	XRF	CNN, GRU, SAN	地球化学数据	NA
444	2025-05-13	An intelligent framework for skin cancer detection and classification using fusion of Squeeze-Excitation-DenseNet with Metaheuristic-driven ensemble deep learning models 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92293-1 PMID:40033075	research paper	提出了一种基于Squeeze-Excitation-DenseNet融合与元启发式驱动的集成深度学习模型的智能框架，用于皮肤癌检测与分类	结合SE-DenseNet特征提取、集成深度学习模型（LSTM、ELM、SSDA）及灰狼优化算法（GWO）进行超参数调优，显著提升分类性能	未提及模型在临床环境中的实时性测试或跨设备泛化能力评估	开发自动化皮肤癌分类系统以辅助早期诊断	皮肤病变的医学影像数据	digital pathology	skin cancer	CLAHE图像增强、Wiener滤波去噪、SE-DenseNet特征提取	SE-DenseNet, LSTM, ELM, SSDA, GWO	image	HAM10000和ISIC基准数据集
445	2025-05-13	Advances in OCT Angiography 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.6 PMID:40052848	综述	本文综述了光学相干断层扫描血管成像（OCTA）技术的进展，特别是2020年以来的新方法和技术趋势	介绍了解决OCTA小视野和伪影问题的新硬件和软件方法，以及利用深度学习模型进行疾病诊断的高精度图像分析工具	未提及具体临床应用中的验证结果或大规模试验数据	总结OCTA技术的最新进展和发展趋势	视网膜和脉络膜组织的血管成像	数字病理学	NA	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	NA
446	2025-05-13	Towards Diagnostic Intelligent Systems in Leukemia Detection and Classification: A Systematic Review and Meta-analysis 2025-Mar, Journal of evidence-based medicine DOI:10.1111/jebm.70005 PMID:40013326	系统综述与荟萃分析	本文综述并分析了基于人工智能的白血病检测与分类研究	系统评估了2015年至2023年间AI在白血病检测与分类中的应用，特别关注了深度学习方法的表现	大多数研究依赖内部验证，缺乏外部验证以评估模型的泛化能力	评估人工智能和机器学习算法在白血病检测与分类中的应用效果	外周血涂片图像	数字病理学	白血病	机器学习与深度学习	CNN等深度学习模型	图像	190项研究（来自1325篇初步筛选文献）
447	2025-05-13	Pre-trained convolutional neural networks identify Parkinson's disease from spectrogram images of voice samples 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92105-6 PMID:40025201	research paper	该研究利用预训练的卷积神经网络通过声谱图图像识别帕金森病	首次在更大带宽的智能手机录音数据集上测试了方法的性能，并比较了线性尺度和梅尔尺度声谱图的分类效果	未明确说明样本的具体数量和多样性	开发自动检测帕金森病的方法	帕金森病患者的声音样本	digital pathology	Parkinson's disease	spectrogram analysis	CNN with transfer learning	voice recordings	NA
448	2025-05-13	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-Mar, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	research paper	该研究通过深度学习模型从免疫组化图像预测FISH评分，以改进乳腺癌中的HER2检测	使用聚类约束注意力多实例深度学习模型，减少HER2评分的主观性和变异性，并降低对FISH测试的依赖	FISH预测模型的准确性和敏感性较低	改进乳腺癌中的HER2检测方法，提高诊断和治疗的准确性	乳腺癌患者的HER2免疫组化图像和FISH测试结果	digital pathology	breast cancer	immunohistochemistry (IHC), fluorescence in situ hybridization (FISH), deep learning	clustering-constrained-attention multiple-instance deep learning model	image	5,731 HER2 IHC images, including 592 cases with FISH testing
