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
1241	2025-05-07	Toward Accurate Deep Learning-Based Prediction of Ki67, ER, PR, and HER2 Status From H&E-Stained Breast Cancer Images 2025-May-01, Applied immunohistochemistry & molecular morphology : AIMM IF:1.3Q3 DOI:10.1097/PAI.0000000000001258 PMID:40143808	研究论文	本文提出了一种基于深度学习的准确预测乳腺癌H&E染色图像中Ki67、ER、PR和HER2状态的方法	构建了一个包含185,538张乳腺癌H&E和IHC图像的大规模数据集，并采用ViT模型实现了90%的AUC-ROC预测性能	尽管ViT模型预测性能高，但其注意力热图与高诊断价值区域匹配不明显，未来需改进AI在整张切片图像中的注意力机制	提高从H&E染色图像预测乳腺癌分子标记物（Ki67、ER、PR、HER2）状态的准确性	乳腺癌H&E染色图像和对应的IHC图像	数字病理学	乳腺癌	免疫组织化学（IHC）	ViT（Vision Transformer）	图像	185,538张乳腺癌H&E和IHC图像
1242	2025-05-07	RaGeoSense for smart home gesture recognition using sparse millimeter wave radar point clouds 2025-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00065-8 PMID:40312411	研究论文	本文提出了一种基于稀疏毫米波点云的智能家居手势识别系统RaGeoSense，结合多种先进的信号处理和深度学习方法，提高了识别性能和系统鲁棒性	结合K-均值聚类直通滤波、帧差滤波和中值滤波三种方法减少毫米波数据噪声，提出集成GBDT和XGBoost的模型架构，并利用LSTM门控循环单元对手势序列进行分类	未提及系统在复杂环境或多手势同时识别场景下的表现	提升智能家居场景下的手势识别准确率和系统鲁棒性	八种不同的单臂手势	计算机视觉	NA	毫米波雷达点云处理、深度学习	GBDT、XGBoost、LSTM	点云数据	未明确提及具体样本数量
1243	2025-05-07	A momentum-based adversarial training approach for generalization in underwater acoustic target recognition: An individual-vessel perspective 2025-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036456 PMID:40326792	研究论文	提出一种基于动量的对抗训练方法（MBAT），用于提高水下声学目标识别中的泛化能力	利用动量对抗策略和同方差不确定性算法，平衡类别相关和船舶特定特征的优化目标，从而更有效地提取类别区分性特征	实验仅在DeepShip和ShipsEar数据集上进行，未在其他数据集验证其泛化能力	提高水下被动声学目标识别的泛化能力	船舶辐射噪声	机器学习	NA	动量对抗训练（MBAT）	深度学习模型	声学信号	DeepShip和ShipsEar数据集
1244	2025-05-06	Developing a novel Temporal Air-quality Risk Index using LSTM autoencoder: A case study with South Korean air quality data 2025-May-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179303 PMID:40245507	研究论文	提出了一种基于LSTM自编码器的新型时间空气质量风险指数（TARI），用于更全面地评估空气污染对健康的影响	首次将深度学习应用于环境指数开发，通过LSTM自编码器捕捉环境因素的复杂相互作用和时间依赖性	研究仅基于韩国空气质量数据，未在其他地区验证	开发更全面的空气质量指数以更准确地评估空气污染对健康的影响	韩国空气质量数据	机器学习	NA	LSTM autoencoder	LSTM	时间序列数据	韩国空气质量数据（具体样本量未提及）
1245	2025-05-06	Pix2Pix generative-adversarial network in improving the quality of T2-weighted prostate magnetic resonance imaging: a multi-reader study 2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243102 PMID:40320939	research paper	评估生成对抗网络Pix2Pix在提升T2加权前列腺磁共振成像质量方面的性能和可行性	使用Pix2Pix模型在合成降质图像上进行训练，有效提升前列腺MRI图像质量并保持真实性	研究主要基于合成降质图像，真实临床环境中的效果需进一步验证	提升T2加权前列腺磁共振成像的质量	前列腺磁共振成像图像	digital pathology	prostate cancer	MRI	GAN (Pix2Pix)	image	1,476名生物学男性，1,500次扫描（训练集1,300，验证集100，测试集100），外加33名患者的内部外部测试数据集
