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	2025-07-17	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2025-Jul-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	评估疑似中风患者MRI中运动伪影的普遍性及其相关因素，并确定其对AI和放射科医生诊断准确性的影响	首次在疑似中风患者中系统评估运动伪影的普遍性及其对AI和人类诊断准确性的影响	研究为回顾性单中心设计，样本量相对有限	评估MRI运动伪影在卒中诊断中的影响	疑似中风患者的脑部MRI扫描	数字病理学	中风	MRI	深度学习工具	医学影像	775名疑似中风患者
42	2025-07-17	OR-FCOS: an enhanced fully convolutional one-stage approach for growth stage identification of Oudemansiella raphanipes 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09303-5 PMID:40664902	research paper	本文提出了一种改进的完全卷积单阶段方法OR-FCOS，用于准确识别奥德蘑属萝卜菇的生长阶段	OR-FCOS结合了MobileNetV3-Large主干网络和高效多尺度注意力模块，采用神经架构搜索增强的解码器，并集成了CIoU损失函数，显著提高了识别效率和准确性	研究仅针对奥德蘑属萝卜菇这一特定真菌，方法在其他真菌生长阶段识别中的适用性尚未验证	开发一种高效准确的真菌生长阶段识别方法，以支持大规模工厂化生产	奥德蘑属萝卜菇在不同生长阶段的图像	computer vision	NA	deep learning	FCOS, MobileNetV3-Large	image	8000张奥德蘑属萝卜菇不同生长阶段的图像
43	2025-07-17	Hybrid AI and semiconductor approaches for power quality improvement 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11116-5 PMID:40664937	研究论文	本研究提出了一种结合机器学习和深度学习与半导体技术的创新方法，用于提升电力质量	通过整合机器学习（ML）、深度学习（DL）和先进控制策略，提出了一种数据驱动的框架来解决电力质量问题	深度学习模型计算密集，且处理不平衡数据集时存在挑战，需要改进预处理和模型调整	提升电力质量，解决电压暂降、暂升、谐波和瞬态干扰等关键问题	电力系统中的电力质量问题	机器学习	NA	机器学习（ML）、深度学习（DL）	SVM、Random Forests、Neural Networks、CNN、LSTM	实时数据	NA
44	2025-07-17	Learning quality-guided multi-layer features for classifying visual types with ball sports application 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10058-2 PMID:40664935	研究论文	提出一种先进的感知深度学习框架，用于从大型X射线数据集中提取关键特征，以分类乳腺癌的不同阶段	提出了一种新的排序技术，在弱标注背景下识别与人类视觉判断最一致的关键图像块，并利用这些关键块提取有意义的特征	未提及具体的数据集规模或模型在不同数据集上的泛化能力	提高乳腺癌X射线图像分析的精确度	乳腺癌X射线图像	数字病理学	乳腺癌	深度学习	SVM	图像	大型乳腺癌图像数据集（未提及具体数量）
45	2025-07-17	Network-based intrusion detection using deep learning technique 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08770-0 PMID:40664956	research paper	提出一种结合Sequential DNN和ReLU激活单元与Extra Tree Classifier特征选择的新型深度学习解决方案，用于网络入侵检测	战术性使用基于ReLU的DNN结合Extra Tree Classifier进行特征优化，不仅解决了梯度消失和过拟合问题，还提高了模型的可解释性和计算效率	NA	开发更有效和灵活的网络入侵检测系统	网络流量和攻击向量	machine learning	NA	Sequential Deep Neural Networks, ReLU activation unit, Extra Tree Classifier	DNN	network traffic data	UNSW-NB15数据集
46	2025-07-17	Developing angiogenesis-related prognostic biomarkers and therapeutic strategies in bladder cancer using deep learning and machine learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08945-9 PMID:40665008	研究论文	本研究利用深度学习和机器学习开发了与膀胱癌血管生成相关的预后生物标志物及治疗策略	构建了血管生成相关基因特征(ARGS)，并利用人工智能驱动的药物设计技术开发了一种具有抗血管生成效果的新型天然化合物	未提及样本量及具体临床验证结果	开发膀胱癌血管生成相关预后生物标志物及治疗策略	膀胱癌(BLCA)患者	数字病理学	膀胱癌	深度学习、机器学习、人工智能驱动药物设计	NA	基因表达数据	NA
47	2025-07-17	Fetal-Net: enhancing Maternal-Fetal ultrasound interpretation through Multi-Scale convolutional neural networks and Transformers 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06526-4 PMID:40665017	研究论文	本文提出了一种名为Fetal-Net的新型深度学习架构，通过整合多尺度CNN和Transformer层，提高了母胎超声图像的解释能力	Fetal-Net结合了多尺度CNN和Transformer层，提供了一种集成解决方案，能够同时处理胎儿结构的识别和异常检测，克服了现有方法仅针对单一任务的局限性	NA	提升母胎超声图像的解释能力，以改善产前护理	母胎超声图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	超过12,000张超声图像
