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
41	2025-05-12	Clinical assessment and interpretation of dysarthria in ALS using attention based deep learning AI models 2025-May-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01654-7 PMID:40341287	研究论文	提出一种基于注意力的深度学习AI模型，用于评估ALS患者的构音障碍严重程度	采用注意力机制的深度学习模型提高了构音障碍评估的准确性，同时保持了临床可解释性	模型性能依赖于有限的样本量和远程收集的录音数据	提高ALS患者构音障碍评估的精确度和临床实用性	ALS患者的语音录音	自然语言处理	ALS（肌萎缩侧索硬化症）	深度学习	基于注意力的深度学习模型	音频	125名参与者的2,102条录音
42	2025-05-12	Leveraging retinanet based object detection model for assisting visually impaired individuals with metaheuristic optimization algorithm 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99903-y PMID:40341297	research paper	提出了一种基于RetinaNet和元启发式优化算法的对象检测模型，用于帮助视觉障碍人士	结合RetinaNet、EfficientNetB0、LSTM-AE和蒲公英优化器(DO)进行对象检测和分类，提高了准确率	仅在室内对象检测数据集上进行了验证，未测试室外复杂环境	改进实时对象检测方法，帮助视觉障碍人士识别物体	视觉障碍人士日常需要识别的物体	computer vision	NA	Weiner filter, RetinaNet, EfficientNetB0, LSTM-AE, Dandelion Optimizer	RetinaNet, EfficientNetB0, LSTM-AE	image	室内对象检测数据集(具体数量未提及)
43	2025-05-12	Monitoring and deformation of deep excavation engineering based on DFOS technology and hybrid deep learning 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01120-0 PMID:40341437	研究论文	提出了一种结合CNN、LSTM和自注意力机制的混合神经网络模型CNN-LSTM-SAM，用于深基坑位移预测	整合了CNN的数据特征提取能力、LSTM的长期记忆功能和自注意力机制的信息加权能力，提高了预测精度	CNN-LSTM-SAM模型在深基坑位移分析中的应用有限	提高深基坑变形监测和预测的精度	深基坑工程	机器学习	NA	DFOS技术	CNN-LSTM-SAM	时间序列监测数据	大连东港商务区某内支撑深基坑工程的位移数据
44	2025-05-12	Deep learning-enhanced anti-noise triboelectric acoustic sensor for human-machine collaboration in noisy environments 2025-May-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59523-6 PMID:40341503	研究论文	开发了一种基于柔性纳米柱结构的抗噪声摩擦电声传感器（Anti-noise TEAS），并结合CNN深度学习模型（Anti-noise TEAS-DLM），用于嘈杂环境中的人机协作	通过接触传感直接捕获喉部混合模式振动的声学基频信号，并通过优化设备结构缓冲有效抑制环境噪声，结合深度学习模型实现高保真语义解码	NA	开发一种在嘈杂环境中实现高效人机语音交互的系统	人机协作系统，特别是在嘈杂环境中的应用	机器学习和人机交互	NA	深度学习，摩擦电传感	CNN	声学信号	在模拟虚拟和现实嘈杂环境中进行评估
45	2025-05-12	Smart indoor monitoring for disabled individuals using an ensemble of deep learning models in an IoT environment 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00374-y PMID:40341573	研究论文	本文提出了一种基于物联网环境的深度学习模型集成方法，用于智能室内监测残疾人的活动	提出了SIMDP-EDLIoT技术，结合了线性缩放归一化、改进的鱼鹰优化算法特征选择以及BiLSTM、GRU和CVAE三种深度学习模型的集成	需要进一步优化以减少能耗和延迟问题	提高残疾人和老年人室内活动监测的准确性和效率	残疾人和老年人的室内活动	物联网与深度学习	老年疾病	线性缩放归一化(LSN)、改进的鱼鹰优化算法(IOOA)、BiLSTM、GRU、CVAE	BiLSTM、GRU、CVAE	传感器数据	NA
46	2025-05-12	Accelerating multi-objective optimization of concrete thin shell structures using graph-constrained GANs and NSGA-II 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00017-2 PMID:40341580	研究论文	本文提出了一种结合图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）的新方法，用于优化混凝土薄壳结构的拓扑和厚度	通过结合深度学习的生成能力和进化算法的优化过程，解决了当前优化技术的基本限制，显著提高了收敛速度和解决方案的多样性及质量	NA	优化混凝土薄壳结构的设计，以最小化重量、挠度和应变能	混凝土薄壳结构	机器学习和结构优化	NA	图约束条件生成对抗网络（GANs）和非支配排序遗传算法II（NSGA-II）	GAN和NSGA-II	结构设计数据	NA
