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
821	2025-05-26	Self-supervised model-informed deep learning for low-SNR SS-OCT domain transformation 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02375-3 PMID:40404743	research paper	介绍了一种基于深度学习的框架SDNet，用于同时去噪和提升扫频光学相干断层扫描（SS-OCT）图像的超分辨率	结合数据驱动的深度学习和模型引导的噪声表示，专门针对SS-OCT成像中极低信噪比（SNR）和低分辨率的挑战，采用两步训练过程，并引入PCA作为自监督去噪策略	未提及具体局限性	提升SS-OCT图像的质量和诊断准确性	扫频光学相干断层扫描（SS-OCT）图像	computer vision	diabetic macular edema (DME)	深度学习	SDNet	image	NA
822	2025-05-26	RecyBat24: a dataset for detecting lithium-ion batteries in electronic waste disposal 2025-May-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05211-5 PMID:40404746	research paper	介绍了一个名为RecyBat24的公开图像数据集，用于检测和分类三种锂电池类型	提出了一个公开可访问的数据集RecyBat24，支持学术研究和工业应用，并通过数据增强技术模拟各种外部条件	未提及具体的数据集规模或标注过程的详细成本	开发一个用于锂电池检测和分类的公开数据集，支持轻量级机器学习模型的应用	三种锂电池类型：Pouch、Prismatic和Cylindrical	computer vision	NA	数据增强技术	轻量级机器学习模型	image	未提及具体样本数量
823	2025-05-26	Optimizing credit card fraud detection with random forests and SMOTE 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00873-y PMID:40404766	研究论文	本文提出了一种基于机器学习的系统，用于检测信用卡欺诈交易，并比较了不同机器学习模型的效果	使用SMOTE技术处理高度不平衡的数据集，并比较了深度学习模型与传统机器学习模型在信用卡欺诈检测中的表现	数据集中的欺诈交易仅占总数的不到0.2%，可能导致模型训练不充分	优化信用卡欺诈检测，减少金融损失	信用卡交易数据	机器学习	NA	SMOTE, 探索性数据分析(EDA)	随机森林(Random Forest), 决策树(DT), Adaboost, 神经网络(ANN)	结构化数据	公开可用的信用卡交易数据集（具体数量未提及）
824	2025-05-26	Bio inspired feature selection and graph learning for sepsis risk stratification 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02889-w PMID:40404796	研究论文	提出一种结合生物启发特征选择和基于图的深度学习的新框架，用于提高脓毒症风险预测的准确性和可解释性	整合了Wolverine优化算法(WoOA)进行特征选择，并采用生成预训练图神经网络(GPT-GNN)建模复杂患者关系，同时应用TOTO元启发式算法进行模型微调	研究基于单一数据集(MIMIC-IV)，可能影响模型在其他患者群体中的泛化能力	开发可扩展且高性能的决策支持工具，用于现实临床环境中的脓毒症风险分层	脓毒症患者	机器学习	脓毒症	Wolverine优化算法(WoOA)，生成预训练图神经网络(GPT-GNN)，TOTO元启发式算法，SMOTE	GPT-GNN，SVM，XGBoost，LightGBM	临床数据	NA
825	2025-05-26	A novel framework for inferring dynamic infectious disease transmission with graph attention: a COVID-19 case study in Korea 2025-May-22, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23059-7 PMID:40405112	研究论文	提出了一种结合多区域分室模型和时空深度学习模型的新型混合框架MPUGAT，用于推断动态传染病传播，并以韩国COVID-19数据为例验证其有效性	MPUGAT利用图注意力机制将静态交通矩阵转化为动态传播矩阵，整合了多种数据类型以提高传染病建模的准确性	研究仅应用于韩国COVID-19数据，未在其他地区或传染病上进行验证	提高传染病传播动态建模的准确性，以支持公共卫生策略制定	COVID-19在韩国的传播动态	机器学习	COVID-19	图注意力网络(GAT)	MPUGAT（结合多区域分室模型和时空深度学习模型）	时间序列数据、交通矩阵	韩国COVID-19数据
