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
5481	2025-04-04	SGA-Driven feature selection and random forest classification for enhanced breast cancer diagnosis: A comparative study 2025-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95786-1 PMID:40159513	research paper	本研究提出了一种结合海鸥优化算法（SGA）进行特征选择和随机森林（RF）分类器进行数据分类的新方法，用于乳腺癌分类	首次将SGA应用于乳腺癌诊断中的基因选择，通过系统探索特征空间以识别最具信息量的基因子集，从而提高分类准确性并降低计算复杂度	未来需要探索其他自然启发算法和深度学习模型的集成以进一步提升性能和临床适用性	提高乳腺癌诊断的准确性和效率	乳腺癌基因数据	machine learning	breast cancer	Seagull Optimization Algorithm (SGA), Random Forest (RF)	Random Forest (RF), Linear Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbors (KNN)	gene data	NA
5482	2025-04-04	Advances in machine learning for keratoconus diagnosis 2025-Mar-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03496-4 PMID:40159519	综述	回顾了过去十年中机器学习在圆锥角膜诊断中的应用，揭示了学术研究与临床实践之间的差距	提出了一个路线图模型，以促进机器学习模型在临床实践中的整合，提高诊断准确性和患者护理	缺乏早期圆锥角膜检测和严重程度分期的客观诊断标准共识，多学科合作有限，公共数据集访问受限	评估机器学习在圆锥角膜诊断中的进展，并探讨其在临床实践中的应用潜力	圆锥角膜诊断相关的机器学习研究和临床实践	机器学习	圆锥角膜	监督分类器、深度学习	Random Forest, CNN, 前馈和反馈神经网络, SVM	数值角膜参数	62篇文章
5483	2025-04-04	Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images 2025-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01539-9 PMID:40159516	research paper	本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统	开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家	研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型	开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测	眼睑肿瘤患者	computer vision	眼睑肿瘤	深度学习	YOLOv5, Efficient-Net v2-B	image	1195张预处理临床眼部照片和活检结果
5484	2025-04-04	An integration of ensemble deep learning with hybrid optimization approaches for effective underwater object detection and classification model 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95596-5 PMID:40158003	research paper	该研究提出了一种结合集成深度学习和混合优化算法的水下物体检测与分类模型（UODC-EDLHOA）	采用集成深度学习方法（DNN、DBN、LSTM）和混合优化算法（STSC）进行水下物体检测与分类，提高了检测精度	未提及模型在实时性、计算资源消耗或实际部署中的表现	提升水下物体检测与分类的准确性和鲁棒性	水下物体	computer vision	NA	deep learning, hybrid optimization algorithms	EfficientNetB7, YOLOv9, DNN, DBN, LSTM	image	UOD数据集（未提及具体数量）
5485	2025-04-04	A novel deep learning-based model for automated tooth detection and numbering in mixed and permanent dentition in occlusal photographs 2025-Mar-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05803-y PMID:40158107	研究论文	提出了一种基于深度学习的自动化牙齿检测和编号模型，适用于混合和恒牙列的咬合照片	首次在咬合照片中实现混合和恒牙列的自动化牙齿检测和编号，填补了现有研究仅关注恒牙列的空白	在代表性不足的牙齿（如乳切牙和恒第三磨牙）上存在误分类	开发一种自动化系统，用于在咬合照片中检测和编号混合和恒牙列的牙齿	混合和恒牙列的牙齿	计算机视觉	NA	深度学习	CNN, YOLOv8	图像	3215张上颌和下颌的咬合视图图像
5486	2025-04-04	N6-methyladenine identification using deep learning and discriminative feature integration 2025-Mar-29, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-025-02131-6 PMID:40158097	研究论文	本研究提出了一种名为Deep-N6mA的新型深度神经网络模型，用于精确识别DNA中的N6-甲基腺嘌呤（6mA）位点	结合了最优混合特征和深度神经网络，通过全面的特征提取过程捕捉DNA序列中的复杂模式，显著提高了6mA位点识别的准确率	虽然模型在两个基准数据集上表现优异，但其在其他物种或更广泛数据集上的泛化能力仍需进一步验证	开发一种高精度的计算方法来识别DNA中的6mA位点，以促进表观遗传学研究和计算生物学的发展	DNA序列中的N6-甲基腺嘌呤（6mA）位点	计算生物学	NA	DNA测序	DNN	DNA序列数据	两个基准数据集（F. vesca和R. chinensis）
