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
541	2025-04-26	The shallowest transparent and interpretable deep neural network for image recognition 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92945-2 PMID:40263436	research paper	本文介绍了一种完全透明的深度学习模型Shallow-ProtoPNet，用于图像识别，该模型通过透明的原型层和全连接层实现决策过程的透明化	Shallow-ProtoPNet不使用任何黑盒部分作为基线，是完全透明的深度学习模型，且仅包含两层（一个透明卷积层和一个全连接层），是现有最浅的透明深度神经网络	模型在X射线图像数据集上的性能与其他不完全透明的可解释模型相当，但未提及在其他类型数据集上的表现	开发一种完全透明的深度学习模型，以提高模型决策过程的可信度	X射线图像	computer vision	NA	NA	Shallow-ProtoPNet（基于原型的网络）	image	NA
542	2025-04-26	Deep learning based adaptive and automatic measurement of palpebral margin in eyelid morphology 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93975-6 PMID:40263452	研究论文	本文提出了一种基于深度学习的自适应自动测量方法DeepAAM，用于眼睑形态的量化评估	首次引入Margin Iris Intersectant Angle (MIA)作为创新评估指标，并通过注意力机制和多种算法增强U-Net架构，提高了测量精度	模型在实际应用中仍面临挑战，且精度有待进一步提高	提高眼睑形态测量的准确性和自动化程度，以支持眼周整形手术的疾病治疗和手术规划	眼睑形态	计算机视觉	眼疾	深度学习	U-Net	图像	NA
543	2025-04-26	Canopy height and biomass distribution across the forests of Iberian Peninsula 2025-Apr-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05021-9 PMID:40263468	研究论文	利用深度学习框架整合Sentinel-1、Sentinel-2和LiDAR数据，生成伊比利亚半岛森林的高分辨率冠层高度和地上生物量分布图	开发了两个UNET模型，分别基于ALS和GEDI数据，生成了高分辨率的冠层高度和生物量地图，为环境研究和森林管理提供了新工具	冠层高度估计在树木覆盖区域的MAE为2-3米，生物量估计的MAE约为29 Mg/ha，可能存在一定的误差	准确绘制植被冠层高度和生物量分布图，以支持森林监测、气候变化缓解和可持续林业	伊比利亚半岛的森林	遥感	NA	深度学习、Sentinel-1、Sentinel-2、LiDAR	UNET、Random Forest	遥感数据	6,308个西班牙国家森林调查(NFI)样地
544	2025-04-26	Habesha cultural cloth classification using deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98269-5 PMID:40263488	研究论文	使用深度学习方法对埃塞俄比亚哈贝沙文化服饰进行分类	首次应用CNN模型（VGG16、VGG19和ResNet50v2）对哈贝沙克米斯刺绣设计进行识别和分类	样本量相对较小，仅包含320张原始图像，虽通过数据增强扩展到3,270张，但可能仍不足以覆盖所有可能的变体	识别和分类哈贝沙克米斯刺绣设计的质量	埃塞俄比亚哈贝沙文化服饰（哈贝沙克米斯）的刺绣设计	计算机视觉	NA	数字图像处理、CNN	VGG16、VGG19、ResNet50v2	图像	320张原始图像，通过数据增强扩展到3,270张
545	2025-04-26	Efficient human activity recognition on edge devices using DeepConv LSTM architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98571-2 PMID:40263516	research paper	该研究旨在通过TinyML在边缘设备上部署轻量级深度学习模型进行人类活动识别（HAR）	DeepConv LSTM模型通过有效捕捉空间和时间特征，在轻量级模型中表现最佳，准确率达到98.24%，F1分数为98.23%	研究未提及模型在更复杂或多样化活动识别场景中的表现	开发并部署轻量级深度学习模型以实现高效的实时人类活动识别	人类活动识别（HAR）	machine learning	NA	TinyML	DeepConv LSTM, 2D CNN, 1D CNN	sensor data	NA
546	2025-04-26	Deep learning based ensemble model for accurate tomato leaf disease classification by leveraging ResNet50 and MobileNetV2 architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98015-x PMID:40263518	研究论文	本文提出了一种基于深度学习的集成模型，结合MobileNetV2和ResNet50架构，用于番茄叶片病害的精确分类	通过修改输出层（如GlobalAverage Pooling2D、Batch Normalization、Dropout和Dense层）优化特征提取，并融合两种模型的互补特征	NA	开发一种高精度的番茄叶片病害分类方法，以支持智能农业和可持续耕作	番茄叶片的病害分类	计算机视觉	植物病害	深度学习	ResNet50和MobileNetV2的集成模型	图像	11,000张标注图片，涵盖10种病害类别
