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
941	2025-07-14	Enhancing EEG-based sleep staging efficiency with minimal channels through adversarial domain adaptation and active deep learning 2025-Jul-11, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adeec7 PMID:40645218	研究论文	提出了一种结合对抗性域适应和主动深度学习的框架ADAADL，以提高基于EEG的睡眠分期效率	结合对抗性学习和主动学习策略，改进特征对齐并有效利用未标记数据	未提及具体样本量或数据集的多样性限制	提高睡眠分期分类的准确性，促进睡眠研究和医疗应用	EEG数据	机器学习	NA	对抗性域适应，主动深度学习	ADAADL（结合对抗性学习和主动学习的深度学习框架）	EEG信号	三个基准EEG数据集（未提及具体样本量）
942	2025-07-14	Advancing neural decoding with deep learning 2025-Jul-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00837-2 PMID:40646317	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
943	2025-07-14	Interpretable MRI Subregional Radiomics-Deep Learning Model for Preoperative Lymphovascular Invasion Prediction in Rectal Cancer: A Dual-Center Study 2025-Jul-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01586-4 PMID:40646374	研究论文	开发了一种基于可解释机器学习的融合模型，结合多参数MRI亚区域放射组学和深度学习，用于直肠癌术前淋巴血管侵犯状态的预测	提出了一种名为SubViT的新型融合模型，结合了亚区域放射组学和Vision Transformer (ViT)深度学习技术，并通过SHAP工具增强了模型的可解释性	研究仅基于两个医疗中心的数据，样本量相对有限	开发一种非侵入性方法来预测直肠癌的淋巴血管侵犯状态	直肠癌患者	数字病理	直肠癌	多参数MRI, K-means聚类, 放射组学分析	Vision Transformer (ViT), SubViT融合模型	MRI影像	376例患者(301例训练集，75例外部验证集)
944	2025-07-14	EEG quantization and entropy of multi-step transition probabilities for driver drowsiness detection via LSTM 2025-Jul-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110758 PMID:40651200	研究论文	本文提出了一种结合特征提取流程和LSTM网络的驾驶员嗜睡检测方法，通过EEG信号的量化和转移概率熵提取特征	使用多步转移概率的熵特征结合LSTM网络进行驾驶员嗜睡检测，并研究了不同EEG导联配置的影响	未明确提及具体局限性	开发一种有效的驾驶员嗜睡检测方法	驾驶员EEG信号	机器学习	NA	EEG信号处理，HMM，熵分析	LSTM, HMM	EEG信号	平衡和非平衡EEG数据集，采用5折交叉验证和留一法验证
945	2025-07-14	Fusion of bio-inspired optimization and machine learning for Alzheimer's biomarker analysis 2025-Jul-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110746 PMID:40651201	研究论文	本研究结合生物启发优化和机器学习技术，用于阿尔茨海默病生物标志物分析，以提高早期诊断准确性	创新性地结合了Elephant Herding Optimization (EHO)和Crow Search Optimization (CSO)优化技术与ResNet50分类器，用于海马体区域分割和AD诊断	未提及研究样本的具体数量和多样性限制	提高阿尔茨海默病的早期诊断准确性	阿尔茨海默病患者的大脑区域，特别是海马体	数字病理学	老年疾病	深度学习，优化技术（EHO和CSO）	ResNet50	图像	NA
946	2025-07-14	Impact of heart rate on coronary artery stenosis grading accuracy using deep learning-based fast kV-switching CT: A phantom study 2025-Jul-11, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105046 PMID:40651284	研究论文	本研究探讨了心率对基于深度学习的快速千伏切换CT在冠状动脉狭窄分级准确性上的影响	首次使用深度学习方法恢复快速千伏切换双能CT扫描中缺失的视图，显著提升了冠状动脉CT血管成像的图像质量	研究仅使用体模进行实验，未涉及真实患者数据	评估心率对基于深度学习的快速千伏切换CT在冠状动脉狭窄分级中的影响	带有狭窄冠状动脉的体模	数字病理	心血管疾病	快速千伏切换双能CT扫描	深度学习神经网络	CT图像	不同心率设置下的体模扫描数据
947	2025-07-14	Explainable artificial intelligence for pneumonia classification: Clinical insights into deformable prototypical part network in pediatric chest x-ray images 2025-Jul-11, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102023 PMID:40651288	研究论文	本研究首次将可变形原型部分网络（D-ProtoPNet）应用于儿科患者胸部X光图像的肺炎分类，通过专家放射科医师评估模型学习的原型和激活的图像区域，确保解释与医学上有意义的特征一致	首次将D-ProtoPNet应用于儿科肺炎分类，结合临床专家评估提升模型解释的医学相关性	需要进一步优化以达到临床应用标准，且准确性尚未完全匹配黑盒模型	提高AI驱动诊断系统在肺炎分类中的透明度和可解释性	儿科患者的胸部X光图像	计算机视觉	肺炎	深度学习	D-ProtoPNet, ResNet50	图像	5,856张儿科患者胸部X光图像