47	2025-05-12	An automated hip fracture detection, classification system on pelvic radiographs and comparison with 35 clinicians 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98852-w PMID:40341645	研究论文	本研究提出了一种基于卷积神经网络(CNN)的自动化系统，用于检测骨盆X光片中的髋部骨折，并与35名临床医生的诊断结果进行比较	使用YOLOv5和三种预训练DNN架构进行髋部骨折检测和预测，在准确性和速度上显著优于临床医生	研究仅基于三家医院的骨盆X光片数据，可能无法代表所有临床场景	提高骨盆和髋部骨折的诊断准确性和效率	骨盆X光片中的髋部骨折	计算机视觉	骨科损伤	CLAHE算法进行图像预处理	YOLOv5, MobileNetV2, Xception, InceptionResNetV2	图像	来自三家医院的骨盆X光片
48	2025-05-12	AER U-Net: attention-enhanced multi-scale residual U-Net structure for water body segmentation using Sentinel-2 satellite images 2025-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99322-z PMID:40341885	research paper	提出了一种名为AER U-Net的深度学习模型，用于从Sentinel-2卫星图像中精确分割水体	结合了残差块、自注意力机制和dropout层的U-Net架构，显著提升了分割精度和泛化能力	未提及具体的数据集局限性或模型在极端环境条件下的表现	开发创新的深度学习方法以提高遥感应用中水体分割的准确性	Sentinel-2卫星图像中的水体	computer vision	NA	深度学习	AER U-Net (基于U-Net架构改进)	卫星图像	未明确提及具体样本数量
49	2025-05-12	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-May-07, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	本文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了脯氨酸和羟脯氨酸的单分子区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和1D-CNN模型，成功实现了单分子羟基化的区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响数据分析和模型训练	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习和光谱分析	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
50	2025-05-12	EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	研究论文	提出了一种名为EPIPDLF的预训练深度学习框架，用于预测增强子与启动子之间的相互作用	利用先进的深度学习技术仅基于基因组序列以可解释的方式预测EPIs，并在六个基准数据集上表现出优越性能	未提及具体局限性	预测增强子与启动子之间的相互作用，以深化对基因表达调控的理解	增强子和启动子	机器学习	NA	深度学习	EPIPDLF	基因组序列	六个基准数据集
51	2025-05-12	JAX-RNAfold: scalable differentiable folding 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf203 PMID:40279486	research paper	介绍了一个名为JAX-RNAfold的开源软件包，用于改进可微分折叠算法，使其能够在单个GPU上扩展到1,250个核苷酸	提出了一个显著改进的可微分折叠算法，解决了现有算法仅能处理≤50个核苷酸的限制，并允许将可微分折叠作为模块集成到更大的深度学习流程中	未提及具体限制	开发一个可扩展的可微分折叠算法，用于RNA设计	RNA序列	machine learning	NA	differentiable folding	NA	RNA序列数据	NA
52	2025-05-12	A transformer-based framework for temporal health event prediction with graph-enhanced representations 2025-May-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104826 PMID:40324665	research paper	提出了一种结合图学习和Transformer框架的深度学习方法GLT-Net，用于预测时序健康事件	通过构建患者关联图和共病关联矩阵，结合图神经网络增强诊断代码的特征表示，并利用Transformer-Encoder框架捕捉历史入院记录的时间依赖性	未明确提及具体的数据集规模限制或模型计算复杂度问题	预测时序健康事件，深入理解患者健康状况和疾病趋势	患者入院记录和诊断代码	machine learning	NA	Graph Learning, Transformer, 图神经网络	GLT-Net (结合GNN和Transformer)	医疗记录数据（诊断代码和入院时间序列）	未明确提及具体样本量，仅说明使用了真实世界数据集
53	2025-05-12	The impact of body mass index on rehabilitation outcomes after lower limb amputation 2025-May, PM & R : the journal of injury, function, and rehabilitation DOI:10.1002/pmrj.13292 PMID:39676648	research paper	研究肥胖对下肢截肢患者康复期间身体功能和临床结果的影响	使用深度学习神经网络(DLNNs)分析调整后的BMI与出院回家的关系	研究为回顾性分析，可能存在选择偏倚	评估肥胖对下肢截肢患者康复结果的影响	接受下肢截肢住院康复服务的患者	医疗康复	下肢截肢	深度学习神经网络(DLNNs)	DLNNs	临床数据	951名下肢截肢患者
