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
781	2025-07-30	Locality blended next-generation reservoir computing for attention accuracy 2025-Jul-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273597 PMID:40720789	研究论文	本文扩展了一种机器学习算法——下一代储层计算（NGRC），用于预测由Ikeda映射生成的合成数据，Ikeda映射是一种非线性光学腔注入激光束的模型	通过强调局部相位空间中设计的简单多项式模型，并在区域间混合这些模型，提出了一种称为局部混合下一代储层计算的新方法，从而在较小数据集上实现优于深度学习方法的性能，并提供了新的可解释性水平	NA	扩展下一代储层计算（NGRC）算法，以预测非线性光学腔模型（Ikeda映射）生成的时间序列数据	由Ikeda映射生成的合成数据	机器学习	NA	下一代储层计算（NGRC）	局部混合下一代储层计算	时间序列数据	NA
782	2025-07-30	Deep Learning-Based Detection of Ocular Surface Squamous Neoplasia from Ocular Surface Images 2025-Jul, Ocular oncology and pathology IF:0.9Q4 DOI:10.1159/000543766 PMID:40726605	研究论文	本研究探讨了人工智能模型在利用裂隙灯图像检测眼表鳞状上皮瘤（OSSN）中的应用	首次应用深度学习算法（MobileNetV2、Xception和DenseNet121）对OSSN进行三元分类（OSSN、非OSSN眼表病变和正常眼表）	研究为回顾性观察研究，样本量相对较小（n=634），且仅使用单一成像模式（裂隙灯图像）	探索人工智能在眼表鳞状上皮瘤检测中的应用潜力	眼表鳞状上皮瘤（OSSN）、非OSSN眼表病变（OOSD）和正常眼表图像	计算机视觉	眼表鳞状上皮瘤	深度学习	MobileNetV2、Xception、DenseNet121	图像	634张裂隙灯图像（OSSN组163张，OOSD组202张，正常组269张）
783	2025-07-30	Multi-level channel-spatial attention and light-weight scale-fusion network (MCSLF-Net): multi-level channel-spatial attention and light-weight scale-fusion transformer for 3D brain tumor segmentation 2025-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-354 PMID:40727355	研究论文	提出了一种名为MCSLF-Net的新型3D脑肿瘤分割网络，结合了多级通道-空间注意力机制和轻量级尺度融合模块，以提高分割精度和计算效率	整合了多级通道-空间注意力机制(MCSAM)和轻量级尺度融合模块(LSFU)，在保持网络紧凑设计的同时增强边界特征，平衡全局上下文信息和局部细粒度特征	未明确提及具体局限性，但可能面临与其他3D医学图像分割方法类似的挑战，如对小样本数据的泛化能力	开发一种新型3D分割框架，解决精确边界描绘、鲁棒多尺度特征表示和计算效率之间的平衡问题	脑胶质瘤的3D MRI图像分割	数字病理	脑胶质瘤	3D磁共振成像(MRI)	MCSLF-Net（基于CNN的3D分割网络）	3D医学图像	BraTS 2019、BraTS 2020和BraTS 2021数据集（具体样本数量未提及）
784	2025-07-30	Deep learning for predicting the occurrence of tipping points 2025-Jul, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.242240 PMID:40727414	research paper	本文开发了一种深度学习算法，用于预测未训练系统中临界点的发生	该算法不仅优于传统方法，还能准确预测不规则采样的时间序列和实证时间序列中的临界点	NA	预测临界点的发生，以减轻风险、预防灾难性故障和恢复退化系统	时间序列数据	machine learning	NA	deep learning	NA	time series	NA
785	2025-07-30	Novel Snapshot-Based Hyperspectral Conversion for Dermatological Lesion Detection via YOLO Object Detection Models 2025-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070714 PMID:40722406	研究论文	提出了一种基于快照的超光谱转换方法，通过YOLO目标检测模型提高皮肤病变检测的准确性	提出了一种新型的光谱辅助视觉增强器（SAVE），能够一步将标准RGB图像转换为模拟窄带成像表示，并结合YOLO模型提升检测性能	YOLOv8和YOLOv5在WLI模式下表现较差，尽管SAVE有所改善，但仍不及YOLOv10和YOLOv9	提高皮肤病变检测的准确性和实时性	皮肤病变（包括皮肤纤维瘤、苔藓样病变和软纤维瘤）	计算机视觉	皮肤疾病	光谱辅助视觉增强器（SAVE）	YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv5	图像	三种病变类别的白光成像（WLI）和SAVE模态数据
