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
7041	2025-10-06	An explainable multi-task deep learning framework for crash severity prediction using multi-source data 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09226-1 PMID:40596431	研究论文	提出一种可解释的多任务深度学习框架，用于基于多源数据的交通事故严重程度预测	将增强的深度神经网络与事后解释方法协同整合，同时处理多个预测目标并提供基于SHAP的特征重要性分析	NA	开发可解释的交通事故严重程度预测方法，弥合预测性能与模型可解释性之间的关键差距	交通事故数据，包括伤亡情况和财产损失	机器学习	NA	多任务深度学习	深度神经网络	多源交通数据	2018-2021年四年的中国多源交通数据	NA	增强的深度神经网络	预测准确率	NA
7042	2025-10-06	EFCNet for small object detection in remote sensing images 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09066-z PMID:40596453	研究论文	提出基于YOLOv5改进的EFCNet模型，用于提升遥感图像中小目标检测性能	提出ODCSP-Darknet53骨干网络增强特征提取效率，设计STEBIFPN结构优化小目标信息缩放，采用四头检测网络和ASFF技术提升小目标识别能力	NA	改进遥感图像中小目标检测的准确性和效率	遥感图像中的小目标物体（如桥梁、船舶等）	计算机视觉	NA	深度学习	CNN, YOLO	遥感图像	DOTA和DIOR数据集	PyTorch	YOLOv5, ODCSP-Darknet53, STEBIFPN, ASFF	平均精度均值	模型参数量13.4M，计算量30.2 GFLOPs
7043	2025-10-06	A hybrid XAI-driven deep learning framework for robust GI tract disease diagnosis 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07690-3 PMID:40596500	研究论文	提出一种混合可解释人工智能驱动的深度学习框架，用于胃肠道疾病的精准诊断	集成Swin Transformer与DCNN（EfficientNet-B3、ResNet-50），结合堆叠机器学习分类器与XAI技术（Grad-CAM），显著降低假阴性率	NA	提高胃肠道疾病诊断准确率并增强模型可解释性	胃肠道疾病（包括胃炎、溃疡和癌症）的内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	Swin Transformer, CNN	医学图像	NA	NA	Swin Transformer, EfficientNet-B3, ResNet-50	准确率, 精确率, 召回率, F1分数, 假阴性率	NA
7044	2025-10-06	Physical education teaching design under the STEAM concept using the convolutional neural network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07660-9 PMID:40596563	研究论文	基于STEAM教育理念设计了一个用于体育教学的卷积神经网络模型CNN-STEAM，并通过实验验证其性能优势	首次将STEAM教育理念与卷积神经网络结合应用于体育教学领域，提出CNN-STEAM模型	未详细说明实验数据的具体来源和规模，缺乏与其他先进模型的对比	设计高效的深度学习模型以改进传统体育教学方法	体育教学过程中的数据处理与分析	计算机视觉	NA	深度学习	CNN	NA	NA	NA	CNN, ResNet	准确率, 召回率, F1分数, 响应时间	NA
7045	2025-10-06	Profiling short-term longitudinal severity progression and associated genes in COVID-19 patients using EHR and single-cell analysis 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07793-x PMID:40596577	研究论文	提出CovSF深度学习模型，利用纵向临床记录追踪和预测COVID-19患者短期严重程度进展	结合电子健康记录和单细胞分析，首次实现COVID-19患者短期严重程度纵向进展的追踪与预测	研究仅针对COVID-19患者，模型在更广泛人群中的适用性需要进一步验证	开发能够预测COVID-19患者短期严重程度进展的模型，以优化医疗资源分配	COVID-19住院患者	医疗人工智能	COVID-19	单细胞转录组分析，电子健康记录分析	深度学习模型	临床特征数据，单细胞转录组数据	训练队列4,509例，外部验证队列443例	NA	CovSF	AUROC，敏感性，特异性	NA
