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	2025-07-19	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-Feb-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	comments	本文是一篇受邀评论，探讨了深度学习在流行病学数据收集和分析中的应用及其潜力	强调了深度学习为流行病学研究带来的新机遇，包括扩大研究的地理范围、增加研究对象数量以及处理大规模或高维数据	指出深度学习工具对流行病学家而言不如传统回归方法那样直接和普及，需要与深度学习专家进行跨学科合作	探讨深度学习如何扩展和增强流行病学研究的数据收集和分析能力	流行病学研究中的数据收集和分析方法	machine learning	NA	深度学习	neural networks, attention algorithms	text, audio, images, video	NA
162	2025-07-19	Deep Learning-Based Segmentation of Cervical Posterior Longitudinal Ligament Ossification in Computed Tomography Images and Assessment of Spinal Cord Compression: A Two-Center Study 2025-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.123567 PMID:39694139	研究论文	本研究开发了一种基于CT的深度学习模型，用于自动分割后纵韧带骨化病灶并测量骨化物质厚度及计算颈椎脊髓压迫系数	首次提出全自动CT深度学习模型用于后纵韧带骨化分割及脊髓压迫评估，采用3D U-Net框架实现高精度分割	外部测试集Dice系数较低(0.71)，模型泛化能力有待提升，样本来自两个中心可能限制普适性	开发自动化工具辅助诊断后纵韧带骨化疾病	307例后纵韧带骨化患者的CT影像	数字病理	脊柱疾病	CT成像	3D U-Net	医学影像	307例患者(260例来自上海长征医院，47例来自西南医科大学附属中医医院)
163	2025-07-19	ProtoSAM-2D: 2D Semantic Segment Anything Model with Mask-Level Prototype-Learning and Distillation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047044 PMID:40678353	研究论文	介绍了一种名为ProtoSAM-2D的新型语义分割模型，专为2D医学图像设计，通过原型学习和蒸馏技术增强语义理解能力	结合了SAM-Med2D的交互式分割框架与掩码级原型预测机制，实现了对多样化解剖结构的高效分类和快速适应新类别的能力	仅针对2D医学图像，未涉及3D或其他复杂医学影像场景	提升医学图像语义分割的适应性和准确性，特别是在零样本和少样本学习场景下	2D医学图像中的解剖结构和病理区域	数字病理	NA	原型学习、蒸馏方法	SAM（Segment Anything Model）增强版	图像	在多器官分割任务中评估，涉及两种成像模态
164	2025-07-19	Critical factors influencing live birth rates in fresh embryo transfer for IVF: insights from cluster ensemble algorithms 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88210-1 PMID:39881210	研究论文	本研究通过一种新型的NMF-based Ensemble算法（NMFE）分析影响新鲜胚胎移植成功的关键临床因素	提出了一种结合NMF、AMU-NMF和GDLC算法的NMFE集成算法，用于分析IVF-ET数据集	研究仅基于2238个周期的数据，可能无法涵盖所有临床情况	识别影响新鲜胚胎移植成功的关键临床因素	体外受精（IVF）的新鲜胚胎移植	机器学习	不孕不育	Non-negative Matrix Factorization (NMF), accelerated multiplicative updates for non-negative matrix factorization (AMU-NMF), generalized deep learning clustering (GDLC)	NMFE	临床数据	2238个IVF周期和85个独立临床特征
