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
881	2025-06-11	LiDSCUNet++: A lightweight depth separable convolutional UNet++ for vertebral column segmentation and spondylosis detection 2025-Aug, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105703 PMID:40460622	research paper	提出了一种轻量级深度学习框架LiDSCUNet++，用于脊柱分割和脊椎病检测	结合深度可分离卷积和点卷积的轻量级UNet++框架，显著减少可训练参数、内存使用、能耗和计算时间	性能受限于数据不足和现有解决方案的高计算复杂度	开发高效的计算机辅助诊断系统，帮助医生诊断脊柱疾病	狗脊柱X光片中的椎骨异常	digital pathology	spondylosis	deep learning	LiDSCUNet++, UNet++, YOLOv8	image	NA
882	2025-06-09	Deep learning-driven hyperspectral imaging for real-time monitoring and growth modeling of psychrophilic spoilage bacteria in chilled beef 2025-Aug-02, International journal of food microbiology IF:5.0Q1 DOI:10.1016/j.ijfoodmicro.2025.111254 PMID:40359768	研究论文	本研究利用深度学习驱动的高光谱成像技术，实时监测和建模冷藏牛肉中嗜冷腐败细菌的生长	结合高光谱成像和多种算法（如CARS、PLSR、SCN等）进行细菌含量预测，并应用Baranyi、Huang和Gompertz模型拟合细菌生长曲线	模型预测精度仍有提升空间，特别是对乳酸杆菌的预测效果相对较差	开发一种快速无损检测冷藏牛肉中细菌含量的方法，以解决食品安全问题	冷藏牛肉中的假单胞菌和乳酸杆菌	数字病理	NA	高光谱成像、平板计数法	PLSR、SCN、Time Convolution Network with Multihead Attention Mechanism	光谱数据	未明确说明样本数量
883	2025-06-09	Quantitative multislice and jointly optimized rapid CEST for in vivo whole-brain imaging 2025-Aug, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30488 PMID:40087839	研究论文	开发了一种定量多切片化学交换饱和转移（CEST）调度优化和脉冲序列，以减少多切片序列固有的灵敏度损失	提出了一个深度学习框架，用于同时优化扫描参数和切片顺序，提高了扫描效率和准确性	研究仅在三名健康受试者中进行了测试，样本量较小	开发一种定量多切片CEST调度优化和脉冲序列，以提高全脑成像的准确性和可重复性	健康受试者的全脑成像	医学影像	NA	化学交换饱和转移（CEST）	深度学习	医学影像数据	3名健康受试者
884	2025-06-09	DeepAssembly2: A Web Server for Protein Complex Structure Assembly Based on Domain-Domain Interactions 2025-Aug-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169128 PMID:40188941	research paper	介绍了一个名为DeepAssembly2的Web服务器，用于基于域-域相互作用自动组装蛋白质复合物结构	DeepAssembly2在新构建的链间域-域相互作用数据集上训练，并添加了多个重要特征，如界面残基倾向性和超快形状识别，同时引入了AlphaFold-Multimer模型的链间残基距离以进一步提高准确性	NA	准确预测蛋白质复合物结构，以理解其功能并促进药物发现	蛋白质复合物结构	生物信息学	NA	深度学习	深度学习模型	蛋白质序列和单体结构	NA
885	2025-06-09	AI-driven glomerular morphology quantification: a novel pipeline for assessing basement membrane thickness and podocyte foot process effacement in kidney diseases 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108842 PMID:40354728	research paper	本文开发了一种基于深度学习的管道，用于自动量化肾小球基底膜厚度和足细胞足突消失百分比，以提高肾脏疾病诊断的准确性和效率	提出了一种新型深度学习管道，首次实现了对肾小球基底膜厚度和足细胞足突消失百分比的自动量化，减少了人为误差并提高了测量一致性	研究样本量相对较小（196张EM图像），且需要进一步验证和改进AI方法以提升在肾病病理学中的诊断能力和标准化程度	开发一种自动化方法来准确测量肾小球基底膜厚度和足细胞足突消失百分比，以改善肾脏疾病的诊断	肾小球基底膜和足细胞足突	digital pathology	kidney diseases	electron microscopy (EM)	DeepLabV3+ and U-Net	image	196张电子显微镜图像（来自83名受试者的21种不同肾脏疾病）
