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	2025-04-24	Modeling Chemical Reaction Networks Using Neural Ordinary Differential Equations 2025-Apr-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00296 PMID:40262040	research paper	该论文提出了一种结合动态建模与深度学习的神经常微分方程方法，用于建模化学反应网络	使用神经常微分方程揭示化学反应网络中隐藏的见解，帮助识别现有经验模型的不足并辅助设计未来的反应网络	NA	通过结合动态建模与深度学习，改进化学反应网络的建模方法	化学反应网络	machine learning	NA	神经常微分方程	neural ordinary differential equations	NA	NA
62	2025-04-24	Enhanced boundary-directed lightweight approach for digital pathological image analysis in critical oncological diagnostics 2025-Apr-22, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251325092 PMID:40262109	研究论文	提出一种轻量化的边界增强数字病理图像识别策略（LB-DPRS），用于恶性骨肿瘤（如骨肉瘤）的紧急诊断	优化Transformer模型的自注意力机制，创新性地实现边界分割增强策略，并引入行列注意力方法以稀疏注意力矩阵，降低计算负担	NA	提高恶性骨肿瘤（如骨肉瘤）紧急诊断的准确性和效率	数字病理图像	数字病理学	骨肉瘤	深度学习	Transformer	图像	NA
63	2025-04-24	Deep learning-based intraoperative visual guidance model for ureter identification in laparoscopic sigmoidectomy 2025-Apr-22, Surgical endoscopy DOI:10.1007/s00464-025-11694-5 PMID:40263136	研究论文	本研究评估了一种基于深度学习的计算机视觉模型在腹腔镜乙状结肠切除术中实时识别左输尿管的性能	使用YOLO 8和11模型进行语义分割，实现了高精度的实时左输尿管识别	样本量有限、手术方法缺乏多样性、手术过程不完整以及缺乏外部验证	评估深度学习模型在腹腔镜乙状结肠切除术中实时识别左输尿管的可行性	腹腔镜乙状结肠切除术中的左输尿管	计算机视觉	乙状结肠疾病	语义分割算法	YOLO 8和11	视频	86例腹腔镜乙状结肠切除术录像，1237张图像
64	2025-04-24	Profiling electric signals of electrogenic probiotic bacteria using self-attention analysis 2025-Apr-22, Applied microbiology and biotechnology IF:3.9Q2 DOI:10.1007/s00253-025-13425-1 PMID:40263148	研究论文	利用自注意力分析技术分析两种产电益生菌的电信号特征	首次使用自组装电路检测两种益生菌在鸡胚绒毛尿囊膜和小鼠肠腔中的电信号，并应用自注意力机制分析信号差异	研究仅针对两种益生菌，样本范围有限	研究产电益生菌的电信号特征及其潜在应用价值	Leuconostoc mesenteroides和Lactococcus lactis两种益生菌	机器学习	NA	自注意力机制	深度学习模块	电信号数据	鸡胚绒毛尿囊膜和小鼠肠腔中的细菌样本
65	2025-04-24	Applications of generative adversarial networks in the diagnosis, prognosis, and treatment of ophthalmic diseases 2025-Apr-22, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06830-9 PMID:40263170	综述	本文综述了生成对抗网络（GANs）在眼科疾病诊断、预后和治疗中的应用	GANs能够解决深度学习模型面临的小样本、不平衡数据集问题，并在个体化疾病管理中展现出预测潜力	GAN技术在临床中的主流应用仍依赖于更大规模的公共数据集进行广泛验证和必要的监管监督	探讨GANs在眼科领域的应用现状及面临的挑战	八种眼科疾病	数字病理学	眼科疾病	GANs	GAN	图像	NA
66	2025-04-24	Effective integration of drone technology for mapping and managing palm species in the Peruvian Amazon 2025-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58358-5 PMID:40263254	research paper	该研究开发了一种结合无人机技术和深度学习的方法，用于精确测绘和管理秘鲁亚马逊地区具有经济价值的棕榈树种	通过无人机可见光谱图像和深度学习技术，实现了大范围内棕榈树种的高精度识别，显著降低了成本和操作时间	方法的平均总体得分仅为74%，识别精度和完整性仍有提升空间	开发精确、景观尺度、物种级别的方法来评估亚马逊地区经济价值棕榈树的分布和丰度	秘鲁亚马逊地区三种具有经济价值的棕榈树种，特别是Mauritia flexuosa	computer vision	NA	visible-spectrum drone imagery, deep learning	deep learning	image	两个社区的数据，具体样本数量未明确说明
