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
2561	2025-05-08	Unlocking the power of AI for phenotyping fruit morphology in Arabidopsis 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae123 PMID:39937596	研究论文	本研究评估了深度学习在拟南芥果实形态表型分析中的有效性，并开发了一个基于实例分割模型的表型分析流程	开发了一个可扩展的流程，用于量化拟南芥果实形态特征，为大规模群体表型分析提供了高质量数据	深度学习在器官水平表型分析的精确性和适应性尚未完全评估	评估深度学习在拟南芥果实形态表型分析中的有效性，并建立表型与基因型变异之间的联系	拟南芥果实形态	计算机视觉	NA	实例分割模型	深度学习	图像	332,194个个体果实
2562	2025-05-08	Recent Advances in Nanomaterial-Based Biosignal Sensors 2025-01, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202405301 PMID:39610205	综述	本文综述了基于纳米材料的生物信号传感器的最新进展，包括其分类、应用、局限性及未来发展方向	将纳米材料（如金属基纳米颗粒、碳基或聚合物基纳米材料）融入生物信号传感器，以提高其适应性，并探讨了深度学习在信号处理和人机界面中的应用潜力	讨论了当前纳米材料基生物信号传感器面临的挑战和改进方向	提供对纳米材料基生物信号传感器的理解，概述技术现状，讨论需解决的挑战，并提出发展方向	生物信号传感器及其在医疗、机器人和可穿戴电子设备中的应用	生物医学工程	NA	纳米材料技术、深度学习信号处理	NA	生物物理信号、生物电信号、生化信号	NA
2563	2025-05-08	Multi-dimensional perceptual recognition of tourist destination using deep learning model and geographic information system 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318846 PMID:39919101	research paper	本研究提出了一种结合深度学习模型和地理信息系统（GIS）的多维度旅游目的地感知识别策略	整合多种用户生成内容（UGC）数据，采用改进的Inception V3模型、带多头注意力的BiLSTM模型和GIS技术，实现了超过97%的识别准确率	实验案例仅聚焦于中国大同的游客感知，可能限制了结果的普适性	提高旅游目的地感知识别的准确性和完整性，支持目的地管理决策和旅游推荐	旅游目的地的多维度感知（内容、情感、时空特征）	自然语言处理	NA	深度学习、GIS	Inception V3、BiLSTM	图像、文本、时空信息	NA
2564	2025-05-08	Advanced retinal disease detection from OCT images using a hybrid squeeze and excitation enhanced model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318657 PMID:39919140	研究论文	提出了一种结合SE块、EfficientNetB0和Xception架构的混合模型，用于从OCT图像中检测视网膜疾病	结合SE块增强网络表征能力，整合EfficientNetB0和Xception架构提升分类性能	未提及模型在临床环境中的实际应用验证	开发基于人工智能的视网膜疾病早期诊断工具	糖尿病性黄斑水肿(DME)、Drusen和脉络膜新生血管(CNV)等视网膜疾病	计算机视觉	视网膜疾病	OCT成像	SE-Enhanced Hybrid Model (结合EfficientNetB0和Xception)	OCT图像	UCSD和Duke的OCT数据集
2565	2025-05-08	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	research paper	本文评估并改进了基于深度学习的纤维追踪工具TractSeg在半球切开术患者中的应用	首次记录了TractSeg在手术断开区域错误重建纤维束的情况，并提出了一种改进方法以提高其在病理数据中的适用性	尽管有所改进，仍建议在临床应用时进行手动质量控制	评估和改进深度学习纤维追踪工具在病理情况下的表现	25名接受半球切开术的癫痫患者和25名健康对照者	digital pathology	epilepsy	deep learning-based tractography	TractSeg	MRI imaging data	25 patients with epilepsy and 25 healthy controls
