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
461	2025-07-19	Automated multi-model framework for malaria detection using deep learning and feature fusion 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04784-w PMID:40664727	研究论文	提出了一种基于深度学习和特征融合的自动化多模型框架，用于疟疾检测	采用多模型架构结合深度学习和机器学习技术，通过特征融合和降维提升诊断准确性，并利用多数投票机制增强预测鲁棒性	未提及在临床环境中的实际应用验证或对不同疟疾寄生虫种类的检测能力	开发一种自动化诊断框架以提高疟疾检测的准确性和效率	疟疾诊断	数字病理学	疟疾	深度学习、机器学习、特征融合、主成分分析	ResNet 50, VGG16, DenseNet-201, SVM, LSTM	图像	27,558张显微镜下的薄血涂片图像
462	2025-07-19	A non-anatomical graph structure for boundary detection in continuous sign language 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11598-3 PMID:40664813	研究论文	提出一种基于深度学习的非解剖图结构方法，用于连续手语视频中的边界检测	结合GCN和Transformer模型，提出非解剖图结构以更好地表示手部关节运动和关系	仅使用预处理后的孤立手语视频进行预训练，可能影响模型在未处理视频上的泛化能力	改进连续手语视频中孤立手语边界检测的性能	连续手语视频中的孤立手语	计算机视觉	NA	深度学习	GCN和Transformer	视频	在两个数据集上进行实验
463	2025-07-19	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Jul-16, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	本研究开发并验证了一种利用心电图数据、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的自动诊断	采用残差卷积神经网络结合多模态数据（ECG、年龄、性别和症状）进行急性心肌梗死检测，并在大规模数据集上验证模型性能	需要随机试验来比较模型与急诊医生的性能，且对救护车到达的患者性能略低	开发并验证一种深度学习模型，用于急性心肌梗死的自动检测	因胸痛或呼吸困难接受院前或院内心电图检查的患者	机器学习	心血管疾病	深度学习	残差卷积神经网络（CNN）	心电图（ECG）、人口统计学数据、症状数据	104,507名个体（208,366份ECG数据）
464	2025-07-19	Developing the CAM-BERT: Enhancing delirium screening in hospitalized older adults using natural language processing 2025-Jul-16, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110781 PMID:40675095	研究论文	开发并评估了一种基于深度学习的自然语言处理模型CAM-BERT，用于提高巴西葡萄牙语临床记录中谵妄症状的识别	提出了CAM-BERT框架，通过将模型分类的症状与CAM标准对齐来分类潜在谵妄病例	需要进一步研究以验证模型在不同医疗环境中的适用性	提高电子健康记录中谵妄症状的识别，促进谵妄的检测	住院老年患者的临床记录	自然语言处理	老年疾病	自然语言处理	BERTimbau, Random Forest	文本	500例住院记录
465	2025-07-19	Placenta segmentation redefined: review of deep learning integration of magnetic resonance imaging and ultrasound imaging 2025-Jul-15, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00197-8 PMID:40663247	综述	本文综述了2019年至2024年间深度学习在胎盘分割中的应用，特别是在MRI和超声成像中的进展	整合MRI和超声成像的互补信息以提高分割性能，并探讨了深度学习在产前诊断中的变革性影响	先进成像技术的高成本和有限可用性	提高胎盘分割的准确性以改善产前诊断	胎盘	数字病理学	NA	MRI和超声成像	深度学习	医学影像	NA
466	2025-07-19	BaliMask3D dataset for 3D completion and reconstruction of traditional Balinese masks 2025-Jul-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05505-8 PMID:40664699	研究论文	介绍了一个名为BaliMask3D的高质量3D面具数据集，用于支持3D完成和重建任务	提供了27类传统巴厘岛面具的高质量3D模型，填补了文化遗产保护领域的数据空白	数据集仅包含27类面具，可能无法覆盖所有传统巴厘岛面具类型	支持3D完成和重建任务，促进文化遗产保护	传统巴厘岛面具	计算机视觉	NA	360度摄影测量	VQ-VAE, SDFusion	3D模型	27类面具
467	2025-07-19	Decision level scheme for fusing multiomics and histology slide images using deep neural network for tumor prognosis prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09869-0 PMID:40664732	研究论文	提出了一种决策级别的多模态数据融合框架，用于整合多组学数据和病理组织切片图像以进行肿瘤预后预测	通过图卷积层计算病理组织切片图像的特征张量，并应用全局平均池化对齐和归一化多组学数据的特征张量，实现了无缝整合	仅测试了乳腺癌和非小细胞肺癌的数据，未在其他癌症类型上验证	开发一种多模态数据融合框架以提高肿瘤预后预测的准确性	乳腺癌和非小细胞肺癌患者的多组学数据和病理组织切片图像	数字病理	乳腺癌, 非小细胞肺癌	多组学数据整合, 图卷积	深度神经网络	图像, 转录组数据, 基因型数据, 表观遗传数据, 生存信息	来自Cancer Genome Atlas的乳腺癌和非小细胞肺癌数据
