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	2025-05-02	Harnessing deep learning to monitor people's perceptions towards climate change on social media 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97441-1 PMID:40295576	研究论文	利用深度学习监测社交媒体上人们对气候变化的看法	提出了一种基于自然语言处理的可扩展方法框架，用于长期监测社交媒体用户对气候变化的看法和反应	研究仅针对西班牙、葡萄牙和英语的社交媒体帖子，可能无法代表全球范围内的观点	监测和分析社交媒体上人们对气候变化的看法，以支持基于数据的决策	社交媒体用户对气候变化的看法和反应	自然语言处理	NA	自然语言处理	深度学习	文本	1771千条来自西班牙、葡萄牙和英语的X/Twitter帖子
482	2025-05-02	SkinEHDLF a hybrid deep learning approach for accurate skin cancer classification in complex systems 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98205-7 PMID:40295588	research paper	提出了一种名为SkinEHDLF的混合深度学习模型，用于提高皮肤癌分类的准确性	结合了ConvNeXt、EfficientNetV2和Swin Transformer的优势，并引入了自适应注意力特征融合机制	未提及具体局限性	提高皮肤癌分类的准确性和可靠性	皮肤病变图像	computer vision	skin cancer	深度学习	ConvNeXt, EfficientNetV2, Swin Transformer	image	401,059张皮肤病变图像
483	2025-05-02	Optimizing photovoltaic integration in grid management via a deep learning-based scenario analysis 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98724-3 PMID:40295668	research paper	该研究开发了一种结合深度学习技术的双阶段优化模型，以解决光伏系统并入电网的挑战	利用生成对抗网络（GANs）模拟多样化和高分辨率的能源生成-消耗模式，并通过实时自适应控制框架进行动态调整，显著提升电网效率和稳定性	未提及具体的地理或气候条件限制，可能影响模型的普适性	优化光伏系统在电网管理中的集成，提高经济与环境效益	光伏系统与电网的集成管理	machine learning	NA	GANs	GAN	能源生成与消耗数据	NA
484	2025-05-02	Impact of fine-tuning parameters of convolutional neural network for skin cancer detection 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99529-0 PMID:40295678	research paper	该研究探讨了卷积神经网络（CNN）参数微调对皮肤癌检测性能的影响	通过调整CNN的层数、Conv2D层的滤波器数量及去除dropout层，显著提高了分类器的准确率，从62.5%提升至85%	研究未涉及其他类型的深度学习模型或更广泛的数据集验证	优化CNN参数以提高皮肤癌图像数据集的分类准确率	皮肤癌图像数据集	computer vision	skin cancer	NA	CNN	image	NA
485	2025-05-02	Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem 2025-Apr-28, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04728-2 PMID:40295939	研究论文	本研究结合心脏电生理模拟和深度学习方法，为非侵入性心脏电生理成像（ECGI）的实现提供了新方案	结合三维双域心脏电生理活动模型与深度学习算法（包括粒子群优化-反向传播神经网络、CNN和LSTM）来重建心脏表面电位	未提及实际临床应用中的潜在限制或样本多样性问题	开发非侵入性心脏电生理成像技术以改善心律失常的诊断和治疗	心脏电活动及体表电位映射	数字病理	心血管疾病	心脏电生理模拟、深度学习	粒子群优化-BP神经网络、CNN、LSTM	模拟心电图数据	NA
486	2025-05-02	Intermittent hypoxemia during hemodialysis: AI-based identification of arterial oxygen saturation saw-tooth pattern 2025-Apr-28, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-025-04133-z PMID:40295983	研究论文	利用人工智能技术自动识别血液透析患者中重复出现的间歇性动脉血氧饱和度锯齿模式	首次应用一维卷积神经网络(1D-CNN)对血液透析过程中的SaO2锯齿模式进行实时分类	研究样本量较小(仅22名患者)，且仅针对特定血管通路(动静脉瘘)患者	开发自动识别血液透析患者间歇性低氧血症的人工智能系统	维持性血液透析患者的动脉血氧饱和度(SaO2)数据	数字病理学	心血管疾病	Crit-Line设备连续监测	1D-CNN	时间序列数据	22名患者的89次血液透析治疗中的4075个5分钟片段
487	2025-05-02	Deep learning-based tennis match type clustering 2025-Apr-28, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-025-01147-w PMID:40296175	研究论文	本研究旨在基于比赛方式定义和聚类网球比赛类型	首次使用深度学习模型对网球比赛类型进行聚类分析，并识别出四种不同的比赛类型	样本量较小，仅包含2023年国际网球公开赛五场决赛的32场比赛	聚类网球比赛类型并为每种类型制定比赛策略	2023年国际网球公开赛五场决赛的32场比赛	机器学习	NA	深度学习	三种未指定具体名称的聚类模型	比赛记录数据	32场比赛