886	2025-06-09	The impact of clinical history on the predictive performance of machine learning and deep learning models for renal complications of diabetes 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108812 PMID:40382871	研究论文	本研究探讨了患者临床病史对机器学习和深度学习模型预测糖尿病肾病并发症性能的影响	首次研究了多级别肾病严重程度下患者临床病史的预测作用，并开发了有效的预测模型	研究基于回顾性真实世界数据，可能存在数据偏差	开发有效的预测模型以早期识别高风险糖尿病肾病患者	2型糖尿病患者	机器学习	糖尿病肾病	NA	逻辑回归、随机森林、Cox比例风险回归、RNN	临床数据	全国多中心回顾性真实世界研究数据
887	2025-06-09	Understanding deep learning models for Length of Stay prediction on critically ill patients through latent space visualization 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108832 PMID:40413882	研究论文	本文通过潜在空间可视化技术，探讨了深度学习模型在重症监护病房(ICU)患者住院时长(LoS)预测中的应用	首次将潜在空间分析应用于ICU住院时长预测模型，开发了交互式仪表板以直观展示模型学习过程	研究仅基于单一欧洲医疗中心的数据集，可能影响模型的泛化能力	开发可解释的深度学习模型用于ICU患者住院时长预测，并探索其在临床决策支持系统中的应用	ICU重症患者	机器学习	重症监护	深度学习	LSTM, GRU, TCN, Transformer	临床时序数据	20,481次ICU住院记录的271个特征
888	2025-06-09	Investigating the interpretability of ChatGPT in mental health counseling: An analysis of artificial intelligence generated content differentiation 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108864 PMID:40424870	研究论文	研究评估ChatGPT在心理健康咨询中的效果和情感支持能力，并探讨如何区分AI生成内容与用户生成内容	首次从宏观和微观角度评估ChatGPT的心理咨询能力，并开发了区分AI生成内容与用户生成内容的可靠框架	未提及具体样本量，且仅评估了ChatGPT 3.5和4.0版本	评估ChatGPT在心理健康咨询中的效果和情感支持能力，并探讨AI生成内容的识别方法	ChatGPT生成的心理健康咨询内容与人类专家生成的内容	自然语言处理	心理健康问题	BERTopic算法、深度学习技术、LIME和SHAP解释方法	LLM（ChatGPT 3.5和4.0）、深度学习模型	文本	NA
889	2025-06-08	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-Aug, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	research paper	提出了一种鼓励重复性的自监督学习重建方法，用于定量MRI，以提高测量的重复性	首次提出了一种自监督学习方法，通过最小化k-t空间数据子集间的交叉数据一致性来鼓励定量MRI的重复性	未提及方法在其他类型定量MRI数据上的泛化能力	提高定量MRI测量的重复性并加速重建过程	心脏MR多任务T1映射数据	医学影像分析	心血管疾病	自监督学习（SSL）	深度学习网络	MRI图像	未明确提及具体样本量
890	2025-06-07	EffiCOVID-net: A highly efficient convolutional neural network for COVID-19 diagnosis using chest X-ray imaging 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.008 PMID:40252941	research paper	提出了一种名为EffiCOVID-Net的高效卷积神经网络，用于通过胸部X光影像诊断COVID-19	EffiCOVID-Net结合了多样化的特征学习单元，采用包含(3×3)滤波器和循环连接的EffiCOVID块，以提取复杂特征同时保持空间完整性	该模型最适合作为辅助工具而非独立的诊断方法	开发一种高效且准确的深度学习模型，用于COVID-19的早期诊断	COVID-19患者的胸部X光影像	computer vision	COVID-19	deep learning	CNN	image	两个公开可用的COVID-19胸部X光数据集
