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
6161	2025-10-06	A deep learning approach for heart disease detection using a modified multiclass attention mechanism with BiLSTM 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09594-8 PMID:40652020	研究论文	提出一种基于改进多类注意力机制和双向长短期记忆网络的深度学习模型用于心脏病检测	提出新型改进多类注意力机制，通过类别感知注意力权重动态调整对输入特征的关注度	NA	提高心脏病分类准确率，解决传统方法的误分类和噪声干扰问题	心脏病患者的心电信号数据	机器学习	心血管疾病	改进自适应带通滤波，小波变换	BiLSTM, 注意力机制	心电信号	6000个样本，14个特征	NA	Deep BiLSTM with Modified Multiclass Attention Mechanism	准确率, 精确率, 召回率, F1分数	NA
6162	2025-10-06	Development and validation of a prognostic model for predicting survival and immunotherapy benefits in melanoma based on metabolism-relevant genes 2025-Jul-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03186-8 PMID:40652057	研究论文	本研究基于代谢相关基因开发并验证了黑色素瘤预后预测和免疫治疗获益评估模型	首次基于代谢相关基因对黑色素瘤患者进行分子分型，并整合深度学习病理特征分析和单细胞RNA测序技术	研究样本量有限，需要进一步临床验证	开发黑色素瘤预后预测模型并评估免疫治疗反应	皮肤 cutaneous 黑色素瘤(SKCM)患者	数字病理学	黑色素瘤	scRNA-seq, western blot, qPCR, IHC, siRNA干扰	LASSO回归, COX回归, 弹性回归, ResNet50	基因表达数据, 病理图像, 单细胞测序数据	NA	ResNet50, Cellprofiler	ResNet50	NA	NA
6163	2025-10-06	Deep learning algorithm for identifying osteopenia/osteoporosis using cervical radiography 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11285-3 PMID:40652099	研究论文	本研究开发了一种基于颈椎X光片识别骨量减少/骨质疏松的深度学习算法	首次利用颈椎X光片通过深度学习算法检测骨质疏松，并与脊柱外科医生的诊断准确性进行比较	样本量较小（训练集200例，测试集30例），需要更大规模的研究验证	验证深度学习算法在颈椎X光片上检测骨量减少/骨质疏松的诊断效能	颈椎疾病患者，包括退行性颈椎病	计算机视觉	骨质疏松	X射线摄影	CNN	医学影像	训练集200例，测试集30例	NA	卷积神经网络	准确率, 灵敏度, 特异性	NA
6164	2025-10-06	Establishing an AI-based diagnostic framework for pulmonary nodules in computed tomography 2025-Jul-12, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-025-03806-7 PMID:40652218	研究论文	开发基于人工智能的CT肺结节诊断框架，提高结节识别和分类性能	提出结合Retina-UNet和SVM的深度学习框架，实现肺结节的自动检测与分类	非孤立性结节检测存在困难，标注数据集规模有待扩大	改进CT扫描中肺结节的识别和分类诊断性能	计算机断层扫描中的肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, SVM	3D-DICOM CT图像	1056张3D-DICOM CT图像	NA	Retina-UNet	准确率, 敏感度, 特异度, AUROC, 阳性预测值, 阴性预测值	NA
6165	2025-10-06	Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders 2025-Jul-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102831 PMID:40653053	研究论文	本文通过系统综述和AI驱动的MRI元迁移学习框架，推进罕见神经系统疾病的诊断	提出结合元学习和迁移学习的Meta_Trans Learning框架，利用小数据集解决罕见神经系统疾病诊断中的数据稀缺问题	研究主要依赖2018-2024年的文献，且罕见疾病患者数据有限可能影响模型泛化能力	探索机器学习和深度学习在神经系统疾病诊断中的应用，提高罕见神经系统疾病的早期检测准确率	神经发育障碍(NDD)、神经生物学障碍(NBD)和神经退行性疾病(ND)	机器学习	神经系统疾病	MRI	机器学习,深度学习	医学影像	NA	NA	Meta_Trans Learning框架	诊断准确率	NA