826	2025-05-26	Synthesizing [18F]PSMA-1007 PET bone images from CT images with GAN for early detection of prostate cancer bone metastases: a pilot validation study 2025-May-21, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14301-x PMID:40399853	研究论文	本研究探索使用深度学习技术从CT骨图像合成[18F]PSMA-1007 PET骨图像，用于前列腺癌骨转移的早期检测	首次使用GAN模型（Pix2pix和Cycle GAN）从低剂量CT骨图像合成[18F]PSMA-1007 PET骨图像，以减少额外的PET/CT扫描并减轻患者负担	研究样本量较小（152例），且为回顾性研究	探索深度学习技术在前列腺癌骨转移早期检测中的应用	前列腺癌患者和良性病变患者的[18F]PSMA-1007 PET/CT图像	数字病理学	前列腺癌	PET/CT扫描	GAN（Pix2pix和Cycle GAN）	医学影像（CT和PET图像）	152例患者（123例前列腺癌，29例良性病变）
827	2025-05-26	A Deep Learning-Enabled Workflow to Estimate Real-World Progression-Free Survival in Patients With Metastatic Breast Cancer: Study Using Deidentified Electronic Health Records 2025-May-15, JMIR cancer IF:3.3Q2 DOI:10.2196/64697 PMID:40372953	研究论文	本研究开发并验证了一种基于深度学习的半自动化工作流程，用于利用去标识化的电子健康记录数据估计转移性乳腺癌患者的真实世界无进展生存期（rwPFS）	配置了一个预训练的通用医疗NLP框架，将自由文本临床记录和放射学报告转化为结构化进展事件，用于研究转移性乳腺癌队列的rwPFS	需要在更多样化的外部数据集和其他癌症类型上进一步验证以确保更广泛的适用性和泛化性	开发一种快速可靠的方法来确定接受联合治疗的转移性乳腺癌患者的真实世界无进展生存期	转移性乳腺癌患者	自然语言处理	乳腺癌	NLP	深度学习	文本	316名激素受体阳性、HER-2阴性的转移性乳腺癌患者
828	2025-05-26	Generative Deep Learning Design of Single-Domain Antibodies Against Venezuelan Equine Encephalitis Virus 2025-May-14, Antibodies (Basel, Switzerland) DOI:10.3390/antib14020041 PMID:40407693	研究论文	本研究利用生成式人工智能平台设计和初步评估了针对委内瑞拉马脑炎病毒的单域抗体	首次应用生成式AI设计针对VEEV的单域抗体，为缺乏大规模数据库的新兴病毒威胁提供快速应对框架	需要进一步优化和验证AI生成的单域抗体的效果	开发针对委内瑞拉马脑炎病毒（VEEV）的替代治疗策略	委内瑞拉马脑炎病毒（VEEV）及其E2糖蛋白	人工智能在生物医学中的应用	病毒性脑炎	生成式人工智能平台、ELISA、体外中和试验	生成式AI	蛋白质序列数据	已知的甲病毒结合单域抗体数据集
829	2025-05-26	Prediction of Auditory Performance in Cochlear Implants Using Machine Learning Methods: A Systematic Review 2025-May-08, Audiology research IF:2.1Q1 DOI:10.3390/audiolres15030056 PMID:40407670	系统性综述	本文通过系统性综述探讨了机器学习在人工耳蜗植入术后听觉性能预测中的应用	首次系统评估了不同机器学习算法在人工耳蜗植入效果预测中的准确率表现，发现随机森林、决策树（96%）、贝叶斯线性回归（96.2%）和极限学习机（99%）等算法具有较高准确率	在噪声理解等需要时间序列处理的复杂问题上，深度学习应用仍需更多研究，且研究样本量和数据集存在较大差异	评估机器学习方法在预测人工耳蜗植入患者听觉性能方面的应用效果	人工耳蜗植入患者	机器学习	听力损失	机器学习算法（包括随机森林、决策树、贝叶斯线性回归、极限学习机等）	Random Forest, Decision Trees, Bayesian Linear Regression, Extreme machine learning	临床数据和听力学测量数据	59篇符合纳入标准的研究文献（涉及不同数量的患者和数据集）
830	2025-05-26	Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE 2025-May, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401451 PMID:39905872	研究论文	介绍了一种名为PASSAGE的深度学习框架，用于在空间转录组学中识别与表型相关的签名	PASSAGE框架能够有效表征多个异质性空间切片中的表型相关签名，并在系统基准测试中表现出色	NA	提升对复杂组织中细胞组织的理解，特别是在不同生理和病理条件下的空间转录组学分析	空间转录组学数据	生物信息学	NA	空间转录组学(SRT)	深度学习框架	空间转录组学数据	NA
