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
161	2025-05-13	CPHNet: a novel pipeline for anti-HAPE drug screening via deep learning-based Cell Painting scoring 2025-Mar-08, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-025-03173-1 PMID:40057746	research paper	开发了一种基于深度学习的Cell Painting评分新流程CPHNet，用于抗高原肺水肿（HAPE）药物筛选	首次将AI工具与Cell Painting技术结合，创建了针对HAPE的药物筛选新流程，并成功鉴定出两种有潜力的天然产物	研究仅使用了A549和HPMEC两种细胞系，可能无法完全代表人体内复杂情况	开发基于细胞形态特征的抗HAPE药物发现策略	人肺泡腺癌基底上皮细胞（A549）和人肺微血管内皮细胞（HPMEC）	digital pathology	lung cancer	Cell Painting成像技术	SegNet, HypoNet	image	超过100,000张全视野Cell Painting图像和200,000张亚细胞结构图像
162	2025-05-13	Diagnostic Performance of Artificial Intelligence-Based Methods for Tuberculosis Detection: Systematic Review 2025-Mar-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69068 PMID:40053773	系统综述	本文对基于人工智能的结核病检测方法进行了全面评估	首次系统综述了AI在结核病检测中的性能，涵盖了多种数据模态和模型架构	仅1项研究进行了领域转移分析，难以模拟真实世界场景	评估AI算法在结核病检测中的诊断性能	结核病检测	数字病理	结核病	深度学习	CNN（包括VGG-16、ResNet-50和DenseNet-121）	影像学、分子/生化和生理数据	152项研究（来自1146条记录）
163	2025-05-13	Leveraging YOLO deep learning models to enhance plant disease identification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92143-0 PMID:40055410	research paper	利用YOLO深度学习模型增强植物病害识别	引入YOLOv3和YOLOv4模型进行水果植物病害识别，YOLOv4表现出更低的复杂度、更快的速度和更高的精确度	数据不平衡、症状变异性、实时性能和高昂的标注成本可能影响准确性和采用率	提高植物病害早期识别的准确性和效率，以支持精准农业保护	健康的桃子和草莓叶子，以及受细菌性斑点病影响的桃子叶子和受焦枯病影响的草莓叶子	computer vision	plant disease	YOLO deep learning model	YOLOv3, YOLOv4	image	来自公开可访问的Plant Village数据集的数据
164	2025-05-13	Hybrid neural network method for damage localization in structural health monitoring 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92396-9 PMID:40055427	研究论文	本文提出了一种基于数值数据的混合RNN-CNN模型，用于结构健康监测中的损伤定位	创新性地将RNN层与CNN结合，降低了模型复杂性和参数数量，同时保留了空间信息	准确率78.9%，略低于传统CNN模型	探索更高效的结构损伤检测方法	大型结构中的裂缝	机器学习	NA	混合神经网络	RNN-CNN混合模型	数值数据	NA
165	2025-05-13	Continuous nursing symptom management in cancer chemotherapy patients using deep learning 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92762-7 PMID:40055437	research paper	评估深度学习平台在化疗患者症状管理中的效果，旨在提高其生活质量	使用深度学习平台进行化疗患者的持续症状管理，显著减少焦虑和抑郁并改善生活质量	非随机对照试验可能引入选择偏差	评估深度学习平台在化疗患者症状管理中的效果	144名化疗患者	digital pathology	cancer	deep learning	NA	clinical data	144名化疗患者（干预组72名，对照组72名）
166	2025-05-13	Advanced pathological subtype classification of thyroid cancer using efficientNetB0 2025-Mar-07, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-025-01621-6 PMID:40055769	research paper	本研究利用EfficientNetB0模型对甲状腺癌的病理亚型进行分类，并分析肿瘤微环境特征	使用EfficientNetB0模型在甲状腺癌亚型分类中表现出高准确性，并揭示了微环境特征与病理亚型之间的显著相关性	肿瘤微环境特征与临床结果之间的相互作用仍不明确	提高甲状腺癌病理亚型分类的准确性，以支持精确诊断和个性化治疗	118名不同亚型的甲状腺癌患者的病理组织切片、基因表达数据和蛋白表达数据	digital pathology	thyroid cancer	deep learning	EfficientNetB0	image, gene expression data, protein expression data	118名甲状腺癌患者
167	2025-05-13	DAGIP: alleviating cell-free DNA sequencing biases with optimal transport 2025-Mar-07, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03511-y PMID:40055826	研究论文	本文提出了一种名为DAGIP的新型数据校正方法，基于最优传输理论和深度学习，用于校正cfDNA分析中的预分析变量影响	DAGIP方法结合最优传输理论和深度学习，首次明确校正预分析变量对cfDNA分析的影响，并能推断技术偏差	未提及具体的技术实现细节和在不同类型癌症中的验证范围	改善cfDNA分析中的技术偏差，提高癌症检测和拷贝数变异分析的准确性	细胞游离DNA(cfDNA)	生物信息学	癌症	cfDNA测序	深度学习	基因组数据	未提及具体样本数量
