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
3941	2025-03-19	Evaluation of a Low-Cost Amplifier With System Optimization in Thermoacoustic Tomography: Characterization and Imaging of Ex-Vivo and In-Vivo Samples 2025-Mar-14, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3551260 PMID:40085469	研究论文	本文介绍了一种低成本放大器在微波诱导热声成像（TAT）系统中的应用及其优化，通过实验验证了其在离体和在体样本成像中的性能	开发了一种使用低成本放大器的旋转单元素热声成像系统，并通过微波信号脉冲宽度和天线位置的优化，结合信号平均、高级信号处理和深度学习计算核心，成功生成了高质量的图像	尽管系统在离体和在体样本中表现良好，但尚未在广泛的临床环境中进行验证，且低成本放大器的性能可能在高功率系统中存在限制	评估低成本放大器在热声成像系统中的性能，并优化系统以提高成像质量和可及性	离体样本和在体样本	医学成像	NA	微波诱导热声成像（TAT）	深度学习	图像	组织样模型、离体样本和在体成像样本
3942	2025-03-19	Deep learning prioritizes cancer mutations that alter protein nucleocytoplasmic shuttling to drive tumorigenesis 2025-Mar-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57858-8 PMID:40087285	研究论文	本文通过开发深度学习模型pSAM，系统性地分析了癌症中可能影响蛋白质核质穿梭的突变，揭示了这些突变如何通过干扰核定位信号促进肿瘤进展	首次使用深度学习模型pSAM从头解码核质穿梭的序列决定因素，并系统性地分析了11种癌症类型中的突变，揭示了这些突变如何通过干扰核定位信号促进肿瘤进展	研究仅针对11种癌症类型，可能无法涵盖所有癌症类型中的突变影响	研究癌症突变如何通过影响蛋白质的核质穿梭来驱动肿瘤发生	11种癌症类型中的突变	机器学习	癌症	深度学习	pSAM	序列数据	11种癌症类型中的突变数据
3943	2025-03-19	Deep learning-based classification of hemiplegia and diplegia in cerebral palsy using postural control analysis 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93166-3 PMID:40087338	研究论文	本研究提出了一种利用循环神经网络（RNNs）分析通过AMTI平台获得的时间序列力数据的方法，用于分类脑瘫中的偏瘫和双瘫	通过自动参数优化和数据增强等先进技术优化模型，提高了分类的准确性和可靠性，BiGRU和LSTM模型表现最佳，准确率达到76.43%	研究中未提及样本量的具体细节，可能影响结果的普适性	优化脑瘫中偏瘫和双瘫的分类方法，提高诊断准确性	脑瘫患者	机器学习	脑瘫	时间序列力数据分析	RNN, BiGRU, LSTM	时间序列数据	NA
3944	2025-03-19	Global or local modeling for XGBoost in geospatial studies upon simulated data and German COVID-19 infection forecasting 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92995-6 PMID:40087346	研究论文	本文研究了在空间地理分析中使用XGBoost机器学习方法时，构建单一全局模型与多个局部模型的优劣	通过模拟数据和德国COVID-19感染预测案例，比较了XGBoost的全局建模与局部建模的效果，并提出了在不同数据特性下选择建模方式的建议	局部建模的空间划分需要额外关注，且可能影响结果	探讨在空间地理分析中使用XGBoost时，全局建模与局部建模的优劣	模拟数据和德国COVID-19感染数据	机器学习	COVID-19	XGBoost	XGBoost	空间地理数据	模拟数据和德国COVID-19感染数据
3945	2025-03-19	A theory and data-driven method for rapid bottom hole pressure calculation in UGS 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93337-2 PMID:40087345	研究论文	本文提出了一种新的理论和数据驱动的方法，用于快速计算地下储气库（UGS）的井底压力	创新性地结合了井筒流动理论和神经网络模型，开发了一种理论和数据驱动的神经网络模型（TDDNN），显著提高了计算效率和精度	方法在样本有限的环境中的应用仍需进一步验证	提高地下储气库（UGS）井底压力计算的准确性和效率，以优化气井的动态分析和生产管理	地下储气库（UGS）的井底压力	机器学习	NA	神经网络模型	TDDNN（理论和数据驱动的神经网络模型）	理论模型生成的样本和真实样本	NA
