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
4661	2025-07-14	Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis 2025-Jul-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.027 PMID:40651923	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学和深度学习模型在预测软组织肉瘤远处转移中的表现	比较了深度学习与传统手工放射组学模型在预测转移中的性能，并探讨了不同成像方式和临床特征整合的影响	存在显著的异质性、有限的外部验证和潜在的发表偏倚	评估放射组学和深度学习模型在预测软组织肉瘤转移中的诊断准确性	软组织肉瘤（STS）患者	digital pathology	软组织肉瘤	MRI, PET, PET/CT	DL, handcrafted radiomics (HCR)	医学影像	19项研究，涉及1712名患者
4662	2025-07-14	A Deep Learning Model for Preoperative Prediction of Lymph Node Metastasis in cT1-Stage Lung Adenocarcinoma: A Multicenter External Validation Study 2025-Jul-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.001 PMID:40651922	研究论文	开发并验证了一种深度学习模型，用于术前预测临床T1期肺腺癌的淋巴结转移，并与传统的语义和放射组学特征进行比较	提出了一种基于残差网络的深度学习模型ResLNM，用于术前预测淋巴结转移，其性能优于传统的语义和放射组学模型	研究为回顾性多中心研究，可能存在选择偏倚，且未探讨模型在其他类型肺癌中的适用性	开发并验证一种深度学习模型，用于术前预测临床T1期肺腺癌的淋巴结转移	临床T1期肺腺癌患者	数字病理	肺癌	深度学习	ResLNM（基于残差网络的深度学习模型）	图像	2503名患者，2568个经病理证实的cT1期肺腺癌结节
4663	2025-07-14	Deep learning to assess erythritol in zebrafish development, circadian rhythm, and cardiovascular disease risk 2025-Jul-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00512-w PMID:40640190	研究论文	使用深度学习评估赤藓糖醇对斑马鱼发育、昼夜节律及心血管疾病风险的影响	首次采用深度学习技术分析赤藓糖醇对斑马鱼发育时间动态的影响，并揭示其对昼夜节律和心血管健康的潜在风险机制	研究仅基于斑马鱼模型，结果外推至人类需谨慎；实验浓度梯度有限（3-7mg/mL）	评估人工甜味剂赤藓糖醇的生物安全性及其致病机制	斑马鱼胚胎（受精后2小时至120小时）	数字病理学	心血管疾病	深度学习	NA	发育行为视频数据	斑马鱼胚胎暴露于3种浓度（3/5/7mg/mL）的赤藓糖醇
4664	2025-07-14	Deformable detection transformers for domain adaptable ultrasound localization microscopy with robustness to point spread function variations 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09120-w PMID:40640235	research paper	提出了一种使用DEformable DEtection TRansformer (DE-DETR)的新方法，用于超声定位显微镜(ULM)中的微泡(MB)定位，以提高超分辨率成像的精度和召回率	利用DE-DETR网络处理超声成像中的动态点扩散函数(PSF)变化，并通过KDTree算法优化超分辨率图像	尽管在模拟和体内数据上表现良好，但深度学习模型在从模拟数据到体内数据的泛化能力上仍有挑战	解决超声定位显微镜中微泡定位的挑战，提高超分辨率成像的精度	气体微泡(MBs)在血管中的流动	digital pathology	NA	超声定位显微镜(ULM), KDTree算法	DEformable DEtection TRansformer (DE-DETR)	超声图像	模拟和体内数据
4665	2025-07-14	An ODE based neural network approach for PM2.5 forecasting 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05958-2 PMID:40640232	研究论文	本文提出了一种基于ODE的神经网络方法，用于PM2.5预测	提出了两种基于ODE的模型：基于transformer的ODE模型和闭式ODE模型，显著提高了预测精度	基于ODE的连续时间模型受数值求解器的限制，影响了可扩展性和复杂现象的建模能力	提高PM2.5时间序列数据的预测准确性	PM2.5浓度数据	机器学习	NA	ODE-based neural network	Transformer-based ODE, Closed-form ODE, LSTM, BiLSTM, GRU	时间序列数据	NA
4666	2025-07-14	Enhanced spectrum sensing for 5G and LTE signals using advanced deep learning models and hyperparameter tuning 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07837-2 PMID:40640243	研究论文	本文介绍了一种利用先进的深度学习模型和超参数调优来增强5G和LTE信号频谱感知准确性的新方法	采用DenseNet121和InceptionV3等先进神经网络架构，并通过系统化的超参数调优显著提升了频谱感知的准确性	在低信噪比帧被排除的受控场景中表现较好，但在信号质量较差的条件下性能可能受限	提升5G和LTE信号在动态和嘈杂无线环境中的频谱感知准确性	5G和LTE信号	机器学习	NA	深度学习	DenseNet121, InceptionV3	合成信号和真实世界数据	大规模多样化数据集
