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
181	2025-07-04	Proteomic risk scores for predicting common diseases using linear and neural network models in the UK biobank 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06232-1 PMID:40594723	研究论文	利用UK Biobank中的血浆蛋白质组数据，开发了用于预测27种常见疾病的蛋白质组风险评分，并比较了线性模型和神经网络模型的性能	首次大规模应用血浆蛋白质组数据开发疾病风险评分，并比较线性模型和神经网络模型在疾病预测中的表现	研究结果可能受限于UK Biobank参与者的特定人群特征	开发基于血浆蛋白质组的疾病风险预测模型	53,030名UK Biobank参与者的2,923种血浆蛋白质数据	生物信息学	多种常见疾病	血浆蛋白质组学	ElasticNet回归模型和深度神经网络(NN)模型	蛋白质表达数据	53,030名参与者
182	2025-07-04	Identifying artificial intelligence-generated content using the DistilBERT transformer and NLP techniques 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08208-7 PMID:40594720	研究论文	本研究利用DistilBERT transformer和NLP技术识别人工智能生成内容（AIGC）	提出了一种基于DistilBERT transformer的轻量级模型，结合自注意力机制动态权衡文本元素，有效捕捉语言模式，实现了98%的预测准确率	未提及模型在不同语言或多样化文本类型上的泛化能力	确保数字内容的真实性和可信度，防止错误信息和抄袭的传播	人工智能生成内容（AIGC）	自然语言处理	NA	NLP, 词嵌入（GloVe, Fast Text）	DistilBERT, LSTM	文本	未明确提及具体样本数量
183	2025-07-04	An enhanced deep learning model for accurate classification of ovarian cancer from histopathological images 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07903-9 PMID:40594738	研究论文	提出了一种增强的深度学习模型OvCan-FIND，用于从组织病理学图像中准确分类卵巢癌	提出的OvCan-FIND模型在卵巢癌分类上达到了99.74%的准确率，优于现有的多种CNN架构	未提及模型在外部验证集上的表现或临床实际应用中的潜在限制	提高卵巢癌的诊断准确性和分类效率	卵巢癌组织病理学图像	数字病理学	卵巢癌	深度学习	CNN（包括Inception V3、EfficientNet变体、ResNet152V2、MobileNet等）	图像	包含透明细胞型、子宫内膜样型、粘液型、浆液型和非癌性样本的卵巢癌图像数据集
184	2025-07-04	Artificial intelligence derived grading of mustard gas induced corneal injury and opacity 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08042-x PMID:40594758	研究论文	本研究开发了一种基于人工智能的临床分类模型，用于客观评估活兔眼暴露于硫芥后角膜损伤和混浊程度	首次将AI技术应用于活兔化学性角膜损伤的客观分级，结合Mask-RCNN与ResNet50模型实现可靠且一致的损伤评估	研究仅基于401张兔角膜图像，样本量有限且未在人类患者中验证	开发自动化角膜损伤分级方法以减少诊断误差并促进临床前研究的转化应用	硫芥暴露后的活兔角膜	数字病理	角膜损伤	临床立体显微镜成像	Mask-RCNN, CNN (VGG16, ResNet101, DenseNet121, InceptionV3, ResNet50)	图像	401张兔角膜图像
185	2025-07-04	Towards precision agriculture: metaheuristic model compression for enhanced pest recognition 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08307-5 PMID:40594893	研究论文	本文提出了一种基于深度学习的框架，用于准确识别和分类作物病虫害，结合InceptionV3和通道注意力机制，并通过元启发式优化算法降低模型复杂度	结合InceptionV3和通道注意力机制进行特征提取和优化，并引入元启发式优化算法显著降低计算开销而不影响性能	未提及模型在不同作物或环境下的泛化能力	提高作物病虫害识别的准确性和计算效率，以支持精准农业	作物病虫害	计算机视觉	NA	深度学习	InceptionV3	图像	CropDP-181数据集
186	2025-07-04	EmoTrans attention based emotion recognition using EEG signals and facial analysis with expert validation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98404-2 PMID:40594901	研究论文	提出了一种基于EEG信号和面部分析的注意力机制模型EmoTrans，用于情绪识别	整合了EEG信号的时域、频域和小波域特征以及面部视频数据，并引入专家验证提高模型有效性	未提及模型在真实场景中的泛化能力测试	开发更精确的情绪识别方法以促进人机交互和情感计算发展	人类情绪状态（包括愉悦度、唤醒度、支配度和喜好度）	情感计算	NA	EEG信号分析、面部视频分析	注意力机制架构（EmoTrans）	生理信号（EEG）、视频数据	32名受试者的EEG数据（40段电影片段）和22名受试者的面部视频数据
