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
301	2025-05-20	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-May-18, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实的病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数	提出了一种新的深度学习框架，能够提取真实的病毒SERS光谱并估计浓度系数，从而增强数据集的多样性	研究主要针对水中的病毒样本，虽然在唾液背景中也有测试，但可能在其他复杂生物样本中的适用性有待验证	改进基于SERS的病毒分类和定量方法，提高物种识别和诊断的准确性	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同的呼吸道病毒样本
302	2025-05-20	Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs 2025-May-18, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c00592 PMID:40383929	research paper	该研究探讨了结合深度核学习（DKL）的贝叶斯优化（BO）在材料设计中的应用，以提高高斯过程（GPs）在材料探索中的效率	提出将深度核学习（DKL）与高斯过程（GPs）结合，用于贝叶斯优化（BO），解决了GPs无法自动生成描述符的问题	在寻找具有最高居里温度的合金时，标准GP模型表现优于DKL模型，因为可以直接利用与居里温度强相关的描述符	提高材料探索中贝叶斯优化的效率	氧化物数据集（922个）和混合有机-无机钙钛矿合金（610个）的带隙、离子介电常数和电子有效质量	machine learning	NA	deep kernel learning (DKL), Gaussian processes (GPs), Bayesian optimization (BO)	DKL, GP	material property data	922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys
303	2025-05-20	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-May-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	research paper	开发一种深度学习算法，用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类	使用ResNet变体的深度学习模型，首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类	研究为回顾性设计，外部验证队列样本量较小(85例)	开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断	618例蛛网膜下腔出血患者(305例动脉瘤性，228例非动脉瘤性)	digital pathology	cardiovascular disease	NCCT扫描	ResNet + U-Net++	CT图像	618例患者(训练集533例，外部测试集85例)
304	2025-05-20	Systems and synthetic biology for plant natural product pathway elucidation 2025-May-17, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展	讨论了多种策略如共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物识别，并通过案例研究展示了这些方法在解析复杂途径和增强重要天然产物生产中的应用	未提及具体实验数据或样本量的限制	探索植物天然产物途径的解析和工程化	植物代谢途径和天然产物	合成生物学	NA	共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物识别	深度学习	基因组数据、代谢物数据	NA
305	2025-05-20	Decision support system based on ensemble models in distinguishing epilepsy types 2025-May-17, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110470 PMID:40382997	研究论文	本研究旨在基于EEG结果，利用人工智能模型对患者的局灶性（额叶、颞叶、顶叶、枕叶）、多灶性和全面性癫痫样活动进行分类	结合数据增强和集成AI模型，提出了一种新的决策支持系统，用于癫痫类型的分类，准确率达到98%	研究数据来源于单一医院，可能存在样本选择偏差	分类癫痫类型，为医生提供决策支持	575名癫痫患者	机器学习	癫痫	EEG	MLP, Random Forest, SVM, XGBoost	EEG数据	575名患者
306	2025-05-20	Exploring interpretable echo analysis using self-supervised parcels 2025-May-17, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	本研究探讨了利用自监督学习进行可解释的心脏超声分析，以改善心脏衰竭患者的护理和治疗计划	采用自监督学习方法减少对大量标注数据的依赖，并强调可解释性、鲁棒性和安全性在心脏影像分析中的重要性	需要进一步验证在不同医疗中心和设备上的泛化能力	解决医学影像中标注数据稀缺的问题，提高心脏影像分析的效率和可解释性	心脏超声影像	数字病理	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大规模未标注数据集和公开可用数据集
307	2025-05-20	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发和验证基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床数据和放射组学特征，利用深度学习模型（MoCo-v2）提升子宫内膜癌分子亚型分类的准确性	研究样本量有限（526例患者），未来需要更大数据集进一步验证模型的潜力	开发并验证一种基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI、放射组学特征提取、深度学习（MoCo-v2）	深度学习模型（MoCo-v2）	MRI图像	526例子宫内膜癌患者
