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
5381	2025-03-25	A practical generalization metric for deep networks benchmarking 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93005-5 PMID:40119019	research paper	本文提出了一种实用的泛化度量标准，用于评估不同深度网络的泛化能力，并提出了一个新颖的测试平台来验证理论估计	引入了一种新的实用泛化度量标准，能够量化深度学习模型的准确性和数据多样性，并提出了一个测试平台来验证理论估计	研究发现大多数现有的泛化理论估计与实用测量结果不相关，暴露了理论估计的不足	评估深度网络的泛化能力并验证理论估计	深度网络	machine learning	NA	NA	deep networks	NA	NA
5382	2025-03-25	Bulldogs stenosis degree classification using synthetic images created by generative artificial intelligence 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92769-0 PMID:40119072	研究论文	本研究开发了一种自动深度学习模型，用于分类斗牛犬鼻腔狭窄的严重程度	使用包括AI生成样本在内的混合数据集，并比较了五种神经网络架构的性能，其中DenseNet201表现最佳	模型的F-score仅为54.04%，可能还有提升空间	开发自动分类斗牛犬鼻腔狭窄严重程度的深度学习模型	斗牛犬鼻腔狭窄	计算机视觉	鼻腔狭窄	深度学习	DenseNet201	图像	1020张斗牛犬鼻孔图像（包含真实和AI生成样本）
5383	2025-03-25	Exploring the impact of hyperparameter and data augmentation in YOLO V10 for accurate bone fracture detection from X-ray images 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93505-4 PMID:40119100	研究论文	本研究探讨了超参数和数据增强技术对YOLO V10架构在X射线图像中准确检测骨折性能的影响	通过结合特定的超参数组合和目标数据增强策略，显著提高了骨折检测的准确性和精确度	研究仅针对YOLO V10架构，未与其他最新模型进行广泛比较	提高X射线图像中骨折检测的准确性和精确度	X射线图像中的骨折	计算机视觉	骨折	图像非锐化掩蔽和对比度受限自适应直方图均衡化	YOLO V10	图像	NA
5384	2025-03-25	Merging synthetic and real embryo data for advanced AI predictions 2025-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94680-0 PMID:40119109	研究论文	通过结合合成和真实的胚胎数据，提高AI在胚胎形态评估中的预测准确性	使用两种生成模型（扩散模型和生成对抗网络）生成合成胚胎图像，并与真实图像结合训练分类模型，显著提高了分类准确率	合成图像的保真度仍有提升空间，且需要更多外部数据集验证模型的泛化能力	提高辅助生殖技术中胚胎形态评估的准确性	胚胎图像（包括2细胞、4细胞、8细胞、桑椹胚和囊胚阶段）	计算机视觉	生殖健康	生成对抗网络（GAN）、扩散模型	CNN（用于分类）、GAN、扩散模型（用于生成）	图像	两个数据集（一个公开可用，一个新创建的），并由四位胚胎学家评估
5385	2025-03-25	Let's get in sync: current standing and future of AI-based detection of patient-ventilator asynchrony 2025-Mar-21, Intensive care medicine experimental IF:2.8Q2 DOI:10.1186/s40635-025-00746-8 PMID:40119215	综述	本文综述了基于人工智能的患者-呼吸机异步（PVA）自动检测技术的现状与未来发展方向	总结了近15年来PVA自动检测技术的进展，包括基于规则的算法、机器学习和深度学习等多种AI技术的应用	大多数算法仅能离线使用，只能检测一小部分PVA类型（主要关注无效努力和双重触发异步），且84%的研究仍处于开发或验证阶段	探讨AI技术在PVA自动检测领域的应用现状及未来发展方向	机械通气患者中的患者-呼吸机异步现象	医疗人工智能	呼吸系统疾病	基于规则的算法、机器学习和深度学习	多种AI模型	呼吸机波形数据	19项研究（其中3项已获许可的算法）