168	2025-05-13	Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91825-z PMID:40050339	研究论文	本研究利用基于ResNet-50的深度学习技术，通过面部图像预测儿童营养不良	使用ResNet-50深度学习模型的内置快捷连接解决基于图像的梯度消失问题，提高了训练效率，并在预测营养不良方面达到了98.49%的准确率	未提及模型在不同种族或地区儿童中的泛化能力，以及实际部署中的可行性	简化儿童营养不良的预测过程，减少对多种手动诊断测试和定期医疗专家访问的需求	5岁以下儿童的面部图像	计算机视觉	营养不良	图像分割技术	ResNet-50	图像	未明确提及具体样本数量
169	2025-05-13	Creating a retinal image database to develop an automated screening tool for diabetic retinopathy in India 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91941-w PMID:40050377	研究论文	本文描述了在印度建立大规模视网膜图像数据库以开发糖尿病视网膜病变自动筛查工具的方法	通过多机构合作建立大规模视网膜图像数据库，并开发基于AI的成本效益高且稳健的诊断工具	需要大量高分辨率眼底图像和专业眼科医生提供可靠的地面真实数据	开发糖尿病视网膜病变的自动筛查工具，以应对全球筛查挑战	糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	深度学习	DL	图像	大规模视网膜图像数据库（具体数量未提及）
170	2025-05-13	Hybrid feature optimized CNN for rice crop disease prediction 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92646-w PMID:40050403	research paper	提出了一种混合生物启发算法（Hybrid WOA_APSO）结合CNN，用于水稻作物病害预测，以提高诊断准确性和效率	结合了自适应粒子群优化（APSO）和鲸鱼优化算法（WOA）的混合算法，优化了特征选择，提升了CNN的分类准确性	虽然模型在实验中表现出色，但计算复杂度可能较高，且需要更多样化的数据集验证其泛化能力	提高水稻作物病害的准确识别和预测，以减少农业损失并提升作物生产效率	水稻作物的病害叶片图像	computer vision	rice crop disease	Hybrid WOA_APSO algorithm, CNN	CNN	image	使用基准数据集Plantvillage进行实验
171	2025-05-13	A deep learning approach to understanding controlled ovarian stimulation and in vitro fertilization dynamics 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92186-3 PMID:40050418	research paper	开发了一个基于Transformer-Encoder架构的深度学习模型Edwards，用于改善体外受精(IVF)周期中控制性卵巢刺激(COS)的预测结果	Edwards模型能够捕捉IVF周期中的时序特征，提供治疗方案选项并预测激素水平和卵巢反应，相比传统机器学习方法提高了预测准确性	未提及具体样本量或模型验证的局限性	提高体外受精周期中控制性卵巢刺激过程的预测准确性	体外受精(IVF)周期中的控制性卵巢刺激(COS)过程	machine learning	不孕不育	深度学习	Transformer-Encoder	时序医疗数据	NA
172	2025-05-13	Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56505-6 PMID:40050617	研究论文	提出了一种名为HiPaS的深度学习方法，用于在非对比CT和CTPA上实现肺动脉和静脉的精确分割	HiPaS方法首次实现了在非对比CT上进行肺动脉和静脉的精确分割，无需使用对比剂	NA	开发一种更安全、更广泛的肺动脉和静脉分割方法，用于疾病诊断和手术规划	肺动脉和静脉的解剖结构	数字病理学	肺血管疾病	深度学习	CNN	CT图像	1073个CT扫描用于训练，11,784名参与者用于大规模分析
173	2025-05-13	Leveraging swin transformer with ensemble of deep learning model for cervical cancer screening using colposcopy images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90415-3 PMID:40050635	研究论文	本文提出了一种结合Swin Transformer和深度学习集成模型的宫颈癌筛查技术，用于阴道镜图像的分类和检测	结合Swin Transformer和三种深度学习模型（AE、BiGRU、DBN）的集成学习，并使用POA算法进行超参数调优	未提及具体的数据集来源和样本多样性，可能影响模型的泛化能力	提高宫颈癌筛查的准确性和效率	阴道镜图像	计算机视觉	宫颈癌	深度学习	Swin Transformer, AE, BiGRU, DBN	图像	NA
174	2025-05-13	Knowledge-guided diffusion model for 3D ligand-pharmacophore mapping 2025-Mar-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57485-3 PMID:40050649	研究论文	本文提出了一种名为DiffPhore的知识引导扩散框架，用于实时3D配体-药效团映射，旨在推动AI辅助的药效团引导药物发现技术	DiffPhore利用配体-药效团匹配知识引导配体构象生成，并通过校准采样减轻迭代构象搜索过程的暴露偏差，实现了在预测配体结合构象方面的最先进性能	NA	推动AI辅助的药效团引导药物发现技术	3D配体-药效团对	药物发现	NA	扩散模型	DiffPhore	3D配体-药效团对	两个自建数据集
