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
361	2025-05-13	Continuous nursing symptom management in cancer chemotherapy patients using deep learning 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92762-7 PMID:40055437	research paper	评估深度学习平台在化疗患者症状管理中的效果，旨在提高其生活质量	使用深度学习平台进行化疗患者的持续症状管理，显著减少焦虑和抑郁并改善生活质量	非随机对照试验可能引入选择偏差	评估深度学习平台在化疗患者症状管理中的效果	144名化疗患者	digital pathology	cancer	deep learning	NA	clinical data	144名化疗患者（干预组72名，对照组72名）
362	2025-05-13	Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91825-z PMID:40050339	研究论文	本研究利用基于ResNet-50的深度学习技术，通过面部图像预测儿童营养不良	使用ResNet-50深度学习模型的内置快捷连接解决基于图像的梯度消失问题，提高了训练效率，并在预测营养不良方面达到了98.49%的准确率	未提及模型在不同种族或地区儿童中的泛化能力，以及实际部署中的可行性	简化儿童营养不良的预测过程，减少对多种手动诊断测试和定期医疗专家访问的需求	5岁以下儿童的面部图像	计算机视觉	营养不良	图像分割技术	ResNet-50	图像	未明确提及具体样本数量
363	2025-05-13	Creating a retinal image database to develop an automated screening tool for diabetic retinopathy in India 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91941-w PMID:40050377	研究论文	本文描述了在印度建立大规模视网膜图像数据库以开发糖尿病视网膜病变自动筛查工具的方法	通过多机构合作建立大规模视网膜图像数据库，并开发基于AI的成本效益高且稳健的诊断工具	需要大量高分辨率眼底图像和专业眼科医生提供可靠的地面真实数据	开发糖尿病视网膜病变的自动筛查工具，以应对全球筛查挑战	糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	深度学习	DL	图像	大规模视网膜图像数据库（具体数量未提及）
364	2025-05-13	Hybrid feature optimized CNN for rice crop disease prediction 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92646-w PMID:40050403	research paper	提出了一种混合生物启发算法（Hybrid WOA_APSO）结合CNN，用于水稻作物病害预测，以提高诊断准确性和效率	结合了自适应粒子群优化（APSO）和鲸鱼优化算法（WOA）的混合算法，优化了特征选择，提升了CNN的分类准确性	虽然模型在实验中表现出色，但计算复杂度可能较高，且需要更多样化的数据集验证其泛化能力	提高水稻作物病害的准确识别和预测，以减少农业损失并提升作物生产效率	水稻作物的病害叶片图像	computer vision	rice crop disease	Hybrid WOA_APSO algorithm, CNN	CNN	image	使用基准数据集Plantvillage进行实验
365	2025-05-13	Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56505-6 PMID:40050617	研究论文	提出了一种名为HiPaS的深度学习方法，用于在非对比CT和CTPA上实现肺动脉和静脉的精确分割	HiPaS方法首次实现了在非对比CT上进行肺动脉和静脉的精确分割，无需使用对比剂	NA	开发一种更安全、更广泛的肺动脉和静脉分割方法，用于疾病诊断和手术规划	肺动脉和静脉的解剖结构	数字病理学	肺血管疾病	深度学习	CNN	CT图像	1073个CT扫描用于训练，11,784名参与者用于大规模分析
366	2025-05-13	Leveraging swin transformer with ensemble of deep learning model for cervical cancer screening using colposcopy images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90415-3 PMID:40050635	研究论文	本文提出了一种结合Swin Transformer和深度学习集成模型的宫颈癌筛查技术，用于阴道镜图像的分类和检测	结合Swin Transformer和三种深度学习模型（AE、BiGRU、DBN）的集成学习，并使用POA算法进行超参数调优	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高宫颈癌筛查的准确性和效率	阴道镜图像	计算机视觉	宫颈癌	深度学习	Swin Transformer, AE, BiGRU, DBN	图像	NA
367	2025-05-13	Knowledge-guided diffusion model for 3D ligand-pharmacophore mapping 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57485-3 PMID:40050649	研究论文	本文提出了一种名为DiffPhore的知识引导扩散框架，用于实时3D配体-药效团映射，旨在推动AI辅助的药效团引导药物发现技术	DiffPhore利用配体-药效团匹配知识引导配体构象生成，并通过校准采样减轻迭代构象搜索过程的暴露偏差，实现了在预测配体结合构象方面的最先进性能	NA	推动AI辅助的药效团引导药物发现技术	3D配体-药效团对	药物发现	NA	扩散模型	DiffPhore	3D配体-药效团对	两个自建数据集
