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	2025-05-23	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-May-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	介绍MMRNet，一种深度卷积神经网络，用于从H&E染色的全切片图像预测子宫内膜癌中的错配修复缺陷	提出了一种新的深度卷积神经网络MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并通过人机融合方法显著提高了诊断准确性	内部交叉验证的敏感性较低（0.628），可能需要进一步优化以提高检测的敏感性	开发一种经济且易于使用的工具，用于确定子宫内膜癌患者的MMR状态	子宫内膜癌患者的全切片图像	数字病理学	子宫内膜癌	深度卷积神经网络	CNN	图像	内部交叉验证数据集和三个外部验证数据集
82	2025-05-23	Heuristic optimization in classification atoms in molecules using GCN via uniform simulated annealing 2025-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00340-8 PMID:40394056	研究论文	本文提出了一种基于均匀模拟退火的启发式优化方法，用于优化图卷积网络（GCN）中的权重，以提高分类问题的准确性	提出了一种结合均匀模拟退火和梯度优化的混合启发式算法，用于优化GCN的权重，并在平衡和不平衡数据集上验证了其优越性	训练GCN模型复杂且耗时，且仅在一个数据集（QM7）上进行了测试	优化图卷积网络在分类问题中的性能	图卷积网络（GCN）和QM7数据集	机器学习	NA	模拟退火、梯度优化	GCN	图数据	QM7数据集（分为平衡和不平衡两部分）
83	2025-05-23	Real-time driver drowsiness detection using transformer architectures: a novel deep learning approach 2025-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02111-x PMID:40394076	research paper	提出了一种基于transformer架构的新型深度学习框架，用于实时检测驾驶员疲劳状态	整合了Class Activation Mapping (CAM)增强模型可解释性，并采用transformer架构在疲劳检测中实现前所未有的准确性和可靠性	未提及在极端天气或驾驶员佩戴特殊眼镜等情况下的性能表现	开发实时驾驶员疲劳检测系统以提高道路安全	驾驶员眼部状态（睁眼/闭眼）	computer vision	NA	Haar Cascade分类器，图像归一化与增强	Vision Transformer (ViT), Swin Transformer, VGG19, DenseNet169, ResNet50V2, InceptionResNetV2, InceptionV3, MobileNet	image	MRL Eye Dataset, NTHU-DDD和CEW数据集（未提具体样本量）
84	2025-05-23	Deep learning-based interpretable prediction of recurrence of diffuse large B-cell lymphoma 2025-May-20, BJC reports DOI:10.1038/s44276-025-00147-0 PMID:40394100	research paper	开发了一种基于深度学习的可解释性预测模型，用于预测弥漫性大B细胞淋巴瘤（DLBCL）的复发	利用基于注意力的分类方法突出显示图像中对模型分类高度相关的区域，并通过形态学特征分析增强模型的可解释性	模型的可解释性虽然有所提升，但可能仍不足以完全理解复杂的生物学过程	预测DLBCL患者的复发情况，以提供替代治疗方案	弥漫性大B细胞淋巴瘤（DLBCL）患者	digital pathology	lymphoma	deep learning, attention-based classification, morphological feature analysis	CNN	image	公开可用的队列组织学图像
85	2025-05-23	An explainable AI-driven deep neural network for accurate breast cancer detection from histopathological and ultrasound images 2025-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97718-5 PMID:40394112	research paper	该研究提出了一种基于可解释AI的深度神经网络模型DNBCD，用于从组织病理学和超声图像中准确检测乳腺癌	结合Densenet121和定制CNN层，利用迁移学习和Grad-CAM提高模型的准确性和可解释性	模型在BUSI数据集上的准确率略低于B-400x数据集，可能受到数据类别不平衡的影响	开发一种高准确性和可解释性的自动化乳腺癌检测系统	乳腺癌的组织病理学和超声图像	digital pathology	breast cancer	deep learning	CNN, Densenet121	image	B-400x数据集1820张图像，BUSI数据集1578张图像
