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	2025-07-11	DeepNanoHi-C: deep learning enables accurate single-cell nanopore long-read data analysis and 3D genome interpretation 2025-Jul-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf640 PMID:40637236	研究论文	本文介绍了一种名为DeepNanoHi-C的新型深度学习框架，专门用于分析单细胞纳米孔长读数据，以准确预测染色质相互作用并解释3D基因组结构	提出了一种结合多步自编码器和稀疏门控混合专家（SGMoE）的深度学习框架，能够有效处理scNanoHi-C数据的稀疏性和细胞特异性变异，并准确预测染色质相互作用	未提及具体的数据集规模或计算资源需求，可能在实际应用中存在限制	开发一种专门用于scNanoHi-C数据分析的工具，以促进对3D基因组组织的理解	单细胞纳米孔长读数据（scNanoHi-C）	生物信息学	NA	单细胞长读串联测序（scNanoHi-C）	多步自编码器、稀疏门控混合专家（SGMoE）	基因组测序数据	未明确提及样本数量
502	2025-07-11	Automated cell annotation and classification on histopathology for spatial biomarker discovery 2025-Jul-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61349-1 PMID:40624052	研究论文	本文提出了一种自动细胞注释和分类的实验与计算方法，用于H&E染色图像上的空间生物标志物发现	使用多路免疫荧光(mIF)代替人工注释定义细胞类型，结合自监督学习和领域适应的深度学习模型进行细胞分类	仅针对四种细胞类型进行分类，可能不适用于更复杂的细胞类型识别	开发一种可扩展的标准组织病理学单细胞分析方法，用于精准肿瘤学中的空间生物标志物发现	H&E染色图像中的细胞	数字病理学	肿瘤	多路免疫荧光(mIF), 深度学习	结合自监督学习与领域适应的深度学习模型	图像	1,127,252个细胞(来自组织微阵列核心)
503	2025-07-11	An enhanced fusion of transfer learning models with optimization based clinical diagnosis of lung and colon cancer using biomedical imaging 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10246-0 PMID:40624106	研究论文	提出了一种基于优化和迁移学习模型融合的增强方法，用于通过生物医学影像准确诊断肺癌和结肠癌	结合CapsNet、EffcientNetV2和MobileNet-V3 Large进行特征提取，并采用TPA-BiGRU分类器和BWO优化技术，实现了99.16%的高准确率	仅在LCC-HI数据集上进行了验证，未涉及其他数据集或实际临床环境测试	开发一种高效的肺癌和结肠癌检测方法，利用临床生物医学影像进行自动诊断	肺癌和结肠癌的生物医学影像数据	数字病理学	肺癌, 结肠癌	深度学习, 迁移学习, 优化算法	CapsNet, EffcientNetV2, MobileNet-V3 Large, TPA-BiGRU	图像	LCC-HI数据集（具体样本数量未提及）
504	2025-07-11	AG-MS3D-CNN multiscale attention guided 3D convolutional neural network for robust brain tumor segmentation across MRI protocols 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09351-x PMID:40624142	研究论文	提出了一种名为AG-MS3D-CNN的注意力引导多尺度3D卷积神经网络，用于跨MRI协议的稳健脑肿瘤分割	模型整合了多尺度特征提取和空间注意力机制以增强边界描绘，并引入蒙特卡洛dropout进行不确定性估计，同时采用多任务学习框架	未明确提及具体局限性	提高脑肿瘤分割的准确性和鲁棒性，以支持神经肿瘤学的临床决策	脑肿瘤	数字病理学	脑肿瘤	MRI	3D CNN	图像	BraTS 2021数据集及外部数据集（如OASIS、ADNI、IXI）
505	2025-07-09	Author Correction: Detecting command injection attacks in web applications based on novel deep learning methods 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09836-9 PMID:40624202	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
506	2025-07-11	Deep learning-based video analysis for automatically detecting penetration and aspiration in videofluoroscopic swallowing study 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10397-0 PMID:40624237	研究论文	本研究开发了一种基于深度学习的模型，用于自动检测视频荧光吞咽研究（VFSS）中的渗透和误吸，并评估其诊断准确性	首次使用深度学习模型自动从VFSS视频中提取关键图像并检测渗透和误吸，减少了人工解读时间	模型在检测渗透和误吸时灵敏度较低，且未分析全帧VFSS数据，数据集也局限于单中心	开发自动检测VFSS中渗透和误吸的深度学习模型，以提高诊断效率和准确性	VFSS视频中的图像数据，特别是代表吞咽过程中上食管括约肌开放时刻的图像	计算机视觉	吞咽障碍	视频荧光吞咽研究（VFSS）	CNN	视频和图像	1,467名患者的18,145张图像
507	2025-07-09	Retraction Note: A combined microfluidic deep learning approach for lung cancer cell high throughput screening toward automatic cancer screening applications 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09817-y PMID:40624239	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
508	2025-07-11	Spatio-temporal transformer and graph convolutional networks based traffic flow prediction 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10287-5 PMID:40624240	研究论文	提出了一种基于时空Transformer和图卷积网络的交通流量预测模型TDMGCN，用于解决交通流量数据中的复杂时空特征和长期预测需求	整合Transformer和多图GCN，设计卷积多头自注意力模块捕获长期时间依赖和局部趋势信息，同时引入空间嵌入模块和多图卷积模块有效提取空间相关性	未明确提及模型计算复杂度或实时性表现，也未讨论在不同规模城市中的泛化能力	提升交通流量预测精度以支持智能交通系统和城市规划决策	交通流量数据	机器学习	NA	深度学习	Transformer + GCN	时空序列数据	五个真实世界交通数据集
509	2025-07-11	PolSAR image classification using shallow to deep feature fusion network with complex valued attention 2025-Jul-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10475-3 PMID:40624319	研究论文	提出了一种名为CV-ASDF2Net的三分支融合复数卷积神经网络，用于极化合成孔径雷达(PolSAR)图像分类	首次提出了一种结合浅层到深层特征融合的复数卷积神经网络，并引入了复数注意力机制	在部分数据集上的性能提升相对有限(0.5%-1.3%)	提高PolSAR图像分类的准确率	极化合成孔径雷达(PolSAR)图像	计算机视觉	NA	深度学习	复数卷积神经网络(CV-CNN)	雷达图像	三个数据集：AIRSAR Flevoland、AIRSAR San Francisco和ESAR Oberpfaffenhofen
510	2025-07-11	Gender difference in cross-sectional area and fat infiltration of thigh muscles in the elderly population on MRI: an AI-based analysis 2025-Jul-07, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00606-w PMID:40624409	research paper	该研究利用深度学习模型分析了老年人群大腿肌肉的横截面积和脂肪浸润情况，并探讨了性别差异及其与年龄的相关性	采用深度学习模型自动分割大腿肌肉群，提高了MRI图像分析的效率和准确性，并揭示了性别和年龄对肌肉组成的影响	样本量较小（141人），且研究为横断面设计，无法确定因果关系	评估老年人大腿肌肉的横截面积和脂肪浸润情况，分析性别差异及其与年龄的相关性	141名52-82岁的老年人（67名女性，74名男性）	digital pathology	geriatric disease	MRI, deep learning	CNN	image	141名参与者（67名女性，74名男性）
511	2025-07-11	Multi-task genomic prediction using gated residual variable selection neural networks 2025-Jul-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06188-z PMID:40624470	研究论文	本研究通过实施门控残差变量选择神经网络（GRVSNN）进行多任务基因组预测，旨在提高基因组预测的准确性和可解释性	提出了一种新颖的GRVSNN框架，整合了传统系谱信息和基因组数据，提高了预测准确性并增强了模型的可解释性	未提及具体局限性	提高基因组预测的准确性，整合传统系谱信息和基因组数据	火炬松、小鼠和猪的真实数据集	机器学习	NA	高通量测序技术	GRVSNN（门控残差变量选择神经网络）	基因组数据和系谱数据	火炬松、小鼠和猪的真实数据集（未提及具体样本数量）
512	2025-07-11	Deep learning method for cucumber disease detection in complex environments for new agricultural productivity 2025-Jul-07, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06841-y PMID:40624628	研究论文	提出了一种基于YOLOv11n改进的轻量级检测算法YOLO-Cucumber，用于复杂农业环境下的黄瓜病害检测	引入了四种关键创新：可变形卷积网络（DCN）用于不规则目标的特征提取、P2预测层用于早期病变的细粒度检测、目标感知损失（TAL）函数解决类别不平衡问题、通过批量归一化进行通道剪枝（CPBN）实现模型压缩	未提及算法在其他作物病害上的泛化能力	提高复杂农业环境下黄瓜病害检测的准确性和效率	黄瓜病害	计算机视觉	NA	深度学习	YOLO-Cucumber（基于YOLOv11n改进）	图像	未明确说明样本数量（使用自建黄瓜病害数据集）
513	2025-07-11	Redesigning deep neural networks: Bridging game theory and statistical physics 2025-Jul-07, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107807 PMID:40633289	研究论文	提出了一种结合博弈论和统计物理学的深度图形表示方法，用于统一特征提取和模式分类	将神经网络神经元视为博弈论模型中的玩家和统计物理学中的粒子，通过Shapley值和Banzhaf权力指数增强模型的可解释性和性能	NA	改进深度神经网络的设计，提高其效率和准确性	深度神经网络	机器学习	NA	博弈论和统计物理学	深度图形表示	图像	NA
514	2025-07-11	Explainable deep learning unveils critical scenarios driving soil cadmium pollution in a coastal industrial city in China: A geospatial AI approach 2025-Jul-05, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126769 PMID:40623589	研究论文	本研究提出了一种可解释的深度学习模型，结合遥感技术识别土壤重金属污染源	采用轻量级图像分类网络SI-LICNet保留大尺度空间信息，并通过遮挡敏感分析提供模型可解释性	研究仅针对中国东莞市六个区域的镉污染，可能无法推广到其他地区或重金属污染类型	开发更准确、科学的方法识别土壤重金属污染源，为土壤环境管理提供支持	中国东莞市六个区域的土壤镉污染	地理空间AI	NA	遥感技术(RS)、遮挡敏感分析	SI-LICNet(轻量级图像分类网络)	遥感图像	中国东莞市六个区域的数据
