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	2025-05-21	Enhancing sparse data recommendations with self-inspected adaptive SMOTE and hybrid neural networks 2025-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02593-9 PMID:40383722	research paper	本文提出了一种结合LSTM和改良Split-Convolution神经网络(LSTM-SC)及自适应SMOTE采样技术(SASMOTE)的混合框架，用于增强稀疏数据推荐系统	引入了自检自适应SMOTE(SASMOTE)技术，能够自适应选择'可见'最近邻并通过自检策略过滤不确定合成样本，确保高质量数据生成，同时采用QSO和HMWSO优化采样率和超参数	NA	提升稀疏数据环境下的个性化推荐系统性能	电子商务平台中的用户推荐系统	machine learning	NA	SMOTE, QSO, HMWSO	LSTM, Split-Convolution neural network (LSTM-SC)	text	goodbooks-10k和Amazon评论数据集
42	2025-05-21	An ensemble deep learning framework for emotion recognition through wearable devices multi-modal physiological signals 2025-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99858-0 PMID:40383809	研究论文	提出了一种基于集成深度学习框架的情绪识别系统，通过可穿戴设备的多模态生理信号进行情绪识别	首次提出结合离散和维度模型的情绪识别系统，并采用LSTM和GRU的集成深度学习架构有效捕捉情绪数据序列的动态时间依赖性	NA	开发一个情绪识别系统，以促进人机交互中真实、情感感知的上下文沟通	通过可穿戴设备收集的多模态生理信号	机器学习	NA	多模态生理信号分析	LSTM, GRU	生理信号	公开可用的EMOGNITION数据库，包括使用Samsung Galaxy Watch、Empatica E4腕带和MUSE 2 EEG头带设备记录的生理信号
43	2025-05-21	3D+t Multifocal Imaging Dataset of Human Sperm 2025-May-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05177-4 PMID:40383860	research paper	介绍了一个名为3D-SpermVid的三维动态人类精子多焦点成像数据集，用于研究精子运动模式和受精能力	提供了首个包含121个多焦点视频显微镜超堆栈的自由游动精子数据集，支持三维动态分析精子鞭毛运动模式	数据集仅包含非获能条件(NCC)和获能条件(CC)下的精子样本，可能无法涵盖所有生理状态	通过三维动态分析精子运动来理解人类生育能力，并开发新的男性生育力诊断工具	人类精子细胞	digital pathology	fertility disorders	多焦点成像(MFI)系统	NA	3D视频显微图像	121个多焦点视频显微镜超堆栈的自由游动精子样本
44	2025-05-21	Extensible Immunofluorescence (ExIF) accessibly generates high-plexity datasets by integrating standard 4-plex imaging data 2025-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59592-7 PMID:40382312	研究论文	提出了一种名为ExIF的框架，通过生成深度学习虚拟标记将标准4重免疫荧光成像数据整合为理论上无限标记复杂度的统一数据集	将多组学数据整合概念引入显微镜领域，首次实现通过常规4重荧光显微镜定量解析复杂的多分子单细胞过程	依赖于精心设计但易于生产的4重免疫荧光面板，且性能接近但尚未完全达到多重标记方法的水平	突破标准免疫荧光成像仅能捕获约4个分子标记的限制，实现对复杂生物学的深入解析	上皮-间质转化(EMT)过程中的细胞表型和分子标记动态	数字病理学	NA	免疫荧光成像，生成深度学习	生成深度学习模型	图像	NA
45	2025-05-21	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	CREATE基于Vector Quantized Variational AutoEncoder，整合了基因组序列、染色质可及性和染色质相互作用数据，生成离散的CRE嵌入，实现了准确的多类分类和CRE的稳健表征	当前方法主要基于序列，且通常关注单个CRE类型，限制了对其细胞类型特异性功能和调控动态的理解	开发一个深度学习框架，用于识别和表征细胞类型特异性的顺式调控元件，以增进对基因调控机制的理解	顺式调控元件（CREs），包括增强子、沉默子、启动子和绝缘子	machine learning	NA	Vector Quantized Variational AutoEncoder	VQ-VAE	genomic sequences, chromatin accessibility, chromatin interaction data	NA
46	2025-05-21	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，通过超分辨率提升图像质量并利用分层注意力机制进行特征提取，显著提高了目标检测的准确性和鲁棒性	未来工作需要优化计算效率，并扩展框架以处理多模态或动态目标检测任务	提高遥感图像中目标检测的准确性和鲁棒性，特别是在低分辨率、复杂背景和遮挡等挑战性条件下	遥感图像中的目标检测	计算机视觉	NA	数据增强、超分辨率技术、特征提取算法	Advanced StyleGAN、Swin Transformer	遥感图像	VEDAI-VISIBLE、VEDAI-IR、RSOD、NWPU VHR-10数据集