86	2025-05-23	Harnessing feature pruning with optimal deep learning based DDoS cyberattack detection on IoT environment 2025-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02152-2 PMID:40394115	研究论文	本文提出了一种基于特征剪枝和优化深度学习的DDoS攻击检测技术，用于物联网环境中的网络安全	结合改进的鹈鹕优化算法（IPOA）进行特征剪枝，并利用稀疏去噪自编码器（SDAE）模型进行DDoS攻击检测，同时采用鱼类迁移优化器（FMO）技术进行参数调优	实验仅在BoT-IoT数据集上进行验证，未涉及其他数据集或实际物联网环境的测试	提高物联网环境中DDoS攻击的检测准确率和效率	物联网环境中的DDoS攻击	机器学习	NA	改进的鹈鹕优化算法（IPOA）、稀疏去噪自编码器（SDAE）、鱼类迁移优化器（FMO）	SDAE	网络流量数据	基准BoT-IoT数据集
87	2025-05-23	Automated cell structure extraction for 3D electron microscopy by deep learning 2025-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01763-z PMID:40394179	研究论文	本研究探讨了基于深度学习的生物图像自动分割方法，用于精确重建细胞和细胞器的3D结构	采用U-Net和SAM模型结合3D分水岭算法，实现了从大规模显微镜图像中自动提取单个细胞的3D图像，并进一步分割细胞内部结构	未提及该方法在其他类型细胞或组织上的泛化能力	开发自动化方法用于3D细胞结构重建	原始单细胞红藻Cyanidioschyzon merolae的细胞图像	数字病理学	NA	聚焦离子束扫描电子显微镜(FIB-SEM)	U-Net, SAM	3D电子显微镜图像	未明确说明样本数量，但涉及大规模显微镜图像中的多个细胞
88	2025-05-23	Advanced feature fusion of radiomics and deep learning for accurate detection of wrist fractures on X-ray images 2025-May-20, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08733-6 PMID:40394557	研究论文	本研究开发了一种结合放射组学和深度学习特征的混合诊断框架，用于X射线图像中腕部骨折的准确检测和分类	提出了一种结合放射组学和深度学习特征的混合框架，显著提高了腕部骨折的诊断准确性和可重复性	研究仅基于X射线图像，未考虑其他影像模态如CT或MRI	开发一种准确可靠的腕部骨折诊断方法	腕部和前臂骨折	计算机视觉	骨折	放射组学特征提取和深度学习	autoencoder, XGBoost, CatBoost, Random Forest, Voting Classifier	X射线图像	3,537张X射线图像（1,871例骨折和1,666例非骨折病例）
89	2025-05-23	Pancreas segmentation in CT scans: A novel MOMUNet based workflow 2025-May-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110346 PMID:40398261	研究论文	提出了一种基于MOMUNet的新型工作流程，用于提高CT扫描中胰腺分割的准确性和计算效率	引入外部轮廓裁剪(ECC)和尺寸比例(SR)技术，开发了超轻量级分割模型MOMUNet，显著提升了小腹部器官的分割准确性	未提及在更广泛器官或更大数据集上的泛化能力测试	提高CT扫描中胰腺分割的准确性和计算效率	CT扫描中的胰腺和小腹部器官	数字病理	胰腺癌	深度学习	MOMUNet	CT图像	NIH-Pancreas数据集和MSD-Pancreas数据集
90	2025-05-23	The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis 2025-May-19, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2024.12.038 PMID:39818206	research paper	本研究通过大规模平行报告实验和深度学习模型，揭示了斑马鱼胚胎发生过程中5' UTR在翻译调控中的关键作用	首次定量建模了5' UTR在发育过程中的翻译调控机制，并开发了预测模型DaniO5P	研究仅针对斑马鱼胚胎早期发育阶段，其他物种或发育阶段的情况尚不明确	探究5' UTR在胚胎发育过程中对翻译调控的影响	斑马鱼胚胎	生物信息学	NA	大规模平行报告实验、多核糖体分析	深度学习模型(DaniO5P)	序列数据	18,154个5' UTR序列
