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
1761	2025-05-20	Federated Learning for Renal Tumor Segmentation and Classification on Multi-Center MRI Dataset 2025-May-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29819 PMID:40384349	研究论文	评估联邦学习在多中心MRI数据集上用于肾肿瘤分割和分类的性能和可靠性	使用联邦学习作为隐私保护方案，在多中心数据集上训练深度学习模型，避免了数据共享的限制	研究为回顾性多中心研究，样本量相对有限，且仅在模拟机构环境中测试	评估联邦学习在肾肿瘤分割和分类中的性能与可靠性	肾肿瘤患者的多中心MRI数据	数字病理学	肾癌	MRI (T2WI和CE-T1WI序列)	nnU-Net (分割), ResNet (分类)	MRI图像	987名患者（来自6家医院），其中785名用于训练，104名用于验证，99名用于测试
1762	2025-05-20	Baseline correction of Raman spectral data using triangular deep convolutional networks 2025-May-19, The Analyst DOI:10.1039/d5an00253b PMID:40384579	研究论文	提出了一种基于三角深度卷积网络的拉曼光谱数据基线校正方法	设计了一种新颖的深度学习网络架构，以提高基线校正的效果	未提及具体的数据集或样本量限制	提升拉曼光谱数据的基线校正性能	拉曼光谱数据	机器学习	NA	拉曼光谱	三角深度卷积网络	光谱数据	NA
1763	2025-05-20	Portable Ultrasound Bladder Volume Measurement Over Entire Volume Range Using a Deep Learning Artificial Intelligence Model in a Selected Cohort: A Proof of Principle Study 2025-May-19, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.70057 PMID:40384598	研究论文	本研究旨在评估使用深度学习人工智能模型（AI-BV）通过便携式超声膀胱扫描仪（PUBS）测量膀胱体积的准确性，并与传统方法（C-BV）进行比较	首次在选定队列中使用深度学习AI模型通过便携式超声设备测量膀胱体积，并在内部验证中显示出比传统方法更高的准确性	研究结果需要在外部队列中进一步验证以确定其临床相关性	评估深度学习AI模型在膀胱体积测量中的准确性	250名因下尿路症状接受充盈性膀胱测压的患者（213名男性，37名女性）	数字病理	泌尿系统疾病	便携式超声膀胱扫描（PUBS）	深度学习AI模型	超声图像	250名患者（213男/37女）的1912张膀胱图像
1764	2025-05-20	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-May-19, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	research paper	开发并验证了一个集成的深度学习模型，用于辅助诊断嗜酸性慢性鼻窦炎（eCRS）	首次使用CT图像和临床参数结合深度学习模型进行eCRS的非侵入性术前预测，并探索了预测结果的生物学基础	样本量相对较小，且仅来自两家医院，可能影响模型的泛化能力	开发一种非侵入性的术前预测方法，以辅助eCRS的诊断	嗜酸性慢性鼻窦炎（eCRS）患者	digital pathology	chronic rhinosinusitis	CT imaging, proteomic analysis	3D-ResNet, 3D-Xception, HR-Net, SVM	CT images, clinical parameters	1098名患者（来自两家医院），其中34名进行了蛋白质组学分析
1765	2025-05-20	The Future of Parasomnias 2025-May-19, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	review	本文探讨了异态睡眠的未来发展，包括新型家庭诊断设备的开发、深度学习在异常多导睡眠图信号分类中的应用，以及大数据在预测神经退行性疾病风险中的作用	介绍了新型家庭诊断设备和深度学习在异态睡眠诊断中的应用，以及大数据在预测神经退行性疾病风险中的新信息	NA	探讨异态睡眠的诊断和治疗方法，以及相关神经退行性疾病的预测	异态睡眠患者，特别是REM睡眠行为障碍（RBD）和觉醒障碍（DOA）患者	医学	异态睡眠，神经退行性疾病	actigraphy, EEG headbands, 2D红外和3D飞行时间家庭摄像头，深度学习	深度学习	临床数据，认知数据，脑成像数据，DNA数据，多导睡眠图数据	NA