67	2025-04-24	Frailty identification using a sensor-based upper-extremity function test: a deep learning approach 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73854-2 PMID:40263276	研究论文	本研究提出了一种结合生物力学和深度学习的方法，用于提高老年人衰弱预测的准确性	首次将上肢功能测试与深度学习模型结合，显著提高了衰弱预测的准确性，并发现肌肉共收缩是关键预测因子	需要更大规模和更多样化的人群进一步验证结果的普适性	提高老年人衰弱预测的准确性	312名参与者（126名非衰弱，145名衰弱前期，41名衰弱）	机器学习	老年疾病	机器学习（ML）和深度学习	LSTM, SVM, logistic regression	生物力学数据	312名参与者
68	2025-04-24	Real-space heterogeneous reconstruction, refinement, and disentanglement of CryoEM conformational states with HetSIREN 2025-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59135-0 PMID:40263313	研究论文	介绍了一种基于深度学习的CryoEM方法HetSIREN，用于在实空间中重建或细化大分子的构象状态	HetSIREN能够进行空间聚焦分析并引入正弦超网络，提高分析能力，同时解决构象异质性与姿态估计纠缠的问题	NA	开发一种新方法以更准确地重建和细化CryoEM中的大分子构象	大分子的构象状态	计算生物学	NA	CryoEM	深度学习	图像	NA
69	2025-04-24	An air target intention data extension and recognition model based on deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98438-6 PMID:40263364	研究论文	提出了一种基于深度学习的空中目标意图数据扩展与识别模型IDERDL，用于解决数据稀缺和时间特征提取不足的问题	首次考虑了意图数据的稀缺性以及时间性，并提出了基于去噪扩散模型的数据生成方法和基于扩张因果卷积的时间块	未提及具体的数据集规模或实际战场应用的验证情况	提高战场态势感知中的空中目标意图识别能力	空中目标的意图数据	机器学习	NA	深度学习	去噪扩散模型、扩张因果卷积、图注意力机制	意图数据	NA
70	2025-04-24	Recognition of chlorophyll rings using YOLOv8 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98659-9 PMID:40263370	研究论文	本研究利用YOLOv8模型识别中尺度海洋涡旋外围的高叶绿素浓度区域（叶绿素环）	首次将YOLOv8模型应用于叶绿素环识别，其泛化能力和准确度超越Swin-Transformer和ResNet等模型	未明确说明模型在复杂海洋环境中的鲁棒性测试结果	开发海洋叶绿素浓度分布分析工具并探究叶绿素环动态特征	中尺度海洋涡旋外围的叶绿素环	计算机视觉	NA	深度学习	YOLOv8	图像	未明确说明样本数量（基于海洋涡旋叶绿素浓度数据）
71	2025-04-24	Revolutionizing Alzheimer's disease detection with a cutting-edge CAPCBAM deep learning framework 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98476-0 PMID:40263406	research paper	该研究提出了一种名为CAPCBAM的新型深度学习框架，用于阿尔茨海默病的早期和准确诊断	CAPCBAM框架创新性地将胶囊网络与卷积块注意力模块（CBAM）结合，通过双重注意力策略提升模型泛化能力并减少信息丢失	虽然胶囊网络和注意力机制已被探索过，但该研究未明确提及在更广泛数据集上的验证情况	开发一个高效准确的深度学习框架用于阿尔茨海默病的早期诊断	阿尔茨海默病的MRI图像数据	digital pathology	geriatric disease	MRI图像分析	CAPCBAM（结合Capsule Networks和CBAM）	image	ADNI数据集（具体样本数量未提及）
72	2025-04-24	Vocal performance evaluation of the intelligent note recognition method based on deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99357-2 PMID:40263420	research paper	本研究旨在优化音符识别能力并提高声乐表演评估的准确性	结合了门控循环单元和注意力机制优化CNN模型，构建了A-GRCNN模型，显著提升了音符识别和声乐表演评估的准确性	未提及具体的数据集规模或多样性限制	优化音符识别技术并提高声乐表演评估的准确性	音符识别和声乐表演评估	machine learning	NA	深度学习（DL）	CNN, GRU, A-GRCNN	音频信号	NA
73	2025-04-24	The shallowest transparent and interpretable deep neural network for image recognition 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92945-2 PMID:40263436	research paper	介绍了一种完全透明的深度学习模型Shallow-ProtoPNet，用于图像识别	提出的Shallow-ProtoPNet不使用任何黑盒部分作为基线，而ProtoPNet使用黑盒模型的卷积层作为基线	模型性能与其他不完全透明的可解释模型相当，可能在某些复杂任务上表现不足	开发一种完全透明的深度学习模型，以提高模型决策的可信度	X射线图像数据集	computer vision	NA	NA	Shallow-ProtoPNet	image	NA
