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
81	2025-06-26	Attention-driven UNet enhancement for accurate segmentation of bacterial spore outgrowth in microscopy images 2025-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05900-6 PMID:40542045	研究论文	本研究开发了一种基于注意力机制的UNet增强模型，用于高效量化显微镜图像中细菌孢子及营养细胞的位置、面积和圆形度	提出了一种注意力驱动的UNet增强模型，实现了96%的准确率，且提供了三种应用格式（Python代码、Binder网页应用和Flask本地应用）	未明确说明模型在非细菌孢子类样本或低质量图像上的泛化能力	提升显微镜图像中细菌细胞分割的自动化水平和精度	显微镜图像中的细菌孢子及营养细胞（超过10,000个细胞）	计算机视觉	NA	深度学习	注意力机制增强的UNet	显微镜图像	超过10,000个细菌细胞的图像数据
82	2025-06-26	A Salient Object Detection Network Enhanced by Nonlinear Spiking Neural Systems and Transformer 2025-Jun-20, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500455 PMID:40539244	research paper	提出了一种结合非线性脉冲神经P系统和Transformer网络的RGB-D显著目标检测新方法TranSNP-Net	整合NSNP系统与Transformer网络，引入增强特征融合模块SNPFusion和注意力机制，采用微调Swin作为骨干网络	未提及具体局限性	解决RGB-D显著目标检测中跨模态特征融合不足、深度信息噪声导致的显著性估计误差及模型泛化能力有限等问题	RGB-D图像的显著目标检测	computer vision	NA	Transformer, 非线性脉冲神经P系统	TranSNP-Net (基于Swin Transformer和NSNP系统)	RGB-D图像	六个RGB-D基准数据集（未提具体样本量）
83	2025-06-26	Modulation of Electric Field and Interface on Competitive Reaction Mechanisms 2025-Jun-20, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c00705 PMID:40539901	研究论文	本研究通过深度势能分子动力学技术探讨了电场和界面对于溶剂化甘氨酸互变异构体动力学的调控作用	首次结合深度势能分子动力学和增强采样技术，系统研究了电场和空气-水界面对甘氨酸互变异构反应机制的影响	研究仅针对甘氨酸这一特定分子体系，结论是否适用于其他生物分子仍需验证	探究电场和界面效应对生物分子互变异构反应机制的影响	溶剂化甘氨酸分子	计算化学	NA	深度势能分子动力学技术、增强采样	深度学习势能模型	分子动力学模拟数据	NA
84	2025-06-26	Pharmakon or the healing art: experience of artistic-transformative transdisciplinary workshops in fibromyalgia syndrome 2025-Jun-19, Clinical and experimental rheumatology IF:3.4Q2 DOI:10.55563/clinexprheumatol/yxhmcr PMID:40556605	研究论文	本研究验证了通过艺术转化工作坊改善纤维肌痛综合征患者生活质量、睡眠、自尊和自我效能的有效性	首次将艺术转化体验应用于纤维肌痛综合征患者的治疗，并验证其效果	样本量相对较小（109名患者），且为观察性研究而非随机对照试验	验证跨学科艺术转化路径对纤维肌痛综合征患者的治疗效果	纤维肌痛综合征患者	心理健康	纤维肌痛综合征	艺术治疗（包括幽默自传回顾、诗歌表达和视觉思维策略）	NA	问卷调查数据	109名纤维肌痛综合征患者
85	2025-06-26	Historical Manuscripts Analysis: A Deep Learning System for Writer Identification Using Intelligent Feature Selection with Vision Transformers 2025-Jun-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060204 PMID:40558803	research paper	该研究提出了一种基于深度学习的系统，用于通过智能特征选择和视觉变换器对历史手稿的作者进行分类	首次将视觉变换器应用于历史文档分析，展示了在'ICDAR 2017'数据集上优于现有方法的性能	未提及具体的数据集样本量限制或模型在其他数据集上的泛化能力	开发一种强大的深度学习系统，用于历史手稿的作者识别	历史手稿	computer vision	NA	双边滤波去噪、Otsu阈值二值化、FAST检测器、k-means聚类	vision transformer	image	使用'ICDAR 2017'数据集，但未提及具体样本数量