831	2025-05-26	Recent Advances in Structured Illumination Microscopy: From Fundamental Principles to AI-Enhanced Imaging 2025-May, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401616 PMID:40025917	综述	本文介绍了结构光照明显微镜(SIM)的基本原理及其在超分辨率成像中的最新进展，包括光照和调制设备、图像重建算法，以及深度学习技术在SIM成像中的应用	探讨了深度学习技术在SIM成像中的应用，包括提升图像质量、加速成像和重建速度或替代现有图像重建方法，并提出了评估深度学习神经网络的关键指标	未提及具体实验数据或样本量，可能缺乏实证支持	介绍SIM的基本原理和最新进展，探讨深度学习在SIM成像中的应用	结构光照明显微镜(SIM)及其成像技术	生物成像	NA	结构光照明显微镜(SIM), 深度学习(DL)	深度学习神经网络	图像	NA
832	2025-05-26	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	提出了一种基于Transformer的端到端模型Cell-TRACTR，用于显微镜图像中细胞的分割和追踪	使用Transformer架构处理细胞追踪中的空间和全局上下文依赖问题，并引入新的评估指标Cell-HOTA	未提及具体的数据集规模限制或模型计算资源需求	开发更高效的细胞追踪和分割方法	显微镜图像中的细胞	computer vision	NA	deep learning	Transformer	image	细菌在微流体几何结构中生长和哺乳动物细胞在二维环境中生长的数据集
833	2025-05-26	Development and validation of a multivariable risk model based on clinicopathological characteristics, mammography, and MRI imaging features for predicting axillary lymph node metastasis in patients with upgraded ductal carcinoma in situ 2025-Apr-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-89 PMID:40405957	研究论文	开发并验证了一个基于临床病理特征、乳腺X线摄影和MRI影像特征的多变量风险模型，用于预测升级导管原位癌患者的腋窝淋巴结转移	结合临床病理特征、MRI影像组学和乳腺X线摄影深度学习模型，构建了一个融合模型，显著提高了预测腋窝淋巴结转移的准确性和稳健性	研究为回顾性分析，样本量相对有限（326例患者）	预测升级导管原位癌患者的腋窝淋巴结转移，以减少不必要的腋窝手术干预	升级导管原位癌患者	数字病理	乳腺癌	MRI影像组学、深度学习	融合模型（结合临床病理模型、MRI影像组学模型和深度学习模型）	临床病理数据、MRI影像、乳腺X线摄影图像	326例升级导管原位癌患者
834	2025-05-26	Malignant risk prediction of cystic-solid thyroid nodules using a comprehensive model integrating clinical and ultrasound features, ultrasound radiomics, and deep transfer learning 2025-Apr-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2024-551 PMID:40405959	research paper	本研究开发了一个综合模型，结合临床和超声特征、超声放射组学及深度迁移学习，用于预测囊实性甲状腺结节（CSTN）的恶性风险	首次将深度迁移学习（DTL）、超声放射组学与临床和超声特征结合，构建综合模型预测CSTN的恶性风险	研究为回顾性分析，样本量相对较小（278例），且来自单一医疗机构，可能影响结果的普遍性	探索综合模型在预测囊实性甲状腺结节恶性风险中的价值	278例经病理证实的囊实性甲状腺结节患者	digital pathology	thyroid cancer	ultrasound imaging, deep transfer learning, radiomics	logistic regression, LASSO, DTL	ultrasound images	278 patients with cystic-solid thyroid nodules
