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
1981	2025-05-17	Leveraging explainable artificial intelligence with ensemble of deep learning model for dementia prediction to enhance clinical decision support systems 2025-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97102-3 PMID:40360623	研究论文	本文提出了一种结合可解释人工智能和优化算法的痴呆症预测与分类模型（LXAIOA-ADPCM），旨在通过深度学习技术提高痴呆症早期检测的准确性	结合了可解释人工智能（XAI）和优化算法，采用集成分类器（BiLSTM、SAE和TCN）进行痴呆症预测，并通过Grad-CAM提供决策过程的透明解释	未提及模型在临床环境中的实际应用效果或跨数据集的泛化能力	开发一种新型算法，通过先进技术提高痴呆症预测的准确性	痴呆症高风险个体	机器学习	老年疾病	深度学习（DL）、机器学习（ML）、裸鼹鼠算法（NMRA）、瞪羚优化算法（GOA）	BiLSTM、SAE、TCN	医疗诊断数据	使用Dementia Prediction数据集进行实验，具体样本量未提及
1982	2025-05-17	Advanced smart assistance with enhancing social interaction and daily activities for visually impaired individuals using deep learning with modified seagull optimization 2025-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99849-1 PMID:40360641	研究论文	本研究提出了一种基于深度学习和改进海鸥优化算法的自动化损伤检测方法，旨在提升视障人士的社交互动和日常活动能力	采用改进的海鸥优化器与集成学习相结合的ADD-MSGOEL方法，用于视障人士周围环境中的损伤和潜在危险检测	NA	提升视障人士的社交生活和日常功能，通过准确检测周围环境中的损伤和潜在危险	视障人士	计算机视觉	NA	深度学习，改进海鸥优化算法，集成学习	LSTM, BiGRU, SAE	图像	使用CODEBRIM数据集进行实验验证
1983	2025-05-17	Revolutionizing sleep disorder diagnosis: A Multi-Task learning approach optimized with genetic and Q-Learning techniques 2025-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01893-4 PMID:40360656	研究论文	本文提出了一种创新的多任务学习卷积神经网络方法，结合遗传算法和Q学习技术，用于基于EEG信号的睡眠障碍诊断	采用部分共享结构的多任务学习CNN模型，结合STFT和CWT生成的时频图像，并使用遗传算法和Q学习优化权重	EEG信号数据集较小且异质性高，可能影响模型泛化能力	开发高效准确的自动化睡眠障碍诊断工具	睡眠障碍患者	机器学习	睡眠障碍	STFT, CWT, 遗传算法, Q学习	多任务学习CNN	EEG信号	26名参与者
1984	2025-05-17	A deep learning sex-specific body composition ageing biomarker using dual-energy X-ray absorptiometry scan 2025-May-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00850-6 PMID:40360687	研究论文	本研究开发并验证了一种基于双能X射线吸收测定法(DXA)扫描的体成分生物年龄指标(BCBA)，用于评估健康状况和预测疾病结果	首次提出基于DXA扫描的体成分生物年龄指标，并证明其在慢性疾病风险预测中的优越性	研究主要基于UK Biobank数据，可能在其他人群中的适用性有待验证	开发可靠的生物标志物来评估疾病风险和进展	UK Biobank参考人群，包括典型和非典型体成分个体、已有疾病患者和DXA成像后发病者	数字病理学	心血管疾病	双能X射线吸收测定法(DXA)	深度学习模型	医学影像	UK Biobank参考人群(具体数量未说明)
1985	2025-05-17	Rethinking femoral neck anteversion assessment: a novel automated 3D CT method compared to traditional manual techniques 2025-May-13, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08697-7 PMID:40361057	research paper	评估一种新型自动化3D CT方法在测量股骨颈前倾角（FNA）中的准确性和可靠性，并与三种传统手动方法进行比较	提出了一种基于深度学习的自动化3D CT方法，用于股骨分割、标志点识别和前倾角计算，与传统手动方法相比具有一致性和可靠性	研究未涉及临床实际应用的验证，且样本量相对较小（126个股骨）	评估自动化3D CT方法在测量股骨颈前倾角中的准确性和可靠性	63例全长CT扫描的126个股骨（35名男性和28名女性，平均年龄52.0±14.7岁）	医学影像分析	骨科疾病	3D CT扫描和深度学习网络	深度学习网络	3D CT图像	126个股骨（来自63例CT扫描）
1986	2025-05-17	Deep learning based on ultrasound images to predict platinum resistance in patients with epithelial ovarian cancer 2025-May-13, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01391-8 PMID:40361149	研究论文	本研究开发并验证了一种基于超声图像的深度学习模型，用于预测上皮性卵巢癌患者对铂类药物的耐药性	首次利用深度学习模型基于超声图像预测上皮性卵巢癌患者的铂类药物耐药性	回顾性研究设计可能引入选择偏倚，且样本量相对有限	开发预测上皮性卵巢癌患者铂类药物耐药性的工具	上皮性卵巢癌患者	数字病理学	卵巢癌	超声成像	深度学习模型	图像	392名2014-2020年间确诊并接受盆腔超声检查的患者
