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	2025-08-11	Automated detection of quiet eye durations in archery using electrooculography and comparative deep learning models 2025-Aug-09, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-025-01284-2 PMID:40783550	研究论文	本研究提出了一种基于深度学习的方法，用于从射箭运动中的眼电图（EOG）信号中自动检测静眼（QE）持续时间	采用深度学习模型自动检测QE持续时间，克服了传统依赖专家评估方法的主观性、耗时和不一致性问题	数据集规模较小（仅10名持证射箭运动员），未来需扩大数据集并评估模型在不同技能水平和运动项目中的泛化能力	开发一种自动、客观的QE持续时间检测方法，以提升运动训练效果	射箭运动员的EOG信号	机器学习	NA	小波变换和巴特沃斯带通滤波	CNN + LSTM, CNN + GRU, Transformer, UNet, 1D CNN	EOG信号	10名持证射箭运动员
22	2025-08-11	Deep learning model for early acute lymphoblastic leukemia detection using microscopic images 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13080-6 PMID:40783578	研究论文	本文提出了一种基于深度优化卷积神经网络（CNN）的早期急性淋巴细胞白血病（ALL）检测方法	使用深度优化的CNN模型进行早期ALL检测，模型包含五个卷积块和十三个卷积层，性能优于传统方法	需要更多研究和临床试验来解决与耐药性、复发和长期毒性相关的问题	提高急性淋巴细胞白血病的早期诊断准确率	急性淋巴细胞白血病患者的骨髓显微图像	数字病理学	急性淋巴细胞白血病	显微成像	CNN	图像	NA
23	2025-08-11	Non-coding genetic elements of lung cancer identified using whole genome sequencing in 13,722 Chinese 2025-Aug-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62459-6 PMID:40783572	研究论文	通过全基因组测序在13,722名中国个体中识别与肺癌相关的非编码调控元件	利用大规模全基因组测序数据，结合基因组-转录组参考面板和STAAR流程，识别了新的非编码调控基因和上游调控因子	研究主要基于中国人群，结果可能不适用于其他人群	探索肺癌相关的非编码遗传元件	13,722名中国个体	基因组学	肺癌	全基因组测序(WGS)	STAAR流程, 深度学习	基因组数据	13,722名中国个体(主要研究), 297名中国个体(基因组-转录组参考面板)
24	2025-08-11	Artificial intelligence with feature fusion empowered enhanced brain stroke detection and classification for disabled persons using biomedical images 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14471-5 PMID:40783612	研究论文	本文提出了一种基于人工智能和特征融合技术的增强型脑卒中检测与分类模型（EBSDC-AIFFT），旨在提高对残疾人士脑卒中的诊断准确性	结合了Inception-ResNet-v2、卷积块注意力模块-ResNet18和多轴视觉变换器技术进行特征提取，并使用变分自编码器（VAE）进行分类	在发展中国家，先进成像方法的可及性受限，可能影响模型的广泛应用	开发更准确、快速和可靠的脑卒中诊断模型，以促进及时识别和有效治疗	残疾人士的脑卒中病例	数字病理学	脑卒中	深度学习（DL）	Inception-ResNet-v2, 卷积块注意力模块-ResNet18, 多轴视觉变换器, VAE	医学影像	脑卒中CT图像数据集
25	2025-08-11	Clinical insights to improve medical deep learning design: A comprehensive review of methods and benefits 2025-Aug-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110780 PMID:40782553	综述	本文全面回顾了医学深度学习设计中融入临床洞察的方法及其益处	强调在医学深度学习应用中融入临床洞察的重要性，特别是在模型设计的各个阶段	主要关注3D CT图像数据，可能不涵盖其他医学影像类型	探讨如何通过临床洞察改进医学深度学习设计	医学深度学习应用，特别是基于3D CT图像的诊断	计算机视觉	NA	深度学习	NA	3D CT图像	调查了400篇研究文章，详细回顾了其中47篇科学文章
26	2025-08-11	Variational Autoencoder-based Model Improves Polygenic Prediction in Blood Cell Traits 2025-Aug-08, HGG advances DOI:10.1016/j.xhgg.2025.100490 PMID:40783786	研究论文	本研究提出了一种基于变分自编码器（VAE）的模型（VAE-PRS），用于改进血液细胞性状的多基因风险评分（PRS）预测	VAE-PRS模型能够捕捉高维基因组数据中的复杂模式和交互效应，并在16种血液细胞性状中的14种上优于现有最先进方法	需要适当的训练样本量才能发挥深度学习方法的优势	通过应用先进的深度学习技术提高多基因风险评分（PRS）的预测能力	血液细胞性状的多基因风险预测	机器学习	NA	变分自编码器（VAE）	VAE	基因组数据	生物银行级别数据