2566	2025-05-08	Subject-Based Transfer Learning in Longitudinal Multiple Sclerosis Lesion Segmentation 2025 Jan-Feb, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.70024 PMID:39923192	research paper	该研究提出了两种基于迁移学习的流程，用于提高纵向多发性硬化症（MS）数据集中病灶分割的性能	提出了针对每个受试者使用首次扫描进行深度学习模型微调的新方法，显著提升了后续扫描的分割性能	需要每个受试者的首次扫描作为微调基础，可能不适用于缺乏基线扫描的情况	提高纵向多发性硬化症研究中病灶分割的准确性和一致性	多发性硬化症患者的MRI扫描数据	digital pathology	multiple sclerosis	MRI	深度学习模型（具体类型未明确说明）	image	937名MS患者，共3210次扫描
2567	2025-05-08	Enhancing machine learning performance in cardiac surgery ICU: Hyperparameter optimization with metaheuristic algorithm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311250 PMID:39928609	研究论文	本研究通过元启发式算法优化机器学习模型的超参数，提升心脏手术ICU中患者呼吸机需求预测的性能	结合模拟退火(SA)和遗传算法(GA)优化集成模型的超参数，显著提高了模型灵敏度	研究仅针对心脏手术ICU患者，可能不适用于其他类型的ICU患者	优化机器学习模型以更准确地预测ICU患者对呼吸机的需求	心脏手术ICU患者	机器学习	心血管疾病	模拟退火(SA), 遗传算法(GA)	LDA, CatBoost, ANN, XGBoost, 集成模型	临床数据	NA
2568	2025-05-08	Quantitative research on aesthetic value of the world heritage karst based on UGC data: A case study of Huangguoshu Scenic Area 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317304 PMID:39928674	研究论文	基于用户生成内容(UGC)数据和深度学习模型，对世界遗产喀斯特地貌的美学价值进行定量研究，以黄果树风景区为例	首次结合社交媒体的UGC数据、SegFormer深度学习模型、ArcGIS空间分析和自然语言处理技术(NLP)对自然景观美学价值进行定量评估	研究仅针对黄果树风景区，结果可能无法直接推广到其他世界遗产地	量化世界自然遗产地的美学价值	黄果树风景区的景观美学价值	数字景观分析	NA	SegFormer深度学习模型、ArcGIS空间分析、自然语言处理技术(NLP)	SegFormer	图像、文本	NA
2569	2025-05-08	Enhancing PM2.5 prediction by mitigating annual data drift using wrapped loss and neural networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314327 PMID:39932913	research paper	该论文提出两种考虑数据漂移特性的模型，用于PM2.5预测，并通过与多种深度学习模型比较，展示了其优越性	提出Front-loaded connection模型(FLC)和Back-loaded connection模型(BLC)来解决数据漂移问题，并引入包裹损失函数以提高预测准确性	研究仅基于2014-2018年的数据，可能无法涵盖所有潜在的数据漂移情况	提高PM2.5预测的准确性，特别是在存在年度数据漂移的情况下	气象空气质量数据和天气数据	machine learning	NA	统计技术分析年度数据漂移	LSTM, CNN, FLC, BLC	时间序列数据	2014-2018年五年的数据
2570	2025-05-08	Advancements in Viral Genomics: Gated Recurrent Unit Modeling of SARS-CoV-2, SARS, MERS, and Ebola viruses 2025, Revista da Sociedade Brasileira de Medicina Tropical IF:1.8Q3 DOI:10.1590/0037-8682-0178-2024 PMID:39936709	研究论文	该研究使用门控循环单元(GRU)深度学习模型对SARS-CoV-2、SARS、MERS和埃博拉病毒的基因组序列进行全面分析和比较	采用GRU深度学习模型分析多种病毒的基因组序列，揭示其进化动态、传播模式和致病性	未来需要扩展研究更多病毒种类以增强模型的通用性	增强对新兴病毒威胁的理解和应对能力，开发有效的诊断和治疗干预措施	SARS-CoV-2、SARS、MERS和埃博拉病毒的基因组序列	机器学习	病毒感染	基因组测序技术	GRU	基因组序列数据	四种病毒的基因组序列数据