86	2025-06-26	Segmentation of Pulp and Pulp Stones with Automatic Deep Learning in Panoramic Radiographs: An Artificial Intelligence Study 2025-Jun-19, Dentistry journal IF:2.5Q2 DOI:10.3390/dj13060274 PMID:40559177	research paper	本研究旨在评估人工智能算法在全景X光片中准确诊断牙髓和牙髓结石钙化的能力	首次使用深度学习算法在全景X光片中自动分割牙髓和牙髓结石	研究样本量有限，未来需要更大的数据集来提高模型的诊断准确性	评估人工智能算法在牙髓和牙髓结石诊断中的应用价值	牙髓和牙髓结石	digital pathology	dental disease	deep learning	CNN	image	713张全景X光片，包含4675个牙髓结石和5085个牙髓标记
87	2025-06-26	Develop intelligent waste bin prototype based on fusion feature recognition of sounds and RGB images 2025-Jun-18, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114959 PMID:40554027	研究论文	开发了一种基于声音和RGB图像融合特征识别的智能垃圾桶原型，用于城市固体废物的分类	首次采用多模态深度学习方法（MDLM）整合图像和声音数据进行城市固体废物识别	改进相对有限，LSTM模型已实现约90%的高准确率	提升城市固体废物的分类效率，实现循环经济	城市固体废物（MSW）	计算机视觉	NA	Mel-frequency cepstral coefficients (MFCCs), ResNet-101, LSTM	MDLM, LSTM	音频信号, RGB图像	NA
88	2025-06-26	Comparative analysis of transformer-based deep learning models for glioma and meningioma classification 2025-Jun-18, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102008 PMID:40554122	研究论文	本研究比较了基于Transformer的深度学习模型（ViT和BEiT）在脑MRI胶质瘤和脑膜瘤分类中的准确性	提出了一个完全基于神经网络的分类工作流程，并展示了ViT模型在此任务中的高准确性和AUC分数	研究仅使用了单一数据集，可能影响模型的泛化能力	比较和优化基于Transformer的深度学习模型在脑肿瘤分类中的表现	脑MRI图像中的胶质瘤和脑膜瘤	计算机视觉	脑肿瘤	深度学习	ViT, BEiT, MLP	MRI图像	训练集1132例（胶质瘤625例，脑膜瘤507例），测试集520例（胶质瘤260例，脑膜瘤260例）
89	2025-06-26	Automation of Multi-Class Microscopy Image Classification Based on the Microorganisms Taxonomic Features Extraction 2025-Jun-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060201 PMID:40558800	研究论文	本研究提出了一种基于微生物分类特征提取的多类显微镜图像分类的轻量级自动化方法	该方法通过分析微生物的外部几何特征（如细胞形状、菌落组织和动态行为）生成可解释的分类描述符，且模型参数远少于基于深度学习的方法，可在标准CPU硬件上快速推理	NA	开发一种轻量级、可解释的微生物多类分类方法，适用于计算资源有限的环境	微生物（微球菌、双球菌、链球菌和杆菌）	数字病理学	NA	自动化机器学习	NA	图像	包含四种细菌类型的标注图像数据集，模拟真实临床试验条件获取
90	2025-06-26	AI-Driven Drug Discovery: A Comprehensive Review 2025-Jun-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c00549 PMID:40547666	综述	本文全面回顾了2019-2024年间人工智能和机器学习在药物发现全流程中的应用进展	深入比较分析了不同AI方法在药物发现中的优势、局限性和实际挑战，并提出了未来发展方向	数据可获取性、模型可解释性和临床转化方面仍存在持续差距	评估AI/ML在药物发现领域的应用潜力，指导AI在医药研发中的负责任整合	药物发现全流程（从靶点识别到临床开发）	机器学习	NA	深度学习、图神经网络、transformer	深度学习、GNN、transformer	NA	NA