27	2025-08-11	Multiaxial vibration data for blade fault diagnosis in multirotor unmanned aerial vehicles 2025-Aug-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05692-4 PMID:40774972	research paper	该数据集提供了多旋翼无人机在悬停模式下收集的多轴振动信号，用于叶片故障诊断	数据集包含不同叶片故障条件下的多轴振动信号，为无人机健康监测和故障诊断提供了宝贵资源	数据采集仅限于悬停模式，未涵盖其他飞行状态	开发用于多旋翼无人机叶片故障诊断的信号处理和分类模型	多旋翼无人机的叶片故障	machine learning	NA	triaxial accelerometer	classical and deep learning-based fault classification techniques	vibration signals	numerous test flights under different blade fault conditions
28	2025-08-11	Longitudinal structural MRI-based deep learning and radiomics features for predicting Alzheimer's disease progression 2025-Aug-07, Alzheimer's research & therapy DOI:10.1186/s13195-025-01827-2 PMID:40775357	研究论文	本研究利用纵向结构MRI数据和深度学习技术预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的转化	结合3D残差网络和时间感知的LSTM模型，捕捉MRI数据的时序变化，提高预测准确性	样本量有限且计算资源不足，需要更大规模和多样化的研究来验证结果	优化阿尔茨海默病的早期诊断和风险分层	228名MCI参与者	数字病理学	老年病	结构MRI	ResNet3D, CNN, LSTM	MRI图像	228名MCI参与者，每人至少三次T1加权MRI扫描
29	2025-08-11	Real time blood detection in CCTV surveillance using attention enhanced InceptionV3 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14941-w PMID:40775533	research paper	提出了一种结合InceptionV3架构和卷积块注意力模块的实时深度学习框架，用于CCTV监控视频中的血液检测	通过提出的注意力模块增强了对微小血液相关模式的关注，即使在遮挡、运动模糊和低能见度等挑战性条件下也能有效检测	NA	提高CCTV监控视频中血液检测的准确性和实时性，以应对医疗紧急情况、暴力事件和公共安全威胁	CCTV监控视频中的血液痕迹	computer vision	NA	deep learning	InceptionV3 with Convolutional Block Attention Modules	image	超过9500张手动标注的CCTV图像
30	2025-08-11	Machine learning and deep learning in glioblastoma: a systematic review and meta-analysis of diagnosis, prognosis, and treatment 2025-Aug-07, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03303-7 PMID:40773129	系统综述与荟萃分析	本文系统回顾和荟萃分析了机器学习和深度学习在胶质母细胞瘤诊断、预后和治疗中的应用	综合评估了ML/DL模型在胶质母细胞瘤不同临床任务中的表现，并比较了不同模型类型的性能差异	数据异质性大、外部验证不足且缺乏前瞻性临床研究	评估人工智能技术在胶质母细胞瘤临床管理中的应用效果	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	机器学习与深度学习	Transformer/CNN	医学影像与分子数据	44项研究(2021-2025年)
31	2025-08-11	Robust zero-watermarking for color images using hybrid deep learning models and encryption 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09290-7 PMID:40774989	研究论文	提出一种结合深度学习和加密技术的鲁棒零水印方法，用于彩色图像的版权保护	结合LBP和VGG19深度特征提取，利用DWT和DCT增强特征表示，并采用基于Lorenz系统和Logistic映射的混沌加密方案提高安全性	未提及该方法在极端攻击条件下的表现或计算效率方面的局限性	开发一种鲁棒的零水印技术，用于彩色图像的版权保护	彩色图像	计算机视觉	NA	DWT, DCT, 混沌加密	VGG19	图像	NA
32	2025-08-11	Multi-module UNet++ for colon cancer histopathological image segmentation 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13636-6 PMID:40775016	研究论文	本研究提出了一种名为RPAU-Net++的多模块增强分割架构，用于结肠癌组织病理学图像的精确分割	整合了ResNet-50编码器、联合金字塔融合模块和卷积块注意力模块到UNet++框架中，形成多模块协同融合的分割架构	未提及具体局限性	提高结肠癌病理图像分割的准确性	结肠癌组织病理学图像中的腺体和细胞轮廓	数字病理学	结肠癌	深度学习	RPAU-Net++（基于UNet++的改进模型）	图像	GlaS、CoNIC和PanNuke数据集（具体样本数量未提及）
33	2025-08-11	Novel radiotherapy target definition using AI-driven predictions of glioblastoma recurrence from metabolic and diffusion MRI 2025-Aug-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01861-2 PMID:40775041	研究论文	本研究利用AI驱动的代谢和扩散MRI预测模型，改进胶质母细胞瘤放疗靶区的定义	结合生物相关的代谢和生理影像数据及深度学习模型，预测肿瘤进展区域，显著提高了放疗靶区定义的特异性	研究未提及模型在其他类型肿瘤或更大样本中的适用性	改进胶质母细胞瘤患者的放疗临床靶区定义	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	代谢和扩散MRI	深度学习模型	MRI影像	未明确提及样本数量