6166	2025-10-06	Development and retrospective validation of an artificial intelligence system for diagnostic assessment of prostate biopsies: study protocol 2025-Jul-07, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-097591 PMID:40623883	研究论文	开发并回顾性验证用于前列腺活检诊断评估的人工智能系统	首次遵循TRIPOD+AI、PIECES和CLAIM等国际指南系统开发前列腺癌诊断AI系统，并进行全面外部验证	采用回顾性研究设计，缺乏前瞻性验证数据	开发高性能且稳健的AI模型用于前列腺癌诊断和Gleason评分	前列腺核心针穿刺活检样本	数字病理学	前列腺癌	全切片图像分析	深度学习模型	病理图像	来自独立患者、病理实验室和数字化平台的外部数据集	NA	NA	诊断准确性、Gleason评分一致性、癌范围估计、筛状癌和神经周围浸润检测	NA
6167	2025-10-06	A Deep Learning Model Integrating Clinical and MRI Features Improves Risk Stratification and Reduces Unnecessary Biopsies in Men with Suspected Prostate Cancer 2025-Jul-07, Cancers IF:4.5Q1 DOI:10.3390/cancers17132257 PMID:40647554	研究论文	开发了一种整合临床和MRI特征的深度学习模型，用于改进疑似前列腺癌患者的风险分层并减少不必要的活检	首次将临床特征与MRI影像特征（包括PI-RADS分类、病灶大小、位置和前列腺体积）通过深度学习进行整合，实现了更精准的前列腺癌风险预测	回顾性研究设计，样本量相对有限（538例），需要进一步前瞻性验证	提高临床显著性前列腺癌的风险分层准确性，减少不必要的活检	疑似前列腺癌的男性患者	医学影像分析	前列腺癌	磁共振成像	全连接神经网络	临床数据和MRI影像特征	538名男性患者	NA	全连接神经网络	AUC, 敏感性, 特异性	NA
6168	2025-10-06	Automated Sidewalk Surface Detection Using Wearable Accelerometry and Deep Learning 2025-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s25134228 PMID:40648484	研究论文	提出一种利用可穿戴加速度计和深度学习自动检测人行道表面状况的新方法	结合可穿戴传感器和深度学习技术，通过频域转换和滤波处理实现对人行道表面状况的自动化评估	未提及样本规模的具体细节和模型在其他环境下的泛化能力	开发高效、经济且客观的人行道可步行性评估方法	人行道表面状况	机器学习	NA	可穿戴加速度计、FFT、卡尔曼滤波、低通滤波、移动平均滤波	深度学习	加速度信号	NA	NA	NA	准确率	NA
6169	2025-10-06	ResNet-SE-CBAM Siamese Networks for Few-Shot and Imbalanced PCB Defect Classification 2025-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s25134233 PMID:40648488	研究论文	提出一种融合ResNet、SE和CBAM的孪生网络，用于小样本和不平衡数据下的PCB缺陷分类	结合注意力机制和度量学习的孪生网络架构，引入基于SSIM的样本选择方法和高缺陷率训练策略	NA	解决小样本和不平衡数据条件下的工业缺陷检测问题	印刷电路板(PCB)缺陷	计算机视觉	NA	NA	Siamese网络, CNN	图像	良品与缺陷样本比例20:40，缺陷样本最多80个	NA	ResNet, SE, CBAM	准确率, 假阴性率(FNR)	NA
6170	2025-10-06	Entropy, Irreversibility, and Time-Series Deep Learning of Kinematic and Kinetic Data for Gait Classification in Children with Cerebral Palsy, Idiopathic Toe Walking, and Hereditary Spastic Paraplegia 2025-Jul-07, Sensors (Basel, Switzerland) DOI:10.3390/s25134235 PMID:40648490	研究论文	本研究评估统计物理指标在区分儿童异常步态模式中的有效性，并与深度学习模型进行性能比较	首次整合运动学和动力学信息，将统计物理指标与深度学习模型在步态分类中进行系统对比	不同实验室间的性能差异限制了训练模型的泛化能力	提高儿童神经系统和发育性疾病的步态分类准确性	患有脑瘫、特发性趾行和遗传性痉挛性截瘫的儿童以及正常发育儿童	机器学习	神经系统疾病	步态分析	Random Forest, CNN	时间序列数据	528名儿童（81名ITW，300名CP，20名HSP，127名正常对照）	NA	ResNet	分类准确率	NA
