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
1	2025-07-03	Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data 2025-Dec, Dialogues in clinical neuroscience DOI:10.1080/19585969.2025.2524337 PMID:40588165	研究论文	本文提出了一种基于深度学习和集成学习的混合AI模型，用于通过人口统计和行为时间序列数据检测双相和单相抑郁症	结合了结构化人口统计特征和合成行为时间序列数据，采用XGBoost集成和深度CNN进行建模，提升了抑郁症分类的准确性和可解释性	模型尚未经过临床验证，仅作为未来真实世界数据集研究的方法学基础	开发一种自动化的抑郁症检测方法，减少传统主观评估的偏差	双相和单相抑郁症患者	机器学习	抑郁症	XGBoost, CNN, SHAP, Grad-CAM	混合AI模型（XGBoost + CNN）	人口统计数据和合成行为时间序列数据	NA
2	2025-07-03	Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116827 PMID:40597534	研究论文	本文构建了一个贝母生物碱数据库（FasMID），并开发了一种多维匹配策略，用于全面注释已知和未知成分	提出了一种维度增强的方法，结合固相萃取（SPE）和液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）获取四维结构信息，并通过机器学习预测碰撞截面（CCS）值	未来研究可以通过扩大样本来源和优化深度学习算法来提高预测准确性	精确表征贝母生物碱，用于质量控制和药理机制研究	贝母生物碱	质谱分析	NA	固相萃取（SPE）、液相色谱/离子迁移-四极杆飞行时间质谱（LC/IM-QTOF-MS）、机器学习	机器学习	质谱数据	248种贝母生物碱
3	2025-07-03	Predicting oxidative stability of Camellia oil based on multimodal data fusion strategy integrating NIR and Raman spectroscopies with chemometrics 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116842 PMID:40597544	研究论文	本研究通过整合近红外光谱和拉曼光谱，开发了一种快速、非破坏性的化学计量学框架，用于预测山茶油的氧化稳定性	采用三级数据融合策略（低、中、高级），特别是高级融合策略，显著提高了氧化稳定性的预测准确性	未来研究需要整合下一代高光谱成像和先进的深度学习架构，以建立超越基质特定限制的智能油品质量监测通用范式	开发一种快速、非破坏性的方法来预测山茶油的氧化稳定性	山茶油的氧化稳定性	化学计量学	NA	近红外光谱（NIR）、拉曼光谱	NA	光谱数据	NA
4	2025-07-03	A 3D point cloud and deep learning based automated process for quantifying multi-scale phenotypes in sliced bread 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116865 PMID:40597561	研究论文	本研究开发了一种基于3D点云和深度学习的自动化技术，用于量化切片面包的多尺度表型	使用低成本3D激光扫描仪准确捕获和分析面包切片的三维结构，提出3D-PoreSegNet分割模型分离面包表面和孔隙区域，并开发了Bread3D-Measure软件进行快速表型分析	NA	开发一种自动化技术，用于量化切片面包的多尺度表型，以支持全面的面包质量评估	切片面包的三维结构和孔隙表面	计算机视觉	NA	3D激光扫描	3D-PoreSegNet	3D点云数据	NA
5	2025-07-03	Analysis of intra- and inter-observer variability in 4D liver ultrasound landmark labeling 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051807 PMID:40600072	research paper	该研究评估了4D肝脏超声成像中专家标记的地面真实数据的可靠性，通过分析观察者内部和观察者之间的变异性	首次量化了4D肝脏超声成像中专家标记的观察者内部和观察者之间的变异性，并确定了超声伪影是标记不准确的主要来源	研究仅基于8个4D肝脏超声序列和8位专家观察者，样本量较小	评估4D超声成像中专家标记的地面真实数据的可靠性，以提高自主治疗引导系统的准确性	4D肝脏超声序列中的八个标志点	digital pathology	liver cancer	4D ultrasound imaging	NA	4D ultrasound images	8个4D肝脏超声序列，由8位专家观察者各标记8个标志点三次