48	2025-07-17	Deep Learning for Osteoporosis Diagnosis Using Magnetic Resonance Images of Lumbar Vertebrae 2025-Jul-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01547-x PMID:40665016	研究论文	本研究利用腰椎的T1、STIR和T2 MRI序列以及骨密度（BMD）测量，通过深度学习技术进行骨质疏松症的诊断	提出了一种定制的卷积神经网络模型，在骨质疏松症分类上表现优于现有的深度学习模型，如GoogleNet、EfficientNet-B3等，并且发现T2加权MRI序列在诊断中最为有效	样本量相对较小，仅包含50名个体的1350张MRI图像	开发一种基于深度学习的骨质疏松症诊断方法，减少电离辐射的使用	腰椎的MRI图像和BMD测量数据	数字病理学	骨质疏松症	MRI成像	CNN	图像	50名个体的1350张MRI图像
49	2025-07-17	Prediction of pathogenic mutations in human transmembrane proteins and their associated diseases via utilizing pre-trained Bio-LLMs 2025-Jul-15, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08452-7 PMID:40665056	研究论文	提出了一种名为MutDPAL的深度学习方法，专门用于识别膜蛋白中的致病突变并将其分类到特定的疾病类别	首次结合跨膜环境和疾病编码特征，进行细粒度的疾病分类	未提及具体样本量或数据来源的局限性	预测人类跨膜蛋白中的致病突变及其相关疾病	人类跨膜蛋白中的错义突变	自然语言处理	多种人类疾病	预训练的生物大语言模型(Bio-LLMs)	基于交叉注意力的深度学习模型	蛋白质序列数据	NA
50	2025-07-17	Advanced finite segmentation model with hybrid classifier learning for high-precision brain tumor delineation in PET imaging 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09638-z PMID:40665069	研究论文	提出了一种结合有限分割模型和改进分类器学习的方法，用于提高PET图像中脑肿瘤分割的准确性	FSM-ICL框架整合了先进的纹理特征提取、基于深度学习的分类和自适应分割方法，显著提高了分割和分类的精确度	未来需要结合微分割和预分类技术来进一步优化在密集像素数据集中的性能	提高PET图像中脑肿瘤分割的准确性	脑肿瘤	数字病理	脑肿瘤	PET成像	FSM-ICL	图像	1000张训练图像和426张测试图像
51	2025-07-17	An efficient deep learning based approach for automated identification of cervical vertebrae fracture as a clinical support aid 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10448-6 PMID:40665115	研究论文	提出一种基于深度学习的混合迁移学习方法，用于自动识别和分类颈椎骨折	结合Inception-ResNet-v2和U-Net的上采样组件，形成混合架构，显著提高了识别准确率	仅使用了公开数据集，未涉及其他类型的数据或实际临床环境验证	开发一种高效的自动化工具，以辅助临床诊断颈椎骨折	颈椎骨折的轴向CT扫描切片	数字病理学	颈椎骨折	深度学习，迁移学习	Inception-ResNet-v2, U-Net	CT图像	2,984个测试CT扫描切片
52	2025-07-17	Integrating vision transformer-based deep learning model with kernel extreme learning machine for non-invasive diagnosis of neonatal jaundice using biomedical images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08342-2 PMID:40665120	研究论文	本研究提出了一种结合视觉变换器（ViT）和核极限学习机（KELM）的深度学习方法，用于通过生物医学图像无创诊断新生儿黄疸	提出了一种名为EDNJIC-KELM的新方法，该方法结合了ViT进行特征提取和KELM进行分类，并通过增强型COA算法优化KELM的超参数，实现了96.97%的高准确率	未提及具体的数据集规模或多样性限制，也未讨论模型在临床环境中的实际应用效果	开发一种有效的系统，利用先进方法诊断新生儿黄疸	新生儿黄疸的生物医学图像	数字病理学	新生儿黄疸	图像处理、机器学习（ML）、深度学习（DL）	ViT、KELM	图像	未明确提及具体样本数量，仅提到使用了黄疸图像数据
53	2025-07-17	A comparative study and simple baseline for travel time prediction 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02303-5 PMID:40665164	研究论文	本文研究了旅行时间预测（TTP）中不同步骤对预测准确性的影响，并提出了一种结合XGBoost和LSTM的基线方法	通过分析现有方法的各个步骤对TTP准确性的影响，提出了一种动态分配权重的基线方法，结合了XGBoost和LSTM的优势	研究仅使用了台湾和加州的数据集，可能无法完全代表其他地区的交通情况	提高旅行时间预测的准确性，帮助用户更有效地规划行程并缓解交通拥堵	旅行时间预测（TTP）的各个步骤及其对预测准确性的影响	机器学习	NA	深度学习、插值法、最大值填补	LSTM, XGBoost	交通数据	来自台湾和加州的数据集
