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
761	2025-06-12	Cognitive Dysfunction in the Addictions (CDiA): protocol for a neuron-to-neighbourhood collaborative research program 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1455968 PMID:40462873	研究论文	介绍了一项名为‘成瘾中的认知功能障碍’(CDiA)的综合研究计划，旨在填补对执行功能(EFs)在物质使用障碍(SUDs)中作用的理解空白	通过跨学科研究整合临床、生物医学、临床前和健康服务研究，开发与生物心理社会模型一致的政策和干预措施	研究样本仅限于18-60岁的成年人，且随访时间仅为一年	探索执行功能在物质使用障碍中的关键作用及其对功能恢复的影响	寻求SUD治疗的成年人(目标样本量=400)	神经科学与成瘾医学	物质使用障碍	重复经颅磁刺激(rTMS)、深度学习、聚类分析	深度学习	多模态数据(包括临床、生物医学和行为数据)	400名18-60岁的成年人
762	2025-06-12	A deep learning aided bone marrow segmentation of quantitative fat MRI for myelofibrosis patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1498832 PMID:40485725	research paper	该研究使用深度学习U-Net模型自动化定量脂肪MRI中骨髓纤维化患者骨盆骨髓的分割	比较了四种U-Net模型（2D U-Net、2D注意力U-Net、3D U-Net和3D注意力U-Net）在骨髓分割中的性能，发现2D注意力U-Net在股骨和髂骨的骨髓分割中表现最佳	研究仅针对骨髓纤维化患者，样本量为58人，可能限制了模型的泛化能力	自动化骨髓纤维化患者骨盆骨髓的分割	骨髓纤维化患者的骨盆MRI图像	digital pathology	myelofibrosis	quantitative fat MRI	U-Net, 2D attention U-Net, 3D U-Net, 3D attention U-Net	MRI images	58名骨髓纤维化患者的骨盆MRI图像
763	2025-06-12	Identification of Important Diagnostic Genes in the Uterine Using Bioinformatics and Machine Learning 2025, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.39.4 PMID:40486012	研究论文	本研究利用生物信息学和机器学习算法识别子宫癌的重要诊断基因	发现了MEX3B、CTRP2 (C1QTNF2)和AASS这三个新的子宫体子宫内膜癌(UCEC)生物标志物	NA	探索子宫癌诊断和预后的重要基因	子宫体子宫内膜癌(UCEC)患者	生物信息学	子宫癌	RNA测序、深度学习	DNN	基因表达数据	NA
764	2025-06-12	Donor-specific digital twin for living donor liver transplant recovery 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf037 PMID:40486178	research paper	该研究开发了一种基于深度学习的个性化数字孪生模型，用于预测活体肝移植供体的肝脏恢复轨迹	通过整合基因表达数据和肝细胞转换的数学模型，创建了一个个性化的数字孪生模型，能够预测供体特定的恢复轨迹	样本量较小（12名供体），且仅基于血液基因表达数据，可能无法完全反映肝脏再生的复杂性	提高活体肝移植供体的术后护理质量，确保更安全的移植和更好的供体恢复	活体肝移植供体	digital pathology	liver disease	gene expression analysis, deep learning	deep learning-based framework	gene expression data	12名供体
765	2025-06-12	Artificial intelligence based surgical support for experimental laparoscopic Nissen fundoplication 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1584628 PMID:40487013	研究论文	本研究开发了一种基于AI/CV的图像分类模型，用于评估腹腔镜Nissen胃底折叠术的质量指标	首次开发了基于AI/CV的图像分类模型来评估腹腔镜Nissen胃底折叠术的质量指标	研究仅基于猪模型实验，未进行临床Nissen胃底折叠术测试	探索AI/CV在手术支持中的应用，提高手术效果和患者安全性	腹腔镜Nissen胃底折叠术的质量指标	计算机视觉	胃食管反流病	深度学习	EfficientNet	图像	57个视频序列，提取了3,138张图像
