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
61	2025-06-16	Robust Bayesian brain extraction by integrating structural subspace-based spatial prior into deep neural networks 2025-Jun-09, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102572 PMID:40516207	research paper	提出了一种结合结构子空间先验和深度学习的贝叶斯脑提取方法，以提高脑提取的准确性和鲁棒性	将结构子空间先验（表示为混合特征模态）与基于深度学习的分类相结合，以实现准确和鲁棒的脑提取	未提及具体局限性	提高脑提取的准确性和鲁棒性，以支持脑发育、衰老和神经系统疾病的研究	脑图像	digital pathology	neurological disorders	deep learning	multi-resolution, position-dependent neural network, patch-based fusion network	image	多机构数据集，包括健康扫描、病变图像以及受噪声和伪影影响的图像
62	2025-06-16	Robust S3Former deep learning model for the direct diagnosis and prediction of natural organic matter (NOM) from three-dimensional excitation-emission-matrix (3D-EEM) data 2025-Jun-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123994 PMID:40516405	research paper	本研究提出了一种名为S3Former的深度学习模型，用于直接从三维激发-发射矩阵（3D-EEM）数据中诊断和预测天然有机物（NOM）的种类和浓度	开发了结合稀疏空间光谱（S3）感知注意力机制的Transformer框架，构建了新型深度学习模型S3Former，用于复杂场景下NOM种类和浓度的识别与预测	在更复杂的NOM混合物和超滤过程中，模型的预测准确率有所下降	提高水环境中天然有机物的监测效率和准确性	天然有机物（NOM）的种类和浓度	machine learning	NA	3D-EEM荧光光谱	S3Former (基于Transformer的深度学习模型)	三维光谱数据	包含一元和二元NOM物种的数据集
63	2025-06-16	Performance of machine and deep learning models for predicting delirium in adult ICU patients: A systematic review 2025-Jun-07, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106008 PMID:40513381	系统综述	本文系统综述了机器学习和深度学习模型在预测ICU成人患者谵妄中的应用及其方法学质量	总结了2018至2024年间的研究，评估了不同模型的预测性能，并指出了高级深度学习模型在处理复杂时间序列数据方面的潜力	研究普遍存在过拟合、缺乏外部验证以及对缺失数据处理不完整等问题，且多为回顾性设计，限制了临床推广性	评估机器学习和深度学习模型在预测ICU患者谵妄中的性能和方法学质量	ICU成人患者	机器学习	谵妄	机器学习和深度学习	逻辑回归、随机森林、循环神经网络、梯度提升	临床数据	11项研究，样本量从140到48451名参与者不等
64	2025-06-16	Exploring Generative Pre-Trained Transformer-4-Vision for Nystagmus Classification: Development and Validation of a Pupil-Tracking Process 2025-Jun-06, JMIR formative research IF:2.0Q4 DOI:10.2196/70070 PMID:40478723	research paper	本研究开发并验证了一种基于GPT-4V模型的眼球震颤分类新方法，通过瞳孔追踪过程提高分类的准确性和效率	首次将GPT-4V这一先进的大规模语言模型应用于眼球震颤分类，开发了瞳孔追踪过程，并验证了其在六种眼球震颤类型分类中的潜力	模型在垂直和扭转性眼球震颤分类上准确率较低，需要扩大数据集规模和改进输入方式以提高所有类型的分类性能	评估GPT-4V模型在眼球震颤分类中的应用效果，开发更准确高效的分类方法	眼球震颤患者	computer vision	vertigo	pupil-tracking process	GPT-4V	video, image	NA
