深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
6001	2025-10-06	Deep adaptive learning predicts and diagnoses CSVD-related cognitive decline using radiomics from T2-FLAIR: a multi-centre study 2025-Jul-15, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01813-w PMID:40664728	研究论文	开发基于Transformer的深度学习模型，利用T2-FLAIR影像的脑白质高信号放射组学特征预测和诊断脑小血管病相关认知障碍	首次将Transformer架构与脑白质高信号放射组学特征结合，采用领域自适应策略进行多中心验证，并发现对数转换的灰度区域大小矩阵特征是关键预测因子	样本量相对有限（783名受试者），仅使用T2-FLAIR单一模态影像数据	开发自动化、非侵入性的脑小血管病相关认知障碍早期检测工具	脑小血管病患者的认知功能状态	医学影像分析	脑小血管病	放射组学分析，T2-FLAIR磁共振成像	Transformer	医学影像	783名受试者（含161名纵向随访患者），来自三个医疗中心	NA	Transformer	AUC	NA
6002	2025-10-06	Poincare guided geometric UNet for left atrial epicardial adipose tissue segmentation in Dixon MRI images 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10110-1 PMID:40664735	研究论文	提出并验证了PoinUNet模型，用于从Dixon MRI图像中分割左心房心外膜脂肪组织	将双曲空间嵌入层集成到3D UNet中，通过双曲空间学习捕获复杂的左心房和心外膜脂肪组织关系，并使用新的损失函数解决类别不平衡和脂肪几何形状挑战	样本量相对较小（66名参与者），仅使用1.5T MRI扫描仪数据	开发准确的自动分割方法用于左心房心外膜脂肪组织量化	左心房心外膜脂肪组织和左心房壁	医学图像分析	心血管疾病	Dixon MRI	CNN, 深度学习	MRI图像	66名参与者（包括48名房颤患者）	NA	3D UNet, Poincaré嵌入层	Dice相似系数, Hausdorff距离	NA
6003	2025-10-06	A hybrid framework of generative deep learning for antiviral peptide discovery 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11328-9 PMID:40664756	研究论文	提出结合WGAN-GP和BiLSTM的混合框架用于抗病毒肽发现	首次将Wasserstein生成对抗网络与双向长短期记忆网络结合用于抗病毒肽的生成与识别	生成肽在不同病毒终点中的丰度存在显著差异	开发抗病毒肽发现的计算框架	抗病毒肽(AVPs)	机器学习	病毒感染	深度学习	GAN, LSTM	肽序列数据	成功生成815种新型抗病毒肽	TensorFlow, PyTorch	WGAN-GP, BiLSTM	多样性评估, 功能性验证	NA
6004	2025-10-06	AI-powered prediction model for neoadjuvant chemotherapy efficacy: comprehensive analysis of breast cancer histological images 2025-Jul-15, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01033-1 PMID:40664754	研究论文	开发结合组织病理学、临床和免疫特征的人工智能集成预测模型，用于预测乳腺癌新辅助化疗疗效	首次提出综合肿瘤上皮、间质和全肿瘤区域的深度学习生物标志物，并验证TR-score在预测新辅助化疗反应中的优越性	研究样本量相对有限（1035例），免疫数据对模型性能提升的统计学意义不显著（p=0.183）	建立精准预测乳腺癌新辅助化疗疗效的人工智能模型	乳腺癌患者	数字病理学	乳腺癌	全切片图像分析	深度学习	组织病理图像、临床数据、免疫特征数据	来自四个中心的1035例患者	NA	NA	AUC, 准确率	NA
6005	2025-10-06	Efficacy of swarm-based neural networks in automated depression detection 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09414-z PMID:40664787	研究论文	本研究提出了一种结合群体智能算法优化的深度学习模型用于自动抑郁症检测	首次将蜻蜓算法、萤火虫算法和飞蛾火焰优化算法三种群体智能算法与深度学习结合用于抑郁症诊断的特征选择和降维	NA	开发优化的深度学习模型用于自动抑郁症检测	抑郁症患者	自然语言处理	抑郁症	深度学习	深度学习模型	语音/文本数据	DAIC-WOZ语料库、CMDC数据集和MODMA数据集	NA	定制深度学习架构	宏F1分数, 召回率, 精确率	NA