7046	2025-10-06	Comparative analysis of sandstone microtomographic image segmentation using advanced convolutional neural networks with pixelwise and physical accuracy evaluation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07211-2 PMID:40596588	研究论文	本研究比较了先进卷积神经网络在砂岩微CT图像分割中的应用，并通过像素级精度和物理精度评估其性能	首次系统比较多种先进CNN架构在岩石图像分割中的表现，并同时评估像素级精度和物理模拟精度	研究仅针对10种砂岩类型的5000张2D切片，样本多样性可能有限	提高储层表征效率，通过深度学习技术精确评估孔隙度和流体流动特性	十种不同类型砂岩的微CT图像	计算机视觉	NA	微CT成像	CNN	图像	5000张2D切片，来自10种不同砂岩类型	NA	Fully Convolutional Networks, Encoder-Decoder Models, Multi-Scale Networks, Dilated Convolution Models, Attention-Based Models, EfficientNetB0-Unet, VGG16-Unet, Enet	F1-score, binary-IOU, Recall, Precision	NA
7047	2025-10-06	ICKAN: A deep musical instrument classification model incorporating Kolmogorov-Arnold network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09493-y PMID:40596651	研究论文	提出一种结合Kolmogorov-Arnold网络的深度乐器分类模型ICKAN，用于音乐信息检索中的乐器分类任务	引入可学习的非线性激活函数和完整的音乐片段，显著提升乐器分类的准确性和实用性	未明确说明模型在更复杂音乐场景（如多乐器同时演奏）下的性能表现	提高音乐信息检索中乐器分类的准确性和实用性	音乐乐器声音	自然语言处理	NA	音频分析	深度学习	音频	30,824个完整音乐短语	NA	Kolmogorov-Arnold Network (KAN)	准确率	NA
7048	2025-10-06	Differential dementia detection from multimodal brain images in a real-world dataset 2025-Jul, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70362 PMID:40596742	研究论文	开发用于真实世界多模态脑影像的深度学习模型，实现不同类型痴呆症的鉴别诊断	首次在真实世界医院数据而非精选基准数据库上训练AI模型进行痴呆症鉴别检测，能够处理异构临床影像并整合多种数据类型	未专门处理混杂因素，模型决策主要基于皮质下脑结构可能忽略其他重要特征	开发能够在真实世界医疗环境中检测神经退行性疾病的AI模型	来自马萨诸塞州总医院的11,015名患者和外部测试集的6,662名患者	数字病理学	老年疾病	多模态脑成像	深度学习	图像,文本	训练集: 183,018张图像来自11,015名患者; 测试集: 125,493张图像来自6,662名患者	NA	NA	AUC	NA
7049	2025-10-06	Eff-ReLU-Net: a deep learning framework for multiclass wound classification 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01785-z PMID:40596936	研究论文	提出了一种基于改进EfficientNet-B0的深度学习模型Eff-ReLU-Net，用于多类别伤口分类	在Eff-ReLU-Net中使用ReLU激活函数替代Swish，并在模型末端添加三个全连接密集层以捕获更多区分性特征	NA	开发有效的伤口分类器，实现快速可靠的伤口分类	慢性伤口	计算机视觉	慢性伤口	深度学习	CNN	图像	使用公开的AZH和Medetec伤口数据集	NA	EfficientNet-B0	准确率, 精确率, 召回率, F1分数	NA
7050	2025-10-06	Deep learning-based lung cancer classification of CT images 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14320-8 PMID:40596973	研究论文	提出一种基于深度学习的CT图像肺结节分类模型DCSwinB，用于区分良恶性肺结节	结合CNN局部特征提取和Swin Transformer全局特征提取的双分支架构，并引入Conv-MLP模块增强相邻窗口连接以捕获3D图像中的长程依赖关系	仅使用LUNA16数据集进行验证，未在其他独立数据集测试泛化能力	提高CT图像中肺结节良恶性分类的准确性和效率	CT图像中的肺结节	计算机视觉	肺癌	CT成像	CNN, Transformer	3D医学图像	数千名患者的标注CT扫描（LUNA16和LUNA16-K数据集）	PyTorch	Swin-Tiny Vision Transformer, ResNet50, DCSwinB	准确率, 召回率, 特异性, AUC	NA
