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
8901	2025-05-25	An explainable adaptive channel weighting-based deep convolutional neural network for classifying renal disorders in computed tomography images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110220 PMID:40315718	研究论文	提出了一种名为EACWNet的自动化深度学习模型，用于分类肾脏CT图像中的不同疾病类别	结合了自适应通道加权的深度卷积神经网络和可解释人工智能技术，提高了分类准确率	模型在结石类别的精确度较低，因为结石具有固有的变异性和异质性	提高肾脏疾病诊断的工作流程效率和准确性	肾脏CT图像	计算机视觉	肾脏疾病	深度学习	CNN (VGG-19改进版)	图像	公开可用的肾脏CT图像数据集
8902	2025-05-25	Optimizing stroke lesion segmentation: A dual-approach using Gaussian mixture models and nnU-Net 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110221 PMID:40318493	research paper	本文系统评估了高斯混合模型（GMM）和nnU-Net在识别中风体积治疗相关变化中的有效性	首次将GMM与nnU-Net结合用于中风病灶分割，并评估其在检测治疗诱导变化方面的可靠性	nnU-Net仅基于手动分割训练时无法检测显著的治疗诱导中风体积减少，可能导致假阴性结果	评估不同分割方法在检测中风治疗反应中的有效性	中风病灶分割模型	digital pathology	cardiovascular disease	GMM, nnU-Net	GMM, nnU-Net	image	NA
8903	2025-05-25	Molecular landscape of endometrioid Cancer: Integrating multiomics and deep learning for personalized survival prediction 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110284 PMID:40319755	研究论文	本研究提出了一种结合多组学数据和深度学习的创新生存分析方法，用于子宫内膜样癌的个性化生存预测	开发了一种新的深度学习自编码器，设计了专门用于自编码器的新损失函数，以捕捉生物变量与生存结果之间的复杂非线性关系	NA	研究影响子宫内膜样癌患者预后的因素，识别潜在的生存生物标志物	子宫内膜样癌患者的多组学数据（转录组、甲基化和蛋白质组数据）	数字病理学	子宫内膜癌	多组学分析（转录组、甲基化、蛋白质组）	自编码器（Autoencoder）	多组学数据	来自TCGA-UCEC项目的子宫内膜样癌样本
8904	2025-05-25	Artificial intelligence in fetal brain imaging: Advancements, challenges, and multimodal approaches for biometric and structural analysis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110312 PMID:40319756	review	本文综述了人工智能在胎儿脑成像中的应用，重点探讨了超声和磁共振成像的多模态整合及其在提高诊断准确性方面的潜力	强调了多模态方法整合超声和磁共振成像的互补优势，以及AI在实时诊断工具和人机协作框架中的创新应用	面临的主要挑战包括高质量多样化数据集的稀缺、计算效率不足以及数据隐私和安全的伦理问题	探索人工智能如何提升胎儿脑成像的诊断准确性和效率，改善围产期护理结果	胎儿脑成像，特别是通过超声和磁共振成像进行的生物测量和结构分析	数字病理	NA	超声(US)和磁共振成像(MRI)	深度学习框架和基于注意力的架构	图像	NA
8905	2025-05-25	NFR-EDL: Non-linear fuzzy rank-based ensemble deep learning for accurate diagnosis of oral and dental diseases using RGB color photography 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110279 PMID:40319757	research paper	提出一种基于非线性模糊排序的集成深度学习模型NFR-EDL，用于通过RGB彩色摄影准确诊断口腔和牙齿疾病	结合四种深度CNN基础模型，通过非线性模糊排序和不确定性决策融合，提高诊断准确性和可靠性	未提及模型在多样化人群或不同光照条件下的泛化能力	开发高准确度的AI工具以改善口腔和牙齿疾病的早期诊断	口腔和牙齿疾病	digital pathology	oral and dental diseases	RGB color photography	CNN, NFR-EDL	image	Kaggle, MOD, ODSI-DB, and OaDD datasets
