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	Deep learning-based system for automatic identification of benign and malignant eyelid tumours 2025-May-10, The British journal of ophthalmology DOI:10.1136/bjo-2025-327127 PMID:40348397	研究论文	开发基于深度学习的系统，用于自动识别和分类眼睑良性和恶性肿瘤，以提高诊断准确性和效率	使用八种卷积神经网络模型对眼睑肿瘤进行分类，其中双路径Inception-v4网络表现出最高性能	需要更多广泛和多样化的数据集进行验证，并进一步集成到临床工作流程中	提高眼睑肿瘤的诊断准确性和效率	眼睑良性和恶性肿瘤	计算机视觉	眼睑肿瘤	深度学习	CNN（包括VGG16、ResNet50、Inception-v4、EfficientNet-V2-M及其变体）	图像	未明确提及具体样本数量，但数据集按8:2比例分为训练集和验证集
162	2025-05-13	Pose estimation and tracking dataset for multi-animal behavior analysis on the China Space Station 2025-May-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05111-8 PMID:40348756	research paper	介绍了一个用于中国空间站多动物行为分析的姿态估计与跟踪数据集	提出了首个多任务、专家验证的复杂场景下多动物行为分析数据集，并提供了深度学习模型的评估代码	空间动物图像数据有限且缺乏公开可用的带标注数据集	推动动物神经科学和行为学中智能图像分析技术的发展	模型生物（如秀丽隐杆线虫、果蝇和斑马鱼）在太空环境中的行为	computer vision	NA	深度学习姿态估计与跟踪	深度学习模型	序列图像	多种模型生物（秀丽隐杆线虫、果蝇和斑马鱼）
163	2025-05-13	Optimizing sustainable blended concrete mixes using deep learning and multi-objective optimization 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00943-1 PMID:40348782	research paper	该研究提出了一种结合深度神经网络和多目标优化的框架，用于设计环保混凝土混合料	结合深度神经网络（DNNs）和多目标粒子群优化（MOPSO）算法，同时优化强度最大化、成本最小化和水泥减少三个竞争目标	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	优化环保混凝土混合料设计，提高强度、降低成本并减少环境影响	混凝土混合料	machine learning	NA	深度神经网络（DNNs），多目标粒子群优化（MOPSO）	DNN	混凝土混合料参数和固化条件数据	未明确提及具体样本数量，但使用了广泛的数据集进行训练
164	2025-05-13	A deep learning framework for virtual continuous glucose monitoring and glucose prediction based on life-log data 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01367-7 PMID:40348812	研究论文	提出了一种基于生活日志数据的深度学习框架，用于虚拟连续血糖监测和血糖预测	利用双向LSTM网络与编码器-解码器架构，结合双重注意力机制，独立于先前的血糖测量进行血糖水平推断	研究仅基于171名健康成年人的数据，可能无法完全代表更广泛或特定疾病人群	开发一种不依赖连续血糖监测设备的血糖预测方法，以降低监测成本和负担	健康成年人的血糖水平和生活日志数据	机器学习	代谢健康管理	深度学习	双向LSTM网络与编码器-解码器架构	生活日志数据（饮食摄入、体育活动指标）和血糖测量数据	171名健康成年人
165	2025-05-13	Multimodal anomaly detection in complex environments using video and audio fusion 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01146-4 PMID:40348836	research paper	该研究提出了一种基于深度学习的视频图像异常检测与识别算法，结合时空特征提取和噪声抑制的创新方法，旨在提高复杂环境下的处理性能	引入改进的变分自编码器（VAE）结构，结合多尺度三维卷积模块和时空注意力机制，以及多流网络架构和交叉注意力融合机制，显著提高了异常检测的准确性和鲁棒性	未提及在极端环境或极高噪声条件下的性能表现	提高复杂环境下视频序列异常检测的准确性、鲁棒性和实时处理能力	视频图像数据	computer vision	NA	deep learning	VAE, 3D CNN	video, audio	UCSD Ped2和Avenue数据集
166	2025-05-13	A new deep learning-based fast transcoding for internet of things applications 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99533-4 PMID:40348899	研究论文	本研究提出了一种基于深度学习的新型快速转码算法，用于物联网中的低功耗视频通信	开发了一种新颖的轻量级深度学习网络作为分类器，用于高效预测CU分区和PU分区模式，显著降低了HEVC编码复杂度	算法在BD-BR指标上有轻微增加(1.33%-2.16%)，需要在压缩性能和计算成本之间进行权衡	为物联网应用开发低功耗视频通信方案	分布式视频编码(DVC)到高效视频编码(HEVC)的转码过程	机器学习和视频编码	NA	深度学习	轻量级深度学习网络	视频数据	NA