3946	2025-03-19	Comparative analysis of deep learning architectures for breast region segmentation with a novel breast boundary proposal 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92863-3 PMID:40087354	研究论文	本研究比较了多种深度学习架构在动态对比增强磁共振成像（DCE-MRI）中用于乳腺区域分割的效果，并提出了新的乳腺边界定义方法	提出了新的乳腺边界定义方法，并比较了多种深度学习模型在乳腺分割中的性能	样本量较小，仅使用了58个DCE-MRI扫描	提高全乳腺分割的准确性并减少计算成本和环境影响	乳腺区域的DCE-MRI图像	计算机视觉	乳腺癌	DCE-MRI	UNet, UNet++, DenseNet, FCNResNet50, FCNResNet101, DeepLabv3ResNet50, DeepLabv3ResNet101	图像	58个DCE-MRI扫描
3947	2025-03-19	Structured hashing with deep learning for modality, organ, and disease content sensitive medical image retrieval 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93418-2 PMID:40087467	研究论文	本文提出了一种基于深度学习的结构化哈希技术MODHash，用于处理具有不同模态、器官和疾病特征的医学图像检索	MODHash通过最小化特征特定的分类损失和Cauchy交叉熵损失来训练网络，实现了对用户偏好的语义相似性检索	实验仅在公开的放射学数据集上进行，未涉及其他类型的医学图像数据	开发一种有效的基于内容的医学图像检索系统，以支持临床实践	具有不同模态、器官和疾病特征的医学图像	计算机视觉	NA	深度神经哈希（DNH）	深度学习模型	图像	来自Kaggle、Mendeley和Figshare的公开放射学数据集
3948	2025-03-19	Integrating numerical models with deep learning techniques for flood risk assessment 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93465-9 PMID:40087490	研究论文	本研究结合数值模型与深度学习技术，用于洪水风险评估，特别是通过LSTM模型进行未来20年的流量预测，并生成洪水区域图和灾害图	将LSTM模型与HEC-RAS软件结合，用于洪水风险评估，并通过多种统计和图形分析方法评估模型性能	研究仅针对伊朗Nesa河的40年日流量数据，可能无法直接推广到其他河流或地区	通过LSTM模型预测流量，并结合HEC-RAS软件生成洪水区域图和灾害图，以提高洪水预警系统的效率	伊朗Nesa河的日流量数据	机器学习	NA	LSTM, HEC-RAS	LSTM	时间序列数据	40年的日流量数据
3949	2025-03-19	Performance and limitation of machine learning algorithms for diabetic retinopathy screening and its application in health management: a meta-analysis 2025-Mar-14, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01336-1 PMID:40087776	meta-analysis	本文通过meta分析评估了机器学习和深度学习算法在糖尿病视网膜病变筛查中的性能和局限性	首次通过meta分析全面评估了机器学习和深度学习算法在糖尿病视网膜病变筛查中的表现	算法的区分能力有限，需要进一步研究以改进算法	评估机器学习和深度学习算法在糖尿病视网膜病变筛查中的性能和局限性	糖尿病视网膜病变	machine learning	糖尿病	meta-analysis	machine learning, deep learning	retinal images	1,371,517张视网膜图像，其中51项研究用于meta分析
3950	2025-03-19	Artificial intelligence in gastroenterology: Ethical and diagnostic challenges in clinical practice 2025-Mar-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i10.102725 PMID:40093670	评论	本文讨论了最近发表的一篇关于深度学习模型在无线胶囊内窥镜决策过程中应用的手稿	探讨了将人工智能整合到胃肠道疾病诊断中，以提高实时检测多类别病变的准确性，包括小肠病变和癌前息肉，从而改善患者预后	人工智能在临床环境中的使用引发了超越技术潜力的伦理问题，如患者隐私、数据安全和潜在的诊断偏见	探索人工智能在胃肠道疾病诊断中的应用及其伦理挑战	胃肠道疾病，特别是小肠病变和癌前息肉	数字病理学	胃肠道疾病	深度学习	NA	图像	NA