1246	2025-05-06	Detection of common bile duct dilatation on magnetic resonance cholangiopancreatography by deep learning 2025-May-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253218 PMID:40321102	研究论文	本研究利用深度学习技术从磁共振胰胆管造影（MRCP）图像中检测胆总管扩张	采用DenseNet121 CNN模型在胆总管扩张检测中实现了97%的高准确率	需要在多中心研究和更大数据集上进行验证，并解决技术、伦理和财务限制	开发一种基于深度学习的胆总管扩张检测方法	胆总管扩张	数字病理学	胆道疾病	磁共振胰胆管造影（MRCP）	CNN（包括ResNet50、DenseNet121和VGG模型）	图像	147张MRCP图像（77张无胆总管扩张，70张有胆总管扩张）
1247	2025-05-06	An optimized deep neural network with explainable artificial intelligence framework for brain tumour classification 2025-May-04, Network (Bristol, England) DOI:10.1080/0954898X.2025.2500046 PMID:40320295	research paper	本文提出了一种优化的深度神经网络框架，结合可解释人工智能技术，用于脑肿瘤分类	使用Henry气体溶解度优化算法（HGSO）优化ResNet模型的关键超参数，并结合GRAD-CAM算法增强模型的可解释性	仅使用了两个数据库进行验证，可能需要更多样化的数据集来验证模型的泛化能力	提高MRI图像中脑肿瘤分类的准确性和可解释性	脑肿瘤的MRI图像	digital pathology	brain tumour	MRI	ResNet-18, ResNet-50	image	两个数据库（Database1包含四类肿瘤，Database2包含三类肿瘤）
1248	2025-05-06	Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping 2025-May-03, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03356-7 PMID:40317423	研究论文	本文提出了一种基于深度学习的定量磁共振参数映射新方法qDC-CNN，旨在加速磁共振成像并提高图像质量	提出了一种集成深度学习框架qDC-CNN，结合了展开的图像重建网络和全连接神经网络进行参数估计	研究主要基于模拟数据集，需要在真实临床数据上进一步验证	提高定量磁共振成像(qMRI)的准确性和临床相关性，显著减少采集时间	脑部多切片多回波(MSME)磁共振成像数据	医学影像分析	NA	定量磁共振成像(qMRI)	qDC-CNN(包含展开的图像重建网络和全连接神经网络)	磁共振图像	基于BrainWeb数据库生成的模拟MSME数据集
1249	2025-05-06	Integrating genetic variation with deep learning provides context for variants impacting transcription factor binding during embryogenesis 2025-May-02, Genome research IF:6.2Q1 DOI:10.1101/gr.279652.124 PMID:40234030	研究论文	该研究通过整合遗传变异与深度学习技术，探讨了遗传变异如何影响转录因子结合，特别是在胚胎发生过程中的作用	研究扩展了WASP工具以检测indels，提高了等位基因不平衡峰的检测率30%-50%，并利用卷积神经网络预测DNA序列对转录因子结合的影响	研究主要集中在胚胎发生过程中的四个转录因子，可能无法全面反映所有遗传变异对转录因子结合的影响	理解遗传变异如何影响转录因子结合，以更好地模拟疾病相关变异	四个转录因子在胚胎发生过程中的等位基因特异性结合	机器学习和遗传学	NA	WASP扩展用于indels检测，卷积神经网络（Basenji）	CNN	DNA序列数据	使用F交叉系统产生的高遗传多样性样本
1250	2025-05-06	Semantical and geometrical protein encoding toward enhanced bioactivity and thermostability 2025-May-02, eLife IF:6.4Q1 DOI:10.7554/eLife.98033 PMID:40314227	研究论文	本文提出了一种结合序列和几何编码器的预训练框架，用于蛋白质的一级和三级结构，以指导蛋白质工程中的突变方向并评估变体效应	提出了一种新颖的预训练框架，整合了蛋白质的序列和几何编码器，能够更全面地预测蛋白质变体的效应，特别是在热稳定性和生物功能方面	缺乏对开发方法在预测蛋白质热稳定性方面的基本评估，尽管这是实践中经常研究的关键物理性质	提高蛋白质工程的效率和准确性，通过更全面的预测方法指导蛋白质修饰	蛋白质序列和结构	合成生物学	NA	深度学习	预训练框架（结合序列和几何编码器）	蛋白质序列和结构数据	超过300个深度突变扫描实验的基准测试
