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	2025-07-10	SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95786-1 PMID:40159513	研究论文	本研究提出了一种结合海鸥优化算法(SGA)进行特征选择和随机森林(RF)分类器进行数据分类的新方法，用于乳腺癌分类	首次将SGA应用于乳腺癌诊断中的基因选择，通过系统探索特征空间识别最具信息量的基因子集，从而提高分类准确性并降低计算复杂度	未来需要探索其他自然启发算法和深度学习模型的整合以进一步提升性能和临床适用性	提高乳腺癌诊断的准确性和效率	乳腺癌基因数据	机器学习	乳腺癌	Seagull Optimization Algorithm (SGA), Random Forest (RF)	RF, Linear Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbors (KNN)	基因数据	NA
382	2025-07-10	Deep learning analysis of MRI accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis 2025-Mar-20, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001314 PMID:40112296	research paper	本研究开发了一种基于深度学习的3D DenseNet-121模型，用于通过MRI准确检测原发性硬化性胆管炎（PSC）患者的早期肝门部胆管癌（pCCA）	该深度学习模型在检测早期pCCA方面表现出比资深放射科医生更高的敏感性和特异性，特别是在无肿块情况下仍能保持高灵敏度	研究为回顾性队列研究，可能存在选择偏倚；样本量相对有限（共398例患者）	开发能早期检测PSC患者pCCA的AI诊断工具	原发性硬化性胆管炎（PSC）患者	digital pathology	perihilar cholangiocarcinoma	MRI	3D DenseNet-121	医学影像	398例患者（训练队列150例，测试队列248例），其中pCCA患者230例
383	2025-07-10	Deep Learning Models to Predict Diagnostic and Billing Codes Following Visits to a Family Medicine Practice: Development and Validation Study 2025-Mar-07, JMIR AI DOI:10.2196/64279 PMID:40605560	研究论文	开发并验证深度学习模型以预测家庭医学实践中的诊断和账单编码	首次在家庭医学实践中应用深度学习模型预测诊断和账单编码，并展示了较高的准确率	模型在诊断编码上的召回率和精确度较低，且尚未在其他家庭医学实践中验证其通用性	开发能够从电子病历笔记中预测诊断和账单编码的机器学习模型	家庭医学实践中的就诊记录	自然语言处理	NA	深度学习	深度学习模型	文本	198,802次就诊记录（占总数的81%）
384	2025-07-10	Adapting a style based generative adversarial network to create images depicting cleft lip deformity 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86588-6 PMID:39875471	research paper	该研究开发了一种名为CleftGAN的深度学习系统，用于生成大量高质量的唇裂面部图像	利用StyleGAN作为基础模型，通过迁移学习技术，仅需少量唇裂面部照片即可生成大量多样化的高保真唇裂面部图像	初始训练数据集仅包含514张唇裂面部正面照片	开发能够生成大量唇裂面部图像的工具，以支持机器学习模型的训练	唇裂面部图像	computer vision	唇裂	迁移学习	StyleGAN	image	514张唇裂面部正面照片和70,000张正常面部照片
385	2025-07-10	Development of a handheld GPU-assisted DSC-TransNet model for the real-time classification of plant leaf disease using deep learning approach 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82629-8 PMID:39875383	研究论文	本研究开发了一种结合VGG19架构特征与transformer编码器块的混合深度学习模型，用于实时分类葡萄、甜椒和番茄植物的叶片病害	融合VGG19架构与transformer编码器块，增强对叶片图像复杂空间依赖关系的捕捉能力，同时通过深度可分离卷积层提高计算效率	NA	开发实时植物叶片病害分类系统，促进农业可持续发展和粮食安全	葡萄、甜椒和番茄植物的叶片病害	计算机视觉	植物病害	深度学习	DSC-TransNet (结合VGG19和transformer编码器块的混合模型)	图像	多个数据集(包括葡萄、甜椒和番茄叶片)
386	2025-07-10	A guide for active learning in synergistic drug discovery 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85600-3 PMID:39875437	研究论文	本文探讨了在协同药物发现中应用主动学习的关键组成部分，并提供了实施建议	研究发现分子编码对性能影响有限，而细胞环境特征显著提升预测效果，主动学习仅探索10%的组合空间即可发现60%的协同药物对	研究未提及具体实验数据集的规模或多样性限制	优化协同药物组合筛选过程中的主动学习策略	协同药物组合	机器学习	NA	主动学习，深度学习	NA	分子和细胞环境数据	NA
387	2025-07-10	A pediatric emergency prediction model using natural language process in the pediatric emergency department 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87161-x PMID:39875462	研究论文	本研究开发了一种利用深度学习和自然语言处理的预测模型，用于识别儿科急诊病例	使用基于KM-BERT框架的深度学习模型和自然语言处理技术，显著提高了儿科急诊病例的预测准确率	研究仅基于单一韩国三级医院的数据，可能限制了模型的泛化能力	开发更精确高效的儿科急诊病例预测方法，优化医疗资源分配并改善患者预后	儿科急诊病例	自然语言处理	儿科急诊疾病	NLP, 深度学习	KM-BERT, Gradient Boosting	电子医疗记录文本	87,759例儿科病例(来自2012-2021年韩国某三级医院)