6	2025-07-03	DunHuangStitch: Unsupervised Deep Image Stitching of Dunhuang Murals 2025-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3398289 PMID:38717890	研究论文	本文提出了一种基于深度学习的敦煌壁画图像拼接方法，旨在解决传统方法在低纹理壁画拼接中的局限性	首次将深度学习应用于敦煌壁画拼接，设计了渐进回归图像对齐网络和特征差分重建软编码接缝拼接网络，并引入了软编码接缝质量评估方法	未明确提及具体局限性，但暗示传统深度学习方法仍存在视差错位和重影问题	为敦煌壁画的数字化存储和保存提供技术支持	敦煌壁画	计算机视觉	NA	深度学习	渐进回归图像对齐网络、特征差分重建软编码接缝拼接网络	图像	构建了两个壁画拼接数据集（未明确说明具体样本数量）
7	2025-07-03	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	本文提出了一种基于U-Net和Dense-Net的深度学习模型，用于通过视网膜图像自动检测和分级高血压视网膜病变（HR）	结合U-Net和Dense-Net模型，通过血管分割、动静脉分类及血管宽度计算，实现HR的自动检测和分级	研究仅基于AVRDB数据集，未提及在其他数据集上的泛化能力	开发一种自动检测和分级高血压视网膜病变的方法，以辅助临床诊断	高血压视网膜病变（HR）患者的视网膜图像	数字病理学	心血管疾病	深度学习	U-Net, Dense-Net	图像	AVRDB数据集
8	2025-07-03	Advances in disease detection through retinal imaging: A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110412 PMID:40482560	系统综述	本文综述了机器学习技术在视网膜图像疾病检测中的应用，包括单模态和多模态成像方法	系统评估了深度学习和经典机器学习模型在视网膜图像疾病检测中的效率和性能，提出了未来研究方向	识别了机器学习在视网膜图像疾病检测中的关键挑战，如模型的泛化能力和临床适用性	探讨机器学习技术在视网膜图像疾病自动检测和分级中的应用	视网膜图像	计算机视觉	眼科疾病	机器学习	深度学习和经典机器学习模型	图像	NA
9	2025-07-03	Enhancing and advancements in deep learning for melanoma detection: A comprehensive review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110533 PMID:40483855	综述	本文系统回顾了深度学习在黑色素瘤检测中的应用趋势和差距，重点关注现有模型的可复制性和泛化能力	总结了深度学习在黑色素瘤检测中的关键进展，并指出了数据多样性和模型透明度不足的问题	现有模型对不同肤色人群的适用性有限，且许多研究缺乏数据分区的透明度，限制了模型的可重复性	探讨深度学习在黑色素瘤早期和准确检测中的应用及其全球有效性	黑色素瘤的深度学习检测模型	数字病理学	黑色素瘤	深度学习（DL）	ResNet, Inception	图像	使用了公共数据库如ISIC和HAM10000，但具体样本数量未明确说明
10	2025-07-03	Advancing respiratory disease diagnosis: A deep learning and vision transformer-based approach with a novel X-ray dataset 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110501 PMID:40494170	研究论文	本文通过利用X射线图像和先进的机器学习技术（如深度学习和Vision Transformers）对呼吸系统疾病分类领域做出重要贡献	引入了一个新颖、多样化的数据集，包含来自5263名患者的7867张X射线图像，涵盖49种不同的肺部疾病，并系统回顾了2017年至2024年间发表的综述文章	研究可能未涵盖2017年之前的基础性工作，且AI的快速发展可能使早期方法不再相关	提高呼吸系统疾病分类的准确性和可靠性，改善临床决策	呼吸系统疾病（如肺炎和COVID-19）的诊断	计算机视觉	肺部疾病	深度学习和Vision Transformers (ViT)	DL和ViT	X射线图像	7867张X射线图像来自5263名患者
