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
641	2025-05-27	Efficient adaptation of deep neural networks for semantic segmentation in space applications 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99192-5 PMID:40410339	研究论文	本文评估了在月球和火星地形中使用适配器进行高效迁移学习以实现岩石分割的可行性	首次在太空应用中评估使用适配器进行高效迁移学习的可行性，并提出了减少带宽和内存需求的策略	研究仅针对月球和火星地形，未涉及其他太空环境	评估在太空应用中高效迁移学习的可行性，以减少目标设备的带宽和内存需求	月球和火星地形的岩石分割	计算机视觉	NA	迁移学习	深度神经网络	图像	NA
642	2025-05-27	Screening of oral potentially malignant disorders and oral cancer using deep learning models 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02802-5 PMID:40410364	研究论文	本研究评估了两种深度学习模型（DenseNet201和FixCaps）在口腔潜在恶性疾病（OPMDs）和口腔癌筛查中的有效性	研究使用了改进的FixCaps模型和预训练的DenseNet201模型，并通过智能手机设备或云端应用进行筛查	研究样本量较小，仅使用了518张口腔图像	评估AI筛查工具在OPMDs和口腔癌早期诊断中的有效性	口腔潜在恶性疾病（OPMDs）和口腔癌	数字病理	口腔癌	深度学习	DenseNet201, FixCaps	图像	518张口腔图像
643	2025-05-27	Optimal deep learning based vehicle detection and classification using chaotic equilibrium optimization algorithm in remote sensing imagery 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02491-0 PMID:40410394	研究论文	本文提出了一种基于混沌平衡优化算法和深度学习的自动化车辆检测与分类方法（VDTC-CEOADL），用于高分辨率遥感图像	结合混沌平衡优化算法（CEOA）与深度学习，优化YOLO-HR目标检测器和注意力LSTM模型，提高车辆检测与分类的准确性	未提及具体数据集规模及跨场景泛化能力验证	提升高分辨率遥感图像中车辆检测与分类的精度	遥感图像中的车辆（卡车、摩托车、汽车、公交车等）	计算机视觉	NA	深度学习、混沌平衡优化算法（CEOA）	YOLO-HR、ResNet、注意力LSTM（ALSTM）	高分辨率遥感图像	未明确说明（仅提及高分辨率遥感数据集）
644	2025-05-27	Vibration area localization and event recognition for underground power optical cable in multiple laying scenarios based on deep learning 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99588-3 PMID:40410528	研究论文	提出了一种基于深度学习的多铺设场景下地下电力光缆振动区域定位和事件识别方法	结合PGSD-YOLO和1DCNN-BiGRU-AFM模型，解决了现有方法在多种铺设场景下的实时性和性能问题	实验环境可能仍需进一步多样化以验证模型的泛化能力	提高地下电力光缆振动监测的实时性和准确性	地下电力光缆的振动信号	机器学习和信号处理	NA	ϕ-OTDR系统、高/低通滤波	PGSD-YOLO、1DCNN-BiGRU-AFM	振动信号	NA
645	2025-05-27	Multimodal malware classification using proposed ensemble deep neural network framework 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96203-3 PMID:40410526	research paper	提出了一种基于多模态方法的恶意软件分类框架，整合了恶意软件图像和数值特征以提高分类效果	采用多模态晚期融合技术，结合RUSBoost和提出的集成深度神经网络，显著提高了恶意软件分类的准确性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	提高恶意软件分类的准确性和鲁棒性，以应对现代恶意软件攻击的复杂环境	恶意软件	machine learning	NA	Neighbourhood Component Analysis (NCA), Synthetic Minority Over-sampling Technique (SMOTE), Random Under Sampling and Boosting (RUSBoost)	ensemble deep neural network	image, numeric	NA
646	2025-05-27	Facial emotion based smartphone addiction detection and prevention using deep learning and video based learning 2025-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99681-7 PMID:40410532	研究论文	本文提出了一种基于深度学习和视频学习的智能手机成瘾检测与预防方法，通过分析学生的面部情绪来识别和减少智能手机成瘾	结合心智理论（Theory of Mind）与视频建模（Video Modelling）框架，利用MnasNet-TLBO和CNN-CSO优化算法进行情绪识别，并通过动态调整激励视频来促进行为改变	研究仅针对750名行为参数较低的学生，样本范围可能有限	检测和预防学生的智能手机成瘾行为	学生	计算机视觉	NA	深度学习、视频建模、Fisher-Yates和Durstenfeld随机算法	MnasNet-TLBO、CNN-CSO	视频、面部情绪数据	750名行为参数较低的学生