388	2025-07-10	Identifying factors that contribute to collision avoidance behaviours while walking in a natural environment 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88149-3 PMID:39875496	研究论文	研究在自然环境中行走时影响避碰行为的因素	利用深度学习算法在真实世界环境中分析行人行走轨迹，揭示了与实验室研究不同的行为模式	研究仅在一个繁忙的城市路径上进行，可能无法代表所有自然环境	识别影响行人避碰行为的因素	行人行走行为	计算机视觉	NA	深度学习算法	NA	视频	繁忙城市路径上的行人行走行为
389	2025-07-10	OCT-based diagnosis of glaucoma and glaucoma stages using explainable machine learning 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87219-w PMID:39875492	研究论文	本研究利用光学相干断层扫描（OCT）图像开发了一种可解释的人工智能（XAI）工具，用于青光眼的诊断和分期	开发了一种基于SHAP和PDA的新型算法，实现了可解释的机器学习模型，提高了诊断的透明度和可信度	样本量相对较小（334只正常眼和268只青光眼），且仅基于OCT图像	开发一种可解释的人工智能工具，用于青光眼的诊断和分期	青光眼患者（早期、中期、晚期）和正常人的OCT图像	数字病理学	青光眼	光学相干断层扫描（OCT）	可解释的机器学习（XAI）模型	图像	334只正常眼和268只青光眼（86早期、72中期、110晚期）
390	2025-07-10	Digital framework for georeferenced multiplatform surveillance of banana wilt using human in the loop AI and YOLO foundation models 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87588-2 PMID:39875516	研究论文	本文介绍了一种基于AI的多平台地理参考监测系统，用于提高香蕉枯萎病的检测和管理效率	结合了YOLO基础模型和人类参与循环的AI技术，提升了香蕉枯萎病检测的准确性和透明度	不同地区的检测性能存在差异，且未提及模型的实时性能或计算资源需求	开发一种高效的香蕉枯萎病监测系统	香蕉植株的健康状况、镰刀菌枯萎病和黄单胞菌枯萎病	计算机视觉	植物病害	YOLO系列模型（YOLO-NAS, YOLOv8, YOLOv9）和Faster-RCNN	YOLOv9, YOLOv8, Faster-RCNN	图像（航拍图像和地面图像）	数据集覆盖非洲、拉丁美洲、印度、亚洲和澳大利亚的香蕉植株
391	2025-07-10	Using partially shared radiomics features to simultaneously identify isocitrate dehydrogenase mutation status and epilepsy in glioma patients from MRI images 2025-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87778-y PMID:39875517	研究论文	利用部分共享的放射组学特征从MRI图像中同时识别胶质瘤患者的异柠檬酸脱氢酶（IDH）突变状态和癫痫	探索了IDH突变状态与癫痫发生之间的相关性，提出了一种基于LASSO的迭代方法选择共享和特定任务的特征，以提高模型性能	研究为回顾性设计，可能受到选择偏倚的影响，且外部验证数据集仅用于IDH突变状态的识别	提高胶质瘤患者IDH突变状态识别和癫痫诊断模型的性能	II-IV级胶质瘤患者	数字病理学	胶质瘤	放射组学特征提取	LASSO	MRI图像	399名患者（训练集279名，独立测试集120名），外加多中心数据集228名来自TCIA
392	2025-07-10	Empowering Precision Medicine for Rare Diseases through Cloud Infrastructure Refactoring 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502250	研究论文	本研究开发并评估了一个基于云的计算基础设施，以加速罕见疾病的诊断	通过迁移到可扩展、安全且协作的云环境，增强了数据整合能力，支持了差异诊断的高级预测建模，并促进了研究成果的广泛传播	现有研究项目在迁移过程中可能面临数据完整性和工作流程中断的风险	加速罕见疾病的诊断，提升数据整合和预测建模能力	罕见疾病患者的数据和诊断流程	精准医疗	罕见疾病	数据挖掘、语义网技术、深度学习和基于图的嵌入技术	深度学习	医疗数据	NA
393	2025-07-10	MRISeqClassifier: A Deep Learning Toolkit for Precise MRI Sequence Classification 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502266	研究论文	开发了一个基于深度学习的工具包MRISeqClassifier，用于精确分类MRI序列	针对小型、未经精细处理的MRI数据集，开发了轻量级模型架构并结合投票集成方法，仅需10%的数据即可达到99%的准确率	工具包主要针对小型数据集，可能在大规模数据集上的泛化能力未经验证	解决MRI序列分类问题，提高诊断工具的准确性和效率	MRI序列（如T1加权、T2加权和FLAIR）	计算机视觉	NA	深度学习	轻量级模型架构和投票集成方法	MRI图像	小型、未经精细处理的MRI数据集
394	2025-07-10	Explainable Diagnosis Prediction through Neuro-Symbolic Integration 2025, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:40502272	研究论文	本研究探索了神经符号方法（特别是逻辑神经网络LNNs）在可解释诊断预测中的应用	提出基于逻辑神经网络（LNNs）的可解释诊断预测模型，结合领域特定知识，提供特征贡献的直接解释	未来研究需要扩展到更大规模和更多样化的数据集以验证方法的普适性	开发可解释的诊断预测模型以提升医疗AI应用的准确性和可解释性	糖尿病预测	医疗AI	糖尿病	神经符号方法（LNNs）	Logical Neural Networks (LNNs)	医疗数据	未明确说明样本量