308	2025-05-20	Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01063-6 PMID:40379665	research paper	本研究开发并验证了一种基于术前CT图像的深度学习模型，用于预测晚期胃癌患者对转化治疗的临床反应	采用渐进式蒸馏（PD）方法构建深度学习模型，相比基线模型和知识蒸馏（KD）模型表现出更优的性能	需要进一步研究以评估该模型与临床病理参数结合的临床实用性	开发一种非侵入性筛查方法，以识别适合转化治疗的晚期胃癌患者	晚期胃癌患者	digital pathology	gastric cancer	CT imaging	deep learning model (Progressive Distill)	image	140名患者（训练集112名，测试集28名）
309	2025-05-20	Lightweight hybrid transformers-based dyslexia detection using cross-modality data 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01235-4 PMID:40379688	研究论文	提出一种基于轻量级混合Transformer的跨模态数据阅读障碍检测模型	结合SWIN-Linformer、LeViT-Performer和GTNs进行多模态特征提取，并采用DXB分类器与BOHB优化算法提升性能	未说明模型在临床环境中的实际部署效果及跨种族/语言的泛化能力	通过多模态数据实现阅读障碍的早期精准诊断	阅读障碍患者的多模态数据（MRI、EEG、手写图像）	数字病理	神经系统疾病	MRI、EEG、量化感知训练、LIME可解释性分析	SWIN-Linformer+LeViT-Performer+GTNs混合Transformer	多模态数据（影像+信号+图像）	五个公共数据库（未注明具体样本量）
310	2025-05-20	The application of suitable sports games for junior high school students based on deep learning and artificial intelligence 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01941-z PMID:40379705	研究论文	本研究利用深度学习和人工智能技术，开发了一种基于MediaPipe框架的ST-GCN动作检测算法，旨在提高初中生体育活动的动作识别准确性	结合深度学习和人工智能技术，开发了基于MediaPipe框架的ST-GCN动作检测算法，显著提高了动作识别的准确性和长期预测能力	研究仅针对特定运动（如仰卧起坐）进行了验证，未涵盖所有体育活动的动作识别	提高初中生体育教育的教学质量和个性化学习需求	初中生体育活动中的动作表现	计算机视觉	NA	深度学习、人工智能	ST-GCN	视频	HMDB51数据集
311	2025-05-20	Pancreas segmentation using AI developed on the largest CT dataset with multi-institutional validation and implications for early cancer detection 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01802-9 PMID:40379726	research paper	该研究开发了一种基于深度学习的卷积神经网络（CNN），用于在最大单机构CT数据集上进行胰腺分割，并在多机构数据集上进行了验证，以支持早期胰腺癌检测	使用迄今为止最大的单机构CT数据集（n=3031）开发了3D nnU-Net模型，并在多机构AbdomenCT-1K数据集（n=585）上进行了外部验证，展示了模型在不同成像条件下的鲁棒性	虽然模型在多个数据集上表现出色，但未提及在更广泛或更具挑战性的临床环境中的表现	开发一种高精度、全自动的胰腺分割方法，以支持早期胰腺癌检测和胰腺疾病的生物标志物发现	胰腺	digital pathology	pancreatic cancer	deep learning, CT imaging	3D nnU-Net	CT images	3031 CT scans from a single institution, 585 CT scans from multi-institutional AbdomenCT-1K dataset
312	2025-05-20	Multicenter development of a deep learning radiomics and dosiomics nomogram to predict radiation pneumonia risk in non-small cell lung cancer 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02045-4 PMID:40379764	research paper	该研究旨在建立一个结合放射组学、剂量组学和深度学习的模型，以预测非小细胞肺癌患者发生≥2级放射性肺炎的风险	结合放射组学、剂量组学和深度学习特征，构建了深度学习放射组学和剂量组学列线图（DLRDN），提高了预测准确性	研究为回顾性设计，样本量相对较小（245例患者）	提高非小细胞肺癌患者放射性肺炎的预测能力	非小细胞肺癌患者	digital pathology	lung cancer	放射组学、剂量组学、深度学习	DLRDN（深度学习放射组学和剂量组学列线图）	CT图像、剂量测定图像	245例非小细胞肺癌患者（162例来自医院I，83例来自其他两家医院）
313	2025-05-20	Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02299-y PMID:40379807	research paper	提出了一种名为残差自注意力视觉变换器（RS-A ViT）的新方法，用于自动检测获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及区分它们与健康病例	使用残差自注意力模块替代传统的自注意力模块，以提高模型性能，并在视网膜疾病分类中表现出色	未提及具体的数据集规模或模型在其他疾病上的泛化能力	开发一种高精度的自动检测视网膜疾病的深度学习模型	获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及健康病例	digital pathology	geriatric disease	OCT	RS-A ViT	image	结合了两个研究中心收集的AVL数据以及OCT数据集中的玻璃膜疣和正常病例，并应用了数据增强方法