54	2025-07-17	Domain-incremental white blood cell classification with privacy-aware continual learning 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08024-z PMID:40665174	研究论文	本文提出了一种基于生成回放的持续学习策略，用于解决白细胞分类中的领域偏移和灾难性遗忘问题	采用轻量级生成器模拟历史数据，通过合成潜在表示实现隐私保护的持续学习	实验仅基于四个数据集和四种骨干模型，可能需要更多样化的验证	开发能够在动态临床环境中保持性能的白细胞分类方法	白细胞(WBC)分类	数字病理学	血液疾病	持续学习(CL)	ResNet50, RetCCL, CTransPath, UNI	医学图像	四个不同数据集
55	2025-07-17	Combined Study of Behavior and Spike Discharges Associated with Negative Emotions in Mice 2025-Jul-15, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-025-01455-8 PMID:40665179	研究论文	本研究通过结合开放场行为测试和电生理记录，探索慢性压力诱导的负面情绪机制	提出了一种名为NeuroSync的新方法，结合行为测试和电生理记录，同步分析神经放电模式与行为反应	研究仅针对小鼠，结果可能不完全适用于人类	探索慢性压力诱导的负面情绪的神经机制	小鼠的中央杏仁核和下丘脑室旁核	神经科学	精神障碍	电生理记录、机器视觉技术、信号处理算法	深度学习和机器学习	视频和电生理数据	NA
56	2025-07-17	18F-FDG PET-based liver segmentation using deep-learning 2025-Jul-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01595-1 PMID:40665198	研究论文	本研究开发了一种基于深度学习的18F-FDG PET图像肝脏分割方法	首次提出仅使用18F-FDG PET图像进行肝脏分割的深度学习方法，避免了传统CT或MRI图像的对齐问题和伪影	研究样本量相对较小（120例患者），且未在其他类型PET图像上验证方法通用性	开发不依赖CT/MRI的纯PET图像肝脏分割方法	120例接受18F-FDG PET检查的患者	数字病理	NA	18F-FDG PET成像	3D U-Net (nnUNet框架)	PET图像	120例患者（100例训练集，20例测试集）
57	2025-07-17	Ultrafast T2-weighted MR imaging of the urinary bladder using deep learning-accelerated HASTE at 3 Tesla 2025-Jul-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01810-1 PMID:40665218	研究论文	本研究评估了使用深度学习重建的HASTE序列在3 Tesla下进行膀胱超快速成像的可行性	结合深度学习重建的HASTE序列显著提高了膀胱成像的速度和质量	DL-HASTE和HASTE对膀胱内尿液流动伪影敏感	评估深度学习加速的HASTE序列在膀胱超快速成像中的应用	50名患者的盆腔T2加权成像	医学影像	泌尿系统疾病	HASTE序列，深度学习重建	深度学习	MRI图像	50名患者
58	2025-07-17	Deep learning-based delineation of whole-body organs at risk empowering adaptive radiotherapy 2025-Jul-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03062-z PMID:40665308	研究论文	本文验证了深度学习模型在全身体器官风险区域自动分割中的临床应用价值	首次评估了深度学习模型在全身体器官风险区域自动分割中的几何性能、临床接受度和剂量学影响	研究仅由一位经验丰富的放射肿瘤学家进行手动分割验证，可能存在主观偏差	验证深度学习模型在全身体器官风险区域自动分割中的临床应用可行性	头颈部、胸部、腹部和骨盆等不同解剖区域的器官风险区域	数字病理学	NA	深度学习	DL模型	医学图像	NA
59	2025-07-17	An interpretable machine learning model for predicting bone marrow invasion in patients with lymphoma via 18F-FDG PET/CT: a multicenter study 2025-Jul-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03110-8 PMID:40665334	研究论文	开发并验证了一种可解释的机器学习模型，用于预测淋巴瘤患者的骨髓侵犯	整合了临床数据、18F-FDG PET/CT参数、放射组学特征和深度学习特征，构建了一个可解释的预测模型	样本量相对较小（159例患者），且仅来自两个中心	预测淋巴瘤患者的骨髓侵犯，以减少对侵入性骨髓活检的依赖	159例新诊断的淋巴瘤患者	数字病理	淋巴瘤	18F-FDG PET/CT、放射组学分析、深度学习	ExtraTrees分类器	临床数据、影像数据	159例患者（118例来自中心I，41例来自中心II）
60	2025-07-17	Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots 2025-Jul-14, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101392 PMID:40468596	研究论文	本研究通过时间序列测序分析，探究了水稻根系在氮素响应中的染色质可及性动态和转录调控网络	揭示了OsLBD38和OsLBD39作为早期响应调控因子，以及OsbZIP23作为新型调控因子的作用，并比较了不同水稻品种间的表达差异和遗传分化	研究仅关注了2小时内的氮素响应，可能未覆盖更长时间的动态变化	理解水稻根系在氮素响应中的转录调控机制	水稻根系	植物分子生物学	NA	ATAC-seq, RNA-seq	深度学习	测序数据	两个水稻品种（珍汕97和日本晴）的根系样本