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	2025-07-12	Enhanced detection of Mpox using federated learning with hybrid ResNet-ViT and adaptive attention mechanisms 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05391-5 PMID:40634415	研究论文	该研究提出了一种基于联邦学习的ResViT-FLBoost模型，用于增强猴痘（Mpox）的检测，结合了ResNet和Vision Transformer（ViT）架构以及XGBoost和LightGBM集成分类器	该研究创新性地结合了ResNet和ViT架构，并引入了联邦学习框架和自适应注意力机制，以保护数据隐私并提高分类性能	研究依赖于增强后的数据集（MSLD），可能在实际应用中存在泛化性问题，且未提及模型在不同医疗设施间的实际部署效果	开发一种隐私保护且高效的猴痘检测方法，适用于资源有限的地区	猴痘皮肤病变图像	计算机视觉	猴痘	联邦学习、自适应注意力机制	ResNet、ViT、XGBoost、LightGBM	图像	3192张增强后的图像
382	2025-07-12	Leveraging explainable artificial intelligence for early detection and mitigation of cyber threat in large-scale network environments 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08597-9 PMID:40634417	研究论文	本文提出了一种名为LXAIDM-CTLSN的新方法，利用可解释人工智能（XAI）在大规模网络环境中进行网络威胁的早期检测和缓解	结合了Mayfly优化算法（MOA）进行特征选择、稀疏去噪自编码器（SDAE）进行威胁分类，以及Hiking优化算法（HOA）调整超参数，并整合LIME方法增强模型可解释性	未提及方法在实时环境中的性能表现或计算资源消耗情况	开发智能网络安全系统以实现网络攻击的高效识别与分类	大规模网络环境中的网络威胁	机器学习	NA	Mayfly优化算法（MOA）、稀疏去噪自编码器（SDAE）、Hiking优化算法（HOA）、LIME解释方法	SDAE	网络数据	NSLKDD2015和CICIDS2017数据集
383	2025-07-12	Electricity usage prediction using developed human evolutionary optimization algorithm and Xception neural network 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10557-2 PMID:40634445	研究论文	该研究论文介绍了一种利用改进的人类进化优化算法（DHEO）和Xception神经网络（Xception-NN）模型预测电力使用的新技术	结合DHEO算法和Xception-NN模型，优化电力使用预测，提高准确性并捕捉复杂依赖关系	未提及具体的数据集规模或模型在不同地区的泛化能力	预测电力使用，优化能源生产和未来需求预测	电力消耗数据，包括天气条件、人口统计洞察和经济指标等因素	机器学习	NA	DHEO算法，Xception-NN模型	Xception-NN	时间序列数据	NA
384	2025-07-12	Transformer optimization with meta learning on pathology images for breast cancer lymph node micrometastasis 2025-Jul-09, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01833-6 PMID:40634485	研究论文	本文提出了一种名为MetaTrans的新型网络，利用元学习在有限数据集上的优势，有效识别病理图像中的乳腺癌淋巴结微转移	开发了MetaTrans网络和34类数据集MT-MCD，能够在有限数据集上有效识别微转移，并在多中心数据集和0-shot任务中表现优异	数据集规模有限，可能影响模型的泛化能力	提高乳腺癌淋巴结微转移的识别准确率	乳腺癌、甲状腺癌和结直肠癌的淋巴结微转移	数字病理学	乳腺癌	元学习	Transformer	病理图像	34类数据集（MT-MCD）和两个多中心数据集
385	2025-07-12	Deep learning-based automatic detection and grading of disk herniation in lumbar magnetic resonance images 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10401-7 PMID:40634500	研究论文	本研究开发了一种改进的YOLOv8模型（GE-YOLOv8），用于自动检测和分级腰椎磁共振图像中的椎间盘突出	结合梯度搜索模块和高效通道注意力机制，提升了特征学习能力和小目标病变检测的敏感性	研究仅使用了来自单一医院的数据集，可能影响模型的泛化能力	解决腰椎磁共振图像解释过程中重复耗时及诊断结果不一致的问题	腰椎磁共振图像中的椎间盘突出	计算机视觉	椎间盘突出	磁共振成像（MRI）	改进的YOLOv8（GE-YOLOv8）	图像	福建医科大学附属协和医院平潭分院的数据集及外部测试数据集