8906	2025-05-25	A transformer-based framework for temporal health event prediction with graph-enhanced representations 2025-Jun, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104826 PMID:40324665	research paper	该研究提出了一种结合图学习和Transformer框架的深度学习方法GLT-Net，用于预测时序健康事件	GLT-Net通过构建患者关联图和共病关联矩阵，利用图神经网络增强诊断代码的特征表示，并通过Transformer-Encoder框架捕捉历史入院记录的时间依赖性	未明确提及具体局限性	预测时序健康事件，深入理解患者健康状况和疾病趋势	患者入院记录和诊断代码	machine learning	NA	图神经网络, Transformer	GLT-Net (结合图学习和Transformer框架)	时序健康事件数据	未明确提及具体样本量
8907	2025-05-25	Interpretable deep neural networks for advancing early neonatal birth weight prediction using multimodal maternal factors 2025-Jun, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104838 PMID:40339967	research paper	本研究提出了一种基于可解释深度神经网络的临床决策支持系统，用于早期预测新生儿出生体重，利用早期妊娠期间的多模态母体因素	创新性地结合了全面的母体因素，特别是营养元素与生理和生活方式变量，使用TabNet架构提高了预测的精确度和可解释性	NA	开发一个临床决策支持系统，早期预测新生儿出生体重，以改善新生儿健康结果	新生儿出生体重及其与母体因素的关系	machine learning	neonatal health	deep learning, TabNet	TabNet	tabular data	广泛的数据集，涵盖多种母体健康指标
8908	2025-05-25	Interpretable and Adaptive GAN-BiLSTM Approach for Cyber Threat Detection in IoMT-based Healthcare 5.0 2025-May-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573097 PMID:40408219	研究论文	提出了一种可解释和自适应的深度学习安全框架，用于检测基于IoMT的Healthcare 5.0中的网络安全威胁	结合GAN平衡数据集，使用BiLSTM识别时间模式和关键特征，并通过SHAP和PFI增强模型决策的透明度	实验仅在NSL-KDD数据集上进行，未在其他数据集验证	解决Healthcare 5.0中网络安全威胁检测的数据不平衡和模型可解释性问题	基于IoMT的Healthcare 5.0系统	机器学习	NA	GAN, BiLSTM, SHAP, PFI	GAN, BiLSTM	网络流量数据	NSL-KDD数据集
8909	2025-05-25	End-to-end prognostication in pancreatic cancer by multimodal deep learning: a retrospective, multicenter study 2025-May-23, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11694-y PMID:40410330	研究论文	通过多模态深度学习对胰腺癌进行端到端预后预测的一项回顾性多中心研究	利用多模态AI模型整合临床变量和增强CT图像，提高了胰腺癌患者短期和长期生存预测的准确性	研究为回顾性设计，可能存在选择偏倚；外部验证集的预测性能有所下降	探索人工智能如何通过整合多源数据提高胰腺癌预后准确性	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	深度学习	多模态AI模型	临床变量和CT图像	开发队列401例患者(荷兰中心)，外部验证队列361例患者(荷兰和西班牙中心)
8910	2025-05-25	WDGBANDTI: A Deep Graph Convolutional Network-Based Bilinear Attention Network for Drug-Target Interaction Prediction with Domain Adaptation 2025-May-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00714-6 PMID:40410523	研究论文	提出了一种基于深度图卷积网络和双线性注意力网络的可解释深度学习框架WDGBANDTI，用于在子结构水平上分析和预测药物-靶标相互作用	结合Deep-GCN和BAN构建可解释框架，能在子结构水平分析药物-靶标相互作用，并通过添加模块增强模型对未识别靶标对的预测能力	未明确提及具体的数据集限制或模型适用范围	提升药物-靶标相互作用预测的准确性和可解释性，促进药物开发和副作用实验	药物分子和靶标蛋白	机器学习	NA	Deep Graph Convolutional Network, Bilinear Attention Network	Deep-GCN, BAN	分子结构数据	多个常用且覆盖广泛的数据库（未明确数量）
