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
3001	2025-04-12	A deep learning based model for diabetic retinopathy grading 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87171-9 PMID:39885230	研究论文	开发了一种基于深度学习的模型RSG-Net，用于糖尿病视网膜病变的分级	提出了一种新的深度神经网络RSG-Net，能够自动进行特征提取，并在多类和二分类任务中表现出色	未提及模型在其他数据集上的泛化能力	开发一个自动化且高效的系统，用于早期检测和准确分级糖尿病视网膜病变的严重程度	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	Messidor-1数据集
3002	2025-04-12	Deep learning-based malaria parasite detection: convolutional neural networks model for accurate species identification of Plasmodium falciparum and Plasmodium vivax 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87979-5 PMID:39885248	research paper	该研究提出了一种基于CNN的模型，用于从厚血涂片中准确分类感染疟原虫（P. falciparum和P. vivax）及未感染的白细胞	该模型通过七通道输入显著提高了疟原虫物种识别的准确性，解决了以往模型难以区分不同疟原虫物种的问题	模型目前尚未在实际质量图像上进行全面测试，且依赖于厚血涂片样本	开发一种高精度的自动化疟疾诊断工具，特别是在缺乏训练有素的显微镜技师的偏远地区	感染P. falciparum和P. vivax的红细胞及未感染的白细胞	digital pathology	malaria	显微镜图像分析	CNN	image	12,954例（训练集）和64,126例（交叉验证）
3003	2025-04-12	Hierarchical image classification using transfer learning to improve deep learning model performance for amazon parrots 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88103-3 PMID:39885290	研究论文	本研究利用迁移学习构建分层分类模型，以提高亚马逊鹦鹉物种分类的深度学习模型性能	通过基于诊断形态特征构建分层分类模型，显著提升了模型在检测和分类亚马逊鹦鹉方面的性能，特别是在形态相似物种间的分类准确性	研究依赖于有限的野生动物数据，尤其是稀有或濒危物种的数据	提高野生动物物种分类的深度学习模型性能，以支持野生种群监测和全球贸易管理	亚马逊鹦鹉物种	计算机视觉	NA	迁移学习	深度学习模型	图像	NA
3004	2025-04-12	Adapting a style based generative adversarial network to create images depicting cleft lip deformity 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86588-6 PMID:39875471	research paper	本研究开发了一个名为CleftGAN的深度学习模型，用于生成大量高质量、多样化的唇裂面部图像	利用StyleGAN作为基础模型，通过迁移学习仅需514张唇裂面部照片即可生成大量逼真图像，并引入新颖的Divergence Index of Normality评估指标	模型训练依赖于有限的唇裂面部照片数据集（仅514张）	开发能够生成大量唇裂面部图像的工具，以解决医疗机器学习中数据稀缺的问题	唇裂面部图像	digital pathology	cleft lip deformity	transfer learning, data augmentation	StyleGAN (GAN)	image	514张唇裂面部照片和70,000张正常面部照片
3005	2025-04-12	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	research paper	本研究评估了通过将人工生成的牙齿植入物图像纳入深度学习过程，使用全景X射线图像优化牙齿植入物分类性能的潜力	利用三维扫描技术生成植入物表面模型，并进一步生成二维X射线图像，结合原始图像创建综合数据集，显著提升了分类模型的性能	研究中仅使用了10种类型的植入物，可能无法涵盖所有商业可用产品的多样性	优化牙齿植入物的识别和分类性能	牙齿植入物的全景X射线图像	digital pathology	dental disease	三维扫描，深度学习	ResNet50	X-ray图像	7,946张体内牙齿植入物图像及人工生成的图像
3006	2025-04-12	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	research paper	该研究探讨了使用卷积神经网络（CNN）来提高植物病害检测的准确性和效率	采用CNN模型自主学习和提取复杂特征，相比传统机器学习方法，准确率达到96%，减少了误报	研究仅针对芒果和花生的叶片病害，可能不适用于其他植物或病害类型	提高植物病害检测的准确性和效率，支持大规模农业管理	芒果和花生的叶片	computer vision	plant disease	image processing, deep learning	CNN	image	芒果和花生叶片样本，来自印度马哈拉施特拉邦的实地采集及在线数据集
3007	2025-04-12	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究利用深度学习和可解释人工智能分析了双重医疗系统使用者与阿片类药物使用障碍风险之间的关系	首次探讨了双重系统使用与人口统计学和临床因素之间的交互作用对阿片类药物使用障碍风险的影响	研究仅限于华盛顿特区和巴尔的摩VA医疗中心的数据，可能无法推广到其他地区	评估双重医疗系统使用对阿片类药物使用障碍风险的影响及其与人口统计学和临床因素的交互作用	856,299名来自华盛顿特区和巴尔的摩VA医疗中心的患者实例(2012-2019年)	医疗健康数据分析	阿片类药物使用障碍	深度神经网络(DNN), 可解释人工智能, 自然语言处理	DNN	临床记录和ICD-9/10诊断数据	856,299名患者实例(其中146,688名(17%)患有阿片类药物使用障碍)