91	2025-05-23	Enhancing Transthyretin Binding Affinity Prediction with a Consensus Model: Insights from the Tox24 Challenge 2025-May-19, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00560 PMID:40285676	research paper	该研究通过整合三种深度学习模型（sPhysNet、KANO和GGAP-CPI），开发了一个共识模型，用于预测甲状腺素运载蛋白（TTR）的结合亲和力，并在Tox24挑战中取得了良好表现	结合三种不同模态的回归模型（2D拓扑、3D几何和蛋白质-配体相互作用）显著提高了预测准确性，并利用共识模型输出的标准差作为不确定性估计	研究未提及模型在更大规模或更复杂数据集上的泛化能力	提高TTR结合亲和力的预测准确性，以识别潜在的TTR结合物	甲状腺素运载蛋白（TTR）及其与外来化合物的相互作用	machine learning	NA	深度学习	sPhysNet, KANO, GGAP-CPI	分子信息（2D拓扑、3D几何和蛋白质-配体相互作用）	Tox24挑战提供的数据集
92	2025-05-23	Streaks on martian slopes are dry 2025-May-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59395-w PMID:40389425	research paper	该研究利用深度学习技术创建了首个包含50万个火星斜坡条纹的全球目录，并分析了这些条纹的形成机制及其对火星尘埃循环的影响	首次使用深度学习创建全球性的火星斜坡条纹目录，并挑战了湿条纹形成模型，支持干条纹形成机制	研究主要基于遥感数据，缺乏实地验证	探究火星斜坡条纹的形成机制及其对火星尘埃循环的影响	火星斜坡条纹	行星科学	NA	深度学习	NA	遥感图像	50万个火星斜坡条纹
93	2025-05-23	Enhancing hand-drawn diagram recognition through the integration of machine learning and deep learning techniques 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01823-4 PMID:40389485	研究论文	本文提出了一种结合机器学习和深度学习技术的方法，以提高手绘图的识别性能	整合多种机器学习方法的最佳特性，并引入深度学习技术以处理复杂和可变的手绘图数据	实验仅限于特定类型的手绘图数据集（如流程图、有限自动机和业务过程模型），可能无法涵盖所有手绘图类型	提高手绘图的自动识别和理解能力	手绘图（如流程图、有限自动机、业务过程模型）	计算机视觉	NA	Fossum Soergel k-means聚类、形态学Canny Bessel径向基轮廓形状因子、Fisher核k最近邻、sing-scurve模糊规则生成、wide context faster regional卷积神经网络	CNN	图像	基准数据集中的手绘图样本
94	2025-05-23	Harnessing optimization with deep learning approach on intelligent transportation system for anomaly detection in pedestrian walkways 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99940-7 PMID:40389534	研究论文	该研究提出了一种结合深度学习和优化技术的智能交通系统方法，用于行人通道的异常检测	提出了HODLAITS-ADPW方法，结合了改进的YOLOv7目标检测器、变色龙群算法和注意力金字塔卷积神经网络，用于行人异常检测	NA	提升城市环境中行人通道的安全性和效率	行人通道中的异常行为和活动	计算机视觉	NA	计算机视觉和深度学习	改进的YOLOv7、注意力金字塔CNN	图像	行人数据集（具体数量未提及）
95	2025-05-23	Enhancing feature learning of hyperspectral imaging using shallow autoencoder by adding parallel paths encoding 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01758-w PMID:40389536	research paper	本文提出了一种双路径自编码器（D-Path-AE）模型，用于增强高光谱成像（HSI）的非线性特征学习，并通过并行编码路径和降采样策略减少对多数类特征的偏倚	提出D-Path-AE模型，通过并行编码路径增强非线性特征学习，并采用降采样策略减少数据集不平衡带来的偏倚	模型性能依赖于数据集的平衡性，且未探讨在更大规模或更复杂数据集上的泛化能力	提高高光谱成像数据的特征提取效率和分类准确性	高光谱成像数据	computer vision	NA	HSI, PCA, ICA	Autoencoder (AE), Dual-Path AE (D-Path-AE), Decision Tree, SVM, KNN	image	Pavia Center, Salinas, Kennedy Space Center数据集