314	2025-05-20	Enhanced effective convolutional attention network with squeeze-and-excitation inception module for multi-label clinical document classification 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98719-0 PMID:40379823	研究论文	提出了一种名为增强型有效卷积注意力网络（EECAN）的新模型，用于多标签临床文档分类，通过结合Squeeze-and-Excitation（SE）Inception模块和注意力机制来提高分类效果	引入了SE Inception模块和EAB-CDC策略，通过自适应重新校准通道特征响应和多层注意力机制来提升特征表示	未提及具体局限性	提高临床文档分类的准确性和效率，以改善患者护理和医疗决策支持	临床文档	自然语言处理	NA	深度学习	EECAN（增强型有效卷积注意力网络）	文本	基准数据集MIMIC-III和MIMIC-III-50
315	2025-05-20	Potato plant disease detection: leveraging hybrid deep learning models 2025-May-16, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06679-4 PMID:40380088	研究论文	本文提出了一种结合EfficientNetV2B3和Vision Transformer (ViT)的混合深度学习模型，用于提高马铃薯植物病害的检测和识别准确率	提出了一种新型的混合深度学习模型EfficientNetV2B3+ViT，结合了CNN和ViT的优势，在马铃薯叶病数据集上取得了比之前研究高11.43%的准确率	NA	提高马铃薯植物病害的检测和识别准确率，以应对全球农业发展中作物病害管理的挑战	马铃薯植物的病害	计算机视觉	植物病害	深度学习	EfficientNetV2B3+ViT	图像	来自'Potato Leaf Disease Dataset'的马铃薯叶片图像数据集
316	2025-05-20	Deep learning health space model for ordered responses 2025-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03026-3 PMID:40380121	研究论文	本文开发了深度学习健康空间模型，用于捕捉复杂的非线性生物关系，并与现有的统计健康空间模型进行了性能比较	提出了五种不同的深度学习健康空间模型，包括四种标准二元深度神经网络和一种考虑因变量有序性的深度序数神经网络	模型性能仅在特定数据集上验证，可能需要更多外部验证	开发能够客观且有意义地可视化个体健康状况的深度学习模型	个体健康状况	机器学习	NA	深度学习	DNN, DONN	健康调查数据	训练集32,140个样本（来自KNHANES），验证集862个样本（来自Ewha-Boramae队列）和3,199个样本（来自KARE项目）
317	2025-05-20	The role of artificial intelligence in occupational health in radiation exposure: a scoping review of the literature 2025-May-16, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-025-01186-3 PMID:40380224	综述	本文综述了人工智能在职业辐射暴露评估、监测、控制和防护中的应用研究	全面回顾了AI在职业辐射暴露管理中的多种应用工具和方法，并识别了当前的研究空白和挑战	需要高质量的训练数据、复杂AI算法的可解释性、与安全标准的对齐、与现有系统的整合以及跨学科专业知识的缺乏	评估人工智能在职业辐射暴露管理中的应用效果和潜力	职业辐射暴露的评估、监测、控制和防护	人工智能应用	辐射相关职业健康	专家系统、机器学习、深度学习等AI模型	多种AI模型	文献数据	59篇符合条件的文章
318	2025-05-20	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-May-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104993 PMID:40381258	research paper	比较分析深度学习在乳腺超声病灶检测和分类中的应用效果	首次探讨了结合病灶检测和分类步骤的影响，并比较了不同方法的效果，同时公开了一个新的乳腺超声分割数据集BUS-UCLM	研究强调了准确识别和分割病灶的复杂性，但未具体说明各方法的计算成本或实时性能	评估不同深度学习方法在乳腺超声图像病灶检测和分类中的性能	乳腺超声图像中的病灶	digital pathology	breast cancer	deep learning	Mask R-CNN, Poolformer	image	新数据集BUS-UCLM及四个公开数据集（BUSI, OASBUD, RODTOOK, UDIAT）
319	2025-05-20	Advancing label-free cell classification with connectome-inspired explainable models and a novel LIVECell-CLS dataset 2025-May-16, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110274 PMID:40381472	research paper	该研究提出了一个名为LIVECell-CLS的新型无标记细胞分类基准数据集，并比较了多种深度学习模型在该数据集上的表现，同时引入了一种基于C.elegans连接组启发的模块来改进分类性能	提出了目前最大的无标记细胞分类基准数据集LIVECell-CLS，并引入了一种基于C.elegans连接组启发的模块来改进分类性能	NA	提高无标记细胞分类的准确性和可解释性	无标记细胞图像	digital pathology	NA	深度学习	ResNets, ViTs, MLP-Mixers, CNN, Swin-Transformers	image	超过160万张图像，涵盖8种不同的细胞系
320	2025-05-20	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-May-16, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	research paper	提出了一种基于涂鸦监督的核分割框架S2L-CM，利用对比正则化和像素级多实例学习来改进分割性能	结合自生成伪标签、多尺度对比正则化和像素级多实例学习，无需完整真实标签即可训练模型	性能仍低于完全监督学习方案	开发一种弱监督学习方法以减少病理核分割中的人工标注需求	组织病理学图像中的核分割	digital pathology	NA	deep learning	CNN	image	四个核数据集