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
2261	2025-05-13	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	research paper	利用AI基础模型分析HPV阳性头颈部鳞状细胞癌的组织病理学特征	使用UNI基础模型和HistoXGAN生成对抗网络，首次系统性地识别并描述了HPV阳性HNSCC的组织学特征及其变异性模式	研究依赖于合成图像的分析，可能无法完全反映真实组织样本的所有复杂性	揭示HPV阳性头颈部鳞状细胞癌的组织病理学特征，并开发基于组织学的HPV状态预测方法	981例头颈部鳞状细胞癌患者的H&E染色切片	digital pathology	head and neck squamous cell carcinomas	self-supervised learning (SSL), generative adversarial network (GAN)	UNI, HistoXGAN	image	981例HNSCC患者
2262	2025-05-13	Explainable deep learning models for predicting water pipe failures 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124738 PMID:40054363	研究论文	本研究提出了一种利用深度学习算法预测水管故障的新方法，并通过优化模型超参数和数据缩放提升预测性能	首次将Deep Neural Networks (DNN)、Convolutional Neural Networks (CNN)和TabNet应用于水管故障预测，并结合贝叶斯优化(BO)和数据缩放技术优化模型性能	研究仅基于香港地区的水管网络数据，可能在其他地区的适用性有待验证	开发可解释的深度学习模型来预测水管网络中泄漏和爆裂的概率	水管网络中的管道	机器学习	NA	贝叶斯优化(BO)、Copeland算法、SHapley Additive exPlanations (SHAP)	DNN、CNN、TabNet	结构化数据	香港水管网络数据
2263	2025-05-13	Bayesian uncertainty estimation of adsorption closure models in the computational simulation of contaminant transport 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124708 PMID:40054364	research paper	研究吸附闭合模型在污染物传输计算模拟中的贝叶斯不确定性估计	采用嵌入式贝叶斯误差方法来理解吸附等温线在描述污染物吸附中的限制，并提出深度学习替代模型	吸附闭合模型参数需满足特定地球化学条件，使用需谨慎	评估污染物传输模型中吸附闭合模型的不确定性影响	污染物在多孔介质中的吸附过程	computational simulation	NA	Bayesian error approach, deep learning surrogate	probabilistic error model, deep learning surrogate	simulation data	NA
2264	2025-05-13	Determining the Importance of Lifestyle Risk Factors in Predicting Binge Eating Disorder After Bariatric Surgery Using Machine Learning Models and Lifestyle Scores 2025-Apr, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-025-07765-0 PMID:40045153	研究论文	本研究评估了生活方式风险因素与腹腔镜袖状胃切除术后两年暴食症发生的关系，并比较了不同机器学习模型的预测效果	首次结合生活方式评分和多种机器学习模型评估术后暴食症风险因素	样本量有限（450人），仅针对特定手术类型患者	评估生活方式风险因素对减重手术后暴食症发生的预测作用	接受腹腔镜袖状胃切除术的患者	机器学习	暴食症	机器学习建模	LG, KNN, DT, RF, SVM, XGBoost, ANN	临床问卷数据	450名术后2年患者
2265	2025-05-13	Development of a deep learning-based model to evaluate changes during radiotherapy using cervical cancer digital pathology 2025-Mar-24, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf004 PMID:40051384	研究论文	开发了一种基于深度学习的模型，用于评估宫颈癌放疗期间的变化，并在全切片图像上可视化结果	结合DenseNet121和支持向量机，开发了一种新的分类模型，用于评估宫颈癌放疗前后的活检变化，并可视化结果	生存分析未能显示放疗状态概率（RSP）在治疗期间的预后影响	创建一种深度学习模型，用于评估宫颈癌放疗期间的变化，并探索其临床意义	95名接受放疗的宫颈癌患者的活检样本	数字病理学	宫颈癌	深度学习	DenseNet121 + SVM	图像	95名患者的18,400个切片（12,400个用于训练，6,000个用于测试）
2266	2025-05-13	DeepMVD: A Novel Multiview Dynamic Feature Fusion Model for Accurate Protein Function Prediction 2025-Mar-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02216 PMID:40053671	研究论文	提出了一种名为DeepMVD的新型深度学习模型，用于通过动态融合多视图特征来提高蛋白质功能预测的准确性	DeepMVD模型通过专门模块提取各视图的独特特征，并利用自适应融合机制进行最优整合，显著提升了预测精度	现有研究未能有效利用蛋白质序列中反映的多层次属性特征，这限制了蛋白质描述的丰富性，从而影响了高精度蛋白质功能预测	提高蛋白质功能预测的准确性	蛋白质序列	机器学习	NA	深度学习	DeepMVD	蛋白质序列数据	CAFA4数据集
