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	2025-08-03	A dataset for recognition of Arabic accents from spoken L2 English speech (ArL2Eng) 2025-Jul-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05561-0 PMID:40745170	研究论文	本文介绍了ArL2Eng数据集，一个由阿拉伯语母语者产生的L2英语语音语料库，并强调了其在支持自动化语言评估研究中的潜力	ArL2Eng数据集为阿拉伯口音的L2英语语音识别和流利度评估提供了独特的资源，支持多语言语音识别、口音分类和说话人识别等多种应用场景	数据集中仅有471条记录（共640条）由人类专家标注了流利度指标，可能影响模型的训练效果	研究目的是支持自动化语言评估，特别是针对阿拉伯口音的L2英语流利度预测	研究对象是阿拉伯语母语者产生的L2英语语音	自然语言处理	NA	Mel Frequency Cepstral Coefficients（MFCC）特征提取和深度学习技术	深度学习模型（未具体说明）	语音数据	640条语音记录（其中471条标注了流利度指标）
42	2025-08-03	Dual prompt personalized federated learning in foundation models 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11864-4 PMID:40745444	研究论文	提出了一种名为DPFL的双提示个性化联邦学习框架，用于解决异构客户端数据分布和有限本地数据训练的问题	引入了双提示和自适应聚合策略，结合全局任务意识和本地数据驱动洞察，使本地模型在适应特定数据分布的同时实现有效泛化	未明确提及具体局限性	解决联邦学习在异构数据分布和有限本地数据情况下的性能问题	个性化联邦学习框架及其在异构数据环境中的应用	机器学习	NA	联邦学习，基础模型微调	CLIP	图像和文本数据	未明确提及具体样本量
43	2025-08-03	Electrocardiogram-Based Artificial Intelligence to Identify Coronary Artery Disease 2025-Jul-31, JACC. Advances DOI:10.1016/j.jacadv.2025.102041 PMID:40749517	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型ECG2CAD，用于检测冠状动脉疾病（CAD）并识别有不良事件风险的人群	利用深度学习模型ECG2CAD从心电图中识别CAD，相比基于年龄和性别的模型或Pooled Cohort Equations有显著改进	研究结果在不同测试集中的表现存在差异，特别是在UK Biobank中的AUPRC较低	开发一种基于ECG的人工智能模型，用于检测CAD并预测不良事件风险	心电图数据和冠状动脉疾病患者	机器学习	心血管疾病	深度学习	深度学习模型（具体未说明）	心电图数据	训练集：764,670份ECG（137,199人）；测试集：MGH（18,706人）、BWH（88,270人）、UK Biobank（42,147人）
44	2025-08-03	Optimizing Thyroid Nodule Management With Artificial Intelligence: Multicenter Retrospective Study on Reducing Unnecessary Fine Needle Aspirations 2025-Jul-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/71740 PMID:40737551	研究论文	本研究评估了AI在真实临床环境中识别甲状腺良性结节的能力，以减少不必要的细针穿刺活检	AI系统在识别甲状腺良性结节方面优于放射科医生，显著减少了不必要的细针穿刺活检	AI系统仍会错误识别部分低或中度恶性风险的结节为良性	优化甲状腺结节管理，减少不必要的细针穿刺活检	甲状腺结节	数字病理	甲状腺癌	深度学习	深度学习AI系统	超声图像	4572个甲状腺结节（良性3134个，恶性1438个）
45	2025-08-03	Advanced air quality prediction using multimodal data and dynamic modeling techniques 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11039-1 PMID:40738914	研究论文	提出了一种新型混合深度学习模型，用于提高空气质量预测的准确性	结合了CNN、BiLSTM、注意力机制、GNN和Neural ODEs等多种先进技术，并引入自适应池化机制以减少计算复杂性和训练时间	未提及具体的地理范围或时间跨度的限制	提高空气质量预测的准确性，支持实时环境监测和大规模预测	空气质量数据，包括PM2.5、PM10、CO和臭氧等污染物	机器学习	NA	深度学习	CNN, BiLSTM, GNN, Neural ODEs	多模态数据（地面传感器数据、气象数据、卫星图像）	使用Air Quality Open Dataset (AQD)数据集，具体样本量未提及