547	2025-04-26	Deep learning-aided segmentation combined with finite element analysis reveals a more natural biomechanic of dinosaur fossil 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99131-4 PMID:40263619	研究论文	本研究结合深度学习和有限元分析技术，提出了一种新方法来更准确地模拟恐龙化石的生物力学特性	首次将深度学习分割技术与有限元分析结合应用于化石研究，能够更真实地反映灭绝物种的生物力学性能	仅应用于Jeholosaurus的股骨标本，尚未验证在其他化石上的普适性	研究灭绝物种的生物力学、功能形态学和分类学	Jeholosaurus(小型两足恐龙)的股骨化石标本	数字病理学	NA	有限元分析(FEA)和深度学习分割	深度学习模型(未指定具体类型)	CT图像数据	1个Jeholosaurus股骨化石标本
548	2025-04-26	Deep learning for automated segmentation of brain edema in meningioma after radiosurgery 2025-Apr-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01660-x PMID:40264119	研究论文	本研究开发了一种基于深度学习的自动化方法，用于分割和量化脑膜瘤放射手术后脑水肿区域	首次应用Mask R-CNN和DeepMedic深度学习模型实现脑水肿区域的自动分割与量化	样本量较小(21名患者)，且仅基于T2加权图像	开发自动化工具来量化放射手术后脑水肿体积，以辅助治疗规划和监测	接受伽玛刀放射手术(GKRS)治疗的脑膜瘤患者	数字病理学	脑膜瘤	MRI T2加权成像	Mask R-CNN, DeepMedic	医学影像	21名患者的154次T2w扫描(其中130次用于模型训练和测试)
549	2025-04-26	A review of machine learning methods for imbalanced data challenges in chemistry 2025-Apr-22, Chemical science IF:7.6Q1 DOI:10.1039/d5sc00270b PMID:40271022	综述	本文综述了化学领域中处理不平衡数据的机器学习方法，探讨了当前的技术及其应用	全面回顾了化学领域中处理不平衡数据的多种机器学习方法，并探讨了未来研究方向如数据增强、物理模型和大型语言模型的应用	未对每种方法在实际应用中的效果进行定量比较，且未来方向的探讨较为理论化	解决化学领域中不平衡数据对机器学习和深度学习模型的影响，提升模型的鲁棒性和适用性	化学领域中的不平衡数据集	机器学习	NA	重采样技术、数据增强技术、算法方法、特征工程策略	ML、DL、LLMs	化学数据	NA
550	2025-04-26	Automatic Determination of the Resection Plane for Shoulder Arthroplasty in Arthritic Humeri : A Deep Learning Model 2025-Apr-22, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.03.010 PMID:40274011	研究论文	本文提出了一种深度学习模型，用于自动确定关节炎肱骨的肩关节置换术切除平面	首次提出自动化方法识别关节炎肱骨的切除平面，解决了传统方法因骨赘和变形导致的地标模糊问题	样本量较小（62个3D模型），且仅在特定类型关节炎病例中验证	开发自动化工具以提高肩关节置换术规划的准确性和效率	关节炎患者的肱骨3D模型	数字病理	关节炎	深度学习	深度学习模型（具体架构未说明）	3D模型（来自CT扫描）	62个肱骨3D模型（80%训练，20%测试）
551	2025-04-26	Artificial intelligence in refractive surgery 2025-Apr-22, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001139 PMID:40277339	综述	本文综述了人工智能在屈光手术中的应用及其进展	人工智能在屈光手术中的整合，包括生物测量、病理检测、手术决策和教育方面的应用	NA	探讨人工智能在屈光手术中的应用及其对手术安全性和有效性的影响	屈光手术中的诊断和治疗决策	医学人工智能	眼科疾病	人工智能、机器学习和深度学习	NA	前段成像数据	NA
552	2025-04-26	Adaptive token selection for scalable point cloud transformers 2025-Apr-17, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107477 PMID:40273540	research paper	提出了一种自适应点云变换器（AdaPT），通过自适应令牌选择机制动态减少推理过程中的令牌数量，从而高效处理大规模点云	引入自适应令牌选择机制和预算机制，显著降低计算复杂度，同时保持与标准点云变换器相竞争的准确性	未提及具体在哪些实际应用场景中进行了测试，以及在大规模点云处理中的具体性能表现	解决点云变换器在处理大规模点云时的可扩展性问题	点云数据	computer vision	NA	NA	transformer	point cloud	NA
553	2025-04-26	Convolutional Neural Network approach to classify mitochondrial morphologies 2025-Apr-17, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108477 PMID:40273826	研究论文	介绍了一种基于深度学习的软件MitoClass，用于自动分类线粒体网络的形态	开发了MitoClass软件，利用CNN架构对线粒体网络形态进行自动分类，提供快速、准确且用户友好的解决方案	未提及具体样本量或跨实验室验证的普适性	开发自动化工具以定量评估线粒体形态，作为研究细胞健康和功能的指标	线粒体网络的形态	计算机视觉	NA	超分辨率成像	CNN	图像	NA