766	2025-06-12	Metal artifact reduction combined with deep learning image reconstruction algorithm for CT image quality optimization: a phantom study 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.19516 PMID:40487060	research paper	评估智能金属伪影减少(MAR)算法与不同扫描参数组合对CT图像质量的影响，以确定临床应用的最佳方案	结合深度学习图像重建(DLIR-H)算法与MAR技术，优化金属伪影减少和图像质量	研究基于体模实验，未涉及真实患者数据	优化CT图像质量，减少金属伪影	带有起搏器的体模	医学影像处理	NA	CT扫描，深度学习图像重建(DLIR)，金属伪影减少(MAR)	DLIR-H	CT图像	体模实验，标准剂量(3 mSv)和低剂量(0.5 mSv)各三种扫描电压(70, 100, 120 kVp)
767	2025-06-12	Automatic quantification of left atrium volume for cardiac rhythm analysis leveraging 3D residual UNet for time-varying segmentation of ECG-gated CT 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.039 PMID:40487246	研究论文	本研究提出了一种基于AI的框架，用于分割整个心动周期中的左心房并分类房颤患者	采用定制的Residual 3D-UNet模型和One-Class SVM，实现了对时间变化的ECG门控CT扫描的自动分割和房颤分类	分类器的敏感性较低（70%），存在将房颤误分类为窦性心律的风险	开发一种自动化工具，用于房颤的诊断和管理	左心房体积变化和房颤患者	数字病理学	心血管疾病	ECG门控CT扫描	Residual 3D-UNet, One-Class SVM	3D图像	93例时间变化的ECG门控CT扫描（60例用于分割任务，33例用于分类任务）
768	2025-06-12	ScannerVision: Scanner-based image acquisition of medically important arthropods for the development of computer vision and deep learning models 2025, Current research in parasitology & vector-borne diseases IF:1.7Q3 DOI:10.1016/j.crpvbd.2025.100268 PMID:40487328	研究论文	本文提出了一种基于扫描仪的高通量方法，用于捕获医学重要节肢动物的图像，以生成适合训练机器学习算法的大型数据集	开发了一种新型的扫描仪成像方法，解决了传统显微镜成像视野狭窄的问题，并验证了其图像质量与显微镜相当	未提及样本数量的具体限制或扫描仪方法在特定环境下的适用性问题	开发适用于计算机视觉和深度学习模型的医学重要节肢动物图像采集方法	医学重要节肢动物（如昆虫和蜘蛛）	计算机视觉	NA	扫描仪成像	InceptionV3, ResNet, MobileNetV2	图像	未明确提及具体数量，但涉及多种采样方法（如粘性陷阱、诱蚊陷阱、UV光陷阱）收集的样本
769	2025-06-12	Classification of non-small cell lung cancer by histologic subtype using deep learning in public and private data sets of computed tomography images 2025 Jan-Dec, Radiologia brasileira DOI:10.1590/0100-3984.2024.0093 PMID:40487349	研究论文	开发了一种基于深度学习的系统，用于从CT图像中分类非小细胞肺癌的组织学亚型	使用2D U-Net和VGG16网络进行肿瘤分割和分类，并在公共和私人数据集上验证了其准确性	研究仅针对腺癌和鳞状细胞癌两种亚型，未涵盖其他非小细胞肺癌亚型	开发一个深度学习系统，用于从CT图像中自动分类非小细胞肺癌的组织学亚型	非小细胞肺癌（NSCLC）的CT图像	数字病理学	肺癌	CT成像	2D U-Net, VGG16	图像	28,506张CT图像用于预训练，2,015张用于验证，3,080张腺癌和鳞状细胞癌图像用于分类算法开发
770	2025-06-12	Brain Tumour Detection Using VGG-Based Feature Extraction With Modified DarkNet-53 Model 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/5535505 PMID:40487802	research paper	该研究提出了一种基于改进DarkNet-53模型和VGG特征提取的脑肿瘤检测方法，以提高MRI扫描中脑肿瘤的早期诊断准确率	结合改进的DarkNet-53架构和入侵杂草优化（IWO）算法，优化特征提取过程，显著提高脑肿瘤检测的准确率	研究仅基于3264个MRI扫描样本，可能需要更大规模的数据集验证模型的泛化能力	提高脑肿瘤的早期检测准确率，以改善治疗效果和患者预后	MRI扫描图像中的脑肿瘤	computer vision	brain tumor	deep learning	modified DarkNet-53 with VGG-based feature extraction	MRI images	3264 MRI scans
