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	2025-08-11	Multi-module UNet++ for colon cancer histopathological image segmentation 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13636-6 PMID:40775016	研究论文	本研究提出了一种名为RPAU-Net++的多模块增强分割架构，用于结肠癌组织病理学图像的精确分割	整合了ResNet-50编码器、联合金字塔融合模块和卷积块注意力模块到UNet++框架中，形成多模块协同融合的分割架构	未提及具体局限性	提高结肠癌病理图像分割的准确性	结肠癌组织病理学图像中的腺体和细胞轮廓	数字病理学	结肠癌	深度学习	RPAU-Net++（基于UNet++的改进模型）	图像	GlaS、CoNIC和PanNuke数据集（具体样本数量未提及）
62	2025-08-11	Novel radiotherapy target definition using AI-driven predictions of glioblastoma recurrence from metabolic and diffusion MRI 2025-Aug-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01861-2 PMID:40775041	研究论文	本研究利用AI驱动的代谢和扩散MRI预测模型，改进胶质母细胞瘤放疗靶区的定义	结合生物相关的代谢和生理影像数据及深度学习模型，预测肿瘤进展区域，显著提高了放疗靶区定义的特异性	研究未提及模型在其他类型肿瘤或更大样本中的适用性	改进胶质母细胞瘤患者的放疗临床靶区定义	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	代谢和扩散MRI	深度学习模型	MRI影像	未明确提及样本数量
63	2025-08-11	Accurate segmentation of localized fuel cladding chemical interaction layers in SEM micrographs with deep learning method 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14927-8 PMID:40775268	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
64	2025-08-11	Intelligent text analysis for effective evaluation of english Language teaching based on deep learning 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14320-5 PMID:40775439	研究论文	本研究提出了一种基于深度学习的混合特征跨提示自动作文评分模型（HFC-AES），用于智能文本分析以有效评估英语教学	结合文本结构特征和注意力机制，采用对抗训练优化特征提取并增强跨提示适应性，相比现有基于Transformer的评分模型表现出更强的鲁棒性和语义建模能力	NA	提高英语教学中学生写作能力评估的效率和准确性	学生的英语作文	自然语言处理	NA	深度学习	DNN, 分层神经网络	文本	NA
65	2025-08-11	The analysis of interactive furniture design system based on artificial intelligence 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14886-0 PMID:40775453	研究论文	本研究优化了一个基于物联网和人工智能的家具定制交互设计系统，通过GAN生成多样化的设计方案，并结合VR技术实现用户与定制家具的实时互动	采用GAN生成家具设计方案，结合VR技术实现实时互动，并通过Kano模型评估不同用户群体的交互偏好	未提及具体样本量或实验规模，可能影响结果的普遍性	提升家具定制中的用户交互体验	家具定制系统的用户交互体验	人机交互	NA	GAN, VR	GAN	用户偏好数据	NA
66	2025-08-11	Advanced skin cancer prediction with medical image data using MobileNetV2 deep learning and optimized techniques 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14963-4 PMID:40775513	研究论文	本研究提出了一种基于MobileNetV2架构的深度学习模型，通过模因算法优化超参数，用于皮肤癌的早期诊断	采用模因算法进行超参数调优，结合全局和局部搜索技术，提高了模型的性能和资源效率	未提及模型在不同肤色或罕见皮肤病变类型上的泛化能力	开发高精度且可解释的自动化皮肤癌诊断系统	皮肤病变医学图像	数字病理学	皮肤癌	深度学习	MobileNetV2	医学图像	NA
67	2025-08-11	Building digital histology models of transcriptional tumor programs with generative deep learning for pathology-based precision medicine 2025-Aug-07, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01502-z PMID:40775734	研究论文	该研究利用生成式深度学习技术，从组织学图像中预测转录程序的活性水平，并生成合成数字模型，以支持病理学为基础的精准医学	通过生成对抗网络（GAN）从组织学图像中分离出支持特定转录预测的图像特征，并生成转录程序的细胞组织学合成数字模型	研究主要针对鳞状细胞癌（SCC），可能不适用于其他类型的肿瘤	开发一种方法，从广泛可用的组织学切片中检测分子生物学过程，以支持精准肿瘤学	鳞状细胞癌（SCC）患者的RNA-seq数据和组织学图像	数字病理学	鳞状细胞癌	RNA-seq，生成对抗网络（GAN）	GAN	图像，RNA-seq数据	NA
