深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1201	2025-10-05	Deep vision-based real-time hand gesture recognition: a review 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2921 PMID:40989457	综述	本文综述了基于深度学习的实时手势识别方法，重点分析CNN、LSTM和注意力机制等模型在解决边缘模糊、旋转误差和计算延迟等问题中的应用	系统比较了不同深度学习模型在手势识别中的贡献，并从模型使用率、精度/效率提升、识别阶段作用等维度进行综合分析	作为综述文章，不涉及原始实验研究，主要基于现有文献进行分析	回顾和评估深度学习在手势识别领域的最新进展和应用效果	基于视觉的手势识别技术	计算机视觉	NA	深度学习	CNN, LSTM, 注意力机制	图像	NA	NA	NA	准确率, 效率	NA
1202	2025-10-05	Local-global multi-scale attention network for medical image segmentation 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3033 PMID:40989458	研究论文	提出一种用于医学图像分割的局部-全局多尺度注意力网络LGMANet	设计了局部-全局信息处理块(LGIPB)和高效多尺度重建注意力(EMRA)模块，有效解决局部与全局信息提取不足及核心特征选择不准确的问题	NA	提升医学图像分割的准确性和鲁棒性	医学图像分割任务	计算机视觉	皮肤病、结肠息肉、乳腺癌、腺癌	深度学习	CNN	医学图像	ISIC2018、CVC-ClinicDB、BUSI、GLaS四个数据集	NA	LGMANet（包含LGIPB和EMRA模块）	IoU	NA
1203	2025-10-05	Predicting sport event outcomes using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3011 PMID:40989473	研究论文	提出结合一维卷积神经网络和Transformer架构的深度学习框架，用于提升体育赛事结果预测的准确性	首次将1D CNN与Transformer架构相结合用于体育赛事预测，通过卷积层捕捉局部空间模式，同时利用自注意力机制建模长程依赖关系	NA	提高体育赛事结果预测的准确性和鲁棒性	体育赛事结果预测	机器学习	NA	深度学习	CNN, Transformer	结构化比赛数据	基准体育数据集	NA	1D CNN, Transformer	准确率, 鲁棒性	NA
1204	2025-10-05	An evolutionary Bi-LSTM-DQN framework for enhanced recognition and classification in rural information management 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2967 PMID:40989483	研究论文	提出一种融合进化算法、强化学习和双向长短期记忆网络的EBLM-DQN框架，用于提升农村信息管理的识别与分类精度	首次将进化算法与Bi-LSTM和深度Q网络结合，通过动态权重优化和进化选择实现农村信息的精准分类	未明确说明框架在计算资源消耗和实时性方面的表现	提高农村信息管理系统中信息识别与分类的准确性和效率	农民相关农村信息数据	自然语言处理	NA	消歧技术、数据补全	Bi-LSTM, DQN	文本	NA	NA	双向长短期记忆网络, 深度Q网络	分类准确率	NA
1205	2025-10-05	A review of deep learning methods in aquatic animal husbandry 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3105 PMID:40989481	综述	本文对水产养殖中使用的深度学习方法进行了系统性综述	系统总结了深度学习在水产养殖分类、定位和分割三个关键领域的应用，特别指出U-Net模型在分割任务中达到94.44%的高性能	未提及具体的研究局限性，但指出未来研究需要改进模型以应对传感器输入质量和多模态数据等现实挑战	综述深度学习技术在水产养殖自动化系统中的应用	水生动物	计算机视觉	NA	深度学习	深度学习模型	图像, 视频	NA	NA	U-Net	分割性能	NA