2267	2025-05-13	A deep learning lightweight model for real-time captive macaque facial recognition based on an improved YOLOX model 2025-Mar-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2024.296 PMID:40049662	research paper	该研究提出了一种名为ACE-YOLOX的轻量级面部识别模型，用于实时识别圈养猕猴	ACE-YOLOX在YOLOX框架中集成了Efficient Channel Attention (ECA)、Complete Intersection over Union loss (CIoU)和Adaptive Spatial Feature Fusion (ASFF)，提高了预测精度并降低了计算复杂度	NA	开发一种轻量级面部识别模型，用于实时识别圈养猕猴，以促进生物医学研究和动物福利	圈养猕猴	computer vision	NA	深度学习	ACE-YOLOX (改进的YOLOX模型)	image	179,400张标记的面部图像，来自1,196只猕猴
2268	2025-05-13	Deep Learning Enhanced Near Infrared-II Imaging and Image-Guided Small Interfering Ribonucleic Acid Therapy of Ischemic Stroke 2025-03-18, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c18035 PMID:40042964	研究论文	本文开发了一种新型的NIR-II纳米颗粒平台YWFC NPs，用于增强siRNA穿过血脑屏障的递送，并结合深度学习优化NIR-II成像，以治疗缺血性中风	开发了YWFC NPs纳米颗粒平台，结合深度学习优化NIR-II成像，实现了siRNA的高效递送和图像引导治疗	研究仅在MCAO小鼠模型中进行，尚未进行临床验证	开发一种能够高效递送siRNA并优化NIR-II成像的治疗缺血性中风的策略	缺血性中风小鼠模型	数字病理学	缺血性中风	NIR-II成像，siRNA递送	深度学习神经网络	图像	MCAO小鼠模型
2269	2025-05-13	Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay 2025-03-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c14913 PMID:40017424	研究论文	介绍了一种名为dCRISTOR的新型数字分子诊断技术，通过整合dCas9工程微电机、无提取环介导等温扩增（LAMP）、低成本明场显微镜和深度学习图像处理，实现了高灵敏度和特异性的HIV-1 RNA检测	dCRISTOR技术无需荧光读出、吸光度测量或昂贵的制造过程，通过dCas9工程微电机和CNN-MOT算法实现了高精度的数字病毒RNA检测	样本量较小（21例加标血浆和9例临床患者样本），需要进一步扩大验证	开发一种低成本、高灵敏度的数字病毒RNA检测技术，用于即时诊断（POC）应用	HIV-1 RNA	数字病理	HIV感染	无提取环介导等温扩增（LAMP）、深度学习图像处理	CNN	图像	21例加标血浆和9例临床患者样本
2270	2025-05-13	A review of urban heat island mapping approaches with a special emphasis on the Indian region 2025-Mar-08, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13810-3 PMID:40055272	综述	本文对全球城市热岛（UHI）测绘方法进行了批判性回顾，特别关注印度地区及基于AI的方法	特别强调印度地区及AI方法在城市热岛测绘中的应用	主要关注印度地区，可能缺乏对其他地区的深入分析	提高城市热岛效应测绘和监测的准确性，以改善生活质量	城市热岛效应及其测绘方法	机器学习	NA	机器学习和深度学习算法	NA	NA	NA
2271	2025-05-13	A prediction model for the risk of developing mild cognitive impairment in older adults with sarcopenia: evidence from the CHARLS 2025-Mar-08, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-025-02980-2 PMID:40055290	research paper	开发了一种深度学习模型，用于预测患有肌肉减少症的老年人发生轻度认知障碍的风险	利用机器学习和深度学习技术，结合CHARLS数据，构建了一个预测模型，并开发了在线工具	样本量相对较小，且仅基于中国健康与养老追踪调查（CHARLS）的数据	开发一个准确的预测模型，用于筛查肌肉减少症患者的轻度认知障碍风险	570名患有肌肉减少症的患者	machine learning	geriatric disease	machine learning, deep learning	deep learning	clinical data	570 patients with sarcopenia from CHARLS
2272	2025-05-13	Development and validation of computer-aided detection for colorectal neoplasms using deep learning incorporated with computed tomography colonography 2025-Mar-08, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03742-0 PMID:40055612	研究论文	本研究开发并验证了结合深度学习与CT结肠造影的计算机辅助检测系统，用于结直肠肿瘤的诊断	采用基于faster R-CNN的神经网络结构检测结直肠病变，并通过整合两个位置的评估提高了AI算法的敏感性	外部验证数据量相对较小（137例患者），且未详细说明不同机构间数据质量的差异性	提升CT结肠造影图像中结直肠肿瘤病变的检测敏感性	结直肠肿瘤病变	数字病理	结直肠癌	CT结肠造影	faster R-CNN	医学影像	训练及内部验证数据453例患者（来自日本多中心试验），外部验证数据137例患者（来自其他两家机构）
2273	2025-05-13	Leveraging YOLO deep learning models to enhance plant disease identification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92143-0 PMID:40055410	research paper	利用YOLO深度学习模型增强植物病害识别	引入YOLOv3和YOLOv4模型进行水果植物病害识别，YOLOv4表现出更低的复杂度、更快的速度和更高的精确度	数据不平衡、症状变异性、实时性能和高昂的标注成本可能影响准确性和采用率	提高植物病害早期识别的准确性和效率，以支持精准农业保护	健康的桃子和草莓叶子，以及受细菌性斑点病影响的桃子叶子和受焦枯病影响的草莓叶子	computer vision	plant disease	YOLO deep learning model	YOLOv3, YOLOv4	image	来自公开可访问的Plant Village数据集的数据