46	2025-08-03	Deep learning for property prediction of natural fiber polymer composites 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10841-1 PMID:40738916	研究论文	本文探讨了深度学习在预测天然纤维聚合物复合材料性能方面的应用	使用混合CNN-MLP模型和DNNs预测聚合物复合材料的机械、热和化学性能，展示了DNNs在捕捉复杂非线性关系方面的优越性	研究样本量相对较小，仅包含180个实验样本，虽然通过bootstrap技术增加到1500个，但仍可能影响模型的泛化能力	研究深度学习技术在预测天然纤维聚合物复合材料性能方面的应用	四种天然纤维（亚麻、棉花、剑麻、大麻）和三种聚合物基质（PLA、PP、环氧树脂）	机器学习	NA	深度学习（DL）	CNN-MLP, DNNs	实验数据	180个实验样本，通过bootstrap技术增加到1500个
47	2025-08-03	Ultrasound derived deep learning features for predicting axillary lymph node metastasis in breast cancer using graph convolutional networks in a multicenter study 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13086-0 PMID:40738938	研究论文	本研究旨在开发和验证一种基于超声的图卷积网络（GCN）模型，用于预测乳腺癌患者的腋窝淋巴结转移（ALNM）	首次使用基于超声的GCN模型预测乳腺癌患者的ALNM，并在多中心研究中验证其性能	研究为回顾性设计，需要前瞻性研究进一步验证临床应用的可行性	开发一种非侵入性方法来预测乳腺癌患者的腋窝淋巴结转移状态	乳腺癌患者	数字病理	乳腺癌	超声成像	图卷积网络（GCN）	超声图像	820名符合条件的乳腺癌患者（训练队列621人，验证队列1 112人，验证队列2 87人）
48	2025-08-03	A hybrid deep learning model for sentiment analysis of COVID-19 tweets with class balancing 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97778-7 PMID:40738947	research paper	该研究提出了一种混合深度学习模型，用于分析COVID-19相关推文的情感，结合了BERT和LSTM网络	结合BERT进行上下文特征提取和LSTM进行序列学习，并应用随机过采样（ROS）解决类别不平衡问题	未提及模型在不同语言或文化背景下的泛化能力	准确分类COVID-19相关社交媒体讨论中的公众情感	COVID-19相关的推文	natural language processing	COVID-19	BERT, LSTM, Random OverSampling (ROS)	hybrid deep learning model (BERT + LSTM)	text	未明确提及样本数量
49	2025-08-03	Compressive strength modelling of cenosphere and copper slag-based geopolymer concrete using deep learning model 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13176-z PMID:40738956	研究论文	本研究利用人工神经网络（ANN）预测含铜渣的微珠基地聚合物混凝土的28天抗压强度	首次将ANN模型应用于含铜渣的微珠基地聚合物混凝土抗压强度预测，准确率超过98.6%	未提及模型在其他类型地聚合物混凝土中的泛化能力	开发可持续建筑材料的性能预测方法	含铜渣的微珠基地聚合物混凝土	机器学习	NA	人工神经网络（ANN）	ANN	材料性能数据	未明确说明具体样本数量
50	2025-08-03	Refined prognostication of pathological complete response in breast cancer using radiomic features and optimized InceptionV3 with DCE-MRI 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08565-3 PMID:40739101	研究论文	该研究提出了一种利用MRI图像提取的放射组学特征和优化的InceptionV3模型来预测乳腺癌患者病理完全缓解（pCR）的新方法	研究创新点包括从dcom系列中提取高级特征（如面积、周长、熵等）以及将提取的特征与InceptionV3模型结合使用，并通过不同的损失函数、优化器函数和激活函数组合优化模型性能	NA	预测乳腺癌患者在接受新辅助治疗后是否能够达到病理完全缓解（pCR）	255名乳腺癌患者的MRI数据	数字病理	乳腺癌	MRI	InceptionV3 (GoogleNet)	图像	255名患者