1206	2025-10-05	Predicting academic performance for students' university: case study from Saint Cloud State University 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3087 PMID:40989480	研究论文	本研究使用LSTM模型预测圣克劳德州立大学学生的学业表现	采用基于排列的特征重要性分析方法识别关键变量，并在学院和系级两个层面进行实验验证	数据仅来自单一大学，可能限制模型的泛化能力	通过教育数据挖掘预测学生学业表现，帮助识别有学业风险的学生	圣克劳德州立大学的29,455名学生	教育数据挖掘	NA	教育数据挖掘	LSTM	学术和人口统计特征数据	29,455名学生，时间跨度为8年(2016-2024)	TensorFlow/PyTorch	LSTM	MAPE, MAE, RMSE, R²	NA
1207	2025-10-05	Multi-task advanced convolutional neural network for robust lymphoblastic leukemia diagnosis, classification, and segmentation 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3043 PMID:40989487	研究论文	提出一种新型多任务高级卷积神经网络框架，用于急性淋巴细胞白血病的诊断、分类和分割	开发了能够同时执行表达分类和疾病检测的多任务CNN框架，通过任务间的互补信息提升整体性能	NA	提高急性淋巴细胞白血病诊断的效率和准确性	医学影像数据中的急性淋巴细胞白血病	计算机视觉	白血病	医学影像分析	CNN	图像	NA	NA	多任务高级卷积神经网络(MTA-CNN)	准确率,精确率,召回率,F1分数,特异性,Cohen's kappa,阴性预测值	NA
1208	2025-10-05	Spatial resolution enhancement using deep learning improves chest disease diagnosis based on thick slice CT 2024-Nov-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01338-8 PMID:39580609	研究论文	开发深度学习模型通过厚层CT生成合成薄层CT以提升胸部疾病诊断准确性	提出卷积-Transformer混合编解码架构的深度学习模型，首次实现跨区域多中心验证的厚层CT到薄层CT合成	研究仅针对社区获得性肺炎和肺结节检测，未涵盖其他胸部疾病	提升厚层CT的空间分辨率以改善胸部疾病诊断	胸部CT图像	计算机视觉	肺部疾病	CT成像	深度学习	医学影像	单中心1576名参与者，跨区域三中心1228名参与者	NA	卷积-Transformer混合编解码器	诊断准确率, 敏感性	NA
1209	2025-10-05	Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP 2024-11, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2024.10456/2024 PMID:38832589	综述	本文全面回顾了人工智能在胆胰内镜（EUS和ERCP）领域的最新研究进展和应用现状	系统梳理了AI在胆胰内镜领域的技术进展、主要应用场景及伦理考量，为该领域的未来发展提供指导	作为叙述性综述，未进行系统性文献检索和定量分析	总结人工智能在胆胰内镜检查中的研究现状和发展方向	胆胰内镜检查技术，包括超声内镜（EUS）和经内镜逆行胰胆管造影（ERCP）	医学人工智能	胆胰疾病	深度学习	深度学习模型	内镜图像	NA	NA	NA	NA	NA
1210	2025-10-05	WITHDRAWN: Application of deep learning to predict advanced neoplasia using big clinical data in colorectal cancer screening of asymptomatic adults 2018-11-04, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2018.10.041 PMID:30403965	撤稿	该文章已被作者和/或编辑要求撤回，涉及使用深度学习预测无症状成人结直肠癌筛查中晚期肿瘤的研究	NA	NA	NA	NA	NA	结直肠癌	NA	深度学习	临床大数据	NA	NA	NA	NA	NA
1211	2025-10-05	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-Dec, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术探索雌激素调控的转录组复杂性，发现新型异构体及其产生的截短蛋白功能	首次结合长读长直接RNA测序、3'端测序和深度学习蛋白建模系统揭示E2调控的转录组复杂性，发现内含子多聚腺苷酸化mRNA及其产生的功能性截短蛋白	研究主要聚焦于ERα阳性乳腺癌，未涉及其他癌症类型或正常组织	探索雌激素调控的转录组复杂性及其在蛋白水平的功能影响	ERα阳性乳腺癌细胞中的E2响应转录组	生物信息学	乳腺癌	纳米孔长读长直接RNA测序, 3'端测序, 深度学习蛋白建模	深度学习	RNA测序数据, 蛋白质结构数据	NA	NA	NA	NA	NA
