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
381	2025-07-05	An explainable multi-task deep learning framework for crash severity prediction using multi-source data 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09226-1 PMID:40596431	研究论文	提出一个可解释的多任务深度学习框架，用于利用多源数据进行交通事故严重程度预测	结合增强的深度神经网络与事后解释方法，同时处理多个预测目标（包括死亡、重伤和财产损失），并通过SHAP特征重要性排序和交互分析提供详细见解	未明确提及样本量是否足够代表所有交通生态系统，特别是在其他发展中国家的适用性未经验证	开发一个数据驱动的道路安全政策和智能交通系统的方法论基础	交通事故数据，包括死亡、重伤和财产损失	机器学习	NA	多任务深度学习，SHAP分析	Adv MT-DNN	多源交通数据	2018-2021年中国四年多源交通数据
382	2025-07-05	EFCNet for small object detection in remote sensing images 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09066-z PMID:40596453	研究论文	本研究提出了一种基于YOLOv5的增强网络模型EFCNet，旨在提高遥感图像中小目标的检测能力	采用新型骨干网络ODCSP-Darknet53提升特征提取效率，引入STEBIFPN结构优化小目标信息缩放，设计两种加权融合策略及四头检测网络，并应用ASFF技术优化小目标识别	未明确提及模型在极端小目标或复杂背景下的性能表现	提升遥感图像中小目标检测的精度与效率	遥感图像中的小目标（如桥梁、船舶）	计算机视觉	NA	深度学习	YOLOv5改进模型（EFCNet），包含ODCSP-Darknet53、STEBIFPN、ASFF	遥感图像	DOTA和DIOR数据集（具体数量未说明）
383	2025-07-05	A hybrid XAI-driven deep learning framework for robust GI tract disease diagnosis 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07690-3 PMID:40596500	研究论文	提出了一种混合可解释人工智能（XAI）驱动的深度学习框架，用于提高胃肠道疾病诊断的准确性和可解释性	结合Swin Transformer与DCNN（EfficientNet-B3、ResNet-50），并整合堆叠机器学习分类器与XAI技术（Grad-CAM），以减少假阴性率，提高诊断准确性	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	提高胃肠道疾病（如胃炎、溃疡和癌症）的诊断准确性和早期发现	通过内窥镜获取的胃肠道疾病图像	数字病理学	胃肠道疾病	深度学习、可解释人工智能（XAI）	Swin Transformer、DCNN（EfficientNet-B3、ResNet-50）	图像	NA
384	2025-07-05	Multiscale wavelet attention convolutional network for facial expression recognition 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07416-5 PMID:40596501	研究论文	本文提出了一种基于多尺度小波注意力卷积网络的面部表情识别方法	首次将多尺度卷积层和小波通道注意力机制结合用于CNN，显著提高了面部表情识别的准确率	仅在两个数据集上进行了验证，需要更多数据集验证泛化能力	提高面部表情识别应用的准确率	学生真实课堂面部表情(FESR)数据集和KDEF数据集	计算机视觉	NA	深度学习	CNN, MCNN, wCA-CNN, wCA-MCNN, ResNet18	图像	两个数据集(FESR和KDEF)
385	2025-07-05	Physical education teaching design under the STEAM concept using the convolutional neural network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07660-9 PMID:40596563	研究论文	本研究旨在基于STEAM教育理念，利用卷积神经网络（CNN）设计一种高效的体育教学深度学习模型	成功设计并验证了CNN-STEAM模型，该模型在体育教学数据处理和分析中表现出色，准确率、召回率和F1分数均提升超过20%	未提及具体实验样本量和数据来源的详细描述	设计高效的深度学习模型以改进STEAM理念下的体育教学方法	体育教学中的数据处理与分析	机器学习	NA	深度学习	CNN, ResNet, CNN-STEAM	NA	NA