386	2025-07-12	Real-Time jamming detection using windowing and hybrid machine learning models for pre-saturation alerts 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10567-0 PMID:40634565	研究论文	本文提出了一种新的深度学习和机器学习模型，用于在GNSS干扰下检测Ublox-M8T接收器中的欺骗和压制干扰	集成了窗口机制用于预饱和警报和早期激活干扰检测，通过区分高可信度和低可信度GNSS数据增强系统可靠性	NA	开发一种实时干扰检测系统，适用于各种环境下的导航	Ublox-M8T接收器中的欺骗和压制干扰信号	机器学习	NA	XGBoost分类器	深度学习与机器学习混合模型	GNSS和干扰信号数据	在受控条件下收集的真实GNSS和干扰信号数据
387	2025-07-12	Applying deep learning techniques to identify tonsilloliths in panoramic radiography 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10489-x PMID:40634633	研究论文	本研究应用深度学习技术在全景X光片中识别扁桃体结石	首次将ResNet和EfficientNet CNN模型应用于扁桃体结石的自动识别，为临床提供快速准确的诊断支持	样本量相对较小(仅275例)，且仅评估了有限几种CNN模型	开发AI辅助诊断系统以提高扁桃体结石的诊断准确性	扁桃体结石在全景X光片中的影像特征	计算机视觉	耳鼻喉疾病	深度学习	CNN(包括ResNet18、ResNet101、EfficientNetB0和EfficientNetB1)	医学影像(全景X光片)	275张全景X光片(125张无结石，150张有结石)
388	2025-07-12	Artificial Intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study 2025-Jul-09, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002922 PMID:40638258	研究论文	本研究开发了一种基于Transformer的深度学习模型COFFEE，用于精确分类结直肠癌肝转移的组织病理学生长模式（HGPs）	提出了一种新的Transformer-based Multiple Instance Learning (TransMIL)框架，结合多头部自注意力机制和金字塔位置编码生成器（PPEG）模块，有效处理全切片图像（WSIs）中的大实例序列	研究样本量相对较小，前瞻性队列仅包含30例患者，可能需要更大规模的验证	开发AI辅助工具以提高结直肠癌肝转移HGPs分类的精确度	结直肠癌肝转移患者的组织病理学图像	数字病理学	结直肠癌	全切片图像（WSIs）分析	Vision Transformer (ViT), Transformer-based Multiple Instance Learning (TransMIL)	图像	431例患者（训练297例，测试104例，前瞻性30例）和1,442例来自TCGA-COAD队列的WSIs用于预训练
389	2025-07-12	Metaverse-based deep learning framework for coronary artery stenosis classification using Monte Carlo Dropout-based ResNet-152 2025-Jul-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110720 PMID:40639014	研究论文	本文提出了一种基于元宇宙的深度学习框架，利用蒙特卡洛Dropout的ResNet-152模型对冠状动脉狭窄进行分类	结合元宇宙和深度学习技术，提出了一种新的冠状动脉狭窄分类方法，并利用虚拟现实技术为患者提供交互式3D模型	未提及样本来源的多样性及模型在临床实际应用中的验证情况	提高冠状动脉狭窄的诊断精度，改善患者治疗效果	冠状动脉狭窄患者	数字病理	心血管疾病	Invasive Coronary Angiography (ICA), Quantum-Adapted Diffusion (QAD), Gray Level Co-occurrence Matrix (GLCM)	Monte Carlo Dropout-based ResNet-152 (MCD-ResNet-152)	图像	NA
