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	2025-04-27	Using deep learning models to decode emotional states in horses 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95853-7 PMID:40269006	研究论文	本研究探索了使用深度学习模型预测马匹情绪状态的方法	创建了两个新的数据集（裁剪身体和裁剪头部数据集），并在裁剪头部数据集上取得了最佳预测效果，准确率达到87%	裁剪头部数据集缺少尾部等重要区域，这些区域通常被专家用于标注	预测骑乘马匹的情绪状态	马匹	计算机视觉	NA	监督学习、迁移学习、微调	CNN、Yolo、Faster R-CNN	图像	NA
302	2025-04-27	PoulTrans: a transformer-based model for accurate poultry condition assessment 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98078-w PMID:40269017	研究论文	提出了一种基于Transformer的模型PoulTrans，用于准确评估家禽状况	结合CNN与CSA_Encoder-Transformer架构，引入Channel Spatial Memory-Guided Transformer (CSMT)和新型PS-Loss函数，优化多级注意力并提升状态描述的语义精度	未提及模型在实时应用中的性能或计算资源需求	开发直观的决策支持工具，提升家禽状况评估的准确性	家禽图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	PSC-Captions数据集
303	2025-04-27	Ambiguity-aware semi-supervised learning for leaf disease classification 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95849-3 PMID:40269031	research paper	提出一种模糊感知的半监督学习方法，用于叶片病害分类，通过消除模糊结果提高伪标签精度	引入基于病害的模糊拒绝算法，提升伪标签精度，从而在半监督学习中减少对全标注数据的依赖	方法仅在咖啡和香蕉叶片病害数据集上验证，未涉及其他作物或病害类型	开发一种半监督学习方法，减少叶片病害分类中对全标注数据的依赖	咖啡和香蕉叶片的病害图像	computer vision	plant disease	semi-supervised learning	CNN	image	两个公共叶片病害数据集（咖啡和香蕉），标注数据比例从50%到100%不等
304	2025-04-27	Metaparameter optimized hybrid deep learning model for next generation cybersecurity in software defined networking environment 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96153-w PMID:40269039	研究论文	本文提出了一种基于混合深度学习模型和二进制独角鲸优化器的软件定义网络安全新方法，用于防御DDoS攻击	结合了混合深度学习模型（CNN-BiGRU-AM）和二进制独角鲸优化器（BNO），并利用海鸥优化算法（SOA）进行超参数调优，提高了检测系统的效率和鲁棒性	未提及该方法在其他类型网络攻击或不同网络环境中的适用性	开发一种可扩展且有效的解决方案，以保护SDN环境免受DDoS攻击	软件定义网络（SDN）中的DDoS攻击	机器学习	NA	深度学习、特征选择、超参数优化	CNN-BiGRU-AM、BNO、SOA	网络数据	未明确提及样本数量，使用DDoS SDN数据集
305	2025-04-27	Improved food image recognition by leveraging deep learning and data-driven methods with an application to Central Asian Food Scene 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95770-9 PMID:40269053	research paper	该论文通过深度学习和数据驱动方法改进食物图像识别，并应用于中亚食物场景	开发了一个大规模高质量的中亚食物场景数据集，用于食物定位和检测，解决了现实场景中多食物物品的识别问题	NA	改进食物图像识别技术，以支持高效的数字化食物记录、智能餐厅和超市等应用	中亚食物场景中的多食物物品	computer vision	NA	deep learning, data-driven methods	YOLOv8xl	image	21,306张图像，涵盖239种食物类别，69,856个实例
306	2025-04-27	Frame points attention convolution for deep learning on point cloud 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97388-3 PMID:40269085	研究论文	本文提出了一种名为帧点注意力卷积（FPAC）的新型三维空间卷积算子，用于处理点云数据	FPAC通过注意力机制量化输入局部点与预定义帧点之间的相关性，并动态生成空间连续滤波器，无需依赖生成模型或概率假设	NA	解决点云数据在深度学习中的处理难题	点云数据	计算机视觉	NA	注意力机制	FPAC	点云	广泛使用的数据集
307	2025-04-27	A hybrid segmentation and classification CAD framework for automated myocardial infarction prediction from MRI images 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98893-1 PMID:40269099	研究论文	提出一种用于从MRI图像中自动预测心肌梗死的计算机辅助诊断（CAD）框架，结合分割和分类技术	采用并行和串行两种方法进行分割和分类，并引入了混合CNN-ViT模型，显著提高了分类准确率	未提及在更大或更多样化的数据集上的验证，可能影响模型的泛化能力	开发一个自动化系统，用于心肌梗死的早期诊断和准确分类	MRI图像中的心肌梗死区域	数字病理学	心血管疾病	MRI成像	ResU-Net, CNN, ViT	图像	EMIDEC MRI数据集，使用五折交叉验证