4667	2025-07-14	SynergyBug: A deep learning approach to autonomous debugging and code remediation 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08226-5 PMID:40640256	研究论文	提出了一种名为SynergyBug的深度学习方法，用于自主检测和修复软件系统中的错误	结合BERT和GPT-3模型，实现自动化的错误检测和修复，减少人工干预	需要人类监控以确保安全性，并管理训练系统的偏差	提高软件系统的质量和可靠性，通过自动化工具改进错误管理	软件系统中的错误检测和修复	自然语言处理	NA	BERT, GPT-3	BERT, GPT-3	文本（错误报告、错误日志和文档）	超过100,000个错误报告
4668	2025-07-14	Lightweight machine learning framework for efficient DDoS attack detection in IoT networks 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10092-0 PMID:40640290	研究论文	提出了一种轻量级机器学习框架，用于高效检测物联网网络中的DDoS攻击	设计了一种轻量级且可扩展的机器学习框架，特别适用于资源受限的物联网环境，通过特征选择和监督学习模型显著提高了检测效率	研究仅基于NSL-KDD数据集进行验证，未在实际物联网设备上进行测试	开发一种高效的DDoS攻击检测方法，以解决物联网网络中的安全问题	物联网网络中的DDoS攻击	机器学习	NA	监督学习	Random Forest, Logistic Regression, Naïve Bayes	网络数据	NSL-KDD数据集
4669	2025-07-14	Plastic water bottle detection model using computer vision in aquatic environments 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09300-8 PMID:40640371	研究论文	本文提出了一种利用计算机视觉、深度学习和目标跟踪算法自动检测和计数水体中塑料水瓶的方法	结合YOLOv8目标检测模型、Norfair目标跟踪库和新颖的后处理算法，有效过滤误检	未提及模型在不同水质或光照条件下的泛化能力	开发自动化水体垃圾检测系统	水体中的塑料水瓶	计算机视觉	NA	深度学习、目标跟踪	YOLOv8	图像	多个公开的标记垃圾和塑料瓶图像数据集
4670	2025-07-14	Automated tick classification using deep learning and its associated challenges in citizen science 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10265-x PMID:40640390	研究论文	本文开发了一种基于深度学习的自动化蜱虫分类方法，并探讨了在公民科学中应用的相关挑战	结合深度学习和公民科学进行大规模蜱虫监测的创新框架	类别不平衡、物种相似性和形态变异性带来的分类挑战	开发自动化蜱虫分类系统以支持公共卫生监测	蜱虫图像数据	计算机视觉	莱姆病和蜱传脑炎	图像分析、目标检测和迁移学习	EfficientNetV2M	图像	超过15,000张蜱虫图像，涵盖7个物种
4671	2025-07-14	Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer 2025-Jul-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01831-8 PMID:40640522	research paper	该研究利用深度学习技术分析常规乳腺X光片，以提高早期乳腺癌淋巴结转移的预测准确性	首次将深度学习应用于常规全乳X光片，结合临床变量显著提升了淋巴结转移的预测性能	研究为回顾性设计，样本仅来自瑞典三家机构，可能影响结果的普适性	开发术前预测乳腺癌淋巴结转移的影像学模型，为手术降级提供依据	1265名cN0 T1-T2期乳腺癌患者（接受初次手术，未进行新辅助治疗）	digital pathology	breast cancer	deep learning	CNN	image	1265例患者的乳腺X光片和临床病理数据
4672	2025-07-14	Rprot-Vec: a deep learning approach for fast protein structure similarity calculation 2025-Jul-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06213-1 PMID:40640710	research paper	提出了一种名为Rprot-Vec的深度学习模型，用于基于蛋白质一级序列数据快速预测蛋白质结构相似性和进行同源检测	结合双向GRU和多尺度CNN层与ProtT5编码，仅使用一级序列数据即可准确快速预测蛋白质结构相似性，参数数量仅为TM-vec的41%但性能更优	未明确提及具体局限性	开发一种高效、可扩展的基于序列的蛋白质结构相似性预测方法	蛋白质序列和结构	computational biology	NA	deep learning	bidirectional GRU, multi-scale CNN, ProtT5	protein sequence data	三个精选训练数据集(CATH_TM_score_S/M/L)
4673	2025-07-14	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-Jul-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	该研究开发了一种基于注意力的多模态深度学习模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	结合了3D卷积神经网络和自注意力机制，以捕捉空间和跨模态的交互，提高了模型的可解释性和跨机构的泛化能力	模型的预测性能仍有提升空间，AUC值在内部和外部验证集上分别为0.73和0.71	预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	乳腺癌患者	数字病理学	乳腺癌	MRI成像和临床特征分析	3D CNN和自注意力机制	医学影像和临床数据	I-SPY 2试验数据集（N=660）和I-SPY 1数据集（N=114）
