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
221	2025-09-13	Localization and detection of deepfake videos based on self-blending method 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88523-1 PMID:39890891	研究论文	提出一种基于自混合方法的空间训练策略，用于深度伪造视频的检测与篡改区域定位	无需伪造样本即可检测空间篡改，通过多部位局部位移变形与融合技术生成多样化特征数据，并引入混合区域标签指导定位	未明确说明跨数据集泛化能力的具体量化指标及对未知篡改技术的适应性	提升深度伪造视频检测的泛化能力与篡改区域的精确定位	深度伪造视频（含人脸替换与表情篡改类型）	计算机视觉	NA	多部位局部位移变形与融合技术	Swin-Unet	视频	基于FF++、Celeb-DF、DFDC等公开数据集（未明确样本数量）
222	2025-09-13	TrimNN: Characterizing cellular community motifs for studying multicellular topological organization in complex tissues 2025-Jan-17, Research square DOI:10.21203/rs.3.rs-5584635/v1 PMID:39877090	研究论文	提出一种名为TrimNN的图神经网络方法，用于识别和表征复杂组织中保守的多细胞空间拓扑模式	采用自下而上的图深度学习框架，将细胞生态位定义为可计数的拓扑块，具有可解释性和泛化性	NA	研究多细胞拓扑组织在复杂组织中的协调规则	空间转录组学和蛋白质组学数据中的细胞群落	计算生物学	NA	空间组学分析，图神经网络	神经网络（NN）	空间转录组和蛋白质组数据	NA
223	2025-09-13	Improvement of mask R-CNN and deep learning for defect detection and segmentation in electronic products 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329945 PMID:40920847	研究论文	提出一种基于YOLOv5和Mask R-CNN的多任务联合学习框架Y-MaskNet，用于电子产品的缺陷检测与分割	结合YOLOv5的高效目标检测能力和Mask R-CNN的精细分割能力，通过多任务学习框架优化模型整体性能	NA	提高电子产品缺陷检测与分割的准确率和效率	电子产品缺陷	计算机视觉	NA	深度学习	YOLOv5, Mask R-CNN, Y-MaskNet	图像	PCB缺陷数据集
224	2025-09-13	Rapid label-free identification of seven bacterial species using microfluidics, single-cell time-lapse phase-contrast microscopy, and deep learning-based image and video classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330265 PMID:40920893	研究论文	本研究结合微流控技术、单细胞延时相差显微镜和深度学习，实现七种细菌物种的快速无标记识别	将先前针对四种细菌的方法扩展至七种常见人类病原体，并评估实时性能、训练集大小和数据质量的影响，同时探究纹理与形态特征对分类的贡献	仍需解决直接从血液中分离细菌的挑战，并在多样临床分离株上验证方法的有效性	开发一种快速、无标记的细菌物种识别方法，以促进感染早期诊断	七种常见人类病原菌：铜绿假单胞菌、大肠杆菌、肺炎克雷伯菌、鲍曼不动杆菌、粪肠球菌、奇异变形杆菌和金黄色葡萄球菌	计算机视觉	细菌感染	微流控芯片、单细胞延时相差显微镜	CNN, Vision Transformers	视频（延时相差显微镜图像序列）	使用微流控芯片陷阱收集的单个细菌细胞生长的一小时延时序列
225	2025-09-13	Smart load balancing in cloud computing: Integrating feature selection with advanced deep learning models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329765 PMID:40924788	研究论文	提出一种结合特征选择与深度学习模型的智能云负载均衡方法SLADRO	整合CNN和LSTM进行负载预测，采用OOA-PSO混合优化进行特征选择，并应用深度强化学习实现动态任务调度	NA	优化云计算环境中的资源分配和负载均衡	云计算工作负载和资源管理	机器学习	NA	深度学习，强化学习，混合优化算法	CNN, LSTM, DRL	时间序列工作负载数据	基于Google Cluster Trace真实数据集的广泛仿真
226	2025-09-13	Enhancing fake news detection with transformer-based deep learning: A multidisciplinary approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330954 PMID:40924789	研究论文	提出一种基于Transformer架构的增强型BERT模型，用于虚假新闻检测，并在大规模数据集上验证其优越性能	采用渐进式训练方法增强BERT模型，使其能够逐步学习并细化区分真实报道与虚假内容的语言细微差别	NA	开发可靠且高效的自动化虚假新闻检测机制，以应对数字信息完整性挑战	虚假新闻文本内容	自然语言处理	NA	BERT, 渐进式训练方法	Transformer-based BERT	文本	72,134篇文章（来自WELFake数据集）
227	2025-09-13	DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1622899 PMID:40927364	研究论文	提出一种混合深度学习框架DeepRNAac4C，用于RNA N4-乙酰胞苷位点预测	整合残差神经网络、CNN、BiLSTM和BiGRU，有效捕获局部和全局序列特征，提升预测精度和模型鲁棒性	NA	准确预测RNA ac4C位点以理解RNA在基因表达和细胞调控中的作用	RNA N4-乙酰胞苷（ac4C）修饰位点	自然语言处理	NA	RNA序列分析	CNN, BiLSTM, BiGRU, 残差神经网络	序列数据	NA