308	2025-04-27	Research on underwater disease target detection method of inland waterway based on deep learning 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98570-3 PMID:40269127	研究论文	针对内河水道水下病害目标检测精度低和泛化能力差的问题，设计了一种基于改进YOLOv5的水下病害目标检测算法YOLOv5-GBCE	采用BiFPN加强特征融合提高小目标识别精度，引入CA模块分配注意力资源减少水下复杂背景干扰，使用EIoU作为框损失函数加速网络收敛，并采用Ghost卷积网络降低模型复杂度	NA	提高内河水道水下病害目标的检测精度和泛化能力	内河水道水下病害目标	计算机视觉	NA	深度学习	YOLOv5-GBCE（改进的YOLOv5）	图像	项目组收集的水下病害数据集（具体数量未提及）
309	2025-04-27	Anomaly detection in cropland monitoring using multiple view vision transformer 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98405-1 PMID:40269174	research paper	提出了一种基于多视角视觉变换器的农田异常检测方法，用于低空农业监测	采用具有独特注意力机制的视觉变换器模型，并在异常检测中表现出优越性能	未来计划整合热成像、红外或激光雷达传感器数据，并优化深度学习流程以减少计算复杂度	开发一种高效的农田异常检测系统，提升低空农业监测的安全性	农田图像数据，包括正常和异常情况	computer vision	NA	深度学习，视觉变换器	vision transformer	image	大量正常和异常农田图像
310	2025-04-27	A noval RUL prediction method for rolling bearing: TcLstmNet-CBAM 2025-Apr-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98845-9 PMID:40269223	research paper	提出了一种名为TcLstmNet-CBAM的新型滚动轴承剩余使用寿命预测方法，结合了TCN和LSTM网络以及CBAM模块以提高预测精度	结合TCN提取长期时间依赖和高级空间特征，LSTM捕捉短期时间依赖和序列关系，并引入CBAM模块对关键特征进行多维加权	未提及方法在更广泛数据集或实际工业环境中的泛化能力	提高滚动轴承剩余使用寿命预测的准确性	旋转机械系统中的滚动轴承	machine learning	NA	TCN, LSTM, CBAM	TcLstmNet-CBAM	时间序列数据	PHM2012和XJTU-SY滚动轴承数据集
311	2025-04-27	Machine learning assessment of zoonotic potential in avian influenza viruses using PB2 segment 2025-Apr-23, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11589-8 PMID:40269678	研究论文	本研究开发了两种互补的方法，用于评估禽流感病毒的跨种传播潜力，重点关注PB2片段的适应性	结合回归模型和SHAP值分析，开发了一个全面的风险评估框架，能够识别和排名与跨种传播潜力相关的关键残基和突变	研究仅关注PB2片段，可能忽略了其他病毒片段对跨种传播潜力的影响	评估禽流感病毒的跨种传播潜力，开发一个基于PB2序列的全面风险评估框架	禽流感病毒（特别是来自禽类的A型流感病毒）的PB2片段	机器学习	禽流感	回归分析，SHAP值分析	随机森林回归模型，深度学习架构	序列数据	NA
312	2025-04-27	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-Apr-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	meta-analysis	比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能	首次系统性地比较了机器学习模型与逻辑回归模型在预测PCI后多种结果（如死亡率、MACE、院内出血和急性肾损伤）中的表现	机器学习研究存在高偏倚风险，且模型解释复杂，可能影响其在临床环境中的适用性	比较机器学习与传统统计方法在预测PCI结果中的性能差异	经皮冠状动脉介入治疗（PCI）后的多种临床结果	machine learning	cardiovascular disease	NA	machine learning, logistic regression	clinical data	59项研究
313	2025-04-27	Torg-Pavlov ratio qualification to diagnose developmental cervical spinal stenosis based on HRViT neural network 2025-Apr-23, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08667-z PMID:40269821	research paper	开发基于HRViT神经网络的自动测量Torg-Pavlov比率（TPR）的深度学习模型，用于诊断发育性颈椎管狭窄（DCSS）	首次提出使用HRViT神经网络自动测量TPR，减少了主观影响并提高了处理速度	研究仅基于中国无症状人群的X射线图像，可能不适用于其他人群或更复杂的病例	开发自动测量TPR的深度学习模型，并建立中国无症状人群的TPR分布	1623张正常个体的颈椎侧位X射线图像	digital pathology	developmental cervical spinal stenosis	X-ray imaging	HRViT	image	1623张颈椎侧位X射线图像（训练集1466张，测试集157张）
314	2025-04-27	Global trends in artificial intelligence research in anesthesia from 2000 to 2023: a bibliometric analysis 2025-Apr-23, Perioperative medicine (London, England) DOI:10.1186/s13741-025-00531-x PMID:40270031	研究论文	通过文献计量分析，探讨2000年至2023年麻醉学领域人工智能研究的全球趋势和热点	首次对麻醉学领域的人工智能研究进行全面的文献计量分析，识别研究热点和未来方向	仅基于Web of Science Core Collection数据库的英文文献，可能遗漏其他语言或数据库的重要研究	分析麻醉学领域人工智能研究的全球发展趋势和热点	2000年至2023年发表的英文文章和综述	人工智能在医学中的应用	NA	文献计量分析	NA	文献数据	从Web of Science Core Collection数据库中检索的相关文献