8911	2025-05-25	Assessment of contour accuracy in head and neck replanning: Deep learning trained model compared with deformable image registration propagation technique 2025-May-22, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2025.04.004 PMID:40410074	研究论文	评估头颈部重新规划中轮廓的准确性，比较深度学习训练模型与可变形图像配准传播技术	比较了商用预训练深度学习模型和多种DIR工具在头颈部自适应放疗中生成轮廓的准确性，并提供了几何和剂量学指标的详细评估	样本量较小（9名患者），且仅针对头颈部区域	评估和比较深度学习和可变形图像配准技术在头颈部自适应放疗中生成轮廓的准确性	头颈部自适应放疗中的轮廓生成	数字病理	头颈部癌症	深度学习（DL）、可变形图像配准（DIR）	Mirada DLC04, DLC13, DLC14	CT图像	9名患者的18次CT扫描
8912	2025-05-25	Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks 2025-May-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01983-x PMID:40397242	研究论文	开发了一种基于多视角多层级卷积神经网络的人工智能系统，用于乳腺X线摄影中的乳腺癌检测、诊断和BI-RADS分类支持	采用多视角多层级卷积神经网络构建AI系统，显著提升乳腺癌诊断的准确性和BI-RADS分类的精确度	研究仅针对亚洲女性群体，可能在其他种族群体中的适用性有待验证	开发并验证一种AI系统，以提高乳腺癌的检测和诊断准确性，并支持BI-RADS分类	12,433名亚洲女性的24,866个乳房数据	数字病理学	乳腺癌	深度学习	CNN	图像	24,866个乳房数据（来自12,433名亚洲女性）
8913	2025-05-25	Deep learning-based automatic image quality assessment in ultra-widefield fundus photographs 2025-May-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-100058 PMID:40398939	研究论文	本研究开发了一种基于深度学习的自动图像质量评估模型（UWF-IQA模型），用于超广角眼底照片（UWF）的质量评估	使用深度学习模型自动评估UWF眼底照片的质量，并展示了模型与人工评分者之间的一致性优于人工评分者之间的一致性	研究仅使用了4749张UWF图像，样本量可能不足以覆盖所有可能的临床情况	开发自动化的UWF眼底照片质量评估工具，以提高临床诊断和AI开发的准确性	超广角眼底照片（UWF）	计算机视觉	眼科疾病	深度学习	EfficientNet-B3	图像	4749张UWF图像，来自2124名患者
8914	2025-05-25	An automated deep learning framework for brain tumor classification using MRI imagery 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02209-2 PMID:40399378	research paper	提出了一种基于深度学习的自动化框架，用于通过MRI图像进行脑肿瘤分类	结合引导滤波技术和各向异性高斯侧窗(AGSW)提高图像清晰度，并采用注意力模块提取显著特征	未提及在临床环境中的实际应用验证	开发自动化方法以提高脑肿瘤诊断的准确性和效率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	deep neural networks, ensemble model	image	公开数据集BraTS2020和Figshare
8915	2025-05-25	Towards precision agriculture tea leaf disease detection using CNNs and image processing 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02378-0 PMID:40399405	research paper	本研究介绍了一种创新的深度学习模型，用于精确分类茶叶常见病害，采用先进的图像分析技术	模型采用复杂的多层架构，结合残差块设计，有效解决了梯度消失问题，并在农业病害检测中应用了现代深度学习技术	研究仅针对特定地区（孟加拉国锡尔赫特Pathantula）的茶叶病害，可能在其他地区的适用性有限	开发高精度的茶叶病害检测系统，推动精准农业发展	茶叶病害检测	computer vision	植物病害	图像处理	CNN	image	4000张高分辨率茶叶图像（包含病害和健康状态）