228	2025-09-13	Bibliometric Analysis of Research Articles on Embedded Internet of Health Things (IoHT) Fall Detection in the Elderly Published from 2006 to 2025 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S537047 PMID:40927577	文献计量分析	对2006年至2025年关于嵌入式健康物联网（IoHT）老年人跌倒检测研究文章的文献计量分析	首次对嵌入式IoHT老年人跌倒检测领域进行全面的文献计量综述，揭示研究趋势、地理分布和方法演变	基于Scopus数据库，可能未涵盖所有相关文献；时间范围截至2025年4月，可能不完全	分析嵌入式IoHT老年人跌倒检测领域的研究现状、发展趋势和知识结构	79篇相关研究出版物（会议论文和期刊文章）	物联网与健康监测	老年疾病	文献计量分析、VOSviewer可视化、性能指标分析	NA	文献元数据（出版年份、类型、国家、机构、作者、引用数、方法论）	79篇出版物
229	2025-09-13	Efficient spatio-temporal modeling for sign language recognition using CNN and RNN architectures 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1630743 PMID:40927705	研究论文	本研究使用CNN和RNN架构对坦桑尼亚手语视频进行时空建模，以提升手语识别效率	提出采用ELU激活函数的CNN-GRU模型，以提高学习效率和性能，在手语识别任务中达到94%的准确率	在独立手语者设置中性能差异显著，最高准确率仅66%，手部主导特征优化仍面临挑战	通过深度学习算法捕捉视频帧的时空关系特征，改进动态手语词的识别	坦桑尼亚手语数据集，使用手机自拍摄像头收集	计算机视觉	NA	深度学习，视频帧分析	CNN-LSTM, CNN-GRU	视频	NA
230	2025-09-12	Automated strabismus detection and classification using deep learning analysis of facial images 2025-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88154-6 PMID:39890897	研究论文	提出一种基于深度学习的自动检测和分类斜视的面部图像分析方法	利用CNN实现高精度的二分类和多角度斜视分类，首次在八类偏差角分类任务中应用深度学习	NA	通过自动化方法辅助医疗专业人员早期检测斜视并制定治疗计划	面部图像（包含正常和斜视病例）	计算机视觉	斜视	深度学习，交替棱镜遮盖测试（APCT），改良Krimsky测试（MK）	CNN	图像	二分类任务4,257张面部图像（1,599正常/2,658斜视），多分类任务622张图像（480斜视/142正常）
231	2024-12-12	Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction? 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240740 PMID:39660996	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
232	2025-09-12	Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056365191250602124819 PMID:40511649	综述	本文综述了机器学习和深度学习在脑肿瘤分类中的应用、挑战及未来方向	系统比较了从传统机器学习到先进深度学习及混合架构的方法，并提出了多模态成像、可解释AI和隐私保护技术等未来方向	注释数据集稀缺、计算复杂度高、模型可解释性差以及临床整合存在障碍	提升脑肿瘤分类的准确性和效率，以支持治疗策略和改善患者预后	脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变	医学影像	脑肿瘤	MRI	SVM, Decision Trees, CNN, RNN, 混合架构	图像	NA
233	2025-09-12	Evaluation of Deep Learning Methods for Pulmonary Disease Classification 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056388107250710120917 PMID:40692157	研究论文	本研究评估了深度学习模型在肺部疾病分类中的应用，通过多特征融合方法提升诊断准确率	提出结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，达到92%的最高准确率	数据集中COPD样本过度代表，限制了模型在测试音频样本上的泛化能力	改进肺部疾病的诊断技术，提升疾病检测准确率	肺部疾病（包括COPD、LRTI和URTI）的听诊录音	数字病理学	肺部疾病	音频增强方法、MFCC、Chroma STFT、频谱图特征提取	CNN、RNN、LSTM、密集神经网络	音频	NA
234	2025-09-12	Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330103 PMID:40920705	研究论文	本研究提出一种基于卷积神经网络和图像增强技术的自动化宫颈癌分类方法，旨在提高巴氏涂片图像分类的准确性和效率	采用DPAGCHE图像增强方法结合预训练CNN模型，显著提升分类性能，F1分数提高53.65%，精确度提高44.29%	仅使用公开Herlev数据集，未提及外部验证或临床实际应用测试	开发自动化宫颈癌检测方法，解决传统诊断中对比度和噪声问题	巴氏涂片图像	计算机视觉	宫颈癌	DPAGCHE（去噪配对自适应伽马裁剪直方图均衡化）图像增强技术	CNN（包括ResNet50等预训练模型）	图像	使用公开Herlev数据集，具体样本数量未明确说明
