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
421	2025-05-10	Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90221-x PMID:39987243	research paper	提出一种半监督方法用于组织病理学图像中的组织结构语义分割	结合自监督训练和一致性正则化，利用CNN教师模型生成伪标签训练学生模型，并采用蒙特卡洛dropout估计模型不确定性	需要大量标注数据训练模型，且对于罕见疾病数据获取困难	提高组织病理学图像分割的准确性	组织病理学图像中的组织结构	digital pathology	NA	semi-supervised learning, Monte Carlo dropout	CNN	image	public dataset (具体数量未提及)
422	2025-05-10	Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91364-7 PMID:39987316	研究论文	本研究通过整合无人机RGB影像和深度学习技术，提高了高覆盖率魔芋植株的识别和计数准确性	提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植株的识别和计数准确率	研究主要针对魔芋这种具有单一茎干和直立生长特性的作物，对其他作物的适用性需要进一步验证	提高高覆盖率阶段魔芋植株的识别和计数准确性，为农业管理和产量预测提供支持	魔芋植株	计算机视觉	NA	无人机RGB影像	深度学习模型	图像	未明确说明样本数量
423	2025-05-10	Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures 2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02793-y PMID:39984717	研究论文	本研究评估了结合区块链技术和人工智能的高级诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性	首次将区块链技术与AI结合用于胫骨平台骨折的诊断，实现安全、协作且便捷的辅助诊断	研究仅在三家独立医院进行，样本来源可能有限	评估区块链与AI结合的高级诊断模型在急诊胫骨平台骨折识别中的效果	胫骨平台骨折（TPFs）患者	数字病理	骨科创伤	区块链技术，深度学习	YOLOv8n，分布式AI模型	图像	来自三家独立医院的图像数据
424	2025-05-10	Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI 2025-Feb-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01517-9 PMID:39984860	research paper	开发基于MRI的深度学习模型，用于区分三种鼻窦恶性肿瘤，并评估这些模型是否能提高资深和初级放射科医生的诊断性能	使用ResNet101网络构建的深度学习模型在区分鼻窦鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤方面表现出色，并能显著提升放射科医生的诊断准确性	研究为回顾性分析，可能存在选择偏倚，且样本量相对有限	开发并验证基于MRI的深度学习模型，以提高鼻窦恶性肿瘤的诊断准确性	465名鼻窦恶性肿瘤患者（包括229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤）	digital pathology	鼻窦恶性肿瘤	MRI（包括T2加权成像、对比增强T1加权成像和表观扩散系数）	ResNet101, ResNet50, DensNet121	MRI图像	465名患者（训练和验证队列372名，独立外部测试队列93名）
425	2025-05-10	An ensemble deep learning framework for multi-class LncRNA subcellular localization with innovative encoding strategy 2025-Feb-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02148-4 PMID:39984880	research paper	提出了一种名为MGBLncLoc的深度学习模型，用于预测长非编码RNA（LncRNA）的亚细胞定位	采用了一种新颖的多类编码技术MCD-ND，能更精确地反映核苷酸分布，并结合多种先进的神经网络模块	未提及具体的数据集规模或模型在更广泛数据集上的泛化能力	提高LncRNA亚细胞定位预测的准确性	长非编码RNA（LncRNA）	生物信息学	NA	深度学习	Multi-Dconv Head Transposed Attention, Gated-Dconv Feed-forward Network, CNN, Bidirectional Gated Recurrent Unit	序列数据	NA
426	2025-05-10	Multi-cancer early detection based on serum surface-enhanced Raman spectroscopy with deep learning: a large-scale case-control study 2025-Feb-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-03887-5 PMID:39984977	研究论文	本研究提出了一种基于血清表面增强拉曼光谱（SERS）技术和深度学习的多癌症早期检测方法	结合SERS技术、重采样策略、特征维度增强、深度学习和可解释性分析方法，实现了高灵敏度和高准确性的泛癌筛查	研究样本中某些癌症类型的病例数较少（如食管癌仅38例），可能影响模型的泛化能力	开发一种高效的多癌症早期检测方法	1655例早期癌症患者（包括乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌）和1896例健康对照	数字病理学	多癌症（乳腺癌、肺癌、甲状腺癌、结直肠癌、胃癌、食管癌）	表面增强拉曼光谱（SERS）、连续小波变换（CWT）	ResNet（CNN算法）、深度神经网络（DNN）	血清SERS光谱数据	3551例样本（1655例癌症患者和1896例健康对照）