1251	2025-05-06	Ultra-stable and high-performance squeezed vacuum source enabled via artificial intelligence control 2025-May-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu4888 PMID:40315327	研究论文	通过人工智能控制实现超稳定和高性能的压缩真空源	利用人工智能控制系统通过深度学习识别和管理复杂参数关系，实现自适应的外部环境适应，达到创纪录的4.3分贝（无损耗5.9分贝）压缩水平	PSR理论模型在优化指导方面存在局限性，源于多个参数在此压缩水平下的相互干扰	推进量子计量学超越经典极限，实现高性能压缩光的长期稳定生成	压缩真空源	量子计量学	NA	偏振自旋转(PSR)	深度学习	NA	NA
1252	2025-05-06	Smart weed recognition in saffron fields based on an improved EfficientNetB0 model and RGB images 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00331-9 PMID:40316572	研究论文	本研究基于改进的EfficientNetB0模型和RGB图像，开发了一种用于藏红花田间智能杂草识别的系统	改进的EfficientNetB0模型在藏红花田间杂草识别中表现最佳，准确率达到94.06%	研究仅针对四种常见杂草，可能不适用于其他杂草类型	开发一种用于藏红花田间杂草识别的智能系统，以实现精准杂草管理	藏红花及其四种常见杂草（flixweed、hoary cress、mouse barley和wild garlic）	计算机视觉	NA	深度学习	EfficientNetB0	RGB图像	504张在自然和非结构化田间环境下拍摄的图像
1253	2025-05-06	Hybrid deep learning CNN-LSTM model for forecasting direct normal irradiance: a study on solar potential in Ghardaia, Algeria 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94239-z PMID:40316622	研究论文	本文对四种太阳辐射预测模型进行了深入分析和性能评估，重点研究了CNN-LSTM混合深度学习模型在预测直接法向辐照度方面的表现	提出了一种结合CNN和LSTM的混合深度学习模型(CNN-LSTM)，相比传统方法具有更高的预测精度和可靠性	研究仅针对阿尔及利亚Ghardaia地区的数据，可能在其他地区的适用性有待验证	评估不同机器学习方法在太阳辐射预测中的性能，开发更准确的预测模型	太阳辐射预测模型	机器学习	NA	深度学习	CNN-LSTM混合模型	时间序列数据	NA
1254	2025-05-06	Multichannel convolutional transformer for detecting mental disorders using electroancephalogrpahy records 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98264-w PMID:40316629	研究论文	本文提出了一种新型深度学习架构——多通道卷积Transformer，用于通过脑电图（EEG）数据分类精神障碍	结合了卷积神经网络和Transformer的优势，并采用连续小波变换预处理EEG信号以增强特征提取	未提及模型在更大规模或多样化数据集上的泛化能力	开发一种准确可靠的精神障碍早期检测方法	脑电图（EEG）记录	机器学习	精神障碍（包括创伤后应激障碍、抑郁症和焦虑症）	连续小波变换（CWT）、共同空间模式滤波器、信号空间投影滤波器和小波去噪滤波器	多通道卷积Transformer（结合CNN和Transformer）	EEG信号	三个数据集：EEG Psychiatric Dataset、MODMA dataset和EEG and Psychological Assessment dataset
1255	2025-05-06	Retraining and evaluation of machine learning and deep learning models for seizure classification from EEG data 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98389-y PMID:40316648	research paper	该研究通过复现和评估多种机器学习和深度学习模型，用于从脑电图（EEG）数据中自动检测癫痫发作	研究比较了多种模型在公共数据集和本地患者数据上的表现，并发现随机森林和卷积神经网络在公共数据上表现最佳，但在本地数据上准确率显著下降	在本地数据上的准确率下降，尤其是神经网络模型，表明模型在临床实践中的泛化能力有限	提高癫痫诊断的自动化水平，减少人工标注的时间消耗	脑电图（EEG）数据	machine learning	epilepsy	EEG	random forest, CNN	EEG data	三个公共数据集和一个本地患者的手动标注EEG数据