91	2025-06-26	A multicentric study examining a deep-learning-based computer model for classifying bipolar disorder using retinal vascular images 2025-Jun-17, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119718 PMID:40553740	研究论文	本研究探讨了基于深度学习的计算机模型利用视网膜血管图像对双相情感障碍进行分类的效果	首次将深度学习分析应用于使用视网膜血管图像对双相情感障碍患者和健康个体进行分类	样本量相对较小，且未在其他独立数据集中验证模型的泛化能力	开发一种基于视网膜血管图像的深度学习模型，用于双相情感障碍的诊断	双相情感障碍患者和健康志愿者	数字病理学	双相情感障碍	非散瞳眼底相机成像	CNN	图像	383名受试者（188名双相情感障碍患者和195名健康志愿者）
92	2025-06-26	Predicting significant stenosis of AV access through Wavelet transform and machine learning on sounds recorded with an electronic stethoscope 2025-Jun-17, Annals of vascular surgery IF:1.4Q3 DOI:10.1016/j.avsg.2025.05.055 PMID:40553842	研究论文	本研究通过电子听诊器记录的声音，结合小波变换和深度学习技术，预测动静脉通路狭窄的严重程度	首次将小波变换和CNN模型应用于电子听诊器记录的声音数据，以非侵入性方式预测动静脉通路狭窄	样本量较小（30名患者），且仅能预测严重狭窄（>50%），对轻度狭窄的预测能力有待进一步研究	开发一种自动识别动静脉通路狭窄的深度学习模型	30名接受血管内治疗的终末期肾病患者的动静脉通路声音数据	数字病理	心血管疾病	小波变换	CNN	音频	30名终末期肾病患者（训练集10人，测试集20人）
93	2025-06-26	Imaging-Based AI for Predicting Lymphovascular Space Invasion in Cervical Cancer: Systematic Review and Meta-Analysis 2025-Jun-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71091 PMID:40523236	meta-analysis	本文通过系统综述和荟萃分析评估了基于影像的人工智能（AI）在预测宫颈癌淋巴血管间隙侵犯（LVSI）中的诊断准确性	研究发现深度学习算法在预测LVSI方面表现出较高的敏感性，且基于正电子发射断层扫描/计算机断层扫描（PET/CT）的AI模型比基于磁共振成像（MRI）的模型具有更高的敏感性	研究存在外部验证数据集有限和回顾性研究设计可能带来的潜在偏差	评估基于影像的AI在预测宫颈癌LVSI中的诊断准确性	宫颈癌患者	digital pathology	cervical cancer	imaging-based AI	deep learning, machine learning	image	16项研究，2514名患者
94	2025-06-26	FrAdadelta-CSA: Fractional Adadelta Chameleon Swarm Algorithm-based feature selection with SpikeGoogle-DenseNet for epileptic seizure detection 2025-Jun-16, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108550 PMID:40554820	research paper	该研究提出了一种基于深度学习的癫痫发作检测方法，结合了FrAdadelta-CSA特征选择和SpikeGoogle-DenseNet分类模型	提出了FrAdadelta-CSA特征选择算法，结合了分数阶微积分和Adadelta-CSA算法，并使用了SpikeGoogle-DenseNet混合模型进行癫痫发作预测	研究可能受限于EEG数据采集方式和样本量	开发一种基于EEG信号的癫痫发作识别机制	癫痫患者的EEG信号	digital pathology	epilepsy	STFT, Deep Learning	SpikeGoogle-DenseNet (CNN hybrid)	EEG信号	NA
95	2025-06-26	Preoperative model for predicting early recurrence in hepatocellular carcinoma patients using radiomics and deep learning: A multicenter study 2025-Jun-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i6.106608 PMID:40547169	研究论文	本研究通过结合放射组学和深度学习方法，建立了一个预测肝细胞癌患者消融治疗后早期复发的模型	结合了肿瘤内和瘤周区域（5毫米和10毫米）的特征，使用光梯度提升机器学习算法构建了预测模型，并在多中心数据上验证了其性能	样本量相对有限（288例患者），且仅针对肝细胞癌患者	预测肝细胞癌患者消融治疗后的早期复发，以指导精准治疗和改善患者预后	肝细胞癌患者	数字病理	肝癌	放射组学和深度学习	光梯度提升机器学习算法	医学影像	288例患者（222例主要队列，66例外部队列）