468	2025-07-19	Deep adaptive learning predicts and diagnoses CSVD-related cognitive decline using radiomics from T2-FLAIR: a multi-centre study 2025-Jul-15, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01813-w PMID:40664728	研究论文	本研究开发了一种基于Transformer的深度学习模型，利用T2-FLAIR图像的白质高信号放射组学特征来预测和诊断脑小血管病相关认知障碍	采用Transformer深度学习模型结合放射组学特征，首次实现了对脑小血管病相关认知障碍的自动化、非侵入性检测，并通过领域适应策略在多中心数据上验证了模型性能	研究样本量相对有限（783名受试者），且纵向随访数据较少（161名）	开发自动化工具用于早期识别脑小血管病相关认知障碍	脑小血管病相关认知障碍患者	数字病理学	脑小血管病	放射组学分析	Transformer	医学影像（T2-FLAIR）	783名受试者（其中161名有纵向随访数据）
469	2025-07-19	Poincare guided geometric UNet for left atrial epicardial adipose tissue segmentation in Dixon MRI images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10110-1 PMID:40664735	研究论文	该研究提出了一种名为PoinUNet的深度学习模型，用于从Dixon MRI图像中准确分割左心房心外膜脂肪组织（EAT）	将Poincaré嵌入层集成到3D UNet中，利用双曲空间学习捕获复杂的左心房和EAT关系，并采用新的损失函数解决类别不平衡和脂肪几何挑战	样本量相对较小（66名参与者），且仅在1.5T MRI扫描仪上进行验证	提高左心房心外膜脂肪组织的自动分割准确性，以支持心血管疾病和心房颤动的病理生理学研究	左心房心外膜脂肪组织（EAT）	数字病理学	心血管疾病	Dixon MRI	3D UNet（集成Poincaré嵌入层）	MRI图像	66名参与者（包括48名AF患者）
470	2025-07-19	A hybrid framework of generative deep learning for antiviral peptide discovery 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11328-9 PMID:40664756	research paper	本研究提出了一种结合WGAN-GP和BiLSTM的混合模型，用于抗病毒肽（AVPs）的发现和开发	结合WGAN-GP和BiLSTM的混合模型，成功生成了815种新型AVPs，并开发了公开可用的预测平台	生成的AVPs在不同病毒端点中的丰度存在显著差异	开发一种有效的抗病毒肽发现工具	抗病毒肽（AVPs）	machine learning	viral infections	WGAN-GP, BiLSTM	GAN, LSTM	peptide sequences	815 novel AVPs
471	2025-07-19	AI-powered prediction model for neoadjuvant chemotherapy efficacy: comprehensive analysis of breast cancer histological images 2025-Jul-15, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01033-1 PMID:40664754	研究论文	开发了一种结合组织病理学、临床和免疫特征的AI驱动集成预测模型(IPM)，用于预测乳腺癌患者对新辅助化疗(NAT)的疗效	首次整合了肿瘤上皮(TE-score)、间质(TS-score)和全肿瘤(TR-score)深度学习生物标志物，并确定TR-score为最佳预测指标	免疫数据对模型性能的提升效果未达统计学显著水平(p=0.183)	开发能够准确预测乳腺癌患者对新辅助化疗反应的预测模型	乳腺癌患者	数字病理学	乳腺癌	深度学习	IPM(集成预测模型)	全切片图像、临床数据、免疫特征	来自4个中心的1035名患者
472	2025-07-19	Efficacy of swarm-based neural networks in automated depression detection 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09414-z PMID:40664787	研究论文	本研究提出了一种结合群体智能算法优化的深度学习模型，用于自动化抑郁症检测	采用三种不同的群体智能算法（蜻蜓算法、萤火虫算法和蛾火优化算法）进行特征选择和降维，优化深度学习模型	研究仅使用了三个数据集进行验证，可能需要更多样化的数据来进一步验证模型的泛化能力	开发一种高效可靠的自动化抑郁症诊断方法	抑郁症患者	机器学习	抑郁症	深度学习与群体智能算法结合	自定义深度学习模型	文本数据	使用DAIC-WOZ、CMDC和MODMA三个基准数据集
473	2025-07-19	Preoperative prediction value of 2.5D deep learning model based on contrast-enhanced CT for lymphovascular invasion of gastric cancer 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11427-7 PMID:40664824	研究论文	本研究基于静脉期增强CT图像，利用深度学习和放射组学方法开发并验证了预测胃癌术前淋巴血管侵犯的人工智能模型	通过聚焦肿瘤最大横截面并结合七个相邻的2D图像，生成稳定的2.5D数据，建立了多实例学习模型	研究为回顾性分析，样本量相对较小（351例患者）	预测胃癌术前淋巴血管侵犯	胃癌患者	数字病理	胃癌	增强CT成像	2.5D MIL模型、DL2D模型、DL3D模型	CT图像	351例胃癌患者（训练队列246例，测试队列105例）
