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
541	2025-05-26	Revealing 3D microanatomical structures of unlabeled thick cancer tissues using holotomography and virtual H&E staining 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59820-0 PMID:40404616	research paper	该研究通过整合全息断层扫描和深度学习技术，从未标记的厚癌组织中创建3D虚拟H&E图像，以揭示亚细胞级别的三维组织结构	结合全息断层扫描和深度学习，实现无需标记的厚癌组织3D虚拟H&E染色，突破了传统切片厚度的限制	方法在结肠癌和胃癌样本中进行了验证，但尚未在其他类型癌症中广泛应用	开发一种高效、无损的三维组织结构获取方法，提升组织病理学的效率和可靠性	结肠癌和胃癌组织	digital pathology	colon cancer, gastric cancer	holotomography, deep learning	deep learning-based image translation framework	3D refractive index distribution, virtual H&E images	结肠癌组织（厚度达50µm）和胃癌样本
542	2025-05-26	Self-supervised model-informed deep learning for low-SNR SS-OCT domain transformation 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02375-3 PMID:40404743	research paper	介绍了一种基于深度学习的框架SDNet，用于同时去噪和提升扫频光学相干断层扫描（SS-OCT）图像的超分辨率	结合数据驱动的深度学习和模型引导的噪声表示，专门针对SS-OCT成像中极低信噪比（SNR）和低分辨率的挑战，采用两步训练过程，并引入PCA作为自监督去噪策略	未提及具体局限性	提升SS-OCT图像的质量和诊断准确性	扫频光学相干断层扫描（SS-OCT）图像	computer vision	diabetic macular edema (DME)	深度学习	SDNet	image	NA
543	2025-05-26	RecyBat24: a dataset for detecting lithium-ion batteries in electronic waste disposal 2025-May-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05211-5 PMID:40404746	research paper	介绍了一个名为RecyBat24的公开图像数据集，用于检测和分类三种锂电池类型	提出了一个公开可访问的数据集RecyBat24，支持学术研究和工业应用，并通过数据增强技术模拟各种外部条件	未提及具体的数据集规模或标注过程的详细成本	开发一个用于锂电池检测和分类的公开数据集，支持轻量级机器学习模型的应用	三种锂电池类型：Pouch、Prismatic和Cylindrical	computer vision	NA	数据增强技术	轻量级机器学习模型	image	未提及具体样本数量
544	2025-05-26	Optimizing credit card fraud detection with random forests and SMOTE 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00873-y PMID:40404766	研究论文	本文提出了一种基于机器学习的系统，用于检测信用卡欺诈交易，并比较了不同机器学习模型的效果	使用SMOTE技术处理高度不平衡的数据集，并比较了深度学习模型与传统机器学习模型在信用卡欺诈检测中的表现	数据集中的欺诈交易仅占总数的不到0.2%，可能导致模型训练不充分	优化信用卡欺诈检测，减少金融损失	信用卡交易数据	机器学习	NA	SMOTE, 探索性数据分析(EDA)	随机森林(Random Forest), 决策树(DT), Adaboost, 神经网络(ANN)	结构化数据	公开可用的信用卡交易数据集（具体数量未提及）
545	2025-05-26	Bio inspired feature selection and graph learning for sepsis risk stratification 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02889-w PMID:40404796	研究论文	提出一种结合生物启发特征选择和基于图的深度学习的新框架，用于提高脓毒症风险预测的准确性和可解释性	整合了Wolverine优化算法(WoOA)进行特征选择，并采用生成预训练图神经网络(GPT-GNN)建模复杂患者关系，同时应用TOTO元启发式算法进行模型微调	研究基于单一数据集(MIMIC-IV)，可能影响模型在其他患者群体中的泛化能力	开发可扩展且高性能的决策支持工具，用于现实临床环境中的脓毒症风险分层	脓毒症患者	机器学习	脓毒症	Wolverine优化算法(WoOA)，生成预训练图神经网络(GPT-GNN)，TOTO元启发式算法，SMOTE	GPT-GNN，SVM，XGBoost，LightGBM	临床数据	NA