1987	2025-05-17	Generalizable, fast, and accurate DeepQSPR with fastprop 2025-May-13, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01013-4 PMID:40361252	research paper	介绍了一个名为fastprop的软件包和通用的Deep-QSPR框架，结合分子描述符与深度学习，用于分子性质预测	fastprop结合了分子描述符与深度学习，提供了快速、可解释且性能优越的分子性质预测方法	未提及具体的数据集或应用场景限制	开发一个通用的Deep-QSPR框架，用于分子性质预测	分子结构及其目标性质	machine learning	NA	deep learning, QSPR/QSAR	feedforward neural networks	molecular descriptors	从几十到几万个分子不等的数据集
1988	2025-05-17	Automatic deep learning segmentation of mandibular periodontal bone topography on cone-beam computed tomography images 2025-May-13, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105813 PMID:40373868	research paper	评估基于SegResNet的多阶段深度学习模型在自动分割牙周炎患者CBCT图像中的性能	提出了一种多阶段SegResNet深度学习模型，用于自动分割CBCT图像，显著减少了分割时间	模型在牙周区域颊侧的可靠性和一致性有待提高	评估深度学习模型在牙周炎患者CBCT图像分割中的性能	牙周炎患者的CBCT图像	digital pathology	periodontitis	CBCT	SegResNet	image	70例CBCT扫描用于训练和验证，10例独立测试
1989	2025-05-17	Modeling Chemical Reaction Networks Using Neural Ordinary Differential Equations 2025-May-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00296 PMID:40262040	research paper	该论文提出了一种结合动态建模与深度学习的神经常微分方程方法，用于建模化学反应网络	通过神经常微分方程揭示化学反应网络中隐藏的机制，并识别现有经验模型的不足	未提及具体的数据集或实验验证，可能缺乏实际应用的广泛性	改进化学反应网络的建模方法，揭示隐藏的反应机制	化学反应网络及其物种浓度的时间变化	machine learning	NA	神经常微分方程	Neural ODE	化学物种浓度数据	NA
1990	2025-05-17	SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer 2025-May-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107607 PMID:40375420	研究论文	介绍了一种名为SurvGraph的基于图的深度学习网络，用于利用全切片病理图像进行胃癌生存预测	SurvGraph采用混合图构建方法，整合了多种特征类型，并利用多头注意力图网络进行生存预测	NA	提高胃癌患者的生存预测准确性	胃癌患者	数字病理	胃癌	图表示学习	多头注意力图网络	图像	708名胃癌患者，来自三个独立队列
1991	2025-05-17	Towards Precision in Sarcopenia Assessment: The Challenges of Multimodal Data Analysis in the Era of AI 2025-May-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094428 PMID:40362666	综述	本文探讨了人工智能在提高肌肉减少症评估精确度中的潜力，特别是通过整合临床、人体测量和分子数据	利用AI技术整合多模态数据，探索新的生物标志物，以提高肌肉减少症的诊断精确度	需要大规模、标准化的研究来验证AI驱动的生物标志物签名	提高肌肉减少症的诊断精确度和管理效果	肌肉减少症患者	机器学习	老年病	AI、机器学习和深度学习	NA	临床、人体测量和分子数据	NA
1992	2025-05-17	A Multi-Modal Graph Neural Network Framework for Parkinson's Disease Therapeutic Discovery 2025-May-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094453 PMID:40362692	研究论文	本研究整合了大规模蛋白质-蛋白质相互作用网络与多模态图神经网络（GNN），以识别和优先考虑帕金森病（PD）的多靶点药物再利用候选物	采用新颖的功能中心性指数识别PD相互作用组中的关键节点，并利用GNN模型结合分子描述符、网络拓扑和不确定性量化预测候选药物	NA	加速发现帕金森病及其他多因素神经退行性疾病的多靶点疗法	帕金森病（PD）的蛋白质-蛋白质相互作用网络和多靶点药物再利用候选物	机器学习	帕金森病	多模态图神经网络（GNN）	GNN	蛋白质-蛋白质相互作用网络数据、分子描述符	NA
1993	2025-05-17	Research Progress on Data-Driven Industrial Fault Diagnosis Methods 2025-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s25092952 PMID:40363389	review	本文系统回顾了当前主流的工业故障诊断方法，探讨了工业大数据的来源、常用数据集及相关平台构建，并深入分析了数据驱动的故障诊断技术在工业应用中的发展	重点探讨了深度学习算法在故障诊断中的关键作用，以及大数据环境下大型模型在提升诊断智能化和泛化能力方面的潜力	未提及具体实验验证或案例研究，主要集中于理论和方法论的探讨	探讨数据驱动的工业故障诊断方法的研究进展及未来发展方向	工业故障诊断方法及相关技术	machine learning	NA	深度学习算法	大型模型	工业大数据	NA
