深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
18101	2025-02-05	Predicting survival in malignant glioma using artificial intelligence 2025-Jan-31, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02339-3 PMID:39891313	研究论文	本文探讨了使用人工智能技术预测恶性胶质瘤患者生存期的有效性	利用机器学习和深度学习技术整合多模态数据，显著提高了胶质瘤患者生存预测的准确性	数据异质性、可解释性挑战和计算需求，特别是在资源有限的环境中	评估不同AI模型在预测恶性胶质瘤患者生存期方面的比较效果	恶性胶质瘤患者	机器学习	脑癌	机器学习（ML）、深度学习（DL）	NA	影像、临床参数、分子生物标志物	NA	NA	NA	NA	NA
18102	2025-10-07	A robust auto-contouring and data augmentation pipeline for adaptive MRI-guided radiotherapy of pancreatic cancer with a limited dataset 2025-Jan-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabac PMID:39823751	研究论文	开发并评估用于胰腺癌MRI引导放疗中危及器官的快速鲁棒深度学习自动分割方法	提出两种新颖的数据增强方法：结构引导的形变增强和基于循环GAN的增强，用于解决小数据集问题	研究样本量有限（仅10名患者的43张图像）	克服在线自适应放疗流程中手动轮廓勾画耗时的问题	胰腺癌患者的危及器官	医学影像分析	胰腺癌	MRI成像	深度学习分割模型	3D MRI图像	10名患者的43张3DVane图像	nnU-Net	ResU-Net, SegResNet, nnU-Net	Dice分数, 平均表面距离, D2%, D50%	NA
18103	2025-10-07	A review of state-of-the-art resolution improvement techniques in SPECT imaging 2025-Jan-30, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00724-9 PMID:39883257	综述	本文系统综述了SPECT成像中提升空间分辨率的最新技术进展	全面总结了硬件和软件两方面的最新分辨率提升技术，特别关注了深度学习的新兴应用	作为综述文章，不包含原始实验数据或方法验证	识别SPECT分辨率增强技术的最新发展趋势	临床和临床前SPECT系统	医学影像	肿瘤	SPECT成像	NA	医学影像数据	NA	NA	NA	NA	NA
18104	2025-10-07	MMFW-UAV dataset: multi-sensor and multi-view fixed-wing UAV dataset for air-to-air vision tasks 2025-Jan-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04482-2 PMID:39885165	研究论文	本文提出了首个针对固定翼无人机的多传感器多视角航空对空视觉数据集MMFW-UAV	首个一对多模态固定翼无人机图像数据集，包含全视角覆盖的多传感器图像和高品质标注	NA	为固定翼无人机的识别、检测与监控任务提供数据支持	固定翼无人机	计算机视觉	NA	多传感器成像（变焦、广角、热成像）	基于深度学习的物体检测架构	多模态图像	147,417张固定翼无人机图像	NA	主流物体检测架构	NA	NA
18105	2025-10-07	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO	针对物联网设备计算资源有限的问题优化了YOLOv8模型，实现了低训练成本和高检测性能的平衡	仅针对水果检测场景进行了验证，在其他物联网应用场景的泛化能力需要进一步测试	开发适用于物联网嵌入式设备的轻量级实时目标检测模型	生产线上的新鲜和缺陷水果	计算机视觉	NA	深度学习	CNN	图像	NA	NA	YOLOv8, FRYOLO	召回率, mAP, 精确率, FPS	物联网嵌入式设备
18106	2025-10-07	Optimized deep learning model with integrated spectrum focus transformer for pavement distress recognition and classification 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88251-6 PMID:39885250	研究论文	提出一种集成频谱聚焦Transformer的优化深度学习模型，用于路面病害识别与分类	提出频谱聚焦Transformer层，通过分析图像频域特性对频率分量进行精细化处理，增强对路面病害区域的捕捉能力	NA	解决复杂路面环境下病害特征提取困难的问题，提升路面病害识别与分类性能	路面病害图像	计算机视觉	NA	频域分析	Transformer, 深度学习	图像	NA	NA	频谱聚焦Transformer	准确率	NA