546	2025-05-26	A novel framework for inferring dynamic infectious disease transmission with graph attention: a COVID-19 case study in Korea 2025-May-22, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23059-7 PMID:40405112	研究论文	提出了一种结合多区域分室模型和时空深度学习模型的新型混合框架MPUGAT，用于推断动态传染病传播，并以韩国COVID-19数据为例验证其有效性	MPUGAT利用图注意力机制将静态交通矩阵转化为动态传播矩阵，整合了多种数据类型以提高传染病建模的准确性	研究仅应用于韩国COVID-19数据，未在其他地区或传染病上进行验证	提高传染病传播动态建模的准确性，以支持公共卫生策略制定	COVID-19在韩国的传播动态	机器学习	COVID-19	图注意力网络(GAT)	MPUGAT（结合多区域分室模型和时空深度学习模型）	时间序列数据、交通矩阵	韩国COVID-19数据
547	2025-05-26	Synthesizing [18F]PSMA-1007 PET bone images from CT images with GAN for early detection of prostate cancer bone metastases: a pilot validation study 2025-May-21, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14301-x PMID:40399853	研究论文	本研究探索使用深度学习技术从CT骨图像合成[18F]PSMA-1007 PET骨图像，用于前列腺癌骨转移的早期检测	首次使用GAN模型（Pix2pix和Cycle GAN）从低剂量CT骨图像合成[18F]PSMA-1007 PET骨图像，以减少额外的PET/CT扫描并减轻患者负担	研究样本量较小（152例），且为回顾性研究	探索深度学习技术在前列腺癌骨转移早期检测中的应用	前列腺癌患者和良性病变患者的[18F]PSMA-1007 PET/CT图像	数字病理学	前列腺癌	PET/CT扫描	GAN（Pix2pix和Cycle GAN）	医学影像（CT和PET图像）	152例患者（123例前列腺癌，29例良性病变）
548	2025-05-26	A Deep Learning-Enabled Workflow to Estimate Real-World Progression-Free Survival in Patients With Metastatic Breast Cancer: Study Using Deidentified Electronic Health Records 2025-May-15, JMIR cancer IF:3.3Q2 DOI:10.2196/64697 PMID:40372953	研究论文	本研究开发并验证了一种基于深度学习的半自动化工作流程，用于利用去标识化的电子健康记录数据估计转移性乳腺癌患者的真实世界无进展生存期（rwPFS）	配置了一个预训练的通用医疗NLP框架，将自由文本临床记录和放射学报告转化为结构化进展事件，用于研究转移性乳腺癌队列的rwPFS	需要在更多样化的外部数据集和其他癌症类型上进一步验证以确保更广泛的适用性和泛化性	开发一种快速可靠的方法来确定接受联合治疗的转移性乳腺癌患者的真实世界无进展生存期	转移性乳腺癌患者	自然语言处理	乳腺癌	NLP	深度学习	文本	316名激素受体阳性、HER-2阴性的转移性乳腺癌患者
549	2025-05-26	Generative Deep Learning Design of Single-Domain Antibodies Against Venezuelan Equine Encephalitis Virus 2025-May-14, Antibodies (Basel, Switzerland) DOI:10.3390/antib14020041 PMID:40407693	研究论文	本研究利用生成式人工智能平台设计和初步评估了针对委内瑞拉马脑炎病毒的单域抗体	首次应用生成式AI设计针对VEEV的单域抗体，为缺乏大规模数据库的新兴病毒威胁提供快速应对框架	需要进一步优化和验证AI生成的单域抗体的效果	开发针对委内瑞拉马脑炎病毒（VEEV）的替代治疗策略	委内瑞拉马脑炎病毒（VEEV）及其E2糖蛋白	人工智能在生物医学中的应用	病毒性脑炎	生成式人工智能平台、ELISA、体外中和试验	生成式AI	蛋白质序列数据	已知的甲病毒结合单域抗体数据集