74	2025-04-24	Deep learning based adaptive and automatic measurement of palpebral margin in eyelid morphology 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93975-6 PMID:40263452	research paper	介绍了一种基于深度学习的自适应自动测量方法DeepAAM，用于眼睑形态的量化	首次引入Margin Iris Intersectant Angle (MIA)作为创新评价指标，并通过注意力机制和多算法增强的U-Net架构提高了测量精度	实际应用中可能面临挑战，模型精度仍需进一步提升	提高眼睑形态测量的准确性和自动化水平	眼睑形态的量化测量	computer vision	眼疾	深度学习	U-Net	image	NA
75	2025-04-24	Canopy height and biomass distribution across the forests of Iberian Peninsula 2025-Apr-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05021-9 PMID:40263468	研究论文	利用深度学习框架整合Sentinel-1、Sentinel-2和LiDAR数据，生成伊比利亚半岛森林的高分辨率冠层高度和地上生物量分布图	开发了两个UNET模型，分别基于ALS和GEDI数据，生成了10米分辨率的冠层高度图和50米分辨率的地上生物量图	冠层高度估计在树木覆盖区域的MAE为2-3米，地上生物量估计的MAE约为29 Mg/ha	为环境研究、政策制定和森林管理提供高分辨率的冠层高度和生物量分布图	伊比利亚半岛的森林	遥感	NA	深度学习、Sentinel-1、Sentinel-2、LiDAR、ALS、GEDI	UNET、Random Forest	遥感图像、LiDAR数据	6,308个西班牙国家森林调查(NFI)样地(2017-2019)
76	2025-04-24	Habesha cultural cloth classification using deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98269-5 PMID:40263488	research paper	该研究利用深度学习技术对埃塞俄比亚哈贝沙文化服饰进行分类，特别是针对不同地区的刺绣设计	首次应用CNN模型（VGG16、VGG19和ResNet50v2）对哈贝沙克米斯刺绣设计进行自动分类，并比较了不同模型的性能	样本量相对较小（初始1600张图像，增强后3270张），可能影响模型的泛化能力	识别和分类哈贝沙克米斯刺绣设计的质量，保护文化遗产	埃塞俄比亚哈贝沙文化服饰（特别是来自Gojjam、Gondar、Shewa、Agew和Wollo地区的克米斯）	computer vision	NA	数字图像处理（包括canny边缘检测、局部二值模式和膨胀与轮廓检测）	CNN（包括VGG16、VGG19和ResNet50v2）	image	初始1600张图像，增强后3270张
77	2025-04-24	Efficient human activity recognition on edge devices using DeepConv LSTM architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98571-2 PMID:40263516	research paper	该研究旨在通过TinyML在边缘设备上部署轻量级深度学习模型，用于人类活动识别（HAR）	DeepConv LSTM模型通过有效捕捉空间和时间特征，在轻量级模型中表现最佳，准确率达到98.24%，F1分数为98.23%	NA	在资源受限的边缘设备上部署轻量级深度学习模型以实现高效的人类活动识别	人类活动识别（HAR）	machine learning	NA	TinyML	2D CNN, 1D CNN, DeepConv LSTM	sensor data	NA
78	2025-04-24	Deep learning based ensemble model for accurate tomato leaf disease classification by leveraging ResNet50 and MobileNetV2 architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98015-x PMID:40263518	research paper	提出一种基于深度学习的集成模型，用于准确分类番茄叶部病害	结合MobileNetV2和ResNet50架构，通过改进特征提取层和融合特征图，提高了分类准确率	研究仅使用了公开数据集，未在实际田间环境中验证模型性能	开发高精度的番茄叶部病害自动诊断方法，以支持智能农业	番茄叶部病害图像	computer vision	plant disease	deep learning	CNN (ResNet50和MobileNetV2集成模型)	image	11,000张标注图像，涵盖10种病害类别
79	2025-04-24	Deep learning-aided segmentation combined with finite element analysis reveals a more natural biomechanic of dinosaur fossil 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99131-4 PMID:40263619	research paper	该研究结合深度学习和有限元分析技术，改进了恐龙化石的生物力学分析，使其更接近自然状态	首次将深度学习分割技术与有限元分析结合应用于恐龙化石的生物力学研究，提高了分析的准确性和效率	研究仅应用于Jeholosaurus的股骨标本，需要更多样本来验证方法的普适性	改进化石生物力学分析方法，提高其生物真实性	Jeholosaurus(一种小型双足恐龙)的股骨化石标本	digital pathology	NA	有限元分析(FEA), 深度学习分割	深度学习模型(未指定具体类型)	CT图像	1个Jeholosaurus股骨标本
80	2025-04-24	Corrigendum to: Pollen analysis using multispectral imaging flow cytometry and deep learning 2025-Apr-22, The New phytologist DOI:10.1111/nph.70163 PMID:40263692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA