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
501	2025-12-19	A GAN-Based Approach for enhancing security in satellite based IoT networks using MPI enabled HPC 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331019 PMID:40997099	研究论文	本文提出了一种基于GAN的安全框架DLGAN，用于增强卫星物联网网络的安全性，通过结合CNN进行实时异常检测和GAN生成合成攻击数据，并利用MPI在HPC系统上实现可扩展并行处理	提出DLGAN框架，首次将CNN与GAN结合用于卫星物联网安全，通过生成合成攻击数据解决网络安全研究中数据集不平衡问题，并利用MPI在HPC系统上实现高效并行处理	未明确说明实验数据的具体来源和规模，以及在实际卫星物联网环境中的部署验证情况	增强卫星物联网网络的安全性，解决机密信息在卫星链路传输中的安全挑战	卫星物联网网络及其安全威胁	机器学习	NA	深度学习	CNN, GAN	网络流量数据	NA	NA	NA	检测准确率, 训练时间	HPC系统, AI-enabled GPUs, MPI并行处理
502	2025-12-19	LPATR-Net: Learnable Piecewise Affine Transformation Regression Assisted Data-Driven Dehazing Framework 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637687 PMID:41348791	研究论文	本文提出了一种名为LPATR-Net的新型图像去雾框架，通过可学习的分段仿射变换回归来抑制错误地面真值样本的干扰	引入拟合能力抑制机制，结合传统多数决定固定形式回归与现代全自由数据驱动深度学习，以应对图像去雾中固有的错误地面真值样本问题	未明确讨论在极端天气或复杂场景下的泛化能力，且未提供计算效率的详细分析	开发一种鲁棒的图像去雾框架，以处理训练数据中存在的错误地面真值样本	图像去雾任务中的有雾图像及其对应的地面真值清晰图像	计算机视觉	NA	深度学习	深度神经网络	图像	在五个常用公共数据集上进行实验，具体样本数量未明确说明	未明确指定，但提及了数据驱动深度学习框架	LPATR-Net，包含可学习的分段仿射变换回归组件和All-Mattering组件	未明确列出，但通过实验验证了有效性	未明确指定
503	2025-12-19	Early Dengue Prediction in Bangladesh: A Comparative Study With Feature Analysis, Explainable Artificial Intelligence, and Model Optimization 2025, Journal of tropical medicine IF:2.1Q2 DOI:10.1155/jotm/1709439 PMID:41399677	研究论文	本研究对13种机器学习和深度学习模型进行了全面的比较分析，用于基于症状的登革热早期预测，重点关注孟加拉国人群	首次在孟加拉国人群中进行广泛的模型比较，并采用可解释人工智能（SHAP）识别关键预测因子，同时展示了定制化超参数调整人工神经网络在此任务中的优越性	研究样本量相对较小（500条患者记录），且仅基于症状特征，未包含临床实验室数据	开发可靠的基于症状的登革热早期预测工具，以支持公共卫生干预	孟加拉国登革热患者	机器学习	登革热	症状特征分析	人工神经网络, 随机森林, 额外树, 装袋法, 逻辑回归, SGD分类器	结构化症状数据	500条患者记录，包含22个症状特征	Scikit-learn	自定义人工神经网络	准确率	NA
504	2025-12-19	FusDRM-m5C: a hybrid model for accurate prediction of 5-methylcytosine modification sites based on feature fusion and attention mechanism 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1642286 PMID:41399733	研究论文	本文提出了一种名为FusDRM-m5C的混合深度学习模型，用于从RNA序列中高精度预测5-甲基胞嘧啶修饰位点	该模型采用多分支架构融合了三种不同的特征类型，并结合了扩张卷积神经网络和多头自注意力机制，以捕捉多尺度模式并权衡上下文依赖信息	NA	开发一个计算模型来高精度预测RNA序列中的5-甲基胞嘧啶修饰位点	RNA序列中的5-甲基胞嘧啶修饰位点	生物信息学	NA	RNA序列分析	深度学习	序列数据	NA	NA	Dilated Convolutional Neural Network, Multi-Head Self-Attention	灵敏度, 特异性, 准确率, 马修斯相关系数, AUC	NA
505	2025-12-18	Effect of feedback-integrated reflection, on deep learning of undergraduate medical students in a clinical setting 2025-Jan-14, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06648-3 PMID:39810114	研究论文	本研究探讨了反馈整合反思与单独反思相比，对本科医学生在妇科临床环境中高阶多选题成绩的影响	通过随机对照试验，首次在妇科临床教育环境中量化比较了反馈整合反思与单独反思对医学生高阶认知学习效果的影响	样本量较小（68人），且研究聚焦于单一专业（妇科）和短期教学干预，结果的普适性有待进一步验证	评估反馈整合反思对医学生有意义学习及高阶多选题成绩的影响	68名本科五年级医学生	医学教育	NA	随机对照试验	NA	测试成绩数据、反思文本	68名本科五年级医学生	NA	NA	测试分数、百分比增益、标准化学习增益、净学习增益	NA
506	2025-12-18	Computational models for pan-cancer classification based on multi-omics data 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1667325 PMID:41220429	综述	本文综述了基于多组学数据的泛癌分类计算模型，总结了现有数据、数据库、方法及其优缺点，并探讨了未来研究方向	系统性地比较了基于机器学习和深度学习的泛癌分类方法，并指出了当前框架在整合肿瘤动态时间变化和空间异质性方面的不足	现有框架难以整合肿瘤内的动态时间变化和空间异质性，限制了其实时临床应用性	研究泛癌分类的计算模型，以应对肿瘤异质性带来的诊断和治疗挑战	多组学数据（基因组学、转录组学、蛋白质组学）及泛癌图谱	机器学习	泛癌	多组学数据整合	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
507	2025-12-18	A deep learning-driven cataract screening model derived from multicenter real-world dataset 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1691419 PMID:41393146	研究论文	本研究开发并验证了一个基于多中心真实世界数据的深度学习模型，用于白内障筛查	采用多中心、真实世界的大规模数据集训练模型，并设计了一个模拟临床诊断流程的级联框架，以提高模型在噪声数据上的可靠性和泛化能力	未明确提及模型在更广泛或国际数据集上的测试表现，以及在实际临床部署中的具体挑战	开发一个稳健且可泛化的深度学习模型，用于大规模眼科筛查，特别是白内障的检测	来自中国12个省市21家眼科机构的22,094张裂隙灯图像	计算机视觉	白内障	裂隙灯成像	CNN	图像	22,094张裂隙灯图像	NA	ResNet50-IBN	准确率, 特异性, AUC	NA
508	2025-12-18	Hybrid Deep Learning for Brain Tumor Detection: Combining DenseNet and Custom CNN for Enhanced Accuracy 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251395954 PMID:41393347	研究论文	本文提出了一种结合DenseNet和自定义CNN的混合深度学习架构，用于提高脑肿瘤检测的准确率、敏感性和特异性	创新点在于将DenseNet的特征重用和连接性与针对特定领域设计的自定义CNN相结合，以提取高级语义和细粒度特征，从而提升分类性能	未明确提及具体局限性，但可能涉及计算资源需求或模型泛化能力	研究目标是开发一种混合深度学习架构，以提高脑肿瘤医学图像分类的准确性、敏感性和特异性	研究对象是脑肿瘤医学图像数据集	计算机视觉	脑肿瘤	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及	DenseNet, 自定义CNN	准确率, 敏感性, 特异性, FPS	未明确提及
509	2025-12-18	Artificial intelligence applications in intensive care unit nursing: A narrative review (2020-2025) 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406302 PMID:41393841	综述	本文综述了2020年至2025年间人工智能在重症监护室护理中的应用研究，总结了趋势并指出了整合挑战	系统性地综合了近五年人工智能在ICU护理领域的最新研究进展，突出了早期预警、风险预测及工作流支持等应用趋势	纳入的研究多为回顾性，且缺乏校准、外部验证和人为因素评估的详细描述	综述人工智能在重症监护室护理中的应用，以识别趋势和整合挑战	2020年至2025年间发表的英文研究，重点关注ICU护理中的人工智能应用	机器学习	NA	NA	机器学习, 深度学习	电子健康记录, 数据库数据	37项研究（从4138篇文章中筛选）	NA	NA	AUC	NA
510	2025-12-18	Cluster segmentation and stereo vision-based apple localization algorithm for robotic harvesting 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1598414 PMID:41393871	研究论文	本文提出了一种结合增强K-Means聚类分割算法和立体视觉系统的苹果三维定位方法，用于机器人采摘	通过多特征融合（颜色、形态、纹理）提升分割鲁棒性，并集成立体视觉进行精确三维定位，无需大规模标注数据集或高性能硬件	未来工作需关注大规模果园部署、并行优化及扩展到其他水果类型	开发一种适用于复杂果园环境的自动化苹果采摘机器人定位算法	苹果	计算机视觉	NA	立体视觉	K-Means聚类	图像	NA	NA	K-Means, 块匹配立体模型	识别准确率, 平均精度均值, 平均坐标偏差, 正确识别率, 帧每秒, 深度定位误差	低计算需求，无需高性能硬件