948	2025-07-14	Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis 2025-Jul-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.027 PMID:40651923	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学和深度学习模型在预测软组织肉瘤远处转移中的表现	比较了深度学习与传统手工放射组学模型在预测转移中的性能，并探讨了不同成像方式和临床特征整合的影响	存在显著的异质性、有限的外部验证和潜在的发表偏倚	评估放射组学和深度学习模型在预测软组织肉瘤转移中的诊断准确性	软组织肉瘤（STS）患者	digital pathology	软组织肉瘤	MRI, PET, PET/CT	DL, handcrafted radiomics (HCR)	医学影像	19项研究，涉及1712名患者
949	2025-07-14	A Deep Learning Model for Preoperative Prediction of Lymph Node Metastasis in cT1-Stage Lung Adenocarcinoma: A Multicenter External Validation Study 2025-Jul-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.001 PMID:40651922	研究论文	开发并验证了一种深度学习模型，用于术前预测临床T1期肺腺癌的淋巴结转移，并与传统的语义和放射组学特征进行比较	提出了一种基于残差网络的深度学习模型ResLNM，用于术前预测淋巴结转移，其性能优于传统的语义和放射组学模型	研究为回顾性多中心研究，可能存在选择偏倚，且未探讨模型在其他类型肺癌中的适用性	开发并验证一种深度学习模型，用于术前预测临床T1期肺腺癌的淋巴结转移	临床T1期肺腺癌患者	数字病理	肺癌	深度学习	ResLNM（基于残差网络的深度学习模型）	图像	2503名患者，2568个经病理证实的cT1期肺腺癌结节
950	2025-07-14	Deep learning to assess erythritol in zebrafish development, circadian rhythm, and cardiovascular disease risk 2025-Jul-10, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00512-w PMID:40640190	研究论文	使用深度学习评估赤藓糖醇对斑马鱼发育、昼夜节律及心血管疾病风险的影响	首次采用深度学习技术分析赤藓糖醇对斑马鱼发育时间动态的影响，并揭示其对昼夜节律和心血管健康的潜在风险机制	研究仅基于斑马鱼模型，结果外推至人类需谨慎；实验浓度梯度有限（3-7mg/mL）	评估人工甜味剂赤藓糖醇的生物安全性及其致病机制	斑马鱼胚胎（受精后2小时至120小时）	数字病理学	心血管疾病	深度学习	NA	发育行为视频数据	斑马鱼胚胎暴露于3种浓度（3/5/7mg/mL）的赤藓糖醇
951	2025-07-14	Deformable detection transformers for domain adaptable ultrasound localization microscopy with robustness to point spread function variations 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09120-w PMID:40640235	research paper	提出了一种使用DEformable DEtection TRansformer (DE-DETR)的新方法，用于超声定位显微镜(ULM)中的微泡(MB)定位，以提高超分辨率成像的精度和召回率	利用DE-DETR网络处理超声成像中的动态点扩散函数(PSF)变化，并通过KDTree算法优化超分辨率图像	尽管在模拟和体内数据上表现良好，但深度学习模型在从模拟数据到体内数据的泛化能力上仍有挑战	解决超声定位显微镜中微泡定位的挑战，提高超分辨率成像的精度	气体微泡(MBs)在血管中的流动	digital pathology	NA	超声定位显微镜(ULM), KDTree算法	DEformable DEtection TRansformer (DE-DETR)	超声图像	模拟和体内数据
952	2025-07-14	An ODE based neural network approach for PM2.5 forecasting 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05958-2 PMID:40640232	研究论文	本文提出了一种基于ODE的神经网络方法，用于PM2.5预测	提出了两种基于ODE的模型：基于transformer的ODE模型和闭式ODE模型，显著提高了预测精度	基于ODE的连续时间模型受数值求解器的限制，影响了可扩展性和复杂现象的建模能力	提高PM2.5时间序列数据的预测准确性	PM2.5浓度数据	机器学习	NA	ODE-based neural network	Transformer-based ODE, Closed-form ODE, LSTM, BiLSTM, GRU	时间序列数据	NA
953	2025-07-14	Enhanced spectrum sensing for 5G and LTE signals using advanced deep learning models and hyperparameter tuning 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07837-2 PMID:40640243	研究论文	本文介绍了一种利用先进的深度学习模型和超参数调优来增强5G和LTE信号频谱感知准确性的新方法	采用DenseNet121和InceptionV3等先进神经网络架构，并通过系统化的超参数调优显著提升了频谱感知的准确性	在低信噪比帧被排除的受控场景中表现较好，但在信号质量较差的条件下性能可能受限	提升5G和LTE信号在动态和嘈杂无线环境中的频谱感知准确性	5G和LTE信号	机器学习	NA	深度学习	DenseNet121, InceptionV3	合成信号和真实世界数据	大规模多样化数据集
