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
521	2025-12-08	Capsule-based federated reinforcement learning adaptive sliding mode for anomaly detection and control of floating wind turbines 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336410 PMID:41343520	研究论文	本文提出了一种基于胶囊网络和联邦强化学习的自适应滑模控制方法，用于浮动风力发电机的异常检测与控制	结合联邦学习、胶囊网络和深度强化学习，实现分布式训练和自适应鲁棒控制，提高扰动检测的准确性和系统稳定性	研究基于仿真结果，未在真实环境中验证；未详细讨论计算资源需求和实际部署的挑战	开发一种智能控制机制，以增强浮动风力发电机在动态环境条件下的性能和稳定性	浮动风力发电机及其在海洋波浪和风扰动下的控制系统	机器学习	NA	联邦学习, 深度强化学习, 滑模控制	胶囊网络, 深度强化学习	传感器数据	NA	NA	胶囊网络	准确性, 稳定性	NA
522	2025-12-08	Advances in deep reinforcement learning enable better predictions of human behavior in time-continuous tasks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338034 PMID:41343519	研究论文	本研究利用深度强化学习模型预测人类在时间连续任务中的行为表现	首次将先进的深度Q网络模型（Ape-X和SEED）应用于人类行为建模，并验证其在时间连续任务中的预测能力优于传统模型	样本量较小（N=23），仅针对三种街机游戏任务，未涵盖更广泛的行为场景	探索深度强化学习模型在预测人类时间连续任务行为方面的有效性	人类参与者在三种街机游戏中的运动反应数据	机器学习	NA	深度强化学习	DQN	时间连续视觉刺激和运动反应数据	23名人类参与者	NA	Ape-X, SEED, 基线DQN	预测准确率	NA
523	2025-12-08	What does my network learn? Assessing interpretability of deep learning for EEG 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1033 PMID:41346402	研究论文	本文评估了深度学习在脑电图（EEG）数据中可解释性的影响因素，包括预处理选择、网络架构和特征提取可视化方法	通过比较两种卷积神经网络（ResNet和EEGNet）以及两种基于梯度的特征可视化技术（显著性和GradCam），揭示了不同架构和可视化方法对EEG数据可解释性的影响	研究仅针对视觉和听觉数据集，可能未涵盖所有EEG应用场景；可解释性评估主要基于特征相似性，缺乏更全面的量化指标	评估深度学习在EEG数据中的可解释性，并探讨如何通过网络架构和可视化方法改进解释性	单次试验EEG响应，包括对三种不同视觉刺激（视觉数据集）和声音存在（听觉数据集）的解码	机器学习	NA	脑电图（EEG）	CNN	脑电图（EEG）数据	NA	NA	ResNet, EEGNet	NA	NA
524	2025-12-08	Using deep networks for knee range of motion monitoring in total knee arthroplasty rehabilitation 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1691591 PMID:41346475	研究论文	本研究提出了一种基于深度学习的膝关节活动度监测模型KROMNet，用于全膝关节置换术后的康复评估	开发了KROMNet模型，结合了卷积、空洞卷积和通道注意力层，在小样本条件下实现了高精度的膝关节活动度分类，优于现有方法	研究未明确说明模型在真实家庭环境中的泛化能力，且样本量相对有限	开发一种简单、准确、低成本的膝关节活动度评估方法，以支持社区和家庭康复	全膝关节置换术后患者的膝关节图像	计算机视觉	骨科疾病	深度学习	CNN	图像	从1,790名患者收集的1,103张膝关节图像	未指定	KROMNet（包含卷积层、空洞卷积层、通道注意力层和全连接层）	准确率, 精确率, 召回率, F1分数	NA
525	2025-12-08	Emerging technologies and neuroscience-based approaches in dyslexia: a narrative review toward integrative and personalized solutions 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1683924 PMID:41346795	综述	本文是一篇关于阅读障碍新兴技术与神经科学方法的叙述性综述，旨在探讨整合性与个性化解决方案	整合了神经科学机制与新兴技术（AI诊断、沉浸式工具、神经调控），提出了向个性化、可扩展解决方案转变的跨学科视角	研究方法存在异质性，样本量普遍较小，长期读写能力迁移证据有限，可推广性受限	综述阅读障碍的神经生物学基础、诊断技术创新、干预方法及政策伦理，推动整合性个性化解决方案	发展性阅读障碍（神经发育障碍）患者，重点关注儿童	自然语言处理, 数字病理	阅读障碍	眼动追踪, 手写分析, 神经调控（TMS, tDCS）, VR/AR	深度学习	眼动数据, 手写数据, 行为数据	多个试点研究，但样本量普遍较小	NA	NA	准确率	NA
