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
5081	2025-05-01	A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01515-5 PMID:40301291	研究论文	提出了一种基于Dirichlet分布的复杂集成方法，结合迁移学习和多阶段间隔重复方法，用于从超声图像中进行乳腺癌分类	将教育科学中的间隔重复方法首次应用于人工智能领域，结合Dirichlet分布进行模型集成，提高了分类准确率和学习效率	研究仅使用了BUSI数据集，样本来源单一，需要更多外部数据验证模型的泛化能力	开发一种高精度的乳腺癌超声图像分类系统	乳腺癌超声图像	计算机视觉	乳腺癌	迁移学习、数据增强、间隔重复方法	DenseNet201, InceptionV3, VGG16, ResNet152的集成模型	超声图像	BUSI数据集（具体数量未提及）
5082	2025-05-01	Multimodal Masked Autoencoder Based on Adaptive Masking for Vitiligo Stage Classification 2025-Apr-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01521-7 PMID:40301294	研究论文	提出了一种基于自适应掩码的多模态掩码自编码器（Multi-MAE），用于白癜风分期分类	通过自适应掩码策略减少对标注多模态数据的依赖，并采用预训练策略缓解多模态数据稀缺问题	多模态数据标注困难且数据稀缺	提高白癜风分期的分类准确性	白癜风患者的临床图像和伍德灯图像	计算机视觉	白癜风	多模态图像分析	Multimodal Masked Autoencoder (Multi-MAE)	图像	未标注的皮肤病图像数据集
5083	2025-05-01	BiaPy: accessible deep learning on bioimages 2025-Apr-29, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02699-y PMID:40301624	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5084	2025-05-01	A Contrast-Enhanced Ultrasound Cine-Based Deep Learning Model for Predicting the Response of Advanced Hepatocellular Carcinoma to Hepatic Arterial Infusion Chemotherapy Combined With Systemic Therapies 2025-Apr-29, Cancer science IF:4.5Q1 DOI:10.1111/cas.70089 PMID:40302359	research paper	本研究开发了一种基于对比增强超声视频的深度学习模型AE-3DNet，用于预测晚期肝细胞癌患者对肝动脉灌注化疗联合系统治疗的响应	创新性地结合了时空注意力模块，增强了动态特征提取能力	研究为回顾性分析，可能存在选择偏倚	预测晚期肝细胞癌患者对联合治疗的响应，以改善治疗决策	晚期肝细胞癌患者	digital pathology	liver cancer	contrast-enhanced ultrasound (CEUS)	AE-3DNet, 3DNet	video	326名患者（内部验证队列243名，外部验证队列83名）
5085	2025-05-01	An Efficient Domain Knowledge-Guided Semantic Prediction Framework for Pathological Subtypes on the Basis of Radiological Images With Limited Annotations 2025-Apr-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3558596 PMID:40293902	研究论文	提出一种基于有限标注的放射学图像病理亚型预测框架，结合领域知识引导的主动学习和半监督学习方法	通过三个关键模块（空间-语义特征提取、显性标志引导的锚点注意力和隐性放射组学引导的双任务纠缠模块）有效预测病理亚型，显著优于现有方法	需要临床领域知识的指导，可能在某些缺乏相关知识的场景中应用受限	提高基于有限标注的放射学图像的病理亚型预测准确性	胰腺神经内分泌肿瘤（pNENs）的病理分级预测和膀胱癌（BCa）的肌肉浸润性预测	数字病理	胰腺神经内分泌肿瘤和膀胱癌	深度学习和放射组学	深度学习框架（结合AL和SSL）	放射学图像	NA
5086	2025-05-01	A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm 2025-Apr-28, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.004 PMID:40300994	研究论文	本研究提出了一种结合深度学习和改进的Hiking优化算法的AI框架，用于通过磁共振神经成像技术对臂丛神经病变中的神经损伤进行分类	结合深度学习和改进的Hiking优化算法（MHOA）以及综合学习技术（CL），提高了神经损伤分类的准确性	样本量较小（39名患者），可能影响模型的泛化能力	提高臂丛神经病变中神经损伤的分类准确性，减少诊断变异性	臂丛神经病变患者的神经损伤分类	医学影像分析	臂丛神经病变	磁共振神经成像（MRN）	MobileNetV4	MRI序列（STIR、T2、T1、DWI）	39名臂丛神经病变患者
5087	2025-05-01	Renewable energy forecasting using optimized quantum temporal model based on Ninja optimization algorithm 2025-Apr-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97109-w PMID:40289143	研究论文	该研究利用优化的量子时间模型（QTM）和Ninja优化算法（NiOA）进行可再生能源预测，以提高预测性能	结合QTM和NiOA优化算法，显著提高了可再生能源预测的准确性和性能	未提及具体的数据集规模或实际应用场景的局限性	提高可再生能源预测的准确性和效率	可再生能源预测系统	机器学习	NA	深度学习	QTM（量子时间模型）	复杂的大规模数据集	NA