51	2025-08-03	A privacy preserving machine learning framework for medical image analysis using quantized fully connected neural networks with TFHE based inference 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07622-1 PMID:40739149	research paper	提出了一种基于全同态加密的隐私保护机器学习框架，用于医学图像分析	结合全连接神经网络和TFHE全同态加密技术，在保证数据隐私的同时进行医学图像分析	仅在MedMNIST数据集上进行了验证，未在其他医学图像数据集上测试	开发一个隐私保护的医学图像分析框架	医学图像数据	digital pathology	NA	TFHE全同态加密	FCNN	image	MedMNIST数据集
52	2025-08-03	Deep learning for tooth detection and segmentation in panoramic radiographs: a systematic review and meta-analysis 2025-Jul-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06349-9 PMID:40739210	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在全景X光片中牙齿检测和分割的性能	首次对深度学习在全景X光片中牙齿检测和分割的应用进行了系统性的性能评估和荟萃分析	纳入分析的文献数量有限（20篇），且仅针对特定类型的牙齿异常（正中额外牙）进行了荟萃分析	评估深度学习在全景X光片中牙齿检测和分割的应用效果	全景X光片中的牙齿图像	数字病理学	牙科疾病	深度学习	NA	医学影像	20项研究（其中6项用于正中额外牙检测和分割的荟萃分析）
53	2025-08-03	Ensemble of deep learning and IoT technologies for improved safety in smart indoor activity monitoring for visually impaired individuals 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09716-2 PMID:40739295	研究论文	本文提出了一种结合深度学习和物联网技术的智能室内活动监测系统，旨在提高视障人士的安全性	开发了EDLES-SIAM技术，集成了ResNet50特征提取和由DNN、BiLSTM、SSAE组成的集成深度学习分类器，用于室内活动监测	未提及系统在复杂环境或不同视障程度个体中的适用性测试	通过智能监测技术提升视障人士的室内活动安全性和独立性	视障人士的室内活动监测与异常检测	计算机视觉	视力障碍	深度学习、物联网传感器技术	ResNet50、DNN、BiLSTM、SSAE	图像传感器数据	基于跌倒检测数据集的模拟分析（具体样本量未说明）
54	2025-08-03	Histopathological-based brain tumor grading using 2D-3D multi-modal CNN-transformer combined with stacking classifiers 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11754-9 PMID:40739310	研究论文	提出一种结合2D-3D多模态CNN-transformer和堆叠分类器的混合学习架构，用于基于组织病理学的脑肿瘤分级	结合2D-3D混合CNN和视觉Transformer（ViT）提取特征，并使用堆叠集成机器学习分类器提高泛化能力	未提及具体局限性	提高脑肿瘤分级的准确性和可靠性	脑肿瘤组织病理学图像	数字病理学	脑肿瘤	深度学习（DL）	CNN, Transformer, 堆叠分类器	图像	TCGA和DeepHisto两个公开数据集
55	2025-08-03	Predicting ROS1 and ALK fusions in NSCLC from H&E slides with a two-step vision transformer approach 2025-Jul-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01037-x PMID:40739404	研究论文	本研究利用深度学习模型从H&E染色的非小细胞肺癌（NSCLC）全切片图像中预测ROS1和ALK融合基因	采用两步视觉Transformer方法，针对ROS1和ALK融合基因的稀有性设计了专门的训练流程以提高预测性能	ROS1阳性样本量有限（仅306例）可能影响模型泛化能力	开发可扩展且经济高效的NSCLC分子分型预筛查工具	33,014例NSCLC患者（含306例ROS1融合阳性/697例ALK融合阳性）的H&E染色FFPE样本	数字病理学	肺癌	全切片图像分析（WSI）	Vision Transformer（MoCo-V3）	病理图像	33,014例患者（训练集含306 ROS1+/697 ALK+）