11	2025-07-03	A Robust Residual Three-dimensional Convolutional Neural Networks Model for Prediction of Amyloid-β Positivity by Using FDG-PET 2025-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005966 PMID:40524364	研究论文	本研究利用残差3D卷积神经网络（3DCNN）开发了一个稳健的模型，通过FDG-PET预测淀粉样蛋白-β阳性	使用残差3DCNN模型从FDG-PET图像中学习复杂的三维空间模式，显著减少了对站点协调预处理的依赖	样本量相对较小（187名患者用于模型开发，99名患者用于评估），且在认知正常组中的F1分数较低	开发一个能够预测淀粉样蛋白-β阳性的深度学习模型，以辅助阿尔茨海默病的诊断	从认知正常到痴呆及其他认知障碍的患者	数字病理学	阿尔茨海默病	FDG-PET, T1加权MRI, 11C-Pittsburgh compound B (PiB) PET扫描	残差3DCNN	医学影像	187名患者用于模型开发，99名患者用于评估
12	2025-07-03	IDEA: Image database for earthquake damage annotation 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111733 PMID:40599425	研究论文	本文介绍了IDEA（地震损害标注图像数据库），一个包含超过5400张标注图像的数据集，用于支持深度学习在结构损害检测和分类中的应用	提出了一个基于广泛认可的结构损害类别的综合本体论，可用于扩展现有数据集或创建新数据集，从而增加按照结构工程标准标注的数据的可用性	NA	填补结构损害检测和/或分类深度学习开发中标注数据的不足	地震后的结构损害图像	计算机视觉	NA	深度学习	NA	图像	超过5400张图像
13	2025-07-03	Grapes leaf disease dataset for precision agriculture 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111716 PMID:40599426	research paper	本文提供了一个高质量的葡萄叶病害图像数据集，用于精准农业中的病害检测与分类	提供了一个包含2,726张高质量葡萄叶病害图像的数据集，并采用ResNet-18算法验证了数据集的适用性	数据集仅包含来自印度纳西克葡萄农场的图像，可能无法涵盖所有地理区域的病害情况	通过AI模型提升葡萄病害的自动化检测、分类和预测能力	葡萄叶的健康与病害图像	computer vision	葡萄真菌病害	图像采集与标注	ResNet-18	image	2,726张葡萄叶图像
14	2025-07-03	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-Jul-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期	提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型，能够同时预测淋巴结转移和总生存期，且在多个中心验证中表现优于临床模型	研究仅基于CT图像，未整合其他模态数据	提高化疗治疗胃癌患者淋巴结转移和总生存期的预测准确性	局部晚期胃癌患者	数字病理学	胃癌	深度学习	CTSMamba (基于co-attention tri-oriented spatial Mamba的多任务模型)	纵向CT图像	1,021名局部晚期胃癌患者（训练验证398例，外部验证623例）
15	2025-07-03	optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+) 2025-Jul-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ade2b5 PMID:40490001	研究论文	该研究提出了一种基于生成对抗网络（GAN）的optiGAN模型，用于加速GATE医学物理框架中的光学光子传输模拟，同时保持高建模精度	将GAN模型optiGAN集成到Python版本的GATE 10中，作为传统光学蒙特卡洛模拟的高效替代方案，显著减少了计算时间	研究未提及模型在不同医学成像场景下的泛化能力，以及是否适用于其他类型的粒子模拟	加速光学光子传输模拟，降低计算成本，同时保持高建模精度	GATE医学物理模拟框架中的光学光子传输	医学物理	NA	生成对抗网络（GAN）	GAN	模拟数据	NA
