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
501	2025-07-29	Comparative Analysis of the Tumor Microenvironment in Primary CNS and Testicular Large B-cell Lymphomas Using Digital Image Analysis and Its Implications for Immunotherapy 2025-Jul-24, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.105874 PMID:40714128	研究论文	本研究通过数字图像分析比较了中枢神经系统和睾丸原发性大B细胞淋巴瘤的肿瘤微环境，并探讨了其对免疫治疗的潜在影响	首次直接比较了PCNSL和PTL的肿瘤微环境，揭示了它们在免疫生物学上的差异，并提出了针对不同部位的个性化治疗策略	样本量相对有限（55例），且仅针对特定免疫标记物进行分析	比较中枢神经系统和睾丸原发性大B细胞淋巴瘤的肿瘤微环境差异，为免疫治疗提供理论依据	55例涉及中枢神经系统和睾丸的弥漫性大B细胞淋巴瘤病例	数字病理学	淋巴瘤	数字图像分析、免疫组织化学染色	深度学习	图像	55例病例
502	2025-07-29	Bio-impedance spectroscopy-based classification of mental acuity in university students via machine-learning and deep-learning approaches 2025-Jul-24, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.009 PMID:40714180	研究论文	本研究利用生物电阻抗光谱（BIS）和深度学习模型对大学生心理敏锐度进行分类	首次将MobileNetV2深度学习架构应用于基于BIS的心理敏锐度分类，并展示了其优于传统随机森林模型的性能	研究样本仅限于大学生群体，未涉及其他年龄段或特殊人群	开发基于生物电阻抗光谱的心理敏锐度分类方法	大学生心理敏锐度水平（优秀、良好、一般）	机器学习	NA	生物电阻抗光谱（BIS）	MobileNetV2, 随机森林（RF）	2D阻抗谱图像	未明确说明具体数量的大学生样本
503	2025-07-29	Molecular Machine Learning Approach to Enantioselective C-H Bond Activation Reactions: From Generative AI to Experimental Validation 2025-Jul-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01098e PMID:40556724	研究论文	本文提出了一种分子机器学习方法，用于对映选择性C-H键活化反应的预测和实验验证	利用深度生成模型指导新反应及其前瞻性验证，采用迁移学习方法结合化学语言模型，提出了一种高可靠性的集成预测模型	研究基于220个实验报告的例子，数据规模较小，且强调了领域专家在关键决策中的重要性	开发机器学习算法用于化学反应预测，特别是对映选择性β-C(sp)-H活化反应	对映选择性β-C(sp)-H活化反应，包括底物、催化剂和偶联伙伴	机器学习	NA	迁移学习，化学语言模型	CLM（化学语言模型），EnP（集成预测模型）	化学反应数据	220个实验报告的反应例子，77种已知手性配体
504	2025-07-29	Recent advances in applying machine learning to proton radiotherapy 2025-Jul-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adeb90 PMID:40609552	系统综述	本文全面综述了机器学习在质子治疗临床工作流程中的当前和潜在应用	系统性地总结了机器学习在质子治疗中的应用，特别是在患者预筛选、剂量和范围预测、图像质量改善及模态转换方面的创新	研究范围仅限于2019年至2024年的文献，可能未涵盖早期的重要研究	探讨机器学习在质子治疗中的应用，以提高治疗的精确性和个性化	质子治疗临床工作流程中的各个环节	机器学习	NA	机器学习、深度学习	U-Net、CNN、深度初始网络、深度级联卷积神经网络	医学影像数据	38项相关研究
505	2025-07-29	Deep learning framework based on ITOC optimization for coal spontaneous combustion temperature prediction: a coupled CNN-BiGRU-CBAM model 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11294-2 PMID:40695904	研究论文	提出了一种基于ITOC优化的深度学习框架，用于预测煤自燃温度，结合了CNN-BiGRU-CBAM模型	结合了改进的Tornado优化算法（ITOC）和CNN-BiGRU-CBAM模型，提高了煤自燃温度预测的准确性和稳定性	模型性能依赖于实验数据，可能在其他煤矿的适用性需要进一步验证	开发智能预警系统，精确预防煤自燃灾害	东滩煤矿煤样和山东、山西、陕西煤矿的煤面数据	机器学习	NA	深度学习	CNN-BiGRU-CBAM	实验数据	训练集、验证集和测试集按8:2:1比例划分