771	2025-06-12	Automatic identification of human spermatozoa with zona pellucida-binding capability using deep learning 2025, Human reproduction open IF:8.3Q1 DOI:10.1093/hropen/hoaf024 PMID:40487847	研究论文	本研究开发了一种基于深度学习的模型，用于自动识别具有透明带结合能力的人类精子，以预测其受精潜力	首次建立了一个独立于传统精液分析的深度学习模型，基于精子受精能力而非WHO标准进行形态评估	模型目前仅适用于高分辨率、风干、Diff-Quik染色的精子样本，需要进一步研究验证其在其他图像质量和大样本量下的分类性能	开发一种能够预测精子受精潜力的自动化评估方法	人类精子	数字病理学	男性不育症	深度学习	VGG13	图像	1083张Diff-Quik染色图像用于训练，220张用于独立测试，临床验证涉及117名男性患者的33000多张精子图像
772	2025-06-12	Leveraging machine learning in nursing: innovations, challenges, and ethical insights 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1514133 PMID:40487987	综述	本文综述了机器学习在护理领域的应用，探讨其对患者护理、护理实践和医疗保健服务的影响	填补了机器学习在护理领域应用的讨论空白，平衡了技术创新与护理的人本特性	未提及具体研究样本量，且主要基于2019-2023年的文献，可能无法涵盖最新进展	分析机器学习在护理中的整合情况，包括当前应用、挑战、伦理考量和未来发展潜力	护理领域的机器学习应用	机器学习	NA	机器学习	深度学习（如COMPOSER模型）	NA	NA
773	2025-06-12	Enhancing corn industry sustainability through deep learning hybrid models for price volatility forecasting 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323714 PMID:40489457	研究论文	本研究提出了一种基于多模块小波变换的融合预测模型TLDCF-TSD-BBF，用于准确预测短期玉米价格波动，从而提升玉米产业的可持续性	提出了TLDCF-TSD-BBF模型，整合了TLDCF-TSD、BiTCEN、BiLSTM和FECAM等多种技术，显著提高了预测精度和鲁棒性	研究仅针对中国五大玉米产区的价格数据，可能无法完全代表全球其他地区的玉米价格波动情况	解决玉米价格波动对产业可持续性带来的挑战	玉米价格波动	机器学习	NA	小波变换、双向时间卷积增强网络、双向长短期记忆网络、频率增强通道注意力机制	TLDCF-TSD-BBF（整合了BiTCEN、BiLSTM等技术）	时间序列数据	中国五大玉米产区的价格数据
774	2025-06-12	BanglaNewsClassifier: A machine learning approach for news classification in Bangla Newspapers using hybrid stacking classifiers 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321291 PMID:40489455	研究论文	该研究提出了一种综合方法，使用多种机器学习和深度学习技术对孟加拉语新闻文章进行分类	采用混合堆叠分类器，结合双向LSTM和支持向量机，实现了94%的高准确率	研究主要针对孟加拉语这一低资源语言，可能在其他语言上的适用性有待验证	提高孟加拉语新闻分类的准确性和效率	孟加拉语新闻文章	自然语言处理	NA	TF-IDF向量化、word2Vec嵌入	双向LSTM、支持向量机、堆叠元分类器	文本	118,404篇孟加拉语新闻文章
775	2025-06-12	Continuous glucose monitoring combined with artificial intelligence: redefining the pathway for prediabetes management 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1571362 PMID:40491592	综述	本文系统探讨了连续血糖监测(CGM)技术与人工智能(AI)结合在糖尿病前期管理中的潜在应用	结合CGM实时动态监测与AI深度学习分析，提出糖尿病前期精准诊断、个性化干预和决策支持的新模式	面临数据管理、算法优化和伦理问题等挑战	探索CGM与AI结合技术在糖尿病前期管理中的应用潜力	糖尿病前期患者	医疗人工智能	糖尿病	连续血糖监测(CGM), 深度学习	深度学习模型	动态血糖数据	NA