3951	2025-03-19	Optimized attention-enhanced U-Net for autism detection and region localization in MRI 2025-Mar-14, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111970 PMID:40096789	研究论文	本研究提出了一种利用优化深度学习方法和注意力机制进行自闭症检测及区域定位的框架	结合了Symmetric Structured MobileNet with Attention Mechanism (SSM-AM)和Refreshing Awareness-aided Election-Based Optimization (RA-EBO)进行自闭症分类，并利用Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)进行异常区域定位	NA	通过MRI图像进行自闭症的早期检测和区域定位，以改善干预效果	自闭症谱系障碍（ASD）患者	计算机视觉	自闭症	MRI图像处理	Symmetric Structured MobileNet with Attention Mechanism (SSM-AM), Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)	MRI图像	公开数据集ABIDE
3952	2025-03-19	Enhancing yeast cell tracking with a time-symmetric deep learning approach 2025-Mar-13, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00466-x PMID:40082471	研究论文	本文提出了一种基于深度学习的酵母细胞追踪方法，通过时空邻域假设进行追踪，不局限于连续帧	提出了一种新的深度学习方法，通过时空邻域假设进行细胞追踪，无需依赖连续帧，且能学习细胞运动模式	未明确提及具体局限性	开发一种新的深度学习追踪方法，以提高活细胞追踪的准确性	酵母细胞	计算机视觉	NA	深度学习	NA	视频	芽殖酵母记录和模拟样本
3953	2025-03-19	Attention-enhanced and integrated deep learning approach for fishing vessel classification based on multiple features 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88158-2 PMID:40082493	研究论文	本文提出了一种基于多种特征的注意力增强和集成深度学习方法，用于渔船分类	创新地结合了二维双向长短期记忆网络和带有注意力机制的卷积神经网络，提高了渔船分类的准确性	NA	提高基于AIS数据的渔船分类精度，以实现更有效的渔业管理	五种类型的渔船，包括刺网渔船、钩线和延绳钓渔船、拖网渔船、鱼类运输船和定置网渔船	机器学习	NA	自动识别系统（AIS）数据	二维双向长短期记忆网络（2D-BiLSTM）和卷积神经网络（CNN）	轨迹数据	NA
3954	2025-03-19	Deep learning based agricultural pest monitoring and classification 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92659-5 PMID:40082501	研究论文	本文提出了一种基于深度学习的创新方法，用于智能农业中的害虫监测和分类	利用自动编码器解决数据不平衡问题，并结合RGB颜色编码和对象检测技术进行害虫定位和分割，最终使用卷积神经网络进行分类	未提及模型在不同环境或光照条件下的泛化能力	提高农业害虫监测和分类的精确性和效率	82类害虫	计算机视觉	NA	深度学习	自动编码器, 卷积神经网络 (CNN)	图像	IP102数据集
3955	2025-03-19	Liver margin segmentation in abdominal CT images using U-Net and Detectron2: annotated dataset for deep learning models 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92423-9 PMID:40082561	研究论文	本研究利用U-Net和Detectron2两种深度学习模型对腹部CT图像中的肝脏边缘进行分割，并提供了一个包含4200多张注释图像的数据集	提供了一个由专家标注的大规模腹部CT图像数据集，并比较了U-Net和Detectron2在肝脏分割任务中的表现，特别是Detectron2在复杂情况下的优越性	研究主要关注肝脏分割，未涉及其他腹部器官的分割，且数据集来自单一医院，可能存在一定的局限性	提高腹部CT图像中肝脏边缘分割的准确性，为肝脏疾病的自动诊断系统开发提供支持	腹部CT图像中的肝脏边缘	计算机视觉	肝脏疾病	CT成像	U-Net, Detectron2	图像	4200多张腹部CT图像