47	2025-05-21	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	提出了一种基于共识的自动化算法ConsensuSV-ONT，用于准确检测长读长Oxford Nanopore测序中的结构变异	结合六种独立的结构变异检测工具和卷积神经网络，提供高质量的结构变异检测方法	仅适用于Oxford Nanopore长读长测序数据，未提及其他测序技术的适用性	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	生物信息学	NA	Oxford Nanopore长读长测序	CNN	测序数据	NA
48	2025-05-21	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	research paper	提出了一种基于MUNet的颅内出血分割和分类框架（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分类出血类型	使用MUNet（Multiclass-UNet）构建IHSNet框架，能够同时实现多种颅内出血的分割和分类，分割准确率达到98.53%，分类准确率达到98.71%	未来需要扩展到处理更多医学图像分割问题	开发自动化诊断工具以帮助神经外科医生制定治疗策略，提高生存率	计算机断层扫描（CT）图像中的颅内出血	digital pathology	intracranial hemorrhage	deep learning	MUNet (Multiclass-UNet)	image	NA
49	2025-05-21	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，并评估了其在深度学习模型中的效用	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	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）	自动评估无法沟通的儿童的疼痛程度	重症儿童	计算机视觉	儿科重症	深度学习	CNN（假设用于图像分类）	视频和图像	53名儿童，119个疼痛表情视频和6951张图像
50	2025-05-21	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编码多序列MR脑部图像，结合临床数据和放疗计划信息，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)，可能影响模型泛化能力评估	提高胶质母细胞瘤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	自监督学习、多模态融合	Vision Transformer (ViT)	MRI图像、临床数据、放疗计划信息	训练集2317例MRI（BraTS2021、UPenn-GBM、UCSF-PDGM），验证集59例（Burdenko），测试集20例（UKER GlioCMV）
51	2025-05-21	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，用于从MRI扫描中早期和多类别诊断阿尔茨海默病	结合改进的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	未提及模型在外部验证集上的表现或临床实际应用中的潜在挑战	提高阿尔茨海默病的早期检测和分期准确性	阿尔茨海默病患者MRI扫描数据	数字病理学	阿尔茨海默病	MRI	IDeepLabV3+, LeNet-5, EResNext	图像	未明确提及样本数量
52	2025-05-21	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	本文研究了一种基于视觉信息、热成像形态和热数据的深度学习技术，用于火焰识别、火源精确定位和秒级自主灭火	提出了一种结合视觉信息、热成像形态和热数据的深度学习方法，提高了火焰识别的适应性，实现了厘米级高精度火源定位，并提出了快速自主灭火的水炮火源投影方法	未提及在不同环境条件下的适应性测试，如烟雾、复杂背景等干扰因素下的性能表现	开发一种能够快速准确识别火源并实现秒级自主灭火的技术	消防机器人及其自主灭火技术	计算机视觉	NA	深度学习	NA	图像、热成像数据	测试距离达15米，处理速度约15帧/秒
53	2025-05-21	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，以捕捉交通流量的时空特征	未提及模型在极端天气或突发事件等异常情况下的预测性能	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)	GAT, MGTCN	时间序列数据	NA
54	2025-05-21	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	研究论文	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	无需改变基础模型的参数，通过生成对抗网络在潜在空间中学习公平扰动，提高了不同敏感属性间的分割和诊断公平性	NA	减少超声图像诊断中的不公平性，促进更公平的医疗系统发展	超声图像中的病变分割	数字病理	NA	生成对抗网络(GAN)	GAN	图像	公开数据集和内部超声图像数据集