647	2025-05-27	A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis 2025-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02925-9 PMID:40410768	研究论文	提出了一种结合领域特定特征的深度学习模型，用于增强青光眼的诊断	结合非结构化和结构化特征，通过深度学习模型区分青光眼和生理性大杯	未提及样本来源的多样性及模型在临床环境中的实际应用效果	提高青光眼的早期诊断准确率	青光眼患者和生理性大杯患者的视网膜图像	数字病理学	青光眼	深度学习	CNN	图像	未明确提及具体样本数量
648	2025-05-27	Advancements in Structure-based Drug Design Using Geometric Deep Learning 2025-May-23, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673388739250516071228 PMID:40417758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
649	2025-05-27	Machine learning models in the prediction of chronic or shunt-dependent hydrocephalus following subarachnoid hemorrhage: A systematic review and meta-analysis 2025-May-22, The neuroradiology journal DOI:10.1177/19714009251345104 PMID:40405362	meta-analysis	该论文通过系统综述和荟萃分析评估了机器学习模型在预测蛛网膜下腔出血后慢性或分流依赖性脑积水的性能	首次通过荟萃分析方法综合评估机器学习模型在预测特定类型脑积水中的表现	仅纳入表现最佳的模型数据，可能忽略其他有价值的信息	评估机器学习模型预测蛛网膜下腔出血后慢性或分流依赖性脑积水的准确性	蛛网膜下腔出血患者	machine learning	心血管疾病	机器学习	ML/DL	临床数据	6项研究中的2096名个体
650	2025-05-27	Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography 2025-May-22, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363158250429101521 PMID:40415313	研究论文	开发了一个用于自动预测CT扫描中蝶窦气化模式的CNN模型	首次使用深度学习技术自动识别蝶窦气化模式，特别是在类型IV上表现出色，这对内窥镜鼻窦手术至关重要	初始数据集较小且不平衡，尽管通过数据增强进行了改善，但样本量仍有限	提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式来辅助放射科医生和外科医生	蝶窦气化模式	计算机视觉	鼻窦疾病	CT扫描	CNN	图像	249张CT图像（训练集174张，测试集75张），增强后训练集增至378张
651	2025-05-27	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-May-17, ArXiv PMID:40395940	research paper	本文提出了一种基于原型学习的深度学习模型ProtoECGNet，用于可解释的多标签心电图分类	ProtoECGNet结合了1D CNN和2D CNN，使用原型损失和对比学习来提高分类性能并提供基于案例的解释	模型在PTB-XL数据集上进行评估，但未在其他数据集上验证其泛化能力	开发一种可解释的深度学习模型，用于多标签心电图分类	心电图数据	machine learning	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的71个诊断标签
652	2025-05-27	Machine Learning in nanoarchitectonics 2025-May-13, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103546 PMID:40412155	综述	本文回顾了人工智能、机器学习和深度学习在纳米结构学中的发现、预测、优化、表征和成像方面的应用	探讨了可解释人工智能（XAI）在纳米结构学中的应用，通过分析可解释性、时间、准确性和参数（ITAP）矩阵来理解机器决策	未明确提及具体的研究局限性	分析机器学习和人工智能在纳米结构学中的应用及其潜在影响	纳米结构学中的原子和分子科学、胶体和纳米薄膜技术、微宏观技术	机器学习	NA	机器学习、深度学习、可解释人工智能（XAI）	NA	NA	NA
653	2025-05-27	The Potential Role of AI- and Machine Learning Models in the Early Detection of Oral Cancer and Oral Potentially Malignant Disorders 2025-05-12, Studies in health technology and informatics DOI:10.3233/SHTI250257 PMID:40357619	review	本文评估了人工智能在口腔癌及口腔潜在恶性病变早期检测中的应用进展	探讨了AI和深度学习模型在提高口腔癌及口腔潜在恶性病变早期检测准确性方面的潜力	存在解释性有限和伦理问题等挑战，需解决以全面整合到临床实践中	评估AI在口腔癌及口腔潜在恶性病变早期检测中的应用	口腔癌及口腔潜在恶性病变	digital pathology	oral cancer	AI-modalities, machine learning	deep learning models	NA	八项研究（2015-2024年间发表）