167	2025-05-13	Research and application of deep learning object detection methods for forest fire smoke recognition 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98086-w PMID:40348915	research paper	本研究探讨了基于深度学习的YOLOv11x算法在森林火灾烟雾识别中的应用效果，旨在提升早期火灾检测能力	采用YOLOv11x算法开发高效火灾检测模型，并在多种复杂场景和外部条件下验证其性能	烟雾检测性能优于火焰检测，主要由于烟雾的视觉特征更为模糊多变，增加了检测难度	提升森林火灾的早期检测能力，减少潜在损害	森林火灾烟雾和火焰	computer vision	NA	deep learning-based object detection	YOLOv11x	image	两个公开火灾图像数据集WD和FFS，涵盖多种复杂场景和外部条件
168	2025-05-13	A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights 2025-May-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-03952-6 PMID:40348987	research paper	该研究旨在创建一个结合CT成像、放射组学、可重复性和深度学习的食管癌分级框架	结合放射组学和深度学习特征，通过注意力机制增强模型性能，显著提高了食管癌分级的准确性和可解释性	研究为回顾性设计，且仅使用高质量数据，可能影响结果的普遍适用性	开发一个可靠且实用的食管癌分级框架	2560名食管癌患者的CT扫描图像和临床信息	digital pathology	esophageal cancer	CT imaging, radiomics, deep learning	DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost	image, clinical data	2560名食管癌患者
169	2025-05-13	Advances in research on receptor heterogeneity in breast cancer liver metastasis 2025-May-09, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2025.01046 PMID:40240168	review	本文综述了乳腺癌肝转移中受体异质性的研究进展及其对治疗策略的影响	深入探讨了受体状态变化的分子机制，并提出了结合人工智能深度学习模型预测肝转移受体状态的新方向	未提及具体实验数据或样本量，可能缺乏实证支持	探讨乳腺癌肝转移中受体异质性对治疗策略和预后的影响	乳腺癌肝转移患者及其受体状态变化	digital pathology	breast cancer	NA	deep learning	NA	NA
170	2025-05-13	How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	research paper	本文对电子健康记录（EHR）时间序列插补的深度学习方法进行了全面分析，探讨了架构和框架设计决策如何影响深度插补模型的高级特性和对复杂数据特征的偏好	揭示了深度插补模型在捕捉EHR中复杂时空依赖关系方面的不同能力，并指出模型效果取决于其综合偏好与医疗时间序列特征的匹配程度，挑战了关于模型复杂性的常见假设	当前深度插补方法与医疗需求之间存在关键差距，需要整合临床见解以实现更可靠的医疗应用插补方法	评估深度学习方法在医疗时间序列数据插补中的效果和适用性	电子健康记录（EHR）时间序列数据	machine learning	NA	deep learning	deep imputer models	time-series data	NA
171	2025-05-11	Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-May-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59574-9 PMID:40346038	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
172	2025-05-13	Multiparameter MRI-based model integrating radiomics and deep learning for preoperative staging of laryngeal squamous cell carcinoma 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01270-1 PMID:40346120	研究论文	本研究建立了一个基于多参数MRI的模型，结合放射组学和深度学习，用于喉鳞状细胞癌的术前分期	结合放射组学和深度学习特征，构建了一个综合模型，显著提高了术前分期的准确性	研究仅基于两个中心的数据，可能存在一定的样本偏差	提高喉鳞状细胞癌术前分期的准确性，为临床决策提供指导	401例经组织学确认的喉鳞状细胞癌患者	数字病理	喉鳞状细胞癌	MRI	ResNet 18, 随机森林(RF)	MRI图像	401例患者（训练集：213例；内部测试集：91例；外部测试集：97例）
173	2025-05-13	Addressing significant challenges for animal detection in camera trap images: a novel deep learning-based approach 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90249-z PMID:40346172	research paper	提出了一种新颖的两阶段深度学习框架，用于解决相机陷阱图像中动物检测的实际挑战	采用两阶段深度学习框架，结合全局模型和专家模型，显著提高了动物检测的准确性和适用性	模型在新地点的适用性可能仍受背景和物种相似性的影响	提高相机陷阱图像中动物检测的自动化水平和准确性	24种哺乳动物	computer vision	NA	deep learning, Transfer Learning	YOLOv5, agglomerative clustering	image	1.3 million images from 91 camera traps, 120,000 images for testing
