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
21	2025-07-06	DOLPHIN advances single-cell transcriptomics beyond gene level by leveraging exon and junction reads 2025-Jul-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61580-w PMID:40615408	研究论文	本文介绍了一种名为DOLPHIN的深度学习方法，用于提升单细胞转录组学在基因水平之外的分析能力，通过利用外显子和连接读取数据	DOLPHIN通过整合外显子水平和连接读取数据，将基因表示为图结构，并使用变分图自编码器处理这些图以改进细胞嵌入，从而在细胞聚类、生物标志物发现和选择性剪接检测等方面表现出卓越性能	NA	提升单细胞转录组学分析的精度和深度，特别是在外显子水平和连接读取数据的利用上	单细胞转录组数据	生物信息学	NA	单细胞测序	变分图自编码器	单细胞转录组数据	NA
22	2025-07-06	Multi class aerial image classification in UAV networks employing Snake Optimization Algorithm with Deep Learning 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04570-8 PMID:40615432	研究论文	该研究提出了一种结合蛇优化算法与深度学习的多类别航空图像分类方法，用于无人机网络	提出SOADL-MCAIC方法，结合蛇优化算法进行超参数调优，使用Efficient DenseNet模型学习图像特征，并通过KELM进行分类	实验仅在UCM土地利用数据集上进行验证，未涉及其他数据集或实际应用场景的测试	提高无人机网络中多类别航空图像分类的准确性和效率	无人机网络中的多类别航空图像	计算机视觉	NA	高斯滤波预处理、蛇优化算法、KELM分类	Efficient DenseNet、KELM	航空图像	UCM土地利用数据集
23	2025-07-06	Convolutional neural networks with transfer learning for natural river flow prediction in ungauged basins 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07088-1 PMID:40615452	研究论文	本研究提出了一种结合卷积神经网络和迁移学习技术的深度学习方法，用于预测无测量数据河流流域的流量	首次将卷积神经网络与迁移学习结合应用于河流流量预测，解决了数据不足流域的预测问题	模型性能在迁移学习应用后有小幅下降，且仅验证了特定流域的适用性	开发高效的人工智能工具解决河流流量预测难题	巴西Paraíba do Sul河、莫桑比克Zambezi河、巴西São Francisco河的历史水文数据以及印度德里的气候数据	机器学习	NA	迁移学习(TL)	CNN	时间序列数据	四个不同流域/地区的数据集(巴西2个，莫桑比克1个，印度1个)
24	2025-07-06	Predictive analysis of pediatric gastroenteritis risk factors and seasonal variations using VGG Dense HybridNetClassifier a novel deep learning approach 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08718-4 PMID:40615459	研究论文	本研究提出了一种新型深度学习模型VDHNC，用于预测和分析儿童胃肠炎的风险因素及季节性变化	结合VGG16的强大特征学习能力和DenseNet的高效信息共享特性，开发了VDHNC混合卷积模型，显著提高了预测准确性和季节性趋势识别能力	未提及模型在资源匮乏地区的实际应用效果验证	提升儿童胃肠炎的早期预测、准确分类和季节性趋势分析能力	儿科患者的临床、人口统计和环境数据	机器学习	儿童胃肠炎	深度学习	VDHNC（VGG Dense HybridNetClassifier）	临床数据、人口统计数据、环境数据	未明确说明样本数量
25	2025-07-06	AI assistance enhances histopathologic distinction between sebaceous and squamous cell carcinoma of the eyelid 2025-Jul-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01775-z PMID:40615496	研究论文	本文开发了一种基于深度学习的病理分析框架，用于自动分类眼睑的皮脂腺癌和鳞状细胞癌	利用深度学习技术提高眼睑皮脂腺癌与鳞状细胞癌的病理诊断准确性，尤其是在临床和病理特征重叠的情况下	外部测试集的诊断准确率较低（皮脂腺癌仅为22.22%），可能受限于数据来源的多样性	提高眼睑皮脂腺癌与鳞状细胞癌的病理诊断准确性	眼睑皮脂腺癌（SGC）和鳞状细胞癌（SC）的病理切片	数字病理	眼睑癌	深度学习	DL（未明确具体网络结构）	全切片图像（WSI）	训练/验证/内部测试集282例WSI + 外部测试集36例WSI
26	2025-07-06	MultiFG: integrating molecular fingerprints and graph embeddings via attention mechanisms for robust drug side effect prediction 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09431-y PMID:40615494	研究论文	提出了一种名为MultiFG的新型深度学习框架，用于整合多种分子指纹类型、基于图的嵌入和药物-副作用对的相似性特征，以预测药物副作用频率	MultiFG结合了注意力增强的卷积网络和最近开发的Kolmogorov-Arnold Networks (KAN)作为预测层，有效捕捉复杂关系	未提及具体局限性	提高药物副作用频率预测的准确性，为药物安全评估提供实用工具	已批准药物和新型药物的副作用关联及频率	机器学习	NA	深度学习	CNN, KAN	分子指纹、图嵌入、相似性特征	未提及具体样本量