68	2025-08-11	OCELOT 2023: Cell detection from cell-tissue interaction challenge 2025-Aug-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103751 PMID:40782597	research paper	该论文介绍了OCELOT 2023挑战赛，旨在通过多尺度细胞和组织注释数据集促进细胞检测模型的研究	提出通过理解细胞与组织之间的相互作用来提升细胞检测模型的性能，并展示了多尺度语义结合的重要性	数据集仅包含来自六个器官的673对图像，可能不足以覆盖所有细胞与组织相互作用的复杂性	验证细胞与组织相互作用对细胞检测模型性能的影响，并加速该领域的研究	来自TCGA的306张全切片图像中的细胞和组织	digital pathology	NA	deep learning	NA	image	673对图像（来自306张全切片图像）
69	2025-08-11	Artificial intelligence in forensic neuropathology: A systematic review 2025-Aug-07, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2025.102944 PMID:40782772	系统综述	本文综述了人工智能在法医神经病理学中的应用，重点关注其在解释仪器和组织病理学数据以支持专业诊断方面的能力	系统性地总结了人工智能在法医神经病理学中的关键进展，特别是机器学习和深度学习技术的应用	仅纳入了34篇相关文献，可能未涵盖所有相关研究	探讨人工智能在法医神经病理学中的应用及其在死亡原因调查中的价值	创伤性脑损伤（包括颅内出血或脑微出血）以及癫痫和SUDEP（包括能诱发癫痫活动的脑部疾病和中枢神经系统肿瘤）	数字病理学	神经病理学相关疾病	机器学习和深度学习	NA	医学影像和组织病理学数据	34篇相关文献
70	2025-08-11	HCNS:A deep learning model for identifying essential proteins based on hypergraph convolution and sequence features 2025-Aug-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115949 PMID:40783109	研究论文	提出了一种基于超图卷积和序列特征的深度学习模型HCNS，用于准确识别必需蛋白质	HCNS模型整合了超图卷积网络模块、序列特征提取模块和多层感知器识别模块，显著提高了必需蛋白质识别的准确性	NA	提高必需蛋白质识别的准确性	蛋白质	生物医学研究	NA	深度学习	HGCN, CNN, MHSA, Bi-LSTM, NAG Transformer, MLP	蛋白质相互作用网络数据、蛋白质复合物数据、蛋白质氨基酸序列数据	NA
71	2025-08-11	Hybrid Neural Networks for Precise Hydronephrosis Classification Using Deep Learning 2025-Aug-07, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.08.005 PMID:40783131	research paper	开发并评估一种深度学习框架，用于自动分割肾脏超声图像中的肾脏和液体区域，以提高肾积水的诊断准确性和减少评估变异性	提出了一种结合DenseNet201、FPN和SelfONN层的混合神经网络框架，用于多尺度特征提取和提高空间精度	未来工作将集中在模型优化和引入可解释AI以增强临床整合	提高肾积水的诊断准确性和减少评估变异性	肾脏超声图像中的肾脏和液体区域	digital pathology	hydronephrosis	deep learning	DenseNet201, FPN, SelfONN	image	1,731 renal ultrasound images
72	2025-08-11	Probability-Based Early Warning for Seasonal Influenza in China: Model Development Study 2025-Aug-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73631 PMID:40769217	研究论文	本研究开发了一种基于概率的机器学习模型，用于中国季节性流感的早期预警	提出了一种基于概率的预警系统，取代传统的二元分类方法，提供连续的风险评估，提高了预警的灵活性和准确性	未来研究需要整合实时监测数据和动态传播模型以提高预警的精确度	开发一种创新的流感早期预警系统，提高预警的准确性和灵活性	中国北方和南方的季节性流感监测数据	机器学习	季节性流感	Dense ResNet, SVM, 随机森林, XGBoost, LSTM	Dense ResNet	监测数据	2014-2024年中国北方和南方的流感监测数据
73	2025-08-11	Alzheimer's disease risk prediction using machine learning for survival analysis with a comorbidity-based approach 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14406-0 PMID:40770222	研究论文	本研究使用机器学习进行生存分析，结合共病方法预测阿尔茨海默病的风险	采用生存分析技术预测从认知正常到轻度认知障碍的转变时间，并考虑了基线共病的预测价值	研究依赖于特定数据库（ADNI和AIBL），可能限制了结果的普遍适用性	提高阿尔茨海默病的早期检测和理解其进展的策略	老年人从认知正常到轻度认知障碍的转变时间	机器学习	阿尔茨海默病	生存分析	fast random forest	人口统计学、认知评分和共病数据	来自ADNI和AIBL数据库的数据
74	2025-08-11	Development of a deep learning based approach for multi-material decomposition in spectral CT: a proof of principle in silico study 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09739-9 PMID:40770244	研究论文	本研究开发了一种基于深度学习的多材料分解方法，用于在光谱CT中量化碘、钆和钙	采用深度学习技术克服传统光谱CT材料分解方法在算法校准和信号质量方面的挑战	研究基于合成数据集和计算机模拟，尚未在真实临床数据上验证	开发更精确的光谱CT多材料分解方法	光谱CT图像中的碘、钆和钙材料	医学影像分析	NA	深度学习	双阶段网络架构	合成CT图像数据	圆柱体模型和虚拟患者模型数据集
