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	2025-05-20	CREATE: cell-type-specific cis-regulatory element identification via discrete embedding 2025-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59780-5 PMID:40382355	research paper	介绍了一种名为CREATE的多模态深度学习框架，用于全面识别和表征细胞类型特异性的顺式调控元件（CREs）	CREATE基于Vector Quantized Variational AutoEncoder，整合基因组序列、染色质可及性和染色质相互作用数据，生成离散的CRE嵌入，从而实现对CREs的准确多类分类和稳健表征	未明确提及具体局限性	识别和表征细胞类型特异性的顺式调控元件（CREs），以增强对基因调控机制及其在健康和疾病中作用的理解	顺式调控元件（CREs），包括增强子、沉默子、启动子和绝缘子	机器学习	NA	Vector Quantized Variational AutoEncoder	深度学习框架	基因组序列、染色质可及性和染色质相互作用数据	NA
42	2025-05-20	A novel hybrid deep learning approach for super-resolution and objects detection in remote sensing 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01476-3 PMID:40382366	研究论文	本文提出了一种结合超分辨率技术和先进特征提取算法的混合深度学习框架，用于遥感图像中的目标检测	结合Advanced StyleGAN和Swin Transformer，通过超分辨率增强图像分辨率并利用分层注意力机制进行特征提取，显著提高了复杂场景下的目标检测性能	未来工作可能需要优化计算效率，并扩展框架以处理多模态或动态目标检测任务	解决遥感图像中由于低分辨率、复杂背景、遮挡和尺度变化导致的目标检测难题	遥感图像中的目标检测	计算机视觉	NA	Advanced StyleGAN, Swin Transformer	混合模型（Advanced StyleGAN + Swin Transformer）	遥感图像	VEDAI-VISIBLE、VEDAI-IR、RSOD和NWPU VHR-10数据集
43	2025-05-20	ConsensuSV-ONT - A modern method for accurate structural variant calling 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01486-1 PMID:40382368	研究论文	提出了一种名为ConsensuSV-ONT的新型算法，用于准确检测长读长Oxford Nanopore测序中的结构变异	结合了六种独立的结构变异检测工具和卷积神经网络，通过共识方法筛选高质量变异，并提供了易于使用的docker运行环境	仅适用于Oxford Nanopore长读长测序数据，未与其他测序平台进行对比验证	开发一种自动化工具，用于准确检测长读长测序中的结构变异	Oxford Nanopore长读长测序数据中的结构变异	生物信息学	NA	Oxford Nanopore长读长测序	CNN	基因组测序数据	NA
44	2025-05-20	Intracranial hemorrhage segmentation and classification framework in computer tomography images using deep learning techniques 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01317-3 PMID:40382387	研究论文	提出了一种基于MUNet的颅内出血分割与分类框架（IHSNet），用于在计算机断层扫描图像中成功分割多种类型的出血，并通过全连接层对出血类型进行分类	开发了IHSNet框架，能够同时实现多种颅内出血的高精度分割和分类，分割准确率达98.53%，分类准确率达98.71%	未来需要进一步扩展该方法以处理更多医学图像分割问题	开发自动化诊断工具以辅助神经外科医生制定治疗策略，提高患者生存率	计算机断层扫描图像中的颅内出血	数字病理学	颅内出血	深度学习	MUNet（Multiclass-UNet）	图像	NA
45	2025-05-20	Construction and validation of a pain facial expressions dataset for critically ill children 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02247-w PMID:40382393	研究论文	本研究构建并验证了一个专门针对中国重症儿童疼痛面部表情的大规模数据集PFECIC，并利用深度学习模型评估其效用	创建了首个针对中国重症儿童的疼痛面部表情数据集PFECIC，并通过深度学习模型验证了其性能优于现有数据集COPE	样本量相对较小（53名儿童），且数据收集时间较短（2022年12月至2023年1月）	开发一个自动评估非交流儿童疼痛的系统	中国重症儿童的疼痛面部表情	计算机视觉	重症疾病	深度学习	CNN（假设使用，因未明确提及具体模型）	视频和图像	53名儿童，119个疼痛表情视频和6951张图像
46	2025-05-20	A self-supervised multimodal deep learning approach to differentiate post-radiotherapy progression from pseudoprogression in glioblastoma 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02026-7 PMID:40382400	研究论文	提出了一种自监督多模态深度学习方法，用于区分胶质母细胞瘤放疗后的真实进展与假性进展	利用自监督Vision Transformer (ViT)编码多序列MR脑部图像，结合临床参数和放疗计划信息，通过跨模态注意力机制提高分类准确性	测试数据集样本量较小（n=20），可能影响模型的泛化能力	提高胶质母细胞瘤患者放疗后真实进展与假性进展的鉴别准确性	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	MRI	Vision Transformer (ViT)	图像、临床数据	训练和验证数据集（n=2317 MRI研究），测试数据集（n=20）