4674	2025-07-14	Noise-inspired diffusion model for generalizable low-dose CT reconstruction 2025-Jul-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103710 PMID:40651065	研究论文	提出了一种受噪声启发的扩散模型NEED，用于通用低剂量CT重建，通过双域重建策略提高重建质量和泛化性能	设计了移位泊松扩散模型和对偶引导扩散模型，分别针对投影数据和重建图像进行优化，无需配对数据训练即可适应不同剂量水平	未明确说明模型在极端低剂量情况下的表现及计算效率	提升深度学习模型在未见剂量水平的低剂量CT重建中的泛化能力	低剂量CT图像重建	数字病理	NA	扩散模型	NEED（噪声启发扩散模型）	CT图像	两个数据集（未明确具体数量）
4675	2025-07-14	SingleFrag: a deep learning tool for MS/MS fragment and spectral prediction and metabolite annotation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf333 PMID:40641047	研究论文	本文介绍了一种名为SingleFrag的深度学习工具，用于预测MS/MS碎片和光谱以及代谢物注释	SingleFrag通过单独预测每个碎片而非整个光谱，超越了现有最先进的计算机模拟碎片工具	NA	解决由于缺乏全面的参考光谱库而导致的代谢物和小分子鉴定困难	代谢物和小分子的MS/MS光谱	机器学习	NA	MS/MS	深度学习	光谱数据	三种先前未鉴定的人类样本中常见化合物
4676	2025-07-14	Chemical space visual navigation in the era of deep learning and Big Data 2025-Jul, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104392 PMID:40456508	综述	本文综述了在深度学习和大数据时代下，化学空间可视化导航的算法和工具的最新进展	探讨了这些方法如何应对大数据挑战，并讨论了非传统应用，如QSAR/QSPR模型的视觉验证、交互式生成方法以及化学空间地图作为数字艺术的使用	NA	分析大数据时代下药物化学领域的新挑战，并提出可视化化学空间的方法和工具	化学空间的可视化导航算法和工具	药物化学	NA	QSAR/QSPR模型	NA	化学结构数据	NA
4677	2025-07-14	AI-based pelvic floor surface electromyography reference ranges and high-precision pelvic floor dysfunction diagnosis 2025-Jul, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105755 PMID:40479842	研究论文	本研究通过AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，以提高盆底功能障碍（PFDs）的诊断准确性	利用AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，其性能优于传统的Glazer标准和经典机器学习及深度学习模型	研究样本虽来自多个中心，但仍可能存在地域和人群的局限性	建立盆底表面肌电的多维数据库，并开发AI诊断模型以提高PFDs的诊断准确性	1605名来自中国21个中心的参与者	数字病理	盆底功能障碍	表面肌电图（sEMG）	AI-Diagnostician-PFD	肌电数据	1605名参与者
4678	2025-07-14	Deep operator network models for predicting post-burn contraction 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106558 PMID:40592205	research paper	本研究探讨了使用深度算子网络作为有限元模拟的替代模型，用于预测烧伤后伤口收缩	提出了一种改进的深度算子网络架构，通过整合初始伤口形状信息和应用正弦增强来加强边界条件	研究仅基于三种初始伤口形状进行训练，可能限制了模型的泛化能力	开发一种高效的方法来预测烧伤后伤口收缩，以辅助医疗治疗规划	烧伤后伤口收缩的预测	machine learning	burn injuries	deep operator network	neural operator	simulation data	基于三种初始伤口形状的训练集和测试集
4679	2025-07-14	Short-horizon neonatal seizure prediction using EEG-based deep learning 2025-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000890 PMID:40644380	research paper	本研究探讨了基于定量脑电图（QEEG）和深度学习（DL）的短时程新生儿癫痫预测方法	首次研究了分钟级别的高时间分辨率短时程新生儿癫痫预测，填补了该领域的研究空白	模型校准效果中等，预期校准误差为0.106，需要进一步验证	开发短时程新生儿癫痫预测系统	新生儿癫痫发作	digital pathology	neurological disease	quantitative electroencephalography (QEEG)	ConvLSTM	EEG data	132名新生儿，共281小时EEG数据
4680	2025-07-14	Enhancing tremor classification: Transformer-based analysis of biomechanics patterns for Parkinson's and essential tremor 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106599 PMID:40578292	研究论文	使用基于Transformer的深度学习模型分析生物力学模式，以区分帕金森病和特发性震颤	首次采用Transformer模型结合多头注意力机制，从多传感器运动数据中解码动态运动任务中的生物力学模式	研究未涉及其他类型的震颤疾病，且样本量未明确说明	开发一个多类分类系统，用于区分特发性震颤、帕金森病和健康对照组	特发性震颤、帕金森病患者及健康对照组	机器学习	帕金森病	多传感器运动数据采集	Transformer	运动信号数据	NA