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
1661	2025-05-26	Harnessing deep learning for wheat variety classification: a convolutional neural network and transfer learning approach 2025-May-24, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14378 PMID:40411235	research paper	该研究利用深度学习和卷积神经网络（CNN）进行小麦品种分类，开发了一个四层CNN模型，并评估了DenseNet201、MobileNet和InceptionV3等预训练模型的性能	研究使用多视角图像数据集，包含124个小麦品种，开发了一个新的四层CNN模型，并在分类任务中表现优于预训练模型	高计算资源需求是主要挑战，且模型的超参数需要进一步优化以提高准确性	评估CNN模型在小麦品种分类中的适用性，并开发高效的分类方法	124个小麦品种的多视角图像	computer vision	NA	deep learning, transfer learning	CNN, DenseNet201, MobileNet, InceptionV3	image	124个小麦品种的多视角图像
1662	2025-05-26	deepTFBS: Improving within- and Cross-Species Prediction of Transcription Factor Binding Using Deep Multi-Task and Transfer Learning 2025-May-24, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503135 PMID:40411397	research paper	该研究提出了deepTFBS，一个利用深度多任务学习和迁移学习的框架，用于提高转录因子结合位点（TFBSs）在物种内和跨物种预测的准确性	deepTFBS通过构建一个稳健的DNA语言模型，结合多任务深度学习和迁移学习，能够利用大规模TF结合谱的知识来增强小样本训练和跨物种预测任务中的TFBS预测	NA	提高转录因子结合位点（TFBSs）的预测准确性，特别是在小样本训练和跨物种预测任务中	转录因子结合位点（TFBSs）	machine learning	NA	深度多任务学习和迁移学习	DL	DNA序列数据	359个拟南芥转录因子（TFs）的数据
1663	2025-05-26	Deep learning-based classification and segmentation of interictal epileptiform discharges using multichannel electroencephalography 2025-May-24, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18463 PMID:40411529	研究论文	本研究开发了一种基于深度学习的框架U-IEDNet，用于高精度分类和分割多通道脑电图(EEG)中的间歇性癫痫样放电(IEDs)	提出了一种结合卷积层、双向门控循环单元和Transformer网络的U形架构，能够同时提取单通道EEG的时间特征和多通道间的空间交互信息	研究仅在两个数据库(共413例患者记录)上进行了验证，样本量相对有限	开发高精度的IED自动检测工具以辅助癫痫诊断	多通道EEG记录中的间歇性癫痫样放电(IEDs)	机器学习	癫痫	深度学习	U-IEDNet(结合CNN、BiGRU和Transformer)	多通道EEG信号	413例患者记录(公共数据库370例+自建数据库43例)
1664	2025-05-26	Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial 2025-May-24, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11681-3 PMID:40411550	research paper	研究深度学习重建（DLR）结合对比增强提升（CE-boost）技术在双低剂量CT肺动脉造影（CTPA）中的应用效果	首次将DLR与CE-boost技术结合应用于双低剂量CTPA，显著提升了图像质量和诊断准确性	研究仅在两中心进行，样本量为130例，可能需要更大规模验证	评估DLR结合CE-boost技术在降低辐射和对比剂剂量情况下提升CTPA图像质量的效果	疑似肺栓塞患者	digital pathology	pulmonary embolism	CT pulmonary angiography (CTPA)	deep learning reconstruction (DLR)	CT图像	130例患者
1665	2025-05-26	Deep ensemble framework with Bayesian optimization for multi-lesion recognition in capsule endoscopy images 2025-May-24, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03380-4 PMID:40411689	research paper	提出了一种基于深度集成框架和贝叶斯优化的方法，用于胶囊内窥镜图像中的多病灶识别	结合CA-EfficientNet-B0、ECA-RegNetY和Swin transformer作为基础学习器，并利用贝叶斯优化确定权重，提高了胃肠道疾病的分类性能	实验数据仅来自上海东方医院，可能限制了模型的泛化能力	解决无线胶囊内窥镜检查中大量图像导致的疲劳漏诊和误诊问题	胶囊内窥镜图像中的四种病灶（血管扩张、出血、糜烂和息肉）及正常胃肠道图像	computer vision	gastrointestinal disease	transfer learning, Bayesian optimization	ensemble model (CA-EfficientNet-B0, ECA-RegNetY, Swin transformer)	image	8358张图像，来自281个病例