526	2025-12-08	MTMixG-Net: mixture of Transformer and Mamba network with a dual-path gating mechanism for plant gene expression prediction 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718258 PMID:41346834	研究论文	提出了一种名为MTMixG-Net的新型深度学习框架，用于植物基因表达预测，该框架结合了Transformer和Mamba架构，并引入了双路径门控机制	首次将Transformer的自注意力能力与Mamba的状态空间效率相结合，并引入双路径门控机制，以捕获多尺度调控依赖性，同时保持较低的计算复杂度	未明确提及模型在跨物种泛化能力方面的具体限制，也未讨论对未知植物物种的适用性	提高植物基因表达的预测准确性，以阐明植物发育和应激适应的调控机制	植物基因组数据	机器学习	NA	深度学习	Transformer, Mamba, CNN	基因组序列数据	多个植物基因组数据集（具体数量未提及）	NA	MTMixEnc（混合Transformer和Mamba编码器）, DPGM（双路径门控机制）, ResCNNChn（残差CNN链）	准确性, 计算效率	NA
527	2025-12-08	Comparative analysis of optimized logistic regression with state-of-the-art models for complex gastroenterological image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1655612 PMID:41346992	研究论文	本文比较了优化的逻辑回归与多种先进机器学习模型在胃肠息肉图像多分类任务中的性能	在低数据场景下，通过系统优化逻辑回归并与多种机器学习模型对比，发现集成方法（如XGBoost）在保持临床可解释性的同时实现了更高的分类性能	样本量较小（仅152个实例），且未使用深度学习模型，可能限制了在更复杂图像特征下的性能上限	评估和比较机器学习模型在胃肠息肉图像多分类中的性能，以支持临床决策	结肠镜图像中检测到的胃肠道息肉	机器学习	结直肠癌	结肠镜成像	逻辑回归, k近邻, 支持向量机, 随机森林, XGBoost	图像	152个实例，包含698个提取特征	Scikit-learn	NA	准确率, 宏平均F1分数	NA
528	2025-12-07	C-HDNet: A Fast Hyperdimensional Computing Based Method for Causal Effect Estimation from Networked Observational Data 2025, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-025-01502-2 PMID:41143237	研究论文	本文提出了一种基于超维计算的因果效应估计方法，用于处理网络观测数据中的网络混淆问题	利用超维计算原理编码和整合网络结构信息，实现更准确的个体匹配，显著降低计算复杂度	未明确说明方法对网络结构假设的敏感性或处理极端稀疏/稠密网络的适用性	从存在网络干扰的观测数据中估计因果效应	网络结构中的个体及其邻居影响	机器学习	NA	超维计算	NA	网络观测数据	多个基准数据集（未指定具体数量）	NA	C-HDNet	准确性，运行时间	NA
529	2025-12-07	PixlMap: A generalisable pixel classifier for cellular phenotyping in multiplex immunofluorescence images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317865 PMID:41335594	研究论文	本文提出了一种名为PixlMap的通用像素分类器，用于在多重免疫荧光图像中进行细胞表型分析，无需依赖准确的细胞边界分割	该方法创新性地利用人类视觉能力，仅基于核分割即可准确进行细胞表型分析，无需整个细胞分割，且训练仅需每种区室染色（核/细胞质/膜）的单个示例	未明确提及具体局限性，但暗示现有细胞分割方法存在信息丢失和数据污染问题	开发一种通用且易于使用的深度学习方法，用于细胞表型分析，以解决多重免疫荧光图像解释中的分析挑战	多重免疫荧光图像中的细胞	数字病理学	NA	多重免疫荧光成像	深度学习	图像	NA	商业深度学习图像分析平台	U-Net	与基于强度的表型分析方法在准确性上相当	NA