3008	2025-04-12	Development of a handheld GPU-assisted DSC-TransNet model for the real-time classification of plant leaf disease using deep learning approach 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82629-8 PMID:39875383	研究论文	开发了一种基于深度学习的混合模型DSC-TransNet，用于实时分类植物叶片病害	结合VGG19架构特征与transformer编码器块，提高了对叶片图像中复杂空间依赖关系的捕捉能力	NA	为农业提供快速准确的叶片病害识别工具，促进可持续作物生产	葡萄、甜椒和番茄植物的叶片病害	计算机视觉	植物病害	深度学习	DSC-TransNet（结合VGG19和transformer编码器块）	图像	多种数据集（包括葡萄、甜椒和番茄叶片）
3009	2025-04-12	A guide for active learning in synergistic drug discovery 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85600-3 PMID:39875437	研究论文	本文探讨了主动学习在协同药物发现中的关键组成部分，并提供了实施建议	研究发现分子编码对性能影响有限，而细胞环境特征显著提升预测效果，主动学习仅需探索10%的组合空间即可发现60%的协同药物对	研究未提及具体的数据集规模或实验验证的广泛性	优化协同药物组合筛选过程，提高AI在药物发现中的效率	协同药物组合	机器学习	NA	主动学习	深度学习	分子和细胞环境数据	NA
3010	2025-04-12	A pediatric emergency prediction model using natural language process in the pediatric emergency department 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87161-x PMID:39875462	研究论文	本研究利用深度学习和自然语言处理技术开发了一个预测模型，用于识别儿科急诊病例	使用基于KM-BERT框架的深度学习模型和自然语言处理技术，显著提高了急诊病例识别的准确性	研究仅基于韩国一家三级医院的电子病历数据，可能限制了模型的泛化能力	开发一个更精确高效的儿科急诊病例预测模型，以优化医疗资源分配和改善患者预后	儿科急诊病例	自然语言处理	儿科急诊疾病	NLP, DL	KM-BERT, Gradient Boosting	电子病历文本	87,759例儿科病例
3011	2025-04-12	Identifying factors that contribute to collision avoidance behaviours while walking in a natural environment 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88149-3 PMID:39875496	研究论文	研究在自然环境中行走时影响避碰行为的因素	利用深度学习算法在真实环境中分析行人行走轨迹，揭示与实验室研究不同的行为模式	研究仅在一个繁忙的城市路径上进行，可能无法推广到所有自然环境	识别和了解影响行人避碰行为的因素	行人行走行为	行为分析	NA	深度学习算法	NA	视频	繁忙城市路径上的行人行走轨迹
3012	2025-04-12	OCT-based diagnosis of glaucoma and glaucoma stages using explainable machine learning 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87219-w PMID:39875492	research paper	该研究开发了一种基于光学相干断层扫描（OCT）图像的可解释人工智能（XAI）工具，用于青光眼的诊断和分期	利用SHAP-based全局特征排序和部分依赖分析（PDA）开发了一种新型算法，实现了可解释的人工智能工具，提高了诊断的透明度和可信度	研究样本量相对较小（334只正常眼和268只青光眼），可能影响模型的泛化能力	开发一个可解释的人工智能工具，用于青光眼的诊断和分期，以提高临床决策的透明度和准确性	青光眼患者和正常人的OCT图像	digital pathology	glaucoma	optical coherence tomography (OCT)	machine learning (ML) models	image	334只正常眼和268只青光眼（86早期，72中期，110晚期）
3013	2025-04-12	Digital framework for georeferenced multiplatform surveillance of banana wilt using human in the loop AI and YOLO foundation models 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87588-2 PMID:39875516	research paper	该研究开发了一个基于AI的多平台地理参考监测系统，用于提高香蕉枯萎病的检测和管理效率	结合了YOLO系列基础模型和可解释AI技术，并采用人机交互AI提升地面图像模型的预测能力	未提及样本量的具体数字，且不同地区的检测性能存在差异	开发一个高效的香蕉枯萎病监测系统	香蕉枯萎病（包括镰刀菌枯萎病和黄单胞菌枯萎病）	computer vision	植物病害	深度学习	YOLO-NAS, YOLOv8, YOLOv9, Faster-RCNN	image	NA