54	2025-05-12	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-May, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	research paper	该研究探讨了深度学习基于CT成像的肺纤维化定量在评估RA-ILD疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法定量评估肺纤维化程度，并探讨其与肺功能和生存率的关系	研究样本量有限，验证队列仅50人，可能影响结果的普遍性	评估定量CT成像在RA-ILD中的临床和研究应用价值	RA-ILD患者的CT扫描图像	digital pathology	rheumatoid arthritis-related interstitial lung disease	data-driven texture analysis (DTA)	deep learning	CT scans	主要队列289名患者和验证队列50名个体
55	2025-05-12	Automated measurement of cardiothoracic ratio based on semantic segmentation integration model using deep learning 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03263-0 PMID:39708230	研究论文	本研究探讨了语义分割模型在预测心胸比（CTR）和心脏扩大方面的效果，并与参考标准进行了一致性比较	使用软投票集成方法提高了分割准确性，并自动测量CTR，相比放射科医生的手动计算速度更快	研究未提及模型在更广泛疾病或不同影像设备上的泛化能力	开发一种自动化测量心胸比和诊断心脏扩大的方法	650张连续胸部X光片和756个公共数据集	计算机视觉	心血管疾病	深度学习	语义分割模型	图像	1406张胸部X光片
56	2025-05-12	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统综述	本研究提出了一种结合深度学习模型和计算技术的先进方法，用于3D心脏重建，解决了心脏建模和分割中的关键挑战	结合统计形状建模(SSM)、图卷积网络(GCNs)和渐进式GANs进行3D心脏重建，特别是在先天性心脏病等复杂心脏条件下的应用	未明确提及具体局限性	开发自动化、高分辨率的3D心脏重建方法，适用于临床和研究环境	心脏的3D重建	计算机视觉	心血管疾病	统计形状建模(SSM)、图卷积网络(GCNs)、渐进式GANs	GCNs、GANs	3D图像数据	来自UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病临床数据集的多数据集
57	2025-05-12	Toward efficient slide-level grading of liver biopsy via explainable deep learning framework 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03266-x PMID:39806118	research paper	本研究提出了一种可解释的深度学习框架，用于高效地进行肝脏活检切片级别的分级	开发了一种新颖的基于多尺度特征提取和融合的patch级别分类模型，提高了肝脏活检分级的准确性和可解释性，并引入了slide级别的聚合框架	NA	解决传统组织学分析和现有深度学习方法的局限性，提高慢性肝病的诊断准确性和效率	肝脏活检切片	digital pathology	chronic liver diseases	deep learning	multi-scale feature extraction and fusion model	image	1322例采用不同染色方法的病例
58	2025-05-12	Segmentation of coronary artery and calcification using prior knowledge based deep learning framework 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17642 PMID:39878608	research paper	该研究提出了一种基于深度学习的冠状动脉和钙化分割框架，利用解剖学先验知识提高分割精度，并探索了分割结果对旋转斑块切除术的预测能力	提出了一种结合解剖学先验知识的深度学习分割框架，包含四个模块：基于变分自编码器的中心线提取模块、自注意力模块、逻辑操作模块和分割模块	研究仅基于72名患者的CTA图像数据集，样本量相对较小	提高冠状动脉和钙化的分割精度，并探索分割结果对旋转斑块切除术的预测能力	冠状动脉和钙化	digital pathology	cardiovascular disease	CTA	variational autoencoder, self-attention module	3D CTA images	72名患者的CTA图像
59	2025-05-12	Multilevel perception boundary-guided network for breast lesion segmentation in ultrasound images 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17647 PMID:39887423	研究论文	提出了一种名为PBNet的多层次感知边界引导网络，用于从超声图像中准确分割乳腺肿瘤，特别是那些与正常组织强度相似的肿瘤	PBNet结合了多层次全局感知模块(MGPM)和边界引导模块(BGM)，通过融合层内和层间语义信息增强肿瘤识别，并利用最大池化的膨胀和腐蚀效应提取肿瘤边界以指导特征融合，同时引入了多层次边界增强分割(BS)损失以提高边界分割性能	效应量小于0.2，表明虽然性能显著优于其他方法，但实际效果提升有限	提高超声图像中非增强乳腺病变的边界分割准确性	乳腺肿瘤超声图像	数字病理	乳腺癌	深度学习	PBNet	图像	公开数据集BUSI包含780张图像，内部数据集包含995张图像
60	2025-05-12	Patient- and fraction-specific magnetic resonance volume reconstruction from orthogonal images with generative adversarial networks 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17668 PMID:39904621	研究论文	开发了一种基于条件生成对抗网络（GAN）的患者和分次特异性微调工作流程，用于从正交2D MR图像重建合成3D MR体积，以实现在线剂量适应	采用患者和分次特异性微调方法，有效解决了小数据集下3D MR体积重建的挑战	研究样本量相对较小，仅包含43名患者的数据	开发个性化深度学习模型，用于从2D MR图像重建3D MR体积，以支持在线剂量适应	43名接受MR引导适应性放疗的患者	医学影像分析	前列腺癌	MR成像	条件生成对抗网络（GAN）	MR图像	43名患者的2473个3D MR体积