96	2025-05-23	Efficient black-box attack with surrogate models and multiple universal adversarial perturbations 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87529-z PMID:40389546	研究论文	本文提出了一种名为SMPack的分阶段黑盒对抗样本生成算法，通过结合多重通用对抗扰动（MUAPs）和代理模型，有效克服黑盒限制并提高对抗样本生成效率	提出SMPack算法，整合MUAPs、代理模型和遗传算法（GA）优化，显著提高黑盒攻击的成功率和查询效率	实验仅在MNIST、SVHN、CIFAR-10和ImageNet四个公开数据集上进行，可能在其他数据集上的泛化能力未验证	研究黑盒设置下对抗样本生成的有效性和效率	深度学习模型	机器学习	NA	遗传算法（GA）	深度学习模型	图像	每个数据集500个随机正确分类的样本
97	2025-05-23	Translational approach for dementia subtype classification using convolutional neural network based on EEG connectome dynamics 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02018-7 PMID:40389648	研究论文	本研究利用基于EEG连接组动力学的卷积神经网络进行痴呆亚型分类的转化方法	通过动态EEG功能连接特征识别痴呆亚型（如阿尔茨海默病和额颞叶痴呆）的特征模式，并评估其作为生物标志物的潜力	未提及样本来源的多样性或潜在的过拟合问题	早期筛查和诊断痴呆谱系障碍，改善患者预后和生活质量	阿尔茨海默病（AD）、额颞叶痴呆（FD）患者及健康对照组	数字病理学	老年病	静息态脑电图（EEG）功能连接分析	CNN	EEG信号	AD、FD患者及健康对照组（具体数量未提及）
98	2025-05-23	IoT driven smart health monitoring for heart disease prediction using quantum kernel enhanced sardine diffusion and CNN 2025-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99990-x PMID:40389708	研究论文	提出了一种基于物联网的量子核增强沙丁鱼扩散注意力网络(Qua-KSar-DCK-ArNet)，用于实时预测心脏病	结合量子计算和经典深度学习方法，开发了Qua-KSar-DCK-ArNet模型，显著提高了心脏疾病预测的准确性和速度	未提及模型在多样化人群中的泛化能力以及实际部署中的技术挑战	通过物联网和量子增强深度学习技术改进心脏疾病的实时预测	心脏相关数据（如心电图和心率）	机器学习	心血管疾病	量子聚类与k-Means、Z-score Min-Max标准化、快速点变换	Qua-KSar-DCK-ArNet（结合量子核与CNN）	传感器时序数据（ECG/心率）	NA
99	2025-05-23	Multiple deep learning models based on MRI images in discriminating glioblastoma from solitary brain metastases: a multicentre study 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01703-3 PMID:40389875	research paper	本研究开发了一种基于多中心、多序列MRI图像的深度学习模型，用于术前准确区分胶质母细胞瘤和孤立性脑转移瘤，并比较了不同深度学习模型的性能	结合多序列MRI图像和多种深度学习模型（3D ResNet-18、3D Vision Transformer、3D DenseNet和3D VGG）进行肿瘤识别，并通过外部测试集验证模型的泛化能力	样本量相对较小（236例训练集和48例外部队测试集），且仅来自两个医疗中心	开发高效的术前肿瘤鉴别方法	胶质母细胞瘤和孤立性脑转移瘤患者	digital pathology	brain tumor	MRI	3D ResNet-18, 3D Vision Transformer, 3D DenseNet, 3D VGG	image	236例（训练集197例，测试集39例）加48例外部队测试集
100	2025-05-23	Deep learning models based on multiparametric magnetic resonance imaging and clinical parameters for identifying synchronous liver metastases from rectal cancer 2025-May-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01692-3 PMID:40389920	research paper	该研究基于多参数磁共振成像和临床参数建立并验证了深度学习模型，用于预测直肠癌患者的同步肝转移	结合多参数MRI和临床数据构建的深度学习模型在预测同步肝转移方面表现出最佳性能	样本量相对较小，外部验证队列仅有31例患者	预测直肠癌患者的同步肝转移风险	直肠癌患者	digital pathology	rectal cancer	multiparametric MRI	Residual Network	image and clinical data	176例主要研究队列患者和31例外部队列患者