506	2025-07-29	Advances in machine learning for ABCA4-related retinopathy: segmentation and phenotyping 2025-Jul-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03690-4 PMID:40699379	综述	本文探讨了机器学习在ABCA4相关视网膜病变（ABCA4R）中的应用，重点关注图像分割和表型分析	利用机器学习和深度学习技术自动化ABCA4R的图像分割和表型分析过程，提高了效率和准确性	数据集较小且表现多样，这给研究带来了一定的挑战	探索机器学习在ABCA4R诊断和监测中的应用，以促进治疗创新	ABCA4相关视网膜病变（ABCA4R）患者	数字病理学	视网膜病变	机器学习（ML）、深度学习	集成建模、自注意力机制、软标签方法、动态框架	图像、电生理数据（ERG）、视力数据	15篇选定的研究文章，涉及264篇初步筛选的文章
507	2025-07-29	Weapon detection with FMR-CNN and YOLOv8 for enhanced crime prevention and security 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07782-0 PMID:40701971	研究论文	提出了一种结合FMR-CNN和YOLOv8的混合深度学习框架，用于实时武器检测以增强犯罪预防和安全性	FMR-CNN结合了Faster R-CNN和Mask R-CNN的优点，显著提高了图像和视频的目标识别与分割能力，并与YOLOv8结合以提高实时检测速度和定位准确性	未提及具体的数据集规模或多样性限制，以及在实际部署中可能遇到的技术或环境挑战	开发一种高效的实时武器检测系统，以提升公共安全	武器检测	计算机视觉	NA	深度学习、图像处理、计算机视觉技术	FMR-CNN、YOLOv8、MobileNetV3	图像、视频	五个标注类别的数据集
508	2025-07-29	Volumetric quantifications and dynamics of areas undergoing retrogressive thaw slumping in the Northern Hemisphere 2025-Jul-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-62017-0 PMID:40701979	research paper	该研究利用高分辨率数字高程模型（DEMs）和深度学习技术，量化了北半球中大型退化冻土区（RTS）的体积变化和土壤有机碳含量	首次通过DEM时间序列分析和深度学习，量化了北半球RTS活动的体积损失和碳释放量，并揭示了气候驱动因素的纬度和区域差异	研究仅覆盖了2012至2022年间的中大型RTS区域（≥10,000平方米），可能未包含所有RTS活动	量化北半球退化冻土区（RTS）的体积变化和碳释放量，并分析其气候驱动因素	北半球中大型退化冻土区（RTS）	环境科学	NA	DEM时间序列分析, 深度学习	NA	数字高程模型（DEMs）	2747个活跃RTS扰动区域
509	2025-07-29	Multilingual identification of nuanced dimensions of hope speech in social media texts 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10683-x PMID:40702008	研究论文	本研究介绍了MIND-HOPE，首个针对西班牙语和德语的多类别希望言论检测数据集，并比较了不同机器学习方法在希望言论检测任务上的表现	首次构建了西班牙语和德语的多类别希望言论检测数据集，并验证了语言特定微调在情感计算任务中的价值	仅涵盖西班牙语和德语两种语言，未涉及其他语言	探索希望言论在多语言环境下的检测方法，推动情感分析领域发展	社交媒体文本（推特）中的希望言论表达	自然语言处理	NA	传统机器学习、深度学习和基于Transformer的方法	BERT, XLM-RoBERTa等Transformer模型	文本	19,183条西班牙语推文和21,043条德语推文
510	2025-07-29	Development and validation of a deep learning image quality feedback system for infant fundus photography 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10859-5 PMID:40702071	研究论文	开发并验证了一个深度学习图像质量反馈系统，用于评估婴儿视网膜照片的整体质量并检测常见操作错误，以支持早产儿视网膜病变(ROP)的筛查和诊断	开发了Deep Learning Infant Fundus Quality Feedback System (DLIF-QFS)，该系统能够识别图像质量不佳的原因、提高图像质量并辅助临床医生提升诊断效率	NA	支持ROP筛查和诊断	婴儿视网膜照片	数字病理学	早产儿视网膜病变	深度学习	NA	图像	13,372张图像