786	2025-07-30	Quantitative Measures of Pure Ground-Glass Nodules from an Artificial Intelligence Software for Predicting Invasiveness of Pulmonary Adenocarcinoma on Low-Dose CT: A Multicenter Study 2025-Jun-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13071600 PMID:40722670	研究论文	本研究评估了基于深度学习的AI软件在低剂量CT上预测纯磨玻璃结节（pGGNs）肺腺癌侵袭性的诊断性能	首次使用商业AI软件的定量测量来预测pGGNs的侵袭性，并比较了AI与放射科医师在测量上的一致性	研究仅基于三个医疗中心的数据，可能缺乏更广泛的代表性	评估AI软件在低剂量CT上预测肺腺癌侵袭性的诊断性能	纯磨玻璃结节（pGGNs）	数字病理	肺癌	低剂量CT（LDCT）	深度学习	图像	388个pGGNs（训练队列198个，测试队列99个，外部验证队列91个）
787	2025-07-30	Analysis of Microbiome for AP and CRC Discrimination 2025-Jun-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070713 PMID:40722405	研究论文	本研究利用机器学习和合成数据技术分析微生物组数据，以区分腺瘤性息肉(AP)和结直肠癌(CRC)患者	采用合成数据生成技术解决微生物组数据不平衡问题，并结合深度学习特征提取和机器学习分类器进行疾病区分	样本量相对较小(148个样本)，且仅针对AP和CRC两种疾病	探索机器学习在微生物组数据分析中的应用，提高疾病分类准确性	61名患者(16名AP患者和46名CRC患者)的148个微生物组样本	机器学习	结直肠癌	Synthetic Data Vault Python库，高斯Copula合成器	逻辑回归模型，支持向量机(SVM)，深度学习分类器	微生物操作分类单元(OTU)计数数据	148个样本(34个AP样本，114个CRC样本)
788	2025-07-30	Deep Learning Spinal Cord Segmentation Based on B0 Reference for Diffusion Tensor Imaging Analysis in Cervical Spondylotic Myelopathy 2025-Jun-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070709 PMID:40722401	研究论文	本研究提出了一种基于深度学习的脊髓DTI图像自动分割方法，旨在解决颈椎病性脊髓病变(CSM)诊断中手动分割的局限性	提出了名为SCS-Net的新型深度学习模型，采用经典U型架构和轻量级特征提取模块，有效缓解训练数据稀缺问题，并支持八区域脊髓分割	研究样本仅来自单一中心的89名CSM患者，可能存在样本代表性不足的问题	开发AI驱动的脊髓DTI图像自动分割方法以辅助CSM诊断	颈椎病性脊髓病变(CSM)患者的脊髓DTI图像	数字病理	颈椎病性脊髓病变	DTI(弥散张量成像)	U-Net架构的SCS-Net	医学影像	89名CSM患者
789	2025-07-30	A Hybrid Framework Integrating Traditional Models and Deep Learning for Multi-Scale Time Series Forecasting 2025-Jun-28, Entropy (Basel, Switzerland) DOI:10.3390/e27070695 PMID:40724412	research paper	提出了一种结合传统统计模型和深度学习模型的多尺度时间序列预测混合框架	设计了一种新颖的多尺度预测机制，结合了传统模型（ARIMA）和深度学习模型（如LSTM和Transformer）的优势，以更好地捕捉短期模式和长期依赖关系	未提及具体局限性	提高时间序列预测在短期和长期范围内的准确性	时间序列数据	machine learning	NA	ARIMA, LSTM, Transformer	混合模型（ARIMA + LSTM/Transformer）	时间序列数据	八个公共数据集（电力、汇率、天气、交通、疾病、ETTh1/2和ETTm1/2）
790	2025-07-30	A Unified Deep Learning Ensemble Framework for Voice-Based Parkinson's Disease Detection and Motor Severity Prediction 2025-Jun-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070699 PMID:40722391	研究论文	本研究提出了一种混合集成学习框架，用于基于生物医学语音特征的帕金森病（PD）联合检测和运动严重程度预测	结合深度多模态融合模型与密集专家路径、多头自注意力和多任务输出分支，同时执行二元分类和回归	未明确提及具体局限性	开发准确且可泛化的模型，用于基于语音的帕金森病监测	帕金森病患者	机器学习	帕金森病	深度多模态融合模型、集成学习策略（Random Forest, Gradient Boosting, XGBoost）	融合模型、XGBoost、深度神经网络	语音特征数据	未明确提及具体样本量