1766	2025-05-20	DeepProtein: Deep Learning Library and Benchmark for Protein Sequence Learning 2025-May-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf165 PMID:40388205	research paper	本文介绍了DeepProtein，一个专为蛋白质相关任务设计的全面且用户友好的深度学习库	提出了DeepProtein库和基准测试，以及基于Prot-T5的DeepProt-T5模型，在多个蛋白质相关任务中实现了最先进的性能	NA	开发一个深度学习库和基准测试，以促进蛋白质科学中的深度学习应用	蛋白质序列和相关任务（如功能预测、亚细胞定位预测、蛋白质-蛋白质相互作用预测和结构预测）	machine learning	NA	deep learning	Prot-T5-based models	protein sequences	NA
1767	2025-05-20	Extracting True Virus SERS Spectra and Augmenting Data for Improved Virus Classification and Quantification 2025-May-18, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03397 PMID:40382719	研究论文	本文开发了一种深度学习框架，利用双神经网络提取真实的病毒SERS光谱并估计12种不同呼吸道病毒在水中的浓度系数	提出了一种新的深度学习框架，能够提取真实的病毒SERS光谱并估计浓度系数，从而增强数据集的多样性	研究主要针对水中的病毒样本，虽然在唾液背景中也有测试，但可能在其他复杂生物样本中的适用性有待验证	改进基于SERS的病毒分类和定量方法，提高物种识别和诊断的准确性	12种不同的呼吸道病毒	机器学习	呼吸道病毒感染	表面增强拉曼光谱(SERS)	XGBoost	光谱数据	12种不同的呼吸道病毒样本
1768	2025-05-20	Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans 2025-May-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11666-2 PMID:40382487	research paper	开发一种深度学习算法，用于利用非对比CT扫描对蛛网膜下腔出血进行病因分类	使用ResNet变体的深度学习模型，首次在非对比CT扫描上实现了对蛛网膜下腔出血病因的高准确度分类	研究为回顾性设计，外部验证队列样本量较小(85例)	开发AI工具辅助急诊环境下蛛网膜下腔出血的快速病因诊断	618例蛛网膜下腔出血患者(305例动脉瘤性，228例非动脉瘤性)	digital pathology	cardiovascular disease	NCCT扫描	ResNet + U-Net++	CT图像	618例患者(训练集533例，外部测试集85例)
1769	2025-05-20	Systems and synthetic biology for plant natural product pathway elucidation 2025-May-17, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物代谢途径表征和工程中的应用进展	讨论了多种策略如共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究和蛋白质复合物识别，并通过案例研究展示了这些方法在解析复杂途径和增强重要天然产物生产中的应用	未提及具体实验数据或样本量的限制	探索植物天然产物途径的解析和工程化	植物代谢途径和天然产物	合成生物学	NA	共表达分析、基因簇识别、代谢物分析、深度学习方法、全基因组关联研究、蛋白质复合物识别	深度学习	基因组数据、代谢物数据	NA
1770	2025-05-20	Decision support system based on ensemble models in distinguishing epilepsy types 2025-May-17, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110470 PMID:40382997	研究论文	本研究旨在基于EEG结果，利用人工智能模型对患者的局灶性（额叶、颞叶、顶叶、枕叶）、多灶性和全面性癫痫样活动进行分类	结合数据增强和集成AI模型，提出了一种新的决策支持系统，用于癫痫类型的分类，准确率达到98%	研究数据来源于单一医院，可能存在样本选择偏差	分类癫痫类型，为医生提供决策支持	575名癫痫患者	机器学习	癫痫	EEG	MLP, Random Forest, SVM, XGBoost	EEG数据	575名患者