511	2025-12-18	Deep learning-based phenotyping of lettuce diseases using Efficient-FBM-FRMNet for precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1704647 PMID:41393894	研究论文	本研究提出了一种名为Efficient-FBM-FRMNet的模块化深度学习框架，用于自动化检测生菜病害	该模型整合了EfficientNetB4、扩张卷积、特征瓶颈模块、推理引擎和特征细化模块，增强了判别性特征学习、可解释性和稳定性，同时降低了计算成本	NA	实现快速准确的生菜病害识别，以支持精准农业和可持续作物管理	生菜叶片图像	计算机视觉	植物病害	深度学习	CNN	图像	2,813张生菜叶片图像	NA	EfficientNetB4, ResNet50, DenseNet121	准确率, 精确率, 召回率, F1分数	NA
512	2025-12-18	PLFYNet-based edge-deployable detection system for Ginkgo biloba leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1679455 PMID:41393897	研究论文	本研究提出了一种名为PLFYNet的轻量级深度学习模型，用于在资源受限的嵌入式设备上实时检测银杏叶病害	提出了一种优化的轻量级主干网络，集成了注意力机制、改进的检测头、高效卷积技术和自定义特征融合模块，并应用了层自适应幅度剪枝技术，在保持精度的同时显著减少了模型参数量	研究仅针对银杏叶的三种病害类别（褪绿病、虫害、物理损伤），模型在其他作物或更复杂病害场景下的泛化能力有待验证	开发适用于复杂种植环境的轻量级实时病害检测系统，以解决现有系统在边缘部署时精度下降、效率低下和计算开销大的问题	银杏叶病害	计算机视觉	植物病害	深度学习，图像增强	CNN, YOLO	图像	7,158张增强图像，覆盖三种病害类别	NA	LCNet-FusionYOLO, PLFYNet, YOLOv7-tiny	mAP@0.5, FPS, 参数量	Jetson Orin Nano嵌入式平台
513	2025-12-18	Development of a multimodal model combining radiomics and deep learning to predict malignant cerebral edema after endovascular thrombectomy 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1716443 PMID:41393997	研究论文	本研究开发了一种结合放射组学和深度学习的多模态模型，用于预测急性缺血性卒中患者接受血管内血栓切除术后恶性脑水肿的风险	首次整合临床数据、放射组学特征和深度学习特征构建多模态预测模型，显著提高了恶性脑水肿预测的准确性	研究样本量相对较小（共290例患者），且仅进行了内部验证，缺乏外部独立队列验证	提高急性缺血性卒中患者血管内血栓切除术后恶性脑水肿的风险预测准确性	接受血管内血栓切除术的急性缺血性卒中患者	医学影像分析	急性缺血性卒中	放射组学分析、深度学习特征提取	深度学习融合模型	临床数据、医学影像数据	290例患者（训练集189例，验证集47例，内部测试集54例）	NA	NA	AUC（曲线下面积）	NA
514	2025-12-18	The mediating role of psychological resilience in the relationship between deep learning approach and mathematical creativity: integrating structural equation model and network analysis 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1697817 PMID:41394065	研究论文	本研究通过整合结构方程模型和网络分析方法，探讨了深度学习方式、心理韧性与数学创造力之间的关系	首次将结构方程模型与网络分析方法结合，揭示学习方式、心理韧性与数学创造力之间的中介关系与网络关系	研究样本仅为中国大学生，结果可能受文化背景限制；采用横断面设计，无法确定因果关系	探究深度学习方式如何通过心理韧性预测数学创造力，并揭示三者间的网络关系	中国大学生	教育心理学	NA	问卷调查法	结构方程模型, 网络分析	问卷数据	986名中国大学生	NA	NA	节点中心性指标（强度、接近度、预期影响力）	NA
515	2025-12-18	RNA-EFM: energy-based flow matching for protein-conditioned RNA sequence-structure co-design 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf258 PMID:41394077	研究论文	提出了一种名为RNA-EFM的深度学习框架，用于蛋白质条件化的RNA序列与结构协同设计，通过结合基于能量的精炼和流匹配方法，以优化RNA的几何对齐和热力学稳定性	首次将基于能量的精炼与流匹配相结合，用于RNA序列与结构的协同设计，并整合了生物物理先验如Lennard-Jones势能和序列衍生的自由能，以确保生成的RNA在几何上合理且热力学稳定	未明确提及模型在处理大规模数据集或复杂蛋白质-RNA相互作用时的计算效率或泛化能力限制	开发一种能够设计特异性结合目标蛋白质的RNA分子的方法，同时考虑结构对齐、序列恢复和生物物理因素	RNA分子及其与目标蛋白质的相互作用	机器学习	NA	深度学习框架，结合基于能量的精炼和流匹配	NA	RNA序列和结构数据	NA	NA	RNA-EFM（自定义框架，结合流匹配和基于能量的精炼）	RMSD, lDDT, 序列恢复率, 结合能改进	NA