5487	2025-04-04	Quantitative analysis and visualization of chemical compositions during shrimp flesh deterioration using hyperspectral imaging: A comparative study of machine learning and deep learning models 2025-Mar-29, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143997 PMID:40174377	研究论文	利用高光谱成像技术定量分析虾肉变质过程中的化学成分变化，并比较机器学习和深度学习模型的性能	结合低层数据融合和预测模型，比较了传统化学计量学方法和深度学习方法在虾肉变质分析中的表现，并生成了化学成分变化的空间分布图	未来研究需要优化模型以适应不同条件，并探索将高光谱成像方法与其他传感器技术结合	快速、无损地预测虾肉变质过程中的化学成分变化，监控冷链物流中的虾肉质量	虾肉	计算机视觉	NA	高光谱成像(HSI)	PLS, CNN, LSTM, CNN-LSTM	图像	NA
5488	2025-04-04	Skin Cancer Detection Using Deep Learning Approaches 2025-Mar-28, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2024.0161 PMID:40151158	综述	本文综述了多种深度学习方法在皮肤癌检测中的应用及其效果	比较了不同深度学习模型在皮肤病变识别和分类中的性能，并指出GAN在训练数据增强方面的潜力	现有数据集存在肤色多样性不足、计算需求高和病变样本不均衡等问题，影响了模型的效率和泛化能力	通过深度学习技术提高皮肤癌的早期检测准确率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	ANN, CNN, KNN, GAN	图像	NA
5489	2025-04-04	Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions 2025-Mar-27, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.03.060 PMID:40174466	研究论文	评估大型语言模型在急诊胸部X光片解读中对急性胸部疾病的准确性	探索大型语言模型（如ChatGPT）在急诊放射学中的应用潜力，特别是在胸部X光片解读方面的表现	模型对某些细微病变（如肺不张和肺气肿）的诊断准确性较低，需要进一步改进	评估ChatGPT在急诊胸部X光片解读中的可行性和准确性	急诊胸部X光片中的急性胸部疾病	自然语言处理	胸部疾病	大型语言模型（ChatGPT 4.0）	LLM	图像	1400张来自NIH Chest X-ray数据集的图像，涵盖7种病理类别
5490	2025-04-04	Uncertainty-aware deep learning for segmentation of primary tumor and pathologic lymph nodes in oropharyngeal cancer: Insights from a multi-center cohort 2025-Mar-25, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102535 PMID:40174371	research paper	本研究开发了一种不确定性感知的深度学习模型，用于口咽癌原发肿瘤和病理淋巴结的分割，并在多中心队列中验证了其准确性	扩展了现有网络以同时生成原发肿瘤和病理淋巴结的体素级预测概率（TPM），并探索了结构级不确定性是否能够预测分割模型的准确性	研究依赖于回顾性数据，且外部测试集仅来自HECKTOR 2022挑战赛数据集	评估深度学习模型在口咽癌原发肿瘤和病理淋巴结分割中的准确性，并探索不确定性量化在临床中的应用潜力	口咽癌患者	digital pathology	oropharyngeal cancer	PET/CT imaging	deep learning	image	407名口咽癌患者
5491	2025-04-04	[A multi-scale supervision and residual feedback optimization algorithm for improving optic chiasm and optic nerve segmentation accuracy in nasopharyngeal carcinoma CT images] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.21 PMID:40159978	research paper	提出一种基于多尺度监督和残差反馈策略的深度学习分割算法（DSRF），用于精确分割鼻咽癌CT图像中的视交叉和视神经	设计了混合池化策略的解码器（HPS）以减少小器官特征在池化过程中的损失，采用多尺度深度监督层学习丰富的多尺度多层次语义特征，并设计残差反馈模块通过多次迭代网络来增强对比度	未提及算法在其他类型癌症或不同影像模态上的适用性	提高鼻咽癌CT图像中视交叉和视神经的分割精度	鼻咽癌患者的CT图像	digital pathology	nasopharyngeal carcinoma	deep learning segmentation	CNN	CT images	212例鼻咽癌CT图像（来自SegRap2023、StructSeg2019和HaN-Seg2023数据集）
5492	2025-04-04	[A lightweight classification network for single-lead atrial fibrillation based on depthwise separable convolution and attention mechanism] 2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.03.23 PMID:40159980	research paper	提出一种基于深度可分离卷积和注意力机制的轻量级网络DSC-AttNet，用于单导联心房颤动的自动诊断	结合深度可分离卷积减少模型参数和计算复杂度，嵌入多层混合注意力机制提升特征表达能力	样本量相对较小，仅基于公开数据集验证	开发适用于可穿戴ECG监测设备的房颤自动诊断模型	心房颤动患者和正常心律受试者的ECG数据	digital pathology	cardiovascular disease	深度可分离卷积、注意力机制	DSC-AttNet	ECG信号	84名房颤患者、25名房颤患者和18名正常心律受试者
5493	2025-04-04	Automated chick gender determination using optical coherence tomography and deep learning 2025-Mar-15, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105033 PMID:40106909	研究论文	本研究提出了一种结合光学相干断层扫描（OCT）和深度学习的新方法，用于高分辨率、非侵入性的雏鸡性别鉴定	首次将OCT与深度学习结合用于自动化雏鸡性别鉴定，提供了一种可扩展、实时的替代方案	模型的准确率为79%，仍有提升空间	优化家禽生产中的雏鸡性别分类	雏鸡	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	NA