27	2025-07-06	CNN based method for classifying cervical cancer cells in pap smear images 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10009-x PMID:40615498	研究论文	提出一种基于CNN的方法，用于分类宫颈癌细胞在巴氏涂片图像中的表现	直接对WSI宫颈细胞群进行分类而无需分割，证明了分割并非良好分类结果的严格必要条件	未提及具体的数据集规模限制或模型泛化能力的详细讨论	早期检测宫颈癌细胞，提高分类准确性	宫颈癌细胞在巴氏涂片图像中的分类	数字病理学	宫颈癌	深度学习	CNN	图像	SIPaKMeD和Herlev数据集
28	2025-07-06	Rock blasting evaluation - image recognition method based on deep learning 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09973-1 PMID:40615500	研究论文	本文开发了一种基于深度学习的图像识别方法，用于评估岩石爆破效果，包括半孔率和岩石破碎度	提出了基于机器学习的爆破效果图像分析与计算模型及识别算法，并发现了岩石块度尺寸的'S'形累积分布模式	未提及具体样本量及模型泛化能力的验证	提高矿山岩石爆破质量评估的效率和准确性	预裂爆破的半孔率和岩石破碎度	计算机视觉	NA	深度学习	NA	图像	NA
29	2025-07-06	3BTRON: A Blood-Brain Barrier Recognition Network 2025-Jul-04, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08453-6 PMID:40615521	研究论文	介绍了一种名为3BTRON的深度学习框架，用于自动分析血脑屏障（BBB）的电子显微镜图像	提出了一种新的数据驱动方法，用于分析BBB与年龄相关的结构变化，通过深度学习模型自动识别BBB的老化特征	模型在未见数据上的敏感性和特异性分别为77.8%和80.0%，仍有提升空间	研究年龄对血脑屏障结构变化的影响	年轻和老年小鼠大脑的血脑屏障	数字病理学	老年疾病	电子显微镜（EM）	深度学习框架（3BTRON）	图像	359个样本
30	2025-07-06	A tailored deep learning approach for early detection of oral cancer using a 19-layer CNN on clinical lip and tongue images 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07957-9 PMID:40615563	研究论文	本文介绍了一种定制的19层卷积神经网络（CNN），用于利用唇和舌的临床图像自动诊断口腔癌	提出了一种定制设计的19层CNN，结合高级预处理步骤，显著提高了口腔癌检测的准确性和可靠性，优于现有的迁移学习基准模型	研究仅基于公开可用的OCI数据集，未涉及其他潜在的数据集或实际临床环境中的验证	开发一种高效、可靠的深度学习模型，用于口腔癌的早期检测	临床唇和舌图像	数字病理学	口腔癌	CNN	19-layer CNN	图像	公开可用的口腔癌（唇和舌）图像（OCI）数据集，分为80%训练和20%测试子集
31	2025-07-06	Prediction of suicide using web based voice recordings analyzed by artificial intelligence 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08639-2 PMID:40615574	研究论文	本研究利用机器学习和深度学习模型，通过分析公开可用的网络语音数据，预测自杀行为	首次成功预测实际自杀行为而非替代标志物，为自杀预防开辟了新途径	研究样本可能不足以代表所有潜在的自杀风险群体	评估语音作为自杀风险的非侵入性和客观生物标志物的潜力	自杀个体和匹配的对照组	机器学习	精神疾病	机器学习(ML)和深度学习	Multilayer perceptron	语音数据	NA
32	2025-07-06	Conditional autoregressive model based on next scale prediction for missing data reconstruction 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08830-5 PMID:40615591	研究论文	提出了一种基于下一尺度预测的条件自回归模型，用于地震数据缺失轨迹的重建	通过下一尺度预测方法避免了数据扁平化，保留了数据的空间结构，同时在自回归生成过程中加入条件约束，确保预测数据与已知数据分布一致	未提及具体计算资源需求或模型训练时间	解决复杂野外条件下采集的地震数据中缺失轨迹的重建问题	地震数据	机器学习	NA	深度学习	条件自回归模型	地震数据	未明确提及样本数量，但使用了现场和合成数据集
33	2025-07-06	Medical slice transformer for improved diagnosis and explainability on 3D medical images with DINOv2 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09041-8 PMID:40615608	research paper	该研究提出了一种名为医学切片转换器（MST）的框架，用于将2D自监督模型DINOv2扩展到3D医学图像分析，以提高诊断准确性和可解释性	首次将2D自监督模型DINOv2扩展到3D医学图像分析，并引入Transformer架构结合2D特征提取器	研究未提及模型在不同医疗机构或设备上的泛化能力，以及对于更复杂病例的诊断效果	提高3D医学图像的诊断准确性和模型可解释性	乳腺癌MRI、胸部CT和膝关节MRI图像	digital pathology	breast cancer, lung nodule dignity, meniscus tears	MRI, CT	Transformer, 3D ResNet	3D medical images	乳腺癌MRI（651例患者）、胸部CT（722例患者）和膝关节MRI（1199例患者）
