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
961	2025-07-05	Multiscale wavelet attention convolutional network for facial expression recognition 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07416-5 PMID:40596501	研究论文	本文提出了一种基于多尺度小波注意力卷积网络的面部表情识别方法	首次将多尺度卷积层和小波通道注意力机制结合用于CNN，显著提高了面部表情识别的准确率	仅在两个数据集上进行了验证，需要更多数据集验证泛化能力	提高面部表情识别应用的准确率	学生真实课堂面部表情(FESR)数据集和KDEF数据集	计算机视觉	NA	深度学习	CNN, MCNN, wCA-CNN, wCA-MCNN, ResNet18	图像	两个数据集(FESR和KDEF)
962	2025-07-05	Physical education teaching design under the STEAM concept using the convolutional neural network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07660-9 PMID:40596563	研究论文	本研究旨在基于STEAM教育理念，利用卷积神经网络（CNN）设计一种高效的体育教学深度学习模型	成功设计并验证了CNN-STEAM模型，该模型在体育教学数据处理和分析中表现出色，准确率、召回率和F1分数均提升超过20%	未提及具体实验样本量和数据来源的详细描述	设计高效的深度学习模型以改进STEAM理念下的体育教学方法	体育教学中的数据处理与分析	机器学习	NA	深度学习	CNN, ResNet, CNN-STEAM	NA	NA
963	2025-07-05	Profiling short-term longitudinal severity progression and associated genes in COVID-19 patients using EHR and single-cell analysis 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07793-x PMID:40596577	研究论文	提出了一种名为CovSF的深度学习模型，用于追踪和预测COVID-19患者的短期病情严重程度进展	结合纵向临床记录和单细胞分析，预测COVID-19患者的短期病情进展，并揭示了病情恶化与恢复期间的免疫学差异	模型主要依赖于氧疗类型作为严重程度指标，可能无法涵盖所有病情变化的复杂性	开发一个能够预测COVID-19患者短期病情进展的模型，以优化医疗资源分配和治疗决策	COVID-19住院患者	机器学习	COVID-19	单细胞转录组分析	深度学习模型	临床记录和单细胞数据	训练集4,509例，外部验证集443例
964	2025-07-05	Comparative analysis of sandstone microtomographic image segmentation using advanced convolutional neural networks with pixelwise and physical accuracy evaluation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07211-2 PMID:40596588	研究论文	本文探讨了先进的卷积神经网络（CNN）在砂岩微CT图像分割中的应用，以提高储层表征效率	比较了多种先进的CNN架构在砂岩微CT图像分割中的性能，并首次结合像素级精度和物理精度评估	研究仅针对砂岩样本，未涵盖其他岩石类型	提高储层表征效率	砂岩微CT图像	计算机视觉	NA	微CT成像	CNN（包括Fully Convolutional Networks, Encoder-Decoder Models, Multi-Scale Networks, Dilated Convolution Models, Attention-Based Models）	图像	5000张2D切片，来自10种不同的砂岩类型
965	2025-07-05	ICKAN: A deep musical instrument classification model incorporating Kolmogorov-Arnold network 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09493-y PMID:40596651	研究论文	本文提出了一种结合Kolmogorov-Arnold网络（KAN）的深度乐器分类模型ICKAN，用于音乐信息检索中的乐器分类任务	引入了可学习的非线性激活函数和全面的音乐片段，提高了乐器分类的准确性和实用性	现有研究主要关注短单音样本分类，未能捕捉真实演奏场景中的音色变化特征	提高乐器分类的准确性和实用性，推动音乐信息检索技术的发展	乐器分类	音乐信息检索	NA	Kolmogorov-Arnold网络（KAN）	ICKAN	音频	30,824个完整乐句