187	2025-07-04	Uncovering subtype-specific metabolic signatures in breast cancer through multimodal integration, attention-based deep learning, and self-organizing maps 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06459-y PMID:40594918	研究论文	本研究通过多模态代谢组学数据整合、基于注意力的深度学习和自组织映射，揭示了乳腺癌亚型特异的代谢特征	结合多平台代谢组学数据，采用基于注意力的深度学习模型进行特征选择，并通过自组织映射分析揭示亚型特异的代谢特征	未提及样本量的具体信息，可能影响结果的泛化性	识别区分乳腺癌亚型的生物标志物	乳腺癌患者的代谢组学数据	数字病理学	乳腺癌	LC-MS, GC-MS, NMR	基于注意力的深度学习模型, 自组织映射(SOM)	代谢组学数据	NA
188	2025-07-04	Enhancing chronic wound assessment through agreement analysis and tissue segmentation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06703-5 PMID:40594951	研究论文	本文提出了一种利用深度学习技术自动进行慢性伤口组织分割的方法，以提高伤口愈合评估的准确性和效率	结合了卷积神经网络DeepLabV3-R50和基于transformer的SegFormer-B0模型，探索了从开放伤口分割模型迁移知识并微调的方法，以及通过后处理操作优化预测结果	任务本身具有复杂性，即使是经验丰富的医疗专业人员也可能在组织边界划分上存在差异	开发自动化方法以有效监测慢性伤口愈合过程	慢性伤口的组织分割和量化	数字病理	慢性伤口	深度学习	CNN (DeepLabV3-R50), transformer (SegFormer-B0)	图像	Wounds数据集
189	2025-07-04	Deep learning-driven drug response prediction and mechanistic insights in cancer genomics 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91571-2 PMID:40595000	研究论文	本研究开发了一个名为DrugS的深度神经网络模型，用于预测癌症细胞对药物的反应，并从基因组角度探索药物反应的分子机制	开发了DrugS模型，利用基因表达和药物测试数据预测药物反应，并揭示了SN-38耐药的潜在分子机制	研究主要基于体外实验和癌症细胞系数据，尚未在临床患者中进行大规模验证	从基因组角度预测癌症药物反应并探索其分子机制	人类来源的癌症细胞系和患者来源的异种移植模型	机器学习	癌症	基因表达和突变数据分析	深度神经网络	基因表达数据和药物测试数据	NA
190	2025-07-04	Interpretable longitudinal glaucoma visual field estimation deep learning system from fundus images and clinical narratives 2025-Jul-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01750-8 PMID:40595009	研究论文	提出了一种基于多模态深度学习系统的青光眼视野预测方法，利用眼底图像和临床文本预测当前及未来的视野情况	首次结合眼底图像和临床文本进行多模态纵向视野预测，并通过热图展示眼底损伤与视力丧失的空间关系	样本量相对有限（1598横向记录和3278纵向记录），且仅使用446条外部测试记录进行验证	开发一种能够预测青光眼患者当前和未来视野的深度学习系统，以提高临床实践效率	青光眼患者的眼底图像和临床文本数据	数字病理学	青光眼	深度学习	MLEDL（多模态纵向估计深度学习系统）	图像（眼底照片）和文本（临床叙述）	1598横向记录、3278纵向记录和446外部测试记录
191	2025-07-04	Deep learning based knowledge tracing in intelligent tutoring systems 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07422-7 PMID:40595046	research paper	本文提出了一种基于深度学习的知识追踪框架，用于智能辅导系统中学生知识状态的建模与预测	采用稀疏注意力技术和生成解码方法，解决了知识追踪中的数据稀疏性问题	未提及具体的数据稀疏性问题的量化分析或与其他方法的详细对比	提高智能辅导系统中知识追踪的准确性和个性化反馈能力	学生在智能辅导系统中的问答交互记录	natural language processing	NA	deep learning, sparse attention techniques, generative decoding	RNN	text	多个真实数据集（未提及具体数量）
192	2025-07-04	Cascade drive: a unified deep learning framework for multi-featured detection and control in autonomous electric vehicles on unstructured roadways 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06567-9 PMID:40595070	研究论文	本文提出了一种名为Cascade drive的统一深度学习框架，用于在非结构化道路上实现自主电动汽车的多特征检测与控制	创新点在于提出了一个统一框架，能够在资源受限的硬件上同时处理车道边界和关键物体，并以6帧/秒的速度运行，同时智能优先考虑安全特性	NA	开发一种可持续的解决方案，支持自主电动汽车在非结构化道路上的无驾驶员操作	自主电动汽车(AEV)在非结构化道路上的运行	机器学习和计算机视觉	NA	深度学习	DeepLabv3+, YOLOv5, YOLOv7	图像数据	NA
193	2025-07-04	An automatic classification of breast cancer using fuzzy scoring based ResNet CNN model 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07013-6 PMID:40595083	研究论文	提出了一种基于模糊评分ResNet CNN模型的乳腺癌自动分类方法	引入了混合深度学习模型FS-Resnet CNN框架，结合模糊评分和AGWOA算法优化网络，提高预测性能并减少时间消耗	未提及具体样本量和数据来源的局限性	开发高效的乳腺癌自动诊断系统	乳腺癌医学影像数据	数字病理	乳腺癌	FDWT, AGWOA	FS-Resnet CNN	医学影像	NA