235	2025-09-12	Automated segmentation of retinal vessel using HarDNet fully convolutional networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330641 PMID:40920773	研究论文	提出一种基于HarDNet的改进模型，用于视网膜血管自动分割	整合HarDNet模块、感受野块（RFB）模块和密集聚合模块，有效提取多尺度特征并提升小血管分割精度	未明确提及模型计算效率或临床部署可行性	提升视网膜血管分割的准确性，特别是对小血管和分支区域的分割能力	彩色眼底图像中的视网膜血管结构	计算机视觉	糖尿病、高血压、脑血管疾病	深度学习	HarDNet FCN（全卷积网络），结合RFB和Dense Aggregation模块	图像（彩色眼底照片）	DRIVE数据集和CHASE_DB1数据集（具体样本数未明确说明）
236	2025-09-12	AI-Driven quality assurance in mammography: Enhancing quality control efficiency through automated phantom image evaluation in South Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330091 PMID:40920794	研究论文	开发并验证基于深度学习的模型，用于自动化评估乳腺摄影体模图像，以提高质量控制效率	首次在韩国国家认证体系中应用EfficientNetV2_L模型实现乳腺体模图像的自动化评分，显著提升放射科医师间评分一致性和工作效率	模型在肿块评估中表现出一定的尺寸相关偏差，且研究仅基于韩国单一机构数据	通过AI技术提升乳腺摄影质量控制的自动化水平和评估一致性	乳腺摄影体模图像中的人工病灶（纤维、斑点、肿块）	计算机视觉	乳腺癌	深度学习，可解释AI技术	EfficientNetV2_L	图像	5,813张符合质量标准的乳腺摄影体模图像
237	2025-09-12	A robust hydroponic system for horticulture farming using deep learning, IoT, and mobile application 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330488 PMID:40920816	研究论文	提出一种结合深度学习、物联网和移动应用的稳健水培系统，用于园艺农业	集成WeMos控制器硬件、深度学习疾病检测模型和移动应用，实现98.5%的高疾病检测准确率	未明确说明系统在非理想环境下的鲁棒性或长期稳定性	支持农民简化种植过程，提高水培农业的操作效率和可持续性	孟加拉国的基层农民和水培种植系统	计算机视觉	NA	深度学习、IoT	深度学习模型（具体类型未指定）	传感器数据、图像（推断）	约80%的基层农民参与调研（具体样本量未明确）
238	2025-09-12	Characterization of CNS Network Changes in Two Rodent Models of Chronic Pain 2025, Biological & pharmaceutical bulletin IF:1.7Q3 DOI:10.1248/bpb.b25-00045 PMID:40930793	研究论文	本研究使用静息态功能磁共振成像技术，在两种慢性疼痛啮齿动物模型中表征中枢神经系统功能网络的变化	结合深度学习的监督机器学习方法预测慢性疼痛，并发现传统网络分析未捕捉到的连接模式信息	研究仅基于两种特定啮齿动物模型，结果外推至人类或其他疼痛模型需谨慎	探究慢性疼痛相关的中枢神经系统功能变化	Lewis大鼠和Sprague-Dawley大鼠	神经影像学	慢性疼痛	静息态功能磁共振成像（fMRI），独立成分分析（ICA），图论测量，基于种子的功能连接分析	监督机器学习结合深度学习	神经影像数据	实验1：CFA模型组16只，对照组14只；实验2：PSNL模型组25只，假手术组19只
239	2025-09-11	Fine-grained Prototype Network for MRI Sequence Classification 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361649250717162910 PMID:40754881	研究论文	提出一种用于MRI序列分类的细粒度原型网络SequencesNet，结合CNN和改进的视觉Transformer进行特征提取	引入特征选择模块(FSM)基于多层注意力权重选择细粒度特征，并提出原型分类模块(PCM)优化原型-样本距离	计算复杂度较高且模型泛化能力有待提升	解决MRI序列分类中类间差异细微而类内差异显著的问题	腹部MRI序列图像	医学影像分析	腹部疾病	MRI成像	CNN与Vision Transformer结合	医学图像	公共数据集和私有数据集（具体样本数未提供）
240	2025-09-11	CT-based 3D Super-resolution Radiomics for the Differential Diagnosis of Brucella vs. Tuberculous Spondylitis using Deep Learning 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056380084250720064859 PMID:40765092	研究论文	本研究开发了一种基于深度学习和超分辨率增强CT影像的放射组学模型，用于提高布鲁氏菌性脊柱炎与结核性脊柱炎的鉴别诊断准确性	首次将超分辨率技术与深度学习放射组学结合，并采用ResNet34和GAN超分辨率提升模型性能，显著提高了两种脊柱炎的鉴别诊断能力	样本量较小（94例），回顾性研究设计可能存在偏倚，需要更大规模多中心研究验证泛化性	提高布鲁氏菌性脊柱炎与结核性脊柱炎的CT影像鉴别诊断准确性	94例经确诊的布鲁氏菌性脊柱炎和结核性脊柱炎患者	医学影像分析	脊柱炎	CT成像、超分辨率技术、放射组学分析	ResNet18、ResNet34、MLP、GAN	CT影像	94例患者（训练集65例：40例BS+25例TBS；验证集29例：17例BS+12例TBS）