5088	2025-05-01	The evaluation model of engineering practice teaching with complex network analytic hierarchy process based on deep learning 2025-Apr-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99777-0 PMID:40289170	研究论文	本研究构建了一种基于物联网技术、复杂网络层次分析法和深度学习的工程实践教学评价模型，旨在提升高校工程实践教学质量管理效率	结合物联网技术、复杂网络层次分析法和深度学习（RNN和CNN）构建全新教学评价模型，并引入动态特性实现模型持续更新以适应教育环境变化	模型预测一致性存在波动（76-98%），且样本数据为模拟生成（500名学生），需进一步验证实际应用效果	优化高校工程实践教学质量评价体系	高校工程实践教学课程及学生表现数据	教育技术	NA	NLP、GAN、复杂网络分析	RNN、CNN	课程文本数据、学生表现数据	10个专业的500名学生模拟数据
5089	2025-05-01	Leveraging multi-source data and teleconnection indices for enhanced runoff prediction using coupled deep learning models 2025-Apr-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00115-1 PMID:40289219	research paper	本研究通过结合统计和深度学习方法，提出了两种创新的耦合模型SRA-SVR和SRA-MLPR，以提高径流预测的准确性和稳定性	结合了统计和深度学习方法的优势，利用逐步回归分析处理高维数据和多重共线性，同时整合了80个大气环流指数作为遥相关变量	研究仅以雅砻江流域为案例进行模型验证，未在其他流域进行广泛测试	提高中长期的径流预测准确性，以支持洪水控制、干旱恢复、水资源开发和生态改善	雅砻江流域的径流数据	machine learning	NA	Stepwise Regression Analysis (SRA), Support Vector Regression (SVR), Multi-Layer Perceptron Regression (MLPR), SHAP analysis	SRA-SVR, SRA-MLPR	hydrological data, atmospheric circulation indices	雅砻江流域的径流数据及80个大气环流指数
5090	2025-05-01	Sweet pepper yield modeling via deep learning and selection of superior genotypes using GBLUP and MGIDI 2025-Apr-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99779-y PMID:40289216	研究论文	通过深度学习和GBLUP、MGIDI方法对甜椒产量进行建模并筛选优良基因型	结合卷积神经网络（CNN）模型与基因组最佳线性无偏预测（GBLUP）和多性状基因型-理想型距离指数（MGIDI），有效预测甜椒产量并筛选优良基因型	研究仅涉及29个甜椒种质，样本量较小	提高甜椒产量预测和优良基因型筛选的效率	甜椒（Capsicum annuum L.）种质	数字农业	NA	ISSR标记、深度学习	CNN、GBLUP、MGIDI	形态性状数据、基因组数据	29个甜椒种质，每个种质3个重复
5091	2025-05-01	Predicting Short-Term Mortality in Patients With Acute Pulmonary Embolism With Deep Learning 2025-Apr-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-0630 PMID:39617426	research paper	开发了一种基于深度学习的多模态模型，用于预测急性肺栓塞患者的短期死亡率	提出了一种新型多模态深度学习模型（mmDL），结合影像学和临床/人口统计学数据，显著优于现有的PESI评分	样本量相对较小（207例患者），可能影响模型的泛化能力	优化急性肺栓塞患者的治疗策略并改善患者预后	急性肺栓塞患者	digital pathology	cardiovascular disease	对比增强多排计算机断层扫描	CNN, Transformer	影像数据、临床/人口统计学数据	207例急性肺栓塞患者（其中53例死亡）
5092	2025-05-01	[Cross-session motor imagery-electroencephalography decoding with Riemannian spatial filtering and domain adaptation] 2025-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202411035 PMID:40288968	研究论文	本研究提出了一种结合黎曼空间滤波和领域自适应的方法（RSFDA），用于提高跨会话运动想象脑电信号（MI-EEG）分类的准确性和效率	通过多模块协作框架解决源域和目标域数据分布不一致的问题，提升了跨会话MI-EEG分类模型的泛化能力	在复杂迁移学习场景中的适用性仍需进一步研究	提高跨会话运动想象脑电信号（MI-EEG）分类的准确性和效率	运动想象脑电信号（MI-EEG）	脑机接口技术	NA	黎曼空间滤波和领域自适应	RSFDA	脑电信号（EEG）	三个公共数据集
5093	2025-05-01	[Research progress in motor assessment of neurodegenerative diseases driven by motion capture data] 2025-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403004 PMID:40288984	review	本文综述了基于运动捕捉数据的神经退行性疾病运动评估的最新研究进展	将神经退行性疾病运动评估方法按特征提取和处理方式分为三类，并比较分析了各类方法的技术要点和特点	未提及具体研究样本量及数据集的局限性	探讨神经退行性疾病运动评估的研究进展与发展趋势	神经退行性疾病患者的运动功能评估	digital pathology	geriatric disease	motion capture	machine learning, deep learning	motion data	NA