2571	2025-05-08	A novel deep learning-based framework with particle swarm optimisation for intrusion detection in computer networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316253 PMID:39937819	research paper	提出了一种基于深度学习和粒子群优化的新型入侵检测框架	结合PSO进行超参数优化，并优化组合三种预训练网络模型	未提及具体在实际网络环境中的部署效果	提高计算机网络安全中的入侵检测效率和准确性	计算机网络的入侵行为	machine learning	NA	deep learning, particle swarm optimisation (PSO)	DNN	network traffic data	KDDCUP'99, NSL-KDD和UNSW-NB15数据集
2572	2025-05-08	Long duration multi-channel surface electromyographic signals during walking at natural pace: Data acquisition and analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318560 PMID:39937870	research paper	该研究介绍了一个长时间表面肌电信号（sEMG）数据集，记录了31名健康受试者在自然步速行走时的肌肉活动	提供了长时间（几分钟而非几秒）的sEMG信号数据集，支持对肌肉活动变异性的全面分析	研究仅涉及健康受试者，未包括病理条件下的数据	分析行走过程中表面肌电信号的变异性，并验证数据集的可靠性和可用性	31名20至30岁的健康受试者	生物医学工程	NA	表面肌电信号（sEMG）采集	NA	sEMG信号、电测角信号和足地接触信号	31名健康受试者，每名受试者采集10个下肢肌肉的sEMG信号
2573	2025-05-08	Diagnosis of clear cell renal cell carcinoma via a deep learning model with whole-slide images 2025 Jan-Dec, Therapeutic advances in urology IF:2.6Q2 DOI:10.1177/17562872251333865 PMID:40321674	research paper	本研究探讨了使用全切片图像（WSIs）建立深度学习模型诊断透明细胞肾细胞癌（ccRCC）的可行性	利用深度学习模型（CNN和随机森林）结合全切片图像进行ccRCC诊断，提高了诊断准确率和效率	研究样本量相对较小（95名患者），且为回顾性研究，可能存在选择偏差	探索基于深度学习的ccRCC诊断方法的可行性	透明细胞肾细胞癌（ccRCC）患者的病理切片	digital pathology	renal cell carcinoma	whole-slide imaging (WSI)	CNN, random forest	image	95名患者的663张病理切片（506张肿瘤切片和157张正常组织切片）
2574	2025-05-08	An adaptive convolution neural network model for tuberculosis detection and diagnosis using semantic segmentation 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/200628 PMID:40321710	研究论文	本文提出了一种基于语义分割的自适应卷积神经网络模型，用于肺结核的检测和诊断	采用Res-UNet架构进行图像分割，并引入一种新颖的深度学习网络进行分类，以提高诊断的准确性和精确度	研究主要依赖于特定数据集，可能在其他数据集上的泛化能力有限	提高胸部X光图像中肺结核的检测准确性和精确度	胸部X光图像中的肺结核病例和正常对照	计算机视觉	肺结核	深度学习、语义分割、图像分类	Res-UNet、CNN	图像	704张胸部X光图像用于训练，1400张用于测试
2575	2025-05-08	Deep Learning-Based Multiclass Framework for Real-Time Melasma Severity Classification: Clinical Image Analysis and Model Interpretability Evaluation 2025, Clinical, cosmetic and investigational dermatology DOI:10.2147/CCID.S508580 PMID:40322508	研究论文	本研究开发了一种基于深度学习的实时黄褐斑严重程度分类框架，利用临床面部图像进行AI辅助诊断	首次将多种CNN架构应用于黄褐斑严重程度分类，并通过LRP技术增强模型可解释性	仅使用单模态（图像）数据，未整合其他临床指标	开发AI辅助的黄褐斑严重程度自动分类系统	临床诊断的黄褐斑患者面部图像	计算机视觉	黄褐斑	深度学习	CNN（包括GoogLeNet等6种架构）	图像	1368张匿名面部图像