1212	2025-10-05	Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma 2025-Oct-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2024-0374-OA PMID:39957180	研究论文	开发基于人工智能的肾脏嗜酸细胞肿瘤分类模型，从双分类扩展到三分类	从肾嗜酸细胞瘤和低级别嗜酸细胞肿瘤的双分类模型扩展到包含嫌色细胞肾细胞癌的三分类模型	样本量相对有限，仅包含269张全切片图像	开发自动计算分类器对肾脏嗜酸细胞肿瘤进行分层诊断	肾脏活检和切除标本的全切片图像	数字病理	肾癌	全切片图像分析	深度学习	图像	269张全切片图像，来自6个机构的125个病例	NA	弱监督注意力机制的多示例学习	准确率, AUC	NA
1213	2025-10-05	Automated Prediction of Bone Volume Removed in Mastoidectomy 2025-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.1365 PMID:40790912	研究论文	开发深度学习管道自动化预测乳突切除术中骨体积去除量	首次将深度学习应用于虚拟现实乳突切除术模拟中的骨体积去除预测	数据集较小且来源单一，部分案例存在骨去除过度或不足的问题	通过术前预测骨去除体积来改善外科培训和计算机辅助手术	虚拟现实乳突切除术模拟数据	计算机视觉	耳科手术	虚拟现实模拟，计算机断层扫描	深度学习	医学影像	15个去标识化颞骨CT扫描	NA	NA	Dice分数，Hausdorff距离	NA
1214	2025-10-05	Enhanced brain tumor classification in MRI using an optimized deep random graph dilated diffusion convolutional attention network 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70028 PMID:40993917	研究论文	提出一种结合深度学习和优化算法的脑肿瘤MRI图像分类方法	提出深度随机图扩张扩散卷积注意力网络(DR2DCAN)与冠豪猪优化器(CPO)相结合的新框架	NA	提高脑肿瘤MRI图像分类的准确性和可靠性	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN,注意力机制	图像	来自Figshare和Kaggle的脑肿瘤数据集，包含非肿瘤胶质瘤、垂体瘤和脑膜瘤病例	NA	DeepLabV3+, DR2DCAN	准确率,精确率,召回率,F1分数	NA
1215	2025-10-05	A multi-modal diffusion model for noise reduction of particle number limited Monte Carlo dose calculation for carbon ion radiotherapy 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70021 PMID:40993914	研究论文	开发并验证一种多模态扩散模型Diff-MC，用于减少碳离子放射治疗中粒子数受限的蒙特卡罗剂量计算的噪声	提出首个用于碳离子放疗的多模态扩散模型，采用混合融合策略整合数据级、特征级和决策级融合，保持蒙特卡罗方法的物理特性	模型在高度异质性数据集上验证，但需要进一步临床验证	提高碳离子放射治疗中蒙特卡罗剂量计算的效率和准确性	碳离子放射治疗的剂量计算	医学影像处理	癌症	蒙特卡罗模拟，深度学习	扩散模型	CT图像，剂量图，束流参数	训练验证集：20个CT的15000对束流数据；测试集：5个CT的500对束流数据；泛化测试集：100个CT的500对束流数据	NA	Diff-MC	gamma通过率，横向剂量，积分深度剂量，百分比深度剂量	NA
1216	2025-10-05	Multi-scale nested graph transformer with graph operations: Advancing high-resolution chest x-ray classification 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70003 PMID:40995863	研究论文	提出一种多尺度嵌套图变换器模型，用于高分辨率胸部X射线图像分类	结合多尺度嵌套架构、交叉注意力融合和图池化操作，在保持局部细节的同时建模全局上下文关系	在小型数据集上可能存在过拟合风险，计算复杂度仍需优化	提高高分辨率胸部X射线图像的分类准确率，同时提升计算效率和泛化能力	高分辨率胸部X射线图像	计算机视觉	肺炎	医学影像分析	Transformer, 图神经网络	图像	三种类型的高分辨率胸部X射线图像数据集	PyTorch	多尺度嵌套图变换器	准确率, F1分数	NA