5094	2025-05-01	Privacy-Preserving Federated Learning Framework for Multi-Source Electronic Health Records Prognosis Prediction 2025-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s25082374 PMID:40285064	研究论文	提出了一种名为MultiProg的隐私保护联邦学习框架，用于多源电子健康记录的预后预测	采用多通道架构和特征校准机制，确保在机构间异构特征集下的稳健性能，同时保护敏感患者信息	未提及具体样本量及参与机构数量，可能影响结果的可推广性	解决临床预测系统中安全且隐私保护的健康状况表示学习问题	多源电子健康记录	机器学习	NA	联邦学习	深度学习模型	电子健康记录	NA
5095	2025-05-01	Lightweight deep learning algorithm for real-time wheat flour quality detection via NIR spectroscopy 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125653 PMID:39733712	研究论文	本研究提出了一种轻量级卷积神经网络，用于通过近红外光谱实时检测小麦粉质量	结合Ghost bottlenecks、外部注意力模块和Kolmogorov-Arnold网络，增强特征提取并提高预测准确性	未提及具体样本多样性或模型在其他食品质量检测中的泛化能力	开发高效、非破坏性的小麦粉质量实时监测工具	小麦粉的质量参数（蛋白质和水分含量）	机器学习	NA	近红外光谱（NIR）	轻量级CNN	光谱数据	未明确提及具体样本数量
5096	2025-05-01	Determination and visualization of moisture content in Camellia oleifera seeds rapidly based on hyperspectral imaging combined with deep learning 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125676 PMID:39742624	研究论文	本研究基于高光谱成像和深度学习技术，快速测定和可视化油茶籽的水分含量	提出了一种利用粒子群优化算法（PSO）在卷积神经网络回归（CNNR）模型中搜索最优超参数的方法，并开发了最优混合预测模型PSO-CNN-SVR	NA	探索利用可见近红外高光谱成像（VNIR-HSI）结合深度学习（DL）方法检测油茶籽水分含量的可行性	油茶籽	计算机视觉	NA	可见近红外高光谱成像（VNIR-HSI）	卷积神经网络回归（CNNR）、支持向量机回归（SVR）、AlexNet	图像	NA
5097	2025-05-01	Rapid identification of horse oil adulteration based on deep learning infrared spectroscopy detection method 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125604 PMID:39756131	研究论文	本研究提出了一种基于深度学习和红外光谱技术的马油掺假快速检测方法	首次将红外光谱与深度学习结合用于马油掺假的快速检测，并优化了ResNet模型在该应用中的性能	仅测试了黄油、羊油和猪油三种掺假物质，未涵盖其他可能的掺假物	建立一种快速、准确的马油掺假检测方法	马油及其掺假混合物（黄油、羊油、猪油）	机器学习	NA	红外光谱技术	ResNet	红外光谱数据	591×3601组不同掺假比例（5%-50%）的红外光谱数据
5098	2025-05-01	Identifying mating events of group-housed broiler breeders via bio-inspired deep learning models 2025-Apr-04, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105126 PMID:40300323	研究论文	开发深度学习模型识别群养肉种鸡的交配行为	结合生物特征和鸟只数量变化，利用深度学习模型自动识别交配行为，显著提高了处理速度	交配事件识别在不同时间段和鸟龄间存在波动，受鸟只重叠、聚集密度和遮挡影响	优化肉种鸡的繁殖效率和生产力	罗斯708品种的肉种鸡（20只母鸡和2-3只公鸡）	计算机视觉	NA	深度学习	YOLOv7, YOLOv8, DeepSORT, StrongSORT, ByteTrack, SAM2, YOLOv8-segmentation, Track Anything	图像	20只母鸡和2-3只公鸡（56周龄）在四个实验栏中监测
5099	2025-05-01	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	research paper	该研究利用人工智能在计算病理学中评估乳腺癌缺氧情况，通过弱监督深度学习模型检测H&E染色全切片图像中与缺氧相关的形态变化	首次将弱监督深度学习模型应用于常规H&E染色切片中缺氧相关形态变化的检测，无需额外基因表达检测	研究仅基于乳腺癌样本，模型在其他肿瘤类型中的适用性尚待验证	开发一种基于人工智能的方法来检测乳腺癌中的缺氧诱导形态变化	乳腺癌原发部位的H&E染色全切片图像	digital pathology	breast cancer	H&E染色全切片成像	HypOxNet (弱监督深度学习模型)	image	1016例乳腺癌原发部位样本
5100	2025-05-01	Multi-stain deep learning prediction model of treatment response in lupus nephritis based on renal histopathology 2025-Apr, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2024.12.007 PMID:39733792	研究论文	本研究开发了一种基于肾脏组织病理学的多染色深度学习模型，用于预测狼疮性肾炎患者的治疗反应	首次将深度学习应用于多染色肾脏活检切片，整合四种染色模型构建多染色预测模型，性能优于传统临床病理参数	需要进一步验证才能在临床实践中实施	开发预测狼疮性肾炎患者治疗反应的工具	狼疮性肾炎患者	数字病理学	狼疮性肾炎	深度学习	多染色集成模型	数字病理切片图像	开发队列245名患者(880张数字切片)，外部测试队列71名患者(258张数字切片)