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
241	2025-07-24	A deep learning model using endoscopic images for differential diagnosis of intestinal lymphoma 2025-Jul-21, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003723 PMID:40693577	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
242	2025-07-24	Validating community concerns of menstrual changes associated with COVID-19 vaccination using a self-controlled case series analysis of real-world data 2025-Jul-21, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2025.127511 PMID:40695092	研究论文	本研究通过分析社交媒体数据和澳大利亚全科医疗数据集，验证了COVID-19疫苗接种后月经变化的社区关注	结合社交媒体分析和大型真实世界数据集，验证了COVID-19 mRNA疫苗接种后月经变化的短暂增加	研究主要基于澳大利亚的数据，可能无法完全代表其他地区的情况	调查COVID-19疫苗接种后月经变化增加的证据	15-49岁女性在COVID-19疫苗接种后的月经变化	公共卫生	COVID-19	自我对照病例系列分析(SCCS)	深度学习框架VaxPulse	社交媒体数据和医疗记录	70,977条社交媒体帖子及澳大利亚全科医疗数据集中的相关记录
243	2025-07-24	An Improved Diagnostic Deep Learning Model for Cervical Lymphadenopathy Characterization 2025-Jul-21, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.025 PMID:40695688	研究论文	验证基于B型超声的深度学习模型在区分良恶性颈部淋巴结病变中的诊断性能	开发了一种结合卷积神经网络、可变形卷积网络和注意力机制的深度学习模型，显著提高了诊断准确率	样本量相对较小（210例），且为回顾性研究	评估深度学习模型在颈部淋巴结病变良恶性鉴别诊断中的应用价值	210例经病理确诊的颈部淋巴结病变患者	数字病理	颈部淋巴结病变	B型超声	CNN结合可变形卷积网络和注意力机制	超声图像	210例（训练集169例，测试集41例）
244	2025-07-24	DTIP-WINDGRU a novel drug-target interaction prediction with wind-enhanced gated recurrent unit 2025-Jul-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06141-0 PMID:40685357	research paper	本研究开发了一种名为DTIP-WINDGRU的新型药物-靶点相互作用预测模型，结合了Wind增强的GRU单元	提出了DTIP-WINDGRU模型，利用Wind Driven Optimization算法优化GRU超参数，提高了药物-靶点相互作用的预测准确性	模型依赖于数据集的标签质量，且计算复杂度可能较高	提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用数据	machine learning	NA	Wind Driven Optimization (WDO)算法	GRU	药物-靶点相互作用数据	四个数据集
245	2025-07-24	Deep learning optimization of STAR-RIS for enhanced data rate and energy efficiency in 6G wireless networks 2025-Jul-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09774-6 PMID:40685393	研究论文	本文研究了6G无线网络中同时传输和反射的可重构智能表面（STAR-RIS）的性能，通过深度学习和广泛模拟评估了数据速率和频谱能量效率	比较了近被动STAR-RIS（NP-STAR）和主动STAR（ASTAR）与传统近被动RIS（NP-RIS）和主动RIS（ARIS）的性能，揭示了在高干扰环境中NP-STAR配置的优势	研究未充分考虑实际部署中的功率管理和干扰控制问题，且对能量-频谱效率权衡的理解不足	探索STAR-RIS技术在6G无线网络中的应用，优化数据速率和频谱能量效率	6G无线网络中的STAR-RIS技术	无线通信	NA	深度学习（DL）优化	NA	模拟数据	各种系统配置、训练数据集大小和用户位置的广泛模拟
246	2025-07-24	Establishing radar-derived rainfall thresholds for a landslide early warning system: a case study in the Sichuan Basin, Southwest China 2025-Jul-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10464-6 PMID:40685424	研究论文	本研究旨在利用深度学习处理的雷达降雨数据，为四川盆地的滑坡预警系统建立可靠的降雨阈值	结合深度学习处理的雷达降雨数据与频率理论和贝叶斯概率分析方法，确定降雨诱发滑坡的各种超越概率阈值	研究依赖于雷达降雨数据的准确性，且在降雨站点稀疏的山区可能存在数据代表性不足的问题	建立可靠的降雨阈值以增强滑坡预警系统，减少降雨诱发滑坡带来的危害	四川盆地的降雨诱发滑坡	自然灾害预警	NA	深度学习，雷达降雨数据处理，频率理论，贝叶斯概率分析	NA	雷达降雨数据，雨量计测量数据，滑坡数据	NA
247	2025-07-24	Deep learning framework for interpretable supply chain forecasting using SOM ANN and SHAP 2025-Jul-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11510-z PMID:40685434	研究论文	提出一种结合自组织映射(SOM)、主成分分析(PCA)和人工神经网络(ANN)的深度学习框架，用于供应链的预测建模	结合SOM、PCA和ANN的深度学习框架，提高了供应链预测的准确性和可解释性	未提及具体局限性	改进供应链管理中的预测建模，提高运输时间和交付风险的预测准确性	供应链网络	机器学习	NA	SOM, PCA, ANN, SHAP	SOM+ANN	结构化与非结构化数据	DataCo智能供应链数据集及另一个未命名数据集
