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
13881	2025-03-19	Prediction of lymph node metastasis in papillary thyroid carcinoma using non-contrast CT-based radiomics and deep learning with thyroid lobe segmentation: A dual-center study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100639 PMID:40093877	研究论文	本研究旨在通过深度学习放射组学（DLRad）和临床特征开发预测乳头状甲状腺癌（PTC）患者淋巴结转移（LNM）的模型	结合深度学习放射组学和临床特征，开发了一个新的预测模型，用于预测PTC患者的LNM，并在双中心研究中验证了其性能	研究样本量相对较小，且仅使用了非对比CT数据，可能限制了模型的泛化能力	开发并验证一个预测PTC患者LNM的模型	228名PTC患者的271个甲状腺叶	数字病理学	甲状腺癌	非对比CT	深度学习	图像	271个甲状腺叶（来自228名PTC患者）
13882	2025-03-19	Sensitivity-enhanced hydrogel digital RT-LAMP with in situ enrichment and interfacial reaction for norovirus quantification in food and water 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137325 PMID:39864200	研究论文	本研究开发了一种蒸发增强的水凝胶数字RT-LAMP方法，用于食品和水中人类诺如病毒的敏感定量	通过干燥样品在芯片上原位富集病毒颗粒，并在水凝胶-芯片界面触发核酸的界面扩增，提高了检测灵敏度20倍	NA	开发一种高效的方法用于食品安全监测和环境监测中的生物危害检测	人类诺如病毒（HuNoV）	生物技术	NA	数字RT-LAMP（逆转录环介导等温扩增）	深度学习模型	NA	包括3个湖水、草莓、自来水和饮用水在内的多个实际样品
13883	2025-03-19	Mapping nutrient pollution in inland water bodies using multi-platform hyperspectral imagery and deep regression network 2025-May-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137314 PMID:39874751	研究论文	本文提出了一种新的深度学习框架，用于从高光谱图像中进行多参数估计，以解决水质映射不准确的问题	提出了一种结合高维注意力加权差异的深度卷积空间-光谱联合学习方法，优化了深度特征	NA	准确估计与富营养化相关的三个关键水质参数的分布：总氮、总磷和氨氮	内陆水体	计算机视觉	NA	高光谱遥感	深度卷积网络	高光谱图像	NA
13884	2025-03-19	Validation of Deep Learning-Based Automatic Retinal Layer Segmentation Algorithms for Age-Related Macular Degeneration with 2 Spectral-Domain OCT Devices 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100670 PMID:40091912	研究论文	本研究验证了基于深度学习的自动视网膜层分割算法在两种光谱域OCT设备上的应用，特别是在年龄相关性黄斑变性（AMD）中的应用	通过在不同OCT设备上测试深度学习模型的鲁棒性，验证了其在生成临床相关指标方面的有效性	研究依赖于专家验证的地面真实标签，这一过程资源密集，限制了算法在多种OCT设备上的广泛应用	验证深度学习图像分割模型在多种OCT设备上的应用，评估其设备独立性	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光谱域OCT（SD-OCT）	UNet, DeepLabv3	图像	402个SD-OCT扫描
13885	2025-03-19	Towards precision agriculture: A dataset for early detection of corn leaf pests 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111394 PMID:40083639	研究论文	本文介绍了一个用于早期检测玉米叶害虫的数据集，旨在通过机器学习和深度学习模型提高精准农业和自动化害虫检测的水平	提供了一个包含多种玉米叶害虫图像的数据集，涵盖了不同生长阶段和田间环境下的图像，并包含了手动和算法分割的背景，增强了数据集的多样性和实用性	数据集主要基于智能手机拍摄的图像，可能存在图像质量不一致的问题，且背景污染可能影响模型的训练效果	开发机器学习和深度学习模型，用于早期检测玉米叶害虫，以支持精准农业和可持续农业实践	玉米叶害虫，特别是Spodoptera frugiperda（秋粘虫）、叶枯病和Zonocerus variegatus（杂色蝗虫）	计算机视觉	NA	机器学习和深度学习	NA	图像	数据集包含1308张未增强的健康叶片图像、11772张增强的健康叶片图像、848张感染叶片图像和7632张增强的感染叶片图像