776	2025-06-12	Constructing segmentation method for wheat powdery mildew using deep learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1524283 PMID:40491814	research paper	本研究提出了一种基于深度学习的RSE-Swin Unet方法，用于小麦白粉病图像的准确分割	结合ResNet和SENet改进Swin-Unet架构，有效捕捉图像全局和局部特征，提高分割精度	仅在小麦白粉病和条锈病数据集上进行了测试，未涉及其他作物病害	开发高精度的小麦病害图像分割方法	小麦白粉病和条锈病图像	computer vision	wheat powdery mildew	deep learning	RSE-Swin Unet (改进的Swin-Unet架构)	image	自建小麦白粉病数据集和条锈病数据集（具体数量未提及）
777	2025-06-12	Rice-SVBDete: a detection algorithm for small vascular bundles in rice stem's cross-sections 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1589161 PMID:40491816	研究论文	提出了一种名为Rice-SVBDete的深度学习算法，用于检测水稻茎横截面中的小维管束	在YOLOv8架构中引入了动态蛇形卷积（DSConv）、多尺度特征融合（MFF）机制和新的强大交并比（PIoU）损失函数，以提高对小目标的检测精度	未提及算法在不同光照条件或不同水稻品种上的泛化能力	提高水稻茎横截面中小维管束的检测精度，以支持水稻育种和栽培策略的改进	水稻茎横截面中的小维管束	计算机视觉	NA	深度学习	YOLOv8	图像	未明确提及样本数量
778	2025-06-12	CytoLNCpred-a computational method for predicting cytoplasm associated long non-coding RNAs in 15 cell-lines 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1585794 PMID:40491847	research paper	开发了一种名为CytoLNCpred的计算方法，用于预测15种人类细胞系中与细胞质相关的长链非编码RNA（lncRNA）	克服了以往方法使用噪声数据集和排除在细胞质与细胞核之间无明显差异定位的lncRNA的缺点，开发了基于机器学习和深度学习的新模型	虽然模型表现良好，但基于相关性的特征与机器学习算法结合的表现优于基于大语言模型（LLM）的方法	预测细胞质相关的lncRNA，以更好地理解lncRNA的功能	15种人类细胞系中的lncRNA	生物信息学	NA	机器学习、深度学习、DNABERT-2	机器学习算法、DNABERT-2	序列数据	15种人类细胞系
779	2025-06-12	Early detection of retinal and choroidal microvascular impairments in diabetic patients with myopia 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1609928 PMID:40491952	研究论文	评估和量化糖尿病患者视网膜和脉络膜血流变化，探索其与糖尿病风险因素的关联	结合SS-OCTA和人工智能增强的分割与血管分析，提供了一种精细的早期检测视网膜和脉络膜微血管损伤的方法	样本量较小（n=133），且仅针对特定类型的糖尿病患者	早期检测糖尿病患者视网膜和脉络膜微血管损伤	糖尿病患者（包括无糖尿病视网膜病变、非增殖性糖尿病视网膜病变及高度近视患者）	数字病理	糖尿病视网膜病变	SS-OCTA（扫频源光学相干断层扫描血管成像）	U-Net, ResNet-50	图像	133名糖尿病患者（43名无糖尿病视网膜病变，48名非增殖性糖尿病视网膜病变，42名无糖尿病视网膜病变但高度近视）
780	2025-06-12	Sparse Annotation is Sufficient for Bootstrapping Dense Segmentation 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599135 PMID:38915491	research paper	提出了一种基于深度学习的新方法，通过稀疏的2D标注快速生成密集的3D分割，用于生物成像数据的实例分割任务	开发了一种能够从稀疏2D标注快速生成密集3D分割的深度学习方法，显著减少了人工标注时间和专家需求	未明确提及方法在其他类型生物成像数据上的泛化能力	解决生物成像数据中密集3D重建所需的繁重标注问题	大脑神经纤维网（包含树突、轴突和胶质细胞过程的复杂结构）	digital pathology	NA	serial section electron microscopy	deep learning	3D image	未明确提及具体样本数量