1771	2025-05-20	Development and validation of clinical-radiomics deep learning model based on MRI for endometrial cancer molecular subtypes classification 2025-May-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01966-y PMID:40377781	研究论文	开发和验证基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	结合临床数据和放射组学特征，利用深度学习模型（MoCo-v2）提升子宫内膜癌分子亚型分类的准确性	研究样本量有限（526例患者），未来需要更大数据集进一步验证模型的潜力	开发并验证一种基于MRI的临床放射组学深度学习模型，用于子宫内膜癌分子亚型分类	子宫内膜癌患者	数字病理	子宫内膜癌	MRI、放射组学特征提取、深度学习（MoCo-v2）	深度学习模型（MoCo-v2）	MRI图像	526例子宫内膜癌患者
1772	2025-05-20	Deep learning progressive distill for predicting clinical response to conversion therapy from preoperative CT images of advanced gastric cancer patients 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01063-6 PMID:40379665	research paper	本研究开发并验证了一种基于术前CT图像的深度学习模型，用于预测晚期胃癌患者对转化治疗的临床反应	采用渐进式蒸馏（PD）方法构建深度学习模型，相比基线模型和知识蒸馏（KD）模型表现出更优的性能	需要进一步研究以评估该模型与临床病理参数结合的临床实用性	开发一种非侵入性筛查方法，以识别适合转化治疗的晚期胃癌患者	晚期胃癌患者	digital pathology	gastric cancer	CT imaging	deep learning model (Progressive Distill)	image	140名患者（训练集112名，测试集28名）
1773	2025-05-20	Lightweight hybrid transformers-based dyslexia detection using cross-modality data 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01235-4 PMID:40379688	研究论文	提出一种基于轻量级混合Transformer的跨模态数据阅读障碍检测模型	结合SWIN-Linformer、LeViT-Performer和GTNs进行多模态特征提取，并采用DXB分类器与BOHB优化算法提升性能	未说明模型在临床环境中的实际部署效果及跨种族/语言的泛化能力	通过多模态数据实现阅读障碍的早期精准诊断	阅读障碍患者的多模态数据（MRI、EEG、手写图像）	数字病理	神经系统疾病	MRI、EEG、量化感知训练、LIME可解释性分析	SWIN-Linformer+LeViT-Performer+GTNs混合Transformer	多模态数据（影像+信号+图像）	五个公共数据库（未注明具体样本量）
1774	2025-05-20	The application of suitable sports games for junior high school students based on deep learning and artificial intelligence 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01941-z PMID:40379705	研究论文	本研究利用深度学习和人工智能技术，开发了一种基于MediaPipe框架的ST-GCN动作检测算法，旨在提高初中生体育活动的动作识别准确性	结合深度学习和人工智能技术，开发了基于MediaPipe框架的ST-GCN动作检测算法，显著提高了动作识别的准确性和长期预测能力	研究仅针对特定运动（如仰卧起坐）进行了验证，未涵盖所有体育活动的动作识别	提高初中生体育教育的教学质量和个性化学习需求	初中生体育活动中的动作表现	计算机视觉	NA	深度学习、人工智能	ST-GCN	视频	HMDB51数据集
1775	2025-05-20	Residual self-attention vision transformer for detecting acquired vitelliform lesions and age-related macular drusen 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02299-y PMID:40379807	research paper	提出了一种名为残差自注意力视觉变换器（RS-A ViT）的新方法，用于自动检测获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及区分它们与健康病例	使用残差自注意力模块替代传统的自注意力模块，以提高模型性能，并在视网膜疾病分类中表现出色	未提及具体的数据集规模或模型在其他疾病上的泛化能力	开发一种高精度的自动检测视网膜疾病的深度学习模型	获得性卵黄样病变（AVL）、黄斑玻璃膜疣以及健康病例	digital pathology	geriatric disease	OCT	RS-A ViT	image	结合了两个研究中心收集的AVL数据以及OCT数据集中的玻璃膜疣和正常病例，并应用了数据增强方法