1994	2025-05-17	Detection of Local Prostate Cancer Recurrence from PET/CT Scans Using Deep Learning 2025-May-06, Cancers IF:4.5Q1 DOI:10.3390/cancers17091575 PMID:40361501	研究论文	本研究利用深度学习技术，基于[F]-PSMA-1007 PET/CT扫描数据，开发了用于检测前列腺癌局部复发的AI模型	通过限制分析区域至膀胱周围并使用不同手术状态下的专门模型，提高了检测准确性	1404例样本量不足，所有模型在训练数据上表现优异但在验证数据上准确率不足，存在过拟合问题	开发基于AI的前列腺癌局部复发检测方法	前列腺癌患者	数字病理	前列腺癌	PET/CT扫描	人工神经网络	医学影像	1404例[F]-PSMA-1007 PET/CT扫描数据
1995	2025-05-17	Multi-Head Attention-Based Framework with Residual Network for Human Action Recognition 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092930 PMID:40363367	研究论文	提出了一种结合残差网络和多头注意力机制的深度学习框架，用于高效且鲁棒的人类动作识别	整合了ResNet-18进行空间特征提取和Bi-LSTM进行时间特征提取，并引入多头注意力机制以增强关键运动细节的优先级，同时提出基于光流的运动帧选择策略以减少冗余并提高效率	NA	开发一个高效且鲁棒的人类动作识别框架，以解决复杂时间模式、类内变异性和类间相似性带来的挑战	人类动作	计算机视觉	NA	光流	ResNet-18, Bi-LSTM, 多头注意力机制	视频	UCF-101数据集
1996	2025-05-17	Multimodal MRI Image Fusion for Early Automatic Staging of Endometrial Cancer 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092932 PMID:40363369	研究论文	本研究利用深度学习和多模态MRI图像融合技术，自动化子宫内膜癌的早期分期，并与放射科医生的诊断性能进行比较	采用Swin transformer模型及其专有的SW-MSA模块进行多平面MRI图像融合，实现了高精度的子宫内膜癌早期自动分类	研究样本量较小（122例患者），且为回顾性研究	开发一种自动化子宫内膜癌早期分期的方法，并评估其诊断性能	122例经病理证实的早期子宫内膜癌患者	数字病理	子宫内膜癌	MRI	Swin transformer	图像	122例患者（68例FIGO IA期，54例FIGO IB期）
1997	2025-05-17	Multiscale Two-Stream Fusion Network for Benggang Classification in Multi-Source Images 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092924 PMID:40363361	研究论文	提出了一种基于多尺度特征和双流融合网络（MS-TSFN）的崩岗分类方法，用于多源图像中的崩岗识别	采用双流融合网络结合注意力机制的特征融合块，实现了多源图像中多尺度特征的深度融合	未提及具体的数据集规模限制或模型泛化能力测试	提高崩岗在多源图像中的识别精度	中国南方丘陵和山区的崩岗	计算机视觉	NA	无人机采集的DOM和DSM数据、Canny边缘检测	ResNeSt、MS-TSFN	多源图像（DOM和DSM）	未明确提及具体样本数量
1998	2025-05-17	Entropy-driven deep learning framework for epilepsy detection using electro encephalogram signals 2025-May-05, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.003 PMID:40334975	研究论文	本文提出了一种结合熵度量和深度学习的新型癫痫检测方法，通过EEG信号实现自动识别	结合多元熵特征（如mvMPE和mvMFE）与ResNet-BiLSTM模型，利用UMAP进行非线性降维，提升了癫痫检测的准确性和鲁棒性	未提及模型在跨中心或不同EEG设备上的泛化性能	开发一种鲁棒且高效的癫痫自动检测方法	癫痫患者的EEG信号	机器学习	癫痫	自适应小波去噪、UMAP降维	ResNet-BiLSTM	EEG信号	NA
1999	2025-05-17	Decoding Poultry Welfare from Sound-A Machine Learning Framework for Non-Invasive Acoustic Monitoring 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092912 PMID:40363349	研究论文	本研究提出了一种结合信号级统计分析与机器学习和深度学习分类器的集成分析框架，用于在福利评估背景下解释鸡的叫声	该研究创新性地将信号级统计分析、机器学习和深度学习分类器相结合，用于非侵入性声学监测家禽福利，并强调了模型的可解释性	研究仅评估了三种互补数据集，可能无法涵盖所有家禽福利相关的声音情况	开发一种可扩展的、基于生物学的实时家禽福利监测工具	鸡的叫声	机器学习	NA	声学监测	Random Forest, HistGradientBoosting, CatBoost, TabNet, LSTM	声音信号	三个互补数据集（健康相关叫声、行为呼叫类型和应激诱导声学反应）
2000	2025-05-17	A Novel 3D Approach with a CNN and Swin Transformer for Decoding EEG-Based Motor Imagery Classification 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092922 PMID:40363359	研究论文	本文提出了一种结合CNN和Swin Transformer的新型端到端解码网络，用于提高基于EEG的运动想象分类的准确性	将EEG信号转换为三维数据结构，结合一维和二维卷积进行时空特征提取，并使用3D Swin Transformer模块进行深度特征探索	方法在不同BCI任务中的适用性及临床实施的潜力有待进一步探索	提高基于EEG的运动想象分类的准确性	脑电图(EEG)信号	脑机接口	肌肉或神经损伤	EEG信号处理	CNN和Swin Transformer	EEG信号	BCI Competition IV-2a数据集