5386	2025-03-25	An interpretable deep geometric learning model to predict the effects of mutations on protein-protein interactions using large-scale protein language model 2025-Mar-21, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00979-5 PMID:40119464	研究论文	开发了一种基于transformer的图神经网络模型，用于预测突变对蛋白质-蛋白质相互作用的影响	结合局部和全局特征，并利用预训练蛋白质语言模型，提高了预测准确性	未明确提及具体局限性	预测突变对蛋白质-蛋白质相互作用结合亲和力的影响	蛋白质-蛋白质复合物及其突变体	机器学习	NA	图神经网络(GNNs), transformer模型	transformer-based GNN	蛋白质三维结构数据	五个数据集，包括单突变和多突变案例
5387	2025-03-25	Multi-modal MRI synthesis with conditional latent diffusion models for data augmentation in tumor segmentation 2025-Mar-21, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102532 PMID:40121926	研究论文	提出一种基于条件潜在扩散模型的多模态MRI合成方法，用于肿瘤分割任务的数据增强	创新的切片潜在扩散架构，能够同时生成3D多模态图像及其对应的多标签掩码，通过位置编码和潜在聚合模块保持空间一致性和切片序列性	虽然主要应用于肿瘤分割，但方法可以适应其他模态，但未在其他模态上进行验证	解决医学影像中多模态标注数据有限的问题，提升肿瘤分割任务的性能	多模态MRI图像及其对应的肿瘤分割标签	数字病理	肿瘤	潜在扩散模型	条件潜在扩散模型	3D MRI图像	使用BRATS2021数据集进行验证
5388	2025-03-25	Experimental wavefront sensing techniques based on deep learning models using a Hartmann-Shack sensor for visual optics applications 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80615-8 PMID:40113787	研究论文	本文提出了一种基于改进ResNet卷积神经网络的新方法，用于增强Hartmann-Shack波前传感器的性能，以提高视觉光学中的波前传感能力	使用改进的ResNet CNN模型显著提高了波前像差重建速度和动态范围，相比传统方法分别提升了300%至400%和315.6%	实验数据集是在自定义的单目视觉模拟器上生成的，可能无法完全代表真实世界的复杂情况	提高视觉光学系统中波前传感的精度、动态范围和处理速度	Hartmann-Shack波前传感器(HSS)及其在视觉光学中的应用	计算机视觉	NA	深度学习	改进的ResNet CNN	图像	实验数据集包括无噪声和添加散斑噪声的图像
5389	2025-03-25	A fusion model to predict the survival of colorectal cancer based on histopathological image and gene mutation 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91420-2 PMID:40113813	研究论文	提出一种基于组织病理学图像和基因突变的多模态深度学习计算框架，用于预测结直肠癌患者的5年生存率	首次使用Multimodal Compact Bilinear Pooling (MCBP)方法整合组织病理学图像、临床信息和分子数据来预测结直肠癌患者的生存率	样本量较小（仅84例），且仅针对TCGA数据库中的结直肠癌数据	提高结直肠癌患者生存预测的准确性，辅助临床决策	结直肠癌患者的组织病理学图像、临床信息和分子数据	数字病理学	结直肠癌	mRNA测序、基因突变分析	MCBP	图像、文本（临床信息）、基因数据	84例来自TCGA的结直肠癌样本
5390	2025-03-25	Spatio-temporal epidemic forecasting using mobility data with LSTM networks and attention mechanism 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94089-9 PMID:40113855	研究论文	本研究提出了一种结合LSTM网络和多头注意力机制的深度学习模型，用于短期预测传染病趋势，并以日本COVID-19确诊病例和住院数据为例进行了验证	结合LSTM网络和多头注意力机制，利用移动数据捕捉时空动态，提高了预测准确性	研究仅针对日本COVID-19数据，模型在其他地区或传染病的适用性未经验证	开发一种准确预测传染病短期趋势的方法，以辅助决策和疫情控制策略制定	COVID-19确诊病例和住院数据	机器学习	COVID-19	深度学习	LSTM, 多头注意力机制	时间序列数据, 移动数据	日本COVID-19确诊病例和住院数据（具体数量未提及）