6171	2025-10-06	Deep learning-assisted Raman spectroscopy for rapid lactic acid bacteria identification at the colony level 2025-Jul-07, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126662 PMID:40664053	研究论文	提出基于信噪比筛选的自适应菌落拉曼采集方法与拉曼Swin Transformer模型相结合，实现乳酸菌菌落的快速准确鉴定	开发了ACRA-SNR原位光谱采集方法解决菌落空间异质性问题，并首次将Swin Transformer架构应用于拉曼光谱数据分析	对同种不同源菌株的识别准确率仅为70%以上，跨源泛化能力有待提升	实现菌落水平的快速准确鉴定并提高菌落筛选效率	十四种乳酸菌菌株	计算机视觉	NA	拉曼光谱技术	Transformer	光谱数据	14种乳酸菌菌株	NA	Swin Transformer	准确率	NA
6172	2025-10-06	Human-Centric Cognitive State Recognition Using Physiological Signals: A Systematic Review of Machine Learning Strategies Across Application Domains 2025-Jul-05, Sensors (Basel, Switzerland) DOI:10.3390/s25134207 PMID:40648460	系统综述	系统分析2010年至2024年初基于生理信号的认知状态识别研究中机器学习策略的发展趋势和应用领域	揭示了从浅层机器学习向深度学习方法的重大转变，以及从神经影像向多模态生理信号整合的研究趋势	仅纳入使用机器学习和深度学习技术的应用性研究，可能遗漏其他方法学的研究	评估认知状态识别领域机器学习策略的发展历程和应用现状	405篇相关研究文献（从2398条记录中筛选）	机器学习	NA	生理信号采集技术（ECG等）	CNN, 传统机器学习方法	生理信号数据	405篇研究文献	NA	卷积神经网络	NA	NA
6173	2025-10-06	Emerging Techniques of Translational Research in Immuno-Oncology: A Focus on Non-Small Cell Lung Cancer 2025-Jul-04, Cancers IF:4.5Q1 DOI:10.3390/cancers17132244 PMID:40647543	综述	本文重点介绍免疫肿瘤学中用于非小细胞肺癌的转化研究新兴技术	聚焦人工智能、液体活检等新兴技术在NSCLC转化研究中的创新应用	NA	优化非小细胞肺癌的个性化治疗策略	非小细胞肺癌患者	数字病理学	肺癌	单细胞RNA测序, 液体活检	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
6174	2025-10-06	Fault Detection of Cyber-Physical Systems Using a Transfer Learning Method Based on Pre-Trained Transformers 2025-Jul-04, Sensors (Basel, Switzerland) DOI:10.3390/s25134164 PMID:40648419	研究论文	提出一种基于预训练Transformer的迁移学习方法，用于网络物理系统的故障检测	将预训练Transformer架构应用于CPS故障检测，通过迁移学习解决领域偏移问题，并引入SHAP进行可解释性分析	仅在实验室规模的水净化设施数据集上进行验证，需要在实际工业环境中进一步测试	提高网络物理系统在有限故障标签数据条件下的故障检测性能	网络物理系统(CPS)的故障检测	机器学习	NA	迁移学习	Transformer	传感器数据	公开可用的实验室规模水净化设施数据集	NA	Transformer	F1-score, K折交叉验证	NA
6175	2025-10-06	A Dynamic Kalman Filtering Method for Multi-Object Fruit Tracking and Counting in Complex Orchards 2025-Jul-02, Sensors (Basel, Switzerland) DOI:10.3390/s25134138 PMID:40648393	研究论文	提出一种结合改进YOLO检测算法和动态优化卡尔曼滤波的多目标水果跟踪与计数方法	集成改进的YOLO检测模型与带可变遗忘因子的卡尔曼滤波，动态调整历史数据权重以适应观测和运动噪声变化	未明确说明方法在其他类型农作物或更复杂环境中的泛化能力	实现复杂果园环境下水果的连续跟踪和精确计数	果园视频序列中的水果目标	计算机视觉	NA	视频序列分析	YOLO, Kalman filter	视频图像帧	NA	NA	改进的YOLO架构	MOTA, MOTP, 决定系数, 均方根误差	NA
