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
2141	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
2142	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
2143	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
2144	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
2145	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
2146	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
2147	2025-05-06	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	research paper	本研究旨在开发一种基于机器学习算法的数据驱动预测模型，用于预测埃塞俄比亚6-23个月儿童的肺炎风险并分层分析其决定因素	使用随机森林算法预测肺炎并分层其决定因素，准确率达到91.3%，为相关健康干预提供了个性化依据	研究仅基于2016年的数据，未使用深度学习算法，可能影响预测准确性的进一步提升	开发预测模型以降低儿童肺炎发病率和死亡率	埃塞俄比亚6-23个月大的儿童	machine learning	pneumonia	machine learning algorithms	random forest	demographic and health survey data	2035名儿童样本
2148	2025-05-06	Optimizing stroke lesion segmentation: A dual-approach using Gaussian mixture models and nnU-Net 2025-May-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110221 PMID:40318493	research paper	本研究评估了GMM和nnU-Net在识别中风体积治疗相关变化中的有效性	首次系统评估了GMM和nnU-Net在检测治疗引起的中风体积变化方面的可靠性，而不仅仅是分割准确性	nnU-Net仅基于手动分割训练时无法检测到显著的治疗引起的中风体积减少，可能导致假阴性结果	评估两种分割方法在中风体积治疗相关变化检测中的效果	中风病灶分割	digital pathology	cardiovascular disease	Gaussian Mixture Models, nnU-Net	GMM, nnU-Net	image	NA
2149	2025-05-06	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-May-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	研究论文	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部风险器官的自动分割	提出了一种新型深度学习模型MIAU-Net，并评估了其在虚拟单色图像上的分割性能，优于现有方法	研究样本量较小（46名患者），且仅针对头部风险器官进行分割	提高基于双能CT的自动分割准确性	头部风险器官（如脑干、视交叉、晶状体、下颌骨、眼睛和视神经）	数字病理	NA	双能CT（DECT）	MIAU-Net	医学影像	46名患者的DECT数据
2150	2025-05-06	Deep Learning-enhanced Opportunistic Osteoporosis Screening in Ultralow-Voltage (80 kV) Chest CT: A Preliminary Study 2025-May-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.062 PMID:40318972	研究论文	探讨利用深度学习增强的80 kV胸部CT扫描进行骨质疏松筛查的可行性	首次使用深度学习在超低电压80 kV胸部CT中实现全自动骨密度测量	研究样本量相对有限，且仅针对特定电压的CT扫描	评估深度学习在骨质疏松筛查中的应用效果	987名接受80 kV胸部CT和120 kV腰椎CT扫描的患者	数字病理学	骨质疏松症	定量CT (QCT)	3D VB-Net, SCN, DenseNet, ResNet	CT图像	987名患者，分为训练集、验证集和测试集
2151	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
2152	2025-05-06	IR-MBiTCN: Computational prediction of insulin receptor using deep learning: A multi-information fusion approach with multiscale bidirectional temporal convolutional network 2025-May-02, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143844 PMID:40319974	研究论文	提出了一种基于深度学习和多信息融合的计算方法IR-MBiTCN，用于预测胰岛素受体	首次将多尺度双向时间卷积网络(MBiTCN)应用于胰岛素受体的预测，结合多种特征融合方法，显著提高了预测准确率	模型在测试集上的准确率为79.43%，仍有提升空间	开发一种可扩展、高效的胰岛素受体预测计算方法，替代传统实验方法	胰岛素受体(IR)	机器学习	癌症和神经系统疾病	W-GDPC, FastText, BB-PSSM	MBiTCN	序列数据	NA
2153	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
2154	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)