966	2025-07-05	Differential dementia detection from multimodal brain images in a real-world dataset 2025-Jul, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70362 PMID:40596742	研究论文	本文描述了一种深度学习模型，专门用于从电子健康记录中的异质临床图像中进行疾病检测，无需关注混杂因素	该模型能够处理多达14种多模态图像，并结合年龄和人口统计信息，输出多种痴呆症的可能性，且在真实世界数据上表现良好	模型在异质临床图像上的性能可能受到数据质量的影响	开发一种能够在真实世界医院数据中进行痴呆症鉴别检测的人工智能模型	来自马萨诸塞州总医院的183,018张图像（11,015名患者）用于训练，外部数据125,493张图像（6,662名患者）用于测试	数字病理学	老年疾病	深度学习	深度学习模型	图像和文本	训练集：11,015名患者的183,018张图像；测试集：6,662名患者的125,493张图像
967	2025-07-05	Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01763-5 PMID:40596927	research paper	本研究评估了在5.0T MRI上结合人工智能辅助压缩感知(ACS)和深度学习重建(DLR)技术加速脑部T2加权成像(T2WI)的可行性	首次探索了在5.0T MRI上ACS与DLR技术的协同应用潜力	研究样本量有限(98名参与者)，且未提供长期临床效果评估	评估ACS-DLR集成技术在加速脑部T2WI扫描中的诊断效能	脑部T2加权成像	医学影像分析	神经系统疾病	人工智能辅助压缩感知(ACS), 深度学习重建(DLR)	DLR(深度学习重建模型)	MRI影像数据	98名参与者
968	2025-07-05	Eff-ReLU-Net: a deep learning framework for multiclass wound classification 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01785-z PMID:40596936	研究论文	提出了一种基于改进的EfficientNet-B0的深度学习模型Eff-ReLU-Net，用于准确识别多类别伤口	在Eff-ReLU-Net中使用ReLU激活函数替代Swish，并引入三个全连接密集层以捕获更多显著特征，提升多类别伤口分类性能	NA	开发一种有效的伤口分类器，帮助医疗从业者快速可靠地分类伤口	慢性伤口	计算机视觉	慢性伤口	深度学习	Eff-ReLU-Net（基于EfficientNet-B0改进）	图像	公开可用的AZH和Medetec伤口数据集
969	2025-07-05	Deep learning-based lung cancer classification of CT images 2025-Jul-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14320-8 PMID:40596973	研究论文	本文介绍了一种基于深度学习的肺结节分类器DCSwinB，旨在提高CT图像中良恶性结节分类的准确性和效率	DCSwinB结合了CNN和Swin Transformer的双分支架构，以及Conv-MLP模块，以增强3D图像中的长距离依赖关系捕捉	未提及模型在临床实际应用中的潜在限制或挑战	提高肺结节的准确分类，以支持早期肺癌诊断	CT图像中的肺结节	计算机视觉	肺癌	深度学习	Swin-Tiny Vision Transformer (ViT) 和 CNN	CT图像	数千名患者的注释CT扫描（来自LUNA16和LUNA16-K数据集）
970	2025-07-05	Enhanced pulmonary nodule detection with U-Net, YOLOv8, and swin transformer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01784-0 PMID:40596996	研究论文	本研究开发了一种结合U-Net、YOLOv8和Swin transformer的两阶段深度学习模型，用于提高CT图像中肺结节的检测准确性，特别是小结节的检测	结合U-Net、YOLOv8和Swin transformer的两阶段深度学习模型，采用Shape-aware IoU损失函数改进边界框预测，显著提高了肺结节检测的准确性和降低了假阳性率	研究仅使用了LUNA16数据集和天津胸科医院的308例CT扫描，样本来源和数量可能影响模型的泛化能力	提高CT图像中肺结节的检测准确性，特别是小结节的检测，减少假阳性率	CT图像中的肺结节	计算机视觉	肺癌	深度学习	U-Net, YOLOv8, Swin transformer	CT图像	888例CT扫描（LUNA16数据集）和308例CT扫描（天津胸科医院）