65	2025-06-16	O-GEST: Overground gait events detector using b-spline-based geometric models for marker-based and markerless analysis 2025-Jun-06, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112803 PMID:40516373	研究论文	介绍了一种基于B样条的几何模型算法O-GEST，用于在无测力板情况下检测地面步态事件	提出两种几何模型集成到自动算法中，利用运动学数据进行步态事件检测，并能够处理噪声轨迹和缺失足部标志点的情况	未明确提及算法在极端病理步态或复杂环境下的表现	提高无测力板环境下步态事件检测的准确性和可靠性	健康人群及患有单侧髋关节骨关节炎、中风后遗症、帕金森病和脑瘫儿童的患者	生物医学工程	神经系统疾病/骨科疾病	B样条几何建模	几何模型算法	运动学数据	390名受试者（200名健康人，100名髋关节骨关节炎患者，50名中风患者，26名帕金森患者，14名脑瘫儿童）
66	2025-06-16	The Role of Muscle Density in Predicting the Amputation Risk in Peripheral Arterial Disease: A Tissue Composition Study Using Lower Extremity CT Angiography 2025-Jun-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111439 PMID:40507011	研究论文	本研究探讨了肌肉密度在预测外周动脉疾病（PAD）患者截肢风险中的作用，通过下肢CT血管造影分析组织组成	首次系统性地研究了肌肉密度（而非仅肌肉体积）在PAD患者截肢风险预测中的独立预后价值	回顾性研究设计，样本量相对有限（134例患者）	评估肌肉密度作为PAD患者截肢风险预测因子的临床价值	134例接受下肢CT血管造影检查的患者（包括非PAD、轻度PAD和严重肢体缺血患者）	数字病理学	心血管疾病	CT血管造影（CTA）结合深度学习软件分析	深度学习	医学影像	134例患者（2018年1月至2023年12月期间接受检查）
67	2025-06-16	Connectogram-COH: A Coherence-Based Time-Graph Representation for EEG-Based Alzheimer's Disease Detection 2025-Jun-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111441 PMID:40507013	研究论文	提出一种基于信号相干性的时间图表示方法Connectogram-COH，用于EEG信号的阿尔茨海默病检测	将EEG信号转换为具有时间分辨率的图表示，并进一步转化为灰度图像，适用于深度学习分类器	未提及具体样本量及数据集的多样性	开发一种新的EEG信号表示方法以提高阿尔茨海默病的检测准确率	多通道EEG信号	数字病理学	阿尔茨海默病	EEG信号分析	深度学习架构	时间序列数据	NA
68	2025-06-16	PlantDeepMeth: A Deep Learning Model for Predicting DNA Methylation States in Plants 2025-Jun-05, Plants (Basel, Switzerland) DOI:10.3390/plants14111724 PMID:40508398	research paper	介绍了一种名为PlantDeepMeth的深度学习模型，用于预测植物中的DNA甲基化状态	提出了一种新的深度学习模型PlantDeepMeth，专门用于预测植物中的DNA甲基化状态，填补了该领域工具的空白	未提及具体的样本量或数据集的详细描述	开发一种工具以预测植物中的DNA甲基化状态，推动植物基因组学研究	植物中的DNA甲基化状态	machine learning	NA	DNA甲基化测序	深度学习模型	基因组数据	NA
69	2025-06-16	Harnessing Artificial Intelligence and Machine Learning for Identifying Quantitative Trait Loci (QTL) Associated with Seed Quality Traits in Crops 2025-Jun-05, Plants (Basel, Switzerland) DOI:10.3390/plants14111727 PMID:40508402	综述	本文综述了人工智能和机器学习在作物种子质量性状QTL定位中的应用	整合了AI/ML方法在QTL定位中的最新应用，包括多种机器学习模型和深度学习技术，并展示了多组学数据整合的潜力	模型可解释性、生物学验证和计算可扩展性方面仍存在挑战	探索AI/ML在作物种子质量性状QTL定位中的应用，以加速基因组辅助育种	作物种子质量性状（如种子大小、油脂和蛋白质含量、矿物质积累等）	机器学习	NA	LASSO回归、随机森林、梯度提升、ElasticNet、CNN、GNN	多种机器学习模型和深度学习技术	基因组数据、转录组数据、代谢组数据、表型组数据	涉及大豆、小麦、生菜、水稻和棉花等多种作物
70	2025-06-16	Efficient and Non-Invasive Grading of Chinese Mitten Crab Based on Fatness Estimated by Combing Machine Vision and Deep Learning 2025-Jun-05, Foods (Basel, Switzerland) DOI:10.3390/foods14111989 PMID:40509517	研究论文	本文提出了一种基于机器视觉和深度学习的中华绒螯蟹肥满度评估方法，用于高效、非侵入性的质量分级	结合YOLOv5-seg与SE注意力模型，提出改进的条件因子K评估蟹的肥满度，实现100%性别识别准确率和0.995的甲壳分割mAP	研究仅基于2282张RGB图像和300只蟹的生理特征数据，样本量和多样性可能存在局限	开发高效、非侵入性的中华绒螯蟹质量分级方法以满足市场需求	中华绒螯蟹	计算机视觉	NA	机器视觉、深度学习	YOLOv5-seg、SE注意力模型	RGB图像	2282张RGB图像和300只蟹的生理特征数据