386	2025-07-05	Profiling short-term longitudinal severity progression and associated genes in COVID-19 patients using EHR and single-cell analysis 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07793-x PMID:40596577	研究论文	提出了一种名为CovSF的深度学习模型，用于追踪和预测COVID-19患者的短期病情严重程度进展	结合纵向临床记录和单细胞分析，预测COVID-19患者的短期病情进展，并揭示了病情恶化与恢复期间的免疫学差异	模型主要依赖于氧疗类型作为严重程度指标，可能无法涵盖所有病情变化的复杂性	开发一个能够预测COVID-19患者短期病情进展的模型，以优化医疗资源分配和治疗决策	COVID-19住院患者	机器学习	COVID-19	单细胞转录组分析	深度学习模型	临床记录和单细胞数据	训练集4,509例，外部验证集443例
387	2025-07-05	Comparative analysis of sandstone microtomographic image segmentation using advanced convolutional neural networks with pixelwise and physical accuracy evaluation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07211-2 PMID:40596588	研究论文	本文探讨了先进的卷积神经网络（CNN）在砂岩微CT图像分割中的应用，以提高储层表征效率	比较了多种先进的CNN架构在砂岩微CT图像分割中的性能，并首次结合像素级精度和物理精度评估	研究仅针对砂岩样本，未涵盖其他岩石类型	提高储层表征效率	砂岩微CT图像	计算机视觉	NA	微CT成像	CNN（包括Fully Convolutional Networks, Encoder-Decoder Models, Multi-Scale Networks, Dilated Convolution Models, Attention-Based Models）	图像	5000张2D切片，来自10种不同的砂岩类型
388	2025-07-05	Muscle-Driven prognostication in gastric cancer: A multicenter deep learning framework integrating Iliopsoas and erector spinae radiomics for 5-Year survival prediction 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09083-y PMID:40596621	research paper	本研究开发了一个结合放射组学和深度学习的5年生存预测模型，专注于基于CT的髂腰肌和竖脊肌的2D和3D特征	通过融合五个维度的特征并优化逻辑回归，2D模型显示出较强的预后性能，且注意力热图强调了脊柱肌肉区域	3D模型由于包含无关数据表现不佳，临床基线特征与生存率无显著关联	开发一个用于胃癌患者5年生存预测的模型，推动精准医疗发展	胃癌患者	digital pathology	gastric cancer	radiomics, deep learning	CNN	CT图像	705名患者（来自两个中心）
389	2025-07-05	ICKAN: A deep musical instrument classification model incorporating Kolmogorov-Arnold network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09493-y PMID:40596651	研究论文	本文提出了一种结合Kolmogorov-Arnold网络（KAN）的深度乐器分类模型ICKAN，用于音乐信息检索中的乐器分类任务	引入了可学习的非线性激活函数和全面的音乐片段，提高了乐器分类的准确性和实用性	现有研究主要关注短单音样本分类，未能捕捉真实演奏场景中的音色变化特征	提高乐器分类的准确性和实用性，推动音乐信息检索技术的发展	乐器分类	音乐信息检索	NA	Kolmogorov-Arnold网络（KAN）	ICKAN	音频	30,824个完整乐句
390	2025-07-05	Differential dementia detection from multimodal brain images in a real-world dataset 2025-Jul, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70362 PMID:40596742	研究论文	本文描述了一种深度学习模型，专门用于从电子健康记录中的异质临床图像中进行疾病检测，无需关注混杂因素	该模型能够处理多达14种多模态图像，并结合年龄和人口统计信息，输出多种痴呆症的可能性，且在真实世界数据上表现良好	模型在异质临床图像上的性能可能受到数据质量的影响	开发一种能够在真实世界医院数据中进行痴呆症鉴别检测的人工智能模型	来自马萨诸塞州总医院的183,018张图像（11,015名患者）用于训练，外部数据125,493张图像（6,662名患者）用于测试	数字病理学	老年疾病	深度学习	深度学习模型	图像和文本	训练集：11,015名患者的183,018张图像；测试集：6,662名患者的125,493张图像