5391	2025-03-25	Music genre classification with parallel convolutional neural networks and capuchin search algorithm 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90619-7 PMID:40113866	research paper	提出了一种结合并行卷积神经网络和卷尾猴搜索算法的音乐流派分类新方法	结合离散小波变换、梅尔频率倒谱系数和短时傅里叶变换特征，利用卷尾猴搜索算法优化CNN超参数，提高了分类准确率	NA	开发一个强大的音乐分类器，快速分类未标记音乐，提升用户媒体播放器和音乐文件的体验	音乐流派分类	machine learning	NA	DWT, MFCC, STFT	CNN	audio	GTZAN和Extended-Ballroom数据集
5392	2025-03-25	A hybrid object detection approach for visually impaired persons using pigeon-inspired optimization and deep learning models 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92239-7 PMID:40113884	research paper	提出了一种结合鸽群优化和深度学习模型的混合物体检测方法，旨在帮助视障人士安全导航	结合了YOLOv10框架、CapsNet和InceptionV3的特征提取模型融合，以及MHA-BiLSTM分类方法，并采用鸽群优化算法进行超参数调优	仅在室内物体检测数据集上进行了验证，未说明在复杂室外环境中的表现	开发可靠精确的物体检测系统以帮助视障人士安全导航	视障人士及其周围环境物体	computer vision	NA	deep learning	YOLOv10, CapsNet, InceptionV3, MHA-BiLSTM	image	Indoor Objects Detection数据集（具体数量未说明）
5393	2025-03-25	Comparison of MRI and CT based deep learning radiomics analyses and their combination for diagnosing intrahepatic cholangiocarcinoma 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92263-7 PMID:40113926	研究论文	本研究比较了基于MRI和CT的深度学习放射组学分析及其组合在诊断肝内胆管癌(iCCA)中的效果	开发了CT-MRI跨模态融合模型，在诊断iCCA中表现出最佳性能(AUC 0.994)	样本量相对较小(178例患者)，且未说明模型在其他数据集上的泛化能力	评估深度学习放射组学分析在诊断肝内胆管癌中的效能	178例经病理证实的原发性肝癌患者(124例训练集/54例测试集)	数字病理	肝癌	深度学习放射组学分析	深度学习模型(具体架构未说明)	医学影像(CT和MRI)	178例患者(124训练/54测试)
5394	2025-03-25	Detection of hydrophobicity grade of insulators based on AHC-YOLO algorithm 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92696-0 PMID:40113932	研究论文	提出一种基于AHC-YOLO算法的复合绝缘子疏水性等级检测方法	结合高性能GPU网络HGNetv2、混合局部通道注意力机制MLCA、轻量级卷积CSPPC和Inner-WIoU损失函数，显著降低网络负担并提高识别精度	未提及算法在极端环境或不同光照条件下的性能表现	提高复合绝缘子疏水性等级检测的效率和准确性	复合绝缘子	计算机视觉	NA	深度学习	YOLO	图像	NA
5395	2025-03-25	Data-driven analysis for the evaluation of cortical mechanics of non-adherent cells 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94315-4 PMID:40113954	研究论文	本文提出了一种结合微米级陷阱阵列和深度学习的自动化方法，用于评估非贴壁细胞的皮质力学	创新点包括开发了一种易于制造的可重复使用的聚二甲基硅氧烷基阵列用于单细胞捕获，并应用深度学习方法直接从提取的曲线中自动分析细胞弹性	深度学习模型在原始数据上提取细胞弹性的决定系数为0.47，表明仍有改进空间	研究目的是开发一种高效、自动化的方法来评估非贴壁细胞的皮质力学特性	研究对象是非贴壁细胞	生物力学	NA	原子力显微镜(AFM)和深度学习	深度学习模型	力学曲线数据	未明确提及具体样本数量，但提到可扩展至大量细胞