550	2025-05-26	Prediction of Auditory Performance in Cochlear Implants Using Machine Learning Methods: A Systematic Review 2025-May-08, Audiology research IF:2.1Q1 DOI:10.3390/audiolres15030056 PMID:40407670	系统性综述	本文通过系统性综述探讨了机器学习在人工耳蜗植入术后听觉性能预测中的应用	首次系统评估了不同机器学习算法在人工耳蜗植入效果预测中的准确率表现，发现随机森林、决策树（96%）、贝叶斯线性回归（96.2%）和极限学习机（99%）等算法具有较高准确率	在噪声理解等需要时间序列处理的复杂问题上，深度学习应用仍需更多研究，且研究样本量和数据集存在较大差异	评估机器学习方法在预测人工耳蜗植入患者听觉性能方面的应用效果	人工耳蜗植入患者	机器学习	听力损失	机器学习算法（包括随机森林、决策树、贝叶斯线性回归、极限学习机等）	Random Forest, Decision Trees, Bayesian Linear Regression, Extreme machine learning	临床数据和听力学测量数据	59篇符合纳入标准的研究文献（涉及不同数量的患者和数据集）
551	2025-05-26	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	提出了一种基于Transformer的端到端模型Cell-TRACTR，用于显微镜图像中细胞的分割和追踪	使用Transformer架构处理细胞追踪中的空间和全局上下文依赖问题，并引入新的评估指标Cell-HOTA	未提及具体的数据集规模限制或模型计算资源需求	开发更高效的细胞追踪和分割方法	显微镜图像中的细胞	computer vision	NA	deep learning	Transformer	image	细菌在微流体几何结构中生长和哺乳动物细胞在二维环境中生长的数据集
552	2025-05-25	Incorporating Pre-Training Data Matters in Unsupervised Domain Adaptation 2025-May-23, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3572963 PMID:40408198	研究论文	本文探讨了预训练数据在无监督域适应（UDA）中的重要性，并提出了一种名为TriDA的新框架	从预训练的新视角研究UDA，揭示了目标误差与预训练的关系，并提出了一个三域问题框架	未明确提及具体限制，但可能涉及预训练数据选择策略的泛化能力	研究预训练数据对无监督域适应的影响，并提出改进方法	无监督域适应（UDA）方法	机器学习	NA	无监督域适应（UDA）	NA	图像	多个基准测试数据集
553	2025-05-25	Staged Self-Supervised Learning for Raven Progressive Matrices 2025-May-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561069 PMID:40408204	研究论文	本研究提出并研究了一种基于Transformer架构的深度学习模型——抽象组合变换器(ACTs)，用于处理需要完成空间视觉模式的抽象推理任务	结合ACTs与选择模块，应用于Raven渐进矩阵(RPMs)，并通过自监督学习在小训练集上成功训练模型，缓解了以往研究中发现的RPMs偏差	NA	开发能够处理抽象推理任务的深度学习架构	Raven渐进矩阵(RPMs)	机器学习	NA	自监督学习	Transformer(ACTs)	空间视觉模式数据	相对较小的训练集
554	2025-05-25	Interpretable and Adaptive GAN-BiLSTM Approach for Cyber Threat Detection in IoMT-based Healthcare 5.0 2025-May-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573097 PMID:40408219	研究论文	提出了一种可解释和自适应的深度学习安全框架，用于检测基于IoMT的Healthcare 5.0中的网络安全威胁	结合GAN平衡数据集，使用BiLSTM识别时间模式和关键特征，并通过SHAP和PFI增强模型决策的透明度	实验仅在NSL-KDD数据集上进行，未在其他数据集验证	解决Healthcare 5.0中网络安全威胁检测的数据不平衡和模型可解释性问题	基于IoMT的Healthcare 5.0系统	机器学习	NA	GAN, BiLSTM, SHAP, PFI	GAN, BiLSTM	网络流量数据	NSL-KDD数据集
555	2025-05-25	DenoiseMamba: An Innovative Approach for EEG Artifact Removal Leveraging Mamba and CNN 2025-May-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573042 PMID:40408214	研究论文	提出了一种名为DenoiseMamba的新型深度学习模型，用于有效去除EEG信号中的伪迹	结合了CNN和结构化状态空间对偶机制（SSD），能够同时捕捉局部和全局的时空特征	仅在三个半模拟数据集上进行了实验，未涉及真实临床环境中的EEG数据	提升EEG信号去噪效果，以改善基于EEG的疾病诊断和脑机接口应用性能	EEG信号中的肌电、眼电和心电伪迹	机器学习	NA	深度学习	CNN, SSD	EEG信号	三个半模拟数据集