13886	2025-03-19	Artificial intelligence guided search for van der Waals materials with high optical anisotropy 2025-Mar-17, Materials horizons IF:12.2Q1 DOI:10.1039/d4mh01332h PMID:39704611	研究论文	本文利用几何和机器学习方法，特别是深度学习架构，来高效筛选具有高光学各向异性的范德华材料	结合几何方法和机器学习模型（如Atomistic Line Graph Neural Network），提高了筛选范德华材料的效率和准确性	需要进一步的实验验证来确认机器学习模型的预测能力	探索具有高光学各向异性的范德华材料，以推动先进光子学的发展	范德华材料	机器学习	NA	密度泛函理论、椭偏测量	Atomistic Line Graph Neural Network	晶体学参数、光学各向异性数据	2H-MoTe和CdPS等材料样本
13887	2025-03-19	Progress in the application of machine learning in CT diagnosis of acute appendicitis 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04864-5 PMID:40095017	综述	本文综述了机器学习在急性阑尾炎CT诊断中的应用、进展及挑战，并探讨了未来发展方向	介绍了机器学习在急性阑尾炎诊断中的创新应用，如自动检测、鉴别诊断和严重程度分层，并展示了深度学习模型如AppendiXNet和3D卷积神经网络在诊断中的优异表现	面临人工智能的'黑箱'性质、与临床工作流程的整合以及所需大量资源等挑战	探讨机器学习在急性阑尾炎CT诊断中的应用及其对提高诊断精度、优化治疗路径和降低医疗成本的潜力	急性阑尾炎的CT诊断	数字病理学	急性阑尾炎	CT成像	深度学习模型（如AppendiXNet）、3D卷积神经网络（CNNs）	CT图像	NA
13888	2025-03-19	Diagnosis of moderate-to-severe hepatic steatosis using deep learning-based automated attenuation measurements on contrast-enhanced CT 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04872-5 PMID:40095018	研究论文	本研究评估了基于深度学习的自动化衰减测量在对比增强CT（CECT）上诊断中度至重度肝脂肪变性（HS）的效用，以组织学为参考标准	利用深度学习算法自动测量肝脏和脾脏的衰减值，并与手动测量结果进行比较，评估其在诊断中度至重度肝脂肪变性中的性能	研究为回顾性研究，可能存在选择偏差，且仅针对肝移植供体，结果可能不适用于其他人群	评估基于深度学习的自动化衰减测量在CECT上诊断中度至重度肝脂肪变性的效用	3,620名肝移植供体（2,393名男性和1,227名女性；平均年龄31.7±9.4岁）	计算机视觉	肝脂肪变性	对比增强CT（CECT）	深度学习算法	CT图像	3,620名肝移植供体
13889	2025-03-19	EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model 2025-Mar-17, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2477801 PMID:40096584	研究论文	本文提出了一种基于自编码器特征融合和MSC-TimesNet模型的脑电图（EEG）情感识别方法	提出了一种创新的深度学习模型MSC-TimesNet，结合多尺度卷积核，有效提取周期内和周期间信息	未提及具体局限性	提高EEG信号在情感识别任务中的分类性能	脑电图（EEG）信号	机器学习	NA	自编码器特征融合，MSC-TimesNet模型	MSC-TimesNet	EEG信号	公共数据集DEAP和Dreamer
13890	2025-03-19	VM-UNet++ research on crack image segmentation based on improved VM-UNet 2025-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92994-7 PMID:40089495	研究论文	本文提出了一种基于改进VM-UNet的裂纹图像分割方法VM-UNet++，旨在提高裂纹检测的准确性	本文创新性地结合了Mamba架构和UNet模型的优势，显著提升了裂纹分割的准确性	尽管VM-UNet++在分割精度上有所提升，但其计算成本仍然是一个挑战	研究目的是改进裂纹图像分割的准确性，以满足实际应用需求	研究对象是裂纹图像	计算机视觉	NA	深度学习	VM-UNet++	图像	Crack500和Ozgenel公共数据集
