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
661	2025-05-26	Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses 2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00883-z PMID:40410823	research paper	该研究开发并验证了一种基于多模态超声的列线图，结合临床变量、放射组学和深度学习特征，以有效区分O-RADS 4-5类别的附件肿块	首次探索基于CEUS的放射组学在区分附件肿块中的应用，并开发了结合临床变量、放射组学和深度学习特征的多模态列线图	研究依赖于放射科医生的手动分割，可能存在主观偏差	提高O-RADS 4-5类别附件肿块的诊断准确性	340名接受2DUS和CEUS检查并被分类为O-RADS 4-5的患者	digital pathology	卵巢癌	CEUS, 2DUS	ML, DL	image	340名患者
662	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
663	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
664	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
665	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）
666	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
667	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
668	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）
669	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
670	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
671	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）
672	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
673	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
674	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)
675	2025-05-25	WDGBANDTI: A Deep Graph Convolutional Network-Based Bilinear Attention Network for Drug-Target Interaction Prediction with Domain Adaptation 2025-May-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00714-6 PMID:40410523	研究论文	提出了一种基于深度图卷积网络和双线性注意力网络的可解释深度学习框架WDGBANDTI，用于在子结构水平上分析和预测药物-靶标相互作用	结合Deep-GCN和BAN构建可解释框架，能在子结构水平分析药物-靶标相互作用，并通过添加模块增强模型对未识别靶标对的预测能力	未明确提及具体的数据集限制或模型适用范围	提升药物-靶标相互作用预测的准确性和可解释性，促进药物开发和副作用实验	药物分子和靶标蛋白	机器学习	NA	Deep Graph Convolutional Network, Bilinear Attention Network	Deep-GCN, BAN	分子结构数据	多个常用且覆盖广泛的数据库（未明确数量）
676	2025-05-25	Assessment of contour accuracy in head and neck replanning: Deep learning trained model compared with deformable image registration propagation technique 2025-May-22, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2025.04.004 PMID:40410074	研究论文	评估头颈部重新规划中轮廓的准确性，比较深度学习训练模型与可变形图像配准传播技术	比较了商用预训练深度学习模型和多种DIR工具在头颈部自适应放疗中生成轮廓的准确性，并提供了几何和剂量学指标的详细评估	样本量较小（9名患者），且仅针对头颈部区域	评估和比较深度学习和可变形图像配准技术在头颈部自适应放疗中生成轮廓的准确性	头颈部自适应放疗中的轮廓生成	数字病理	头颈部癌症	深度学习（DL）、可变形图像配准（DIR）	Mirada DLC04, DLC13, DLC14	CT图像	9名患者的18次CT扫描
677	2025-05-25	Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks 2025-May-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01983-x PMID:40397242	研究论文	开发了一种基于多视角多层级卷积神经网络的人工智能系统，用于乳腺X线摄影中的乳腺癌检测、诊断和BI-RADS分类支持	采用多视角多层级卷积神经网络构建AI系统，显著提升乳腺癌诊断的准确性和BI-RADS分类的精确度	研究仅针对亚洲女性群体，可能在其他种族群体中的适用性有待验证	开发并验证一种AI系统，以提高乳腺癌的检测和诊断准确性，并支持BI-RADS分类	12,433名亚洲女性的24,866个乳房数据	数字病理学	乳腺癌	深度学习	CNN	图像	24,866个乳房数据（来自12,433名亚洲女性）
678	2025-05-25	Deep learning-based automatic image quality assessment in ultra-widefield fundus photographs 2025-May-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-100058 PMID:40398939	研究论文	本研究开发了一种基于深度学习的自动图像质量评估模型（UWF-IQA模型），用于超广角眼底照片（UWF）的质量评估	使用深度学习模型自动评估UWF眼底照片的质量，并展示了模型与人工评分者之间的一致性优于人工评分者之间的一致性	研究仅使用了4749张UWF图像，样本量可能不足以覆盖所有可能的临床情况	开发自动化的UWF眼底照片质量评估工具，以提高临床诊断和AI开发的准确性	超广角眼底照片（UWF）	计算机视觉	眼科疾病	深度学习	EfficientNet-B3	图像	4749张UWF图像，来自2124名患者
679	2025-05-25	An automated deep learning framework for brain tumor classification using MRI imagery 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02209-2 PMID:40399378	research paper	提出了一种基于深度学习的自动化框架，用于通过MRI图像进行脑肿瘤分类	结合引导滤波技术和各向异性高斯侧窗(AGSW)提高图像清晰度，并采用注意力模块提取显著特征	未提及在临床环境中的实际应用验证	开发自动化方法以提高脑肿瘤诊断的准确性和效率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	deep neural networks, ensemble model	image	公开数据集BraTS2020和Figshare
680	2025-05-25	Towards precision agriculture tea leaf disease detection using CNNs and image processing 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02378-0 PMID:40399405	research paper	本研究介绍了一种创新的深度学习模型，用于精确分类茶叶常见病害，采用先进的图像分析技术	模型采用复杂的多层架构，结合残差块设计，有效解决了梯度消失问题，并在农业病害检测中应用了现代深度学习技术	研究仅针对特定地区（孟加拉国锡尔赫特Pathantula）的茶叶病害，可能在其他地区的适用性有限	开发高精度的茶叶病害检测系统，推动精准农业发展	茶叶病害检测	computer vision	植物病害	图像处理	CNN	image	4000张高分辨率茶叶图像（包含病害和健康状态）