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
1721	2025-05-26	Deep ensemble learning-driven fully automated multi-structure segmentation for precision craniomaxillofacial surgery 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1580502 PMID:40406586	研究论文	本研究开发了一种基于深度集成学习的全自动多结构分割模型CMF-ELSeg，用于精确颅颌面手术	采用粗到细的级联架构和集成方法，结合了三种3D U-Net模型的优势，提高了分割精度	研究样本量相对较小，仅包含143例CMF CT扫描	开发高精度的颅颌面结构和牙齿分割模型，以推进计算机辅助颅颌面手术	颅颌面结构和个体牙齿	数字病理	颅颌面疾病	CT扫描	3D U-Net (V-Net, nnU-Net, 3D UX-Net)	图像	143例CMF CT扫描
1722	2025-05-26	Automatic diagnosis and measurement of intracranial aneurysms using deep learning in MRA raw images 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1544571 PMID:40406704	research paper	本研究开发了一种基于深度学习模型的自动诊断和测量颅内动脉瘤的方法，使用原始MRA图像	首次提出基于2D原始图像的深度学习模型，实现颅内动脉瘤的一键式全自动诊断和大小测量	独立验证集的召回率和灵敏度略低于训练集和内部验证集	开发自动诊断和测量颅内动脉瘤的深度学习模型，提高临床工作效率	颅内动脉瘤患者	digital pathology	cardiovascular disease	MRA	3DUnet	image	1,014 IAs (852名患者)用于训练和验证，315名患者(179例有IA，136例无IA)用于独立验证
1723	2025-05-26	Detecting eavesdropping nodes in the power Internet of Things based on Kolmogorov-Arnold networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321179 PMID:40408323	研究论文	提出了一种基于Kolmogorov-Arnold网络（KANs）的创新方法，用于电力物联网中的窃听节点定位	利用KANs逼近任意非线性函数的强大能力，通过样条函数的灵活组合构建从异构节点特征到窃听位置的端到端映射	NA	探索更智能高效的异常定位方法，以应对电力物联网中的窃听攻击	电力物联网（PIoT）中的窃听节点	物联网安全	NA	Kolmogorov-Arnold网络（KANs）	KAN	异构节点特征	真实电网数据上的大量仿真和实验
1724	2025-05-26	An intelligent framework for crop health surveillance and disease management 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324347 PMID:40408612	research paper	提出了一种用于作物健康监测和早期病害检测的智能框架	结合深度学习、云计算、嵌入式设备和物联网技术，实现大范围农田的实时植物健康监测	未提及具体实施中的技术挑战或数据限制	提高早期病害检测准确性并推荐有效的病害管理策略	农作物健康与病害管理	农业智能化	植物病害	深度学习、云计算、物联网	CNN, MobileNet-1, MobileNet-2, ResNet-50, InceptionV3	图像、环境参数（温度、湿度、水位）	NA
1725	2025-05-26	Forecasting monthly runoff in a glacierized catchment: A comparison of extreme gradient boosting (XGBoost) and deep learning models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321008 PMID:40408639	研究论文	本研究比较了极端梯度提升（XGBoost）和深度学习模型在冰川流域月径流预测中的表现	采用了一种新颖的统计方法来评估预测模型在检测径流数据转折点方面的有效性，并发现XGBoost模型在预测精度和转折点估计上优于LSTM和随机森林模型	研究仅针对瑞士Lotschental流域，结果可能不适用于其他地理或气候条件不同的区域	提高冰川流域月径流预测的准确性，以支持水资源管理、防洪、水电和灌溉	瑞士Lotschental冰川流域的月径流数据	机器学习	NA	时间序列分析	XGBoost, LSTM, RF	时间序列数据	20年的径流数据（2002-2021年），其中70%（2002-2015年）用于训练和校准，30%（2016-2021年）用于测试
1726	2025-05-26	Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network 2024-Dec, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.S1.S12804 PMID:38799270	research paper	开发了一种基于先验知识的迭代去噪神经网络（PKAID-Net），用于降低光子计数探测器CT扫描中高分辨率虚拟单能图像（VMI）的噪声	PKAID-Net利用低噪声VMI作为先验输入，并通过迭代构建精炼的训练数据集来提升去噪性能	原始方法在去噪过程中可能导致一些空间细节的丢失	降低光子计数探测器CT扫描中高分辨率虚拟单能图像的噪声	光子计数探测器CT扫描的高分辨率虚拟单能图像	digital pathology	cardiovascular disease	CT扫描	PKAID-Net	image	10例患者冠状动脉CT血管造影检查