165	2025-07-19	Deep learning-based malaria parasite detection: convolutional neural networks model for accurate species identification of Plasmodium falciparum and Plasmodium vivax 2025-01-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87979-5 PMID:39885248	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于从厚血涂片中准确分类被恶性疟原虫、间日疟原虫感染的红细胞及未感染的白细胞	该模型采用七通道输入，显著提高了疟原虫种类识别的准确性，解决了以往模型难以区分不同疟原虫种类的问题	当前模型尚未在真实世界质量图像上全面测试，且需要进一步开发以适应偏远地区的实际应用	开发一种自动化工具以提高疟疾诊断的准确性和效率，特别是在缺乏训练有素的显微镜技师的偏远地区	被恶性疟原虫（P. falciparum）和间日疟原虫（P. vivax）感染的红细胞及未感染的白细胞	数字病理学	疟疾	深度学习	CNN	图像	12,954例（验证集）+ 64,126例（交叉验证）厚血涂片样本
166	2025-07-19	Investigating the performance of multivariate LSTM models to predict the occurrence of Distributed Denial of Service (DDoS) attack 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313930 PMID:39823417	研究论文	本文探讨了使用多元LSTM模型预测分布式拒绝服务（DDoS）攻击的性能	通过比较多种深度学习模型和机器学习模型，证明了LSTM网络在预测DDoS攻击中的优越性	无法完全避免服务器遭受DDoS攻击，只能在一定程度上预防	评估不同模型在预测DDoS攻击中的性能，寻找最优预测方法	DDoS攻击的网络流量数据	机器学习	NA	深度学习、机器学习	LSTM, DNN, Random Forest, AdaBoost, Gaussian Naive Bayes	网络流量数据	使用CICDDoS2019基准数据集，包含88个特征，从中提取22个特征
167	2025-07-19	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	本研究基于深度学习方法，实现了岩石预制缺陷中裂纹尖端的高精度自动识别与特性分析	采用U-Net和Deeplabv3网络构建岩石裂纹识别模型，U-Net模型识别准确率达99.4%，相比Deeplabv3模型有显著提升	研究仅针对砂岩SCB半圆盘试样，未涉及其他岩石类型或更复杂的地质条件	实现岩石裂纹尖端的高精度自动识别，为复杂地质环境下的工程决策提供数据支持	含预制裂纹（0°、15°、30°、45°和60°）的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化方法（HE、AHE、CLAHE）	U-Net、Deeplabv3	图像	含五种不同角度预制裂纹的岩石样本图像数据集
168	2025-07-19	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究利用深度学习和物理模拟方法预测了拟南芥MCTP4蛋白的跨膜区结构，并探索了其在脂质双层中的动态行为	结合多种深度学习方法和物理模拟技术，揭示了MCTP4跨膜区的复杂构象景观，并发现了未被深度学习预测捕获的额外螺旋间接触	仅使用单一深度学习方法预测膜蛋白结构存在挑战，且模拟结果需要进一步实验验证	解析拟南芥MCTP4蛋白跨膜区的结构特征和动态行为	拟南芥MCTP4蛋白的跨膜区结构	结构生物学	NA	深度学习预测方法（ESMFold, AlphaFold-Multimer, trRosetta, RoseTTAFold, AlphaFold2, OmegaFold）和粗粒化分子动力学模拟	深度学习模型（ESMFold, AlphaFold等）	蛋白质序列和结构数据	NA
169	2025-07-19	Driven early detection of chronic kidney cancer disease based on machine learning technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326080 PMID:40663560	研究论文	该研究提出了一种基于机器学习的慢性肾癌早期检测方法，结合深度学习技术分析病理图像以提高诊断准确性和效率	提出KCDC-SODLPI技术，整合蛇优化器与深度学习模型，用于肾癌病理图像的检测与分类	实验验证仅基于生物医学图像数据集，未提及临床实际应用效果	开发自动化的肾癌检测与分类系统以提高诊断效率和准确性	肾癌病理图像	数字病理	肾癌	深度学习	SE-DenseNet, BiLSTM	图像	生物医学图像数据集（未提及具体数量）
170	2025-07-19	Artificial intelligence in ophthalmology: a bibliometric analysis of the 5-year trends in literature 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1580583 PMID:40665980	研究论文	通过文献计量学方法分析过去5年（2020-2024年）人工智能在眼科领域应用的文献，揭示该领域的最新发展趋势	超越单个领域提供更全面的见解，涵盖2022年后的文献，填补了先前文献计量学研究的空白	仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献	阐明人工智能在眼科领域应用的最新观点和发展趋势	人工智能在眼科领域的应用文献	数字病理	年龄相关性黄斑变性、糖尿病视网膜病变、青光眼等眼科疾病	文献计量学方法	深度学习、机器学习、CNN	文献数据	21,725篇文献，来自134个国家和7,126个机构