47	2025-05-20	An integrated deep learning model for early and multi-class diagnosis of Alzheimer's disease from MRI scans 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01845-y PMID:40382404	研究论文	提出了一种基于混合深度学习的多分类系统，用于通过MRI扫描早期和多类别诊断阿尔茨海默病	整合了改进的DeepLabV3+模型进行病灶分割，采用基于平均相关性和错误概率的新特征选择方法，并使用增强的ResNext模型进行四阶段分类	未提及模型在更大规模或多样化数据集上的泛化能力	提高阿尔茨海默病的早期诊断准确性和多阶段分类能力	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI	DeepLabV3+, LeNet-5, ResNext	图像	未明确提及样本数量
48	2025-05-20	Research on accurate fire source localization and seconds-level autonomous fire extinguishing technology 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01830-5 PMID:40382425	研究论文	本文研究了精确火源定位和秒级自主灭火技术，通过结合视觉信息、热成像形态和热数据进行深度学习，提高了火焰识别的适应性，实现了厘米级高精度火源定位和快速自主灭火	采用视觉信息、热成像形态和热数据进行深度学习，提高了火焰识别的适应性；提出水炮火源投影方法，实现快速自主灭火	火焰识别对不同火焰的适应性仍有提升空间，自主灭火技术的实际应用效果需进一步验证	提高火源定位精度和自主灭火速度，以适用于实际火灾救援	消防机器人及其自主灭火技术	机器视觉与机器人技术	NA	深度学习	NA	视觉信息、热成像形态和热数据	测试结果显示，火源识别算法可在15米范围内以约15Fps的速度识别所有火源
49	2025-05-20	A combined model for short-term traffic flow prediction based on variational modal decomposition and deep learning 2025-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98496-w PMID:40382484	研究论文	提出了一种基于变分模态分解和深度学习的组合模型VMD-GAT-MGTCN，用于提高短期交通流量预测的准确性	结合了变分模态分解(VMD)、图注意力网络(GAT)和多门控注意力时间卷积网络(MGTCN)，设计了时空特征模型以捕捉交通流的时空特征	未明确提及模型在更大规模或更复杂交通网络中的适用性	提高短期交通流量预测的准确性	交通流量数据	机器学习	NA	变分模态分解(VMD)、图注意力网络(GAT)、多门控注意力时间卷积网络(MGTCN)	VMD-GAT-MGTCN	时间序列数据	NA
50	2025-05-20	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-May-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	research paper	开发一种深度学习算法，用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类	使用ResNet变体的深度学习模型，首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类	研究为回顾性设计，外部验证队列样本量较小(85例)	开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断	618例蛛网膜下腔出血患者(305例动脉瘤性，228例非动脉瘤性)	digital pathology	cardiovascular disease	NCCT扫描	ResNet + U-Net++	CT图像	618例患者(训练集533例，外部测试集85例)
51	2025-05-20	Fair ultrasound diagnosis via adversarial protected attribute aware perturbations on latent embeddings 2025-May-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01641-y PMID:40382499	research paper	提出了一种名为APPLE的新方法，通过在潜在空间中学习公平扰动来减少超声图像诊断中的不公平性	APPLE方法在不改变基础模型参数的情况下，通过生成对抗网络在潜在空间中学习公平扰动，从而减少诊断中的偏见	NA	减少超声图像诊断中的不公平性，提高不同亚组之间的诊断公平性	超声图像中的病变分割	digital pathology	NA	生成对抗网络	GAN	image	公开数据集和内部超声图像数据集
52	2025-05-20	RP-DETR: end-to-end rice pests detection using a transformer 2025-May-17, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01381-w PMID:40382633	research paper	介绍了一种基于Transformer架构的高效水稻害虫检测框架RP-DETR，通过改进模型结构和损失函数提高了检测精度并减少了参数数量	提出了自研的RepPConv-block减少特征提取中的信息冗余，集成Gold-YOLO neck增强多尺度特征融合能力，采用MPDIoU损失函数提升检测性能	未明确说明模型在复杂田间环境下的泛化能力及实时性表现	实现水稻害虫的快速准确自动识别	水稻作物中的害虫	computer vision	NA	deep learning	Transformer (RP-DETR), CNN	image	自建高质量水稻害虫数据集（具体数量未说明）
53	2025-05-20	Systems and synthetic biology for plant natural product pathway elucidation 2025-May-17, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展	讨论了多种策略如共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物识别，并通过案例研究展示了这些方法在解析复杂途径和增强重要天然产物生产中的应用	未提及具体实验数据或样本量的限制	探索植物天然产物途径的解析和工程化	植物代谢途径和天然产物	合成生物学	NA	共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物识别	深度学习	基因组数据、代谢物数据	NA