971	2025-07-05	Ultrasound-based machine learning model to predict the risk of endometrial cancer among postmenopausal women 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01705-1 PMID:40597002	研究论文	本研究开发并验证了一种基于超声的人工智能诊断模型，用于提高绝经后妇女子宫内膜癌的诊断准确性和减少变异性	结合放射组学和深度学习特征，并应用超分辨率技术增强图像质量，开发了一种混合模型（DLR模型），显著提高了诊断性能	研究仅基于两个中心的数据，可能需要更多外部验证以确认模型的普遍适用性	开发一种更准确、可靠的非侵入性工具，用于绝经后妇女子宫内膜癌的筛查	绝经后妇女	数字病理	子宫内膜癌	超分辨率（SR）技术、放射组学特征提取、深度学习	CNN、混合模型（DLR模型）	超声图像	1,861名绝经后妇女
972	2025-07-05	Deep learning-based automated classification of choroidal layers in en face swept-source optical coherence tomography images 2025-Jul-01, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04170-0 PMID:40597023	研究论文	本研究开发了一种基于深度学习的算法，用于自动分类眼睛的en face扫频源光学相干断层扫描（SS-OCT）图像中的脉络膜层	结合了边界增强欠采样和子类集成技术的ResNet深度学习系统，首次实现了脉络膜层的自动分层	研究仅涉及健康受试者，未涵盖病理情况下的脉络膜层分类	开发自动分类脉络膜层的深度学习算法	en face SS-OCT图像中的脉络膜层	数字病理	NA	扫频源光学相干断层扫描（SS-OCT）	ResNet	图像	117名健康受试者（117只眼睛）的16,025张en face SS-OCT图像
973	2025-07-05	Preoperative MRI-based deep learning reconstruction and classification model for assessing rectal cancer 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01775-1 PMID:40597035	research paper	本研究探讨了深度学习重建（DLR）在提高直肠MRI图像质量方面的效果，并比较了不同读者和深度学习分类模型在直肠癌TN分期中的判别能力	首次将深度学习重建技术应用于直肠MRI图像，并开发了深度学习分类模型用于TN分期，显著提高了图像质量和诊断性能	研究为回顾性设计，样本量相对有限（178例患者），且仅针对直肠癌进行评估	评估深度学习重建技术对直肠MRI图像质量的改善效果，并探索其在直肠癌TN分期中的诊断价值	经病理确诊的直肠癌患者的MRI图像	digital pathology	rectal cancer	MRI (T2WI, DWI, CE-T1WI), deep learning reconstruction	deep learning classification models	medical images	178例直肠癌患者
974	2025-07-05	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出了一种结合SVM和深度学习的创新方法，用于通过神经影像融合早期诊断阿尔茨海默病	结合SVM与深度学习，采用晚期融合集成设计，利用深度表示进行模式识别和SVM在小样本集上的鲁棒性	NA	提高阿尔茨海默病的早期诊断准确性和分类性能	阿尔茨海默病患者	数字病理学	老年病	MRI和PET成像融合技术	SVM与深度学习混合模型	神经影像数据	NA
975	2025-07-05	Deep learning-based dipeptidyl peptidase IV inhibitor screening, experimental validation, and GaMD/LiGaMD analysis 2025-Jul-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02295-8 PMID:40597132	研究论文	本研究开发了一种新型DPP4抑制剂筛选策略，结合了受体基础的ConPLex、配体基础的KPGT和分子对接技术，显著提高了筛选准确性	整合了多种筛选方法，开发了用户友好的预测服务器DPP4META，并利用GaMD/LiGaMD技术分析药物与DPP4的结合与解离机制	未提及具体样本量或实验规模的限制	开发高效的DPP4抑制剂筛选方法并研究其与DPP4的结合机制	DPP4抑制剂及其与DPP4的相互作用	机器学习	2型糖尿病	分子对接、GaMD、LiGaMD	ConPLex、KPGT	分子数据	从FDA数据库中筛选出四种潜在药物
976	2025-07-05	RCFLA-YOLO: a deep learning-driven framework for the automated assessment of root canal filling quality in periapical radiographs 2025-Jul-01, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-07483-2 PMID:40597191	研究论文	本研究提出了一种基于深度学习的RCFLA-YOLO模型，用于从根尖周X光片中自动评估根管充填质量的关键参数之一——根管充填长度	首次将YOLOv11架构应用于根管充填质量评估，并在学生操作评估中表现出色	研究仅关注根管充填长度这一参数，未涵盖其他质量评估指标	开发自动评估根管充填质量的决策支持系统，以提升牙科临床前教育的效率	牙科学生进行的根管治疗术前X光片	数字病理	牙科疾病	深度学习	YOLOv11	图像	735张由临床专家标注的根尖周X光片