56	2025-08-03	Improving rainfall forecasting using deep learning data fusing model approach for observed and climate change data 2025-Jul-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13567-2 PMID:40739447	研究论文	本研究利用观测降雨数据和气候变化预测的融合，通过深度学习模型提高日、3日和周降雨预测的精度	结合观测数据和气候变化预测，采用多种先进机器学习模型进行数据融合，显著提高了降雨预测的准确性	研究中LSTM模型在周预测中表现较差，误差率较高，显示了模型在长期预测中的局限性	提高降雨预测的准确性，以支持水资源管理、防洪、农业活动和灾害准备	降雨数据	机器学习	NA	数据融合技术	ELSVM, Exponential GPR, LSTM	时间序列数据	NA
57	2025-08-03	HLAIIPred: cross-attention mechanism for modeling the interaction of HLA class II molecules with peptides 2025-Jul-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08500-2 PMID:40739437	research paper	介绍了一种名为HLAIIPred的深度学习模型，用于预测由II类人类白细胞抗原（HLAII）呈递的肽段	使用基于Transformer的神经网络和质谱鉴定的HLAII呈递肽数据集进行训练，能够预测肽段呈递并识别形成相互作用的肽段核心残基	NA	预测HLAII分子与肽段的相互作用，用于癌症免疫治疗中的新抗原优先排序和治疗性抗体的免疫原性预测	HLAII分子及其呈递的肽段	machine learning	cancer	mass spectrometry	Transformer-based neural network	peptide sequences	NA
58	2025-08-03	Deep learning molecular interaction motifs from receptor structures alone 2025-Jul-30, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01055-8 PMID:40739522	研究论文	本文提出了一种名为MotifGen的深度学习网络，能够直接从受体结构中预测潜在的结合基序，无需额外支持信息	MotifGen直接从受体结构预测结合基序，突破了传统方法依赖已知结合分子的限制，为新型靶标或结合位点的设计提供了新策略	NA	开发一种直接从受体结构预测结合基序的深度学习网络，以扩展结合分子设计的适用范围	蛋白质与其他分子的相互作用基序	机器学习	NA	深度学习	MotifGen	蛋白质结构数据	NA
59	2025-08-03	A deep learning model for predicting radiation-induced xerostomia in patients with head and neck cancer based on multi-channel fusion 2025-Jul-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01848-1 PMID:40739612	研究论文	开发了一种基于多通道融合的三维深度学习模型，用于预测头颈癌患者放疗后口干症	通过融合GTVp通道和PGs通道的数据，构建了XeroNet模型，其性能优于现有方法	研究样本量较小（180例），且为回顾性数据	预测头颈癌患者放疗后口干症的发生	头颈癌患者	数字病理	头颈癌	深度学习	XeroNet（包含GNet、PNet和Naive Bayes决策融合层）	CT图像、剂量分布和轮廓数据	180例头颈癌患者（137例训练集，43例测试集）
60	2025-08-03	GastroNet-5M: A Multicenter Dataset for Developing Foundation Models in Gastrointestinal Endoscopy 2025-Jul-30, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.07.030 PMID:40749857	研究论文	本研究介绍了GastroNet-5M数据集，包含约500万张内窥镜图像，用于开发内窥镜AI应用的基础模型	提出了一个大规模、多样化的内窥镜图像数据集GastroNet-5M，并利用自监督学习开发了一个基础模型，该模型在多种内窥镜AI应用中表现出色	数据主要来自荷兰的八家医院，可能无法完全代表全球范围内的内窥镜图像多样性	开发一个适用于内窥镜AI应用的基础模型，提高诊断准确性并减少对特定应用数据的依赖	内窥镜图像	数字病理	胃肠道疾病	自监督学习	基础模型	图像	4,820,653张内窥镜图像，来自约500,000个手术