556	2025-05-25	Self-supervised feature learning for cardiac Cine MR image reconstruction 2025-May-23, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3570226 PMID:40408221	research paper	提出了一种自监督特征学习辅助重建（SSFL-Recon）框架，用于解决现有监督学习方法在MRI重建中的局限性	首次在自监督重建网络中嵌入预学习的采样不敏感特征，以辅助去除伪影	实验仅在内部2D心脏Cine数据集上进行，未验证在其他类型MRI数据上的泛化能力	开发无需全采样图像的MRI重建方法	心脏Cine MRI图像	medical image reconstruction	cardiovascular disease	self-supervised learning	SSFL-Recon framework	MRI image	91例心血管病患者和38例健康受试者
557	2025-05-25	SSC-SleepNet: A Siamese-Based Automatic Sleep Staging Model with Improved N1 Sleep Detection 2025-May-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3572886 PMID:40408218	research paper	提出了一种基于伪Siamese神经网络的自动睡眠分期模型SSC-SleepNet，旨在提高N1睡眠阶段的检测性能	采用伪Siamese神经网络架构和自适应损失函数，动态分配更高的惩罚给误分类的N1睡眠阶段，显著提升了N1检测性能	NA	提高单通道脑电图(EEG)自动睡眠分期中N1睡眠阶段的检测准确性	睡眠分期	machine learning	NA	EEG信号分析	伪Siamese神经网络(包含squeeze-and-excitation残差网络分支和CNN-LSTM分支)	EEG信号	四个数据集(Sleep-EDF-SC、Sleep-EDF-X、Sleep Heart Health Study和Haaglanden Medisch Centrum)
558	2025-05-25	Methylomes reveal recent evolutionary changes in populations of two plant species 2025-May-23, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evaf101 PMID:40408446	研究论文	比较拟南芥和二穗短柄草的CG甲基组和基因组中的进化特征，探讨甲基化变异在种群遗传过程和人口历史推断中的应用	开发了一种基于深度学习的全新方法，仅利用甲基化变异数据推断人口历史，并发现甲基化变异能揭示SNP无法识别的近期种群扩张	甲基化变异在拟南芥中识别种群分化的效果不如SNP	研究植物DNA甲基化变异在种群遗传和人口历史推断中的应用	拟南芥（Arabidopsis thaliana）和二穗短柄草（Brachypodium distachyon）	进化生物学	NA	甲基化测序	深度学习	基因组和甲基组数据	两种植物物种的种群样本
559	2025-05-25	Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study 2025-May-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51638 PMID:40409748	研究论文	利用社交媒体数据研究COVID-19对居民饮食行为的影响	结合Twitter图像和文本数据，使用迁移学习和预训练的ResNet-101神经网络对食物图像进行分类，并分析其与肥胖率的相关性	研究仅覆盖了2019年至2021年的数据，且仅基于Twitter平台，可能无法全面反映所有人群的饮食行为变化	探讨COVID-19大流行对饮食行为的改变及其长期健康影响	Twitter用户发布的与食物相关的帖子和图像	自然语言处理	NA	迁移学习, 情感分析	ResNet-101	图像, 文本	约200,000条推文
560	2025-05-25	End-to-end prognostication in pancreatic cancer by multimodal deep learning: a retrospective, multicenter study 2025-May-23, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11694-y PMID:40410330	研究论文	通过多模态深度学习对胰腺癌进行端到端预后预测的一项回顾性多中心研究	利用多模态AI模型整合临床变量和增强CT图像，提高了胰腺癌患者短期和长期生存预测的准确性	研究为回顾性设计，可能存在选择偏倚；外部验证集的预测性能有所下降	探索人工智能如何通过整合多源数据提高胰腺癌预后准确性	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	深度学习	多模态AI模型	临床变量和CT图像	开发队列401例患者(荷兰中心)，外部验证队列361例患者(荷兰和西班牙中心)