449	2025-05-13	Timescale Matters: Finer Temporal Resolution Influences Driver Contributions to Global Soil Respiration 2025-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70118 PMID:40052202	research paper	该研究使用深度学习模型预测全球土壤呼吸（R）在月和年尺度上的变化，并探讨了时间分辨率对预测结果及其环境驱动因素的影响	首次在月和年尺度上比较了全球土壤呼吸的预测结果，揭示了时间分辨率对识别关键环境驱动因素的重要性	研究仅考虑了温度、降水和叶面积指数三个驱动因素，可能忽略了其他潜在影响因素	理解时间分辨率如何影响土壤呼吸预测及其环境驱动因素的识别	全球土壤呼吸及其环境驱动因素	machine learning	NA	deep learning	深度学习模型	时间序列数据	1982年至2018年的全球数据
450	2025-05-13	Image-based food groups and portion prediction by using deep learning 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70116 PMID:40052549	research paper	开发了一个基于深度学习的系统，用于自动分组和分类食物，并估计土耳其菜肴的份量大小	使用CNN模型基于图像识别自动分类食物组和估计份量大小，并实现了高达80%的食物组分类准确率和80.47%的份量估计准确率	研究仅针对土耳其菜肴，可能不适用于其他文化的食物	预防由于营养不良导致的慢性疾病，如肥胖和高血压，通过自动测量食物消费来满足个体营养需求	土耳其菜肴	computer vision	obesity, hypertension	image recognition	CNN	image	NA
451	2025-05-13	Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.010 PMID:40044308	research paper	该研究通过模拟研究评估了风险分层筛查（RSS）调度对乳腺影像中心日常召回的影响	结合人工智能（AI）分诊和风险分层调度，优化乳腺影像中心的日常诊断工作流程	研究基于模拟数据，实际效果需在真实临床环境中验证	评估风险分层筛查调度对乳腺影像中心日常召回和工作效率的影响	乳腺影像中心的患者和工作流程	digital pathology	breast cancer	discrete event simulation, AI triage	deep learning	simulation data	60 daily patients
452	2025-05-13	Opportunistic Detection of Hepatocellular Carcinoma Using Noncontrast CT and Deep Learning Artificial Intelligence 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.011 PMID:40044303	研究论文	开发了一种基于非对比CT和深度学习的AI算法，用于高效准确地检测肝细胞癌	首次研究了利用非对比CT进行肝细胞癌的机会性筛查，并开发了基于3-D卷积块注意力模块的AI模型	模型性能与放射学解读相当但未显著超越，且在小病灶(<2cm)检测上仍有提升空间	探索非对比CT在肝细胞癌机会性筛查中的应用价值	肝细胞癌患者和非对比CT影像	数字病理	肝细胞癌	非对比多期CT扫描	3-D CBAM(卷积块注意力模块)	CT影像	内部验证队列2,223例患者+外部测试队列584例患者
453	2025-05-12	Enhanced EEG Forecasting: A Probabilistic Deep Learning Approach 2025-Mar-18, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01743 PMID:40030141	研究论文	本文提出了一种基于概率深度学习的增强型EEG预测方法，用于改进脑电图信号的长期预测	首次将概率深度学习方法WaveNet应用于静息态EEG时间序列预测，并在theta和alpha频段实现了150毫秒的可靠预测	研究仅针对静息态EEG的theta和alpha频段进行测试，未涉及其他脑电频段或任务态脑电	改进EEG信号的长期预测准确性，以增强实时脑状态估计在脑机接口和脑刺激协议中的应用	静息态EEG信号（theta和alpha频段）	机器学习	NA	概率深度学习	WaveNet	时间序列数据（EEG信号）	未明确说明样本数量
454	2025-05-12	Exploring the application of deep learning methods for polygenic risk score estimation 2025-Mar-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adbb71 PMID:40020248	research paper	探索深度学习在多基因风险评分（PRS）估计中的应用	使用深度学习模型生成多个PRS，并展示其在数据缺失情况下的性能	进一步改进可能需要额外的输入数据	研究深度学习如何改进PRS的生成	UK Biobank数据中的已知PRS	machine learning	NA	deep learning	DL models	genetic data	UK Biobank数据
