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
1181	2025-07-08	An adaptive deep learning approach based on InBNFus and CNNDen-GRU networks for breast cancer and maternal fetal classification using ultrasound images 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03402-z PMID:40593964	research paper	提出了一种基于InBNFus和CNNDen-GRU网络的自适应深度学习方法，用于超声图像中的乳腺癌和母胎分类	提出了两种新颖的网络架构InBnFUS和CNNDen-GRU，能够同时处理乳腺癌和母胎超声数据集的分类问题	现有方法大多针对单一特定问题设计，适应性有限	开发一种计算机化技术，用于自动分类乳腺癌和母胎超声图像中的异常	乳腺癌和母胎超声数据集	computer vision	breast cancer	data augmentation, deep learning	InBnFUS, CNNDen-GRU, CNN, GRU	image	NA
1182	2025-07-08	Trees vs neural networks for enhancing tau lepton real-time selection in proton-proton collisions 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04767-x PMID:40594382	研究论文	本文介绍了在质子-质子对撞机中用于实时选择（触发）强子衰变tau轻子的监督学习技术	通过实施传统机器学习决策树和先进的深度学习模型（如多层感知器或残差神经网络），观察到与标准基于规则的tau触发器相比性能的显著提升	NA	提高质子-质子对撞中低能tau轻子分类的新现象搜索的灵敏度	强子衰变的tau轻子	机器学习	NA	监督学习技术	决策树、多层感知器（MLP）、残差神经网络	质子-质子对撞数据	NA
1183	2025-07-08	Deep learning framework for hourly air pollutants forecasting using encoding cyclical features across multiple monitoring sites in Beijing 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05472-5 PMID:40594555	研究论文	本文提出了一种基于深度学习的北京多监测站点每小时空气污染物预测框架	开发了结合未编码和编码特征的DNN和CNN模型，用于多元时间序列预测，特别是在预测空气污染浓度方面	研究仅基于北京10个监测站点的数据，可能无法完全代表其他地区的空气污染情况	构建一个可靠的中国空气污染预测和评估系统	六种空气污染物（CO、NO、O、SO、PM2.5、PM10）	机器学习	NA	深度神经网络（DNN）和卷积神经网络（CNN）	DNN, CNN	时间序列数据	10个国家级空气质量监测站点2013年3月1日至2017年2月28日的每小时数据
1184	2025-07-08	EmoTrans attention based emotion recognition using EEG signals and facial analysis with expert validation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98404-2 PMID:40594901	研究论文	本文提出了一种基于EEG信号和面部分析的EmoTrans模型，用于情绪识别，并通过专家验证提高了模型的有效性	EmoTrans模型整合了EEG信号和面部视频数据，采用注意力机制优先处理最相关特征，显著提高了情绪分类的准确性	研究依赖于DEAP数据集，样本量相对有限（32名参与者的EEG数据和22名参与者的面部视频数据）	通过多模态数据分析提高情绪识别的准确性和生态效度	人类情绪状态（如快乐、兴奋、平静、痛苦等）	情感计算	NA	EEG信号分析、面部视频分析	注意力机制模型	生理信号（EEG）、视频	32名参与者的EEG数据（40段1分钟电影片段）和22名参与者的面部视频数据
1185	2025-07-08	Hybrid transfer learning and self-attention framework for robust MRI-based brain tumor classification 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09311-5 PMID:40595383	research paper	提出一种结合迁移学习和自注意力机制的混合模型，用于提高基于MRI的脑肿瘤分类准确性	结合预训练的DenseNet201 CNN模型和Transformer架构，克服计算强度、细节检测和噪声敏感性等挑战	未提及具体局限性	开发一种稳健的计算机辅助诊断系统，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	DenseNet201, Transformer, VGG19, InceptionV3, Xception, MobileNetV2, ResNet50V2	image	3000张MRI图像（Br35H数据集）
1186	2025-07-08	Attention residual network for medical ultrasound image segmentation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04086-1 PMID:40595803	研究论文	提出了一种用于医学超声图像分割的注意力残差网络模型（ARU-Net）	在编码器部分引入残差连接增强模型学习能力，集成空间混合卷积模块提升全局信息提取能力，并在跳跃连接的特征融合阶段引入通道注意力机制和多卷积自注意力机制以抑制噪声	未提及模型在更大规模或更多样化数据集上的泛化能力	提高医学超声图像中病变区域分割的准确性	乳腺和甲状腺的超声图像	数字病理	乳腺癌, 甲状腺疾病	深度学习	ARU-Net（基于U-Net改进的注意力残差网络）	图像	公开的乳腺超声和甲状腺超声数据集（具体样本数量未提及）