7051	2025-10-06	Enhanced pulmonary nodule detection with U-Net, YOLOv8, and swin transformer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01784-0 PMID:40596996	研究论文	本研究开发了一种结合U-Net、YOLOv8和Swin Transformer的两阶段深度学习模型，用于增强CT图像中肺结节的检测能力	提出了一种新颖的两阶段检测框架，将U-Net的精确分割能力与结合Swin Transformer增强的YOLOv8检测器相结合，并采用形状感知IoU损失函数优化边界框预测	研究仅使用了公开数据集和单一医院的额外数据，需要更多外部验证来证明模型的泛化能力	开发高精度的肺结节检测模型，特别针对小结节检测，提高检测准确性并降低假阳性率	CT图像中的肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, Transformer	医学图像(CT扫描)	LUNA16数据集的888例CT扫描和天津胸科医院的308例CT扫描	NA	U-Net, YOLOv8, Swin Transformer	精确率, 召回率, mAP50	NA
7052	2025-10-06	Ultrasound-based machine learning model to predict the risk of endometrial cancer among postmenopausal women 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01705-1 PMID:40597002	研究论文	开发并验证基于超声的人工智能诊断模型，用于预测绝经后女性子宫内膜癌风险	结合超分辨率图像增强、放射组学特征和深度学习特征，开发混合诊断模型，显著提高诊断特异性并降低操作者依赖性变异	研究仅包含两个中心的样本，需要更大规模的外部验证	提高子宫内膜癌超声诊断的准确性和一致性	绝经后女性	医学影像分析	子宫内膜癌	超声成像，超分辨率技术	CNN, 机器学习算法	超声图像	1,861名连续入组的绝经后女性	Pyradiomics	CNN	AUROC, 敏感度, 特异度	NA
7053	2025-10-06	Deep learning-based automated classification of choroidal layers in en face swept-source optical coherence tomography images 2025-Jul-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04170-0 PMID:40597023	研究论文	开发基于深度学习的算法，用于自动分类扫频源光学相干断层扫描图像中的脉络膜层	首次将边界增强欠采样和子类集成技术结合ResNet应用于脉络膜层自动分类	仅包含117名健康受试者，未验证在疾病状态下的性能	实现脉络膜层的自动分类和分层	人眼脉络膜层	计算机视觉	眼科疾病	扫频源光学相干断层扫描	CNN	图像	117名健康受试者（117只眼睛），16,025张SS-OCT图像	NA	ResNet	平衡准确率	NA
7054	2025-10-06	Preoperative MRI-based deep learning reconstruction and classification model for assessing rectal cancer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01775-1 PMID:40597035	研究论文	本研究开发了基于术前MRI的深度学习重建和分类模型，用于评估直肠癌的TN分期	首次将深度学习重建技术应用于直肠MRI图像质量提升，并结合深度学习分类模型进行TN分期诊断	回顾性研究，样本量相对有限（178例患者）	评估深度学习重建技术对直肠MRI图像质量的改善效果，并开发TN分期诊断模型	经病理确诊的直肠癌患者	医学影像分析	直肠癌	MRI（T2加权成像、扩散加权成像、对比增强T1加权成像）	深度学习分类模型	医学影像	178例直肠癌患者	NA	NA	AUC, SNR, CNR, 图像质量评分	NA
7055	2025-10-06	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出一种结合深度学习和SVM的混合模型，通过神经影像融合实现阿尔茨海默病的早期诊断	采用注意力驱动学习机制和晚期融合集成策略，将深度学习特征提取与SVM核函数相结合，有效解决数据稀疏性和维度灾难问题	未明确说明样本数据集的具体规模和多样性限制	提高阿尔茨海默病早期诊断的准确性和可靠性	阿尔茨海默病患者神经影像数据	医学影像分析	阿尔茨海默病	MRI, PET, 神经影像融合	深度学习, SVM	神经影像数据	NA	NA	注意力机制, 混合架构	准确率, 灵敏度, 特异性, F1分数, 计算效率	NA