171	2025-07-19	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2025, BMC methods DOI:10.1186/s44330-024-00020-5 PMID:40666158	研究论文	介绍PSSR2，一个用户友好的Python包，用于普及基于深度学习的点扫描超分辨率显微镜技术	PSSR2改进了PSSR的工作流程和方法，通过改进半合成数据生成和训练过程，提供了更高质量的超分辨率图像	PSSR2模型仅适用于与训练数据足够相似的数据进行超分辨率处理，并且需要与真实世界的地面真实数据进行验证	提高显微镜图像的质量，便于大规模高质量显微镜图像的获取	低质量显微镜数据	数字病理学	NA	深度学习	NA	图像	配对的低分辨率和高分辨率电子显微镜图像测试数据集
172	2025-07-19	Dual-stage segmentation and classification framework for skin lesion analysis using deep neural network 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251351858 PMID:40666627	研究论文	本研究开发了一个双阶段深度学习框架，用于皮肤病变的分割和分类，以解决数据不平衡、病变变异性和低对比度等挑战	提出了一个结合U-Net与VGG16编码器的精确实例分割阶段，以及使用EfficientFormer和SwiftFormer网络的分类阶段的双阶段框架	未明确提及具体限制，但可能包括对非皮肤镜数据（如SLICE-3D）的适应性仍需进一步验证	开发一个高精度和鲁棒性的双阶段深度学习框架，用于皮肤病变的分割和分类	皮肤病变图像	计算机视觉	皮肤癌	深度学习	U-Net, VGG16, EfficientFormer, SwiftFormer, XGBoost, ResNet	图像, 表格数据	三个基准数据集：HAM10000（10,000张训练图像）、ISIC 2018和ISIC 2024 SLICE-3D数据集
173	2025-07-19	Mapping burnt areas using very high-resolution imagery and deep learning algorithms - a case study in Bandipur, India 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327125 PMID:40668808	研究论文	本研究利用高分辨率影像和深度学习算法在印度班迪普尔地区进行烧毁区域分类	提出了一种新型UNET-GRU混合模型，在烧毁区域分类中表现出更高的准确性和空间重叠指标	研究仅针对印度班迪普尔地区，未验证在其他地理区域的适用性	评估深度学习算法在烧毁区域分类中的性能	印度班迪普尔地区的烧毁区域	计算机视觉	NA	深度学习	UNET, GRU	影像	NA
174	2025-07-19	A method for English paragraph grammar correction based on differential fusion of syntactic features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326081 PMID:40668821	研究论文	提出一种基于句法特征差异融合的英语段落语法纠错方法	通过差异融合分析句法特征，显著提升段落级语法纠错的准确性和质量	依赖预设阈值识别语法错误，可能影响对复杂错误的适应性	提高英语段落语法纠错的准确性和效率	英语段落中的语法错误	自然语言处理	NA	依赖解析、BERT、Seq2Seq模型	Transformer-based Seq2Seq	文本	CoLA、LCoLE、FCE数据集
175	2025-07-19	The intelligent evaluation model of the English humanistic landscape in agricultural industrial parks by the SPEAKING model: From the perspective of fish-vegetable symbiosis in new agriculture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325332 PMID:40668851	研究论文	本研究提出了一种基于SPEAKING模型的智能翻译评估框架，用于评估农业产业园中英文人文景观的表达	结合语言理论和深度学习技术，提出了一种新的多模态翻译评估模型，显著提高了翻译准确性和适应性	研究主要关注农业产业园中的英文人文景观，可能不适用于其他领域或语言对的翻译评估	提高农业产业园中英文人文景观表达的准确性和适应性	农业产业园中的英文人文景观表达	自然语言处理	NA	深度学习	SPEAKING模型	文本、图像、语音	NA