194	2025-07-04	Automatic cattle identification system based on color point cloud using hybrid PointNet++ Siamese network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08277-8 PMID:40595167	研究论文	提出了一种基于彩色点云和混合PointNet++ Siamese网络的自动牛只识别系统，用于健康监测和管理	采用RGB-D相机捕获彩色点云数据，结合混合检测方法和自定义轻量级跟踪方法，以及基于三元组损失函数的混合PointNet++ Siamese网络，实现了高精度的牛只识别且无需重新训练模型	数据集主要包含荷斯坦奶牛和少量泽西奶牛，可能对其他品种的适用性有限	开发一种高效、准确的牛只识别系统，以支持全面的牛只健康监测	牛只（主要为荷斯坦奶牛和少量泽西奶牛）	计算机视觉	NA	RGB-D相机、点云数据处理、深度学习	混合PointNet++ Siamese网络	彩色点云数据	主要为荷斯坦奶牛和少量泽西奶牛，测试期为13天
195	2025-07-04	Synergizing advanced algorithm of explainable artificial intelligence with hybrid model for enhanced brain tumor detection in healthcare 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07524-2 PMID:40595253	研究论文	本文提出了一种结合可解释人工智能（XAI）和混合模型（DenseNet201与SVM）的先进算法，用于增强脑肿瘤检测	通过整合DenseNet201和SVM，结合多种XAI技术（如Grad-CAM、IG和LRP），提高了脑肿瘤检测的准确性和可解释性	未提及具体的数据集规模或多样性限制，也未讨论模型在其他医疗中心或不同扫描设备上的泛化能力	开发一种高精度且可解释的脑肿瘤检测方法，以支持临床决策	脑肿瘤的MRI扫描图像	数字病理	脑肿瘤	MRI	DenseNet201与SVM的混合模型	图像	NA
196	2025-07-04	Advancements in noise reduction for wheel speed sensing using enhanced LSTM models 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07924-4 PMID:40595304	研究论文	本研究提出了一种增强型LSTM深度学习模型，用于汽车轮速传感器中的鲁棒噪声降低	通过引入注意力机制选择性强调瞬态高噪声帧，保留关键旋转信息，提升了噪声抑制效果	计算成本较高且需要大量标注数据	改进汽车轮速传感器的噪声抑制性能	汽车轮速传感器信号	机器学习	NA	VMD（变分模态分解）, HHT（希尔伯特-黄变换）	增强型LSTM	时序信号数据	NA
197	2025-07-04	The analysis of artificial intelligence-based mobile learning in students' open teaching recommendation system based on deep learning 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08147-3 PMID:40595317	研究论文	本研究旨在通过基于深度学习的AI推荐系统提升学生在移动学习和开放教学中的时间利用效率和学习效果	提出了一种基于深度学习的AI推荐系统，用于优化移动学习和开放教学模式	研究样本仅针对中学生，未涵盖其他年龄段或教育阶段的学生	提升移动学习和开放教学模式下的学生学习效率和学习效果	中学生	教育技术	NA	深度学习	Decision Tree (DT)	学习行为数据	两组中学生
198	2025-07-04	DeepECG-Net: a hybrid transformer-based deep learning model for real-time ECG anomaly detection 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07781-1 PMID:40595316	research paper	提出了一种基于Transformer和CNN的混合深度学习模型DeepECG-Net，用于实时ECG异常检测	结合CNN和Transformer架构，利用多头自注意力机制高效学习ECG信号的局部和全局变化，降低计算开销并提高实时检测能力	未提及具体的数据集来源和多样性，可能影响模型的泛化能力	开发一种高效、低延迟的实时ECG异常检测模型	心电图(ECG)信号	machine learning	cardiovascular disease	深度学习	CNN, Transformer	ECG信号数据	未提及具体样本数量
199	2025-07-04	Hybrid transfer learning and self-attention framework for robust MRI-based brain tumor classification 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09311-5 PMID:40595383	研究论文	提出一种结合迁移学习和自注意力机制的混合模型，用于提高基于MRI的脑肿瘤分类准确率	结合预训练的DenseNet201 CNN模型和Transformer架构，克服计算强度、细节检测和噪声敏感性等挑战，并引入MHSA和SEA模块提升特征表示	未提及具体局限性	提高脑肿瘤诊断的准确性和效率，推动计算机辅助诊断系统的发展	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI	CNN, Transformer	图像	3000张MRI图像（Br35H数据集）
200	2025-07-04	Deep learning of structural morphology imaged by scanning X-ray diffraction microscopy 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97183-0 PMID:40595408	研究论文	本研究利用卷积神经网络NanobeamNN分析扫描X射线显微镜数据，以解决纳米衍射数据分析中的计算挑战	开发了专门用于扫描探针X射线显微镜数据分析的卷积神经网络NanobeamNN，能够直接从模拟衍射中学习晶格应变和旋转角度，并在实验数据上进行预测，无需额外微调	未提及在实际应用中的广泛验证或与其他方法的详细比较	提高纳米衍射数据分析的计算速度和准确性	外延薄膜的纳米衍射数据	计算机视觉	NA	扫描X射线纳米衍射显微镜	CNN	图像	NA