3014	2025-04-12	Using partially shared radiomics features to simultaneously identify isocitrate dehydrogenase mutation status and epilepsy in glioma patients from MRI images 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87778-y PMID:39875517	研究论文	利用部分共享的放射组学特征从MRI图像中同时识别胶质瘤患者的异柠檬酸脱氢酶（IDH）突变状态和癫痫	探索了IDH突变状态与癫痫发生之间的相关性，并提出了一种基于LASSO的迭代方法选择共享和特定任务的特征，以提高两种模型的性能	研究为回顾性设计，可能受到样本选择偏差的影响，且外部验证数据集仅用于IDH突变状态的识别	提高胶质瘤患者IDH突变状态识别和癫痫诊断模型的性能	II-IV级胶质瘤患者	数字病理学	胶质瘤	放射组学特征提取	LASSO	MRI图像	399名患者（训练集279名，内部测试集120名），外加TCIA多中心数据集的228名患者用于外部验证
3015	2025-04-12	Prompting large language models to extract chemical‒disease relation precisely and comprehensively at the document level: an evaluation study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320123 PMID:40198724	研究论文	评估大型语言模型在文档级化学-疾病关系提取中的精确性和全面性能力	设计了多种提示工程策略的工作流程，以评估LLMs在化学-疾病关系提取中的表现，并分析了提取过程中的内容偏见和错误特征	提示工程策略的效果有限，LLMs在理解生物医学文本的隐含含义方面存在误解	评估大型语言模型在文档级化学-疾病关系提取中的能力	三种大型语言模型（GPT3.5、GPT4.0和Claude-opus）	自然语言处理	NA	提示工程策略	GPT3.5, GPT4.0, Claude-opus	文本	自建数据集
3016	2025-04-12	Ensemble Deep Learning Models for Automated Segmentation of Tumor and Lymph Node Volumes in Head and Neck Cancer Using Pre- and Mid-Treatment MRI: Application of Auto3DSeg and SegResNet 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_21 PMID:40201772	research paper	该研究开发了一种基于SegResNet架构的深度学习管道，用于头颈癌MRI中肿瘤和淋巴结体积的自动分割	集成了Auto3DSeg框架，采用加权多数投票融合多个SegResNet模型的预测结果，实现了治疗前和治疗中MRI的自动分割	治疗中MRI的分割性能有待提高，特别是GTVp的分割效果较差（DSCagg为0.49）	改进放射肿瘤学工作流程，特别是自适应放射治疗中的自动分割技术	头颈癌患者的MRI扫描图像（治疗前和治疗中）	digital pathology	head and neck cancer	MRI	SegResNet	image	NA
3017	2025-04-12	Benchmark of Deep Encoder-Decoder Architectures for Head and Neck Tumor Segmentation in Magnetic Resonance Images: Contribution to the HNTSMRG Challenge 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_15 PMID:40201773	research paper	本文对几种先进的深度学习编码器-解码器架构在头颈部肿瘤磁共振图像分割任务中的表现进行了基准测试	比较了多种最新的分割架构在低数据量和低对比度任务（如头颈部肿瘤MRI分割）中的表现，发现传统残差UNet方法优于其他最新方法	研究仅针对头颈部肿瘤MRI分割任务，结果可能不适用于其他医学图像分割场景	评估不同深度学习架构在头颈部肿瘤MRI分割中的性能	头颈部肿瘤的磁共振图像	digital pathology	head and neck cancer	MRI	UNet, UNETR, SwinUNETR, SegMamba	image	HNTSMRG挑战赛数据集
3018	2025-04-11	Retraction: The use of deep learning algorithm and digital media art in all-media intelligent electronic music system 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321391 PMID:40202926	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3019	2025-04-11	Retraction: Performance for rotor system of hybrid electromagnetic bearing and elastic foil gas bearing with dynamic characteristics analysis under deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321328 PMID:40202933	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3020	2025-04-11	Retraction: Applying Internet information technology combined with deep learning to tourism collaborative recommendation system 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321330 PMID:40202931	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA