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	2025-07-20	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	比较深度学习与传统机器学习方法在心律失常/心电图模式分类中的性能，并评估减少心电图导联子集对分类准确性的影响	首次比较了深度学习（CNN）和传统机器学习（RF）在心电图导联子集上的心律失常分类性能，并识别了最优导联子集	研究仅基于公开数据集PhysioNet Cardiology Challenge 2020，未在其他独立数据集上验证结果	评估减少心电图导联子集对心律失常/心电图模式分类准确性的影响	心电图数据	机器学习	心血管疾病	递归特征消除	CNN, RF	心电图信号	PhysioNet Cardiology Challenge 2020公开数据集
502	2025-07-20	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	research paper	使用深度学习技术从心电图中识别心脏壁运动异常，提高检测准确性	开发了一种名为ECG-WMA-Net的深度神经网络，其性能优于专家心电图解读和Q波指数	模型在外部验证队列中的表现有所下降，AUC为0.723	提高心脏壁运动异常的筛查准确性，解决标准心电图方法未能捕捉的生理差异	35,210名来自加利福尼亚的患者和2,338名来自乔治亚州的多样化人群	machine learning	cardiovascular disease	deep learning	deep neural network (ECG-WMA-Net)	ECG和超声心动图数据	35,210名患者（训练集）和2,338名患者（验证集）
503	2025-07-20	Approximating Human-Level 3D Visual Inferences With Deep Neural Networks 2025, Open mind : discoveries in cognitive science DOI:10.1162/opmi_a_00189 PMID:40013087	研究论文	探讨深度神经网络（DNNs）在3D形状推理任务中如何接近人类水平的表现	构建了多种3D感知的DNN架构，并研究了学习目标和数据集在3D形状推理中的作用，发现多视角DNNs在特定条件下能接近人类表现	DNN建模方法在捕捉人类类似形状推理方面存在固有局限性，且对训练集外对象类别的泛化能力有限	缩小DNNs与人类在3D形状表示方面的差距	3D形状推理任务中的深度神经网络与人类表现对比	计算机视觉	NA	深度神经网络（DNNs）	3D神经场（Light Field Network）、自编码器、卷积架构	3D视觉刺激数据	NA
504	2025-07-20	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	综述	本文评估了机器学习和深度学习在葡萄膜黑色素瘤诊断中的应用及进展	深度学习模型，尤其是CNN，能够自动分析医学图像并识别复杂模式，从而提高诊断精度	研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像方式的依赖，这些都限制了模型在临床环境中的泛化能力	探讨机器学习和深度学习在葡萄膜黑色素瘤诊断中的应用及其潜力	葡萄膜黑色素瘤	数字病理学	葡萄膜黑色素瘤	机器学习、深度学习、CNN	CNN	图像	小规模数据集
505	2025-07-20	Deep linear matrix approximate reconstruction with integrated BOLD signal denoising reveals reproducible hierarchical brain connectivity networks from multiband multi-echo fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1577029 PMID:40309655	研究论文	本文提出了一种结合多波段多回波fMRI技术和深度线性矩阵近似重建方法（DELMAR）的新策略，用于更准确地描绘人脑的分层功能连接网络	首次将多回波BOLD信号去噪与DELMAR方法集成，无需独立的ME-ICA去噪步骤，提高了分层脑连接网络的重建准确性和可重复性	未明确说明该方法在临床诊断中的实际应用效果验证	开发更准确的人脑功能连接网络映射方法	人脑功能连接网络	神经影像分析	神经系统疾病和精神疾病	多波段多回波fMRI（MBME fMRI）	深度线性模型（DELMAR）	fMRI影像数据	NA
506	2025-07-20	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	本研究基于深度学习方法，实现了岩石预制缺陷中裂纹尖端的高精度自动识别与特性分析	采用U-Net和Deeplabv3网络构建裂纹识别模型，U-Net模型在岩石样本多角度裂纹识别中准确率达99.4%，较Deeplabv3模型提升0.5%	研究仅针对砂岩SCB半圆盘试样，未涵盖其他岩石类型或更复杂的地质条件	实现岩石裂纹尖端的高精度自动识别，为复杂地质环境工程决策提供数据支持	含预制裂纹（0°、15°、30°、45°、60°）的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化方法（HE/AHE/CLAHE）	U-Net, Deeplabv3	图像	含五种不同角度预制裂纹的砂岩样本（具体数量未明确说明）
507	2025-07-20	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究通过深度学习和物理模拟方法预测了拟南芥MCTP4蛋白的跨膜区域结构，揭示了其复杂的构象多样性	结合多种深度学习方法与粗粒度分子动力学模拟，首次揭示了MCTP4跨膜区域的多种构象状态及其动态特性	单一深度学习方法预测膜蛋白结构存在挑战，且模拟结果需要进一步实验验证	解析拟南芥MCTP4蛋白跨膜区域的结构特征与动态行为	拟南芥MCTP4蛋白的跨膜结构域	结构生物学	NA	深度学习预测、粗粒度分子动力学模拟	ESMFold, AlphaFold-Multimer, trRosetta, RoseTTAFold, AlphaFold2, OmegaFold	蛋白质序列数据	NA
508	2025-07-20	Driven early detection of chronic kidney cancer disease based on machine learning technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326080 PMID:40663560	研究论文	本文提出了一种基于机器学习的慢性肾癌早期检测方法KCDC-SODLPI，通过深度学习分析病理图像以提高诊断准确性和效率	结合Snake Optimizer和Deep Learning技术，提出KCDC-SODLPI方法，用于肾癌的检测和分类，实验显示其准确率优于现有模型	实验仅在生物医学图像数据集上进行验证，未涉及临床实际应用的广泛测试	开发一种自动化的肾癌检测和分类系统，以提高诊断的准确性和效率	肾癌病理图像	数字病理	肾癌	深度学习	SE-DenseNet, BiLSTM	图像	生物医学图像数据集（具体数量未提及）
509	2025-07-20	Mapping burnt areas using very high-resolution imagery and deep learning algorithms - a case study in Bandipur, India 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327125 PMID:40668808	研究论文	本研究设计和评估了两种基于深度学习的架构（Custom UNET和新型UNET-GRU），用于利用PlanetScope数据在印度班迪普尔进行烧毁区域分类	提出了一种新型UNET-GRU混合模型，在烧毁区域分类中表现出更高的准确性和空间重叠指标	研究仅限于印度班迪普尔地区，未在其他地理区域验证模型的泛化能力	评估深度学习模型在烧毁区域分类中的性能，改进火灾影响评估和管理策略	印度班迪普尔地区的烧毁区域	计算机视觉	NA	深度学习	UNET, GRU, UNET-GRU混合模型	高分辨率遥感图像	NA
510	2025-07-20	The intelligent evaluation model of the English humanistic landscape in agricultural industrial parks by the SPEAKING model: From the perspective of fish-vegetable symbiosis in new agriculture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325332 PMID:40668851	研究论文	本研究提出了一种基于SPEAKING模型的智能翻译评估框架，用于评估农业产业园中英文人文景观的表达	结合语言理论和深度学习技术，提出了一个优化模型，显著提高了多模态翻译任务的准确性和适应性	研究中未提及样本的具体数量，且可能仅限于特定的农业产业园场景	提高农业产业园中英文人文景观表达的准确性和适应性	农业产业园中的英文人文景观	自然语言处理	NA	深度学习	SPEAKING模型	文本、图像、语音	NA
511	2025-07-20	An explainable and federated deep learning framework for skin cancer diagnosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324393 PMID:40668852	研究论文	提出了一种结合深度学习、联邦学习和可解释AI的智能框架，用于皮肤癌诊断	结合联邦学习保护数据隐私，并利用可解释AI增强模型透明度	未提及模型在更广泛数据集上的泛化能力	开发一个既能准确诊断皮肤癌又能保护患者数据隐私的智能框架	皮肤癌诊断	数字病理学	皮肤癌	深度学习、联邦学习、可解释AI	VGG16, Xception, DenseNet169, InceptionV3, MobileViT, InceptionResNetV2	图像	ISBI2016和ISBI2017两个数据集
512	2025-07-20	Refining Intra-Arterial Therapy Selection for Large Hepatocellular Carcinoma: A Deep Learning Approach Based on Covariate Interaction Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S532116 PMID:40672044	研究论文	本研究开发并验证了一种基于深度学习的模型DELICAITE，用于指导大肝癌患者选择经动脉化疗栓塞（TACE）或肝动脉灌注化疗（HAIC）治疗	DELICAITE模型首次将深度卷积神经网络（DCNN）与协变量交互分析相结合，用于优化大肝癌患者的动脉内治疗选择	研究为回顾性设计，且样本量相对有限（900例患者）	优化大肝癌患者的动脉内治疗方案选择	大肝癌患者	数字病理学	肝癌	深度卷积神经网络（DCNN）	DELICAITE（基于DCNN）	临床数据和影像数据	900例大肝癌患者
513	2025-07-20	A deep learning-based image analysis model for automated scoring of horizontal ocular movement disorders 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1522894 PMID:40672453	research paper	本研究提出了一种基于深度学习的图像分析方法，用于自动评分水平眼动障碍的严重程度，并评估其与传统手动评分方法的性能	开发了RetinaEye自动评分模型，能够客观评估水平眼动障碍的严重程度，与手动评分结果具有高度一致性	研究样本量有限，仅包括164名患者和121名健康受试者，且测试集仅包含92名患者	开发一种自动评分方法，用于评估水平眼动障碍的严重程度	164名眼动障碍患者和121名健康受试者的眼部图像	computer vision	ocular movement disorders	deep learning-based image analysis	RetinaEye	image	2,565张眼部图像（来自164名患者和121名健康受试者），以及184张双眼凝视图像（来自92名患者）
514	2025-07-20	Intelligent recognition of tobacco leaves states during curing with deep neural network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1604382 PMID:40672565	research paper	该研究利用深度神经网络对烟草叶片在烘烤过程中的形态状态进行智能识别	开发了一个针对实际工业场景的大规模烟草叶片形态状态数据集，并提出了高效的深度学习方法	之前的研究通常使用有限数量的非工业图像进行训练，与实际应用中的图像存在显著差异	研究深度学习算法在真实工业场景中识别烟草叶片形态状态的潜力	烟草叶片在烘烤过程中的黄化、褐变和干燥程度	computer vision	NA	deep learning	deep neural network	image	来自中国多个产区的实际批量烘烤仓中的烟草叶片图像
515	2025-07-20	OculusNet: Detection of retinal diseases using a tailored web-deployed neural network and saliency maps for explainable AI 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1596726 PMID:40672824	研究论文	介绍了一种名为OculusNet的高效且可解释的深度学习方法，用于通过OCT图像检测视网膜疾病	结合了Saliency Map可视化技术，提供可解释的AI决策过程，并通过网页部署实现即时检测	未提及模型在多样化临床环境中的泛化能力测试或对不同种族/年龄群体的适用性	开发一个高效且可解释的深度学习模型，用于视网膜疾病的早期检测	视网膜OCT图像，特别是包含脉络膜新生血管(CNV)、糖尿病性黄斑水肿(DME)和年龄相关性黄斑变性等疾病的图像	数字病理学	视网膜疾病	光学相干断层扫描(OCT)	CNN（基于VGG19, MobileNetV2, VGG16, DenseNet-121的迁移学习）	图像	未明确提及具体样本量，但涉及多种视网膜疾病OCT图像
516	2025-07-20	A multi-graph convolutional network method for Alzheimer's disease diagnosis based on multi-frequency EEG data with dual-mode connectivity 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1555657 PMID:40672873	研究论文	本文提出了一种基于多频率EEG数据和双模式连接的多图卷积网络方法，用于阿尔茨海默病的诊断	开发了一种新颖的基于图的深度学习模型，充分利用多频率EEG数据的功能和结构信息，克服了现有方法仅依赖功能连接或未能充分整合多频率特征的局限	未提及具体样本量的限制或模型在其他数据集上的泛化能力	开发一种更有效的阿尔茨海默病早期诊断方法	阿尔茨海默病患者和健康对照组的EEG数据	数字病理学	老年病	EEG信号分析	多图卷积网络(MF-MGCN)	EEG信号	未明确提及具体样本量
517	2025-07-20	Dynamic Prediction of Physical Exertion: Leveraging AI Models and Wearable Sensor Data During Cycling Exercise 2024-Dec-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010052 PMID:39795580	研究论文	本研究探索了利用可穿戴设备收集的生理信号预测体力消耗的机器学习方法	结合特征选择算法与先进的机器学习和深度学习技术，用于预测体力消耗水平	研究仅涉及27名健康参与者，样本量较小	预测体力消耗水平	健康参与者在控制条件下的骑行运动	机器学习	NA	ECG、心率、血氧饱和度、踏板速度(RPM)和心率变异性(HRV)测量	LSTM网络与传统机器学习模型	生理信号数据	27名健康参与者
518	2025-07-20	An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD 2024-Dec-27, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.06.24314939 PMID:39417095	研究论文	开发并验证了一种名为PRESENT-SHD的集成深度学习算法，用于通过心电图图像自动检测和预测结构性心脏病	利用12导联心电图图像，采用集成深度学习方法自动检测多种结构性心脏病，并在多个医院和前瞻性人群研究中验证了其性能	研究主要依赖于特定医院的数据，外部验证的样本量相对较小	开发一种自动化工具，用于结构性心脏病的早期筛查和风险分层	结构性心脏病患者的心电图图像	数字病理	心血管疾病	深度学习，卷积神经网络，XGBoost	CNN, XGBoost	图像	261,228份心电图来自93,693名患者，外部验证包括11,023名个体（YNHH）、44,591名（外部医院）和3,014名（ELSA-Brasil）
519	2025-07-20	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	开发了一种深度学习算法用于量化炎症性肠病中的潘氏细胞密度	使用两阶段U-net深度学习模型显著提高了潘氏细胞密度量化的准确性	研究基于回顾性队列，需要前瞻性研究验证临床实用性	开发深度学习工具用于炎症性肠病的预后生物标志物量化	炎症性肠病患者和非IBD患者的回肠组织样本	数字病理学	炎症性肠病	全切片图像分析	U-net	图像	190例(142例CD患者和48例非IBD患者)
520	2025-07-20	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	research paper	该论文提出了一种名为ViViEchoformer的深度学习方法，通过视频视觉变换器直接从超声心动图视频中回归预测左心室功能（LVEF）	使用视频视觉变换器（ViViEchoformer）直接从超声心动图视频中预测射血分数（EF），提供了一种全自动的EF预测方法	研究仅基于单一医疗机构（斯坦福大学医院）的数据，可能限制了模型的泛化能力	开发一种深度学习方法，用于精确量化左心室功能，以替代人工评估	超声心动图视频	digital pathology	cardiovascular disease	deep learning	transformer	video	10,030例来自斯坦福大学医院患者的超声心动图视频