427	2025-05-10	Impact of deep learning on pediatric elbow fracture detection: a systematic review and meta-analysis 2025-Feb-20, European journal of trauma and emergency surgery : official publication of the European Trauma Society IF:1.9Q2 DOI:10.1007/s00068-025-02779-w PMID:39976732	meta-analysis	该研究通过系统评价和荟萃分析评估了深度学习模型在儿童肘部骨折检测中的性能	首次系统评价和荟萃分析了深度学习模型在儿童肘部骨折检测中的应用及其性能	仅纳入了6项符合标准的研究，样本量有限	评估深度学习模型在儿童肘部骨折检测中的准确性和性能	0至16岁儿童的肘部骨折	digital pathology	pediatric elbow fractures	deep learning	ResNet	image	6项研究的数据
428	2025-05-10	High throughput analysis of rare nanoparticles with deep-enhanced sensitivity via unsupervised denoising 2025-Feb-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56812-y PMID:39979247	研究论文	开发了一种结合无监督深度学习和光流体设备的纳米颗粒分析方法，实现了高可扩展性、高吞吐量和高灵敏度的纳米颗粒检测	提出了一种名为'Deep Nanometry' (DNM)的新方法，结合无监督深度学习和光流体设备，显著提高了纳米颗粒检测的灵敏度和吞吐量	未明确提及具体限制，但可能涉及设备复杂性和成本	开发一种高灵敏度、高吞吐量的纳米颗粒分析方法，用于生物学、医学和材料科学领域	纳米颗粒，特别是稀有纳米颗粒和细胞外囊泡(EVs)	机器学习	结直肠癌	无监督深度学习，光流体技术	无监督深度学习	纳米颗粒检测数据	1,214,392个总颗粒，其中包括0.002%的稀有目标细胞外囊泡(EVs)，以及结直肠癌患者和健康对照血清中的0.93%和0.17%的诊断标记EVs
429	2025-05-10	Application of deep learning for fruit defect recognition in Psidium guajava L 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88936-y PMID:39979339	research paper	该研究应用深度学习技术识别番石榴果实的外观缺陷	使用YOLO v4预训练网络架构在果实缺陷检测中表现出色，特别是在识别特定病害方面	未提及模型在不同光照或果实成熟度条件下的泛化能力	实现番石榴果实质量标准化和自动化检测	番石榴果实及其外观缺陷	computer vision	NA	deep learning	YOLO v4	image	189个番石榴果实和1701张图像样本
430	2025-05-10	IoT-driven smart assistive communication system for the hearing impaired with hybrid deep learning models for sign language recognition 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89975-1 PMID:39979401	research paper	该研究提出了一种基于混合深度学习模型的智能辅助通信系统，用于听力障碍者的手语识别	结合改进的MobileNetV3特征提取、CNN-BiGRU-A模型分类器以及AROA超参数优化算法，实现了高精度的手语识别	实验仅在印度手语数据集上进行验证，可能在其他手语系统中的泛化能力有限	开发一种智能辅助通信系统，帮助听力障碍者更好地进行交流	听力障碍者的手语识别	computer vision	hearing impairment	hybrid deep learning	CNN-BiGRU-A with AROA optimization	image	印度手语数据集（具体数量未提及）
431	2025-05-10	Pathology-based deep learning features for predicting basal and luminal subtypes in bladder cancer 2025-Feb-20, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13688-x PMID:39979837	research paper	该研究利用H&E染色的全切片图像中的深度学习特征，开发机器学习模型以预测膀胱癌的基底和管腔亚型	首次基于H&E染色的全切片图像提取深度学习特征，用于预测膀胱癌分子亚型，并展示了优于病理学家的性能	外部验证集表现存在差异（AUC 0.64-0.81），模型泛化能力有待提升	开发基于病理图像的膀胱癌分子分型预测工具	膀胱癌患者的H&E染色全切片图像	digital pathology	bladder cancer	RNA-seq, WSIs分析	Resnet50, SVM, RF, LR	病理图像	TCGA数据集（内部验证）+ 两个中国医院数据集（STPH和GD2H，外部验证）
432	2025-05-10	stDyer enables spatial domain clustering with dynamic graph embedding 2025-Feb-20, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03503-y PMID:39980033	research paper	介绍了一种名为stDyer的端到端深度学习框架，用于空间转录组学数据中的空间域聚类	结合高斯混合变分自编码器与图注意力网络，通过动态图自适应地连接单元，改进了聚类效果并产生更平滑的域边界	未明确提及具体局限性	开发一种有效的方法来识别空间转录组学数据中的空间域	空间转录组学数据	生物信息学	NA	空间转录组学	高斯混合变分自编码器与图注意力网络	空间转录组学数据	未明确提及具体样本数量
433	2025-05-10	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	综述	本文系统回顾了过去十年深度学习在牙科领域的应用，全面概述了其趋势、模型及临床意义	提供了深度学习在牙科领域应用的全面映射，识别了研究趋势和未来改进方向	主要依赖监督学习方法，需要大量标注数据，且未充分探索新兴模型架构	探索深度学习在牙科领域的应用及其临床意义	牙科领域的诊断、治疗规划和预后预测	数字病理	牙科疾病	深度学习	CNN	影像数据（如锥形束计算机断层扫描和正畸全景片）	1,007项研究（从21,242项筛选研究中选出）
