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
2161	2025-05-21	CREATE: cell-type-specific cis-regulatory element identification via discrete embedding 2025-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59780-5 PMID:40382355	research paper	介绍了一种名为CREATE的多模态深度学习框架，用于全面识别和表征细胞类型特异性的顺式调控元件	CREATE基于Vector Quantized Variational AutoEncoder，整合了基因组序列、染色质可及性和染色质相互作用数据，生成离散的CRE嵌入，实现了准确的多类分类和CRE的稳健表征	当前方法主要基于序列，且通常关注单个CRE类型，限制了对其细胞类型特异性功能和调控动态的理解	开发一个深度学习框架，用于识别和表征细胞类型特异性的顺式调控元件，以增进对基因调控机制的理解	顺式调控元件（CREs），包括增强子、沉默子、启动子和绝缘子	machine learning	NA	Vector Quantized Variational AutoEncoder	VQ-VAE	genomic sequences, chromatin accessibility, chromatin interaction data	NA
2162	2025-05-21	A novel hybrid deep learning approach for super-resolution and objects detection in remote sensing 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01476-3 PMID:40382366	研究论文	本文提出了一种结合超分辨率技术和先进特征提取算法的混合深度学习框架，用于遥感图像中的目标检测	结合Advanced StyleGAN和Swin Transformer，通过超分辨率提升图像质量并利用分层注意力机制进行特征提取，显著提高了目标检测的准确性和鲁棒性	未来工作需要优化计算效率，并扩展框架以处理多模态或动态目标检测任务	提高遥感图像中目标检测的准确性和鲁棒性，特别是在低分辨率、复杂背景和遮挡等挑战性条件下	遥感图像中的目标检测	计算机视觉	NA	数据增强、超分辨率技术、特征提取算法	Advanced StyleGAN、Swin Transformer	遥感图像	VEDAI-VISIBLE、VEDAI-IR、RSOD、NWPU VHR-10数据集
2163	2025-05-21	ConsensuSV-ONT - A modern method for accurate structural variant calling 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01486-1 PMID:40382368	研究论文	提出了一种基于共识的自动化算法ConsensuSV-ONT，用于准确检测长读长Oxford Nanopore测序中的结构变异	结合六种独立的结构变异检测工具和卷积神经网络，提供高质量的结构变异检测方法	仅适用于Oxford Nanopore长读长测序数据，未提及其他测序技术的适用性	开发一种自动化工具，用于准确检测长读长测序中的结构变异	Oxford Nanopore长读长测序数据	生物信息学	NA	Oxford Nanopore长读长测序	CNN	测序数据	NA
2164	2025-05-21	Intracranial hemorrhage segmentation and classification framework in computer tomography images using deep learning techniques 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01317-3 PMID:40382387	research paper	提出了一种基于MUNet的颅内出血分割和分类框架（IHSNet），用于在计算机断层扫描图像中成功分割多种类型的出血并分类出血类型	使用MUNet（Multiclass-UNet）构建IHSNet框架，能够同时实现多种颅内出血的分割和分类，分割准确率达到98.53%，分类准确率达到98.71%	未来需要扩展到处理更多医学图像分割问题	开发自动化诊断工具以帮助神经外科医生制定治疗策略，提高生存率	计算机断层扫描（CT）图像中的颅内出血	digital pathology	intracranial hemorrhage	deep learning	MUNet (Multiclass-UNet)	image	NA
2165	2025-05-21	Construction and validation of a pain facial expressions dataset for critically ill children 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02247-w PMID:40382393	研究论文	本研究构建并验证了一个专门针对中国重症儿童疼痛面部表情的大规模数据集PFECIC，并评估了其在深度学习模型中的效用	创建了首个针对中国重症儿童的疼痛面部表情数据集PFECIC，并通过深度学习模型验证了其性能	样本量相对较小（53名儿童），且数据收集时间较短（2022年12月至2023年1月）	自动评估无法沟通的儿童的疼痛程度	重症儿童	计算机视觉	儿科重症	深度学习	CNN（假设用于图像分类）	视频和图像	53名儿童，119个疼痛表情视频和6951张图像
2166	2025-05-21	A self-supervised multimodal deep learning approach to differentiate post-radiotherapy progression from pseudoprogression in glioblastoma 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02026-7 PMID:40382400	研究论文	提出一种自监督多模态深度学习方法，用于区分胶质母细胞瘤放疗后的真实进展与假性进展	利用自监督Vision Transformer编码多序列MR脑部图像，结合临床数据和放疗计划信息，通过跨模态注意力机制提高分类准确性	测试数据集样本量较小(n=20)，可能影响模型泛化能力评估	提高胶质母细胞瘤放疗后真实进展与假性进展的鉴别准确性	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	自监督学习、多模态融合	Vision Transformer (ViT)	MRI图像、临床数据、放疗计划信息	训练集2317例MRI（BraTS2021、UPenn-GBM、UCSF-PDGM），验证集59例（Burdenko），测试集20例（UKER GlioCMV）