1666	2025-05-26	Feature-Reinforced Strategy for Enhancing the Accuracy of Triboelectric Vibration Sensing Toward Mechanical Equipment Monitoring 2025-May-24, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503997 PMID:40411864	研究论文	本文提出了一种结合界面偶极能量和真空能级优化的新型摩擦电材料机制，设计并开发了一种PDMS封装金属电极的TENG装置，通过振动波形分析实现设备运行状态的精确识别	结合界面偶极能量和真空能级优化解释振动下电荷的产生和分离，设计PDMS封装金属电极的TENG装置，并通过深度学习算法实现振动状态的高分辨率分类	未提及具体样本量或实验规模，可能限制结果的广泛适用性	提升摩擦电振动传感的准确性，实现智能设备运行状态的实时监测和诊断	智能设备中的振动传感器	智能传感与监测	NA	深度学习算法	NA	振动波形数据	NA
1667	2025-05-26	Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers 2025-May-23, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraf019 PMID:40267259	研究论文	本研究探讨了图像旋转技术和缩放增强在提高质子束治疗中基于深度学习的剂量转换精度方面的有效性	引入了图像旋转技术和缩放增强方法，显著提高了从铅笔束到蒙特卡洛算法的剂量转换精度	研究仅针对头颈癌患者，样本量相对较小	提高质子束治疗中基于深度学习的剂量计算精度	头颈癌患者	医学影像处理	头颈癌	深度学习	DL模型	CT图像和剂量数据	85名患者，分为101个训练/验证计划（334束）和11个测试计划（34束）
1668	2025-05-26	Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer 2025-May-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adu2151 PMID:40408481	research paper	该研究通过单细胞多模态分析揭示了非小细胞肺癌肿瘤微环境对治疗反应的预测作用	开发了NucSegAI深度学习模型用于自动化核分割和细胞分类，并识别了预测免疫治疗反应的特定淋巴细胞表型	研究样本量相对有限（119张全切片图像），且仅针对非小细胞肺癌	优化非小细胞肺癌患者的治疗反应预测，改善患者分层和治疗方案选择	人类非小细胞肺癌组织	digital pathology	lung cancer	multiplex immunofluorescence (mIF), RNA sequencing	deep learning model (NucSegAI)	image, RNA-seq data	119张全切片图像中的4560万个细胞
1669	2025-05-26	Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses 2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00883-z PMID:40410823	research paper	该研究开发并验证了一种基于多模态超声的列线图，结合临床变量、放射组学和深度学习特征，以有效区分O-RADS 4-5类别的附件肿块	首次探索基于CEUS的放射组学在区分附件肿块中的应用，并开发了结合临床变量、放射组学和深度学习特征的多模态列线图	研究依赖于放射科医生的手动分割，可能存在主观偏差	提高O-RADS 4-5类别附件肿块的诊断准确性	340名接受2DUS和CEUS检查并被分类为O-RADS 4-5的患者	digital pathology	卵巢癌	CEUS, 2DUS	ML, DL	image	340名患者
1670	2025-05-26	Revealing 3D microanatomical structures of unlabeled thick cancer tissues using holotomography and virtual H&E staining 2025-May-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59820-0 PMID:40404616	research paper	该研究通过整合全息断层扫描和深度学习技术，从未标记的厚癌组织中创建3D虚拟H&E图像，以揭示亚细胞级别的三维组织结构	结合全息断层扫描和深度学习，实现无需标记的厚癌组织3D虚拟H&E染色，突破了传统切片厚度的限制	方法在结肠癌和胃癌样本中进行了验证，但尚未在其他类型癌症中广泛应用	开发一种高效、无损的三维组织结构获取方法，提升组织病理学的效率和可靠性	结肠癌和胃癌组织	digital pathology	colon cancer, gastric cancer	holotomography, deep learning	deep learning-based image translation framework	3D refractive index distribution, virtual H&E images	结肠癌组织（厚度达50µm）和胃癌样本