791	2025-07-30	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-Jun-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	research paper	提出了一种名为scAttG的深度学习框架，通过整合染色质可及性和基因组序列信息来改进scATAC-seq数据的细胞类型注释	结合了图注意力网络（GATs）和卷积神经网络（CNNs），同时利用染色质可及性信号和基因组序列特征，提高了细胞类型注释的鲁棒性和准确性	未明确提及具体局限性，但可能受限于数据质量和模型泛化能力	改进单细胞染色质可及性测序（scATAC-seq）数据的细胞类型注释方法	scATAC-seq数据	生物信息学	NA	scATAC-seq	GATs, CNNs	基因组序列数据, 染色质可及性数据	多个scATAC-seq数据集
792	2025-07-30	Identification of Key Genes Associated with Overall Survival in Glioblastoma Multiforme Using TCGA RNA-Seq Expression Data 2025-Jun-27, Genes IF:2.8Q2 DOI:10.3390/genes16070755 PMID:40725410	研究论文	本研究通过机器学习和深度学习方法，利用RNA-Seq基因表达数据识别与胶质母细胞瘤(GBM)总体生存相关的关键基因	结合机器学习和深度学习模型（特别是DeepSurv）识别GBM预后基因表达生物标志物，DeepSurv显示出更高的预测准确性	研究结果需要进一步验证，且样本仅来自TCGA数据库	识别与胶质母细胞瘤(GBM)患者总体生存相关的关键基因，以改善患者分层和治疗计划	胶质母细胞瘤(GBM)患者的RNA-Seq基因表达数据和临床数据	机器学习	胶质母细胞瘤	RNA-Seq	RF, GB, SVM-RFE, RF-RFE, PCA, DeepSurv	基因表达数据	TCGA数据库中的原发性GBM肿瘤数据（具体数量未提及）
793	2025-07-30	Integrating Deep Learning and Transcriptomics to Assess Livestock Aggression: A Scoping Review 2025-Jun-26, Biology DOI:10.3390/biology14070771 PMID:40723331	综述	本文通过综述深度学习与转录组学在评估家畜攻击行为中的应用，探讨了当前研究趋势与未解决的问题	整合深度学习和转录组学两种创新工具，评估家畜攻击行为的研究现状与未来方向	现有研究缺乏两种方法的结合，行为注释不一致，农场实际验证不足，跨模态整合有限	评估深度学习和转录组学在家畜攻击行为研究中的应用现状与趋势	家畜（猪、牛、家禽、小型反刍动物、骆驼、鱼类等）	数字病理学	NA	深度学习视频分析、转录组分析	CNN	视频、转录组数据	268项原始研究（250项AI驱动行为表型研究，18项转录组研究）
794	2025-07-30	Improving the Minimum Free Energy Principle to the Maximum Information Efficiency Principle 2025-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e27070684 PMID:40724400	研究论文	本文提出了一种基于语义信息G理论和语义变分贝叶斯(SVB)的最大信息效率(MIE)原则，以改进最小自由能原理(FEP)	提出了语义变分贝叶斯(SVB)和最大信息效率(MIE)原则，解决了FEP的理论缺陷和局限性	需要结合深度学习方法以实现更广泛的应用	改进最小自由能原理(FEP)，提出更优的信息处理原则	信息处理原则、语义信息理论	机器学习	NA	语义变分贝叶斯(SVB)、变分贝叶斯(VB)方法	NA	NA	NA
795	2025-07-30	TFSNet: A Time-Frequency Synergy Network Based on EEG Signals for Autism Spectrum Disorder Classification 2025-Jun-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15070684 PMID:40722277	研究论文	本文提出了一种基于EEG信号的时间-频率协同网络（TFSNet），用于提高自闭症谱系障碍（ASD）分类的准确性	提出了动态残差块（TDRB）增强时域特征提取，结合短时傅里叶变换（STFT）、卷积注意力机制和变换技术捕获频域信息，并设计了自适应跨域注意力机制（ACDA）实现时间-频率特征的高效融合	实验数据集规模较小（Sheffield大学数据集包含28名ASD患者和28名健康对照，KAU数据集包含12名ASD患者和5名健康对照）	提高自闭症谱系障碍（ASD）EEG信号分类的准确性	自闭症谱系障碍（ASD）患者和健康对照的EEG信号	数字病理学	自闭症谱系障碍	短时傅里叶变换（STFT）	TFSNet（时间-频率协同网络）	EEG信号	Sheffield大学数据集：28名ASD患者和28名健康对照；KAU数据集：12名ASD患者和5名健康对照
796	2025-07-30	EnsembleNPPred: A Robust Approach to Neuropeptide Prediction and Recognition Using Ensemble Machine Learning and Deep Learning Methods 2025-Jun-25, Life (Basel, Switzerland) DOI:10.3390/life15071010 PMID:40724513	研究论文	提出了一种名为EnsembleNPPred的集成学习框架，用于神经肽的预测和识别	结合传统机器学习模型和深度学习组件，通过多数投票机制整合三种分类器的输出，提高了预测的鲁棒性和泛化能力	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	开发一种计算预测工具，用于优先考虑实验验证的候选神经肽序列	神经肽（NPs）	机器学习	NA	集成学习、深度学习	SVM、Extra Trees、CNN	序列数据	未明确提及具体样本数量，但使用了NeuroPep数据库中的多个神经肽家族进行测试
797	2025-07-30	Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning 2025-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070686 PMID:40722378	研究论文	提出了一种基于可穿戴传感器融合和深度学习的自动化UPDRS步态评分框架	结合表面肌电信号和惯性测量单元数据，通过端到端网络模拟临床医生的多维评估	样本量较小（21名PD患者和健康对照者）	自动化评估帕金森病（PD）的步态，减少传统UPDRS评估的时间和主观性	帕金森病患者的步态数据	机器学习	帕金森病	表面肌电信号（EMG）和惯性测量单元（IMU）数据融合	深度学习	传感器信号	21名PD患者和健康对照者
798	2025-07-30	Multi-Step Natural Gas Load Forecasting Incorporating Data Complexity Analysis with Finite Features 2025-Jun-23, Entropy (Basel, Switzerland) DOI:10.3390/e27070671 PMID:40724388	研究论文	本研究旨在量化天然气负荷数据的复杂性特征，并开发一个考虑这些特征的多步预测模型	通过结合数据分解和集成深度学习，同时考虑复杂性特征，提出了一种新的多步预测方法	未提及具体的数据集规模或实际应用中的潜在限制	提高天然气负荷预测的准确性和鲁棒性	天然气负荷数据	机器学习	NA	数据分解、集成深度学习	XGBoost、VMD、GRU	时间序列数据	NA
799	2025-07-30	Artificial Intelligence in the Diagnostic Use of Transcranial Doppler and Sonography: A Scoping Review of Current Applications and Future Directions 2025-Jun-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070681 PMID:40722373	综述	本文综述了人工智能在经颅多普勒(TCD)和彩色经颅多普勒(TCCD)诊断应用中的当前进展和未来方向	探讨了AI如何通过自动化图像采集、优化信号质量和提高诊断准确性来克服TCD和TCCD依赖操作者专业知识和主观解释的局限性	存在数据标准化、算法可解释性以及将这些工具整合到临床实践中的重大挑战	评估AI在TCD和TCCD成像中的应用，以提升神经血管和诊断成像的领域	经颅多普勒(TCD)和彩色经颅多普勒(TCCD)成像数据	医学影像	脑血管疾病	机器学习、深度学习、卷积神经网络(CNN)	CNN	图像	41项研究
800	2025-07-30	A Review of Artificial Intelligence Models for Detecting Breast Arterial Calcification on Mammograms and Their Clinical Implications 2025-Jun, Cureus DOI:10.7759/cureus.86894 PMID:40726851	综述	本文综述了人工智能模型在乳腺X光片中检测乳腺动脉钙化（BAC）及其临床意义的最新进展	探讨了AI模型（如CNN、DU-Net、DoG-GAN和SCU-Net）在BAC检测中的高准确性和自动化潜力，及其在心血管疾病风险分层中的临床价值	未提及具体模型的局限性或数据集的潜在偏差	评估AI和机器学习在自动化BAC检测中的应用，以改善心血管疾病的风险评估和预防	乳腺X光片中的乳腺动脉钙化（BAC）	数字病理学	心血管疾病	深度学习	CNN, DU-Net, DoG-GAN, SCU-Net	图像	NA