891	2025-06-06	The environmental risk of heterogeneous oxidation is unneglectable: Time-resolved assessments beyond typical intermediate investigation 2025-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123572 PMID:40184704	research paper	该研究提出了一种环境风险评估方法，用于区分高级氧化过程中不同解毒效果的氧化路径，并选择最适合的处理系统	通过深度学习回归建模和密度泛函理论，提高了有毒分子结构转变的推导速度，并建立了基于风险商数和聚类分析的定量评估系统	研究主要关注高级氧化过程中的环境风险，可能未涵盖所有类型的污染物或氧化过程	提高高级氧化过程中污染物解毒效果评估的准确性和安全性	高级氧化过程中的污染物及其副产物	环境科学	NA	密度泛函理论，深度学习回归建模	deep neural network	化学数据	NA
892	2025-06-04	Temporal and spatial feature extraction using graph neural networks for multi-point water quality prediction in river network areas 2025-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123561 PMID:40184707	研究论文	提出了一种时空特征图神经网络（STF-GNN），用于河流网络区域多点水质预测，整合了图卷积网络、门控循环单元和自注意力机制	首次整合GCN、GRU和自注意力机制，显式建模分布式监测站之间的多尺度时空依赖关系	未提及模型在极端天气或突发事件下的预测性能	提高河流网络区域多点水质预测的准确性	河流网络中的分布式监测站	机器学习	NA	图卷积网络（GCN）、门控循环单元（GRU）、自注意力机制	STF-GNN（时空特征图神经网络）	多元时间序列数据	未明确提及具体样本数量，但涉及多个监测站的跨流域验证
893	2025-06-04	Ultrasound-based deep learning to differentiate salivary gland tumors 2025-Aug, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.014 PMID:40379502	研究论文	本研究开发了一种基于超声成像的深度学习模型DeepSGT，用于准确区分良性和恶性唾液腺肿瘤	使用多种CNN模型处理超声图像，并采用Focal Loss微调ResNet50d模型以解决类别不平衡问题，模型性能显著超过超声医师的诊断	研究为回顾性设计，样本量相对有限（315例患者）	开发一种准确区分良性和恶性唾液腺肿瘤的深度学习模型，以辅助临床决策	唾液腺肿瘤患者的超声图像	计算机视觉	唾液腺肿瘤	超声成像	CNN（包括Inception v3、ResNet101d、EfficientNet、DenseNet、Vision Transformer和ResNet50d）	图像	315例经手术切除后病理证实的唾液腺肿瘤患者
894	2025-06-02	Structure information preserving domain adaptation network for fault diagnosis of Sucker Rod Pumping systems 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107392 PMID:40157234	研究论文	本文提出了一种结构信息保留的域适应网络（SIP-DAN），用于抽油机系统的故障诊断	SIP-DAN通过将源域数据按故障类别划分为不同子域，并实现源域和目标域的子域对齐，以保留结构信息，同时设计了分类器投票辅助对齐（CVAA）机制来处理目标域缺乏故障类别信息的问题	未提及具体样本量或实验数据的局限性	提高抽油机系统故障诊断模型的泛化性能	抽油机（Sucker Rod Pumping, SRP）系统	机器学习	NA	模糊聚类算法、局部最大均值差异（LMMD）损失优化	SIP-DAN	时间序列数据或传感器数据	NA
895	2025-06-02	An information-theoretic approach for heterogeneous differentiable causal discovery 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107417 PMID:40158364	研究论文	本文提出了一种基于信息论的异质可微分因果发现方法，旨在提高模型在复杂异质数据集上的鲁棒性	将最小误差熵(MEE)作为自适应误差调节器整合到结构学习框架中，有效减少不同样本间的误差变异性	未明确提及具体的数据集规模限制或计算资源需求	提高可微分因果发现方法在异质数据集上的鲁棒性和适应性	具有环境多样性和噪声分布变化的复杂异质数据集	机器学习	NA	最小误差熵(MEE)	可微分因果发现模型	合成数据集和真实世界数据集	未明确提及具体样本数量