835	2025-05-26	Detecting arousals and sleep from respiratory inductance plethysmography 2025-Apr-11, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03325-z PMID:40214714	研究论文	本研究开发了一种深度学习算法，用于从呼吸感应体积描记信号中分类睡眠状态和检测唤醒	提出了一种新的深度学习算法，能够仅通过呼吸信号准确识别睡眠状态和短暂唤醒，为家庭睡眠测试提供了更便捷的替代方案	算法的唤醒检测灵敏度相对较低（66.1%），且研究仅针对疑似睡眠障碍的成年人群	开发一种能够替代多导睡眠图的家庭睡眠测试方法，通过呼吸信号评估睡眠状态和唤醒	1299名疑似睡眠障碍的成年人	机器学习	睡眠障碍	呼吸感应体积描记	深度学习算法	呼吸信号	1299名成年人
836	2025-05-26	Attention Rings for Shape Analysis and Application to MRI Quality Control 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047233 PMID:40406668	研究论文	提出了一种基于集成模型和深度学习的新型自动质量控制方法，用于分析ABCD研究中的MRI数据质量	结合了FSQC指标和新型深度学习模型进行脑形状分析，使用皮层厚度、曲率、沟深度和表面积作为输入特征	自动化方法的准确率为72.62%，略低于集成模型的76%	开发自动化的MRI质量控制方法以加速ABCD数据分析	ABCD研究中的MRI数据	数字病理学	NA	MRI, 深度学习	集成模型, 深度学习模型	MRI图像	超过20,000次MRI扫描
837	2025-05-26	Comparison of Deep Learning-Based Auto-Segmentation Results on Daily Kilovoltage, Megavoltage, and Cone Beam CT Images in Image-Guided Radiotherapy 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251344198 PMID:40397131	研究论文	本研究评估了基于深度学习的自动分割模型在不同在线CT成像模态下的自动分割结果	比较了kVCT、kV-CBCT和MVCT图像在深度学习自动分割中的性能差异	所有成像模态的自动分割后仍需人工校正，特别是对于与周围组织对比度有限的器官	评估图像引导放疗中不同CT成像模态的自动分割效果	60名患者的盆腔和胸部区域CT图像	数字病理	NA	CT扫描	CNN	图像	60名患者的每日CT图像
838	2025-05-26	Classification of fashion e-commerce products using ResNet-BERT multi-modal deep learning and transfer learning optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324621 PMID:40403022	研究论文	本研究提出了一种基于多模态深度学习和迁移学习的时尚电商产品分类方法	通过多模态深度学习和迁移学习解决了电商产品分类中的三个挑战：数据偏差、多格式输入数据处理以及高计算成本	未提及具体的数据集规模或模型在不同业务环境中的泛化能力	提高时尚电商平台上产品分类的准确性，以优化搜索和产品曝光	时尚电商平台上的产品	机器学习	NA	迁移学习、多模态深度学习	ResNet-BERT	图像、文本	未提及具体样本数量
839	2025-05-26	EFCRFNet: A novel multi-scale framework for salient object detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323757 PMID:40403088	research paper	提出了一种名为EFCRFNet的新型多尺度特征提取框架，用于显著目标检测	引入了两个创新模块：增强条件随机场（ECRF）和边缘特征增强模块（EFEM），以提升复杂场景下的特征融合和边界识别能力	未提及具体局限性	提升显著目标检测的准确性和特征融合效果	图像中的显著区域	computer vision	NA	多尺度特征提取	EFCRFNet（包含ECRF和EFEM模块）	image	标准基准数据集（未提及具体数量）
840	2025-05-26	Artificial intelligence in vaccine research and development: an umbrella review 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1567116 PMID:40406131	综述	本文通过伞状综述总结了人工智能在疫苗研发、优化、临床试验、供应链物流和公众接受度方面的贡献	首次统一综合了AI在疫苗生命周期各环节的应用证据，并提出了五大针对性行动领域以推动从理论到实践的转化	存在数据异质性、算法偏见、有限监管框架和伦理透明度等问题	评估AI在疫苗研发全周期中的具体作用和有效性	27篇关于AI在疫苗领域应用的系统综述、范围综述、叙述性综述和荟萃分析	人工智能	COVID-19	随机森林、支持向量机、梯度提升、逻辑回归、CNN、RNN、GAN、变分自编码器	传统机器学习与深度学习架构	多组学数据、供应链数据、公众情绪数据	27篇综述文献