54	2025-05-20	Decision support system based on ensemble models in distinguishing epilepsy types 2025-May-17, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110470 PMID:40382997	研究论文	本研究旨在基于EEG结果，利用人工智能模型对患者的局灶性（额叶、颞叶、顶叶、枕叶）、多灶性和全面性癫痫样活动进行分类	结合数据增强和集成AI模型，提出了一种新的决策支持系统，用于癫痫类型的分类，准确率达到98%	研究数据来源于单一医院，可能存在样本选择偏差	分类癫痫类型，为医生提供决策支持	575名癫痫患者	机器学习	癫痫	EEG	MLP, Random Forest, SVM, XGBoost	EEG数据	575名患者
55	2025-05-20	Exploring interpretable echo analysis using self-supervised parcels 2025-May-17, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	本研究探讨了利用自监督学习进行可解释的心脏超声分析，以改善心脏衰竭患者的护理和治疗计划	采用自监督学习方法减少对大量标注数据的依赖，并强调可解释性、鲁棒性和安全性在心脏影像分析中的重要性	需要进一步验证在不同医疗中心和设备上的泛化能力	解决医学影像中标注数据稀缺的问题，提高心脏影像分析的效率和可解释性	心脏超声影像	数字病理	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大规模未标注数据集和公开可用数据集
56	2025-05-20	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发和验证基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床数据和放射组学特征，利用深度学习模型（MoCo-v2）提升子宫内膜癌分子亚型分类的准确性	研究样本量有限（526例患者），未来需要更大数据集进一步验证模型的潜力	开发并验证一种基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI、放射组学特征提取、深度学习（MoCo-v2）	深度学习模型（MoCo-v2）	MRI图像	526例子宫内膜癌患者
57	2025-05-20	Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01063-6 PMID:40379665	research paper	本研究开发并验证了一种基于术前CT图像的深度学习模型，用于预测晚期胃癌患者对转化治疗的临床反应	采用渐进式蒸馏（PD）方法构建深度学习模型，相比基线模型和知识蒸馏（KD）模型表现出更优的性能	需要进一步研究以评估该模型与临床病理参数结合的临床实用性	开发一种非侵入性筛查方法，以识别适合转化治疗的晚期胃癌患者	晚期胃癌患者	digital pathology	gastric cancer	CT imaging	deep learning model (Progressive Distill)	image	140名患者（训练集112名，测试集28名）
58	2025-05-20	Lightweight hybrid transformers-based dyslexia detection using cross-modality data 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01235-4 PMID:40379688	研究论文	提出一种基于轻量级混合Transformer的跨模态数据阅读障碍检测模型	结合SWIN-Linformer、LeViT-Performer和GTNs进行多模态特征提取，并采用DXB分类器与BOHB优化算法提升性能	未说明模型在临床环境中的实际部署效果及跨种族/语言的泛化能力	通过多模态数据实现阅读障碍的早期精准诊断	阅读障碍患者的多模态数据（MRI、EEG、手写图像）	数字病理	神经系统疾病	MRI、EEG、量化感知训练、LIME可解释性分析	SWIN-Linformer+LeViT-Performer+GTNs混合Transformer	多模态数据（影像+信号+图像）	五个公共数据库（未注明具体样本量）
59	2025-05-20	The application of suitable sports games for junior high school students based on deep learning and artificial intelligence 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01941-z PMID:40379705	研究论文	本研究利用深度学习和人工智能技术，开发了一种基于MediaPipe框架的ST-GCN动作检测算法，旨在提高初中生体育活动的动作识别准确性	结合深度学习和人工智能技术，开发了基于MediaPipe框架的ST-GCN动作检测算法，显著提高了动作识别的准确性和长期预测能力	研究仅针对特定运动（如仰卧起坐）进行了验证，未涵盖所有体育活动的动作识别	提高初中生体育教育的教学质量和个性化学习需求	初中生体育活动中的动作表现	计算机视觉	NA	深度学习、人工智能	ST-GCN	视频	HMDB51数据集
60	2025-05-20	Pancreas segmentation using AI developed on the largest CT dataset with multi-institutional validation and implications for early cancer detection 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01802-9 PMID:40379726	research paper	该研究开发了一种基于深度学习的卷积神经网络（CNN），用于在最大单机构CT数据集上进行胰腺分割，并在多机构数据集上进行了验证，以支持早期胰腺癌检测	使用迄今为止最大的单机构CT数据集（n=3031）开发了3D nnU-Net模型，并在多机构AbdomenCT-1K数据集（n=585）上进行了外部验证，展示了模型在不同成像条件下的鲁棒性	虽然模型在多个数据集上表现出色，但未提及在更广泛或更具挑战性的临床环境中的表现	开发一种高精度、全自动的胰腺分割方法，以支持早期胰腺癌检测和胰腺疾病的生物标志物发现	胰腺	digital pathology	pancreatic cancer	deep learning, CT imaging	3D nnU-Net	CT images	3031 CT scans from a single institution, 585 CT scans from multi-institutional AbdomenCT-1K dataset