474	2025-07-19	OR-FCOS: an enhanced fully convolutional one-stage approach for growth stage identification of Oudemansiella raphanipes 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09303-5 PMID:40664902	研究论文	本文提出了一种增强型全卷积一阶段方法OR-FCOS，用于准确识别奥德曼西拉萝卜菇的生长阶段	OR-FCOS采用MobileNetV3-Large骨干网络和高效多尺度注意力模块，结合神经架构搜索增强的FCOS解码器和CIoU损失函数，提高了特征提取效率和预测精度	NA	优化奥德曼西拉萝卜菇生长阶段的识别准确率和效率	奥德曼西拉萝卜菇	计算机视觉	NA	NAS, CIoU	FCOS, MobileNetV3-Large	图像	8000张奥德曼西拉萝卜菇不同生长阶段的图像
475	2025-07-19	Hybrid AI and semiconductor approaches for power quality improvement 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11116-5 PMID:40664937	研究论文	本研究提出了一种结合机器学习和深度学习与半导体技术的新方法，用于改善电能质量	整合了机器学习、深度学习和先进控制策略，通过数据驱动框架解决电能质量问题	深度学习模型计算量大，且处理不平衡数据集时存在挑战	通过混合AI和半导体技术改善电能质量	电能质量问题（电压暂降、暂升、谐波和瞬态干扰）	机器学习	NA	机器学习、深度学习	SVM、Random Forests、Neural Networks、CNN、LSTM	实时数据	NA
476	2025-07-19	Learning quality-guided multi-layer features for classifying visual types with ball sports application 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10058-2 PMID:40664935	研究论文	提出一种先进的感知深度学习框架，用于从大型X射线数据集中提取关键特征，以分类乳腺癌的不同阶段	提出了一种新的排序技术，在弱标注环境下识别与人类视觉判断最一致的关键图像块，并利用这些块提取有意义的特征	未提及具体的数据集规模或模型在不同数据集上的泛化能力	提高乳腺癌X射线图像分析的精确度，以辅助医疗诊断	乳腺癌X射线图像	计算机视觉	乳腺癌	深度学习，BING对象性度量，多类SVM分类器	深度学习框架，SVM	图像	大型乳腺癌图像数据集（具体数量未提及）
477	2025-07-19	Network-based intrusion detection using deep learning technique 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08770-0 PMID:40664956	研究论文	本文提出了一种结合序列深度神经网络和ReLU激活单元的新型深度学习解决方案，用于网络入侵检测	创新性地将基于ReLU的DNN与通过Extra Tree分类器进行的特征优化相结合，不仅解决了梯度消失和过拟合等常见问题，还大大提高了模型的可解释性和计算效率	NA	开发更有效和灵活的网络入侵检测系统	网络流量和攻击向量	机器学习	NA	深度神经网络(DNN), Extra Tree分类器	Sequential DNN	网络流量数据	UNSW-NB15数据集
478	2025-07-19	Developing angiogenesis-related prognostic biomarkers and therapeutic strategies in bladder cancer using deep learning and machine learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08945-9 PMID:40665008	研究论文	本研究利用深度学习和机器学习开发了与膀胱癌血管生成相关的预后生物标志物和治疗策略	构建了一个整合的机器学习系统来建立血管生成相关基因特征（ARGS），并利用人工智能驱动的药物设计技术开发了一种具有抗血管生成作用的天然化合物	未提及具体样本量或实验验证的详细数据	开发膀胱癌的预后生物标志物和治疗策略	膀胱癌（BLCA）患者	机器学习	膀胱癌	深度学习、机器学习、人工智能驱动的药物设计	NA	基因表达数据	NA
479	2025-07-19	Fetal-Net: enhancing Maternal-Fetal ultrasound interpretation through Multi-Scale convolutional neural networks and Transformers 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06526-4 PMID:40665017	研究论文	提出了一种名为Fetal-Net的新型深度学习架构，结合多尺度CNN和Transformer层，用于增强母胎超声图像的解释	整合了多尺度CNN和Transformer层，提供了一种综合解决方案，能够同时处理胎儿结构的识别和异常检测	虽然模型表现优秀，但可能仍需进一步验证在不同临床环境下的泛化能力	提升母胎超声图像的解释能力，以改善产前护理	胎儿结构和母胎超声图像	数字病理	NA	深度学习	CNN, Transformer	图像	超过12,000张超声图像
480	2025-07-19	Prediction of pathogenic mutations in human transmembrane proteins and their associated diseases via utilizing pre-trained Bio-LLMs 2025-Jul-15, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08452-7 PMID:40665056	研究论文	提出了一种名为MutDPAL的深度学习方法，专门用于识别膜蛋白中的致病突变并将其分类到特定的疾病类别	首次结合跨膜环境和疾病编码特征，进行细粒度的疾病分类，利用两个预训练的生物大语言模型(Bio-LLMs)分别提取原始序列特征和跨膜环境特征	未提及具体样本量或数据集的详细信息	预测人类跨膜蛋白中的致病突变及其相关疾病	人类跨膜蛋白中的错义突变	生物信息学	多种疾病（15种不同类别）	预训练的生物大语言模型(Bio-LLMs)	深度学习模型（基于交叉注意力的疾病-蛋白质关联学习方法）	蛋白质序列数据	NA