390	2025-07-12	Predicting municipal solid waste generation using artificial intelligence: A hybrid approach of entropy analysis and SHAP for optimal feature selection 2025-Jul-09, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115012 PMID:40639006	研究论文	本研究采用混合方法整合互信息（MI）和Shapley加性解释（SHAP）进行人工智能（AI）建模中的特征选择，以提高城市固体废物（MSW）生成的预测准确性	提出了一种结合MI和SHAP的混合方法，用于优化特征选择，提高了MSW生成的预测模型精度	在Boralesgamuwa的数据限制导致模型训练不佳，预测性能较差，突显了高质量和一致性数据的重要性	提高城市固体废物（MSW）生成的预测准确性，以支持可持续的MSW管理政策	美国奥斯汀、澳大利亚巴拉瑞特和斯里兰卡Boralesgamuwa三个城市的气象和社会经济数据	机器学习	NA	互信息（MI）和Shapley加性解释（SHAP）	FFNN和LSTM	气象和社会经济数据	三个城市的数据集（奥斯汀、巴拉瑞特和Boralesgamuwa）
391	2025-07-12	Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains 2025-Jul-09, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180031 PMID:40639040	研究论文	本研究提出了一种数据驱动的方法，结合遥感和现场地下水数据，监测和预测2000年至2030年德克萨斯高平原地区的地下水水位变化，以支持可持续水资源管理	结合深度学习模型（如1DCNN与LSTM网络）和水平衡方法，实现了作物分类、田间分割及水源归属的高精度分析	研究仅针对德克萨斯高平原的Castro和Hale县，结果可能不适用于其他地区	监测和预测地下水水位变化，支持可持续水资源管理	德克萨斯高平原的Castro和Hale县的地下水及农作物（高粱、棉花、玉米）	数字农业	NA	遥感、深度学习、水平衡分析	1DCNN、LSTM、SAM	遥感图像、时间序列数据	1995年至2024年的农作物数据，2000年至2023年的地下水数据
392	2025-07-12	Cryo-electron tomography: Challenges and computational strategies for particle picking 2025-Jul-09, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103113 PMID:40639056	综述	本文全面回顾了基于深度学习的粒子挑选方法在冷冻电子断层扫描中的应用	评估了基于注释和无注释方法的优缺点及适用场景，并提供了选择最合适方法的实用指南	未提及具体实验验证结果或性能比较数据	克服冷冻电子断层扫描中蛋白质精确定位的挑战	冷冻电子断层扫描数据中的蛋白质粒子	计算生物学	NA	冷冻电子断层扫描(cryo-ET)和亚断层图平均	深度学习	断层扫描图像	NA
393	2025-07-12	Letter to editor "Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model" 2025-Jul-09, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002840 PMID:40643594	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
394	2025-07-12	Reproducibility and interpretability in radiomics: a critical assessment 2025-07-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242719 PMID:39463040	综述	本文批判性评估了放射组学在可重复性和可解释性方面的挑战	深入分析了放射组学在影像和统计分析中的可重复性问题及其对模型可解释性的影响	研究指出放射组学面临高维数据集和小样本量的挑战，限制了机器学习和深度学习方法的应用	探讨放射组学在临床决策中的应用及其面临的挑战	放射组学特征及其在临床决策中的应用	数字病理学	NA	NA	机器学习和深度学习方法	影像数据	小样本量
395	2025-07-12	Progress in the application research of cervical cancer screening developed by artificial intelligence in large populations 2025-Jul-08, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03102-0 PMID:40627254	综述	本文综述了人工智能在宫颈癌大规模筛查中的应用研究进展	总结了AI如何简化工作流程、辅助细胞学分割与诊断，并提升HPV和阴道镜的筛查与诊断过程	面临技术和资源限制、临床工作流程整合困难以及伦理和法律风险等挑战	探讨人工智能在大规模宫颈癌筛查中的应用及其潜力	宫颈癌筛查	数字病理学	宫颈癌	机器学习和深度学习	NA	NA	NA