954	2025-07-14	SynergyBug: A deep learning approach to autonomous debugging and code remediation 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08226-5 PMID:40640256	研究论文	提出了一种名为SynergyBug的深度学习方法，用于自主检测和修复软件系统中的错误	结合BERT和GPT-3模型，实现自动化的错误检测和修复，减少人工干预	需要人类监控以确保安全性，并管理训练系统的偏差	提高软件系统的质量和可靠性，通过自动化工具改进错误管理	软件系统中的错误检测和修复	自然语言处理	NA	BERT, GPT-3	BERT, GPT-3	文本（错误报告、错误日志和文档）	超过100,000个错误报告
955	2025-07-14	Lightweight machine learning framework for efficient DDoS attack detection in IoT networks 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10092-0 PMID:40640290	研究论文	提出了一种轻量级机器学习框架，用于高效检测物联网网络中的DDoS攻击	设计了一种轻量级且可扩展的机器学习框架，特别适用于资源受限的物联网环境，通过特征选择和监督学习模型显著提高了检测效率	研究仅基于NSL-KDD数据集进行验证，未在实际物联网设备上进行测试	开发一种高效的DDoS攻击检测方法，以解决物联网网络中的安全问题	物联网网络中的DDoS攻击	机器学习	NA	监督学习	Random Forest, Logistic Regression, Naïve Bayes	网络数据	NSL-KDD数据集
956	2025-07-14	Plastic water bottle detection model using computer vision in aquatic environments 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09300-8 PMID:40640371	研究论文	本文提出了一种利用计算机视觉、深度学习和目标跟踪算法自动检测和计数水体中塑料水瓶的方法	结合YOLOv8目标检测模型、Norfair目标跟踪库和新颖的后处理算法，有效过滤误检	未提及模型在不同水质或光照条件下的泛化能力	开发自动化水体垃圾检测系统	水体中的塑料水瓶	计算机视觉	NA	深度学习、目标跟踪	YOLOv8	图像	多个公开的标记垃圾和塑料瓶图像数据集
957	2025-07-14	Automated tick classification using deep learning and its associated challenges in citizen science 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10265-x PMID:40640390	研究论文	本文开发了一种基于深度学习的自动化蜱虫分类方法，并探讨了在公民科学中应用的相关挑战	结合深度学习和公民科学进行大规模蜱虫监测的创新框架	类别不平衡、物种相似性和形态变异性带来的分类挑战	开发自动化蜱虫分类系统以支持公共卫生监测	蜱虫图像数据	计算机视觉	莱姆病和蜱传脑炎	图像分析、目标检测和迁移学习	EfficientNetV2M	图像	超过15,000张蜱虫图像，涵盖7个物种
958	2025-07-14	Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer 2025-Jul-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01831-8 PMID:40640522	research paper	该研究利用深度学习技术分析常规乳腺X光片，以提高早期乳腺癌淋巴结转移的预测准确性	首次将深度学习应用于常规全乳X光片，结合临床变量显著提升了淋巴结转移的预测性能	研究为回顾性设计，样本仅来自瑞典三家机构，可能影响结果的普适性	开发术前预测乳腺癌淋巴结转移的影像学模型，为手术降级提供依据	1265名cN0 T1-T2期乳腺癌患者（接受初次手术，未进行新辅助治疗）	digital pathology	breast cancer	deep learning	CNN	image	1265例患者的乳腺X光片和临床病理数据
959	2025-07-14	Rprot-Vec: a deep learning approach for fast protein structure similarity calculation 2025-Jul-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06213-1 PMID:40640710	research paper	提出了一种名为Rprot-Vec的深度学习模型，用于基于蛋白质一级序列数据快速预测蛋白质结构相似性和进行同源检测	结合双向GRU和多尺度CNN层与ProtT5编码，仅使用一级序列数据即可准确快速预测蛋白质结构相似性，参数数量仅为TM-vec的41%但性能更优	未明确提及具体局限性	开发一种高效、可扩展的基于序列的蛋白质结构相似性预测方法	蛋白质序列和结构	computational biology	NA	deep learning	bidirectional GRU, multi-scale CNN, ProtT5	protein sequence data	三个精选训练数据集(CATH_TM_score_S/M/L)
960	2025-07-14	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-Jul-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	该研究开发了一种基于注意力的多模态深度学习模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	结合了3D卷积神经网络和自注意力机制，以捕捉空间和跨模态的交互，提高了模型的可解释性和跨机构的泛化能力	模型的预测性能仍有提升空间，AUC值在内部和外部验证集上分别为0.73和0.71	预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	乳腺癌患者	数字病理学	乳腺癌	MRI成像和临床特征分析	3D CNN和自注意力机制	医学影像和临床数据	I-SPY 2试验数据集（N=660）和I-SPY 1数据集（N=114）