75	2025-08-11	An attack detection method based on deep learning for internet of things 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14808-0 PMID:40770483	研究论文	提出了一种基于深度学习的物联网攻击检测方法，通过特征选择和时空信息提取提高检测性能	结合遗传算法进行特征选择，采用成本敏感函数解决攻击流量稀缺问题，并利用CNN和LSTM网络提取时空信息	未提及方法在实时性方面的表现，以及在不同类型物联网设备上的泛化能力	提高物联网攻击检测的准确性和性能	物联网网络流量数据	机器学习	NA	深度学习	CNN, LSTM	网络流量数据	两个物联网基准数据集
76	2025-08-11	Development and evaluation of deep neural networks for the classification of subtypes of renal cell carcinoma from kidney histopathology images 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10712-9 PMID:40764501	研究论文	本研究开发了一种名为RenalNet的高效深度学习架构，用于从肾脏组织病理学图像中分类肾细胞癌亚型	提出了一种新的深度学习架构RenalNet，能够同时捕获三个不同尺度的跨通道和空间间特征，并引入了MCRT和GCDL模块以增强模型性能	研究依赖于特定数据集（TCGA），可能在其他数据集上的泛化能力有限	开发一个高效且鲁棒的深度学习模型，用于自动分类肾细胞癌亚型	肾细胞癌（RCC）的组织病理学图像	数字病理学	肾癌	深度学习	CNN	图像	来自TCGA的H&E染色WSIs，并在病理学家监督下获取ROIs生成图像块
77	2025-08-11	YOLO-LeafNet: a robust deep learning framework for multispecies plant disease detection with data augmentation 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14021-z PMID:40764650	research paper	提出了一种名为YOLO-LeafNet的深度学习框架，用于多物种植物病害检测，并通过数据增强提高模型性能	提出了一种新的YOLO-LeafNet模型，在检测多种植物叶片病害方面表现优于YOLOv5和YOLOv8	仅针对四种特定植物（葡萄、甜椒、玉米和马铃薯）的病害进行检测，可能不适用于其他植物	开发一种高效的植物病害检测方法以减少农作物经济损失	葡萄、甜椒、玉米和马铃薯的叶片图像	computer vision	plant disease	data augmentation	YOLO-LeafNet, YOLOv5, YOLOv8	image	8850张叶片图像
78	2025-08-11	Interactive 3D segmentation for primary gross tumor volume in oropharyngeal cancer 2025-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13601-3 PMID:40764730	研究论文	本文提出了一种基于交互式深度学习的3D分割方法，用于口咽癌原发肿瘤体积的精确分割	引入了新颖的两阶段交互式点击优化框架(2S-ICR)，并实现了最先进的算法	NA	提高口咽癌放疗中原发肿瘤体积(GTVt)的自动分割准确性	口咽癌患者的原发肿瘤体积	数字病理	口咽癌	深度学习	2S-ICR框架	医学影像	使用2021年HEad和neCK TumOR数据集进行开发，并使用德克萨斯大学MD安德森癌症中心的外部数据集进行评估
79	2025-08-11	The First Seasonal Green View Index Mapping Dataset across Chinese cities powered by deep learning 2025-Aug-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05706-1 PMID:40764774	research paper	该研究提出了首个基于深度学习的中国城市季节性绿视率指数（GVI）映射数据集SGVI-2023，用于支持跨城市和季节性的城市绿色监测	首次利用多源遥感数据和深度学习技术，构建了覆盖19个中国主要城市的季节性GVI数据集，解决了传统方法依赖街景图像的局限性	数据集仅覆盖了中国19个主要城市，可能无法完全代表其他地区或小城市的绿视情况	开发一个能够支持跨城市和季节性分析的城市绿视率监测数据集	中国19个主要城市的绿视率	computer vision	NA	深度学习，多源遥感数据处理	NA	卫星图像和街景图像（SVI）	约100万对2019至2023年间的卫星和SVI数据样本
80	2025-08-11	Artificial intelligence: a new era in prostate cancer diagnosis and treatment 2025-Aug-05, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126024 PMID:40769449	review	本文综述了人工智能在前列腺癌诊断和治疗中的革命性应用	人工智能技术，特别是机器学习和深度学习，通过分析影像数据提高诊断准确性，并结合临床、基因组和影像数据进行风险评估和预后，实现个性化治疗	认识到人工智能在前列腺癌管理中可能面临的潜在挑战	探讨人工智能如何改善前列腺癌的诊断和治疗策略	前列腺癌患者	digital pathology	prostate cancer	machine learning, deep learning	NA	imaging data (MRI, ultrasound), clinical data, genomic data	NA