511	2025-07-29	Histology image analysis of 13 healthy tissues reveals molecular-histological correlations 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11853-7 PMID:40702078	研究论文	本研究通过分析13种健康组织的组织学图像，揭示了分子与组织学特征之间的相关性	首次在多种健康组织中探索核特征与RNA表达模式的相关性，并构建了基于深度学习的自动分析框架	研究仅关注健康组织，未涉及病变组织	探索健康组织细胞核特征与RNA表达模式之间的相关性	13种健康器官的4306个样本	数字病理学	NA	RNA-seq	深度学习	图像	4306个样本来自13种器官
512	2025-07-29	Achieving environmental sustainability via an integrated shampoo optimized BiLSTM-Transformer model for enhanced time-series forecasting 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11301-6 PMID:40702122	研究论文	提出了一种结合BiLSTM和Transformer的混合深度学习模型BiLSTM-Transformer，用于提升复杂时间序列任务的预测性能	整合了BiLSTM网络和Transformer架构，并采用Shampoo二阶优化方法增强收敛稳定性和泛化能力	未提及模型在极端天气条件下的预测表现或计算资源需求	提高电力系统效率，支持可持续能源规划和智能电网运营	气象数据的时间序列预测	机器学习	NA	Shampoo二阶优化	BiLSTM-Transformer	时间序列数据	未明确提及样本数量
513	2025-07-29	Diabetes diagnosis using a hybrid CNN LSTM MLP ensemble 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12151-y PMID:40702146	研究论文	本文提出了一种基于混合CNN LSTM MLP集成模型的糖尿病诊断方法	采用CNN和LSTM分别提取数据的空间特征和时间依赖特征，并通过MLP进行集成分类，实现了较高的诊断准确率	未提及具体数据集大小和多样性，可能影响模型泛化能力	开发自动化糖尿病诊断方法以提高诊断效率和准确性	糖尿病患者的临床和物理数据	机器学习	糖尿病	深度学习集成方法	CNN, LSTM, MLP	临床数据	NA
514	2025-07-29	Multi-camera spatiotemporal deep learning framework for real-time abnormal behavior detection in dense urban environments 2025-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12388-7 PMID:40702170	研究论文	提出了一种用于密集城市环境中实时异常行为检测的多摄像头时空深度学习框架	整合了多尺度图注意力网络(MS-GAT)、强化学习动态摄像头注意力变换器(RL-DCAT)、时空逆对比学习(STICL)、基于神经形态事件的编码和生成行为合成与元学习少样本适应(BGS-MFA)等多种新方法，显著降低了误报率和计算开销，提高了对未见异常行为的泛化能力	未明确提及具体限制，但密集城市环境中的复杂场景变化和遮挡可能仍会影响性能	开发一个高效的多摄像头系统，用于实时检测和分析密集城市环境中的异常行为	密集城市环境中的异常行为	计算机视觉	NA	深度学习、强化学习、神经形态计算	MS-GAT、RL-DCAT、STICL、BGS-MFA	视频	UCF-Crime、ShanghaiTech和Avenue数据集
515	2025-07-29	A hybrid model for detecting motion artifacts in ballistocardiogram signals 2025-Jul-23, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01426-0 PMID:40702570	研究论文	本文提出了一种混合模型，用于检测心冲击图信号中的运动伪影，结合了深度学习和多尺度特征判断	采用双通道方法，结合BiGRU-FCN深度学习模型和多尺度标准偏差经验阈值，提高了运动伪影检测的准确性和鲁棒性	研究数据仅来自睡眠呼吸暂停患者，可能限制了模型的泛化能力	提高心冲击图信号中运动伪影检测的准确性，以提升家庭睡眠监测的可靠性	心冲击图信号中的运动伪影	机器学习	睡眠呼吸暂停	压电传感技术	BiGRU-FCN	信号数据	10名睡眠呼吸暂停患者的数据