1187	2025-07-08	Long-wave infrared computational multispectral metasurface and spectral reconstruction method 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06599-1 PMID:40596247	research paper	展示了一种在长波红外光谱（8-11.5微米）工作的计算多光谱超表面，采用3×3光子晶体阵列架构	设计的光子晶体阵列在长波红外光谱中实现了75.8%的峰值透射率和41.37%的宽带能量利用效率，通道间透射率相关系数为0.17，优于传统光栅系统	NA	开发下一代红外多光谱系统的硬件-算法协同设计框架	长波红外光谱（8-11.5微米）	光学工程	NA	光子晶体阵列架构	深度学习网络	光谱数据	NA
1188	2025-07-08	Multimodal deep learning-based radiomics for meningioma consistency prediction: integrating T1 and T2 MRI in a multi-center study 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01787-x PMID:40596910	研究论文	本研究开发了一种基于多模态深度学习的放射组学模型，用于预测脑膜瘤的质地，整合了T1和T2 MRI数据	结合放射组学和深度学习特征，提高了脑膜瘤质地预测的准确性和稳健性	研究为回顾性设计，样本量相对有限（204例患者）	提高脑膜瘤术前评估和手术规划的准确性	脑膜瘤患者	数字病理学	脑膜瘤	MRI	深度学习放射组学模型（DLR_Model）	MRI图像	204例脑膜瘤患者（来自两个医疗中心）
1189	2025-07-08	An Efficient Deep Learning Framework for Automated Epileptic Seizure Detection: Toward Scalable and Clinically Applicable Solutions 2025-Jul, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22983 PMID:40620110	研究论文	提出了一种基于图卷积神经网络(GCNN)的高效癫痫发作检测框架，旨在提供可扩展且适用于临床的解决方案	与依赖局部特征或复杂特征工程的传统方法不同，该GCNN方法显式编码了EEG电极间的空间依赖性，从而捕获更全面的时空特征	NA	开发高效的癫痫发作自动检测方法，推动基于EEG的癫痫诊断并改善患者预后	癫痫患者的EEG信号	数字病理学	癫痫	EEG信号处理	GCNN	EEG信号	CHB-MIT头皮EEG数据库和自收集的SH-SDU数据库
1190	2025-07-08	Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury 2025-Jun-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf116 PMID:40241659	研究论文	本研究探讨了结合T1加权MRI和CT血管造影的混合策略在非侵入性预测围手术期心肌损伤中的应用	首次提出将MRI与CCTA结合的混合策略，显著提高了PMI的预测准确性	样本量相对较小（120名患者），且仅针对特定患者群体（计划进行择期PCI的患者）	探索结合MRI和CCTA的混合策略在预测围手术期心肌损伤中的效果	120名计划进行择期PCI的患者（共132个病变）	数字病理学	心血管疾病	T1加权MRI、CT血管造影（CCTA）	深度学习	医学影像	120名患者（132个病变）
1191	2025-07-08	Deep learning models for predicting hearing thresholds based on joint stimulus-frequency otoacoustic emissions and distortion-product otoacoustic emissions 2025-Jun-29, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109349 PMID:40618463	研究论文	本研究开发了一种结合刺激频率耳声发射(SFOAEs)和畸变产物耳声发射(DPOAEs)的深度学习模型，用于定量预测听力阈值	首次探索了SFOAEs和DPOAEs联合应用在听力阈值预测中的潜力，并开发了效率优化的双源OAE深度学习模型	研究样本量相对有限(94只正常听力耳和401只感音神经性听力损失耳)，且仅在特定频率范围(0.5-8 kHz)进行了验证	开发一种准确高效的客观听力损失诊断工具	人耳听力阈值预测	机器学习	听力损失	深度学习	CNN和RNN	生物信号数据(耳声发射)	495只人耳(94只正常听力，401只听力损失)
1192	2025-07-08	A comparative study of robustness to noise and interpretability in U-Net-based denoising of Raman spectra 2025-Jun-27, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126577 PMID:40618630	研究论文	本研究比较了基于U-Net的拉曼光谱去噪模型在不同噪声条件下的鲁棒性和可解释性	通过使用不同积分时间获取的噪声水平不同的光谱进行训练，提高了模型的泛化能力，并应用可解释性技术揭示了模型处理光谱数据的机制	仅比较了单一条件和多条件两种训练策略，未探索更多训练策略的可能性	研究不同训练策略对U-Net模型在拉曼光谱去噪中的泛化能力和可解释性的影响	拉曼光谱数据	机器学习	NA	拉曼光谱	U-Net	光谱数据	NA
1193	2025-07-08	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过事后分析探讨了心外膜脂肪组织与无症状主动脉瓣狭窄严重程度、进展、心肌重构及死亡率的关系	首次使用全自动深度学习软件量化心外膜脂肪组织，并探讨其与主动脉瓣狭窄患者预后的关联	样本量较小（124例患者），且为事后分析研究	探究心外膜脂肪组织在主动脉瓣狭窄中的作用	无症状轻度至重度主动脉瓣狭窄患者	数字病理学	心血管疾病	CT血管造影	深度学习	医学影像	124例无症状主动脉瓣狭窄患者