391	2025-07-05	Multimodal deep learning-based radiomics for meningioma consistency prediction: integrating T1 and T2 MRI in a multi-center study 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01787-x PMID:40596910	研究论文	本研究开发了一种结合深度学习和放射组学的多模态模型，用于预测脑膜瘤的质地，以提高术前评估和手术规划的准确性	首次将深度学习和放射组学特征结合，构建了DLR_Model，显著提高了脑膜瘤质地预测的准确性和鲁棒性	研究为回顾性设计，样本量相对有限（204例），且仅来自两个医疗中心	提高脑膜瘤质地预测的准确性以优化手术规划	204例脑膜瘤患者的MRI影像数据	数字病理	脑膜瘤	MRI（T1和T2加权成像）	DLR_Model（结合放射组学模型和深度学习模型）	医学影像	204例患者（来自两个医疗中心）
392	2025-07-05	Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01763-5 PMID:40596927	research paper	本研究评估了在5.0T MRI上结合人工智能辅助压缩感知(ACS)和深度学习重建(DLR)技术加速脑部T2加权成像(T2WI)的可行性	首次探索了在5.0T MRI上ACS与DLR技术的协同应用潜力	研究样本量有限(98名参与者)，且未提供长期临床效果评估	评估ACS-DLR集成技术在加速脑部T2WI扫描中的诊断效能	脑部T2加权成像	医学影像分析	神经系统疾病	人工智能辅助压缩感知(ACS), 深度学习重建(DLR)	DLR(深度学习重建模型)	MRI影像数据	98名参与者
393	2025-07-05	Eff-ReLU-Net: a deep learning framework for multiclass wound classification 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01785-z PMID:40596936	研究论文	提出了一种基于改进的EfficientNet-B0的深度学习模型Eff-ReLU-Net，用于准确识别多类别伤口	在Eff-ReLU-Net中使用ReLU激活函数替代Swish，并引入三个全连接密集层以捕获更多显著特征，提升多类别伤口分类性能	NA	开发一种有效的伤口分类器，帮助医疗从业者快速可靠地分类伤口	慢性伤口	计算机视觉	慢性伤口	深度学习	Eff-ReLU-Net（基于EfficientNet-B0改进）	图像	公开可用的AZH和Medetec伤口数据集
394	2025-07-05	Deep learning-based lung cancer classification of CT images 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14320-8 PMID:40596973	研究论文	本文介绍了一种基于深度学习的肺结节分类器DCSwinB，旨在提高CT图像中良恶性结节分类的准确性和效率	DCSwinB结合了CNN和Swin Transformer的双分支架构，以及Conv-MLP模块，以增强3D图像中的长距离依赖关系捕捉	未提及模型在临床实际应用中的潜在限制或挑战	提高肺结节的准确分类，以支持早期肺癌诊断	CT图像中的肺结节	计算机视觉	肺癌	深度学习	Swin-Tiny Vision Transformer (ViT) 和 CNN	CT图像	数千名患者的注释CT扫描（来自LUNA16和LUNA16-K数据集）
395	2025-07-05	Enhanced pulmonary nodule detection with U-Net, YOLOv8, and swin transformer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01784-0 PMID:40596996	研究论文	本研究开发了一种结合U-Net、YOLOv8和Swin transformer的两阶段深度学习模型，用于提高CT图像中肺结节的检测准确性，特别是小结节的检测	结合U-Net、YOLOv8和Swin transformer的两阶段深度学习模型，采用Shape-aware IoU损失函数改进边界框预测，显著提高了肺结节检测的准确性和降低了假阳性率	研究仅使用了LUNA16数据集和天津胸科医院的308例CT扫描，样本来源和数量可能影响模型的泛化能力	提高CT图像中肺结节的检测准确性，特别是小结节的检测，减少假阳性率	CT图像中的肺结节	计算机视觉	肺癌	深度学习	U-Net, YOLOv8, Swin transformer	CT图像	888例CT扫描（LUNA16数据集）和308例CT扫描（天津胸科医院）