3956	2025-03-19	An optimal federated learning-based intrusion detection for IoT environment 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93501-8 PMID:40082567	研究论文	本文提出了一种基于联邦学习的最优入侵检测方法，用于物联网环境中的网络安全	采用联邦学习训练深度学习分类器，结合Chimp优化算法选择最优特征，提高了入侵检测的准确率	未提及具体的数据集规模或实验环境的局限性	提高物联网网络中入侵检测的准确性和效率	物联网网络中的入侵检测系统	机器学习	NA	联邦学习, Chimp优化算法	深度学习分类器	网络数据	使用MQTT基准数据集进行实验
3957	2025-03-19	Multilabel classification for defect prediction in software engineering 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93242-8 PMID:40082581	研究论文	本文探讨了在软件工程中使用多标签分类进行缺陷预测的方法	将缺陷预测从传统的多类分类问题转变为多标签分类问题，考虑了缺陷可能同时属于多个类别的情况	未提及具体的数据集大小或来源，可能影响结果的普适性	提高软件缺陷预测的准确性和效率	软件缺陷报告	机器学习	NA	机器学习、深度学习	Multinomial Naive Bayes, Logistic Regression, Random Forest, MLP, CNN	文本	NA
3958	2025-03-19	A robust deep learning approach for segmenting cortical and trabecular bone from 3D high resolution µCT scans of mouse bone 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92954-1 PMID:40082604	研究论文	本文提出了一种基于深度学习的双分支注意力混合网络（DBAHNet），用于自动分割小鼠胫骨3D高分辨率µCT扫描中的皮质骨和小梁骨	DBAHNet结合了transformer和卷积神经网络，以捕捉长距离依赖和局部特征，从而改善上下文表示	训练数据集有限，仅使用了小鼠胫骨的3D µCT扫描数据	开发一种自动分割小鼠胫骨3D高分辨率µCT扫描中皮质骨和小梁骨的深度学习模型，以加速药物开发中的临床前骨研究	小鼠胫骨的3D高分辨率µCT扫描数据	计算机视觉	NA	µCT扫描	DBAHNet（结合transformer和CNN的混合网络）	3D图像	来自七项不同研究的小鼠胫骨3D µCT扫描数据集
3959	2025-03-19	A dual branch model for predicting microseismic magnitude time series named DTFNet 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93272-2 PMID:40082632	研究论文	本文提出了一种名为DTFNet的双分支模型，用于预测微震震级时间序列，以提高煤矿岩爆的智能预警准确性	DTFNet模型结合了时间序列分解和深度学习，通过二次分解和双分支结构有效建模微震时间序列数据，并深度提取微震震级数据的特征	未明确提及具体局限性	提高煤矿岩爆的智能预警准确性	微震震级时间序列数据	机器学习	NA	互补集合经验模态分解、排列熵、变分模态分解	DTFNet（双分支时间序列预测模型）	时间序列数据	多个工作面的微震监测目录
3960	2025-03-19	Artificial intelligence based classification and prediction of medical imaging using a novel framework of inverted and self-attention deep neural network architecture 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93718-7 PMID:40082642	研究论文	本文提出了一种基于人工智能的新型深度学习框架，用于分类多种医学影像模态，并在多个公开数据集上取得了较高的准确率	提出了两种新的深度学习架构：倒置残差卷积神经网络（IRCNN）和自注意力卷积神经网络（SACNN），并采用改进的串行融合方法和优化算法SScSEM进行特征选择和分类	未提及具体的研究局限性	提高医学影像分类的准确性和效率，以辅助计算机辅助诊断（CAD）	多种医学影像模态，包括乳腺X光、内窥镜、皮肤镜、肺癌和口腔癌影像	计算机视觉	肺癌、口腔癌	深度学习、数据增强、特征融合	IRCNN、SACNN、SWNN	医学影像	五个公开数据集（INBreast、KVASIR、ISIC2018、肺癌、口腔癌）