8916	2025-05-25	FasNet: a hybrid deep learning model with attention mechanisms and uncertainty estimation for liver tumor segmentation on LiTS17 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98427-9 PMID:40399406	研究论文	介绍了一种名为FasNet的混合深度学习模型，用于在LiTS17数据集上进行肝脏肿瘤分割，以提高分割精度和可靠性	结合ResNet-50和VGG-16架构，引入通道和空间注意力机制以及蒙特卡洛Dropout，以提高分割精度和可靠性	未提及具体局限性	提高肝脏肿瘤分割的精度和可靠性，以支持早期诊断和精确治疗	肝脏肿瘤，特别是肝细胞癌（HCC）	数字病理	肝癌	深度学习	ResNet-50, VGG-16	医学影像（CT和MRI）	LiTS17数据集
8917	2025-05-25	Deep learning based multi attribute evaluation for holistic student assessment in physical education 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02168-8 PMID:40399440	研究论文	本研究提出了一种基于深度学习的多属性评估方法，用于全面评估学生在体育教育中的表现	利用深度学习模型整合多种数据（如身体活动、认知任务、情感反应和社交互动）进行学生综合评估，并引入可视化工具如热力图	未整合实时传感器数据，计算效率有待提升，且应用范围目前限于特定教育机构	改进体育教育中学生评估方法，提供更全面和个性化的反馈	体育教育中的学生表现	机器学习	NA	深度学习	深度学习模型（未指定具体类型）	多模态数据（包括身体活动、认知任务、情感反应和社交互动）	NA
8918	2025-05-25	BrainView: A Cloud-based Deep Learning System for Brain Image Segmentation, Tumor Detection and Visualization 2025-May-21, Biomedical journal IF:4.1Q2 DOI:10.1016/j.bj.2025.100871 PMID:40409506	研究论文	介绍了一个名为BrainView的基于云的深度学习系统，用于脑部图像分割、肿瘤检测和可视化	提出了一个结合EfficientNetB7预训练模型的DeepBrainNet分类模型和EffB7-UNet分割模型的新平台，用于脑部MRI图像的肿瘤检测和分割	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	通过深度学习技术提高脑部肿瘤的检测和分割准确率	脑部MRI图像中的肿瘤	计算机视觉	脑肿瘤	深度学习	EfficientNetB7, DeepBrainNet, EffB7-UNet	MRI图像	NA
8919	2025-05-25	Field-Portable Technology for Illicit Drug Discrimination via Deep Learning of Hybridized Reflectance/Fluorescence Spectroscopic Fingerprints 2025-May-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05247 PMID:40329645	研究论文	本文介绍了一种结合荧光和反射光谱的便携式技术，通过深度学习算法准确识别新型精神活性物质（NPS）并提供浓度信息	结合荧光和反射光谱的混合技术，利用深度学习算法在便携设备上实现NPS的准确识别和浓度测定	NA	开发一种便携式技术，用于现场识别新型精神活性物质（NPS）并支持社区减害工作	新型精神活性物质（NPS），特别是苯二氮卓类和硝基烯类	机器学习	药物滥用	荧光光谱和反射光谱的混合技术	深度学习算法	光谱数据	11种苯二氮卓类药物的街头药片样本，以及多种复杂药物混合物样本
8920	2025-05-25	Statistical Mechanics of Transfer Learning in Fully Connected Networks in the Proportional Limit 2025-May-02, Physical review letters IF:8.1Q1 DOI:10.1103/PhysRevLett.134.177301 PMID:40408730	research paper	本文提出了一种新的单实例Franz-Parisi形式，用于研究全连接神经网络中的迁移学习	在深度学习的比例极限下开发了一种新的理论框架，用于量化迁移学习的有效性	研究仅限于全连接神经网络，未考虑其他网络结构	研究迁移学习在比例极限下的统计力学特性	全连接神经网络	machine learning	NA	NA	fully connected neural networks	NA	NA