396	2025-07-05	Ultrasound-based machine learning model to predict the risk of endometrial cancer among postmenopausal women 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01705-1 PMID:40597002	研究论文	本研究开发并验证了一种基于超声的人工智能诊断模型，用于提高绝经后妇女子宫内膜癌的诊断准确性和减少变异性	结合放射组学和深度学习特征，并应用超分辨率技术增强图像质量，开发了一种混合模型（DLR模型），显著提高了诊断性能	研究仅基于两个中心的数据，可能需要更多外部验证以确认模型的普遍适用性	开发一种更准确、可靠的非侵入性工具，用于绝经后妇女子宫内膜癌的筛查	绝经后妇女	数字病理	子宫内膜癌	超分辨率（SR）技术、放射组学特征提取、深度学习	CNN、混合模型（DLR模型）	超声图像	1,861名绝经后妇女
397	2025-07-05	Deep learning-based automated classification of choroidal layers in en face swept-source optical coherence tomography images 2025-Jul-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04170-0 PMID:40597023	研究论文	本研究开发了一种基于深度学习的算法，用于自动分类眼睛的en face扫频源光学相干断层扫描（SS-OCT）图像中的脉络膜层	结合了边界增强欠采样和子类集成技术的ResNet深度学习系统，首次实现了脉络膜层的自动分层	研究仅涉及健康受试者，未涵盖病理情况下的脉络膜层分类	开发自动分类脉络膜层的深度学习算法	en face SS-OCT图像中的脉络膜层	数字病理	NA	扫频源光学相干断层扫描（SS-OCT）	ResNet	图像	117名健康受试者（117只眼睛）的16,025张en face SS-OCT图像
398	2025-07-05	Preoperative MRI-based deep learning reconstruction and classification model for assessing rectal cancer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01775-1 PMID:40597035	research paper	本研究探讨了深度学习重建（DLR）在提高直肠MRI图像质量方面的效果，并比较了不同读者和深度学习分类模型在直肠癌TN分期中的判别能力	首次将深度学习重建技术应用于直肠MRI图像，并开发了深度学习分类模型用于TN分期，显著提高了图像质量和诊断性能	研究为回顾性设计，样本量相对有限（178例患者），且仅针对直肠癌进行评估	评估深度学习重建技术对直肠MRI图像质量的改善效果，并探索其在直肠癌TN分期中的诊断价值	经病理确诊的直肠癌患者的MRI图像	digital pathology	rectal cancer	MRI (T2WI, DWI, CE-T1WI), deep learning reconstruction	deep learning classification models	medical images	178例直肠癌患者
399	2025-07-05	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出了一种结合SVM和深度学习的创新方法，用于通过神经影像融合早期诊断阿尔茨海默病	结合SVM与深度学习，采用晚期融合集成设计，利用深度表示进行模式识别和SVM在小样本集上的鲁棒性	NA	提高阿尔茨海默病的早期诊断准确性和分类性能	阿尔茨海默病患者	数字病理学	老年病	MRI和PET成像融合技术	SVM与深度学习混合模型	神经影像数据	NA
400	2025-07-05	Deep learning-based dipeptidyl peptidase IV inhibitor screening, experimental validation, and GaMD/LiGaMD analysis 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02295-8 PMID:40597132	研究论文	本研究开发了一种新型DPP4抑制剂筛选策略，结合了受体基础的ConPLex、配体基础的KPGT和分子对接技术，显著提高了筛选准确性	整合了多种筛选方法，开发了用户友好的预测服务器DPP4META，并利用GaMD/LiGaMD技术分析药物与DPP4的结合与解离机制	未提及具体样本量或实验规模的限制	开发高效的DPP4抑制剂筛选方法并研究其与DPP4的结合机制	DPP4抑制剂及其与DPP4的相互作用	机器学习	2型糖尿病	分子对接、GaMD、LiGaMD	ConPLex、KPGT	分子数据	从FDA数据库中筛选出四种潜在药物