96	2025-06-26	Physics-informed neural networks for solving inverse problems in phase field models 2025-Jun-14, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107665 PMID:40554300	研究论文	本文探讨了物理信息神经网络（PINNs）在解决相场模型中的逆问题中的应用	将PINNs应用于材料科学中的逆问题，特别是关键各向异性材料参数的反演，并扩展到多物理场耦合系统	未提及具体的数据量或实验规模限制	研究PINNs在材料科学逆问题中的应用潜力	相场模型中的逆问题，包括扩散、流动和相变问题	机器学习	NA	物理信息神经网络（PINNs）	PINNs	数值模拟数据	NA
97	2025-06-26	An enhancement of multi-scope topological graph pooling and representation learning with attention for molecular graph classification 2025-Jun-14, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108548 PMID:40554399	研究论文	本文提出了一种新颖的注意力增强多范围拓扑图池化策略（AETP），用于分子图表示学习和分类任务	提出AETP策略，能够提取判别性拓扑结构信息和图级变化，实现高表达性表示学习	现有方法过度依赖局部邻域特征聚合，难以保留复杂结构图的多尺度表示	提升分子图表示学习和分类任务的性能	分子图数据	机器学习	NA	拓扑数据分析（TDA）与深度学习（DL）结合	GNN（图神经网络），包括GCN、GraphSAGE、GAT等	图数据	多个真实世界分子数据集（包括FDA_DILIst、T3DB_Toxin_2、Eye_Irritation和Eye_Corrosion）
98	2025-06-26	Dose Reduction in Scintigraphic Imaging Through Enhanced Convolutional Autoencoder-Based Denoising 2025-Jun-14, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11060197 PMID:40558796	研究论文	本研究提出了一种基于增强卷积自编码器（ECAE）的深度学习方法，用于增强低剂量骨闪烁成像图像，旨在减少患者辐射暴露同时保持诊断质量	采用ECAE架构整合多尺度特征提取、通道注意力机制和高效残差块，从低剂量输入重建高质量图像	研究仅基于105名患者的数据，样本量相对较小	减少核医学成像中的辐射剂量同时保持诊断质量	低剂量骨闪烁成像图像	数字病理	NA	深度学习方法	ECAE（增强卷积自编码器）	图像	105名患者的低剂量和全剂量配对图像
99	2025-06-26	Multi-Feature Facial Complexion Classification Algorithms Based on CNN 2025-Jun-13, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10060402 PMID:40558371	research paper	提出三种基于CNN的多特征面部肤色分类算法，通过融合、拼接或独立训练不同面部区域的特征来提高分类性能	创新性地提出了三种多特征融合算法框架，有效利用面部特征信息，显著提高了分类准确率	研究仅基于721张面部图像数据集，样本量相对较小	提高面部肤色分类的准确率和特征信息利用率	面部肤色分类	computer vision	NA	CNN	CNN, EfficientNet	image	721张面部图像
100	2025-06-26	A Multimodal Multi-Stage Deep Learning Model for the Diagnosis of Alzheimer's Disease Using EEG Measurements 2025-Jun-13, Neurology international IF:3.2Q2 DOI:10.3390/neurolint17060091 PMID:40559329	研究论文	本文提出了一种多模态多阶段的深度学习模型，用于通过EEG测量诊断阿尔茨海默病	采用三阶段数据驱动方法进行AD诊断，包括信号预处理、帧级分类和受试者级分类，并在帧级使用CNN从多种频谱图中提取特征	模型在面对额颞叶痴呆患者数据时效果下降，需要进一步改进以同时检测多种神经退行性疾病	开发一种准确诊断阿尔茨海默病的方法	阿尔茨海默病患者和健康个体的EEG数据	数字病理学	阿尔茨海默病	EEG测量	CNN	EEG信号	NA