896	2025-06-02	MuSIA: Exploiting multi-source information fusion with abnormal activations for out-of-distribution detection 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107427 PMID:40184868	research paper	提出了一种名为MuSIA的方法，通过多源信息融合和异常激活捕获来提高深度学习模型在开放世界中的OOD检测性能	MuSIA方法首次结合多源信息融合与异常激活捕获，显著提升了OOD检测的性能	实验仅在六种预训练模型和六种OOD数据集上进行验证，可能在其他模型或数据集上的泛化能力有待进一步研究	提高深度学习模型在开放世界中的OOD检测性能，确保模型的可靠性和鲁棒性	深度学习模型在开放世界中的OOD检测	machine learning	NA	多源信息融合与异常激活捕获	ViT, RepVGG, DeiT等	NA	六种OOD数据集在六种预训练模型上的实验
897	2025-06-02	AESeg: Affinity-enhanced segmenter using feature class mapping knowledge distillation for efficient RGB-D semantic segmentation of indoor scenes 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107438 PMID:40184869	研究论文	提出了一种结合静态和动态方法的亲和力增强语义分割框架，用于室内场景的RGB-D语义分割	通过构建二元亲和力矩阵和特征到类别映射细化技术，实现了全局上下文感知与静态特征的结合，提高了准确性同时减少了计算负担	未明确提及具体限制，但可能包括对特定场景或数据集的依赖性	提高RGB-D语义分割的效率和准确性	室内场景的RGB-D图像	计算机视觉	NA	深度学习	动态分割方法	RGB-D图像	NYUv2、SUN-RGBD和CamVid数据集
898	2025-06-02	Deep prior embedding method for Electrical Impedance Tomography 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107419 PMID:40184867	研究论文	本文提出了一种基于深度学习的新型方法，用于电阻抗断层扫描（EIT）重建，有效整合图像先验信息以提高重建质量	该方法利用图像先验信息指导神经网络的初始化，从而更充分地利用先验知识，提升重建过程的起点和整体效果	未明确提及具体局限性	提高电阻抗断层扫描（EIT）重建的质量和准确性	电阻抗断层扫描（EIT）的重建过程	医学影像处理	NA	深度学习	神经网络	图像	NA
899	2025-06-02	A prompt regularization approach to enhance few-shot class-incremental learning with Two-Stage Classifier 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107453 PMID:40220563	research paper	提出一种名为Prompt Regularization (PrRe)的新方法，通过嵌入两种不同的提示（任务提示和全局提示）在预训练的Vision Transformer (ViT)中，以增强少样本类增量学习的效果	提出Prompt Regularization (PrRe)方法和Two-Stage Classifier (TSC)，结合K-Nearest Neighbors和Prototype Classifier，以优化少样本类增量学习的性能	NA	提高少样本类增量学习（FSCIL）的效率，避免模型遗忘先前学习的任务	预训练的Vision Transformer (ViT)模型	computer vision	NA	Prompt Learning, K-Nearest Neighbors, Prototype Classifier	Vision Transformer (ViT)	image	NA
900	2025-06-02	YOLOv8-G2F: A portable gesture recognition optimization algorithm 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107469 PMID:40245489	research paper	本文提出了一种名为YOLOv8-G2F的轻量级手势识别优化算法，基于YOLOv8进行改进，旨在降低硬件成本并提升应用场景	引入了改进的轻量级模块替代传统卷积模块，并采用线性变换、分组卷积和深度可分离卷积来简化网络结构，同时使用模型剪枝进一步减小模型尺寸并提高准确率	未明确提及具体限制，但可能受限于轻量级网络在复杂场景下的识别能力	开发一种轻量级高精度的手势识别算法，以满足端到端手势识别应用的需求	手势识别（HGR）	computer vision	NA	深度学习、模型剪枝	YOLOv8-G2F（基于YOLOv8改进）	video	nus-ii手势数据集