7056	2025-10-06	Deep learning-based dipeptidyl peptidase IV inhibitor screening, experimental validation, and GaMD/LiGaMD analysis 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02295-8 PMID:40597132	研究论文	本研究开发了一种整合深度学习和分子对接的DPP4抑制剂筛选方法，并通过实验验证和分子动力学分析揭示了药物结合机制	整合受体基ConPLex、配体基KPGT和分子对接的联合筛选策略，开发了DPP4META预测服务器和pymd分析工具包	NA	开发高效的DPP4抑制剂筛选方法并研究其结合机制	二肽基肽酶-4(DPP4)抑制剂	机器学习	2型糖尿病	分子对接,高斯加速分子动力学(GaMD),配体高斯加速分子动力学(LiGaMD)	深度学习	分子结构数据	从FDA数据库中筛选出4种潜在药物	Python	ConPLex,KPGT	命中率,IC50值	NA
7057	2025-10-06	RCFLA-YOLO: a deep learning-driven framework for the automated assessment of root canal filling quality in periapical radiographs 2025-Jul-01, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-07483-2 PMID:40597191	研究论文	提出基于深度学习的RCFLA-YOLO框架，用于自动评估根尖周X线片中根管充填质量	首次将YOLOv11架构应用于根管充填质量评估，是学生操作中评估根管充填质量的先驱研究之一	仅评估根管充填长度这一参数，未涵盖根管充填质量的其他评估维度	开发自动评估根管充填质量的决策支持系统，用于牙科临床前教育	根尖周X线片中的根管充填长度评估	计算机视觉	牙科疾病	深度学习	YOLO	X射线图像	735张由专家标注的根尖周X线片	NA	YOLOv11m	精确率, 召回率, F1分数, mAP50	NA
7058	2025-10-06	Multiclass skin lesion classification and localziation from dermoscopic images using a novel network-level fused deep architecture and explainable artificial intelligence 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03051-2 PMID:40597254	研究论文	提出一种网络级融合的深度学习架构，用于皮肤镜图像中皮肤病变的多分类和定位，并结合可解释人工智能技术	设计了网络级融合架构，结合两种深度模型和可解释AI技术，同时实现高精度分类和病变定位	计算资源需求较高且训练时间较长	改进皮肤镜图像中皮肤病变的分类和定位性能	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	深度学习和可解释人工智能	CNN	图像	HAM10000和ISIC2018两个公开数据集	NA	倒残差网络,倒瓶颈网络	准确率,敏感度,精确率,F1分数	NA
7059	2025-10-06	Development and clinical validation of deep learning-based immunohistochemistry prediction models for subtyping and staging of gastrointestinal cancers 2025-Jul-01, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04045-0 PMID:40597706	研究论文	开发并临床验证基于深度学习的免疫组化预测模型，用于胃肠道癌症亚型分型和分期	利用H&E全切片图像自动构建AI-IHC预测模型，并通过多读者多病例研究验证其临床一致性	样本量相对有限（134张训练WSI，150张测试WSI），P53标记一致性中等（70%），Ki-67增殖指数ICC值为0.415	开发自动化深度学习流程预测IHC生物标志物，减少传统IHC检测的时间和组织消耗	胃肠道癌症（食管癌、胃癌、结直肠癌）	数字病理学	胃肠道癌症	免疫组化，H&E染色，全切片图像分析	深度学习	病理图像	134张训练用WSI（含H&E和IHC配对），415,463个图像块；150张测试用WSI来自30名患者	NA	NA	AUC, 准确率, 一致性率, ICC	NA
7060	2025-10-06	Evaluation of a fusion model combining deep learning models based on enhanced CT images with radiological and clinical features in distinguishing lipid-poor adrenal adenoma from metastatic lesions 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01798-8 PMID:40597714	研究论文	评估结合增强CT图像深度学习模型与放射学和临床特征的融合模型在鉴别乏脂肾上腺腺瘤和转移性病变中的诊断性能	首次将基于增强CT图像的深度学习模型与临床放射学特征相结合构建融合模型，并采用SHAP分析解释模型预测结果	单中心回顾性研究，样本量相对有限（416例）	开发机器学习模型用于鉴别乏脂肾上腺腺瘤和转移性肿瘤	416例经病理证实的肾上腺肿瘤患者	医学影像分析	肾上腺肿瘤	增强CT成像	CNN, XGBoost	CT图像, 临床数据	416例肾上腺肿瘤患者，按7:3随机分为训练集和测试集	NA	ResNet50	AUC, 准确率, 敏感度	NA