71	2025-06-16	AI automated radiographic scoring in rheumatoid arthritis: Shedding light on barriers to implementation through comprehensive evaluation 2025-Jun-05, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2025.152761 PMID:40513204	research paper	该研究开发并验证了一个深度学习模型，用于自动化类风湿关节炎的放射学评分，并评估了其在临床应用中面临的障碍	利用深度学习模型自动化放射学评分，并通过外部测试集进行严格验证，明确了当前临床应用中的障碍	AI系统的表现不及人工评分，无法在研究或临床实践中证明其有效性	开发并验证一个自动化放射学评分的AI系统，以提升类风湿关节炎诊断的效率和可靠性	类风湿关节炎患者的放射学图像	digital pathology	rheumatoid arthritis	deep learning	CNN	image	157名患者和1470张放射学图像用于训练，253名患者和589张放射学图像用于外部测试
72	2025-06-16	Fruit Freshness Classification and Detection Based on the ResNet-101 Network and Non-Local Attention Mechanism 2025-Jun-04, Foods (Basel, Switzerland) DOI:10.3390/foods14111987 PMID:40509513	研究论文	提出了一种基于ResNet-101网络和非局部注意力机制的水果新鲜度分类方法	在ResNet-101中嵌入非局部注意力模块，捕捉水果表面细微特征变化，提升模型在复杂背景下识别腐烂区域和颜色变化的能力	NA	提高水果新鲜度检测的准确性和稳定性，适用于智能农业和智能物流的实时监测任务	水果	计算机视觉	NA	深度学习	ResNet-101, Non-local Attention	图像	NA
73	2025-06-16	Predicting clinical prognosis in gastric cancer using deep learning-based analysis of tissue pathomics images 2025-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108895 PMID:40513510	研究论文	利用基于深度学习的组织病理组学图像分析预测胃癌患者的临床预后	结合机器学习方法和病理组学参数，构建了一个综合预测模型，显著提高了胃癌患者术后生存期的预测准确性	研究为回顾性分析，样本量相对较小（160例患者）	评估基于机器学习的病理组学模型在预测胃癌患者术后总体生存期（OS）中的效用	160例接受根治性手术并有连续随访的胃癌患者	数字病理	胃癌	机器学习、生物信息学分析	GBM（梯度提升机）	图像（病理组学图像）	160例胃癌患者，并使用TCGA和GEO数据库进行验证
74	2025-06-16	Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single-Objective and Multiobjective Continuous Optimization Problems 2025-Jun-04, Evolutionary computation IF:4.6Q1 DOI:10.1162/evco_a_00372 PMID:40514037	research paper	提出了一种名为Deep-ELA的混合方法，结合深度学习和探索性景观分析（ELA）特征，用于单目标和多目标连续优化问题的分析	结合深度学习和ELA特征，预训练四个transformer模型，以学习连续单目标和多目标优化问题的景观深度表示	需要大量标记训练数据，且存在多个特征之间的强相关性	改进探索性景观分析（ELA）特征在单目标和多目标连续优化问题中的应用	单目标和多目标连续优化问题	machine learning	NA	self-supervised pretrained transformers	transformer	numerical features	millions of randomly generated optimization problems
75	2025-06-16	GM-VGG-Net: A Gray Matter-Based Deep Learning Network for Autism Classification 2025-Jun-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111425 PMID:40506998	研究论文	本研究开发了一种基于灰质的深度学习网络GM-VGG-Net，用于自闭症谱系障碍（ASD）的分类	首次单独使用灰质（GM）组织结合VGG网络进行ASD诊断	样本量相对较小，且仅使用了结构MRI数据	开发一种高效的深度学习网络，利用结构MRI脑扫描识别ASD	自闭症谱系障碍（ASD）患者和正常对照（CN）的脑部MRI图像	数字病理学	自闭症谱系障碍	结构磁共振成像（MRI）	VGG-Net	图像	272个MRI T1图像（132个正常对照，140个ASD患者）