530	2025-12-07	COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70036 PMID:41340910	研究论文	本研究通过构建波斯语Instagram评论数据集，比较了多种机器学习和深度学习方法在检测COVID-19相关虚假信息上的性能	首次针对波斯语COVID-19虚假信息建立了综合性能基准，并构建了包含27,000条标注评论的新数据集	研究仅聚焦于波斯语内容，未涵盖其他语言；数据集规模相对有限	检测社交媒体上的虚假信息，特别是非英语语言的COVID-19相关误导内容	Instagram平台上的波斯语评论	自然语言处理	COVID-19	文本挖掘，词嵌入	XGBoost, LSTM, CNN, KNN, BERT	文本	27,000条波斯语评论	TensorFlow, PyTorch, Scikit-learn	LSTM, CNN, BERT	准确率, 精确率, 召回率, F1分数	未明确指定
531	2025-12-07	Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1699700 PMID:41341263	研究论文	本研究提出了一种基于Mamba的编码器-解码器架构，结合多尺度多扫描策略，用于在Sturge-Weber综合征患者的脑部MRI中自动检测软脑膜血管瘤	采用多尺度多扫描策略将3D体积转换为1D序列，以较低计算复杂度捕获长程依赖，并首次将Mamba架构应用于软脑膜血管瘤的自动检测	数据集规模较小（仅40名患者），且模型性能在SWS数据集上的Dice分数（78.67%）虽优于现有方法，但仍低于在BraTS数据集上的表现（91.53%）	研究Sturge-Weber综合征中软脑膜血管瘤的自动检测方法，以实现临床自动化诊断	Sturge-Weber综合征患者的脑部MRI图像	计算机视觉	Sturge-Weber综合征	MRI	Mamba	图像	40名SWS患者的T1增强MRI数据，并使用公共BraTS数据集进行预训练	NA	基于Mamba的编码器-解码器架构	Dice分数	NA
532	2025-12-07	YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1707501 PMID:41341300	研究论文	本研究提出了一种名为YOLO-PLNet的轻量级实时检测模型，专为花生叶部病害的边缘设备部署而设计	在YOLO11n基础上，对主干网络和Neck结构进行轻量化改进，引入了轻量注意力增强卷积模块以降低计算开销，并融合通道-空间注意力机制来增强对小病灶和边缘模糊目标的特征表示，同时检测头采用渐进特征金字塔网络以提升多尺度检测性能	NA	实现花生叶部病害的早期准确检测，并平衡模型大小、实时检测精度与边缘设备部署需求	花生叶部病害	计算机视觉	NA	NA	CNN	图像, 视频	NA	NA	YOLO11n, YOLO-PLNet	mAP@0.5, mAP@0.5:0.95, 延迟, FPS, GPU使用率, 功耗	Jetson Orin NX平台, CSI摄像头实时视频输入, FP16精度, INT8精度
533	2025-12-07	Species-level detection of thrips and whiteflies on yellow sticky traps using YOLO-based deep learning detection models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1668795 PMID:41341315	研究论文	本研究评估了基于YOLO的深度学习检测模型在非显微RGB黄色粘虫板图像上实时进行物种级别检测蓟马和白粉虱的潜力与局限性	首次实现了在黄色粘虫板图像上对蓟马和白粉虱进行有效的物种级别检测，为针对性害虫控制策略提供了可能	研究仅针对特定类型的黄色粘虫板和有限害虫物种，未来需扩展至更多害虫种类、粘虫板类型和环境光照条件	开发一种实时、自动化的物种级别害虫监测系统，以减少农药使用并提高农业产量	蓟马（Frankliniella occidentalis 和 Thrips tabaci）和白粉虱（Trialeurodes vaporariorum 和 Bemisia tabaci）	计算机视觉	NA	深度学习图像检测	YOLO	图像	一个平衡且标注的图像数据集，包含在一种黄色粘虫板上捕获的害虫物种	NA	YOLO11, YOLO-NAS	mAP@50, F1@50, AP@50	NA
534	2025-12-07	Deep-learning radiomics and hand-crafted radiomics utilizing contrast-enhanced MRI to predict early peritumoral recurrence after DEB-TACE with hepatocellular carcinoma: a two-center study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1642828 PMID:41341387	研究论文	本研究利用基于术前多期MRI的深度学习放射组学，预测肝细胞癌患者DEB-TACE后的早期瘤周复发	结合深度学习放射组学与手工放射组学特征，构建多中心预测模型，并比较不同瘤周区域影像特征的预测性能	回顾性研究设计，样本量相对有限（157例），仅基于MRI数据	预测肝细胞癌患者DEB-TACE后的早期瘤周复发	接受DEB-TACE治疗的肝细胞癌患者	数字病理学	肝细胞癌	多期磁共振成像	深度学习, 放射组学	MRI图像	157例患者（训练队列114例，外部验证队列43例）	NA	ResNet34	AUC, 校准曲线, NRI, DCA	NA