13891	2025-03-19	Emerging trends in SERS-based veterinary drug detection: multifunctional substrates and intelligent data approaches 2025-Mar-15, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00393-z PMID:40089516	review	本文综述了基于表面增强拉曼散射（SERS）的兽药检测方法的发展，特别是多功能基底和智能数据分析的应用	提出了多功能基底的概念，并探讨了深度学习技术在SERS检测中的应用，包括基底结构设计优化、光学性质预测、光谱预处理及定性和定量分析	选择报告分子、数据不平衡和计算需求方面的挑战	提高兽药残留检测的精确性和效率	兽药残留	machine learning	NA	SERS	深度学习	光谱数据	NA
13892	2025-03-19	A theory and data-driven method for rapid bottom hole pressure calculation in UGS 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93337-2 PMID:40087345	研究论文	本文提出了一种新的理论和数据驱动的方法，用于快速计算地下储气库（UGS）的井底压力	创新性地结合了井筒流动理论和神经网络模型，开发了一种理论和数据驱动的神经网络模型（TDDNN），显著提高了计算效率和精度	方法在样本有限的环境中的应用仍需进一步验证	提高地下储气库（UGS）井底压力计算的准确性和效率，以优化气井的动态分析和生产管理	地下储气库（UGS）的井底压力	机器学习	NA	神经网络模型	TDDNN（理论和数据驱动的神经网络模型）	理论模型生成的样本和真实样本	NA
13893	2025-03-19	Integrating numerical models with deep learning techniques for flood risk assessment 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93465-9 PMID:40087490	研究论文	本研究结合数值模型与深度学习技术，用于洪水风险评估，特别是通过LSTM模型进行未来20年的流量预测，并生成洪水区域图和灾害图	将LSTM模型与HEC-RAS软件结合，用于洪水风险评估，并通过多种统计和图形分析方法评估模型性能	研究仅针对伊朗Nesa河的40年日流量数据，可能无法直接推广到其他河流或地区	通过LSTM模型预测流量，并结合HEC-RAS软件生成洪水区域图和灾害图，以提高洪水预警系统的效率	伊朗Nesa河的日流量数据	机器学习	NA	LSTM, HEC-RAS	LSTM	时间序列数据	40年的日流量数据
13894	2025-03-19	Optimized attention-enhanced U-Net for autism detection and region localization in MRI 2025-Mar-14, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111970 PMID:40096789	研究论文	本研究提出了一种利用优化深度学习方法和注意力机制进行自闭症检测及区域定位的框架	结合了Symmetric Structured MobileNet with Attention Mechanism (SSM-AM)和Refreshing Awareness-aided Election-Based Optimization (RA-EBO)进行自闭症分类，并利用Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)进行异常区域定位	NA	通过MRI图像进行自闭症的早期检测和区域定位，以改善干预效果	自闭症谱系障碍（ASD）患者	计算机视觉	自闭症	MRI图像处理	Symmetric Structured MobileNet with Attention Mechanism (SSM-AM), Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)	MRI图像	公开数据集ABIDE
13895	2025-03-19	An optimal federated learning-based intrusion detection for IoT environment 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93501-8 PMID:40082567	研究论文	本文提出了一种基于联邦学习的最优入侵检测方法，用于物联网环境中的网络安全	采用联邦学习训练深度学习分类器，结合Chimp优化算法选择最优特征，提高了入侵检测的准确率	未提及具体的数据集规模或实验环境的局限性	提高物联网网络中入侵检测的准确性和效率	物联网网络中的入侵检测系统	机器学习	NA	联邦学习, Chimp优化算法	深度学习分类器	网络数据	使用MQTT基准数据集进行实验