2167	2025-05-21	An integrated deep learning model for early and multi-class diagnosis of Alzheimer's disease from MRI scans 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01845-y PMID:40382404	研究论文	提出了一种基于混合深度学习的多分类系统，用于从MRI扫描中早期和多类别诊断阿尔茨海默病	结合改进的DeepLabV3+模型进行病灶分割，采用基于平均相关性和错误概率的新特征选择方法，并使用增强的ResNext模型进行四阶段分类	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挑战	提高阿尔茨海默病的早期检测和分期准确性	阿尔茨海默病患者MRI扫描数据	数字病理学	阿尔茨海默病	MRI	IDeepLabV3+, LeNet-5, EResNext	图像	未明确提及样本数量
2168	2025-05-21	Research on accurate fire source localization and seconds-level autonomous fire extinguishing technology 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01830-5 PMID:40382425	研究论文	本文研究了一种基于视觉信息、热成像形态和热数据的深度学习技术，用于火焰识别、火源精确定位和秒级自主灭火	提出了一种结合视觉信息、热成像形态和热数据的深度学习方法，提高了火焰识别的适应性，实现了厘米级高精度火源定位，并提出了快速自主灭火的水炮火源投影方法	未提及在不同环境条件下的适应性测试，如烟雾、复杂背景等干扰因素下的性能表现	开发一种能够快速准确识别火源并实现秒级自主灭火的技术	消防机器人及其自主灭火技术	计算机视觉	NA	深度学习	NA	图像、热成像数据	测试距离达15米，处理速度约15帧/秒
2169	2025-05-21	A combined model for short-term traffic flow prediction based on variational modal decomposition and deep learning 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98496-w PMID:40382484	研究论文	提出了一种基于变分模态分解和深度学习的组合模型VMD-GAT-MGTCN，用于提高短期交通流量预测的准确性	结合了变分模态分解(VMD)、图注意力网络(GAT)和多门控注意力时间卷积网络(MGTCN)，设计了时空特征模型，以捕捉交通流量的时空特征	未提及模型在极端天气或突发事件等异常情况下的预测性能	提高短期交通流量预测的准确性	交通流量数据	机器学习	NA	变分模态分解(VMD)	GAT, MGTCN	时间序列数据	NA
2170	2025-05-21	Fair ultrasound diagnosis via adversarial protected attribute aware perturbations on latent embeddings 2025-May-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01641-y PMID:40382499	研究论文	提出了一种名为APPLE的新方法，通过在潜在空间中学习公平扰动来减少超声图像诊断中的不公平性	无需改变基础模型的参数，通过生成对抗网络在潜在空间中学习公平扰动，提高了不同敏感属性间的分割和诊断公平性	NA	减少超声图像诊断中的不公平性，促进更公平的医疗系统发展	超声图像中的病变分割	数字病理	NA	生成对抗网络(GAN)	GAN	图像	公开数据集和内部超声图像数据集
2171	2025-05-21	RP-DETR: end-to-end rice pests detection using a transformer 2025-May-17, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01381-w PMID:40382633	research paper	该论文提出了一种基于Transformer架构的水稻害虫检测框架RP-DETR，通过改进模型结构和损失函数，提高了检测精度并减少了参数数量	引入自研的RepPConv-block减少特征提取中的信息冗余，集成Gold-YOLO neck增强多尺度特征融合能力，采用MPDIoU损失函数提升检测性能	未提及模型在复杂田间环境下的泛化能力及实时性表现	开发高效准确的水稻害虫自动检测方法以支持精准农业	水稻作物中的害虫	computer vision	NA	deep learning	Transformer (RP-DETR)	image	自建高质量水稻害虫数据集（具体数量未说明）
2172	2025-05-21	Adaptive debiasing learning for drug repositioning 2025-May-17, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104843 PMID:40389101	research paper	本文提出了一种名为DRDM的去偏学习框架，用于药物重定位任务，通过动态调整关联权重和双视图对比学习来减少数据偏差并增强模型鲁棒性	提出了一种针对药物重定位数据集中节点极化趋势的去偏学习框架DRDM，动态调整关联权重并采用双视图对比学习增强长尾实体表示	研究仅分析了三种常用数据集，可能不适用于其他类型的药物重定位数据	解决药物重定位任务中的数据偏差问题，提高模型对长尾实体的识别能力	药物重定位数据集中的节点（药物和疾病）	machine learning	NA	graph neural network, contrastive learning	GNN	graph data	三种药物重定位数据集
2173	2025-05-21	phyddle: software for exploring phylogenetic models with deep learning 2025-May-14, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf036 PMID:40366771	research paper	介绍了一款名为phyddle的软件，该软件利用深度学习技术探索系统发育模型	phyddle通过无似然深度学习方法处理缺乏易处理似然函数的系统发育模型，填补了标准推断方法的不足	未提及具体局限性	开发一款软件工具，用于利用深度学习技术进行系统发育建模和分析	系统发育树和相关的进化模型	machine learning	NA	深度学习	NA	系统发育树数据	NA