488	2025-05-02	Publisher Correction: The intelligent fault identification method based on multi-source information fusion and deep learning 2025-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99035-3 PMID:40295585	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
489	2025-05-02	18F-FDG PET/CT-based deep learning models and a clinical-metabolic nomogram for predicting high-grade patterns in lung adenocarcinoma 2025-Apr-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01684-3 PMID:40295979	research paper	开发并验证基于18F-FDG PET/CT图像的深度学习和传统临床代谢模型，用于无创预测侵袭性肺腺癌的高级别模式	结合深度学习和临床代谢参数构建预测模型，并通过列线图可视化	样本量较小且为回顾性研究，可能影响模型的泛化能力	预测侵袭性肺腺癌的高级别模式	303名侵袭性肺腺癌患者	digital pathology	lung cancer	18F-FDG PET/CT	DL (deep learning), logistic regression	image (PET/CT)	303名患者，按7:1:2比例分为训练集、验证集和测试集
490	2025-05-02	Deep Learning-Based Models for Ventricular Segmentation in Hydrocephalus: A Systematic Review and Meta-Analysis 2025-Apr-28, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124001 PMID:40306409	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在脑积水患者心室分割中的性能	首次对深度学习模型在脑积水心室分割中的应用进行了系统评价和荟萃分析	纳入研究的方法学异质性可能影响结果的可比性	评估深度学习模型在脑积水心室分割中的性能表现	脑积水患者的神经影像数据	digital pathology	geriatric disease	MRI, CT, US	DL-based models	image	24项研究共2911名患者
491	2025-05-02	Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation 2025-Apr-28, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.016 PMID:40306473	综述	本文综述了2021至2024年间深度学习在脑部病变分割中的应用，包括算法、优化策略及未来研究方向	总结了深度学习在脑部病变分割中的最新进展，提出了优化策略和未来研究方向，包括神经架构搜索与领域知识结合、患者生存预测等	基于250多篇综述论文的见解，可能存在文献覆盖不全或偏颇	探讨深度学习在脑部病变分割中的挑战、优化策略及未来发展方向	脑肿瘤和中风的医学图像分割	数字病理学	脑肿瘤、中风	深度学习	轻量级神经网络、多层架构	医学图像	NA
492	2025-05-02	Deep learning-powered whole slide image analysis in cancer pathology 2025-Apr-28, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104186 PMID:40306572	review	本文综述了深度学习在全切片图像分析中的应用及其在癌症病理学中的潜力	整合深度学习模型与全切片图像，探索超越病理学家视觉感知的形态学特征，以自动化临床诊断、评估组织病理学等级、预测临床结果并发现新的形态学生物标志物	讨论了将基于深度学习的数字病理学转化为临床实践的机会与挑战	提高癌症病理学中全切片图像分析的敏感性和准确性，支持个性化癌症治疗	全切片图像（WSI）	digital pathology	cancer	whole slide imaging technology	CNN, GCN, Transformer	image	NA
493	2025-05-02	Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives 2025-Apr-28, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.03.006 PMID:40307127	综述	本文综述了人工智能在病理学和肿瘤学领域的当前应用及未来前景	系统性地总结了AI在肿瘤诊断、分子生物标志物检测和癌症预后评估中的应用，并探讨了未来发展方向	目前尚无基于AI的预后或预测性生物标志物获得IA或IB级证据支持，数据可用性、可解释性和监管问题仍是主要障碍	探讨人工智能在肿瘤病理学中的应用现状和未来发展方向	肿瘤病理学中的AI应用	数字病理学	肿瘤	AI算法（包括基础模型、通用模型和基于transformer的深度学习）	深度学习模型	多组学数据	NA
494	2025-05-02	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-Apr-27, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	本文介绍了一种名为MMRNet的深度卷积神经网络，用于从H&E染色的全切片图像中预测子宫内膜癌的错配修复缺陷	提出了一种新的深度学习方法MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并结合人机融合方法显著提高了诊断准确性	未提及具体的数据集大小和多样性限制	开发一种经济实惠且易于使用的工具，用于确定子宫内膜癌患者的错配修复状态	子宫内膜癌患者的组织病理学图像	数字病理学	子宫内膜癌	H&E染色	深度卷积神经网络（CNN）	图像	NA