515	2025-07-11	CosELU: An improved activation deep neural network for EEG signal recognition in stroke patients 2025-Jul-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107800 PMID:40633296	research paper	本文提出了一种改进的激活函数CosELU，用于解决中风患者脑电信号识别中的梯度爆炸和梯度消失问题，并结合注意力机制卷积神经网络(AMCNN)进行分类	开发了自适应激活函数CosELU，通过可调参数a和自适应参数λ监控激活函数的梯度，缓解了梯度爆炸和梯度消失问题	未提及具体的数据集规模或实验条件的限制	提高中风患者运动想象脑电信号(MI-EEG)的识别率，以支持临床康复训练	中风患者的脑电信号	digital pathology	stroke	EEG信号处理	AMCNN (注意力机制卷积神经网络)	EEG信号	NA
516	2025-07-11	DHR-Net: Dynamic Harmonized registration network for multimodal medical images 2025-Jul-05, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112031 PMID:40633305	研究论文	提出了一种基于动态协调注册框架（DHR-Net）的端到端医学图像注册方法，用于解决多模态医学图像注册中的解剖一致性和变形场优化问题	DHR-Net采用级联两阶段架构，包括翻译网络和注册网络，并提出基于噪声对比估计框架的损失函数，增强跨模态翻译中的解剖一致性	实验仅在M&M心脏数据集上进行，未验证在其他多模态医学图像数据上的泛化能力	提升多模态医学图像注册的准确性和解剖结构一致性	多模态医学图像	数字病理	心血管疾病	深度学习	DHR-Net（级联两阶段架构）	医学图像	M&M心脏数据集（具体样本数量未提及）
517	2025-07-11	Pairwise Attention: Leveraging Mass Differences to Enhance De Novo Sequencing of Mass Spectra 2025-Jul-04, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00063 PMID:40454436	research paper	该研究提出了一种改进的transformer编码器，通过引入基于成对质量差异的学习偏置（Pairwise Attention, PA），提升了质谱数据的从头测序性能	在transformer架构中引入基于质谱手动解释启发式的成对注意力机制（PA），显著提升肽段序列预测精度	NA	提高基于质谱的蛋白质组学中肽段序列的从头测序准确性	MS2质谱数据	machine learning	NA	质谱分析	transformer	质谱数据	九物种基准数据集
518	2025-07-11	CNN based method for classifying cervical cancer cells in pap smear images 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10009-x PMID:40615498	研究论文	提出一种基于CNN的方法，用于分类宫颈癌细胞在巴氏涂片图像中的表现	直接对WSI宫颈细胞群进行分类而无需分割，证明了分割对于良好分类结果并非绝对必要	未提及具体的数据集局限性或模型泛化能力问题	早期检测宫颈癌细胞，提高分类准确性	宫颈癌细胞在巴氏涂片图像中的表现	数字病理学	宫颈癌	深度学习	CNN	图像	SIPaKMeD和Herlev数据集
519	2025-07-11	Revolutionizing medical imaging: A cutting-edge AI framework with vision transformers and perceiver IO for multi-disease diagnosis 2025-Jul-04, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108586 PMID:40633409	research paper	提出一种结合Vision Transformers和Perceiver IO的混合框架，用于提高多疾病分类的准确性	首次将ViT和Perceiver IO应用于神经疾病、皮肤疾病和肺部疾病的分类，并在准确性、计算效率和临床可解释性方面优于传统架构	未提及具体的数据集样本量限制或模型在未见过数据上的泛化能力测试	开发一个可靠的人工智能工具，用于早期疾病检测，减少诊断错误并改善治疗结果	神经疾病（中风、阿尔茨海默病）、皮肤疾病（癣、黑色素瘤）和肺部疾病（肺癌、肺炎）	digital pathology	neurological disorders, skin diseases, lung diseases	Vision Transformers (ViT), Perceiver IO	ViT, Perceiver IO	image	使用了多个公开数据集，包括Brain Stroke Prediction CT Scan Image Dataset、Best Alzheimer MRI Dataset、Skin Diseases Dataset、HAM10000/HAM10k dataset、Lung Cancer Image Dataset和Pneumonia Dataset
520	2025-07-11	Critical review of the model description in 'Kurdish handwritten character recognition using deep learning techniques' 2025-Jul-03, Gene expression patterns : GEP IF:1.0Q4 DOI:10.1016/j.gep.2025.119399 PMID:40617480	comments	本文对一篇关于使用深度学习技术进行库尔德手写字符识别的文章中的模型描述进行了批判性评论	指出了原文章在模型架构描述、类别标签和模型总结方面的不一致性，并提出了改进建议	仅针对原文章的模型描述部分进行评论，未涉及其他方面的研究内容	提高原文章的透明度和可重复性	库尔德手写字符识别的研究文章	natural language processing	NA	NA	deep learning	text	NA