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
121	2025-05-17	Deep Learning Methods in the Imaging of Hepatic and Pancreaticobiliary Diseases 2025 May-Jun 01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002125 PMID:40193287	综述	本文综述了深度学习和机器学习在肝胆胰疾病影像诊断中的应用	AI通过高敏感性和特异性提高诊断准确性，CNN算法增强图像分析并减少变异性	AI在这些胃肠病学专业领域的应用主要局限于实验性试验	提高肝胆胰疾病的检测、评估和治疗规划	肝胆胰疾病的影像诊断	数字病理学	肝胆胰疾病	深度学习、机器学习	CNN	影像	NA
122	2025-05-17	Peptide Property Prediction for Mass Spectrometry Using AI: An Introduction to State of the Art Models 2025-May, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400398 PMID:40211610	综述	本文综述了基于质谱的蛋白质组学中用于肽性质预测的最先进的机器学习和深度学习模型	介绍了预测消化性、保留时间、电荷状态分布、碰撞截面、碎片离子强度和可检测性等多种肽性质的模型	当前模型在处理多样化的翻译后修饰和仪器变异性方面存在困难，需要大规模、协调的数据集和标准化的评估指标	为肽性质预测开发可访问和可复现的模型	质谱中的肽性质	机器学习	NA	质谱	机器学习和深度学习模型	质谱数据	NA
123	2025-05-17	Circular RNA discovery with emerging sequencing and deep learning technologies 2025-May, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-025-02157-7 PMID:40247051	综述	本文总结了环状RNA（circRNA）在基因调控和疾病发病机制中的新兴作用，以及利用新兴测序技术和深度学习技术进行circRNA发现和功能分析的最新突破	结合长读长和单细胞RNA测序技术与深度学习算法，以前所未有的分辨率和规模研究circRNA	circRNA低表达水平及与线性RNA的高序列相似性给检测和表征带来挑战	探索circRNA的发现、表征和功能分析算法，以及其在生物医学应用中的潜力	环状RNA（circRNA）	生物信息学	NA	长读长测序、单细胞RNA测序	深度学习	RNA序列数据	NA
124	2025-05-17	Deep learning approach in undergraduate nursing students and their relationship with learning outcomes: A latent profile analysis 2025-May, Nurse education in practice IF:3.3Q1 DOI:10.1016/j.nepr.2025.104379 PMID:40279950	研究论文	本研究通过潜在剖面分析识别了本科护理学生深度学习方法的潜在类型，并分析了这些类型的影响因素及其与学习成果的关系	首次在护理教育中应用潜在剖面分析方法识别学生的深度学习类型，并探讨了不同类型与学习成果的关系	研究设计为横断面调查，无法确定因果关系；样本仅来自中国两所医科大学，可能限制结果的普适性	探索本科护理学生的深度学习类型及其与学习成果的关系	本科护理学生	教育心理学	NA	潜在剖面分析(LPA)、单因素方差分析、多项逻辑回归分析、BCH方法	NA	问卷调查数据	来自中国两所医科大学的891名本科护理学生
125	2025-05-03	Correction to: DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf218 PMID:40314061	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
126	2025-05-17	Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI 2025-May-01, ArXiv PMID:40342862	研究论文	提出一种新型外部体积去除（OVR）方法，通过深度学习辅助消除实时动态MRI中的混叠伪影	结合复合时间图像和深度学习模型，无需修改采集协议即可有效去除非心脏区域的混叠伪影	未明确说明模型在不同患者群体或病理条件下的泛化能力	提高实时电影MRI在高加速因子下的图像质量	心脏动态MRI图像	医学影像分析	心血管疾病	深度学习辅助MRI重建	PD-DL（物理驱动深度学习）	MRI k空间数据	NA
127	2025-05-17	MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf209 PMID:40366860	研究论文	提出了一种名为MMSurv的多模态深度学习模型，用于整合病理图像、临床信息和测序数据以预测多种癌症患者的生存率	提出了一种基于紧凑双线性池化和Transformer的新型多模态融合方法，并采用双层多实例学习模型去除与预后无关的图像块，同时通过细胞分割增强模型的可解释性	仅在TCGA的六种癌症类型上进行了评估，未在其他数据集上验证	提高癌症患者生存率预测的准确性	癌症患者	数字病理学	多癌症	深度学习，测序，细胞分割	MMSurv（基于紧凑双线性池化和Transformer的多模态融合模型）	病理图像，临床信息，测序数据	TCGA中的六种癌症类型数据