2274	2025-05-13	Hybrid neural network method for damage localization in structural health monitoring 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92396-9 PMID:40055427	研究论文	本文提出了一种基于数值数据的混合RNN-CNN模型，用于结构健康监测中的损伤定位	创新性地将RNN层与CNN结合，降低了模型复杂性和参数数量，同时保留了空间信息	准确率78.9%，略低于传统CNN模型	探索更高效的结构损伤检测方法	大型结构中的裂缝	机器学习	NA	混合神经网络	RNN-CNN混合模型	数值数据	NA
2275	2025-05-13	Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91825-z PMID:40050339	研究论文	本研究利用基于ResNet-50的深度学习技术，通过面部图像预测儿童营养不良	使用ResNet-50深度学习模型的内置快捷连接解决基于图像的梯度消失问题，提高了训练效率，并在预测营养不良方面达到了98.49%的准确率	未提及模型在不同种族或地区儿童中的泛化能力，以及实际部署中的可行性	简化儿童营养不良的预测过程，减少对多种手动诊断测试和定期医疗专家访问的需求	5岁以下儿童的面部图像	计算机视觉	营养不良	图像分割技术	ResNet-50	图像	未明确提及具体样本数量
2276	2025-05-13	Creating a retinal image database to develop an automated screening tool for diabetic retinopathy in India 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91941-w PMID:40050377	研究论文	本文描述了在印度建立大规模视网膜图像数据库以开发糖尿病视网膜病变自动筛查工具的方法	通过多机构合作建立大规模视网膜图像数据库，并开发基于AI的成本效益高且稳健的诊断工具	需要大量高分辨率眼底图像和专业眼科医生提供可靠的地面真实数据	开发糖尿病视网膜病变的自动筛查工具，以应对全球筛查挑战	糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	深度学习	DL	图像	大规模视网膜图像数据库（具体数量未提及）
2277	2025-05-13	Hybrid feature optimized CNN for rice crop disease prediction 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92646-w PMID:40050403	research paper	提出了一种混合生物启发算法（Hybrid WOA_APSO）结合CNN，用于水稻作物病害预测，以提高诊断准确性和效率	结合了自适应粒子群优化（APSO）和鲸鱼优化算法（WOA）的混合算法，优化了特征选择，提升了CNN的分类准确性	虽然模型在实验中表现出色，但计算复杂度可能较高，且需要更多样化的数据集验证其泛化能力	提高水稻作物病害的准确识别和预测，以减少农业损失并提升作物生产效率	水稻作物的病害叶片图像	computer vision	rice crop disease	Hybrid WOA_APSO algorithm, CNN	CNN	image	使用基准数据集Plantvillage进行实验
2278	2025-05-13	Leveraging swin transformer with ensemble of deep learning model for cervical cancer screening using colposcopy images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90415-3 PMID:40050635	研究论文	本文提出了一种结合Swin Transformer和深度学习集成模型的宫颈癌筛查技术，用于阴道镜图像的分类和检测	结合Swin Transformer和三种深度学习模型（AE、BiGRU、DBN）的集成学习，并使用POA算法进行超参数调优	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高宫颈癌筛查的准确性和效率	阴道镜图像	计算机视觉	宫颈癌	深度学习	Swin Transformer, AE, BiGRU, DBN	图像	NA
2279	2025-05-13	Knowledge-guided diffusion model for 3D ligand-pharmacophore mapping 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57485-3 PMID:40050649	研究论文	本文提出了一种名为DiffPhore的知识引导扩散框架，用于实时3D配体-药效团映射，旨在推动AI辅助的药效团引导药物发现技术	DiffPhore利用配体-药效团匹配知识引导配体构象生成，并通过校准采样减轻迭代构象搜索过程的暴露偏差，实现了在预测配体结合构象方面的最先进性能	NA	推动AI辅助的药效团引导药物发现技术	3D配体-药效团对	药物发现	NA	扩散模型	DiffPhore	3D配体-药效团对	两个自建数据集
2280	2025-05-13	Automatic detecting multiple bone metastases in breast cancer using deep learning based on low-resolution bone scan images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92594-5 PMID:40050676	研究论文	提出了一种基于低分辨率骨扫描图像的深度学习框架，用于自动检测乳腺癌多发性骨转移	首次针对乳腺癌低分辨率骨扫描图像的特点，设计了插件式位置辅助提取模块、特征融合模块和基于自注意力变换器的目标检测头	研究为回顾性研究，且仅在特定医院的私有数据集和公开数据集上验证	开发一个统一的框架，用于检测基于低分辨率全身骨扫描图像的多发性密集骨转移	乳腺癌骨转移患者的全身骨扫描图像	数字病理	乳腺癌	深度学习	基于自注意力变换器的目标检测头	图像	512名乳腺癌骨转移患者（来自北京协和医院）和公开数据集BS-80K（来自华西医院）