1727	2025-05-26	Local Mean Suppression Filter for Effective Background Identification in Fluorescence Images 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.25.614955 PMID:39386682	research paper	提出了一种易于使用的非线性滤波器，用于在荧光显微镜图像中有效识别背景，特别适用于前景密集且对比度低的图像	通过比较像素强度与其局部邻域的平均强度，进行像素级滤波，并通过变化邻域大小生成多个标签，最终决定像素的最终标签	未提及具体局限性	开发一种有效的背景识别方法，用于荧光显微镜图像处理	荧光显微镜图像	digital pathology	NA	非线性滤波	NA	image	未提及具体样本数量
1728	2025-05-26	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究比较了四种机器学习算法在预测早产方面的性能，发现transformer模型表现最佳	首次在早产预测中比较transformer模型与其他传统机器学习算法的性能	回顾性研究设计可能引入偏差，且仅在单一医疗中心进行	评估深度学习算法在预测早产中的适用性	30,965例分娩数据	机器学习	产科疾病	机器学习算法比较	transformer, logistic regression, random forest, support vector machine	临床数据	30,965例分娩数据（24,770例训练集，6,195例测试集）
1729	2025-05-26	Artificial Intelligence and Machine Learning in Rotator Cuff Tears 2023-Sep-01, Sports medicine and arthroscopy review IF:2.5Q2 DOI:10.1097/JSA.0000000000000371 PMID:37976127	综述	本文综述了人工智能和机器学习在肩袖撕裂诊断和管理中的当前应用及未来潜力	探讨了深度学习特别是卷积神经网络在肩袖撕裂MRI诊断中的高准确性，以及AI在个性化患者护理和术后结果预测中的应用	数据集较小，部分厚度撕裂的分类存在复杂性	评估AI在肩袖撕裂管理中的应用潜力	肩袖撕裂患者	数字病理学	肩袖撕裂	深度学习	CNN	医学影像	NA
1730	2025-05-25	A framework for real-time traffic risk prediction incorporating cost-sensitive learning and dynamic thresholds 2025-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108087 PMID:40328008	研究论文	提出了一种结合成本敏感学习和动态阈值的实时交通风险预测框架	将交通风险细分为四个等级并引入成本敏感学习，同时采用动态阈值和遗传算法优化模型性能	未具体说明模型在极端交通条件下的表现	提高实时交通风险预测的可靠性以促进主动交通安全管理	交通状态和风险数据	机器学习	NA	成本敏感学习(CSL), 动态阈值(DTs), 遗传算法(GA)	机器学习/深度学习模型	车辆轨迹数据	HighD数据集
1731	2025-05-25	Deep learning models link local cellular features with whole-animal growth dynamics in zebrafish 2025-Aug, Life science alliance IF:3.3Q1 DOI:10.26508/lsa.202503319 PMID:40399066	research paper	该研究通过深度学习模型将斑马鱼幼虫的皮肤细胞图像与整体生长动态联系起来	首次证明仅需少量皮肤细胞图像即可预测斑马鱼的整体大小，并识别出影响模型决策的细胞特征	研究仅针对斑马鱼幼虫，尚未验证在其他生物或发育阶段的适用性	探索微观细胞特征与宏观动物生长状态之间的关联	斑马鱼幼虫的皮肤细胞	computer vision	NA	深度学习	Vision Transformer (ViT), Grad-CAM	image	722张皮肤细胞图像及对应的斑马鱼幼虫大小数据
1732	2025-05-25	Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation 2025-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.016 PMID:40306473	review	本文综述了2021年至2024年间用于脑肿瘤和脑卒中分割的深度学习算法，探讨了其优势、局限性、当前研究挑战及未探索领域	提出了优化性能的方法，如轻量级神经网络和多层架构，并讨论了未来研究方向，如神经架构搜索方法与领域知识的结合	未具体说明某些算法的实际应用效果及在临床环境中的验证情况	探讨深度学习在脑部病变分割中的应用及其优化策略	脑肿瘤和脑卒中的医学图像分割	digital pathology	brain tumor, stroke	deep learning	CNN, lightweight neural networks, multilayer architectures	image	基于超过250篇近期综述论文的见解
1733	2025-05-25	Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf018 PMID:39878877	综述	本文综述了人工智能在骨肿瘤活检中的应用及其对个性化医疗的影响	探讨了AI在骨活检中的多种应用，包括提高诊断准确性、改善活检安全性及更精确的病灶定位，并讨论了相关伦理问题和技术限制	涉及AI在骨活检中的技术限制、健康公平性、泛化性、部署问题及报销挑战	探讨人工智能在骨肿瘤活检中的应用及其对个性化医疗的贡献	骨肿瘤（原发性和继发性）的活检及样本处理	数字病理学	骨肿瘤	传统机器学习、深度学习、放射组学、模拟和生成模型	NA	图像	NA