6176	2025-10-06	Validation of a Deep Learning Tool for Detection of Incidental Vertebral Compression Fractures 2025 Jul-Aug 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001726 PMID:39876529	研究论文	本研究验证了一种基于深度学习的椎体压缩骨折检测工具在偶然性椎体压缩骨折检测中的性能	首次在多中心、多厂商环境下验证深度学习工具检测偶然性椎体压缩骨折的性能，并证明其优于临床报告	工具存在各种混杂病理（如许莫氏结节）和临界病例的检测局限性	验证深度学习椎体压缩骨折检测工具在临床环境中的适用性和泛化能力	50岁及以上患者的胸腹部CT扫描图像	医学影像分析	椎体压缩骨折	CT扫描	深度学习算法	医学影像	474例CT扫描（166例阳性，308例阴性）	NA	CINA-VCF v1.0	AUC,准确率,灵敏度,特异性	NA
6177	2025-10-06	Lung cancer diagnosis with GAN supported deep learning models 2025-Jul, Bio-medical materials and engineering IF:1.0Q4 DOI:10.1177/09592989241308775 PMID:39973181	研究论文	本研究使用GAN支持的深度学习模型对肺部CT图像进行分类，以改善肺癌诊断准确性	使用GAN平衡数据集，并结合自定义CNN模型与Faster R-CNN区域提议方法，在肺癌分类任务中达到99%的准确率	数据集规模相对有限（1097张CT图像），未提及外部验证结果	开发高效的肺癌诊断工具，通过深度学习技术对肺部CT图像进行自动分类	肺部CT图像，包括良性、恶性和正常三类	计算机视觉	肺癌	CT成像	CNN, GAN	医学图像	1097张肺部CT图像	NA	VGG19, AlexNet, InceptionV3, ResNet50, 自定义CNN, Faster R-CNN	准确率, 敏感性, 分类精度	NA
6178	2025-10-06	Reconstruction of diploid higher-order human 3D genome interactions from noisy Pore-C data using Dip3D 2025-Jul, Nature structural & molecular biology IF:12.5Q1 DOI:10.1038/s41594-025-01512-w PMID:40038455	研究论文	开发了Dip3D流程从噪声Pore-C数据重建二倍体高阶人类3D基因组相互作用	提出了渐进式单倍型插补策略，将单倍型信息性Pore-C接触率提高14.1倍至76%，实现了传统方法无法提供的全面单倍型信息	方法依赖于高杂合度小鼠数据学习单倍型特征，在低杂合度区域可能效果有限	重建二倍体高阶3D基因组相互作用并分析其与等位基因特异性表达的关系	人类HG001细胞系和小鼠模型	基因组学	NA	Pore-C，单核苷酸变异检测，单倍型分析	深度学习	基因组测序数据，染色质构象捕获数据	HG001细胞系及高杂合度小鼠模型	Clair3	NA	单倍型信息性接触率，噪声减少程度，接触分布均匀性，基因组覆盖度	NA
6179	2025-10-06	A novel algorithm for automated analysis of coronary CTA-derived FFR in identifying ischemia-specific CAD: A multicenter study 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17803 PMID:40170439	研究论文	开发并验证一种结合深度学习和水平集算法的新型CT FFR模型，用于自动识别缺血特异性冠状动脉疾病	首次将深度学习和水平集算法结合用于优化冠状动脉3D重建，实现完全自动化的现场分析	回顾性研究设计，样本量相对有限（198条血管），仅来自四个医疗中心	验证新型CT FFR模型在识别病变特异性缺血性冠状动脉疾病方面的能力	来自171名患者的198条冠状动脉血管	医学影像分析	心血管疾病	冠状动脉CT血管造影，侵入性血流储备分数测量	深度学习, 水平集算法	医学影像数据	171名患者的198条血管	NA	NA	准确率, 敏感性, 特异性, AUC曲线下面积	NA
6180	2025-10-06	Deep learning-based estimation of respiration-induced deformation from surface motion: A proof-of-concept study on 4D thoracic image synthesis 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17804 PMID:40186879	研究论文	提出一种非患者特定的级联集成模型，通过表面运动估计呼吸引起的胸腔组织变形	开发无需患者特定呼吸数据采样的级联集成模型，可直接从表面运动估计胸腔内部变形	研究为概念验证性质，表面运动数据来自4D-CT模拟，未使用真实表面监测数据	通过深度学习从表面运动估计呼吸引起的胸腔组织变形，实现4D胸部图像合成	胸腔组织和呼吸运动	医学影像分析	胸部疾病	4D-CT成像	深度学习模型	4D-CT图像，表面运动数据	训练集：62个4D-CT数据集；测试集：80个4D-CT数据集	NA	级联集成模型	平均均方根误差，平均结构相似性指数，平均绝对误差	NA