516	2025-12-18	Leveraging TabTransformer Deep Learning on Conventional MRI Radiomics for Accessible and Interpretable Diagnosis of Autism Spectrum Disorder 2025, Neuropsychiatric disease and treatment IF:2.5Q2 DOI:10.2147/NDT.S550477 PMID:41394445	研究论文	本研究利用常规MRI序列的放射组学特征，结合TabTransformer深度学习模型，对自闭症谱系障碍进行诊断，并探索影像特征与临床症状严重程度的相关性	首次将TabTransformer深度学习模型应用于多区域常规MRI放射组学分析，用于自闭症谱系障碍的诊断，并识别出与核心临床症状相关的特定影像生物标志物	研究为回顾性设计，样本量相对有限，缺乏外部验证，且依赖手动分割，未来需要更大规模、多中心的前瞻性研究及自动化分割方法的探索	评估基于常规MRI序列的多区域放射组学分析对自闭症谱系障碍的诊断效能，并探索影像特征与临床症状严重程度的相关性	207名儿科参与者（91名自闭症谱系障碍患者，116名典型发育对照）	医学影像分析	自闭症谱系障碍	常规MRI序列（T1加权成像和T2加权成像）	TabTransformer, 逻辑回归, 支持向量机	MRI图像	207名儿科参与者（91例ASD，116例对照）	NA	TabTransformer	AUC, 准确率, 灵敏度, 特异性	NA
517	2025-12-18	Inference of Gene Regulatory Networks for Breast Cancer Based on Genetic Modules 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0154 PMID:41394782	研究论文	本研究提出了一种结合遗传模块和卷积神经网络的新方法，从乳腺癌RNA测序数据中推断基因调控网络	该方法整合了遗传数据分析和深度学习视角，通过加权基因共表达网络分析筛选关键基因，并将基因模块中的调控关联转化为二维直方图类型，使用卷积神经网络进行拟合和推断	未明确说明方法在其他肿瘤类型或更大数据集上的泛化能力	开发一种新的基因调控网络推断方法，以促进乳腺癌的靶向治疗	乳腺癌的基因调控网络	机器学习	乳腺癌	RNA测序	CNN	基因表达数据	NA	NA	卷积神经网络	NA	NA
518	2025-12-18	Utilization of artificial intelligence in prostate cancer detection: a comprehensive review of innovations in screening and diagnosis 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670671 PMID:41394863	综述	本文全面回顾了人工智能在前列腺癌筛查与诊断中的创新应用	详细阐述了AI如何通过深度学习算法改进多参数MRI解读、自动化Gleason分级以及整合多模态数据，推动前列腺癌诊疗向更精准、高效和个性化的新标准转变	面临前瞻性验证、数据公平性和监管审批等方面的重大挑战	探讨人工智能在前列腺癌管理中的变革性作用，特别是在筛查、诊断和治疗个性化方面的应用	前列腺癌的筛查、诊断及治疗过程	数字病理学	前列腺癌	多参数MRI (mpMRI), 深度学习	深度学习算法	影像数据, 生物标志物数据, 临床数据	NA	NA	NA	NA	NA
519	2025-12-18	PathoEye: A deep learning framework for the whole-slide image analysis of skin tissue 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.052 PMID:41395109	研究论文	本文介绍了一个名为PathoEye的深度学习框架，用于皮肤组织全玻片图像分析，专注于真皮-表皮连接区域以丰富皮肤病的病理特征	NA	NA	开发一个可解释的计算框架，用于分析皮肤活检中的全玻片图像，以研究各种皮肤状况的病理特征	皮肤组织全玻片图像，特别是真皮-表皮连接区域（基底膜区）	数字病理学	皮肤病	全玻片图像分析	深度学习	图像	NA	NA	NA	NA	NA
520	2025-12-18	Advances in machine and deep learning for ECG beat classification: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1649923 PMID:41395626	系统综述	本文系统回顾了2014年至2024年间发表的106篇相关文献，总结了机器学习和深度学习在心电图（ECG）搏动分类方面的进展、挑战和未来方向	系统梳理了从传统特征工程方法向基于卷积神经网络、循环神经网络及注意力机制等先进架构的自动化特征提取与分类方法的演变过程	现有研究普遍存在数据不平衡、患者间变异大以及缺乏统一评估指标等问题，限制了公平比较和临床转化	调查ECG信号分析技术，以更准确、高效地识别和分类各种心搏	心电图（ECG）信号	机器学习	心血管疾病	NA	CNN, RNN, 混合框架	信号数据	NA	NA	NA	NA	NA