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
641	2025-05-15	Spatio-temporal epidemic forecasting using mobility data with LSTM networks and attention mechanism 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94089-9 PMID:40113855	research paper	本研究提出了一种结合LSTM网络和多头注意力机制的深度学习模型，用于短期预测传染病趋势，以日本COVID-19确诊病例和住院数据为例	结合LSTM网络和多头注意力机制，利用移动数据捕捉时空动态，提高预测准确性	研究仅基于日本的数据，可能在其他地区的适用性有限	短期预测传染病趋势以辅助决策制定和疫情控制策略开发	COVID-19确诊病例和住院数据	machine learning	COVID-19	NA	LSTM, attention mechanism	时间序列数据，移动数据	日本COVID-19确诊病例和住院数据
642	2025-05-15	A hybrid object detection approach for visually impaired persons using pigeon-inspired optimization and deep learning models 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92239-7 PMID:40113884	research paper	提出了一种结合鸽群优化和深度学习模型的混合物体检测方法，用于帮助视障人士安全导航	结合了YOLOv10框架、CapsNet和InceptionV3的特征提取模型融合，以及MHA-BiLSTM分类方法，并使用鸽群优化算法进行超参数调优	仅在室内物体检测数据集上进行了验证，未涉及室外复杂环境	开发可靠精确的物体检测系统以帮助视障人士安全导航	视障人士及其周围环境中的物体	computer vision	NA	deep learning, pigeon-inspired optimization	YOLOv10, CapsNet, InceptionV3, MHA-BiLSTM	image	Indoor Objects Detection数据集（具体数量未提及）
643	2025-05-15	Comparison of MRI and CT based deep learning radiomics analyses and their combination for diagnosing intrahepatic cholangiocarcinoma 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92263-7 PMID:40113926	research paper	本研究比较了基于MRI和CT的深度学习放射组学分析及其组合在诊断肝内胆管癌中的效果	开发了CT-MRI跨模态模型，其AUC值最高，显示出在肝脏恶性肿瘤检测中的潜在临床意义	样本量相对较小，训练和测试队列分别为124和54例患者	评估深度学习放射组学分析在诊断肝内胆管癌中的效果	178例经病理证实的原发性肝癌患者	digital pathology	liver cancer	deep learning radiomics analysis	DL radiomics models (DLRS, R, DLRR)	image	178例患者（124例训练队列，54例测试队列）
644	2025-05-15	Data-driven analysis for the evaluation of cortical mechanics of non-adherent cells 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94315-4 PMID:40113954	研究论文	本文提出了一种结合微米级陷阱阵列和深度学习方法的新技术，用于自动化分析非粘附细胞的皮质力学	引入易于制造的可重复使用的聚二甲基硅氧烷基微阱阵列，并应用深度学习方法直接从提取的曲线中自动分析细胞弹性	深度学习模型在从原始数据中提取细胞弹性时的决定系数较低（0.47）	评估非粘附细胞的皮质力学，并研究不同细胞骨架药物对其变形能力的影响	悬浮细胞	生物医学工程	NA	原子力显微镜（AFM）和深度学习	深度学习模型	AFM提取的曲线数据	未明确提及具体样本数量
645	2025-05-15	StainAI: quantitative mapping of stained microglia and insights into brain-wide neuroinflammation and therapeutic effects in cardiac arrest 2025-Mar-20, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07926-y PMID:40114030	研究论文	介绍了一种名为StainAI的深度学习工具，用于快速、高通量分析小胶质细胞形态，并应用于心脏骤停和猿猴免疫缺陷病毒感染的神经炎症研究	开发了StainAI工具，能够从小胶质细胞的免疫组化图像中快速分类和量化形态特征，超越了现有方法的速度和规模	研究主要基于动物模型（大鼠和非人灵长类动物），尚未在人类数据上进行验证	开发一种高通量工具，用于研究小胶质细胞在神经炎症中的形态变化及其与疾病的关系	小胶质细胞	数字病理学	神经炎症	免疫组化	深度学习	图像	大鼠和非人灵长类动物的多张切片，涉及数百万个小胶质细胞
646	2025-05-15	Development of PDAC diagnosis and prognosis evaluation models based on machine learning 2025-Mar-20, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13929-z PMID:40114140	研究论文	本研究利用机器学习技术结合血清生物标志物，建立了胰腺导管腺癌（PDAC）的鉴别诊断和预后评估模型，旨在提高早期诊断率和患者生存率	首次将多种机器学习模型（RF、NNET、SVM、GBM）和DeepSurv深度学习模型应用于PDAC的诊断和预后预测，并基于DeepSurv的风险预测提供个性化治疗建议	样本量相对较小（117例PDAC患者），可能影响模型的泛化能力	提高PDAC的早期诊断准确率和预后评估效果	胰腺导管腺癌（PDAC）患者	机器学习	胰腺癌	机器学习/深度学习	Random Forest (RF), Neural Network (NNET), Support Vector Machine (SVM), Gradient Boosting Machine (GBM), DeepSurv	血清生物标志物数据	117例PDAC患者