368	2025-05-13	Automatic detecting multiple bone metastases in breast cancer using deep learning based on low-resolution bone scan images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92594-5 PMID:40050676	研究论文	提出了一种基于低分辨率骨扫描图像的深度学习框架，用于自动检测乳腺癌多发性骨转移	首次针对乳腺癌低分辨率骨扫描图像的特点，设计了插件式位置辅助提取模块、特征融合模块和基于自注意力变换器的目标检测头	研究为回顾性研究，且仅在特定医院的私有数据集和公开数据集上验证	开发一个统一的框架，用于检测基于低分辨率全身骨扫描图像的多发性密集骨转移	乳腺癌骨转移患者的全身骨扫描图像	数字病理	乳腺癌	深度学习	基于自注意力变换器的目标检测头	图像	512名乳腺癌骨转移患者（来自北京协和医院）和公开数据集BS-80K（来自华西医院）
369	2025-05-13	A novel hybrid CNN-transformer model for arrhythmia detection without R-peak identification using stockwell transform 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92582-9 PMID:40050678	research paper	提出了一种新型混合CNN-transformer模型，用于无需R峰识别的心律失常检测	该模型结合了CNN和transformer架构，无需R峰检测即可进行心律失常分类，并在准确性和效率上表现出色	NA	提高基于心电图的心律失常诊断准确性，适用于实时监测系统	心电图信号	machine learning	cardiovascular disease	stockwell变换	CNN-transformer混合模型	时间序列数据	Icentia11k数据集（四种心律失常类别）和MIT-BIH数据集（五种心律失常类别）
370	2025-05-13	LoG-staging: a rectal cancer staging method with LoG operator based on maximization of mutual information 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01610-7 PMID:40050741	research paper	提出了一种基于LoG算子和互信息最大化的直肠癌分期方法LoG-staging	使用LoG滤波器增强MRI图像的纹理细节，并利用互信息最大化机制提出新的特征聚类方法	正确标记的图像不足，且数据增强引入了尺度不变性和旋转一致性问题	提高直肠癌T分期的预测准确性	直肠癌患者的MRI图像	digital pathology	rectal cancer	Laplace of Gaussian (LoG) filter, maximization of mutual information (MMI)	neural network	image	NA
371	2025-05-13	UGS-M3F: unified gated swin transformer with multi-feature fully fusion for retinal blood vessel segmentation 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01616-1 PMID:40050753	研究论文	提出了一种名为UGS-M3F的统一门控Swin Transformer模型，用于视网膜血管分割，以提升眼科疾病的非侵入性诊断	结合了统一多上下文特征融合(UM2F)和门控边界感知Swin Transformer(GBS-T)模块，有效捕捉不同层次的上下文信息，提升小血管检测和大血管覆盖	未提及模型在临床实际应用中的验证情况或计算资源需求	提高视网膜血管分割的准确性，以更精确地识别和管理眼部疾病	视网膜血管	计算机视觉	眼科疾病	深度学习	Swin Transformer	图像	公开数据集FIVES、DRIVE、STARE和CHAS_DB1
372	2025-05-13	Deep learning-based classification of dementia using image representation of subcortical signals 2025-Mar-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02924-w PMID:40050853	研究论文	本研究开发了一种基于深度学习的痴呆分类系统，通过分析来自深部脑区的EEG信号来区分阿尔茨海默病和额颞叶痴呆	利用连续小波变换将时间序列信号转换为图像表示，并结合DenseNet模型架构进行分类，提高了痴呆分类的准确性	样本量相对较小，且在不同数据集上的准确率存在差异	开发一种早期和准确诊断痴呆（AD和FTD）的深度学习方法	阿尔茨海默病（AD）、额颞叶痴呆（FTD）和轻度认知障碍（MCI）患者以及健康对照（HC）	数字病理学	老年疾病	EEG, sLORETA, 连续小波变换（CWT）	DenseNet	图像	BrainLat数据集（16 AD, 13 FTD, 19 HC），IITD-AIIA数据集（10 AD, 9 MCI, 8 HC）
373	2025-05-13	D-GET: Group-Enhanced Transformer for Diabetic Retinopathy Severity Classification in Fundus Fluorescein Angiography 2025-Mar-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02165-4 PMID:40045093	研究论文	提出了一种基于Group-Enhanced Transformer的深度学习模型D-GET，用于在眼底荧光素血管造影(FFA)图像中对糖尿病视网膜病变(DR)的严重程度进行分类	D-GET模型引入了Full-Scale Transformer Block和Group-Focal模块，能够从多尺度捕获特征信息，并自适应整合上下文信息，提高了对小尺度病变的检测能力，同时通过Channel Adaptive Attention Module (CAAM)综合通道和空间信息以改进特征检测和定位	NA	开发一种基于FFA图像的深度学习模型，以提高糖尿病视网膜病变(DR)严重程度分类的准确性和效率	糖尿病视网膜病变(DR)患者的眼底荧光素血管造影(FFA)图像	计算机视觉	糖尿病视网膜病变	深度学习	Transformer	图像	自定义数据集