2576	2025-05-08	Semisupervised adaptive learning models for IDH1 mutation status prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321404 PMID:40323991	research paper	提出了一种基于放射组学和粗糙集的半监督自适应深度学习模型，用于从MRI数据预测IDH1突变状态	使用粗糙集算法去除冗余医学图像特征，通过统计T检验为未标记数据添加伪标签，并采用SCSO算法优化伪标签数据权重，构建UCNet分类模型	未明确提及具体局限性	提高胶质瘤IDH1突变状态预测的准确性和医学影像数据利用率	316名胶质瘤患者的术前MRI数据	digital pathology	glioma	MRI, radiomics, rough sets	UCNet (U-Net + CRNN), SCSO	MRI图像	316名胶质瘤患者
2577	2025-05-08	TCN-QV: an attention-based deep learning method for long sequence time-series forecasting of gold prices 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319776 PMID:40324013	research paper	提出了一种结合Temporal Convolutional Networks（TCN）与注意力机制的深度学习模型TCN-QV，用于提高黄金价格预测的准确性	结合TCN与Query和Keys注意力机制，自适应分配权重以提升预测精度	未明确提及具体局限性，但可能涉及模型在更广泛金融数据上的泛化能力	提高黄金价格时间序列预测的准确性	上海黄金价格时间序列数据	machine learning	NA	深度学习，注意力机制	TCN, CNN, RNN	时间序列数据	四个实验数据集，具体样本量未明确
2578	2025-05-08	Introducing TEC-LncMir for prediction of lncRNA-miRNA interactions through deep learning of RNA sequences 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf046 PMID:39927859	研究论文	介绍了一种名为TEC-LncMir的新方法，通过深度学习和Transformer Encoder结合CNN来预测lncRNA-miRNA的相互作用	使用Transformer Encoder和CNN结合的方法，将lncRNA和miRNA序列视为自然语言，并通过接触张量进行特征提取，显著提高了预测性能	未明确提及具体局限性	提高lncRNA-miRNA相互作用预测的性能	lncRNA和miRNA的相互作用	自然语言处理	阿尔茨海默病	深度学习和序列分析	Transformer Encoder和CNN	RNA序列	NA
2579	2025-05-08	G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework 2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.0587-24.2024 PMID:39327003	研究论文	本文开发了一种半监督深度学习计算框架digID，用于预测与阿尔茨海默病相关的基因，并通过蛋白质-蛋白质相互作用网络分析优先考虑这些基因的重要性	提出了一种新的半监督深度学习计算框架digID，用于预测AD相关基因并揭示新的分子机制和治疗靶点	需要进一步的生物学验证来确认计算预测的基因簇作为AD治疗靶点的潜力	研究阿尔茨海默病的致病途径和相关基因，以识别新的治疗靶点	阿尔茨海默病相关基因及其在脑部的表达模式	计算生物学	阿尔茨海默病	半监督深度学习、蛋白质-蛋白质相互作用网络分析、STORM超分辨率显微镜	半监督深度学习分类器	多组学数据、mRNA表达数据、图像数据	转基因小鼠模型（两性）
2580	2025-05-08	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	通过大规模实验量化淀粉样蛋白成核作用，训练可解释的深度学习模型预测蛋白质聚集	利用超过10万条蛋白质序列的实验数据训练卷积-注意力混合神经网络CANYA，显著提高了淀粉样蛋白成核预测的准确性，并提供了模型决策过程的解释	NA	开发能够准确预测蛋白质聚集的计算方法	蛋白质序列及其淀粉样蛋白成核特性	机器学习	NA	深度学习	卷积-注意力混合神经网络（CANYA）	蛋白质序列数据	超过10万条蛋白质序列