455	2025-05-12	[Scale-invariant feature-enhanced deep learning framework for oral mucosal lesion segmentation] 2025-Mar-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20241210-00467 PMID:40015705	research paper	提出了一种结合深度学习和SIFT算法的新型语义分割模型PixelSIFT-UNet，用于提高口腔黏膜病变的分割准确性	整合了深度学习和SIFT算法，开发了PixelSIFT-UNet模型，显著提高了分割精度	研究仅针对三种常见的口腔黏膜病变，可能不适用于其他类型的病变	提高口腔黏膜病变的语义分割准确性	口腔黏膜病变（口腔扁平苔藓、口腔白斑和口腔黏膜下纤维化）	digital pathology	oral mucosal lesions	scale-invariant feature transform (SIFT), deep learning	PixelSIFT-UNet, VGG-16, ResNet-50, U-Net, PSPNet	image	838张标准临床白光图像（训练集506张，验证集166张，测试集166张）
456	2025-03-05	[Advances in breast cancer tumor-infiltrating lymphocytes evaluation and deep learning applications] 2025-Mar-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241226-00875 PMID:40032427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
457	2025-05-12	Sugarcane leaf disease classification using deep neural network approach 2025-Mar-04, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06289-0 PMID:40033192	研究论文	本文开发了一种基于深度学习的可靠模型，用于准确诊断甘蔗叶片病害	使用EfficientNet架构及其他知名CNN模型（如DenseNet201、ResNetV2等）进行甘蔗叶片病害分类，并验证了模型在不同数据集划分中的一致性和可靠性	未发现模型复杂度、深度与准确率之间的直接相关性，表明最佳性能不仅依赖于模型架构或深度，还依赖于其对数据集的适应性	开发一种可靠的深度学习模型，以准确诊断甘蔗叶片病害，提高病害控制和甘蔗产量	甘蔗叶片	计算机视觉	植物病害	深度学习	EfficientNet, DenseNet201, ResNetV2, InceptionV4, MobileNetV3, RegNetX	图像	6748张健康与病害叶片图像，涵盖11种病害类别
458	2025-05-12	An Efficient Approach for Detection of Various Epileptic Waves Having Diverse Forms in Long Term EEG Based on Deep Learning 2025-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-025-01111-4 PMID:40035961	研究论文	本文提出了一种基于深度学习的有效方法，用于检测长期脑电图（EEG）中多种形式的癫痫波	利用YOLO网络（特别是YOLO-V4）进行癫痫波检测，展示了高灵敏度、特异性和准确性	需要专家癫痫学家的指导进行数据标注，且样本量较小（20名患者）	开发一种快速、高效的癫痫波检测方法，以辅助癫痫学家进行长期EEG监测	长期EEG监测数据中的多种癫痫波形式	数字病理学	癫痫	深度学习	YOLO（V3、V4和V7）	EEG信号	20名患者的EEG数据
459	2025-05-12	CryoTEN: efficiently enhancing cryo-EM density maps using transformers 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf092 PMID:40036588	研究论文	本文介绍了一种名为CryoTEN的3D UNETR++风格transformer，用于有效提升冷冻电镜密度图的质量	提出了一种基于transformer的新型深度学习模型CryoTEN，其在提升冷冻电镜密度图质量方面表现优异，且运行速度比现有最优方法快10倍以上，GPU内存需求更低	NA	提升冷冻电镜密度图的质量，以更好地构建蛋白质结构	冷冻电镜密度图	计算机视觉	NA	冷冻电镜(cryo-EM)	3D UNETR++ transformer	3D冷冻电镜密度图	训练集包含1295个冷冻电镜图，独立测试集包含150个图
460	2025-05-12	Evolution of AI enabled healthcare systems using textual data with a pretrained BERT deep learning model 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91622-8 PMID:40038367	research paper	该研究利用文本挖掘和深度学习算法，特别是BERT模型，分析了2018年至2022年间科学论文和专利信息，以揭示AI在医疗保健领域的未来趋势	首次在医疗保健AI领域引入深度学习自监督模型（BERT），显著提高了分析的准确性和效率	研究主要依赖于2018年至2022年的数据，可能无法完全反映最新的技术发展	揭示AI在医疗保健领域的新兴趋势和潜在未来路径	科学论文（1587篇）和专利信息（1314项）	natural language processing	NA	text mining, BERT	BERT	text	科学论文1587篇，专利信息1314项