18107	2025-10-07	Biomedical named entity recognition using improved green anaconda-assisted Bi-GRU-based hierarchical ResNet model 2025-Jan-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06008-w PMID:39885428	研究论文	提出一种改进的绿蟒蛇优化算法辅助双向GRU层次ResNet模型用于生物医学命名实体识别	结合改进绿蟒蛇优化算法与双向GRU层次ResNet架构，优化模型参数选择	需要大量标注数据集，可能难以识别文本中的长距离关系	解决生物医学文本挖掘中的命名实体识别挑战	生物医学科学文献中的命名实体	自然语言处理	NA	文本挖掘	Bi-GRU, ResNet	文本	MACCROBAT数据集（来自Kaggle）	NA	Hierarchical ResNet, Bi-GRU, BERT-Whole Word Masking	准确率	NA
18108	2025-10-07	A deep learning approach for classifying and predicting children's nutritional status in Ethiopia using LSTM-FC neural networks 2025-Jan-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00425-0 PMID:39885567	研究论文	本研究使用LSTM-FC神经网络对埃塞俄比亚儿童营养状况进行分类和预测	首次将LSTM-FC神经网络应用于儿童营养状况的纵向预测，并采用SHAP进行特征选择	仅基于埃塞俄比亚单一国家的数据，可能缺乏跨区域泛化能力	解决儿童营养不良这一关键公共卫生问题，预测营养状况随时间的变化	埃塞俄比亚儿童营养状况	机器学习	营养不良	纵向队列研究	LSTM, 全连接神经网络	纵向调查数据	1997名埃塞俄比亚儿童，2002-2016年五轮调查数据	TensorFlow, Keras	LSTM-FC	准确率, 召回率, F1分数	GPU加速系统
18109	2025-02-05	Automating airborne pollen classification: Identifying and interpreting hard samples for classifiers 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41656 PMID:39897809	研究论文	本文探讨了基于深度学习的空气花粉分类中的挑战，特别是识别和解释对分类器构成困难的样本	通过样本级难度分析，揭示了深度学习算法在花粉分类中面临的主要挑战，包括图像中多个花粉颗粒的共现、2D显微镜图像中特定标记的遮挡以及某些花粉类群缺乏显著独特特征	研究仅基于自动生成的花粉颗粒显微镜图像数据集，可能未涵盖所有实际应用场景	研究目的是识别和解释对深度学习分类器构成困难的空气花粉样本	空气花粉样本	计算机视觉	NA	深度学习	NA	图像	最大的自动生成的花粉颗粒显微镜图像数据集之一	NA	NA	NA	NA
18110	2025-02-05	Deep learning-based prediction of mortality using brain midline shift and clinical information 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41271 PMID:39897887	研究论文	本研究提出了一种基于深度学习的计算机辅助方法，用于检测脑中线移位（MLS），并结合临床信息预测患者的死亡率	提出了一种关键点检测方法，用于在每张CT切片上检测脑中线，获取每张切片的MLS距离和面积，并结合临床信息使用多层感知器（MLP）模型预测患者死亡率	CT切片是二维的，限制了脑中线移位的检测	预测患者的死亡率	脑中线移位（MLS）和临床信息	计算机视觉	脑损伤、中风、脑肿瘤或血肿	深度学习	多层感知器（MLP）	CT图像	NA	NA	NA	NA	NA
18111	2025-10-07	Mining versatile feruloyl esterases: phylogenetic classification, structural features, and deep learning model 2025-Jan-29, Bioresources and bioprocessing IF:4.3Q1 DOI:10.1186/s40643-024-00835-8 PMID:39878830	研究论文	本研究通过系统发育分类、结构特征分析和深度学习模型挖掘多功能阿魏酸酯酶	首次整合酶相似性网络分析、分子动力学模拟和深度学习模型来预测多功能阿魏酸酯酶	仅从BRENDA数据库获取2085条序列，可能未覆盖所有已知阿魏酸酯酶	挖掘具有广泛底物催化能力的多功能阿魏酸酯酶	阿魏酸酯酶（FEs）氨基酸序列	生物信息学	NA	酶相似性网络分析，系统发育分析，分子动力学模拟，深度学习	深度学习模型	蛋白质序列数据	2085条阿魏酸酯酶序列	NA	NA	概率评分（90%阈值）	NA