1194	2025-07-08	YOLOv8-DuckPluck: A lightweight target detection model for cherry valley duck feather pecking site detection 2025-Jun-26, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105484 PMID:40618564	研究论文	提出一种基于YOLOv8的樱桃谷鸭羽毛啄击点检测轻量级模型YOLOv8-DuckPluck，用于精准监测家禽啄羽行为	引入新型轻量级多尺度特征提取模块NeoMSM-C2f增强多尺度特征提取能力，采用DyHead动态调整检测策略，并通过知识蒸馏技术提升检测精度	未明确说明模型在其他家禽品种或复杂光照条件下的泛化性能	开发高效精准的家禽啄羽行为检测模型以满足现代精准畜牧业需求	樱桃谷鸭的羽毛啄击行为	计算机视觉	NA	知识蒸馏	YOLOv8改进模型（YOLOv8-DuckPluck）	图像	未明确说明具体样本数量（樱桃谷鸭行为视频数据）
1195	2025-07-08	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2025-Jun-12, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.06.25328492 PMID:40585088	研究论文	提出一种基于transformer的框架，结合转录组学和组织学模式，区分支气管发育不良或更严重的病变与正常、增生和化生	首次提出一种灵活利用转录组学和组织学模式的transformer框架，用于区分支气管发育不良或更严重的病变	模型训练基于二元标签，可能无法完全捕捉病变的连续谱系	开发一种能够区分支气管发育不良或更严重病变的深度学习框架	支气管前恶性病变	数字病理学	肺癌	RNA-seq	transformer	图像和基因表达数据	来自4项研究的数据，包括高风险肺癌患者的支气管活检H&E全切片图像和批量基因表达数据
1196	2025-07-08	UniScore, a Unified and Universal Measure for Peptide Identification by Multiple Search Engines 2025-Jun-02, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101010 PMID:40466863	研究论文	提出UniScore作为一种度量标准，用于整合和标准化多个搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出	UniScore仅通过匹配候选肽的氨基酸序列与产物离子谱来计算，独立于分数值使用基于目标-诱饵方法的错误发现率控制接受标准，相比其他基于深度学习的谱预测重新评分方法，能以更少的计算资源处理更大规模的数据	NA	开发一种统一且通用的度量标准，用于整合和标准化多个搜索引擎在蛋白质组学数据分析中的输出	数据依赖采集（DDA）数据，来自LC/MS/MS的自下而上蛋白质组学	蛋白质组学	NA	LC/MS/MS, 数据依赖采集（DDA）	NA	质谱数据	大规模全球蛋白质组数据和磷酸化蛋白质组数据
1197	2025-07-08	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	research paper	本研究探讨了使用GAN反转生成的合成图像进行数据增强，以解决结肠镜检查病变分类中标注数据不足的问题	通过GAN反转在语义丰富且解耦的潜在空间中操作图像对，生成保持相同标签的合成图像，并进行图像模态转换和病变形状插值，提高了结肠息肉分类性能	未明确提及具体样本量限制或模型泛化能力的详细评估	提高结肠镜检查中病变分类的深度学习模型性能	结肠镜检查图像中的息肉病变	digital pathology	colon cancer	GAN inversion, style transfer, image interpolation	GAN	image	NA
1198	2025-07-08	Deep learning-based organ-at-risk segmentation, registration and dosimetry on cone beam computed tomography images in radiation therapy: A comprehensive review 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2006_24 PMID:40616533	综述	本文综述了基于深度学习的锥形束计算机断层扫描（CBCT）在放射治疗中器官风险分割、图像配准和剂量学的应用进展	探讨了生成对抗网络（GAN）和深度卷积神经网络（DCNN）在提高CBCT图像质量、器官风险分割精度和剂量计算准确性方面的创新应用	未提及具体的技术实施细节或临床验证的局限性	提升CBCT在放射治疗中的应用效果，包括器官风险分割、图像配准和剂量计算的准确性	锥形束计算机断层扫描（CBCT）图像及其在放射治疗中的应用	数字病理学	NA	生成对抗网络（GAN）、深度卷积神经网络（DCNN）	GAN、DCNN	图像	NA
1199	2025-07-08	Precision prediction of cervical cancer outcomes: A machine learning approach to recurrence and survival analysis 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2524_24 PMID:40616534	综述	本文全面探讨了AI在预测宫颈癌复发和生存中的作用，重点关注机器学习、深度学习和自然语言处理等技术	整合AI与医学影像、基因组学和临床数据，为宫颈癌复发和生存预测提供先进方法	讨论了AI在宫颈癌预测中的挑战和局限性	优化宫颈癌治疗并改善患者预后	宫颈癌患者	机器学习	宫颈癌	机器学习、深度学习、自然语言处理	NA	医学影像、基因组学、临床数据	NA
1200	2025-07-08	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出了一种名为TopoTxR的新型拓扑引导深度卷积网络，用于在DCE-MRI上学习乳腺实质结构	通过显式提取多尺度拓扑结构并结合注意力机制，改进了对乳腺实质结构的量化	NA	改进乳腺实质结构的量化方法，以更好地理解疾病病理生理学和治疗反应	乳腺实质结构	数字病理学	乳腺癌	DCE-MRI	CNN	图像	公开数据集I-SPY 1（N = 161）和Rutgers专有数据集（N = 120）