6006	2025-10-06	Preoperative prediction value of 2.5D deep learning model based on contrast-enhanced CT for lymphovascular invasion of gastric cancer 2025-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11427-7 PMID:40664824	研究论文	基于增强CT静脉期图像开发人工智能模型预测胃癌术前淋巴血管侵犯	通过聚焦肿瘤最大横截面并整合七个相邻2D图像，生成稳定的2.5D数据建立多实例学习模型	回顾性研究设计，样本量相对有限（351例患者）	预测胃癌术前淋巴血管侵犯状态	胃癌患者	数字病理	胃癌	对比增强CT	深度学习, 放射组学	医学影像	351例胃癌患者（训练集246例，测试集105例）	NA	2D深度学习模型, 3D深度学习模型, 2.5D多实例学习模型	AUC, 敏感度, 特异度, 校准曲线, 决策曲线分析	NA
6007	2025-10-06	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	研究论文	提出一种改进的全卷积单阶段方法OR-FCOS，用于准确识别长根菇的生长阶段	结合MobileNetV3-Large骨干网络与高效多尺度注意力模块，采用神经架构搜索增强的FCOS解码器，并集成CIoU损失函数	仅针对长根菇单一物种进行研究，未与其他方法进行广泛比较	开发高效准确的长根菇生长阶段识别方法，支持自动化实时监测	长根菇在不同生长阶段的图像	计算机视觉	NA	深度学习	CNN	图像	8,000张长根菇图像	NA	MobileNetV3-Large, FCOS	mAP, 模型参数量, 模型大小, FLOPs	NA
6008	2025-10-06	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设备的混合方法，用于改善电能质量	将传统控制技术与自适应学习模型相结合的数据驱动框架，用于解决电能质量问题	处理不平衡数据集存在挑战，深度学习模型计算需求较高，实际部署需要平衡计算需求与类别分布问题	通过混合AI方法改善电能质量，解决电压暂降、暂升、谐波和瞬态扰动等问题	电能质量问题和半导体设备	机器学习	NA	机器学习、深度学习、实时数据分析	SVM, Random Forest, Neural Networks, CNN, LSTM	实时电力数据	NA	NA	CNN, LSTM	准确率, 精确率, 召回率	NA
6009	2025-10-06	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	提出一种基于深度学习的高级感知框架，通过提取X射线图像中的关键特征来分类乳腺癌阶段	提出质量引导的多层特征学习方法，在弱标注环境下使用新的排序技术识别与人类视觉判断最匹配的图像块	NA	开发精确的X射线图像分析系统用于乳腺癌分类	乳腺癌X射线图像	计算机视觉	乳腺癌	X射线成像	深度学习	医学图像	大型乳腺癌图像数据集	NA	NA	比较分析，视觉示例	NA
6010	2025-10-06	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	研究论文	提出一种结合序列深度神经网络和Extra Tree分类器特征选择的网络入侵检测深度学习方法	采用基于ReLU的序列DNN结合Extra Tree分类器进行特征优化，解决了梯度消失和过拟合问题，同时提高了模型可解释性和计算效率	仅使用UNSW-NB15数据集进行验证，未在其他数据集上测试泛化能力	开发更有效和灵活的网络入侵检测系统以应对日益复杂的网络威胁	网络流量数据和攻击向量	机器学习	NA	深度学习方法	DNN	网络流量数据	UNSW-NB15数据集	NA	Sequential DNN	准确率,精确率,召回率,F1分数,ROC曲线,混淆矩阵	NA
6011	2025-10-06	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	本研究通过深度学习和机器学习开发膀胱癌血管生成相关预后生物标志物及治疗策略	构建整合机器学习系统筛选血管生成相关基因特征，并利用人工智能药物设计技术开发新型天然化合物作为抗体偶联药物有效载荷	NA	开发膀胱癌血管生成相关预后生物标志物和治疗策略	膀胱癌患者和血管生成相关基因	机器学习	膀胱癌	深度学习, 机器学习, 人工智能药物设计	NA	基因表达数据	NA	NA	NA	NA	NA
6012	2025-10-06	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	开发了一种结合多尺度卷积神经网络和Transformer的深度学习架构Fetal-Net，用于提升母胎超声图像解读能力	首次将多尺度CNN与Transformer层集成，提供同时识别胎儿结构和异常检测的集成解决方案	未明确说明模型在哪些特定成像条件下的性能表现	通过深度学习技术改进母胎超声图像解读，提升产前护理质量	胎儿解剖结构和异常检测	计算机视觉	胎儿发育异常	超声成像	CNN, Transformer	图像	超过12,000张专家标注的超声图像，涵盖不同解剖平面	NA	多尺度CNN, Transformer	精确率, 准确率, 召回率	NA
6013	2025-10-06	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	提出一种专门用于预测跨膜蛋白致病突变并进行细粒度疾病分类的深度学习方法MutDPAL	首次结合跨膜环境特征与疾病编码特征进行细粒度疾病分类，采用基于交叉注意力的疾病-蛋白关联学习方法	NA	识别跨膜蛋白中的致病突变并将其分类到特定疾病类别	人类跨膜蛋白中的错义突变	自然语言处理	多种人类疾病	生物大语言模型	深度学习	蛋白质序列数据	NA	NA	基于交叉注意力的关联学习架构	预测准确率	NA