977	2025-07-05	Multiclass skin lesion classification and localziation from dermoscopic images using a novel network-level fused deep architecture and explainable artificial intelligence 2025-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03051-2 PMID:40597254	研究论文	本研究提出了一种基于深度学习的网络级融合架构，用于增强皮肤镜图像中皮肤病变的分类和定位，并结合可解释人工智能技术	提出了一种新颖的网络级融合架构，结合了两种深度学习模型，并采用可解释人工智能技术提高模型的可解释性	计算资源需求和训练时间较长	提高皮肤镜图像中皮肤病变的分类和定位准确性	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	深度学习、可解释人工智能（LIME）	5-block inverted residual network、6-block inverted bottleneck network	图像	HAM10000和ISIC2018两个公开数据集
978	2025-07-05	Development and clinical validation of deep learning-based immunohistochemistry prediction models for subtyping and staging of gastrointestinal cancers 2025-Jul-01, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04045-0 PMID:40597706	研究论文	本研究开发并验证了基于深度学习的免疫组化预测模型，用于胃肠道癌症的亚型分类和分期	利用H&E全切片图像自动构建深度学习模型生成AI-IHC输出，并与传统IHC结果进行比较，探索了AI-IHC在临床诊断中的应用效果	P53标记的一致性仅为70%，Ki-67增殖指数的ICC值为0.415，显示AI-IHC与传统IHC之间存在一定差异	开发自动化的深度学习模型，用于预测IHC生物标志物，以辅助胃肠道癌症的诊断和分期	胃肠道癌症（包括食管癌、胃癌和结直肠癌）	数字病理学	胃肠道癌症	免疫组化（IHC）、数字图像分析	深度学习模型	H&E全切片图像（WSIs）	134对H&E和IHC全切片图像（用于模型构建）和150张来自30名患者的全切片图像（用于MRMC研究）
979	2025-07-05	Evaluation of a fusion model combining deep learning models based on enhanced CT images with radiological and clinical features in distinguishing lipid-poor adrenal adenoma from metastatic lesions 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01798-8 PMID:40597714	研究论文	评估结合增强CT图像的深度学习模型与放射学和临床特征的融合模型在区分低脂肾上腺腺瘤和转移性病变中的诊断性能	结合深度学习模型与临床和放射学特征，并通过SHAP分析增强模型的可解释性	回顾性研究，样本量有限（416例）	区分低脂肾上腺腺瘤和转移性肿瘤	416例经病理证实的肾上腺肿瘤患者的腹部增强CT图像和临床数据	数字病理	肾上腺肿瘤	增强CT成像	CNN, ResNet50, XGBoost	图像, 临床数据	416例肾上腺肿瘤患者
980	2025-07-05	Forecasting tuberculosis in Ethiopia using deep learning: progress toward sustainable development goal evidence from global burden of disease 1990-2021 2025-Jul-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-11228-3 PMID:40597736	research paper	使用深度学习预测埃塞俄比亚的结核病发病率，评估其实现可持续发展目标的进展	采用LSTM模型和混合ARIMA+LSTM模型进行结核病发病率预测，为埃塞俄比亚的结核病控制策略提供数据支持	研究仅基于历史数据进行预测，未考虑未来可能出现的突发公共卫生事件对结核病发病率的影响	预测埃塞俄比亚结核病发病率，评估其实现国家终止结核病战略目标的进展	埃塞俄比亚的结核病发病率数据	machine learning	tuberculosis	LSTM, ARIMA	multistep LSTM, hybrid ARIMA+LSTM	time series data	Global Burden of Disease数据库1990-2021年的数据