374	2025-05-13	Advancing methodologies for assessing the impact of land use changes on water quality: a comprehensive review and recommendations 2025-Mar-05, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-025-02413-z PMID:40042544	综述	本文对土地利用变化对水质影响的研究方法进行了全面评估，并提出了改进建议	提倡整合自动化监测系统、物联网技术以及深度学习算法与遥感技术，以提高数据收集的精确性和效率	现有方法在解决区域差异、非线性相互作用和实时监测复杂性方面存在不足	评估土地利用变化对水质影响的研究方法，并提出改进建议	土地利用变化对水质影响的研究文献	环境科学	NA	自动化监测系统、物联网技术、深度学习算法、遥感技术	NA	水质和土地利用数据	NA
375	2025-05-13	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	介绍了一种基于深度学习的自动化突触事件分析方法miniML	miniML在模拟真实数据上的比较分析显示其在精确度和召回率上优于现有方法，并能轻松适应不同的突触准备、电生理和光学记录技术以及跨物种研究	NA	提供一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能和功能障碍的高通量研究	自发突触事件	机器学习	NA	深度学习	监督学习	电生理记录数据	NA
376	2025-05-13	Development and validation of automated three-dimensional convolutional neural network model for acute appendicitis diagnosis 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84348-6 PMID:40044743	研究论文	本研究开发了一种基于3D卷积神经网络(CNN)的全自动诊断框架，用于从腹部疼痛患者的增强腹部盆腔CT图像中识别阑尾炎及其临床信息	开发了名为IA的深度学习模型，自动提取与阑尾解剖位置对应的感兴趣区域(VOI)，并采用两阶段二元算法进行预测	模型在第一阶段的准确率为79.5%，第二阶段为76.1%，仍有提升空间	开发自动化的阑尾炎诊断模型以辅助急诊外科决策	腹部疼痛患者的增强腹部盆腔CT图像	计算机视觉	阑尾炎	深度学习	3D-CNN (ResNet, DenseNet, EfficientNet)	CT图像	NA
377	2025-05-13	Deep learning for hepatocellular carcinoma recurrence before and after liver transplantation: a multicenter cohort study 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91728-z PMID:40044774	研究论文	开发了一种用于肝细胞癌（HCC）患者在肝移植前后复发预测的深度学习系统	使用DeepSurv模型结合临床病理变量，显著提高了复发预测的准确性，优于米兰标准	研究为回顾性设计，样本量相对有限（466例患者）	预测肝细胞癌患者在肝移植前后的复发风险	接受肝移植的肝细胞癌患者	数字病理	肝细胞癌	支持向量机、随机森林、逻辑回归、stacking和两种基于生存分析的方法	DeepSurv	临床数据	466例患者，中位随访51.0个月
378	2025-05-13	Rethinking model prototyping through the MedMNIST+ dataset collection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92156-9 PMID:40044786	research paper	该研究通过MedMNIST+数据集集合重新思考模型原型设计，旨在解决临床实践中深度学习系统整合的挑战	引入了MedMNIST+数据集集合作为综合基准，评估了不同成像模态、解剖区域、分类任务和样本大小下的模型表现	研究可能未覆盖所有医疗数据类型或临床场景，且数据集多样性仍有提升空间	旨在通过标准化评估框架提升医疗影像领域模型开发的透明度、可重复性和可比性	医疗影像数据集和深度学习模型	digital pathology	NA	深度学习	CNN, ViT	image	多个不同规模的医疗影像数据集
379	2025-05-13	Attention dual transformer with adaptive temporal convolutional for diabetic retinopathy detection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92510-x PMID:40044820	research paper	提出了一种注意力双变换器与自适应时间卷积（ADT-ATC）模型，用于从视网膜眼底图像中增强检测糖尿病视网膜病变（DR）	通过双空间变换器网络处理多尺度空间特征，并通过自适应时间卷积单元捕获时间依赖性，同时引入分层交叉注意力模块融合时空特征	NA	增强糖尿病视网膜病变的检测	视网膜眼底图像	computer vision	diabetic retinopathy	deep learning	Attention Dual Transformer with Adaptive Temporal Convolutional (ADT-ATC)	image	DRIVE和Diabetic Retinopathy数据集
380	2025-05-13	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-Mar-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter挖掘研究，揭示COVID-19期间及之后慢性阻塞性肺疾病(COPD)人群的长期心理趋势和模式	首次利用大规模Twitter数据和深度学习框架分析COPD人群在COVID-19期间及之后的长期心理变化	研究结果基于Twitter数据，可能无法完全代表所有COPD人群的心理状态	了解COVID-19对COPD人群长期心理影响	慢性阻塞性肺疾病(COPD)患者	自然语言处理	慢性阻塞性肺疾病	Twitter数据挖掘	深度学习算法	文本(Twitter推文)	15,347名COPD用户，超过25亿条推文(2020年1月至2023年6月)