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
481	2025-05-15	Deep learning implementation for extrahepatic bile duct detection during indocyanine green fluorescence-guided laparoscopic cholecystectomy: pilot study 2025-Mar-04, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf013 PMID:40119711	研究论文	开发了一个实时深度学习系统，用于在吲哚菁绿荧光引导的腹腔镜胆囊切除术中识别肝外胆管	使用YOLOv7实时目标检测模型增强手术视频中胆管识别的速度和准确性	研究为初步试验，样本量相对较小，需要进一步验证	开发一个辅助外科医生在腹腔镜胆囊切除术中识别关键解剖标志的深度学习系统	肝外胆管（包括胆总管和胆囊管）	计算机视觉	胆囊疾病	深度学习	YOLOv7	手术视频和图像	113名患者的手术视频，提取了3993张图像
482	2025-05-15	An Improved YOLOv8-Based Method for Detecting Pests and Diseases on Cucumber Leaves in Natural Backgrounds 2025-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s25051551 PMID:40096374	research paper	提出了一种基于YOLOv8改进的深度学习网络模型SEDCN-YOLOv8，用于在复杂自然背景下准确检测黄瓜叶片上的病虫害	引入了DCNv2变形卷积网络改进C2f模块，集成了SEAM注意力模块构建改进检测头，并使用Focaler-SIOU损失函数替代原CIOU损失函数	未明确提及模型在其他作物病虫害检测上的泛化能力	提高自然背景下黄瓜叶片病虫害的检测准确率	黄瓜叶片上的病虫害	computer vision	NA	deep learning	YOLOv8改进模型SEDCN-YOLOv8	image	未明确提及具体样本数量，使用了一个黄瓜病虫害数据集
483	2025-05-15	Hybrid deep learning for computational precision in cardiac MRI segmentation: Integrating Autoencoders, CNNs, and RNNs for enhanced structural analysis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109597 PMID:39967188	研究论文	本文探讨了混合深度学习方法在心脏MRI分割中的应用，结合了Autoencoders、CNNs和RNNs以提高图像分析的精确度和准确性	提出了一种结合传统算法和先进深度学习模型的混合框架，显著提高了心脏MRI图像的质量和诊断准确性	NA	提高心脏MRI分割的精确度，以促进早期诊断和患者护理	心脏MRI图像	计算机视觉	心血管疾病	QuickScan技术、平衡稳态自由进动（bSSFP）成像	Autoencoders、CNNs、RNNs	图像	NA
484	2025-05-15	A novel graph convolutional neural network model for predicting soil Cd and As pollution: Identification of influencing factors and interpretability 2025-Mar-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.117926 PMID:39978104	研究论文	本研究探讨了一种新型图卷积神经网络模型DistNet-GCN在预测土壤镉(Cd)和砷(As)污染中的应用，并识别了影响污染分布的关键环境因素	提出了一种能够模拟土壤Cd/As浓度与局部空间范围内环境影响因素关系传递过程的DistNet-GCN模型，通过将采样点空间位置作为网络节点、重金属浓度作为节点标签、环境因素作为节点属性，从空间关系图结构中提取数据集的关键特征	NA	准确预测土壤中有毒金属浓度以保障土壤环境安全	土壤中的镉(Cd)和砷(As)污染	机器学习	NA	图卷积神经网络	GCN	空间数据	NA
485	2025-05-15	Carbon price prediction research based on CEEMDAN-VMD secondary decomposition and BiLSTM 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36220-x PMID:40095303	research paper	提出了一种基于CEEMDAN-VMD二次分解和BiLSTM的碳价格预测模型	结合二次分解和深度学习网络，利用CEEMDAN和VMD提高特征提取深度，并通过COA优化BiLSTM参数以提高模型性能	NA	提高碳价格预测的准确性和稳定性，以支持碳市场的健康发展	欧盟ETS、CCETE和BEA碳市场的碳价格数据	machine learning	NA	CEEMDAN, VMD, COA	BiLSTM	时间序列数据	欧盟ETS、CCETE和BEA碳市场的碳价格数据