395	2025-07-10	Regularization by neural style transfer for MRI field-transfer reconstruction with limited data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1579251 PMID:40607454	研究论文	提出了一种名为RNST的新框架，通过结合神经风格迁移和去噪技术，实现在有限数据条件下的MRI场转移重建	首次将神经风格迁移（NST）引擎与去噪器结合，用于MRI场转移重建，无需配对训练数据	未明确提及具体的数据量限制或计算资源需求	解决有限数据条件下MRI场转移重建的挑战	MRI图像	医学影像分析	NA	神经风格迁移（NST）	深度学习模型（未指定具体架构）	MRI图像数据	未明确提及具体样本数量
396	2025-07-10	Unsupervised Imputation of Non-ignorably Missing Data Using Importance-Weighted Autoencoders 2025, Statistics in biopharmaceutical research IF:1.5Q2 DOI:10.1080/19466315.2024.2368787 PMID:40621507	研究论文	本文提出了一种名为NIMIWAE的新型VAE架构，用于处理生物医学数据中的不可忽略缺失数据	NIMIWAE是首批能够灵活处理训练时输入特征中可忽略和不可忽略缺失模式的VAE架构之一	NA	解决生物医学数据中复杂缺失数据对深度学习方法的挑战	生物医学数据集中的缺失数据	机器学习	NA	VAE	NIMIWAE	高维不完整数据集	12,000名ICU患者的EHR数据集
397	2025-07-10	Video swin-CLSTM transformer: Enhancing human action recognition with optical flow and long-term dependencies 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327717 PMID:40622917	research paper	提出了一种结合光流和长时依赖的视频Swin-CLSTM Transformer模型，用于增强复杂背景下的人类动作识别	模型在Video Swin Transformer基础上引入光流信息以抵抗背景干扰，并嵌入ConvLSTM单元增强长时依赖捕捉能力	实验仅在UCF-101数据集上进行验证，未展示在其他更复杂数据集上的泛化性能	提升复杂背景下视频人类动作识别的准确性和计算效率	视频中的人类动作	computer vision	NA	optical flow, 3D Patch Partition, Patch Merging	Video Swin-CLSTM Transformer (结合Swin Transformer和ConvLSTM)	video	UCF-101数据集（具体样本量未明确说明）
398	2025-07-10	Saliency-enhanced infrared and visible image fusion via sub-window variance filter and weighted least squares optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323285 PMID:40622931	research paper	提出了一种新颖的红外与可见光图像融合方法，通过子窗口方差滤波和加权最小二乘优化增强显著特征并提高视觉清晰度	采用基于子窗口方差滤波的分解技术和加权最小二乘优化的显著性图测量方案，显著提升重要特征的可见性	在处理高度复杂场景时可能存在挑战，未来将通过自适应参数优化和深度学习框架集成来解决	提升红外与可见光图像融合的质量，特别是在显著目标突出和纹理细节保留方面	红外与可见光图像	computer vision	NA	sub-window variance filter (SVF), weighted least squares optimization (WLSO)	NA	image	三个公共数据集
399	2025-07-10	Air-ground collaborative multi-source orbital integrated detection system: Combining 3D imaging and intrusion recognition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326951 PMID:40623035	研究论文	提出了一种空地协作的多源轨道综合检测系统，结合3D成像和入侵识别技术	系统采用改进的LOAM-SLAM算法和优化的ICP算法实现实时动态映射和高精度点云配准与着色，YOLOv3-ResNet融合模型在入侵检测中表现出色	未提及系统在极端天气条件下的具体性能表现	提高铁路轨道检测的效率和安全性	铁路基础设施	计算机视觉	NA	LiDAR, 深度学习	YOLOv3-ResNet融合模型	点云数据, 图像	未明确提及具体样本数量
400	2025-07-10	Deep learning-based prediction model of acute kidney injury following coronary artery bypass grafting in coronary heart disease patients: a multicenter clinical study from China 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1600012 PMID:40625392	研究论文	本研究旨在利用机器学习技术开发一个稳健的风险预测模型，用于预测冠状动脉搭桥术后急性肾损伤	使用XGBoost模型在内部和外部验证中表现最佳，展示了其稳健性和泛化能力，同时整合了多机构患者数据，显著提高了AKI风险评估	研究为回顾性设计，可能存在选择偏倚，且外部验证队列规模相对较小	开发一个用于预测冠状动脉搭桥术后急性肾损伤的机器学习模型	冠状动脉疾病患者	机器学习	心血管疾病	机器学习	XGBoost, SVM, DT, RF, AdaBoost	临床数据	3,043名冠状动脉疾病患者（训练集2,130名，验证集913名），外部验证队列878名患者