248	2025-07-24	Accurate deep-learning model to differentiate dementia severity and diagnosis using a portable electroencephalography device 2025-Jul-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12526-1 PMID:40685486	研究论文	本研究提出了一种基于深度学习的便携式脑电图设备方法，用于区分健康志愿者与痴呆相关疾病患者	使用便携式EEG设备和定制的基于transformer的深度学习模型，为痴呆相关疾病的早期检测和分类提供了一种实用工具	样本量相对较小（233名参与者），且未提及模型在其他独立数据集上的验证情况	开发一种可访问、经济高效且非侵入性的诊断工具，用于区分痴呆严重程度和诊断	健康志愿者（HVs）和痴呆相关疾病患者	机器学习	老年病	短时傅里叶变换（STFT）	transformer	EEG信号	233名参与者（119名健康志愿者和114名患者）
249	2025-07-24	Efficient wheat variety identification using Raman hyperspectral imaging in combination with deep learning 2025-Jul-20, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126722 PMID:40694955	研究论文	该研究开发了一种结合拉曼高光谱成像和深度学习的高效、可解释的小麦品种识别方法	提出了一种基于Segment Anything Model的ROI提取框架，并设计了结合化学先验知识选择拉曼特征峰的方法，提高了模型的可解释性	仅针对8种小麦品种进行了验证，尚未在大规模品种上测试	开发高效、可解释的小麦品种识别方法	小麦(Triticum aestivum L.)	计算机视觉	NA	拉曼高光谱成像	Transformer, Segment Anything Model	高光谱图像	8种小麦品种
250	2025-07-24	Machine learning versus clinicians for detection and classification of oral mucosal lesions 2025-Jul-20, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105992 PMID:40695439	研究论文	本研究评估了深度学习模型在检测和分类口腔黏膜病变方面的性能，并与普通牙医和口腔外科专家进行了比较	开发了一个能够区分11类口腔黏膜病变的深度学习模型，其性能与口腔外科专家相当，优于普通牙医	对于某些病变（如角化症）的分类性能较低，模型在检测白斑等病变时的表现也较差	评估深度学习模型在口腔黏膜病变检测和分类中的性能	口腔黏膜病变	计算机视觉	口腔癌	深度学习	YOLOv8	图像	4,079张口腔内照片（训练集3,031张，验证集766张，独立测试集282张）
251	2025-07-24	A deep learning-based prognostic approach for predicting turbofan engine degradation and remaining useful life 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09155-z PMID:40683914	研究论文	提出了一种基于深度学习的预测方法，用于预测涡轮风扇发动机的退化情况和剩余使用寿命	提出了一种结合卷积自编码器和基于注意力的LSTM的混合模型（CAELSTM），用于剩余使用寿命预测，该模型在CMAPSS基准数据集上表现优于现有方法	研究仅使用了CMAPSS数据集中的FD001和FD003子数据集，可能在其他数据集上的泛化能力未经验证	提高涡轮风扇发动机剩余使用寿命的预测准确性，以预防由部件退化引起的航空灾难	涡轮风扇发动机	机器学习	NA	深度学习	CAELSTM（卷积自编码器和基于注意力的LSTM混合模型）	时间序列数据	CMAPSS数据集中的FD001和FD003子数据集
252	2025-07-21	Analyzing social psychological impact on emotional expression through peer communication using crayfish optimization algorithm with deep learning model 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11775-4 PMID:40683924	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
253	2025-07-24	A novel hybrid convolutional and transformer network for lymphoma classification 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11277-3 PMID:40683974	研究论文	提出一种新型混合卷积和Transformer网络（HCTN-LC），用于从全切片图像（WSIs）中精确分类淋巴瘤亚型	结合轻量级SqueezeNet和Vision Transformer（ViT）的双路径架构，引入特征融合与增强模块（FFEM）动态整合局部与全局特征	仅针对三种淋巴瘤亚型（CLL、FL、MCL）进行验证，需扩展至更多亚型以评估泛化能力	提升淋巴瘤亚型分类的精度与可解释性，推动AI驱动的血液病理诊断	全切片图像（WSIs）中的淋巴瘤亚型	数字病理学	淋巴瘤	深度学习	混合CNN-Transformer（HCTN-LC）	图像（WSIs）	包含三种淋巴瘤亚型（CLL、FL、MCL）的大规模WSI数据集