2174	2025-05-21	Differentiable Folding for Nearest Neighbor Model Optimization 2025-May-12, ArXiv PMID:40160447	research paper	本文提出了一种利用可微分折叠技术优化最近邻模型参数的方法，显著提升了RNA二级结构预测的准确性	利用可微分折叠技术直接计算RNA折叠算法的梯度，实现了高效、可扩展且灵活的参数优化方法	未明确提及具体局限性，但可能依赖于已知RNA结构和热力学实验数据的可用性	优化RNA二级结构形成的最近邻模型参数，提高预测准确性	RNA二级结构	computational biology	NA	differentiable folding	Nearest Neighbor model	RNA structures and thermodynamic experiments	≈13,000 thermodynamic parameters
2175	2025-05-21	Deep Learning-Assisted Computer-Aided Diagnosis System for Early Detection of Lung Cancer 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23929 PMID:39887401	research paper	本文提出了一种深度学习辅助的计算机辅助诊断系统，用于早期检测肺癌	提出的模型在准确性和敏感性方面优于现有技术（99.53%的准确性和98.95%的敏感性）	NA	开发一种更有效的计算机辅助诊断系统以早期检测肺癌	肺癌的检测和分类	digital pathology	lung cancer	Binary Grasshopper Optimization Algorithm (BGOA), Fast nonlocal means filter (FNLM)	deep learning	image	NA
2176	2025-05-21	Prenatal Diagnostics Using Deep Learning: A Dual Approach to Plane Localization and Cerebellum Segmentation in Ultrasound Images 2025-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23924 PMID:39901589	research paper	本研究开发了两种深度学习技术，用于通过第五个月超声脑图像进行神经发育障碍的产前预测	提出了两种专门的CNN架构：用于平面定位的差分CNN和用于小脑分割的双CNN，这些架构针对特定任务设计，提高了诊断准确性	研究承认存在某些局限性和挑战	开发深度学习技术用于神经发育障碍的产前预测	第五个月超声脑图像	digital pathology	neurodevelopmental disorder	ultrasound imaging	CNN	image	标注的超声图像数据集
2177	2025-05-21	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	本研究提出了一种结合超声成像和分子检测的多模态深度学习模型，用于提高甲状腺结节的恶性风险分层	通过整合超声成像和分子检测数据，利用互补信息提升恶性风险分层的阳性预测值，同时保持高敏感性	研究受限于单中心数据集、缺乏外部验证以及使用二值化的分子检测输出而非细粒度的恶性风险概率	提高甲状腺结节的恶性风险分层准确性	333名不确定甲状腺结节患者（259例良性，74例恶性）	数字病理	甲状腺结节	下一代测序（NGS）	多模态深度学习模型	超声图像和分子检测数据	333名患者
2178	2025-05-21	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-May-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	探讨了人工智能（AI）在心血管疾病诊断和预后中的新兴应用，包括机器学习和深度学习模型的使用	算法的外部有效性无法保证，结果的可解释性可能存在问题（即“黑箱”问题）	探索人工智能在心血管疾病管理中的潜力和应用	心血管疾病患者，包括高血压、缺血性心脏病和罕见的心肌病等	人工智能在医疗健康中的应用	心血管疾病	机器学习（ML）和深度学习（DL）	人工神经网络	医院数据集、心电图和超声心动图采集数据	NA
2179	2025-05-21	Enhancing perihematomal edema segmentation: integrating prior knowledge with deep learning for enhanced accuracy and interpretability 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2404 PMID:40384678	research paper	该研究提出了一种结合先验知识与深度学习的网络PESE-Net，用于提高颅内血肿周围水肿（PHE）分割的准确性和可解释性	提出PESE-Net网络，通过结合PHE的先验知识与深度学习方法，采用新的特征加权策略协同融合PHE的整体变化特征和空间信息	未提及具体的数据集规模或外部验证结果	提高PHE分割的准确性以增强临床诊断效率和可靠性	自发性颅内出血图像中的PHE区域	digital pathology	cardiovascular disease	deep learning	PESE-Net	image	NA
2180	2025-05-21	Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction 2025-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1933 PMID:40384682	research paper	该研究结合反向双反转恢复（RDIR）和基于人工智能辅助压缩感知（ACS）重建的单次激发暗血快速自旋回波（SS-RDIR）技术，实现了自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估	结合RDIR和ACS重建的SS-RDIR技术显著缩短扫描时间并提高图像质量，优于传统多激发技术	研究样本量较小（20名健康儿童和47名儿科患者），且未提及长期临床效果验证	开发一种自由呼吸下儿童心脏高分辨率运动鲁棒性水肿评估方法	健康儿童和儿科患者的心脏成像	数字病理	心血管疾病	暗血T2加权快速自旋回波（DB-FSE）、反向双反转恢复（RDIR）、人工智能辅助压缩感知（ACS）重建	AI-assisted compressed sensing (ACS)	医学影像	67名受试者（20名健康儿童和47名儿科患者）