1671	2025-05-26	Self-supervised model-informed deep learning for low-SNR SS-OCT domain transformation 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02375-3 PMID:40404743	research paper	介绍了一种基于深度学习的框架SDNet，用于同时去噪和提升扫频光学相干断层扫描（SS-OCT）图像的超分辨率	结合数据驱动的深度学习和模型引导的噪声表示，专门针对SS-OCT成像中极低信噪比（SNR）和低分辨率的挑战，采用两步训练过程，并引入PCA作为自监督去噪策略	未提及具体局限性	提升SS-OCT图像的质量和诊断准确性	扫频光学相干断层扫描（SS-OCT）图像	computer vision	diabetic macular edema (DME)	深度学习	SDNet	image	NA
1672	2025-05-26	RecyBat24: a dataset for detecting lithium-ion batteries in electronic waste disposal 2025-May-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05211-5 PMID:40404746	research paper	介绍了一个名为RecyBat24的公开图像数据集，用于检测和分类三种锂电池类型	提出了一个公开可访问的数据集RecyBat24，支持学术研究和工业应用，并通过数据增强技术模拟各种外部条件	未提及具体的数据集规模或标注过程的详细成本	开发一个用于锂电池检测和分类的公开数据集，支持轻量级机器学习模型的应用	三种锂电池类型：Pouch、Prismatic和Cylindrical	computer vision	NA	数据增强技术	轻量级机器学习模型	image	未提及具体样本数量
1673	2025-05-26	Optimizing credit card fraud detection with random forests and SMOTE 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00873-y PMID:40404766	研究论文	本文提出了一种基于机器学习的系统，用于检测信用卡欺诈交易，并比较了不同机器学习模型的效果	使用SMOTE技术处理高度不平衡的数据集，并比较了深度学习模型与传统机器学习模型在信用卡欺诈检测中的表现	数据集中的欺诈交易仅占总数的不到0.2%，可能导致模型训练不充分	优化信用卡欺诈检测，减少金融损失	信用卡交易数据	机器学习	NA	SMOTE, 探索性数据分析(EDA)	随机森林(Random Forest), 决策树(DT), Adaboost, 神经网络(ANN)	结构化数据	公开可用的信用卡交易数据集（具体数量未提及）
1674	2025-05-26	Bio inspired feature selection and graph learning for sepsis risk stratification 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02889-w PMID:40404796	研究论文	提出一种结合生物启发特征选择和基于图的深度学习的新框架，用于提高脓毒症风险预测的准确性和可解释性	整合了Wolverine优化算法(WoOA)进行特征选择，并采用生成预训练图神经网络(GPT-GNN)建模复杂患者关系，同时应用TOTO元启发式算法进行模型微调	研究基于单一数据集(MIMIC-IV)，可能影响模型在其他患者群体中的泛化能力	开发可扩展且高性能的决策支持工具，用于现实临床环境中的脓毒症风险分层	脓毒症患者	机器学习	脓毒症	Wolverine优化算法(WoOA)，生成预训练图神经网络(GPT-GNN)，TOTO元启发式算法，SMOTE	GPT-GNN，SVM，XGBoost，LightGBM	临床数据	NA
1675	2025-05-26	A novel framework for inferring dynamic infectious disease transmission with graph attention: a COVID-19 case study in Korea 2025-May-22, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23059-7 PMID:40405112	研究论文	提出了一种结合多区域分室模型和时空深度学习模型的新型混合框架MPUGAT，用于推断动态传染病传播，并以韩国COVID-19数据为例验证其有效性	MPUGAT利用图注意力机制将静态交通矩阵转化为动态传播矩阵，整合了多种数据类型以提高传染病建模的准确性	研究仅应用于韩国COVID-19数据，未在其他地区或传染病上进行验证	提高传染病传播动态建模的准确性，以支持公共卫生策略制定	COVID-19在韩国的传播动态	机器学习	COVID-19	图注意力网络(GAT)	MPUGAT（结合多区域分室模型和时空深度学习模型）	时间序列数据、交通矩阵	韩国COVID-19数据