254	2025-07-24	Advancing EEG based stress detection using spiking neural networks and convolutional spiking neural networks 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10270-0 PMID:40683976	研究论文	本文探讨了使用卷积脉冲神经网络（CSNNs）增强脑电图（EEG）信号分类的准确性	采用CSNNs在EEG信号分类中实现了高准确率（98.75%）和F1分数（98.60%），优于传统深度学习和机器学习方法	未提及具体的数据集规模或多样性限制	提高EEG信号分类的准确性和效率，用于神经学诊断和脑机接口（BCI）应用	EEG信号	机器学习	NA	离散小波变换（DWT）用于特征提取	卷积脉冲神经网络（CSNNs）	EEG信号	Physionet EEG数据集，未提及具体样本数量
255	2025-07-24	Racial and ethnic disparities in exposure to short-term NO2 air pollution in California during 1980-2022 2025-Jul-19, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.139309 PMID:40695125	research paper	本研究利用深度学习框架估计了1980年至2022年加利福尼亚州高分辨率NO2浓度，并探讨了不同种族和民族群体在短期NO2暴露中的差异	首次量化了历史时期不同种族和民族群体在短期NO2暴露中的时空差异，填补了环境正义文献的空白	研究依赖于公开可用的地理空间数据和化学传输模型输出，可能受到数据质量和模型精度的限制	探讨加利福尼亚州不同种族和民族群体在短期NO2暴露中的历史差异	加利福尼亚州的种族和民族群体	环境科学	NA	深度学习	NA	地理空间数据	1980年至2022年加利福尼亚州的NO2浓度数据
256	2025-07-24	AI-powered skin spectral imaging enables instant sepsis diagnosis and outcome prediction in critically ill patients 2025-Jul-18, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw1968 PMID:40680113	研究论文	本文提出了一种基于深度学习的自动败血症诊断和死亡率预测方法，利用高光谱成像（HSI）技术	首次将深度学习方法应用于HSI数据，实现快速、非侵入性的败血症诊断和死亡率预测	研究样本量相对有限（480名ICU患者），且性能提升依赖于额外临床数据	开发一种快速、非侵入性的败血症诊断和预后预测方法	重症监护病房（ICU）患者	数字病理学	败血症	高光谱成像（HSI）	神经网络	图像	480名ICU患者的手掌和手指HSI数据
257	2025-07-24	Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings 2025-Jul-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60898-9 PMID:40681510	研究论文	提出了一种名为Bering的图深度学习模型，用于在2D和3D空间转录组数据中联合进行噪声感知细胞分割和分子注释	利用转录共定位关系进行联合细胞分割和注释，通过转移学习和自蒸馏提高新数据的分割准确性	未提及具体的数据集或样本限制	提高空间转录组学中细胞分割和注释的准确性	2D和3D空间转录组数据	空间转录组学	NA	图深度学习	图深度学习模型	空间转录组数据	NA
258	2025-07-24	A multimodal dataset for training deep learning models aimed at detecting and analyzing sleep apnea 2025-Jul-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05583-8 PMID:40681588	研究论文	开发了一个用于训练深度学习模型的多模态数据集，旨在检测和分析睡眠呼吸暂停	整合了多导睡眠图（PSG）设备和同步音频记录的数据，并由专业医疗人员严格注释，确保数据的准确性和可靠性	未提及具体的数据集规模或多样性限制	为睡眠呼吸暂停综合征领域的深度学习模型开发和应用提供公开、标准化和高质量的数据资源	睡眠呼吸暂停综合征患者	数字病理学	睡眠呼吸暂停综合征	多导睡眠图（PSG）和音频记录	深度学习模型	多模态数据（生理信号和音频）	NA
259	2025-07-24	Spiner, deep learning-based automated detection of spiral ganglion neurons in intact cochleae 2025-Jul-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112929 PMID:40687827	研究论文	该论文介绍了一种基于深度学习的自动化方法Spiner，用于在完整耳蜗中检测螺旋神经节神经元（SGNs）	引入了胶原酶处理以增强抗体染色均匀性，并采用深度学习对象检测模型Spiner在大型3D数据集中定位和计数SGNs	研究主要针对猪和沙鼠耳蜗中的I型SGNs，可能不适用于其他类型或物种	改进对螺旋神经节神经元（SGNs）群体的理解及其在听力损失中的作用	完整耳蜗中的螺旋神经节神经元（SGNs）	数字病理学	听力损失	组织透明化和光片荧光显微镜	深度学习对象检测模型	3D图像数据	猪和沙鼠的耳蜗样本
260	2025-07-24	Integrative habitat analysis and multi-instance deep learning for predictive model of PD-1/PD-L1 immunotherapy efficacy in NSCLC patients: a dual-center retrospective study 2025-Jul-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01828-5 PMID:40676504	研究论文	本研究通过整合栖息地放射组学和多实例深度学习，预测非小细胞肺癌患者对PD-1/PD-L1免疫治疗的持久临床获益	结合栖息地分析和多实例深度学习构建预测模型，并整合患者年龄因素，优于传统的PD-L1表达状态和水平预测	研究为回顾性双中心设计，样本量有限，外部验证队列规模较小	预测非小细胞肺癌患者对PD-1/PD-L1免疫治疗的持久临床获益	590名接受PD-1/PD-L1抑制剂治疗的非小细胞肺癌患者	数字病理	肺癌	放射组学分析，多实例深度学习	DenseNet121, Extra-Trees分类器	医学影像	590名患者（训练队列375名，内部验证161名，外部测试54名）