1734	2025-05-25	Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits 2025-Jun, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2024-26057 PMID:40252763	研究论文	提出了一种结合深度学习和基因组最佳线性无偏预测（GBLUP）的混合模型（DLGBLUP），用于识别性状间潜在的非线性遗传关系	首次将深度学习与GBLUP结合，能够识别性状间的非线性遗传关系，为多性状评估提供了新视角	在法国荷斯坦奶牛群体的实际数据中，虽然检测到非线性关系，但预测准确性未显著提高	改进基因组预测方法，识别性状间的非线性遗传关系以提高育种值预测准确性	模拟数据和法国荷斯坦奶牛群体的实际数据	机器学习	NA	深度学习，GBLUP	DLGBLUP（深度学习与GBLUP结合的混合模型）	基因组数据	模拟数据和法国荷斯坦奶牛群体的实际数据（具体样本量未提及）
1735	2025-05-25	Deep transfer learning-based decoder calibration for intracortical brain-machine interfaces 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110231 PMID:40262392	研究论文	本文提出了一种基于深度迁移学习的解码器校准方法，用于解决脑机接口中神经信号非平稳性导致的频繁重新校准问题	首次将深度迁移学习应用于脑机接口解码器校准，提出了结合领域对抗和主动学习策略的AL-DANN模型	仅在猴子实验数据上进行了验证，尚未在人类数据上测试	减少脑机接口解码器重新校准所需的时间和数据量	脑机接口系统中的解码器	机器学习	NA	深度迁移学习	AL-DANN (领域对抗神经网络结合主动学习)	神经信号数据	三只猴子在不同运动任务中记录的神经信号数据
1736	2025-05-25	FedSynthCT-Brain: A federated learning framework for multi-institutional brain MRI-to-CT synthesis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110160 PMID:40267535	研究论文	本文介绍了一种基于联邦学习的多机构脑部MRI到CT合成框架FedSynthCT-Brain，旨在解决单中心训练数据集泛化能力不足和隐私问题	首次将联邦学习应用于MRI到合成CT的转换，采用跨机构水平联邦学习方法，允许多个中心协作训练U-Net模型	仅在4个欧美中心的数据上进行验证，样本量相对有限	提高MRI到合成CT转换的泛化能力，同时保护数据隐私	脑部MRI和CT图像	数字病理	NA	联邦学习(FL)	U-Net	医学影像(MRI和CT)	23名患者的数据进行测试，来自4个欧美中心
1737	2025-05-25	Advances in EEG-based detection of Major Depressive Disorder using shallow and deep learning techniques: A systematic review 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110154 PMID:40273818	系统综述	本文系统综述了基于EEG的重度抑郁症（MDD）检测中浅层和深度学习技术的进展	探讨了EEG特征通过AI技术分析在MDD诊断中的应用，并识别了潜在的生物标志物	需要进一步研究以增强EEG指标在MDD背景下的可解释性	促进对MDD神经机制的理解，并识别其诊断的潜在生物标志物	重度抑郁症（MDD）患者和健康对照者	机器学习	抑郁症	EEG, AI	浅层和深度学习	EEG信号	22项研究
1738	2025-05-25	Deep-ATM DL-LSTM: A novel adaptive thresholding model with dual-layer LSTM architecture for real-time driver drowsiness detection using skin conductance signals 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110243 PMID:40273820	research paper	提出了一种基于深度学习的自适应阈值模型Deep-ATM DL-LSTM，用于实时检测驾驶员困倦状态，通过皮肤电导信号动态调整阈值	采用双层LSTM架构处理皮肤电导信号的紧张性和相位性响应，动态计算阈值，有效解决信号噪声和个体差异问题	NA	提高驾驶员困倦检测的准确性和实时性，减少因困倦导致的交通事故	驾驶员的皮肤电导信号	machine learning	NA	皮肤电导信号分析	LSTM	生理信号	专业驾驶员在高速公路、城市区域、白天和夜晚以及雨雪环境下的测试数据
1739	2025-05-25	GDM-BC: Non-invasive body composition dataset for intelligent prediction of Gestational Diabetes Mellitus 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110176 PMID:40273822	研究论文	介绍了一个名为GDM-BC的大规模非侵入性身体成分数据集，用于智能预测妊娠期糖尿病（GDM）的风险	提出了一个包含大量非侵入性身体成分指标的数据集，并使用Residual Attention Fully Connected Network (RAFNet)模型在预测GDM方面取得了最佳性能（AUC为0.920）	数据集虽然规模大，但仅包含39,438名孕妇，且GDM诊断率为19.7%，可能无法代表所有人群	开发一种准确且经济高效的GDM预测方法，以降低该疾病的风险和经济压力	39,438名孕妇，其中7,777名被诊断为GDM	机器学习	妊娠期糖尿病	非侵入性身体成分测量	RAFNet, 传统机器学习方法, 深度学习方法	身体成分数据	39,438名孕妇
1740	2025-05-25	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	该研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症(MS)病灶分类和分层的精确度	结合了深度学习重建技术和双注意力机制，改进了特征提取，特别是在皮质灰质和脑干等难以诊断的区域	NA	提高多发性硬化症病灶分类和分层的精确度	多发性硬化症(MS)患者的MRI图像	数字病理学	多发性硬化症	高分辨率T2加权成像(T2WI)和深度学习重建(DLR)	CNN	MRI图像	四个公开数据集