174	2025-05-13	Deep learning for Parkinson's disease classification using multimodal and multi-sequences PET/MR images 2025-May-09, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01245-3 PMID:40346391	research paper	使用深度学习方法通过多模态和多序列PET/MR图像对帕金森病进行分类	提出了一种改进的18层ResNet18模型，结合多模态和多序列图像，提高了帕金森病(PD)和多系统萎缩(MSA)的分类准确率	研究为回顾性分析，样本量相对有限(206患者+38健康对照)，外部验证未进行	开发高性能辅助工具以准确诊断PD和MSA	帕金森病(PD)患者、多系统萎缩(MSA)患者和健康对照(NC)	digital pathology	geriatric disease	PET/MR成像	改进的ResNet18	多模态医学图像(PET/MR)	206名患者(PD/MSA)和38名健康对照
175	2025-05-13	SMFF-DTA: using a sequential multi-feature fusion method with multiple attention mechanisms to predict drug-target binding affinity 2025-May-09, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02222-x PMID:40346536	研究论文	提出了一种名为SMFF-DTA的序列多特征融合方法，用于高效准确地预测药物-靶标结合亲和力	采用序列方法表示药物和靶标的结构信息及理化性质，并引入多重注意力机制以紧密捕捉相互作用特征	未明确提及具体局限性	加速药物筛选过程，提高药物-靶标结合亲和力预测的准确性和效率	药物和靶标的结合亲和力	机器学习	NA	深度学习	多重注意力机制	1D序列数据	未明确提及具体样本量
176	2025-05-13	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-May-09, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	首次提出结合3D Res U-net和多元逻辑回归的全自动图像质量评估模型，并在多中心数据上验证其性能	研究为回顾性设计，未在前瞻性临床环境中验证模型性能	开发高效的颈动脉CTA图像质量评估工具	颈动脉CT血管造影图像	计算机视觉	心血管疾病	深度学习，多元逻辑回归	3D Res U-net	医学影像	840例颈动脉CTA图像（来自4家三甲医院）
177	2025-05-13	Glycosyltransferases in human milk oligosaccharide synthesis: structural mechanisms and rational design 2025-May-09, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2025.103315 PMID:40347686	综述	本文系统分析了糖基转移酶在人类乳寡糖合成中的结构机制和理性设计	综述了糖基转移酶的结构生物学及其在合成生物学中的应用，并探讨了深度学习算法在糖基转移酶改造和从头设计中的潜力	未提及具体的实验验证或应用实例	探讨糖基转移酶在人类乳寡糖合成中的结构机制和优化策略	糖基转移酶及其在人类乳寡糖合成中的应用	合成生物学	NA	结构生物学、深度学习	NA	结构数据	NA
178	2025-05-13	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025-May-09, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文探讨了人工智能在输血医学中的应用、挑战及未来发展方向	综述了AI在输血医学中多领域的应用潜力，包括机器学习、深度学习和自然语言处理等技术的整合	临床应用流程的变异性、算法透明度、公平获取以及数据隐私和偏见等伦理问题仍需解决	探索AI在输血医学中的应用及其对提升操作效率、患者安全和资源分配的潜力	输血医学中的各个领域，包括供体管理、血液产品质量优化、输血需求预测和出血风险评估等	医疗AI	NA	机器学习(ML)、深度学习、自然语言处理(NLP)、预测分析	NA	NA	NA
179	2025-05-13	CirnetamorNet: An ultrasonic temperature measurement network for microwave hyperthermia based on deep learning 2025-May-09, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100297 PMID:40350037	研究论文	提出了一种基于深度学习的超声波温度测量网络CirnetamorNet，用于微波热疗中的非侵入式温度监测	通过多特征数据融合和多头注意力机制构建CirnetamorNet模型，实现了高精度的温度预测	实验使用模拟人体组织的材料构建体模，可能无法完全反映真实人体组织的复杂性	提高微波热疗中非侵入式温度监测技术的准确性和可靠性	微波热疗过程中的温度变化	数字病理	癌症	超声波成像	RNN（循环神经网络）	图像	使用模拟人体组织的材料构建体模进行数据采集
180	2025-05-13	A subject transfer neural network fuses Generator and Euclidean Alignment for EEG-based motor imagery classification 2025-May-09, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110483 PMID:40350042	research paper	提出了一种结合生成器和欧几里得对齐的主题转移神经网络（ST-GENN），用于提高基于EEG的运动想象分类的准确性	结合生成器和欧几里得对齐的主题转移神经网络（ST-GENN），能够有效将源域数据的经验和知识转移到目标域	未提及具体局限性	提高脑机接口（BCI）分类准确性，解决个体间EEG信号差异问题	EEG信号	machine learning	NA	transfer learning, deep learning	ST-GENN, Convolution-attention-temporal (CAT) classifier	EEG信号	BCI competition IV 2a, BCI competition IV 2b和SHU数据集