5396	2025-03-25	A high performance hybrid LSTM CNN secure architecture for IoT environments using deep learning 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94500-5 PMID:40114016	研究论文	提出了一种高性能的LSTM-CNN混合安全架构，用于优化物联网环境中的实时入侵检测	结合LSTM层学习时间依赖性和CNN层分解空间特征，提高了威胁识别的效率	未提及具体在哪些物联网设备或场景中进行了测试	优化物联网环境中的实时入侵检测，提高安全性	物联网环境中的网络入侵行为	机器学习	NA	深度学习	LSTM-CNN混合模型	网络流量数据	BoT-IoT数据集，包含DDoS、僵尸网络、侦察和数据泄露等多种网络攻击类型
5397	2025-03-25	StainAI: quantitative mapping of stained microglia and insights into brain-wide neuroinflammation and therapeutic effects in cardiac arrest 2025-Mar-20, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07926-y PMID:40114030	研究论文	介绍了一种名为StainAI的深度学习工具，用于快速、高通量分析小胶质细胞形态，并应用于心脏骤停和猴免疫缺陷病毒感染模型中的神经炎症研究	开发了StainAI工具，能够从小胶质细胞的免疫组化图像中量化形态特征并计算激活评分，超越了现有方法的分析速度和规模	未提及具体的技术或应用限制	开发一种高通量分析小胶质细胞形态的工具，以促进小胶质细胞生物学和神经炎症研究	大鼠模型中的小胶质细胞和非人灵长类动物模型中的小胶质细胞	数字病理学	神经炎症	免疫组化	深度学习	图像	数百万个小胶质细胞，跨越多张切片
5398	2025-03-25	Development of PDAC diagnosis and prognosis evaluation models based on machine learning 2025-Mar-20, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13929-z PMID:40114140	研究论文	本研究基于机器学习技术，结合血清生物标志物，建立了胰腺导管腺癌（PDAC）的鉴别诊断和预后评估模型，旨在提高早期诊断率和患者生存率	首次将多种机器学习模型（RF、NNET、SVM、GBM）和DeepSurv深度学习模型应用于PDAC的早期诊断和预后评估，并基于风险预测提供个性化治疗建议	样本量较小（117例PDAC患者），可能影响模型的泛化能力	提高PDAC的早期诊断准确率和预后评估效果，为临床管理提供支持	胰腺导管腺癌（PDAC）患者	机器学习	胰腺癌	血清生物标志物分析	Random Forest (RF), Neural Network (NNET), Support Vector Machine (SVM), Gradient Boosting Machine (GBM), DeepSurv	血清生物标志物数据	117例PDAC患者
5399	2025-03-25	TPNET: A time-sensitive small sample multimodal network for cardiotoxicity risk prediction 2025-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3552819 PMID:40106240	research paper	该研究开发了一个名为TPNET的时间敏感小样本多模态网络，用于预测癌症治疗相关心功能障碍（CTRCD）的风险	结合组织多普勒成像（TDI）特征与深度学习技术，开发了TPNET模型，用于预测CTRCD，并通过集成梯度（IG）归因分析识别关键致病标志	样本量较小（270名患者），且仅针对乳腺癌患者	预测癌症治疗相关心功能障碍（CTRCD）的风险	乳腺癌患者	digital pathology	cardiovascular disease	TDI, deep learning	TPNET	multimodal data (TDI, function, clinical data)	270名患者
5400	2025-03-25	Generating Inverse Feature Space for Class Imbalance in Point Cloud Semantic Segmentation 2025-Mar-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553051 PMID:40106253	research paper	提出了一种名为InvSpaceNet的网络框架，通过生成逆特征空间来缓解点云语义分割中数据不平衡导致的认知偏差	设计了双分支训练架构，结合实例平衡采样数据的特征表示和逆采样数据的认知校正，生成逆特征空间并通过对比损失约束类中心点	未明确提及具体局限性	解决点云语义分割中数据不平衡导致的认知偏差问题	点云数据	computer vision	NA	深度学习	InvSpaceNet	点云	四个大型基准数据集（S3DIS、ScanNet v2、Toronto-3D和SemanticKITTI）