13896	2025-03-19	Multilabel classification for defect prediction in software engineering 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93242-8 PMID:40082581	研究论文	本文探讨了在软件工程中使用多标签分类进行缺陷预测的方法	将缺陷预测从传统的多类分类问题转变为多标签分类问题，考虑了缺陷可能同时属于多个类别的情况	未提及具体的数据集大小或来源，可能影响结果的普适性	提高软件缺陷预测的准确性和效率	软件缺陷报告	机器学习	NA	机器学习、深度学习	Multinomial Naive Bayes, Logistic Regression, Random Forest, MLP, CNN	文本	NA
13897	2025-03-19	A dual branch model for predicting microseismic magnitude time series named DTFNet 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93272-2 PMID:40082632	研究论文	本文提出了一种名为DTFNet的双分支模型，用于预测微震震级时间序列，以提高煤矿岩爆的智能预警准确性	DTFNet模型结合了时间序列分解和深度学习，通过二次分解和双分支结构有效建模微震时间序列数据，并深度提取微震震级数据的特征	未明确提及具体局限性	提高煤矿岩爆的智能预警准确性	微震震级时间序列数据	机器学习	NA	互补集合经验模态分解、排列熵、变分模态分解	DTFNet（双分支时间序列预测模型）	时间序列数据	多个工作面的微震监测目录
13898	2025-03-19	Exploring the significance of the frontal lobe for diagnosis of schizophrenia using explainable artificial intelligence and group level analysis 2025-Mar-13, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111969 PMID:40096788	研究论文	本文通过可解释的人工智能和群体水平分析，探讨了额叶在精神分裂症诊断中的重要性	使用可解释的深度学习方法（Grad-CAM）和群体水平分析，识别精神分裂症患者的重要脑区，并在额叶中发现了显著的分类特征	未提及样本的具体数量或多样性，可能影响结果的普适性	研究精神分裂症诊断中额叶的作用，并帮助临床医生制定治疗方案	精神分裂症患者和健康对照组（CN）	数字病理学	精神分裂症	功能性磁共振成像（fMRI）、结构性磁共振成像（sMRI）	深度学习（Grad-CAM）	MRI图像（sMRI和fMRI）	NA
13899	2025-03-19	Deep Learning for Odor Prediction on Aroma-Chemical Blends 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c07078 PMID:40092758	研究论文	本文探讨了深度学习技术在预测香气化学混合物嗅觉品质方面的应用	提出了图神经网络模型，用于准确预测香气化学混合物的嗅觉品质，并分析了模型架构变化对预测性能的显著影响	研究主要集中于分子对的预测，未涉及更复杂的混合物	探索深度学习在预测香气化学混合物嗅觉品质中的应用	香气化学混合物	机器学习	NA	深度学习	图神经网络	分子对数据	NA
13900	2025-03-19	DeepEpiIL13: Deep Learning for Rapid and Accurate Prediction of IL-13-Inducing Epitopes Using Pretrained Language Models and Multiwindow Convolutional Neural Networks 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10960 PMID:40092768	研究论文	本文介绍了一种名为DeepEpilL13的新型深度学习框架，用于快速准确地预测IL-13诱导的表位	DeepEpilL13结合了预训练语言模型和多窗口卷积神经网络（CNN），能够从蛋白质序列中有效探索与IL-13诱导相关的局部和全局序列模式	NA	提高IL-13诱导表位预测的效率和准确性，以推动针对过敏性炎症、COVID-19相关细胞因子风暴及相关疾病的靶向治疗	IL-13诱导的表位	自然语言处理	COVID-19	深度学习	预训练语言模型和多窗口卷积神经网络（CNN）	蛋白质序列	基准数据集和独立的SARS-CoV-2数据集