486	2025-05-15	Toward Identification of Markers for Brain-Derived Extracellular Vesicles in Cerebrospinal Fluid: A Large-Scale, Unbiased Analysis Using Proximity Extension Assays 2025-Mar, Journal of extracellular vesicles IF:15.5Q1 DOI:10.1002/jev2.70052 PMID:40098346	研究论文	该研究通过大规模无偏分析，利用邻近延伸测定技术识别脑源性细胞外囊泡在脑脊液中的标记物	首次使用Olink筛选技术对脑脊液中的5416种独特蛋白质进行无偏分析，并结合DeepTMHMM深度学习模型区分预测的胞质、跨膜和外部蛋白质	仅10%的预测跨膜蛋白质符合严格的EV分馏模式标准，表明需要进一步验证EV关联性	识别脑源性细胞外囊泡的标记物，并验证其细胞来源	脑脊液中的细胞外囊泡及其蛋白质标记物	生物医学研究	神经系统疾病	邻近延伸测定技术（Olink）、尺寸排阻色谱、DeepTMHMM深度学习模型	DeepTMHMM	蛋白质组数据	大规模分析（具体样本数量未提及）
487	2025-05-15	Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review 2025-Mar, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70138 PMID:40103563	系统性综述	本文通过系统性综述评估了机器学习算法在预测卵巢癌患者生存结果中的有效性	比较了多种AI模型在预测卵巢癌生存结果中的表现，并识别了影响预测准确性的关键特征	模型准确性和可解释性仍存在挑战，且研究主要基于过去十年的文献	评估机器学习算法在预测卵巢癌患者生存结果中的有效性	卵巢癌患者	机器学习	卵巢癌	机器学习算法（如随机森林、支持向量机、逻辑回归、XGBoost和深度学习模型）	随机森林、支持向量机、逻辑回归、XGBoost、深度学习模型	临床数据、影像数据和分子数据	32项符合纳入标准的研究，涉及2400篇文献
488	2025-05-15	NucleoSeeker-precision filtering of RNA databases to curate high-quality datasets 2025-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf021 PMID:40104673	research paper	介绍了一种名为NucleoSeeker的工具，用于从PDB数据库中筛选高质量RNA结构数据	提出了一个统一的框架，结合多种工具简化数据筛选过程，提供结构、序列和注释层面的多重过滤	未提及具体的数据筛选准确率或效率指标	提高RNA结构预测的数据质量	RNA结构数据	bioinformatics	NA	computational methods	deep learning	RNA structure data	来自PDB数据库的RNA结构数据
489	2025-05-15	Research on mood monitoring and intervention for anxiety disorder patients based on deep learning wearable devices 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241291376 PMID:40105160	研究论文	本研究基于深度学习可穿戴设备，开发了一个用于焦虑症患者情绪监测和干预的高级系统	使用Bi-LSTM网络处理HRV数据，提高了情绪状态预测的准确率，达到97%	未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一个能够准确监测和预测焦虑症患者情绪状态的系统	焦虑症患者的生理数据（HRV）和情绪状态	机器学习	焦虑症	HRV监测	Bi-LSTM	生理信号数据	NA
490	2025-05-15	Diabetic retinopathy detection via deep learning based dual features integrated classification model 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241292939 PMID:40105166	研究论文	提出一种基于深度学习的双特征集成分类模型（DD-FIC），用于从彩色视网膜图像中检测糖尿病视网膜病变（DR）	结合全局和局部特征的双阶段特征提取模块，以及使用Wavelet integrated Retinex算法去噪	NA	开发一种高效的计算机视觉智能系统，用于自动检测糖尿病视网膜病变	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	深度学习	DD-FIC（双特征集成分类模型）、Multi-channel CNN、CNN、VGG NiN、Shallow CNN	图像（彩色视网膜图像）	Kaggle数据集