554	2025-04-26	Detection of ninhydrin-glyphosate in groundwater via the colour chart-assisted digital camera method 2025-Apr-16, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126253 PMID:40273772	研究论文	本研究介绍了一种利用一次性多标准色卡通过三种仪器（颜色可见分光光度计、数码单反相机和手机相机）定量检测地下水中草甘膦的新方法	创新性地应用一次性多标准色卡结合三种仪器进行草甘膦检测，实现了实时监测且成本低廉的用户友好型即时检测技术	数码单反相机存在离子干扰导致浓度高估，而颜色可见分光光度计受磷酸盐和硝酸盐影响	开发一种经济高效的地下水草甘膦检测方法	地下水中的草甘膦	环境监测	NA	颜色可见分光光度法、数码相机成像分析	NA	图像数据、光谱数据	实时地下水样品（50-500 ng/mL浓度范围，75 mL体积）
555	2025-04-26	Broad learning system based on fractional order optimization 2025-Apr-12, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107468 PMID:40273541	研究论文	本文提出了一种基于分数阶优化的广度学习系统（FOBLS），通过引入分数阶微分方程的长时记忆特性，增强了系统的数据处理能力	创新性地将分数阶优化引入广度学习系统（BLS），利用分数阶微分方程的长时记忆特性优化权重过程	未明确提及具体局限性	提升广度学习系统（BLS）的数据处理能力	广度学习系统（BLS）及其优化方法	机器学习	NA	分数阶微分方程	BLS, FOBLS	NA	NA
556	2025-04-10	Editorial Expression of Concern: Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96414-8 PMID:40199974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
557	2025-04-26	Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound 2025-Apr-08, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.04.009 PMID:40210002	研究论文	通过深度学习算法基于尿路超声关键参数预测单侧肾积水患者肾功能差异<40%	首次将机器学习模型（如SVM）应用于尿路超声参数，以预测肾功能差异<40%，并展示了SVM模型相较于单一因素的显著改进	研究为回顾性分析，可能存在选择偏差，且样本仅来自单一科室	评估尿路超声参数在预测单侧肾积水儿童肾功能差异<40%中的价值，以辅助手术决策	802名单侧肾积水儿童	机器学习	肾积水	尿路超声、利尿肾图	随机森林、逻辑回归、SVM	超声图像和临床数据	802名儿童
558	2025-04-26	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了6种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在为临床和研究应用确定最有效的模型	评估了包括U-Mamba_Bot在内的6种先进深度学习模型在脑MRI分割中的性能，并验证了其在阿尔茨海默病研究中的潜在应用	研究数据集规模有限，未来需要更大数据集验证结果并探索模型在其他神经系统疾病中的适用性	评估深度学习模型在脑MRI灰质结构分割中的性能，并比较正常对照组与阿尔茨海默病患者的脑结构体积差异	1510例T1加权脑MRI扫描数据，包括正常对照组和阿尔茨海默病患者	医学图像分析	阿尔茨海默病	T1加权MRI扫描	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	MRI图像	1510例T1加权脑MRI扫描
559	2025-04-26	Deep-Learning-Based Disease Classification in Patients Undergoing Cine Cardiac MRI 2025-Apr, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29619 PMID:39353848	研究论文	开发一种基于MRI的深度学习疾病分类算法，用于区分正常受试者和患有扩张型心肌病、肥厚型心肌病及缺血性心脏病的患者	利用变分自编码器模型自动提取心脏MRI特征，并探索使用未标记的正常数据提高分类特异性	研究为回顾性设计，可能影响结果的普遍性	开发自动化心血管疾病分类方法以提高临床评估效率和可重复性	1337名受试者（包括正常人和三种心脏病患者）	数字病理学	心血管疾病	平衡稳态自由进动电影序列	变分自编码器	MRI图像	1337名受试者（568名正常，151名DCM，177名HCM，441名IHD）
560	2025-04-26	Artificial intelligence for detection and characterization of focal hepatic lesions: a review 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04597-x PMID:39369107	综述	本文回顾了基于人工智能的算法在处理CT和MRI图像以检测和分类良性和恶性肝脏局灶性病变方面的诊断能力	利用深度学习方法分析大量数据，识别模式并提取临床特征，以早期检测和分类肝脏局灶性病变	需要扩大数据集、提高模型可解释性，并在多种临床环境中验证AI工具的适用性和可靠性	评估AI算法在肝脏局灶性病变检测和分类中的诊断能力	肝脏局灶性病变（FLLs）	数字病理学	肝脏疾病	CT和MRI	CNN	图像	45项相关研究