434	2025-05-10	AI-based approach to dissect the variability of mouse stem cell-derived embryo models 2025-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56908-5 PMID:39971935	研究论文	利用深度学习方法提高小鼠干细胞衍生胚胎模型的选择可重复性	首次将深度学习应用于干细胞衍生胚胎模型的分类，预测其发育轨迹	模型在初始细胞接种阶段的准确率相对较低（65%）	提高干细胞衍生胚胎模型研究的标准化程度	小鼠植入后干细胞衍生胚胎样结构（ETiX-embryos）	数字病理学	NA	活体成像、深度学习	深度学习模型	图像	900个小鼠ETiX-embryos
435	2025-05-10	An infrared dataset for partially occluded person detection in complex environment for search and rescue 2025-Feb-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04600-0 PMID:39971943	research paper	该研究提出了一个基于无人机红外热成像的部分遮挡人员检测数据集（POP），用于复杂环境下的搜救任务	首次收集并标注了针对部分遮挡人员检测的红外热成像数据集，填补了现有非遮挡人体目标数据集的不足	数据集仅包含8768张标注图像，可能不足以覆盖所有复杂遮挡场景	提高无人机在复杂遮挡环境下的人员检测性能	部分遮挡的人体目标	computer vision	NA	红外热成像	object detection networks	image	8768张标注的红外热成像图片
436	2025-05-10	LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89651-4 PMID:39971977	研究论文	提出一种AI驱动的实时交通管理系统，旨在减少紧急医疗服务（EMS）的响应时间	结合了基于Raspberry Pi的交通信号优先、深度学习支持的视听救护车检测和先进的智能交通管理框架，通过多模态数据融合实现高精度救护车检测	未提及系统在实际复杂交通环境中的部署效果和长期稳定性	优化救护车路线和交通信号控制，减少紧急医疗服务的响应时间	城市交通网络和紧急医疗服务	机器学习和智能交通系统	NA	Mel Frequency Cepstral Coefficients (MFCCs) 和归纳迁移学习	LSTM 和 ResNet18	音频和视觉数据	未明确提及具体样本数量
437	2025-05-10	A skin disease classification model based on multi scale combined efficient channel attention module 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90418-0 PMID:39972014	研究论文	提出一种基于多尺度通道注意力的皮肤疾病分类模型，用于提高皮肤疾病的诊断准确率	改进了金字塔分割注意力模块以全面提取图像的多尺度特征，并将注意力模块整合到反向残差结构中，以实现更好的多尺度特征提取	NA	提高皮肤疾病的分类准确率，降低误诊率	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	基于多尺度通道注意力的分类模型	图像	两个皮肤疾病数据集（ISIC2019和HAM10000）
438	2025-05-10	Temporal and spatial self supervised learning methods for electrocardiograms 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90084-2 PMID:39972080	研究论文	提出了一种针对心电图检测的时空自监督学习方法（TSSL），利用心电图信号的时空特性增强特征表示	首次将时空特性结合到心电图的自监督学习中，通过时间上的一致性身份信息和空间上不同导联的相关性，提升了特征提取能力	方法主要针对心电图信号，可能不直接适用于其他类型的时序数据	解决标记心电图数据有限的问题，提升心电图检测的深度学习性能	心电图信号	机器学习	心血管疾病	自监督学习	TSSL	时序信号	CPSC2018、Chapman和PTB-XL数据库
439	2025-05-10	Ensemble fuzzy deep learning for brain tumor detection 2025-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90572-5 PMID:39972098	研究论文	提出了一种新颖的集成模糊深度学习方法，用于脑部MRI分析，旨在改善脑组织和异常的分割	方法集成了多种组件，包括增强的体素模糊池化、模型融合策略和注意力机制，以关注输入数据中最相关的区域	NA	提高脑部MRI图像中组织和异常的分割准确性	脑部MRI图像	数字病理	脑肿瘤	MRI	集成模糊深度学习	图像	完整的脑部MRI分割数据集
440	2025-05-10	A deep learning approach: physics-informed neural networks for solving a nonlinear telegraph equation with different boundary conditions 2025-Feb-19, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-025-07142-1 PMID:39972356	research paper	本文提出了一种基于物理信息的深度学习方法，用于解决具有不同边界条件的非线性电报方程	使用物理信息神经网络（PINN）解决非线性电报方程，并采用多目标损失函数结合偏微分方程残差、初始条件和边界条件	未提及具体局限性	解决非线性电报方程在不同边界条件下的数值解问题	非线性电报方程及其Dirichlet、Neumann和Periodic边界条件	machine learning	NA	physics-informed neural networks (PINN)	feedforward deep neural networks	numerical data	三个计算示例