491	2025-05-15	Parkinson's disease prediction using improved crayfish optimization based hybrid deep learning 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296352 PMID:40105156	research paper	该研究提出了一种基于改进小龙虾优化的混合深度学习模型，用于预测帕金森病的发展过程	结合了改进的小龙虾优化算法（ImCfO）和基于注意力的高效双向网络（ImCfO_Attn_EffBNet），以提高预测准确率和收敛速度	NA	预测帕金森病的发展过程，以促进早期诊断和治疗	帕金森病患者的数据	machine learning	geriatric disease	Empirical Mode Decomposition (EMD), Improved Crayfish Optimization (ImCfO)	ImCfO_Attn_EffBNet (结合了EfficientNet-B7, BiLSTM和Attention模块)	NA	NA
492	2025-05-15	Detection of motor nervous disease using deep learning based Duple feature extraction network 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241291367 PMID:40105172	research paper	提出了一种基于深度学习的Duple特征提取网络，用于早期检测运动神经元疾病（MND）	提出了一种新颖的Duple特征提取网络，结合了颜色和结构特征提取，显著提高了MND早期检测的准确率和F1分数	未提及数据集的多样性和模型在临床环境中的实际应用效果	开发一种自动化方法，用于快速准确地检测运动神经元疾病（MND）	运动神经元疾病（MND）患者	digital pathology	motor nervous disease	DTI imaging, deep learning	Duple feature extraction network (LinkNet, MobileNet), DNN	DTI images	NA
493	2025-05-15	Deep learning-driven multi-omics sequential diagnosis with Hybrid-OmniSeq: Unraveling breast cancer complexity 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296438 PMID:40105178	研究论文	本文介绍了一种名为'Hybrid-OmniSeq'的深度学习驱动的多组学序列诊断方法，用于解析乳腺癌的复杂性	结合了DNN、SFFS和TSVD熵的自适应学习技术，以及多种机器学习分类器，显著提高了乳腺癌诊断的准确性	仅使用了METABRIC RNA-seq数据集进行验证，可能需要更多样化的数据集来验证方法的普适性	提高乳腺癌诊断的精确性和有效性	乳腺癌的分子亚型	机器学习	乳腺癌	RNA-seq	DNN, Logistic Regression, Random Forest	基因数据	METABRIC RNA-seq数据集中的乳腺癌内在亚型样本
494	2025-05-15	Developing a method for predicting DNA nucleosomal sequences using deep learning 2025-Mar, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241297900 PMID:40105177	研究论文	开发了一种使用深度学习预测DNA核小体序列的方法	展示了简化模型在解决生物问题上的优越性，强调了简单设计的重要性	讨论了使用复杂计算机技术理解和解决简单生物问题所面临的挑战	创建一个深度学习模型来识别核苷酸序列中的核小体	DNA核苷酸序列	机器学习	NA	深度学习	CNN	序列数据	NA
495	2025-05-15	Mouse-Geneformer: A deep learning model for mouse single-cell transcriptome and its cross-species utility 2025-Mar, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011420 PMID:40106407	研究论文	本研究开发了一个针对小鼠的深度学习模型mouse-Geneformer，用于分析小鼠单细胞转录组数据，并探索其跨物种应用潜力	首次构建了专门针对小鼠的Geneformer模型，并验证了其在跨物种分析中的适用性	在COVID-19人类疾病模型中的分析结果与人类专用Geneformer仅部分一致	开发适用于小鼠单细胞转录组分析的深度学习模型并探索其跨物种应用	小鼠和人类的单细胞转录组数据	机器学习	NA	scRNA-seq	Transformer Encoder	单细胞转录组数据	2100万个小鼠scRNA-seq图谱