1256	2025-05-06	A study of combination of autoencoders and boosted Big-Bang crunch theory architectures for Land-Use classification using remotely sensed imagery 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99436-4 PMID:40316651	研究论文	该研究提出了一种结合深度卷积神经网络和改进的元启发式优化技术的新方法，用于遥感图像的土地利用分类	将VGG-19模型与增强版Big Bang Crunch Theory优化的堆叠自编码器相结合，提高了土地利用分类的准确性	NA	提高遥感图像土地利用分类的准确性	Aerial Image Dataset和UC Merced Land Use Dataset	计算机视觉	NA	深度学习	VGG-19, 堆叠自编码器, CNN	图像	AID数据集和UC Merced数据集
1257	2025-05-06	Detecting the left atrial appendage in CT localizers using deep learning 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99701-6 PMID:40316718	研究论文	本研究利用深度学习自动检测CT定位图像中的左心耳，以减少辐射暴露	首次应用深度学习网络（如VariFocalNet）在CT定位图像中准确划定左心耳边界，显著降低辐射剂量	数据来自单一中心，外部验证队列规模有限（309例）	开发自动化工具以优化心脏CT扫描流程	左心耳（LAA）的CT定位图像	数字病理	心血管疾病	CT扫描	VariFocalNet, Cascade-R-CNN, Task-aligned One-stage Object Detection Network, YOLO v11	医学影像	训练集1253例定位图像，内部测试集368例，外部测试集309例
1258	2025-05-06	The Initial Screening of Laryngeal Tumors via Voice Acoustic Analysis Based on Siamese Network Under Small Samples 2025-May-02, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2025.03.043 PMID:40318998	研究论文	本文介绍了一种基于Siamese网络和辅助性别分类器的声学分析方法，用于喉部肿瘤的自动化、准确和客观的初步筛查	提出了一种结合Siamese网络和辅助性别分类器的新方法，用于小样本情况下的喉部肿瘤声学分析筛查	样本量相对较小（71名肿瘤患者和293名非肿瘤受试者）	开发一种自动化、准确且客观的喉部肿瘤初步筛查方法	汉语普通话使用者的声音信号	数字病理学	喉癌	声学分析、MFCC特征提取	Siamese网络	声音信号	71名肿瘤患者和293名非肿瘤受试者
1259	2025-05-06	Quantitative Analysis of Perovskite Morphologies Employing Deep Learning Framework Enables Accurate Solar Cell Performance Prediction 2025-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202408528 PMID:40109130	研究论文	开发了一种名为Self-UNet的深度学习模型，用于从扫描电子显微镜（SEM）图像中提取和量化钙钛矿的形态信息，以预测太阳能电池性能	Self-UNet在边缘提取方面优于传统的Canny和UNet模型，并且集成了梯度提升决策树（GBDT）回归来高精度预测太阳能电池效率	未提及具体样本量，且仅针对钙钛矿太阳能电池进行研究	通过量化钙钛矿的形态信息来准确预测太阳能电池的性能	钙钛矿太阳能电池的形态特征	计算机视觉	NA	深度学习，SEM图像分析	Self-UNet, GBDT	图像	NA
1260	2025-05-06	Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103538 PMID:40121807	研究论文	本研究开发了一种基于深度学习的脑沟模式分析方法，用于识别先天性心脏病患者的皮质脑沟模式异常	提出了一种基于原型图神经网络的脑沟模式分析方法，并引入了原型逆向投影以提高模型的可解释性	需要更多的验证研究来确认该方法在其他神经系统疾病中的适用性	开发一种敏感且可解释的工具用于脑沟模式分析	健康对照组(n=174)和先天性心脏病患者(n=345)的脑沟模式	数字病理学	先天性心脏病	深度学习	图神经网络(GNN)	脑沟模式图	519名受试者(174名健康对照和345名先天性心脏病患者)