176	2025-07-19	An explainable and federated deep learning framework for skin cancer diagnosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324393 PMID:40668852	研究论文	提出了一种结合深度学习、联邦学习和可解释AI的智能框架，用于皮肤癌诊断	结合联邦学习保护数据隐私，并利用可解释AI提高模型透明度	仅在两个公开数据集上进行了测试，未涉及更广泛的临床数据	开发一个既能准确诊断皮肤癌又能保护患者数据隐私的智能框架	皮肤癌诊断	数字病理学	皮肤癌	深度学习、联邦学习、可解释AI	VGG16, Xception, DenseNet169, InceptionV3, MobileViT, InceptionResNetV2	图像	ISBI2016和ISBI2017两个数据集
177	2025-07-19	FLPneXAINet: Federated deep learning and explainable AI for improved pneumonia prediction utilizing GAN-augmented chest X-ray data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324957 PMID:40674439	研究论文	本研究提出了一种结合联邦学习、深度学习和可解释AI的框架FLPneXAINet，用于通过胸部X光图像安全准确地预测肺炎	首次将联邦学习与深度学习和可解释AI结合用于肺炎预测，并使用CycleGAN进行数据增强	研究仅使用了单一来源的Kaggle数据集，可能影响模型的泛化能力	开发一个安全准确的肺炎预测系统，同时保护患者隐私	胸部X光图像	数字病理学	肺炎	CycleGAN, RFE, ANOVA	VGG16, NASNetMobile, MobileNet, KNN, NB, SVM, RF	图像	8,402张胸部X光图像（3,904张正常，4,498张肺炎）
178	2025-07-19	Frequency domain manipulation of multiple copy-move forgery in digital image forensics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327586 PMID:40674455	research paper	提出了一种基于离散小波变换（DWT）的方法来生成和分析数字图像中的多重复制-移动伪造	利用DWT分解原始图像和补丁图像，并将补丁图像的近似和细节系数插入到原始图像的小波系数中，以模拟多重复制-移动伪造	未提及该方法在复杂变换下的检测效果	改进数字图像取证中多重复制-移动伪造的检测技术	数字图像中的多重复制-移动伪造	digital pathology	NA	离散小波变换（DWT）	NA	image	NA
179	2025-07-19	Predicting receptor-ligand pairing preferences in plant-microbe interfaces via molecular dynamics and machine learning 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.029 PMID:40677241	研究论文	本研究开发了一种结合分子动力学和机器学习的混合方法，用于预测植物-微生物界面中受体-配体配对偏好	开发了一种新的混合MD/ML方法，能够高精度预测大而灵活的配体的结合亲和力排名，克服了传统方法在结构表征和结合亲和力预测方面的限制	方法依赖于有限的实验结构信息，且主要针对特定的植物受体和配体系统	揭示植物-微生物共生初期阶段的分子相互作用机制	植物LysM-RLK受体与脂-壳寡糖(LCOs)等信号分子的相互作用	计算生物学	NA	分子动力学模拟(MD)和机器学习(ML)	混合MD/ML模型	分子结构数据	四种豆科植物LysM-RLK (LYR3)与LCOs和壳寡糖的结合系统
180	2025-07-19	Deep latent force models: ODE-based process convolutions for Bayesian deep learning 2025, Machine learning IF:4.3Q2 DOI:10.1007/s10994-025-06824-y PMID:40677904	研究论文	提出了一种称为深度潜在力模型（DLFM）的领域无关模型，用于建模高度非线性动态系统的行为并进行鲁棒的不确定性量化	DLFM是一种深度高斯过程，每层都包含基于物理信息的核，这些核通过过程卷积框架从常微分方程导出	诱导点框架对基于LFM的模型的外推能力有负面影响	开发一种能够建模高度非线性动态系统行为并进行不确定性量化的通用方法	高度非线性现实世界多输出时间序列数据	机器学习	NA	过程卷积框架, 双重随机变分推断	深度高斯过程（DLFM）	时间序列数据	NA