55	2025-05-21	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	该论文提出了一种基于Transformer架构的水稻害虫检测框架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	引入自研的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	未提及模型在复杂田间环境下的泛化能力及实时性表现	开发高效准确的水稻害虫自动检测方法以支持精准农业	水稻作物中的害虫	computer vision	NA	deep learning	Transformer (RP-DETR)	image	自建高质量水稻害虫数据集（具体数量未说明）
56	2025-05-21	ML-Driven Alzheimer 's disease prediction: A deep ensemble modeling approach 2025-May-17, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100298 PMID:40389063	research paper	该研究提出了一种结合五种深度学习架构的集成学习框架，用于提高阿尔茨海默病诊断的准确性	采用集成学习方法结合五种深度学习模型（VGG16、VGG19、ResNet50、InceptionV3和EfficientNetB7），显著提升了诊断准确率	模型在外部数据集OASIS上的准确率（86.6%）相对较低，可能存在泛化能力不足的问题	开发一种高准确率的阿尔茨海默病早期诊断工具	MRI脑部扫描图像	digital pathology	geriatric disease	MRI	ensemble of VGG16, VGG19, ResNet50, InceptionV3, EfficientNetB7	image	3,714张MRI脑部扫描图像（834张非痴呆、1,824张轻度痴呆、1,056张重度痴呆）
57	2025-05-21	Adaptive debiasing learning for drug repositioning 2025-May-17, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104843 PMID:40389101	research paper	本文提出了一种名为DRDM的去偏学习框架，用于药物重定位任务，通过动态调整关联权重和双视图对比学习来减少数据偏差并增强模型鲁棒性	提出了一种针对药物重定位数据集中节点极化趋势的去偏学习框架DRDM，动态调整关联权重并采用双视图对比学习增强长尾实体表示	研究仅分析了三种常用数据集，可能不适用于其他类型的药物重定位数据	解决药物重定位任务中的数据偏差问题，提高模型对长尾实体的识别能力	药物重定位数据集中的节点（药物和疾病）	machine learning	NA	graph neural network, contrastive learning	GNN	graph data	三种药物重定位数据集
58	2025-05-21	A Robust Automated Segmentation Method for White Matter Hyperintensity of Vascular-origin 2025-May-17, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121279 PMID:40389145	research paper	开发并验证了一种基于transformer的深度学习分割方法，用于血管源性白质高信号（WMH）的自动分割	提出了一种基于transformer的自动分割方法，能够在不同MRI系统和采集设置下保持鲁棒性和泛化能力	未提及	开发并验证一种鲁棒的深度学习方法，用于血管源性白质高信号的自动分割	白质高信号（WMH）	digital pathology	cardiovascular disease	MRI	transformer	3D T1和3D T2-FLAIR图像	126名参与者用于训练和测试，外加两个外部验证数据集（170名和70名受试者）
59	2025-05-21	Fully Automated Evaluation of Condylar Remodeling after Orthognathic Surgery in Skeletal Class II Patients Using Deep Learning and Landmarks 2025-May-17, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105819 PMID:40389149	研究论文	本研究开发了一种基于深度学习和解剖标志的全自动方法，用于评估骨骼II类患者正颌手术后的髁突重塑	结合解剖标志引导的分割与配准技术，实现了髁突重塑的高效自动化评估	未提及样本多样性或跨中心验证的局限性	开发并验证一种全自动方法，用于评估正颌手术后髁突重塑	骨骼II类患者的CT图像	数字病理	颞下颌关节紊乱	CT成像	V-Net	3D医学图像	未明确提及具体样本量
60	2025-05-21	Analysis of the most influential factors affecting outcomes of lung transplant recipients: a multivariate prediction model based on UNOS Data 2025-May-16, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-089796 PMID:40379311	研究论文	本文利用机器学习技术分析影响肺移植受者结果的关键因素，并开发了一个预测模型以优化患者优先级分配	使用多种机器学习模型和SHAP技术识别影响肺移植优先级分配的关键因素，并开发了一个基于Web的决策支持工具	研究数据来源于UNOS数据库，可能无法涵盖所有潜在影响因素	识别影响肺移植优先级分配的关键因素，优化患者优先级分配过程	肺移植候选者	机器学习	肺病	机器学习	随机森林回归器（RF）、支持向量机回归器、XGBoost回归器、多层感知器模型、深度学习模型	结构化数据	32,966条记录（预处理后）