2155	2025-04-17	Molecular endotypes and theratypes in osteoarthritis: transforming a concept into reality with deep learning and multiomics 2025-May, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2025.03.009 PMID:40234175	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2156	2025-05-06	Evaluation of minor labial salivary gland focus score in Sjögren's disease using deep learning: a tool for more efficient diagnosis and future tissue biomarker discovery 2025-May, Journal of autoimmunity IF:7.9Q1 DOI:10.1016/j.jaut.2025.103418 PMID:40262321	research paper	利用深度学习评估小唇唾液腺焦点评分，以提高干燥综合征的诊断效率和未来组织生物标志物的发现	采用基于注意力的深度学习二分类模型评估小唇唾液腺活检的阳性情况，克服了观察者内偏差和观察者间变异性	研究仅使用了H&E染色的小唇唾液腺活检样本，未涉及其他染色方法或更大规模的样本验证	提高干燥综合征的诊断效率和探索未来组织生物标志物	小唇唾液腺活检样本	digital pathology	Sjögren's disease	H&E染色	attention-based deep learning binary classification model	image	271个小唇唾液腺活检样本（153个FS < 1，118个FS ≥ 1）
2157	2025-05-06	Phytophagous, blood-suckers or predators? Automated identification of Chagas disease vectors and similar bugs using convolutional neural network algorithms 2025-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107621 PMID:40288198	research paper	该研究评估了三种卷积神经网络（AlexNet、MobileNetV2和ResNet-50）在识别按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）方面的性能	首次使用深度学习技术自动识别恰加斯病媒介昆虫及其类似昆虫，并通过Grad-CAM可视化预测影响最大的图片区域	数据集规模相对较小（707张图片），且仅使用背部视角图片	开发一种自动识别恰加斯病媒介昆虫的可靠工具，以改善疾病监测和控制	按食性分类的昆虫（'吸血'、'植食性'和'捕食性'）	computer vision	Chagas disease	transfer learning, Grad-CAM	CNN (AlexNet, MobileNetV2, ResNet-50)	image	707张背部视角昆虫图片
2158	2025-05-06	Deep Learning Model of Primary Tumor and Metastatic Cervical Lymph Nodes From CT for Outcome Predictions in Oropharyngeal Cancer 2025-May-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.8094 PMID:40310642	研究论文	开发并验证了一种基于CT的深度学习分类器，整合原发肿瘤和淋巴结特征，以预测p16+口咽鳞状细胞癌的预后	首次结合原发肿瘤和转移性颈部淋巴结的影像特征，开发了多区域成像风险评分（SwinScore），用于预测p16+口咽鳞状细胞癌的生存结果	研究为回顾性设计，可能受到选择偏倚的影响，且外部验证队列的时间跨度较长	预测p16+口咽鳞状细胞癌的预后，并识别可能从化疗中获益的I期患者	p16+口咽鳞状细胞癌患者	数字病理	口咽鳞状细胞癌	CT扫描	Swin Transformer	影像数据	811名p16+口咽鳞状细胞癌患者
2159	2025-05-06	Digital Staining with Knowledge Distillation: A Unified Framework for Unpaired and Paired-But-Misaligned Data 2025-May-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3565329 PMID:40310741	research paper	提出了一种基于知识蒸馏的无监督深度学习框架，用于数字细胞染色，减少了对大量配对数据的需求	通过知识蒸馏和混合非参考损失，减少了配对数据的需求，并提出了针对未配对和配对但未对齐数据的两种训练方案	实验数据集可能有限，未提及在其他类型细胞或组织上的泛化能力	开发一种减少配对数据需求的数字细胞染色方法	细胞图像，特别是白细胞（WBC）数据集	digital pathology	NA	knowledge distillation, deep learning	teacher-student model	image	未明确提及具体样本数量，但使用了白细胞（WBC）数据集
2160	2025-05-06	LLM-guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis 2025-May-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3566105 PMID:40310742	研究论文	提出了一种基于LLM引导的解耦概率提示方法（LDPP），用于医学图像诊断中的持续学习	引入了专家知识生成模块（EKG）和解耦概率提示池（DePP），通过LLM获取专家知识并构建共享的概率提示池，动态提供多样化和灵活的输入图像描述	未明确提及具体限制，但可能涉及LLM生成知识的准确性和提示池的动态调整效率	解决动态临床环境中新疾病出现时的持续学习问题，提升医学图像诊断模型的性能	医学图像诊断模型	数字病理	NA	持续学习（CL）、提示调优（PT）	LLM-guided Decoupled Probabilistic Prompt (LDPP)	医学图像	未明确提及具体样本量