654	2025-05-27	Interpretable MRI-Based Deep Learning for Alzheimer's Risk and Progression 2025-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.06.25326606 PMID:40385384	research paper	该研究应用基于MRI的深度学习模型于中国SILCODE队列，用于阿尔茨海默病（AD）的早期检测和风险评估	模型在未经重新训练或微调的情况下，展示了强大的跨种族泛化能力，并成功识别出高风险个体及AD脑亚型	研究主要基于MRI数据，未涉及其他类型的生物标志物或影像数据	开发可解释的基于MRI的深度学习模型，用于AD的早期检测和风险评估	722名参与者，1,105次脑部MRI扫描	digital pathology	geriatric disease	MRI	deep learning	image	722名参与者，1,105次脑部MRI扫描
655	2025-05-27	Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture 2025-May-05, ArXiv PMID:40386573	research paper	该研究开发了一种基于U-Net架构的卷积神经网络（CNN）代理模型，用于加速Cellular-Potts模型（CPM）的模拟评估	利用U-Net神经网络架构作为CPM的代理模型，显著提高了模拟评估速度（加速590倍），并有效捕捉了原始CPM的涌现行为	未明确提及具体限制，但可能包括模型泛化能力和对不同生物过程的适应性	开发高效的深度学习代理模型，以加速计算密集型的Cellular-Potts模型模拟	Cellular-Potts模型（CPM）及其在血管生成研究中的应用	machine learning	NA	卷积神经网络（CNN），U-Net架构	U-Net	模拟数据	NA
656	2025-05-27	Recent topics in musculoskeletal imaging focused on clinical applications of AI: How should radiologists approach and use AI? 2025-May, La Radiologia medica DOI:10.1007/s11547-024-01947-z PMID:39992330	综述	本文讨论了人工智能在肌肉骨骼成像领域的临床应用，包括图像生成和自动化诊断支持	聚焦于深度学习重建和基于MRI的皮质骨成像的临床应用，以及AI在罕见疾病诊断和预防医学中的角色	未提及具体的技术限制或研究样本量的限制	探讨人工智能在肌肉骨骼成像领域的应用及其对放射科医生的影响	肌肉骨骼成像和AI技术在放射学中的应用	数字病理	肌肉骨骼疾病	MRI, 深度学习	深度学习	图像	NA
657	2025-05-27	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	本文介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能并监测人体运动	结合电磁发电机（EMG）和独立式摩擦电纳米发电机（FS-TENG）实现能量采集与运动监测，并采用深度学习算法处理摩擦电信号	NA	开发一种可穿戴设备，用于能量采集和人体运动监测	人体髋关节运动	可穿戴技术	老年疾病	电磁发电技术、摩擦电纳米发电技术、深度学习算法	深度学习模型	运动信号	NA
658	2025-05-26	Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial 2025-May-24, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11681-3 PMID:40411550	research paper	研究深度学习重建（DLR）结合对比增强提升（CE-boost）技术在双低剂量CT肺动脉造影（CTPA）中的应用效果	首次将DLR与CE-boost技术结合应用于双低剂量CTPA，显著提升了图像质量和诊断准确性	研究仅在两中心进行，样本量为130例，可能需要更大规模验证	评估DLR结合CE-boost技术在降低辐射和对比剂剂量情况下提升CTPA图像质量的效果	疑似肺栓塞患者	digital pathology	pulmonary embolism	CT pulmonary angiography (CTPA)	deep learning reconstruction (DLR)	CT图像	130例患者
659	2025-05-26	Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers 2025-May-23, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf019 PMID:40267259	研究论文	本研究探讨了图像旋转技术和缩放增强在提高质子束治疗中基于深度学习的剂量转换精度方面的有效性	引入了图像旋转技术和缩放增强方法，显著提高了从铅笔束到蒙特卡洛算法的剂量转换精度	研究仅针对头颈癌患者，样本量相对较小	提高质子束治疗中基于深度学习的剂量计算精度	头颈癌患者	医学影像处理	头颈癌	深度学习	DL模型	CT图像和剂量数据	85名患者，分为101个训练/验证计划（334束）和11个测试计划（34束）
660	2025-05-26	Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer 2025-May-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu2151 PMID:40408481	research paper	该研究通过单细胞多模态分析揭示了非小细胞肺癌肿瘤微环境对治疗反应的预测作用	开发了NucSegAI深度学习模型用于自动化核分割和细胞分类，并识别了预测免疫治疗反应的特定淋巴细胞表型	研究样本量相对有限（119张全切片图像），且仅针对非小细胞肺癌	优化非小细胞肺癌患者的治疗反应预测，改善患者分层和治疗方案选择	人类非小细胞肺癌组织	digital pathology	lung cancer	multiplex immunofluorescence (mIF), RNA sequencing	deep learning model (NucSegAI)	image, RNA-seq data	119张全切片图像中的4560万个细胞