315	2025-04-27	Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates 2025-Apr-22, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2025.106915 PMID:40274133	research paper	本研究利用EEG微状态动态和深度学习模型，区分帕金森病(PD)的不同运动亚型，并探索其脑网络动态变化	首次将EEG微状态动态的空间变异性与电极位置数据结合，开发深度学习模型以高精度区分PD运动亚型	研究样本可能有限，且未探讨其他潜在影响因素	理解PD不同运动亚型的脑网络动态差异，以改进个性化治疗策略	震颤主导型(TD)和姿势不稳/步态困难型(PIGD)PD患者及健康对照	digital pathology	geriatric disease	EEG微状态分析	深度学习模型	EEG信号	未明确说明样本量，但包含PD-TD、PD-PIGD患者和健康对照
316	2025-04-27	Advancements in artificial intelligence for the diagnosis and management of anterior segment diseases 2025-Apr-22, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001150 PMID:40279352	review	本文综述了人工智能在前段眼病诊断和管理中的最新进展及其潜力	利用AI技术（包括机器学习和深度学习模型）提高前段眼病的诊断准确性和治疗个性化	数据多样性不足和模型可解释性问题	探讨AI在前段眼病诊断和管理中的应用及其对临床实践的潜在影响	前段眼病（如角膜疾病、屈光手术、白内障、结膜疾病等）	machine learning	anterior segment diseases	machine learning, deep learning, generative AI	deep learning models	imaging data, clinical information	NA
317	2025-04-27	OrgaMeas: A pipeline that integrates all the processes of organelle image analysis 2025-Apr-21, Biochimica et biophysica acta. Molecular cell research DOI:10.1016/j.bbamcr.2025.119964 PMID:40268058	research paper	介绍了一个名为OrgaMeas的高通量图像分析流程，用于精确测量细胞器的形态和动态	整合了两个基于深度学习的工具OrgaSegNet和DIC2Cells，实现了细胞器的精确分割和单个细胞的自动ROI设置	未提及具体的技术限制或应用场景的限制	开发一个低成本、易用的图像分析流程，用于细胞器形态和动态的研究	细胞器的形态和动态	digital pathology	NA	deep learning-based image analysis	OrgaSegNet, DIC2Cells	image	NA
318	2025-04-27	A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T 2025-Apr-21, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121202 PMID:40268259	research paper	提出了一种基于条件变分自编码器（CVAE）的生成模型，用于在5 T磁场下生成广义B1不均匀性校正的化学交换饱和转移（CEST）MRI图像	使用CVAE生成模型从单次CEST采集数据中生成B1不均匀性校正的Z谱，克服了传统方法需要多B1水平数据采集的限制，并提高了对其他B1水平的泛化能力	研究仅在数值模拟和健康人脑成像中进行了验证，尚未在临床患者数据中广泛测试	开发一种能够广泛适用于不同B1水平的B1不均匀性校正方法，以促进定量CEST MRI在临床常规中的应用	化学交换饱和转移（CEST）MRI图像	医学影像处理	NA	CEST MRI	CVAE	MRI图像	数值模拟和健康人脑成像数据
319	2025-04-27	Reconstruction of highly and extremely aberrated wavefront for ocular Shack-Hartmann sensor using multi-task Attention-UNet 2025-Apr-18, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110394 PMID:40254120	研究论文	本研究提出了一种使用多任务注意力UNet（HR-HDR-SHUNet）对高度和极度像差的眼Shack-Hartmann传感器波前进行重建的方法	引入了多任务学习方案，用于高分辨率和高动态范围的Shack-Hartmann波前重建，同时输出波前图和Zernike系数	NA	准确记录高度像差眼睛中的可解释波前	具有不同高阶像差（HOA）水平的大型数据集	计算机视觉	眼科疾病	Shack-Hartmann传感器	Attention-UNet	波前图	三个大型数据集
320	2025-04-27	Assessing the risk of takeover catastrophe from large language models 2025-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.14353 PMID:38945529	research paper	本文对大型语言模型（LLMs）引发的接管灾难风险进行了分析	首次针对实际AI系统（而非假设的未来系统）引发的接管灾难风险进行探讨，特别关注了如ChatGPT和GPT-4等现有LLMs	分析基于当前LLMs的能力，未来LLMs的发展可能存在不确定性，且专家对深度学习算法的根本限制存在分歧	评估大型语言模型（LLMs）是否具备引发极端接管灾难的能力	大型语言模型（LLMs），如ChatGPT和GPT-4	natural language processing	NA	NA	LLM (Large Language Model)	text	NA