16	2025-07-03	Developing an innovative lung cancer detection model for accurate diagnosis in AI healthcare systems 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03960-2 PMID:40592932	研究论文	提出了一种基于深度学习的集成模型（CNN-GRU）用于肺癌检测，以提高AI医疗系统中的诊断准确性	结合CNN和GRU模型，设计智能模型用于肺癌检测，实现了99.77%的准确率	未提及模型在多样化数据集上的泛化能力	提高AI医疗系统中肺癌检测的准确性	肺癌CT图像	数字病理	肺癌	深度学习	CNN-GRU	图像	未明确提及具体样本数量，但使用了数据增强技术扩大数据集
17	2025-07-03	Hybrid attention transformer integrated YOLOV8 for fruit ripeness detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04184-0 PMID:40592947	研究论文	提出了一种创新的水果识别模型HAT-YOLOV8，结合了混合注意力变换器(HAT)和YOLOV8深度学习算法的优势，用于水果成熟度检测	集成Shuffle Attention (SA)模块以捕捉复杂依赖关系，同时在特征融合阶段引入HAT模块增强长程依赖捕获和细节信息恢复，并使用EIoU损失函数替代CIoU以提高检测精度和加速模型收敛	NA	解决户外果园环境中光照变化和果实簇阴影带来的水果识别和成熟度分类挑战	五种水果品种，每种分为三个不同的成熟度等级	计算机视觉	NA	深度学习	HAT-YOLOV8 (结合Hybrid Attention Transformer和YOLOV8)	图像	包含五种水果品种的数据集，每种有三个成熟度等级
18	2025-07-03	Research on fault diagnosis method for variable condition planetary gearbox based on SKN attention mechanism and deep transfer learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04858-9 PMID:40592955	研究论文	提出了一种基于SKN注意力机制和深度迁移学习的行星齿轮箱变工况故障诊断方法	结合SKN注意力机制和LMMD子域适应，提升变工况下故障特征的提取和识别能力	未明确说明方法在极端工况或噪声干扰下的鲁棒性	解决行星齿轮箱在变工况下故障数据分布不一致导致的诊断精度下降问题	行星齿轮箱的故障数据	故障诊断	NA	深度迁移学习、SKN注意力机制、LMMD子域适应	深度神经网络	振动信号数据	8种变工况任务数据集
19	2025-07-03	A novel edge crop method and enhanced YOLOv5 for efficient wind turbine blade damage detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04882-9 PMID:40592991	research paper	提出了一种新颖的边缘裁剪方法和增强的YOLOv5网络，用于高效检测风力涡轮机叶片损伤	结合边缘裁剪方法和增强的YOLOv5网络，通过自适应裁剪步长和引入全局注意力机制，提高了对小尺寸和变形状叶片损伤的检测精度	方法在复杂背景下的泛化能力未明确讨论，且仅在内蒙古西部收集的数据集上进行了测试	提高风力涡轮机叶片损伤检测的准确性和效率	风力涡轮机叶片	computer vision	NA	深度学习	YOLOv5	image	内蒙古西部收集的风力涡轮机叶片损伤数据集
20	2025-07-03	Clustering cell nuclei on microgrooves for disease diagnosis using deep learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05788-2 PMID:40593025	research paper	该研究利用变分自编码器（VAE）和高斯混合模型（GMM）对微沟槽基底上培养的野生型和层粘连蛋白病相关突变肌母细胞的细胞核进行聚类，以探索图像处理参数对聚类性能的影响	结合深度学习技术与微沟槽基底，实现了基于核形态和变形程度的自动分类，为涉及核变形异常的病理提供了一种简便快速的诊断方法	研究仅针对层粘连蛋白病相关突变和野生型肌母细胞，未涉及其他疾病或细胞类型	评估VAE和GMM在聚类细胞核形态和变形程度方面的能力，探索其在疾病诊断中的应用	野生型肌母细胞和层粘连蛋白病相关突变肌母细胞的细胞核	digital pathology	laminopathies	deep learning, microgroove substrates	VAE, GMM	image	野生型和层粘连蛋白病相关突变肌母细胞的细胞核图像