18112	2025-10-07	A guidance to intelligent metamaterials and metamaterials intelligence 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56122-3 PMID:39880838	综述	本文从统一视角综述超材料与人工智能双向互动的最新进展，包括智能超材料和超材料智能两大新兴领域	提出从统一视角审视超材料与人工智能的交叉融合，系统阐述两个新兴领域——智能超材料和超材料智能的协同发展	未提及具体实验数据验证，主要聚焦理论框架和概念性讨论	探讨超材料与人工智能的双向互动关系及其在电磁空间管理中的应用	智能超材料与超材料智能系统	机器学习	NA	深度学习	神经网络	电磁仿真数据	NA	NA	NA	NA	NA
18113	2025-10-07	Fluo-Cast-Bright: a deep learning pipeline for the non-invasive prediction of chromatin structure and developmental potential in live oocytes 2025-Jan-29, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07568-0 PMID:39880880	研究论文	开发了一种基于深度学习的非侵入性方法，用于预测活体小鼠卵母细胞的染色质结构和发育潜力	首次实现通过明场图像非侵入性预测活体卵母细胞染色质状态和发育潜能，避免了传统荧光标记的损伤性	研究仅在小鼠卵母细胞中进行验证，尚未扩展到其他物种	建立非侵入性卵母细胞质量评估方法	小鼠卵母细胞	数字病理	生殖医学	深度学习，转录组分析	深度学习管道	明场图像，荧光图像	未明确说明具体样本数量	NA	NA	准确率	NA
18114	2025-10-07	A hybrid deep learning air pollution prediction approach based on neighborhood selection and spatio-temporal attention 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88086-1 PMID:39880913	研究论文	提出一种结合邻域选择和时空注意力机制的混合深度学习空气污染预测方法	集成KNN算法、时空注意力机制、残差块和ConvLSTM神经网络，自适应选择高相关邻域并提取时空特征	仅在北京及周边城市群进行验证，未在其他地理区域测试	准确预测空气污染物浓度以支持有效的污染防控	北京及周边城市群的PM浓度数据	机器学习	NA	深度学习，空气质量监测	ConvLSTM	空气污染物浓度数据，气象数据	北京及周边城市群的PM浓度数据集	NA	KSC-ConvLSTM（集成KNN、时空注意力机制、残差块和ConvLSTM）	均方根误差（RMSE）	NA
18115	2025-10-07	Deep learning model based prediction of vehicle CO2 emissions with eXplainable AI integration for sustainable environment 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87233-y PMID:39880869	研究论文	本研究提出了一种结合可解释人工智能的深度学习模型，用于预测车辆二氧化碳排放量	首次将可解释人工智能(XAI)方法与深度学习模型结合用于车辆CO2排放预测，开发了名为CarbonMLP的轻量多层感知器架构	数据集规模有限，未整合其他污染物，实际应用验证不足	开发准确的车辆CO2排放预测模型以支持环境可持续发展策略	车辆CO2排放数据及车辆属性特征	机器学习	NA	深度学习，可解释人工智能(XAI)	MLP	结构化数据	加拿大政府开放数据门户的车辆数据集	NA	CarbonMLP(轻量多层感知器)	R平方值，均方误差(MSE)	NA
18116	2025-10-07	Feasibility of generating sagittal radiographs from coronal views using GAN-based deep learning framework in adolescent idiopathic scoliosis 2025-Jan-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00553-6 PMID:39881022	研究论文	本研究探讨使用GAN深度学习框架从冠状位X线片生成矢状位X线片在青少年特发性脊柱侧凸监测中的可行性	首次将GAN技术应用于从冠状位X线片生成矢状位X线片，旨在减少青少年特发性脊柱侧凸监测中的辐射暴露	生成的合成图像质量不足以进行准确的临床参数评估，仅SVA参数表现较好	探索使用AI技术减少脊柱侧凸监测中辐射暴露的方法	青少年特发性脊柱侧凸患者	医学影像分析	青少年特发性脊柱侧凸	X线摄影，EOS成像系统	GAN	X线图像	3,935名AIS患者，其中训练集3,356例，测试集579例	NA	GAN	组内相关系数，绝对误差	NA