6014	2025-10-06	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	提出一种结合有限分割模型和改进分类器学习的方法，用于PET影像中脑肿瘤的高精度分割	集成先进的纹理特征提取、深度学习分类和自适应分割方法，有效解决分割离散性问题	未在真实临床数据集上进行验证，未来需要整合微分割和预分类技术	提升脑肿瘤在PET影像中的分割精度和效率	脑肿瘤区域	医学影像分析	脑肿瘤	PET成像	深度学习	医学影像	1000张训练图像和426张测试图像	NA	有限分割模型	准确率, 分类精度, 分类错误率, 分类时间	NA
6015	2025-10-06	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	提出一种基于混合迁移学习的高效深度学习方法来自动识别和分类颈椎骨折	将Inception-ResNet-v2与U-Net上采样组件结合构建新型混合架构，在颈椎骨折识别任务中表现优于传统深度学习模型	仅使用单一公开数据集进行验证，未涉及多中心或外部验证	开发自动化颈椎骨折识别系统以辅助临床诊断	颈椎轴向CT扫描切片	计算机视觉	颈椎骨折	CT扫描	深度学习,迁移学习	医学影像	2,984个测试CT扫描切片	NA	Inception-ResNet-v2,U-Net	准确率	NA
6016	2025-10-06	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	提出一种结合视觉Transformer和核极限学习机的非侵入性新生儿黄疸诊断方法	首次将视觉Transformer与核极限学习机结合用于黄疸图像分类，并采用增强型浣熊优化算法进行超参数调优	仅使用单一黄疸图像数据集进行验证，缺乏多中心临床数据支持	开发有效的非侵入性新生儿黄疸早期诊断系统	新生儿黄疸医学图像	计算机视觉	新生儿黄疸	医学图像处理	Vision Transformer, KELM	医学图像	黄疸图像数据集（具体数量未提及）	NA	Vision Transformer	准确率	NA
6017	2025-10-06	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	本研究通过比较分析旅行时间预测中的各处理步骤，提出了一种融合XGBoost和LSTM优势的基线方法	系统评估了数据预处理各步骤对预测精度的影响，并提出通过门控网络动态融合XGBoost和LSTM的基线方法	仅使用了台湾和加州两个地区的数据集，可能缺乏地理普适性	识别影响旅行时间预测精度的关键因素并开发更有效的预测方法	高速公路旅行时间数据	机器学习	NA	深度学习、数据插补、特征选择	LSTM, XGBoost, 混合模型	时间序列交通数据	台湾和加州两个真实世界数据集	NA	LSTM, XGBoost, 门控网络	预测精度	NA
6018	2025-10-06	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	提出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	使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	仅在四个数据集上进行验证，需要更多临床环境下的实际测试	解决白细胞分类中因领域偏移导致的模型性能下降问题	白细胞图像数据	计算机视觉	血液疾病	深度学习，持续学习	CNN, 基础模型	医学图像	四个数据集（具体数量未明确说明）	NA	ResNet50, RetCCL, CTransPath, UNI	NA	NA
6019	2025-10-06	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	本研究验证了基于深度学习的全身危及器官自动勾画模型在临床实践中的可行性	开发了覆盖全身多个解剖区域（头颈部、胸部、腹部、盆腔）的危及器官自动勾画模型，并首次系统评估了其剂量学影响	研究仅由一位经验丰富的放射肿瘤学家进行手动勾画作为参考标准，且样本量未明确说明	验证深度学习模型在全身危及器官自动勾画中的临床应用价值	全身各解剖区域的危及器官，包括头颈部、胸部、腹部和盆腔器官	数字病理	肿瘤放疗	深度学习	深度学习模型	医学影像	NA	NA	NA	Dice相似系数, 平均表面距离	NA
6020	2025-10-06	Future of Alzheimer's Detection: Advancing Diagnostic Accuracy through the Integration of qEEG and Artificial Intelligence 2025-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121373 PMID:40675424	综述	探讨定量脑电图与人工智能技术在阿尔茨海默病检测诊断中的整合应用	首次系统评估AI增强qEEG在AD诊断中的表现，涵盖多种机器学习算法和深度学习网络	存在数据质量、计算资源和标准化方法方面的挑战	提高阿尔茨海默病的诊断准确性	阿尔茨海默病患者	机器学习	阿尔茨海默病	定量脑电图	CNN, SVM, LDA	脑电信号数据	11项研究，参与者35-890人，平均年龄66.94-74.8岁	NA	卷积神经网络，支持向量机，线性判别分析	准确率，AUC，灵敏度	NA