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
1341	2025-05-12	CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3501386 PMID:40030243	研究论文	提出了一种新型多模态融合网络（MMF-Net），用于无需CT图像的PET图像全身骨分割	引入三种PET模态图像（示踪剂活性、衰减图和合成衰减图）到训练数据中，设计了多编码器结构和多模态融合模块，并采用了改进的卷积单元、SE归一化和深度监督以提高分割性能	研究仅基于130个全身PET图像数据集，样本量相对较小	开发一种无需CT图像的PET图像全身骨分割方法，以提高骨癌诊断的准确性和自动化水平	PET图像中的全身骨分割	数字病理学	骨癌	深度学习	MMF-Net	图像	130个全身PET图像数据集
1342	2025-05-12	EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504829 PMID:40030272	研究论文	提出了一种增强解码器语义恢复网络（EDSRNet），用于改善2D医学图像分割的性能	引入了多级语义融合（MLSF）模块、多尺度空间注意力（MSSA）和交叉卷积通道注意力（CCCA）模块，以及全局-局部语义恢复（GLSR）模块，以解决现有方法在语义信息补充和全局局部信息交互方面的不足	未提及具体的计算资源消耗或模型复杂度，也未讨论在不同类型医学图像上的泛化能力	提升2D医学图像分割的准确性和语义恢复效果	2D医学图像	数字病理	NA	深度学习	EDSRNet（基于encoder-decoder架构）	医学图像	公共数据集BUSI、CVC-ClinicDB和Kvasir-SEG（具体样本数量未提及）
1343	2025-05-12	WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3498871 PMID:40030379	研究论文	提出了一种名为WaveSleepNet的可解释神经网络，用于模拟临床专家的睡眠分期方法	利用潜在空间表示识别不同睡眠阶段的特征波原型，并通过量化这些原型的接近度来进行睡眠分期，提高了模型的可解释性	虽然模型性能与现有最先进模型相当，但未提及在更大规模或多样化数据集上的泛化能力	开发一种可解释的深度学习模型，用于自动睡眠分期，以促进临床采用	睡眠信号数据	机器学习	NA	深度学习	WaveSleepNet（基于潜在空间表示和原型学习的神经网络）	信号数据	三个公共数据集（未提及具体样本数量）
1344	2025-05-12	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	研究论文	本文探讨了深度学习算法在口腔癌检测中的技术和应用	提供了对最新基于AI的口腔癌检测方法的全面分析，包括使用卷积神经网络的深度学习和机器学习算法	NA	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	数字病理学	口腔癌	深度学习、机器学习、图像预处理和分割	CNN	图像	NA
1345	2025-05-12	Injecting structure-aware insights for the learning of RNA sequence representations to identify m6A modification sites 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18878 PMID:40017651	研究论文	提出了一种名为M6A-SAI的新型预测器，用于识别RNA中的m6A修饰位点，通过整合结构感知的见解来增强序列表示学习	M6A-SAI通过Transformer编码器学习RNA序列表示，构建相似性图捕捉序列相关性，并通过结构感知优化块和图卷积框架整合结构信息，显著提高了m6A修饰位点的识别精度	未提及具体的数据集规模或实验中的潜在偏差	准确识别RNA序列中的m6A修饰位点	RNA序列中的m6A修饰位点	自然语言处理	NA	Transformer, 图卷积, SVM	Transformer, 图卷积网络, SVM	RNA序列数据	NA
1346	2025-05-12	Deep-learning tool for early identification of non-traumatic intracranial hemorrhage etiology and application in clinical diagnostics based on computed tomography (CT) scans 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18850 PMID:40028214	研究论文	开发了一种基于深度学习的人工智能系统，用于早期识别非创伤性颅内出血的病因，并在临床诊断中应用	该系统能够基于非对比计算机断层扫描（NCCT）准确识别多种颅内出血病因，并在临床诊断中显著提升医生的诊断性能	模型在Moyamoya病（MMD）和其他病因上的AUC值相对较低，可能影响其在这些病因上的诊断准确性	开发一种能够准确识别非创伤性颅内出血病因的人工智能系统，并评估其在临床诊断中的应用价值	非创伤性颅内出血患者	数字病理学	颅内出血	深度学习	深度学习模型	CT扫描图像	1,868例NCCT扫描（训练集），TT200和SD98两个独立测试集
1347	2025-05-12	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3531768 PMID:40031143	研究论文	本研究利用证据网络和基于不确定性的优化方法，提高中风后神经损伤的检测灵敏度	采用证据网络和不确定性估计方法，显著提高了对轻微中风损伤和短暂性脑缺血发作（TIA）的检测准确性	研究样本量有限，且仅针对Kinarm系统采集的运动学数据进行分析	优化中风后神经损伤的检测方法，提高临床评估的准确性和灵敏度	337名中风患者和368名健康对照者	机器学习	心血管疾病	深度学习	证据网络	运动学数据	705人（337名中风患者和368名健康对照者）