18117	2025-10-07	3D-AttenNet model can predict clinically significant prostate cancer in PI-RADS category 3 patients: a retrospective multicenter study 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01896-1 PMID:39881076	研究论文	开发基于双通道注意力模块的深度学习模型（AttenNet），用于预测PI-RADS 3类别患者的临床显著前列腺癌	首次在PI-RADS 3类别患者中应用带通道注意力和软注意力模块的3D深度学习模型进行风险再分层	回顾性研究设计，样本来自特定时间范围（2015-2020年）的六个医疗中心	开发深度学习模型重新分层PI-RADS 3类别患者的临床显著前列腺癌风险	1567例连续男性患者的双参数MRI图像	数字病理	前列腺癌	双参数MRI	深度学习	3D MRI图像	1567例患者（训练集1144例PI-RADS 1-2和4-5图像，238例PI-RADS 3图像；测试集185例PI-RADS 3图像）	NA	AttenNet（包含通道注意力和软注意力模块）	AUC	NA
18118	2025-10-07	Deep learning reconstruction of zero-echo time sequences to improve visualization of osseous structures and associated pathologies in MRI of cervical spine 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01902-0 PMID:39881081	研究论文	本研究通过深度学习重建零回波时间序列，改善颈椎MRI中骨结构及相关病变的可视化效果	首次将深度学习重建技术应用于零回波时间序列，显著提升图像质量和骨结构可视化能力	回顾性研究设计，样本量较小（52例患者），仅在1.5-Tesla扫描仪上验证	评估深度学习重建的零回波时间序列在颈椎MRI中的图像质量和骨结构可视化效果	52例接受颈椎MRI检查的患者	医学影像分析	颈椎疾病	MRI, 零回波时间序列, 深度学习重建	深度学习	医学影像	52例患者	AirReconDL	NA	信噪比, 对比噪声比, Likert评分	1.5-Tesla MRI扫描仪
18119	2025-10-07	MRI-based deep learning radiomics to differentiate dual-phenotype hepatocellular carcinoma from HCC and intrahepatic cholangiocarcinoma: a multicenter study 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01904-y PMID:39881111	研究论文	基于对比增强MRI开发并验证放射组学和深度学习模型，用于区分双表型肝细胞癌与肝细胞癌和肝内胆管癌	首次使用融合模型结合放射组学和深度迁移学习，在 multicenter 研究中实现DPHCC与HCC和ICC的术前鉴别	样本量相对有限，仅包含381例患者	开发能够术前鉴别双表型肝细胞癌与肝细胞癌和肝内胆管癌的影像诊断模型	肝细胞癌、双表型肝细胞癌和肝内胆管癌患者	医学影像分析	肝癌	对比增强MRI	放射组学模型, 深度迁移学习模型, 融合模型	医学影像	381例患者（138例HCC，122例DPHCC，121例ICC），来自四个医疗中心	NA	VGG19	AUC, 准确率, F1分数	NA
18120	2025-10-07	Fully automated segmentation and classification of renal tumors on CT scans via machine learning 2025-Jan-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13582-6 PMID:39881216	研究论文	开发并测试了一种基于机器学习的全自动系统，用于CT扫描中肾脏肿瘤的分割和分类	实现了从分割到分类的完整自动化流程，结合了传统放射学特征和放射组学特征	对小肿瘤（小于4cm）的分割和分类性能相对较低	开发全自动肾脏肿瘤分割和分类系统	经病理证实的肾脏肿瘤CT图像	医学影像分析	肾癌	计算机断层扫描（CT）	深度学习, 随机森林	CT图像	561个肾脏肿瘤（233个透明细胞肾细胞癌，82个乳头状肾细胞癌，74个嫌色细胞肾细胞癌，172个血管平滑肌脂肪瘤）	NA	3D U-Net	Dice相似系数, 准确率, 灵敏度, 特异性	NA