516	2025-07-29	Adaptive-AutoMO: A domain adaptative automated multiobjective neural network for reliable lesion malignancy prediction via digital breast tomosynthesis 2025-Jul-23, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104869 PMID:40712810	研究论文	提出了一种域自适应自动多目标神经网络（Adaptive-AutoMO），用于通过数字乳腺断层合成（DBT）进行可靠的病变恶性预测	解决了数据稀缺和域转移问题，同时处理隐私保护、可信度测量和平衡三个关键挑战	实验仅在两个DBT图像数据集上进行，可能需要更多数据验证	提高数字乳腺断层合成（DBT）中病变恶性预测的可靠性和准确性	乳腺病变的恶性预测	数字病理	乳腺癌	深度学习	多目标免疫神经架构搜索算法（MINAS）、半监督域自适应特征网络（MMD-SSDAF）	图像	两个DBT图像数据集（源域和目标域数据集）
517	2025-07-29	Developing deep learning-based cerebral ventricle auto-segmentation system and clinical application for the evaluation of ventriculomegaly 2025-Jul-23, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124300 PMID:40712852	研究论文	开发并验证了一种基于深度学习的自动多类别分割系统，用于精确评估脑室扩大，支持未来增强现实引导的脑室外引流系统	使用nnUNet架构同时分割五个解剖类别（脑室、脑实质、颅骨、皮肤和出血），提供三维脑室变化的精确体积评估	临床验证样本量相对有限（n=227），且模型性能可能受年龄、性别和诊断类型影响	开发一种自动化的脑室分割系统，以替代传统的Evans指数评估方法	脑室扩大患者的脑CT扫描图像	数字病理	神经系统疾病	深度学习	nnUNet	CT图像	训练集288例脑CT扫描，验证集包括内部（n=10）、外部（n=43）和公共（n=192）数据集，临床验证涉及227名接受脑脊液引流手术的患者
518	2025-07-29	BrainCNN: Automated Brain Tumor Grading from Magnetic Resonance Images Using a Convolutional Neural Network-Based Customized Model 2025-Jul-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100334 PMID:40712914	研究论文	本研究开发了一种基于卷积神经网络的自定义模型BrainCNN，用于从磁共振图像中自动分级脑肿瘤	提出了一种结合预训练模型和定制CNN的自动化脑肿瘤分级系统，准确率高达99.45%	研究数据仅来自单一医院的293例MRI扫描，可能影响模型的泛化能力	开发高精度的自动化脑肿瘤分级系统以辅助治疗决策	脑肿瘤患者的MRI图像	数字病理学	脑肿瘤	MRI	CNN, MobileNet, Inception V3, ResNet-50	图像	293例MRI扫描
519	2025-07-29	Explainable clinical diagnosis through unexploited yet Optimized Fine-tuned ConvNeXt Models for accurate Monkeypox Disease Classification 2025-Jul-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100336 PMID:40712913	research paper	该研究通过优化微调的ConvNeXt模型，实现可解释的猴痘疾病临床诊断分类	利用迁移学习技术微调预训练的ConvNeXt网络，结合Adafactor优化技术，在猴痘疾病分类任务中取得高准确率，并通过可解释AI方法增强模型决策的可理解性	虽然模型在计算效率上有所优化，但实际应用中可能仍需要进一步验证其泛化能力和实时性能	开发高效准确的猴痘疾病分类模型，以辅助临床诊断	猴痘疾病的视觉数据信息	computer vision	monkeypox	transfer learning, data augmentation	ConvNeXtSmall, ConvNeXtBase	image	MSLD数据集（二分类）和MSLD v2.0数据集（多分类）
520	2025-07-29	Predicting synergistic drug combinations via hierarchical molecular representation and cell line latent space fusion 2025-Jul-23, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108933 PMID:40714415	研究论文	该研究开发了一种新的深度学习模型，用于更准确地预测抗癌药物组合的协同效应	提出了一种分层分子表示方法和细胞系潜在空间融合技术，以捕捉药物分子的局部和全局特征并减少细胞系数据中的噪声	未提及具体的数据集规模限制或模型在特定癌症类型上的表现差异	提高药物协同效应的预测准确性，为组合疗法的设计提供支持	抗癌药物组合及其在癌细胞系中的协同效应	机器学习	癌症	深度学习	基于图注意力的卷积网络和编码器-解码器结构	药物分子图和细胞系基因表达数据	多种癌细胞系的药物反应数据（具体数量未提及）