1217	2025-10-05	An exploratory study on ultrasound image denoising using feature extraction and adversarial diffusion model 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70023 PMID:40996343	研究论文	本研究提出了一种基于扩散模型和生成对抗网络的超声图像去噪方法ADM-ExNet	将扩散模型的反向过程替换为GAN，并引入结构特征提取网络构建损失函数，增强细节保留能力	探索性研究，方法在更广泛数据集和临床场景中的有效性需进一步验证	开发超声图像去噪方法以提升图像质量	超声图像中的散斑噪声	计算机视觉	NA	超声成像	扩散模型,GAN	超声图像	三个公共数据集：HC18（胎儿头围超声图像）、CAMUS（心脏超声图像）、Ultrasound Nerve（神经超声图像），图像尺寸统一为256×256像素，训练集与验证集按9:1划分	NA	U-Net	均方误差(MSE),峰值信噪比(PSNR),结构相似性指数(SSIM),错误发现率(FDR),Cohen's d效应量	NA
1218	2025-10-05	Transformer-based deep learning for predicting brain tumor recurrence using magnetic resonance imaging 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70016 PMID:40996365	研究论文	本研究开发了一种基于Transformer的深度学习模型，利用多模态MRI数据和放疗剂量信息预测脑肿瘤治疗后复发	首次将Transformer架构应用于融合多模态MRI和放疗剂量数据的脑肿瘤复发预测，并在多个临床亚组中验证了模型的泛化能力	研究样本来自单一医疗中心，需要多中心验证来进一步确认模型的普适性	开发能够预测脑肿瘤放疗后复发的深度学习模型，为个性化放疗提供决策支持	接受伽玛刀放射外科治疗的脑转移瘤患者	医学影像分析	脑肿瘤	磁共振成像，放疗剂量分析	Transformer	多模态MRI图像，放疗剂量数据	来自密西西比大学医学中心的脑转移瘤患者队列	NA	Transformer	AUROC	NA
1219	2025-10-05	Artificial Intelligence Automation of Echocardiographic Measurements 2025-Sep-30, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.07.053 PMID:40914895	研究论文	开发并验证用于超声心动图参数自动测量的开源深度学习语义分割模型	首次开发开源深度学习模型EchoNet-Measurements，实现18项超声心动图解剖和多普勒参数的自动测量	模型训练和验证主要基于单一医疗中心数据，外部验证仅使用另一个医疗中心数据	通过人工智能自动化超声心动图测量，减轻临床医生工作负担	超声心动图图像和参数测量	医学影像分析	心血管疾病	超声心动图	深度学习语义分割模型	超声心动图图像	155,215项研究中的877,983个超声心动图测量	NA	EchoNet-Measurements	覆盖概率, 相对差异	NA
1220	2025-10-05	Deep-learning-enabled high-throughput Screening of MXene photocatalysts for hydrogen production 2025-Sep-25, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr02764k PMID:40924402	研究论文	开发了一种深度学习驱动的高通量筛选方法，用于发现可用于光催化制氢的MXene材料	结合深度学习框架与高通量筛选，从23857种MXenes中识别出14种稳定的水分解候选材料，并提出了描述内建电场与非绝热电子-空穴耦合关系的描述符	计算方法的准确性依赖于训练数据质量，实验验证尚未进行	开发高效计算策略逆向设计二维光催化剂，用于氢能生产	MXene二维材料	机器学习	NA	高通量筛选，密度泛函理论，非绝热分子动力学，符号回归	深度学习	材料结构数据，能带数据，能量数据	23857种MXene材料	NA	NA	平均绝对误差（形成能0.06 eV/atom，凸包能0.06 eV/atom，带隙0.14 eV）	NA