34	2025-08-11	Accurate segmentation of localized fuel cladding chemical interaction layers in SEM micrographs with deep learning method 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14927-8 PMID:40775268	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
35	2025-08-11	Intelligent text analysis for effective evaluation of english Language teaching based on deep learning 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14320-5 PMID:40775439	研究论文	本研究提出了一种基于深度学习的混合特征跨提示自动作文评分模型（HFC-AES），用于智能文本分析以有效评估英语教学	结合文本结构特征和注意力机制，采用对抗训练优化特征提取并增强跨提示适应性，相比现有基于Transformer的评分模型表现出更强的鲁棒性和语义建模能力	NA	提高英语教学中学生写作能力评估的效率和准确性	学生的英语作文	自然语言处理	NA	深度学习	DNN, 分层神经网络	文本	NA
36	2025-08-11	The analysis of interactive furniture design system based on artificial intelligence 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14886-0 PMID:40775453	研究论文	本研究优化了一个基于物联网和人工智能的家具定制交互设计系统，通过GAN生成多样化的设计方案，并结合VR技术实现用户与定制家具的实时互动	采用GAN生成家具设计方案，结合VR技术实现实时互动，并通过Kano模型评估不同用户群体的交互偏好	未提及具体样本量或实验规模，可能影响结果的普遍性	提升家具定制中的用户交互体验	家具定制系统的用户交互体验	人机交互	NA	GAN, VR	GAN	用户偏好数据	NA
37	2025-08-11	Advanced skin cancer prediction with medical image data using MobileNetV2 deep learning and optimized techniques 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14963-4 PMID:40775513	研究论文	本研究提出了一种基于MobileNetV2架构的深度学习模型，通过模因算法优化超参数，用于皮肤癌的早期诊断	采用模因算法进行超参数调优，结合全局和局部搜索技术，提高了模型的性能和资源效率	未提及模型在不同肤色或罕见皮肤病变类型上的泛化能力	开发高精度且可解释的自动化皮肤癌诊断系统	皮肤病变医学图像	数字病理学	皮肤癌	深度学习	MobileNetV2	医学图像	NA
38	2025-08-11	Building digital histology models of transcriptional tumor programs with generative deep learning for pathology-based precision medicine 2025-Aug-07, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01502-z PMID:40775734	研究论文	该研究利用生成式深度学习技术，从组织学图像中预测转录程序的活性水平，并生成合成数字模型，以支持病理学为基础的精准医学	通过生成对抗网络（GAN）从组织学图像中分离出支持特定转录预测的图像特征，并生成转录程序的细胞组织学合成数字模型	研究主要针对鳞状细胞癌（SCC），可能不适用于其他类型的肿瘤	开发一种方法，从广泛可用的组织学切片中检测分子生物学过程，以支持精准肿瘤学	鳞状细胞癌（SCC）患者的RNA-seq数据和组织学图像	数字病理学	鳞状细胞癌	RNA-seq，生成对抗网络（GAN）	GAN	图像，RNA-seq数据	NA
39	2025-08-11	OCELOT 2023: Cell detection from cell-tissue interaction challenge 2025-Aug-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103751 PMID:40782597	research paper	该论文介绍了OCELOT 2023挑战赛，旨在通过多尺度细胞和组织注释数据集促进细胞检测模型的研究	提出通过理解细胞与组织之间的相互作用来提升细胞检测模型的性能，并展示了多尺度语义结合的重要性	数据集仅包含来自六个器官的673对图像，可能不足以覆盖所有细胞与组织相互作用的复杂性	验证细胞与组织相互作用对细胞检测模型性能的影响，并加速该领域的研究	来自TCGA的306张全切片图像中的细胞和组织	digital pathology	NA	deep learning	NA	image	673对图像（来自306张全切片图像）
40	2025-08-11	Artificial intelligence in forensic neuropathology: A systematic review 2025-Aug-07, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2025.102944 PMID:40782772	系统综述	本文综述了人工智能在法医神经病理学中的应用，重点关注其在解释仪器和组织病理学数据以支持专业诊断方面的能力	系统性地总结了人工智能在法医神经病理学中的关键进展，特别是机器学习和深度学习技术的应用	仅纳入了34篇相关文献，可能未涵盖所有相关研究	探讨人工智能在法医神经病理学中的应用及其在死亡原因调查中的价值	创伤性脑损伤（包括颅内出血或脑微出血）以及癫痫和SUDEP（包括能诱发癫痫活动的脑部疾病和中枢神经系统肿瘤）	数字病理学	神经病理学相关疾病	机器学习和深度学习	NA	医学影像和组织病理学数据	34篇相关文献