1348	2025-05-12	High-Density EMG Grip Force Estimation During Muscle Fatigue via Domain Adaptation 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3541227 PMID:40031585	研究论文	提出一种基于域适应的高密度EMG握力估计方法，以改善肌肉疲劳状态下的握力估计精度	结合对抗训练策略和端到端深度学习模型，对齐非疲劳和疲劳状态下的EMG特征分布	研究仅涉及8名受试者，样本量较小	提高肌电接口在肌肉疲劳状态下解码用户意图的准确性	肌电信号（EMG）和握力估计	机器学习	NA	高密度EMG	深度学习模型	EMG信号	8名受试者
1349	2025-05-12	The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3547616 PMID:40031716	research paper	该研究首次全面评估了EEG预处理对深度学习应用的影响，并提出了未来研究的指导原则	首次系统性地研究了不同EEG预处理水平对深度学习模型性能的影响，并提出了预处理指南	研究仅针对特定的六种分类任务和四种EEG架构，结果可能不具备普遍性	评估EEG预处理在深度学习应用中的作用，确定最优预处理策略	EEG数据及其预处理方法	machine learning	Parkinson's, Alzheimer's disease, 精神疾病	EEG	深度学习模型	EEG信号数据	4800个训练模型
1350	2025-05-12	Emotion-RGC net: A novel approach for emotion recognition in social media using RoBERTa and Graph Neural Networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318524 PMID:40029933	研究论文	提出了一种名为Emotion-RGC Net的新方法，用于社交媒体中的情感识别，结合了RoBERTa、图神经网络和条件随机场	整合RoBERTa、GNN和CRF，提高了情感分类的准确性和鲁棒性	模型依赖大量标记数据，计算效率有待提高，未考虑情感演化的时间动态	提高社交媒体中情感识别的准确性和鲁棒性	社交媒体用户生成的内容	自然语言处理	NA	RoBERTa, GNN, CRF	Emotion-RGC Net	文本	Sentiment140和Emotion两个数据集
1351	2025-05-12	Deep learning based semantic segmentation of leukemia effected white blood cell 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320596 PMID:40338981	research paper	该论文提出了一种基于深度学习的白血病影响的白细胞语义分割方法	结合UNet++、标记分水岭算法和神经常微分方程（ODE）进行白细胞分割，提高了分割的准确性和鲁棒性	计算复杂度和内存空间有待优化，以便在低资源设备上部署	提高白细胞分割的准确性，以支持自动化血细胞分析、诊断成像和疾病监测	白血病影响的白细胞	digital pathology	leukemia	UNet++, 标记分水岭算法, 神经常微分方程（ODE）	UNet++, Neural ODE	image	ALL_IDB1和ALL_IDB2数据集中的血涂片图像
1352	2025-05-12	Deep learning in assisting dermatologists in classifying basal cell carcinoma from seborrheic keratosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1507322 PMID:40342818	research paper	评估深度学习模型在辅助皮肤科医生分类基底细胞癌（BCC）和脂溢性角化病（SK）中的有效性	使用基于CLIP ViT-B/16架构的深度学习模型，结合注意力机制（如Grad-CAM）增强模型决策的可解释性	模型在验证队列中的AUC为0.71，表现略低于训练和测试队列	评估AI辅助诊断是否能提高分类准确性、减少误诊并改善临床结果	基底细胞癌（BCC）和脂溢性角化病（SK）患者	digital pathology	skin cancer	deep learning, Grad-CAM	CLIP ViT-B/16	image	707名患者（内部数据集）和5572名患者（ISIC公共数据集）
1353	2025-05-12	A review of lightweight convolutional neural networks for ultrasound signal classification 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1536542 PMID:40342856	综述	本文综述了轻量级卷积神经网络在超声信号分类中的应用	结合超声信号特点，从模型压缩和操作优化两个角度详细回顾了轻量级算法	未提及具体实验验证或实际应用效果	探索轻量级卷积神经网络在超声信号处理领域的应用	超声信号	医学图像分析	NA	深度学习	轻量级CNN	超声信号	基于ImageNet数据集的经典模型实验结果