76	2025-06-16	Automated Detection of the Kyphosis Angle Using a Deep Learning Approach: A Cross-Sectional Study on Young Adults 2025-Jun-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111422 PMID:40506996	研究论文	本研究开发了一种基于深度学习的自动测量胸椎后凸角度的决策支持系统，旨在避免人体暴露于辐射并减少测量时间	使用卷积神经网络（CNN）自动识别T1和T12点进行图像分割，计算后凸角度，实现了高类内一致性和内部一致性可靠性	研究仅针对健康年轻成年人，未涉及其他年龄段或患有特定疾病的人群	开发一种自动测量胸椎后凸角度的系统，避免辐射暴露并提高测量效率	健康年轻成年人的胸椎后凸角度	计算机视觉	NA	图像分割	CNN	图像	NA
77	2025-06-16	Nondestructive Detection of Rice Milling Quality Using Hyperspectral Imaging with Machine and Deep Learning Regression 2025-Jun-03, Foods (Basel, Switzerland) DOI:10.3390/foods14111977 PMID:40509505	研究论文	本研究利用高光谱成像结合机器学习和深度学习回归方法，无损检测稻米碾磨质量	采用高光谱成像结合多种机器学习和深度学习模型（PLSR、SVR、CNN、BPNN）进行单任务和多任务建模，多任务模型在预测精度上普遍优于单任务模型	仅针对两个水稻品种（秀水121和浙湖粳26）进行了研究，样本多样性可能不足	开发一种无损检测稻米碾磨质量的方法	稻米碾磨质量指标（糙米率BRR、精米率MRR、整精米率HRR）	计算机视觉	NA	高光谱成像	PLSR, SVR, CNN, BPNN	图像	两个水稻品种（秀水121和浙湖粳26）
78	2025-06-16	Effective Identification of Variety and Origin of Chenpi Using Hyperspectral Imaging Assisted with Chemometric Models 2025-Jun-03, Foods (Basel, Switzerland) DOI:10.3390/foods14111979 PMID:40509507	研究论文	本研究提出了一种结合高光谱成像和深度学习的方法，用于快速准确识别陈皮品种和地理来源	首次将高光谱成像与深度学习结合用于陈皮品种和地理来源的无损检测	研究仅涵盖中国13个主要产区的15个陈皮品种，样本来源和数量有限	开发一种快速、无损且经济高效的陈皮质量评估和来源追溯方法	陈皮（Citri Reticulatae Pericarpium）的品种和地理来源	计算机视觉	NA	高光谱成像（HSI）	CNN, PLS-DA, SVM, MLP	高光谱图像	15个陈皮品种，来自中国13个主要产区
79	2025-06-16	Relation equivariant graph neural networks to explore the mosaic-like tissue architecture of kidney diseases on spatially resolved transcriptomics 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf303 PMID:40358510	研究论文	提出了一种名为REGNN的关系等变图神经网络框架，用于分析空间分辨转录组学数据中的异质组织结构	REGNN整合了等变性处理空间区域的n维对称性，并利用位置编码增强晶格中均匀分布节点的相对空间关系	标记良好的空间数据可用性有限	探索肾脏疾病中类似马赛克的组织结构	慢性肾病(CKD)和急性肾损伤(AKI)的肾脏组织	数字病理学	肾脏疾病	空间分辨转录组学(SRT)	REGNN(关系等变图神经网络)	空间转录组数据	来自不同肾脏状况的异质样本(使用10× Visium平台)
80	2025-06-16	NeuroCL: A deep learning approach for identifying neuropeptides based on contrastive learning 2025-Jun-02, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115920 PMID:40466845	research paper	提出了一种基于对比学习和交叉注意力机制的深度学习模型NeuroCL，用于高效识别神经肽	利用对比学习增强类别区分和一致性，结合交叉注意力机制整合预训练大模型和手动编码特征，显著提升神经肽识别性能	未提及具体的数据集规模限制或模型泛化能力测试	开发高效识别神经肽的深度学习模型，为相关疾病的早期诊断和靶向治疗提供科学依据	神经肽（NPs）	machine learning	NA	对比学习，交叉注意力机制	深度学习模型（NeuroCL）	生物分子数据	未明确提及具体样本数量