34	2025-07-06	Prior knowledge of anatomical relationships supports automatic delineation of clinical target volume for cervical cancer 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08586-y PMID:40615617	研究论文	提出一种基于解剖关系先验知识的宫颈癌临床靶区自动勾画方法	提出特征注意力模块和宽度驱动注意力网络，整合风险器官与临床靶区的解剖位置关系以提高分割精度	未公开提及模型在更广泛临床场景中的泛化能力验证	提高宫颈癌放射治疗中临床靶区自动勾画的效率和准确性	宫颈癌患者的临床靶区（CTV）	数字病理	宫颈癌	深度学习	特征注意力模块与宽度驱动注意力网络	CT图像	私有数据集中的大量实验样本（具体数量未公开）
35	2025-07-06	Hybrid Big Bang-Big crunch with cuckoo search for feature selection in credit card fraud detection 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97149-2 PMID:40615673	研究论文	本文提出了一种结合Big Bang-Big crunch和布谷鸟搜索的混合特征选择方法（HBCS），用于信用卡欺诈检测，以提高分类性能	提出了一种新颖的混合特征选择方法HBCS，结合了BB-BC和CS算法的优势，用于解决信用卡欺诈检测中的高维度和数据不平衡问题	实验仅在ECC数据集上进行，未在其他信用卡数据集上验证方法的泛化能力	提高信用卡欺诈检测的准确性和性能	信用卡交易数据	机器学习	NA	Big Bang-Big crunch算法、布谷鸟搜索算法、深度卷积神经网络（DCNN）、增强型DCNN（EDCNN）	DCNN, EDCNN	结构化数据（信用卡交易记录）	ECC（欧洲信用卡持有者）数据集
36	2025-07-06	eNCApsulate: neural cellular automata for precision diagnosis on capsule endoscopes 2025-Jul-04, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03425-x PMID:40615761	研究论文	本文提出了一种基于神经细胞自动机（NCA）的无线胶囊内窥镜（WCE）精确诊断方法，用于出血分割和深度估计	首次在微型设备上实现可靠的出血分割和深度估计，通过蒸馏大型基础模型到轻量级NCA架构，并在ESP32微控制器上高效运行	未提及具体样本量或临床验证结果	开发适用于无线胶囊内窥镜的轻量级深度学习模型，实现精确诊断和定位	胶囊内窥镜图像	数字病理学	胃肠道疾病	神经细胞自动机（NCA）、模型蒸馏	NCA	图像	NA
37	2025-07-06	Automated radiographic assessment of lower limb alignment using deep learning in a data-constrained clinical setting 2025-Jul-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08846-y PMID:40615817	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
38	2025-07-06	Deep learning-based classification of parotid gland tumors: integrating dynamic contrast-enhanced MRI for enhanced diagnostic accuracy 2025-Jul-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01814-x PMID:40615947	研究论文	本研究评估了深度学习模型在结合动态对比增强MRI数据对腮腺肿瘤进行分类的性能	整合动态对比增强MRI数据显著提高了深度学习模型对腮腺肿瘤分类的准确性	回顾性单中心研究，样本量有限（164名参与者）	提高腮腺肿瘤的非侵入性诊断准确性	腮腺肿瘤患者（124例）和正常腮腺个体（40例）	数字病理	腮腺肿瘤	动态对比增强MRI（DCE-MRI）	MobileNetV2, EfficientNetB0, SVM	MRI图像（T2加权、扩散加权、对比增强T1加权）	164名参与者（124例患者和40例正常个体）
39	2025-07-06	The continuous evolution of biomolecular force fields 2025-Jul-03, Structure (London, England : 1993) DOI:10.1016/j.str.2025.05.013 PMID:40527321	review	本文综述了生物分子力场的最新进展、挑战及未来发展方向	探讨了深度学习和先进计算技术在生物分子力场参数化中的应用	未具体提及实验验证或特定案例研究	提升生物分子力场的准确性和应用范围	生物分子力场，包括极化力场、机器学习势能和粗粒化模型	machine learning	NA	deep learning, computational modeling	machine learning potentials	NA	NA
40	2025-07-06	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jul-03, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	research paper	该研究提出了一种多模态深度学习方法M-REGLE，用于从互补的电生理波形模态中联合学习低维表示并进行遗传关联发现，以提高心血管特征的遗传预测能力	提出了一种新的多模态深度学习方法M-REGLE，能够从互补的电生理波形模态中联合学习低维表示，相比单模态学习方法，能发现更多的遗传位点并显著提高遗传风险评分对心脏表型的预测能力	未明确提及研究的局限性	提高心血管特征的遗传预测能力	多模态生理波形数据（如PPG和ECG）	machine learning	cardiovascular disease	GWAS, 卷积变分自编码器	CNN, variational autoencoder	生理波形数据	多个生物银行的数据（具体样本量未明确提及）