1354	2025-05-12	Is a single model enough? The systematic comparison of computational approaches for detecting populist radical right content 2025, Quality & quantity DOI:10.1007/s11135-024-02034-1 PMID:40343105	research paper	本文系统比较了计算检测民粹主义激进右翼（PRR）内容的不同方法，包括字典法、经典监督机器学习和深度学习模型	首次系统比较了66种字典、经典监督机器学习和深度学习模型在PRR内容检测任务上的表现，并探讨了不同文本预处理方式对性能的影响	在噪声较大的数据集上，即使是表现最好的深度学习模型性能也欠佳	比较不同计算方法在检测民粹主义激进右翼（PRR）内容上的效果	德语测试数据集中的PRR内容	natural language processing	NA	字典法、监督机器学习、深度学习	DL models, ensemble models	text	三个德语测试数据集（其中一个包含大量噪声）
1355	2025-05-12	Automatic segmentation and quantitative analysis of brain CT volume in 2-year-olds using deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573060 PMID:40343184	研究论文	本研究开发了一种使用ResU-Net深度学习模型自动分割2岁儿童脑部CT图像的方法，并量化特定脑区体积，建立临床和研究应用的参考数据库	首次在2岁儿童脑CT图像中应用ResU-Net模型进行自动分割和体积量化，建立了该年龄段的标准参考数据库	研究仅纳入放射学表现正常的儿童样本，未涵盖异常或疾病状态	开发儿童脑CT图像的自动分割方法并建立标准体积参考值	2岁健康儿童的脑部CT图像	数字病理	NA	CT成像	ResU-Net, 3D U-Net	医学影像	1,487例2岁儿童头部CT扫描（训练集1,041例，测试集446例）
1356	2025-05-12	High-yield spidroin mimics for bioinspired fibers via computational design 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1587546 PMID:40343205	研究论文	通过计算设计高产的蜘蛛丝蛋白模拟物，用于仿生纤维的生产	结合深度学习和生物工程技术，设计出适合原核表达的水溶性、富含β-折叠的蜘蛛丝蛋白模拟物，克服了传统表达系统的瓶颈	NA	解决蜘蛛丝蛋白在大规模生产中的表达难题，推动高性能仿生纤维的应用	蜘蛛丝蛋白模拟物	生物工程	NA	深度学习、生物工程、静电纺丝、粗粒化分子动力学模拟	NA	NA	设计了五种功能性蜘蛛丝蛋白，并在原核系统中表达，产量高达0.99克/升
1357	2025-05-12	Brain tumor classification using MRI images and deep learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322624 PMID:40344143	research paper	本研究开发了一种基于深度学习和MRI图像的自动化脑肿瘤分类系统	采用预训练的VGG16作为基础模型的CNN架构，结合数据增强技术和微调策略，实现了99.24%的高准确率	未提及模型在临床环境中的实际应用效果验证	开发一个能够准确检测和分类不同类型脑肿瘤的模型	脑MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常脑扫描	digital pathology	brain tumor	MRI	CNN (VGG16)	image	17,136张脑MRI图像
1358	2025-05-12	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	该研究利用预训练的卷积神经网络通过声音样本的声谱图图像识别帕金森病	采用迁移学习的卷积神经网络分析持续元音/a/的声谱图图像，并在更大带宽的智能手机录音数据集上验证性能	电话线录音带宽有限可能影响特征提取	自动检测帕金森病	帕金森病患者的声音样本	数字病理学	帕金森病	声谱图分析	CNN（卷积神经网络）	图像（声谱图）	两个不同录音平台（电话线和智能手机）生成的声音数据集
1359	2025-05-12	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本研究优化了ISDra2 TnpB系统用于哺乳动物细胞基因组编辑，并开发了深度学习模型预测ωRNAs活性	优化了ISDra2 TnpB系统（TnpBmax），编辑效率平均提高4.4倍，开发了K76位点突变变体以识别替代TAMs，扩展了ISDra2 TnpB的靶向范围，并开发了深度学习模型TEEP预测ωRNAs活性	NA	优化TnpB系统以提高基因组编辑效率并扩展其应用范围	ISDra2 TnpB系统及其在哺乳动物细胞中的应用	基因组编辑	NA	基因组编辑，深度学习	深度学习模型（TEEP）	基因组编辑效率数据	10,211个目标位点的编辑效率数据
1360	2025-05-12	Precision in Prevention and Health Surveillance: How Artificial Intelligence May Improve the Time of Identification of Health Concerns through Social Media Content Analysis 2024-Aug, Yearbook of medical informatics DOI:10.1055/s-0044-1800736 PMID:40199301	研究论文	探讨人工智能通过社交媒体内容分析如何提升预防和健康监测的精确性	利用AI技术分析社交媒体数据，提高健康问题的及时性和准确性识别	需解决伦理和隐私问题以确保负责任和有效的实施	提升预防和健康监测的精确性	社交媒体内容	自然语言处理	NA	机器学习、自然语言处理(NLP)、深度学习	transformer-based topic modelling、federated learning	文本	89篇文章，最终筛选10篇相关研究