1676	2025-05-26	Synthesizing [18F]PSMA-1007 PET bone images from CT images with GAN for early detection of prostate cancer bone metastases: a pilot validation study 2025-May-21, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14301-x PMID:40399853	研究论文	本研究探索使用深度学习技术从CT骨图像合成[18F]PSMA-1007 PET骨图像，用于前列腺癌骨转移的早期检测	首次使用GAN模型（Pix2pix和Cycle GAN）从低剂量CT骨图像合成[18F]PSMA-1007 PET骨图像，以减少额外的PET/CT扫描并减轻患者负担	研究样本量较小（152例），且为回顾性研究	探索深度学习技术在前列腺癌骨转移早期检测中的应用	前列腺癌患者和良性病变患者的[18F]PSMA-1007 PET/CT图像	数字病理学	前列腺癌	PET/CT扫描	GAN（Pix2pix和Cycle GAN）	医学影像（CT和PET图像）	152例患者（123例前列腺癌，29例良性病变）
1677	2025-05-26	A Deep Learning-Enabled Workflow to Estimate Real-World Progression-Free Survival in Patients With Metastatic Breast Cancer: Study Using Deidentified Electronic Health Records 2025-May-15, JMIR cancer IF:3.3Q2 DOI:10.2196/64697 PMID:40372953	研究论文	本研究开发并验证了一种基于深度学习的半自动化工作流程，用于利用去标识化的电子健康记录数据估计转移性乳腺癌患者的真实世界无进展生存期（rwPFS）	配置了一个预训练的通用医疗NLP框架，将自由文本临床记录和放射学报告转化为结构化进展事件，用于研究转移性乳腺癌队列的rwPFS	需要在更多样化的外部数据集和其他癌症类型上进一步验证以确保更广泛的适用性和泛化性	开发一种快速可靠的方法来确定接受联合治疗的转移性乳腺癌患者的真实世界无进展生存期	转移性乳腺癌患者	自然语言处理	乳腺癌	NLP	深度学习	文本	316名激素受体阳性、HER-2阴性的转移性乳腺癌患者
1678	2025-05-26	Generative Deep Learning Design of Single-Domain Antibodies Against Venezuelan Equine Encephalitis Virus 2025-May-14, Antibodies (Basel, Switzerland) DOI:10.3390/antib14020041 PMID:40407693	研究论文	本研究利用生成式人工智能平台设计和初步评估了针对委内瑞拉马脑炎病毒的单域抗体	首次应用生成式AI设计针对VEEV的单域抗体，为缺乏大规模数据库的新兴病毒威胁提供快速应对框架	需要进一步优化和验证AI生成的单域抗体的效果	开发针对委内瑞拉马脑炎病毒（VEEV）的替代治疗策略	委内瑞拉马脑炎病毒（VEEV）及其E2糖蛋白	人工智能在生物医学中的应用	病毒性脑炎	生成式人工智能平台、ELISA、体外中和试验	生成式AI	蛋白质序列数据	已知的甲病毒结合单域抗体数据集
1679	2025-05-26	Prediction of Auditory Performance in Cochlear Implants Using Machine Learning Methods: A Systematic Review 2025-May-08, Audiology research IF:2.1Q1 DOI:10.3390/audiolres15030056 PMID:40407670	系统性综述	本文通过系统性综述探讨了机器学习在人工耳蜗植入术后听觉性能预测中的应用	首次系统评估了不同机器学习算法在人工耳蜗植入效果预测中的准确率表现，发现随机森林、决策树（96%）、贝叶斯线性回归（96.2%）和极限学习机（99%）等算法具有较高准确率	在噪声理解等需要时间序列处理的复杂问题上，深度学习应用仍需更多研究，且研究样本量和数据集存在较大差异	评估机器学习方法在预测人工耳蜗植入患者听觉性能方面的应用效果	人工耳蜗植入患者	机器学习	听力损失	机器学习算法（包括随机森林、决策树、贝叶斯线性回归、极限学习机等）	Random Forest, Decision Trees, Bayesian Linear Regression, Extreme machine learning	临床数据和听力学测量数据	59篇符合纳入标准的研究文献（涉及不同数量的患者和数据集）
1680	2025-05-26	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	提出了一种基于Transformer的端到端模型Cell-TRACTR，用于显微镜图像中细胞的分割和追踪	使用Transformer架构处理细胞追踪中的空间和全局上下文依赖问题，并引入新的评估指标Cell-HOTA	未提及具体的数据集规模限制或模型计算资源需求	开发更高效的细胞追踪和分割方法	显微镜图像中的细胞	computer vision	NA	deep learning	Transformer	image	细菌在微流体几何结构中生长和哺乳动物细胞在二维环境中生长的数据集