647	2025-05-15	Self-supervised VICReg pre-training for Brugada ECG detection 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94130-x PMID:40102504	research paper	该研究开发了一种基于自监督预训练的深度学习模型，用于Brugada综合征（BrS）的心电图（ECG）分类	使用VICReg架构进行自监督预训练，解决了罕见心脏疾病标记数据不足的问题，并在BrS ECG分类中表现优于现有神经网络	研究可能受限于BrS病例的稀缺性，且自监督方法的泛化能力需进一步验证	开发一种无需大量标记数据的深度学习模型，以提高罕见心脏疾病BrS的ECG分类准确性	Brugada综合征（BrS）患者的心电图数据	machine learning	cardiovascular disease	VICReg自监督学习	VICReg	ECG信号数据	未明确提及样本数量，但涉及BrS患者及被漏诊病例
648	2025-05-15	Using Deep Learning to Perform Automatic Quantitative Measurement of Masseter and Tongue Muscles in Persons With Dementia: Cross-Sectional Study 2025-Mar-19, JMIR aging IF:5.0Q1 DOI:10.2196/63686 PMID:40106819	研究论文	本研究探讨了使用深度学习技术对痴呆症患者头部MRI中的肌肉组织进行自动分割和定量的可行性	首次应用深度学习模型对神经认知障碍患者头部MRI中的肌肉体积进行量化，为临床应用中的人工智能方法开辟了新途径	样本量较小（53名参与者），且为横断面研究，无法确定因果关系	评估深度学习技术在神经认知障碍患者肌肉组织定量测量中的可行性，为肌肉减少症的自动检测提供方法	痴呆症患者的头部MRI图像中的肌肉组织（咬肌和舌肌）	数字病理学	老年痴呆症	MRI	U-Net	图像	53名参与者
649	2025-05-15	EEG detection and recognition model for epilepsy based on dual attention mechanism 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90315-6 PMID:40108237	research paper	提出了一种基于双注意力机制的癫痫EEG检测与识别模型STFFDA，用于自动检测癫痫发作	引入双注意力机制的时空特征融合模型STFFDA，直接从原始EEG信号解读癫痫状态，无需大量数据预处理和特征提取	模型在Bonn University数据集上的准确率相对较低（77.65%单次验证，67.24%交叉验证）	加速癫痫诊断并改善患者预后	癫痫患者的EEG信号	digital pathology	epilepsy	EEG信号分析	STFFDA（基于CNN和LSTM的双注意力机制模型）	EEG信号	CHB-MIT和Bonn University数据集
650	2025-05-15	Stroma and lymphocytes identified by deep learning are independent predictors for survival in pancreatic cancer 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94362-x PMID:40108402	研究论文	本研究利用基于U-net架构的深度学习模型，从胰腺导管腺癌(PDAC)的病理切片中自动识别肿瘤、间质和淋巴细胞，并探讨了间质百分比(SIP)和淋巴细胞百分比(LIP)作为生存预测生物标志物的潜力	首次使用深度学习模型从PDAC全切片图像中自动量化SIP和LIP，并证实其作为独立预后因素的价值	研究样本量相对有限(800例)，且为回顾性研究	寻找能够预测PDAC患者个体化生存预后的生物标志物	胰腺导管腺癌(PDAC)患者	数字病理学	胰腺癌	全切片图像分析(WSI)	U-net	病理图像	800例PDAC扫描图像
651	2025-05-15	Evaluation of De Vries et al.: Quantifying cellular shapes and how they correlate to cellular responses 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101242 PMID:40112776	comments	对De Vries等人的研究进行评价，探讨细胞形状量化及其与细胞反应的相关性	NA	NA	评估De Vries等人的研究，探讨细胞形状与细胞反应的关系	细胞形状及其反应	machine learning	NA	NA	NA	NA	NA
652	2025-05-15	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统综述	本文系统综述了利用深度学习模型处理电子健康记录中的序列诊断代码以预测患者结果的研究现状	首次系统评估了序列诊断数据在深度学习模型中的应用情况，并分析了样本量对模型性能的影响及模型的泛化能力	研究方法和结果的异质性较大，且大多数研究存在高偏倚风险	评估序列诊断数据在深度学习模型中的应用情况，分析模型性能与样本量的关系及模型的泛化能力	使用序列诊断代码训练深度学习算法预测患者结果的研究	医疗健康数据分析	多种疾病（包括心力衰竭等）	深度学习	RNN及其衍生模型、Transformer	电子健康记录中的序列诊断代码	84项符合条件的研究（共740篇筛选）
653	2025-05-15	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	meta-analysis	本文通过系统综述和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在利用视网膜成像检测主要精神障碍中的诊断性能	首次通过荟萃分析评估了眼组学方法在精神障碍诊断中的性能，并揭示了其潜在的高诊断准确性	所有研究均存在高偏倚风险，主要由于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型存在过拟合现象，且未发现精神障碍特异性的视网膜标志物	评估眼组学方法在精神障碍诊断中的性能	主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）患者	数字病理学	精神障碍	深度学习、机器学习、逻辑回归模型	NA	视网膜成像（包括彩色眼底摄影、光学相干断层扫描（OCT）和OCT血管造影）	11项研究中的13个诊断模型