128	2025-05-17	Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status 2025-May, Journal of inherited metabolic disease IF:4.2Q2 DOI:10.1002/jimd.70042 PMID:40375095	研究论文	本研究探讨了深度学习在罕见疾病——尿黑酸病（AKU）脊柱疾病中的应用，评估了脊柱整体和区域严重程度，并检测了隐匿的治疗状态	首次将深度学习应用于罕见疾病尿黑酸病的脊柱影像分析，能够准确评估脊柱严重程度并预测患者是否在接受尼替西农治疗	真空盘现象预测的一致性较低（41%-90%）	评估深度学习在罕见疾病医学影像分析中的应用效果	尿黑酸病患者的颈椎和腰椎X光片	数字病理学	尿黑酸病	深度学习	DL模型	医学影像	颈椎和腰椎X光片（具体数量未提及）
129	2025-05-17	Evolving and Novel Applications of Artificial Intelligence in Cancer Imaging 2025-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17091510 PMID:40361437	综述	本文综述了人工智能在癌症影像学中的新兴应用及其对筛查、诊断和治疗的革命性影响	深入探讨了AI在癌症影像学中的最新应用，包括风险预测、肿瘤检测与分类、治疗预后预测等，并强调了多学科合作的重要性	AI在医疗领域的整合面临数据准确性、患者隐私保护和模型泛化性等挑战，需要更多临床验证和跨机构研究	概述人工智能在肿瘤影像学中的应用及其局限性，推动精准医疗和患者治疗效果提升	癌症影像学中的AI应用	数字病理学	癌症	深度学习、机器学习	深度学习框架	影像数据	NA
130	2025-05-17	Multi-Modal Graph Neural Networks for Colposcopy Data Classification and Visualization 2025-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17091521 PMID:40361447	research paper	提出了一种基于图神经网络的多模态框架，用于宫颈病变分类和可视化	整合了阴道镜图像、分割掩码和图表示的多模态数据，提高了病变分类的准确性	需要多模态数据输入，可能增加数据收集和处理的复杂性	改进宫颈病变分类方法，实现早期宫颈癌检测	宫颈病变数据	digital pathology	cervical cancer	GNN, LIME	GCNConv	image, graph	NA
131	2025-05-17	Advanced Feature Extraction for Cervical Cancer Image Classification: Integrating Neural Feature Extraction and AutoInt Models 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092826 PMID:40363261	research paper	本研究提出了一种结合神经特征提取器和AutoInt模型的深度学习框架，用于宫颈癌图像分类	整合了基于预训练VGG16架构的神经特征提取器(NFE)和用于自动特征交互学习的AutoInt模型，提出了一种新颖的分类框架	未提及模型在临床环境中的实际应用验证	提高宫颈癌图像分类的准确性，特别是在资源有限的环境中	宫颈癌图像数据集	digital pathology	cervical cancer	deep learning	VGG16, AutoInt, KNN, LGBM, Extra Trees, LDA	image	公开可用的宫颈癌图像数据集(具体数量未提及)
132	2025-05-17	Hybrid Deep Learning Framework for Continuous User Authentication Based on Smartphone Sensors 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092817 PMID:40363255	research paper	提出了一种混合深度学习框架，用于基于智能手机传感器的连续用户认证	结合了计算机视觉和序列建模技术，包括ViT启发的补丁提取、多头注意力和BiLSTM网络，以从智能手机传感器数据中连续认证用户	仅在MotionSense和UCI HAR数据集上进行了实验，可能需要更多数据验证其普适性	提高移动设备安全性，解决传统一次性认证方法的漏洞	智能手机传感器数据	machine learning	NA	ViT-inspired patch extraction, multi-head attention, BiLSTM	CNN, LSTM, Transformer, Informer	sensor data	MotionSense和UCI HAR数据集
133	2025-05-17	High-Precision 3D Reconstruction in Complex Scenes via Implicit Surface Reconstruction Enhanced by Multi-Sensor Data Fusion 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092820 PMID:40363257	研究论文	本文研究了一种基于深度学习的隐式表面重建方法，通过多传感器数据融合提高复杂场景中3D重建的精度	提出了一种新颖的深度神经网络，通过学习连续的符号距离函数（SDF）并结合多传感器特征表示，实现了多模态数据的无缝融合和精确的表面重建	NA	提高复杂场景中3D重建的精度	复杂场景的3D重建	计算机视觉	NA	多传感器数据融合	深度神经网络	3D数据	NA
134	2025-05-17	Improving High-Precision BDS-3 Satellite Orbit Prediction Using a Self-Attention-Enhanced Deep Learning Model 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092844 PMID:40363281	研究论文	本研究提出了一种名为SCINet-SA的自注意力增强深度学习模型，用于提高BDS-3卫星的超快速轨道预测精度	引入了自注意力机制的深度学习模型SCINet-SA，有效捕捉长期时间依赖性，显著提升了BDS-3超快速轨道预测的准确性	研究主要针对BDS-3系统，未与其他GNSS系统进行广泛比较	提高BDS-3卫星的超快速轨道预测精度	BDS-3卫星的轨道数据	机器学习	NA	深度学习	SCINet-SA（结合自注意力机制的深度学习模型）	卫星轨道数据	NA