1776	2025-05-20	Enhanced effective convolutional attention network with squeeze-and-excitation inception module for multi-label clinical document classification 2025-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98719-0 PMID:40379823	研究论文	提出了一种名为增强型有效卷积注意力网络（EECAN）的新模型，用于多标签临床文档分类，通过结合Squeeze-and-Excitation（SE）Inception模块和注意力机制来提高分类效果	引入了SE Inception模块和EAB-CDC策略，通过自适应重新校准通道特征响应和多层注意力机制来提升特征表示	未提及具体局限性	提高临床文档分类的准确性和效率，以改善患者护理和医疗决策支持	临床文档	自然语言处理	NA	深度学习	EECAN（增强型有效卷积注意力网络）	文本	基准数据集MIMIC-III和MIMIC-III-50
1777	2025-05-20	Potato plant disease detection: leveraging hybrid deep learning models 2025-May-16, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-06679-4 PMID:40380088	研究论文	本文提出了一种结合EfficientNetV2B3和Vision Transformer (ViT)的混合深度学习模型，用于提高马铃薯植物病害的检测和识别准确率	提出了一种新型的混合深度学习模型EfficientNetV2B3+ViT，结合了CNN和ViT的优势，在马铃薯叶病数据集上取得了比之前研究高11.43%的准确率	NA	提高马铃薯植物病害的检测和识别准确率，以应对全球农业发展中作物病害管理的挑战	马铃薯植物的病害	计算机视觉	植物病害	深度学习	EfficientNetV2B3+ViT	图像	来自'Potato Leaf Disease Dataset'的马铃薯叶片图像数据集
1778	2025-05-20	Deep learning health space model for ordered responses 2025-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03026-3 PMID:40380121	研究论文	本文开发了深度学习健康空间模型，用于捕捉复杂的非线性生物关系，并与现有的统计健康空间模型进行了性能比较	提出了五种不同的深度学习健康空间模型，包括四种标准二元深度神经网络和一种考虑因变量有序性的深度序数神经网络	模型性能仅在特定数据集上验证，可能需要更多外部验证	开发能够客观且有意义地可视化个体健康状况的深度学习模型	个体健康状况	机器学习	NA	深度学习	DNN, DONN	健康调查数据	训练集32,140个样本（来自KNHANES），验证集862个样本（来自Ewha-Boramae队列）和3,199个样本（来自KARE项目）
1779	2025-05-20	Escarcitys: A framework for enhancing medical image classification performance in scarcity of trainable samples scenarios 2025-May-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107573 PMID:40382989	研究论文	提出了一种名为EScarcityS的框架，旨在解决医学图像分类中训练样本稀缺的问题，通过多粒度Transformer网络和疾病概率图引导的扩散生成模型来提高分类准确率	设计了多粒度Transformer网络（MGVit）和疾病概率图引导的扩散生成模型，以在训练样本稀缺的情况下提高医学图像分类的性能	虽然减少了数据需求，但仍需依赖一定量的真实数据进行训练，且合成数据的真实性和多样性可能影响最终分类效果	提高在训练样本稀缺情况下的医学图像分类准确率	医学图像	数字病理	NA	扩散生成模型	Transformer, MGVit	图像	四个真实医学图像数据集
1780	2025-05-20	FlowMRI-Net: A Generalizable Self-Supervised 4D Flow MRI Reconstruction Network 2025-May-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101913 PMID:40383184	research paper	提出了一种名为FlowMRI-Net的自监督深度学习框架，用于快速准确地重建高度欠采样的4D流MRI数据	采用物理驱动的展开优化和复数卷积循环神经网络，以自监督方式进行训练，提高了重建速度和准确性	仅针对主动脉和脑血管4D流MRI数据进行了验证，尚未在其他血管区域广泛应用	开发一个通用的自监督深度学习框架，用于快速准确地重建高度欠采样的4D流MRI数据	主动脉和脑血管4D流MRI数据	医学影像处理	心血管疾病	4D流MRI	复数卷积循环神经网络	4D MRI图像	来自两个不同厂商系统的主动脉和脑血管4D流MRI采集数据