496	2025-05-15	Towards Clinical Diagnoses: Classifying Alzheimer's Disease Using Single fMRI, Small Datasets, and Transfer Learning 2025-Mar, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70427 PMID:40108822	研究论文	本研究开发了一种结合深度学习和功能磁共振成像（fMRI）的流程，用于阿尔茨海默病（AD）的临床诊断	采用迁移学习解决数据可用性问题，并使用半自动化和单图像技术（即每个参与者一个fMRI体积）使模型适用于非专业人群	模型在AD分类上的准确率为77%，仍有提升空间，且样本量较小（64名参与者）	开发一种适用于临床的阿尔茨海默病诊断方法	阿尔茨海默病患者和对照组	数字病理学	老年病	fMRI	深度学习模型（未指定具体类型）	图像（fMRI）	初始训练524名参与者（来自ABIDE数据集），迁移学习后使用64名参与者（来自ADNI数据集）
497	2025-05-15	Critical assessment of missense variant effect predictors on disease-relevant variant data 2025-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-025-02732-2 PMID:40113603	研究论文	评估错义变异效应预测工具在疾病相关变异数据上的表现	比较了CAGI 6 Annotate-All-Missense挑战中提交的预测工具、临床遗传学中常用的预测工具以及最近开发的深度学习方法，揭示了当前方法相对于旧工具的显著进步	预测工具在区分致病性变异与非常罕见的良性变异时性能可能降低，且可能继承基因水平标签不平衡的问题	评估错义变异效应预测工具的临床和研究实用性，并指导未来的改进	错义变异效应预测工具	生物信息学	NA	深度学习	NA	基因变异数据	NA
498	2025-05-15	A Robust and Efficient Representation-based DNA Storage Architecture by Deep Learning 2025-Mar, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400959 PMID:40114483	research paper	提出了一种基于深度学习的DNA存储架构，用于图像的稳健和高效表示与重建	利用深度学习的优秀表示和图像生成能力，结合自动编码器和U-Net网络，实现了在DNA存储中对噪声读取图像的重建与优化	在插入-删除-替换（IDS）错误率低于6%的场景下才能重建中等质量的图像	开发一种稳健且高效的DNA存储解决方案，用于大规模图像应用	图像数据在DNA存储中的表示与重建	machine learning	NA	DNA存储技术	autoencoder, U-Net	image	14 plasmids
499	2025-05-15	Forecasting the concentration of the components of the particulate matter in Poland using neural networks 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36265-y PMID:40117111	研究论文	本文提出了四种基于深度学习的预测方法，用于预测波兰颗粒物(PM)的浓度	使用了四种先进的深度学习模型(xLSTM、KAN、TCN和VAE)进行颗粒物浓度预测，并在波兰八个城市的数据上验证了其高预测准确性	研究仅基于波兰八个城市的数据，可能无法完全代表其他地区的污染情况	提高颗粒物浓度预测的准确性以支持空气质量管理和公共卫生干预	波兰八个城市的颗粒物(PM)浓度数据	机器学习	NA	深度学习	xLSTM, KAN, TCN, VAE	环境监测数据	波兰八个城市的数据
500	2025-05-15	[Nobel Prize in physics 2024 : John J. Hopfield and Geoffrey E. Hinton. From Hopfield and Hinton to AlphaFold: The 2024 Nobel Prize honors the pioneers of deep learning] 2025-Mar, Medecine sciences : M/S DOI:10.1051/medsci/2025036 PMID:40117553	comments	本文回顾了2024年诺贝尔物理学奖得主John J. Hopfield和Geoffrey E. Hinton的职业生涯，并强调了他们在人工神经网络和深度学习领域的开创性贡献	突出了两位科学家在人工神经网络和深度学习领域的基础性发现，这些发现为现代机器学习技术如AlphaFold奠定了基础	NA	回顾和表彰John J. Hopfield和Geoffrey E. Hinton在人工神经网络和深度学习领域的贡献	John J. Hopfield和Geoffrey E. Hinton的研究工作	machine learning	NA	artificial neural networks	NA	NA	NA