5494	2025-04-04	Cropformer: An interpretable deep learning framework for crop genomic prediction 2025-Mar-10, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.101223 PMID:39690739	research paper	介绍了一个名为Cropformer的可解释深度学习框架，用于作物基因组预测和表型预测	结合了卷积神经网络和多种自注意力机制，提高了预测精度和模型的可解释性	未提及具体的局限性	加速优良基因型的识别和育种周期的缩短	五种主要作物：玉米、水稻、小麦、谷子和番茄	machine learning	NA	genomic selection (GS)	CNN与自注意力机制结合的深度学习框架	基因组数据	超过20个性状的五种主要作物数据
5495	2025-04-04	A deep-learning model to predict the completeness of cytoreductive surgery in colorectal cancer with peritoneal metastasis☆ 2025-Mar-10, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.109760 PMID:40174333	研究论文	开发了一种名为DeAF的深度学习模型，用于预测结直肠癌腹膜转移患者细胞减灭术的完整性	提出了一种新型AI框架DeAF，通过解耦特征对齐和融合来辅助选择适合CRS的患者并预测手术完整性	研究样本量有限（186例患者），且所有数据来自三级医院，可能影响模型的普遍适用性	改善结直肠癌腹膜转移患者细胞减灭术的患者选择和手术完整性预测	结直肠癌伴腹膜转移患者	数字病理学	结直肠癌	深度学习	DeAF框架（基于Simsiam算法）	CT图像和临床病理参数	186例来自4家三级医院的结直肠癌伴腹膜转移患者
5496	2025-04-04	Kolmogorov-Arnold networks for genomic tasks 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf129 PMID:40163820	research paper	本文探讨了Kolmogorov-Arnold网络（KANs）在基因组任务中替代多层感知机（MLPs）的潜力	首次将线性KANs（LKANs）和卷积KANs（CKANs）应用于基因组序列的分类和生成任务	CKANs在处理大量参数时存在扩展性问题，且KANs在不同深度学习架构中的潜力需进一步研究	评估KANs在基因组任务中的性能表现	基因组序列	machine learning	NA	deep learning	LKANs, CKANs, MLP	genomic sequences	三个基因组基准数据集：Genomic Benchmarks、Genome Understanding Evaluation和Flipon Benchmark
5497	2025-04-04	Introduction to Artificial Intelligence for General Surgeons: A Narrative Review 2025-Mar, Cureus DOI:10.7759/cureus.79871 PMID:40171361	review	本文是一篇叙述性综述，旨在向普通外科医生介绍人工智能（AI）的基础知识及其在胸腹部创伤中的应用	综述了AI在创伤护理中的潜在应用，特别是在诊断、风险预测和决策支持方面，并讨论了将AI整合到澳大利亚医疗系统中的意义	当前AI在临床实践中的应用仍有限，需要未来进行前瞻性和本地验证的研究	教育普通外科医生了解AI的基础知识及其在创伤护理中的应用	普通外科医生及AI在胸腹部创伤中的应用	machine learning	trauma	machine learning, deep learning, natural language processing, computer vision	NA	NA	NA
5498	2025-04-04	TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70007 PMID:40156875	research paper	开发了一种名为DEEP-TNFR的深度学习模型，用于预测肿瘤坏死因子受体（TNFR）的活性	提出了一种结合相对和反向位置特征以及统计矩的先进模型，并在多种深度学习分类器中验证了LSTM的最高效能	未提及模型在更广泛数据集上的泛化能力或实际临床应用中的潜在限制	提高肿瘤坏死因子受体（TNFR）活性识别的准确性	肿瘤坏死因子（TNFs）及其与受体的相互作用	machine learning	cancer development	深度学习	LSTM, Bi-LSTM, GRU, CNN, RNN, FCN	生物分子数据	使用了一个公认的基准数据集，但未提及具体样本数量
5499	2025-04-04	Model interpretability on private-safe oriented student dropout prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317726 PMID:40163446	研究论文	本文提出了一种改进的预处理核诱导点数据蒸馏技术（PP-KIPDD），用于预测学生辍学风险，同时保护隐私并提高模型可解释性	首次引入PP-KIPDD技术重构模拟学生信息分布的新样本，防止隐私泄露，并利用SHAP值增强模型可解释性	未提及具体样本量或实验验证范围	解决学生辍学预测中的隐私保护和模型可解释性问题	学生辍学风险预测	机器学习	NA	PP-KIPDD, SHAP	NA	表格数据	NA
5500	2025-04-04	An Early Thyroid Screening Model Based on Transformer and Secondary Transfer Learning for Chest and Thyroid CT Images 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251323168 PMID:40165465	research paper	提出一种基于Transformer和二次迁移学习的早期甲状腺筛查模型，用于胸部及甲状腺CT图像分析	结合Transformer DNN和迁移学习技术，整合时间序列数据，解决小样本和高噪声问题	数据集有限，样本量较小，噪声较高	提高甲状腺癌早期筛查的准确性和效率	240名来自中国广东和新疆的患者的增强CT扫描图像数据	digital pathology	thyroid cancer	enhanced CT scans	Transformer DNN, transfer learning	CT images	240 patients