135	2025-05-17	A Bluetooth Indoor Positioning System Based on Deep Learning with RSSI and AoA 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092834 PMID:40363271	research paper	提出了一种基于深度学习的蓝牙室内定位系统，结合RSSI和AoA测量，以提高复杂室内环境中的定位精度	结合Kalman滤波器减少AoA测量中的角度误差，使用中值滤波器和移动平均滤波器减少RSSI距离测量的波动，并提出了CNN-MHA模型	NA	提高复杂室内环境中的蓝牙定位精度	蓝牙室内定位系统	machine learning	NA	RSSI, AoA	CNN, multi-head attention (MHA)	signal data	NA
136	2025-05-17	CGLCS-Net: Addressing Multi-Temporal and Multi-Angle Challenges in Remote Sensing Change Detection 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092836 PMID:40363274	研究论文	提出了一种名为CGLCS-Net的新网络，用于解决遥感变化检测中的多时相和多角度挑战	引入了全局-局部上下文感知选择器（GLCAS）和基于子空间的自注意力融合（SSAF）模块，以增强对多尺度和不规则变化区域的特征表示能力	在处理来自多个传感器、不同视角和长时间跨度的遥感图像数据时，现有模型在动态交互和特征表示方面存在局限	提高遥感图像变化检测的准确性和效率，特别是在多时相和多角度场景下	遥感图像数据	计算机视觉	NA	深度学习和自注意力机制	CNN和Transformer的混合架构	图像	三个公共数据集（LEVIR-CD、SYSU-CD和S2Looking）
137	2025-05-17	Image Fusion and Target Detection Based on Dual ResNet for Power Sensing Equipment 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092858 PMID:40363295	研究论文	该论文提出了一种基于改进SIFT算法和双ResNet网络的图像融合与目标检测方法，用于提升电力传感设备中复杂环境下的目标检测能力	改进了传统SIFT配准算法，设计了双ResNet网络进行深度特征提取，提高了图像融合质量和目标检测精度	未明确说明算法在极端光照条件下的表现以及计算复杂度分析	提升电力传感网络中关键部件的目标检测精度	电力传感网络中的绝缘子等关键部件	计算机视觉	NA	改进SIFT算法，双ResNet网络	ResNet	红外与可见光图像	未明确说明具体样本数量，但涉及多组电力设备图像
138	2025-05-17	Bridging Domain Gaps in Computational Pathology: A Comparative Study of Adaptation Strategies 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092856 PMID:40363293	研究论文	本文比较了三种不同的领域适应策略在计算病理学中的应用效果	首次在计算病理学领域比较了FixMatch、CycleGAN和自监督特征提取器三种领域适应策略的性能	仅关注从单一源分布到目标域的适应，未考虑多源分布的情况	评估不同领域适应策略在计算病理学中的适用性	H&E染色的全切片图像(WSI)	数字病理学	NA	深度学习	FixMatch, CycleGAN, 自监督特征提取器	图像	NA
139	2025-05-17	Deep Ensemble Learning for Application Traffic Classification Using Differential Model Selection Technique 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092853 PMID:40363289	research paper	提出了一种基于模型选择的集成学习方法，用于提高应用流量分类器的性能与推理时间的平衡	结合了基于模型选择的集成机制，以端到端学习方式优化分类器性能与推理时间的权衡	未提及具体的技术限制或数据集局限性	提高应用流量分类的准确性和时间效率	互联网应用流量数据	machine learning	NA	deep ensemble learning	ensemble mechanism	traffic data	两个公共数据集和一个私有数据集
140	2025-05-17	Advances in Infant Cry Paralinguistic Classification-Methods, Implementation, and Applications: Systematic Review 2025-Apr-29, JMIR rehabilitation and assistive technologies DOI:10.2196/69457 PMID:40163619	综述	本文系统回顾了过去24年婴儿哭声分类方法、实施和应用的进展	总结了婴儿哭声分类技术的演变，从传统统计方法到机器学习和深度学习，并提出了未来研究方向，如数据隐私保护和多模态音频方法	大多数模型(90%)未实际部署，数据隐私和保密性考虑不足，降噪技术和联邦学习应用有限(仅5%研究)	系统回顾婴儿哭声分类领域的方法、覆盖范围、部署方案和应用，并识别该领域的最新趋势和方向	婴儿哭声	自然语言处理	NA	机器学习、深度学习、混合方法	NA	音频	126项符合条件的研究(来自5904个初步检索结果)