396	2025-07-12	Unveiling aging heterogeneities in human dermal fibroblasts via nanosensor chemical cytometry 2025-Jul-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61590-8 PMID:40628739	research paper	该研究开发了一种基于纳米传感器化学细胞计数（NCC）的无标记、非破坏性单细胞分析平台，用于揭示人类皮肤成纤维细胞中的衰老异质性	结合自动化硬件和深度学习，利用nIR荧光单壁碳纳米管阵列和光子纳米喷射透镜技术，高通量提取四种关键衰老表型，构建虚拟衰老轨迹	NA	研究人类皮肤成纤维细胞中的衰老异质性，以提高再生细胞制造的质量控制和临床预测性	人类皮肤成纤维细胞	生物医学工程	衰老相关疾病	纳米传感器化学细胞计数（NCC）、RNA测序	深度学习	单细胞表型数据、基因表达数据	约10个细胞在1小时内完成量化
397	2025-07-12	Motor imagery EEG signal classification using novel deep learning algorithm 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00824-7 PMID:40628758	研究论文	本研究提出了一种新颖的深度学习算法，用于运动想象（MI）脑电图（EEG）信号分类	提出了一种结合经验模态分解（EMD）、连续小波变换（CWT）、源功率相干（SPoC）和共同空间模式（CSP）的混合预处理方法，以及使用远近距离优化（FNO）算法优化的自适应深度信念网络（ADBN）进行分类	未提及具体局限性	提高运动想象EEG信号分类的准确性和适应性	运动想象EEG信号	机器学习	NA	EMD, CWT, SPoC, CSP, ADBN, FNO	ADBN	EEG信号	BCI competition IV Dataset 2a和Physionet数据集
398	2025-07-12	Deep learning diagnosis plus kinematic severity assessments of neurodivergent disorders 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04294-9 PMID:40628787	research paper	该研究通过深度学习技术和运动学评估方法，对神经发育障碍（NDD）进行早期诊断和严重程度评估	结合深度学习与运动学数据分析，提出了一种新的神经发育障碍诊断和严重程度量化方法	研究样本可能有限，且需要进一步验证方法的普适性	开发神经发育障碍的早期诊断和严重程度评估工具	自闭症谱系障碍（ASD）、注意力缺陷多动障碍（ADHD）、ASD+ADHD共病患者及神经典型发育（NT）人群	digital pathology	neurodivergent disorders	深度学习（DL）、高精度运动学蓝牙传感器	DL	运动学数据	未明确提及具体样本数量
399	2025-07-12	Enhancing stroke risk prediction through class balancing and data augmentation with CBDA-ResNet50 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07350-6 PMID:40628791	研究论文	本研究提出了一种基于类平衡和数据增强的CBDA-ResNet50深度学习模型，用于提高中风风险预测的准确性	结合类平衡和数据增强技术改进ResNet50模型，解决了医学影像数据中的类别不平衡和训练样本有限的问题	未提及模型在临床实际应用中的验证情况	提高中风风险的早期预测准确性以实现及时干预和预防	中风风险预测	数字病理学	心血管疾病	深度学习	CBDA-ResNet50（基于ResNet50改进）	医学影像数据	NA
400	2025-07-12	Integrating radiomic texture analysis and deep learning for automated myocardial infarction detection in cine-MRI 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08127-7 PMID:40628813	研究论文	该研究提出了一种结合放射组学纹理分析和深度学习分割的混合框架，用于增强非对比电影心脏磁共振成像中的心肌梗死检测	将放射组学特征与改进的U-Net分割网络相结合，通过早期和中期融合策略优化模型性能	研究仅基于SCD和Kaggle数据集进行验证，未涉及更多外部验证集	提高心肌梗死的诊断准确性并实现个性化治疗	心肌梗死组织和正常心肌组织	数字病理	心血管疾病	放射组学纹理分析（GLCM和GLRLM方法）	改进的U-Net	图像	来自SCD和Kaggle数据集的电影心脏磁共振成像数据