654	2025-05-15	Emotion Forecasting: A Transformer-Based Approach 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63962 PMID:40101216	研究论文	本研究利用深度学习和移动设备数据，实时监测和预测精神病患者的情绪状态	结合HMM预处理和transformer模型，提高了多元时间序列预测的稳定性，并利用注意力机制捕获更长的时间依赖性	数据依赖于移动设备和穿戴设备，可能受设备可用性和数据完整性的限制	实现精神病患者情绪状态的实时监测和预测，以提前发现风险情况并调整治疗方案	精神病患者	自然语言处理	精神疾病	HMM, transformer	transformer, HMM	时间序列数据	NA
655	2025-05-15	Optimizing deep neural networks for high-resolution land cover classification through data augmentation 2025-Mar-18, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-13870-5 PMID:40102280	research paper	本研究提出了一种创新的深度学习方法，用于高分辨率土地覆盖分类，解决了小数据集带来的挑战	首次对土地覆盖分类中广泛使用的数据增强方法进行了全面比较和系统评估	研究仅基于西班牙坎塔布里亚地区的数据，可能限制了结果的普适性	优化深度神经网络在高分辨率土地覆盖分类中的性能	高分辨率土地覆盖图像	computer vision	NA	数据增强	U-Net, DeepLabv3+, FCN, PSPNet	image	72个模型在19个不同的训练集上进行训练和验证，最终验证使用了580个样本
656	2025-05-15	Stages prediction of Alzheimer's disease with shallow 2D and 3D CNNs from intelligently selected neuroimaging data 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93560-x PMID:40102464	研究论文	该研究利用浅层2D和3D CNN从智能选择的神经影像数据中预测阿尔茨海默病的不同阶段	提出了一种新颖且高效的基于像素计数的帧选择和裁剪方法，以及可学习的调整器方法，以增强图像质量并显著降低维度	MRI数据的噪声和多维特性需要智能预处理流程，这可能限制了方法的通用性	检测阿尔茨海默病的不同阶段，以辅助诊断和治疗	通过MRI扫描获得的多维神经影像数据	数字病理学	老年疾病	MRI	2D CNN, 3D CNN	图像	NA
657	2025-05-15	Machine learning predicts spinal cord stimulation surgery outcomes and reveals novel neural markers for chronic pain 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92111-8 PMID:40102462	研究论文	本研究应用机器学习预测慢性疼痛患者对脊髓刺激（SCS）手术的反应，并揭示了新的神经标记物	结合主观自我报告、术中获取的EEG数据以及精心设计的机器学习算法，首次用于区分SCS治疗的反应者和非反应者	样本量较小（20名患者），可能影响模型的泛化能力	预测慢性疼痛患者对SCS手术的反应，并探索相关的神经标记物	20名接受SCS手术的慢性疼痛患者	机器学习	慢性疼痛	EEG信号分析、PCA、递归特征消除	决策树	EEG信号、临床特征、患者报告结果	20名慢性疼痛患者
658	2025-05-15	The dietary patterns of water deer recently rediscovered in Northeast China exhibit remarkable similarities to those observed in other regions 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92473-z PMID:40102472	研究论文	本研究通过结合传统的粪便显微组织学分析和深度学习算法，调查了中国东北地区獐的饮食习惯	首次将深度学习算法应用于獐的饮食研究，并验证了该算法在生态研究中的可靠性	研究仅基于粪便样本，可能无法完全反映獐的全部饮食多样性	了解濒危物种獐的饮食习惯，为保护策略提供科学依据	獐（Hydropotes inermis）	生态学	NA	粪便显微组织学分析, 深度学习算法	深度学习模型	图像	暖季203份样本，冷季451份样本
659	2025-05-15	Innovative hand pose based sign language recognition using hybrid metaheuristic optimization algorithms with deep learning model for hearing impaired persons 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93559-4 PMID:40102499	研究论文	本文提出了一种创新的手语识别技术，结合混合元启发式优化算法和深度学习模型，用于听力障碍人士的手势识别	结合ResNeXt101、VGG19和ViT模型进行特征提取，并使用BiGRU分类器进行手势识别，同时采用混合CS-IGWO模型进行参数调优	实验仅在ASL字母数据集上进行，未涉及更复杂的手语场景	提高听力障碍人士手语识别的效率和准确性	听力障碍人士的手势	计算机视觉	听力障碍	深度学习	ResNeXt101, VGG19, ViT, BiGRU	图像	ASL字母数据集
660	2025-05-15	International expert consensus on the current status and future prospects of artificial intelligence in metabolic and bariatric surgery 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94335-0 PMID:40102585	共识研究	本文通过德尔菲法建立了关于人工智能在代谢和减重手术中应用的国际专家共识	首次通过国际专家共识形式系统评估AI在代谢和减重手术中的应用现状与前景	依赖专家主观意见，缺乏实际临床数据验证	评估人工智能在代谢和减重手术中的应用潜力与伦理问题	代谢和减重手术领域	医疗人工智能	代谢疾病	德尔菲法	NA	专家意见	来自35个国家的68位代谢和减重外科专家