495	2025-05-02	Deep Learning-driven Microfluidic-SERS to Characterize the Heterogeneity in Exosomes for Classifying Non-Small Cell Lung Cancer Subtypes 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03621 PMID:40167999	研究论文	本文提出了一种结合深度学习、微流控芯片和表面增强拉曼散射（SERS）的方法，用于非小细胞肺癌（NSCLC）的早期诊断和分子亚型分类	创新性地将深度学习、微流控技术和SERS结合，实现了对肺癌外泌体的高效捕获、检测和分析，并展示了高准确率的亚型分类能力	未提及该方法在临床样本中的验证情况以及与其他现有技术的比较	开发一种非侵入性方法用于肺癌的早期诊断和精确分型	非小细胞肺癌（NSCLC）的外泌体	数字病理学	肺癌	微流控技术、表面增强拉曼散射（SERS）	深度学习	光学信号	三种不同的NSCLC细胞系和正常细胞系
496	2025-05-02	Prediction of significant congenital heart disease in infants and children using continuous wavelet transform and deep convolutional neural network with 12-lead electrocardiogram 2025-Apr-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05628-2 PMID:40275174	研究论文	本研究开发了一种基于连续小波变换和深度卷积神经网络的AI模型，用于预测五岁以下儿童中的显著先天性心脏病	使用真实世界的心电图数据训练AI模型，特别针对五岁以下儿童，显著提高了对血流动力学显著先天性心脏病的检测能力	研究数据来自单一中心，且未涵盖所有先天性心脏病亚型	开发一种AI辅助的心电图分析方法，用于早期检测儿童先天性心脏病	五岁以下儿童的心电图数据	数字病理学	心血管疾病	连续小波变换	ResNet-18, InceptionResNet-V2, NasNetMobile	心电图信号	1,035名五岁以下患者
497	2025-05-02	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-Apr-24, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	review	本文综述了基于深度学习的MRI和PET多模态融合在阿尔茨海默病研究中的最新进展	系统总结了深度学习在多模态MRI和PET图像融合中的应用及其变体，并分析了当前领域的关键挑战和潜在解决方案	数据稀缺和不平衡、机构间数据异质性等问题尚未完全解决	推动阿尔茨海默病早期诊断和干预策略的发展	阿尔茨海默病相关的MRI和PET多模态数据	digital pathology	geriatric disease	MRI, PET	deep learning models及其变体	image	NA
498	2025-05-02	DTC-m6Am: A Framework for Recognizing N6,2'-O-dimethyladenosine Sites in Unbalanced Classification Patterns Based on DenseNet and Attention Mechanisms 2025-Apr-24, Frontiers in bioscience (Landmark edition) DOI:10.31083/FBL36603 PMID:40302345	研究论文	提出了一种基于DenseNet和注意力机制的深度学习模型DTC-m6Am，用于识别RNA中的N6,2'-O-二甲基腺苷（m6Am）位点	结合DenseNet和TCN模块提取局部和全局特征，并引入CBAM注意力机制优化特征提取，使用焦点损失函数解决数据不平衡问题	未明确说明模型在更广泛RNA序列上的泛化能力	开发高效的计算工具预测m6Am位点，以研究其在转录和转录后水平的功能机制	RNA中的m6Am修饰位点	生物信息学	NA	One-Hot编码，深度学习	DenseNet, TCN, CBAM	RNA序列数据	未明确说明样本数量
499	2025-05-02	Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy 2025-Apr-24, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144509 PMID:40306056	研究论文	基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术检测两种单花蜜的真实性	结合Canny边缘检测算法和优化的GoogLeNet架构，提出了一种新的蜂蜜真实性检测方法	样本量较小，测试集仅包含12个样本	检测蜂蜜的真实性	油菜蜜和枸杞蜜两种单花蜜及其掺假样品	计算机视觉	NA	三维荧光光谱	CNN（GoogLeNet）	光谱数据	训练集133个样本，验证集33个样本，测试集12个样本
500	2025-05-02	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-Apr-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	meta-analysis	比较机器学习模型与传统统计方法在预测经皮冠状动脉介入治疗（PCI）结果中的性能	首次系统比较机器学习模型与逻辑回归模型在预测PCI后多种结果中的表现，并进行荟萃分析	大多数研究存在高偏倚风险，机器学习模型解释复杂可能影响临床应用的适应性	评估机器学习模型相比传统统计方法在预测PCI后结果中的优势	经皮冠状动脉介入治疗（PCI）后的死亡率、主要不良心脏事件（MACE）、院内出血和急性肾损伤（AKI）	machine learning	cardiovascular disease	NA	ML vs. logistic regression	clinical data	59项研究