175	2025-05-13	Automatic detecting multiple bone metastases in breast cancer using deep learning based on low-resolution bone scan images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92594-5 PMID:40050676	研究论文	提出了一种基于低分辨率骨扫描图像的深度学习框架，用于自动检测乳腺癌多发性骨转移	首次针对乳腺癌低分辨率骨扫描图像的特点，设计了插件式位置辅助提取模块、特征融合模块和基于自注意力变换器的目标检测头	研究为回顾性研究，且仅在特定医院的私有数据集和公开数据集上验证	开发一个统一的框架，用于检测基于低分辨率全身骨扫描图像的多发性密集骨转移	乳腺癌骨转移患者的全身骨扫描图像	数字病理	乳腺癌	深度学习	基于自注意力变换器的目标检测头	图像	512名乳腺癌骨转移患者（来自北京协和医院）和公开数据集BS-80K（来自华西医院）
176	2025-05-13	A novel hybrid CNN-transformer model for arrhythmia detection without R-peak identification using stockwell transform 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92582-9 PMID:40050678	research paper	提出了一种新型混合CNN-transformer模型，用于无需R峰识别的心律失常检测	该模型结合了CNN和transformer架构，无需R峰检测即可进行心律失常分类，并在准确性和效率上表现出色	NA	提高基于心电图的心律失常诊断准确性，适用于实时监测系统	心电图信号	machine learning	cardiovascular disease	stockwell变换	CNN-transformer混合模型	时间序列数据	Icentia11k数据集（四种心律失常类别）和MIT-BIH数据集（五种心律失常类别）
177	2025-05-13	LoG-staging: a rectal cancer staging method with LoG operator based on maximization of mutual information 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01610-7 PMID:40050741	research paper	提出了一种基于LoG算子和互信息最大化的直肠癌分期方法LoG-staging	使用LoG滤波器增强MRI图像的纹理细节，并利用互信息最大化机制提出新的特征聚类方法	正确标记的图像不足，且数据增强引入了尺度不变性和旋转一致性问题	提高直肠癌T分期的预测准确性	直肠癌患者的MRI图像	digital pathology	rectal cancer	Laplace of Gaussian (LoG) filter, maximization of mutual information (MMI)	neural network	image	NA
178	2025-05-13	UGS-M3F: unified gated swin transformer with multi-feature fully fusion for retinal blood vessel segmentation 2025-Mar-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01616-1 PMID:40050753	研究论文	提出了一种名为UGS-M3F的统一门控Swin Transformer模型，用于视网膜血管分割，以提升眼科疾病的非侵入性诊断	结合了统一多上下文特征融合(UM2F)和门控边界感知Swin Transformer(GBS-T)模块，有效捕捉不同层次的上下文信息，提升小血管检测和大血管覆盖	未提及模型在临床实际应用中的验证情况或计算资源需求	提高视网膜血管分割的准确性，以更精确地识别和管理眼部疾病	视网膜血管	计算机视觉	眼科疾病	深度学习	Swin Transformer	图像	公开数据集FIVES、DRIVE、STARE和CHAS_DB1
179	2025-05-13	Deep learning-based classification of dementia using image representation of subcortical signals 2025-Mar-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02924-w PMID:40050853	研究论文	本研究开发了一种基于深度学习的痴呆分类系统，通过分析来自深部脑区的EEG信号来区分阿尔茨海默病和额颞叶痴呆	利用连续小波变换将时间序列信号转换为图像表示，并结合DenseNet模型架构进行分类，提高了痴呆分类的准确性	样本量相对较小，且在不同数据集上的准确率存在差异	开发一种早期和准确诊断痴呆（AD和FTD）的深度学习方法	阿尔茨海默病（AD）、额颞叶痴呆（FTD）和轻度认知障碍（MCI）患者以及健康对照（HC）	数字病理学	老年疾病	EEG, sLORETA, 连续小波变换（CWT）	DenseNet	图像	BrainLat数据集（16 AD, 13 FTD, 19 HC），IITD-AIIA数据集（10 AD, 9 MCI, 8 HC）
180	2025-05-13	D-GET: Group-Enhanced Transformer for Diabetic Retinopathy Severity Classification in Fundus Fluorescein Angiography 2025-Mar-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02165-4 PMID:40045093	研究论文	提出了一种基于Group-Enhanced Transformer的深度学习模型D-GET，用于在眼底荧光素血管造影(FFA)图像中对糖尿病视网膜病变(DR)的严重程度进行分类	D-GET模型引入了Full-Scale Transformer Block和Group-Focal模块，能够从多尺度捕获特征信息，并自适应整合上下文信息，提高了对小尺度病变的检测能力，同时通过Channel Adaptive Attention Module (CAAM)综合通道和空间信息以改进特征检测和定位	NA	开发一种基于FFA图像的深度学习模型，以提高糖尿病视网膜病变(DR)严重程度分类的准确性和效率	糖尿病视网膜病变(DR)患者的眼底荧光素血管造影(FFA)图像	计算机视觉	糖尿病视网膜病变	深度学习	Transformer	图像	自定义数据集