535	2025-12-07	Preoperative prediction of aggressive endometrial cancer using multiparametric MRI-based deep transfer learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1694223 PMID:41341401	研究论文	本研究提出了一种基于多参数MRI和深度迁移学习模型的方法，用于术前预测子宫内膜癌的侵袭性	首次将多参数MRI序列（T2WI、ADC、CE-T1WI）的深度迁移学习特征与临床特征相结合，通过决策级融合策略构建联合模型，用于术前非侵入性预测子宫内膜癌侵袭性	回顾性单中心研究，样本量相对有限（n=207），且DWI序列因性能欠佳被排除在最优模型外	提高子宫内膜癌侵袭性的术前预测准确性，以支持个体化治疗规划	经病理证实的子宫内膜癌患者	数字病理	子宫内膜癌	多参数MRI（T2加权成像、扩散加权成像、表观扩散系数图、对比增强T1加权成像）	CNN	医学影像	207名患者（训练集144例，测试集63例）	NA	ResNet50, ResNet101, DenseNet121	AUC, 决策曲线分析, 校准曲线	NA
536	2025-12-07	DTBind: A Mechanism-Driven Deep Learning Framework for Accurate Prediction of Drug-Target Molecular Recognition 2025, Research (Washington, D.C.) DOI:10.34133/research.1022 PMID:41341719	研究论文	本文介绍了一种名为DTBind的机制驱动深度学习框架，用于准确预测药物-靶标分子识别，包括结合发生、结合位点定位和结合亲和力估计	DTBind是一个统一的机制驱动框架，基于分子识别的共享机制决定因素，分层适应序列、结构和复合体级别的输入，克服了现有方法独立处理这些任务的局限性	NA	开发一个深度学习框架以准确预测药物-靶标分子识别，支持早期药物发现	药物-靶标分子识别，包括结合发生、结合位点定位和亲和力估计	机器学习	NA	深度学习，分子动力学模拟	深度学习模型	序列数据，结构数据，复合体数据	NA	NA	DTBind	准确性，泛化性	NA
537	2025-12-07	Predicting cardiovascular disease risk using retinal optical coherence tomography imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1624550 PMID:41341807	研究论文	本研究利用视网膜光学相干断层扫描（OCT）成像和深度学习技术，预测未来心血管疾病事件的风险	首次将自监督变分自编码器（VAE）用于从高维3D OCT图像中提取低维潜在表征，并结合临床数据训练随机森林分类器，以识别心血管疾病高风险个体；同时采用了一种新的模型可解释性方法揭示了脉络膜层的关键预测作用	研究样本量相对有限（共2846名参与者），且仅基于UK Biobank数据，可能缺乏外部验证和人群多样性	探索视网膜OCT成像作为预测未来心血管疾病事件的附加成像技术的潜力	UK Biobank中的参与者，包括612名在成像后五年内发生心肌梗死或中风的患者，以及2234名无心血管疾病的对照者	数字病理学	心血管疾病	光学相干断层扫描	VAE, Random Forest	图像	2846名参与者（612例患者，2234名对照）	NA	变分自编码器	AUC, 灵敏度, 特异性, 准确率	NA
538	2025-12-07	Deep learning-assisted widefield endothelial imaging in Descemet membrane endothelial keratoplasty 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1715673 PMID:41341834	研究论文	本研究评估了一种深度学习算法，用于在Descemet膜内皮角膜移植术后，通过宽场镜面显微镜图像自动评估图像质量并检测中央、旁中央和周边区域低角膜内皮细胞密度	首次将深度学习算法应用于宽场镜面显微镜图像，实现自动图像质量评估和低内皮细胞密度检测，扩展了内皮评估范围至旁中央和周边区域	研究样本量相对较小（53只眼），且仅针对特定疾病（FECD和PBK），可能限制结果的普适性	评估深度学习算法在DMEK术后宽场镜面显微镜图像中自动评估图像质量和检测低内皮细胞密度的应用	DMEK术后患者的角膜内皮细胞	计算机视觉	角膜内皮营养不良	宽场镜面显微镜成像	CNN	图像	53只眼（43名受试者），共1,362张图像	NA	SqueezeNet	AUC	NA
539	2025-12-06	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	研究论文	本文提出了一种基于自适应集成学习的半监督检测模型，用于内窥镜医学图像检测	提出了一种新的集成机制Al-Adaboost，结合了两个层次模型的决策，并引入了半监督机制来处理标注样本不足的问题	NA	开发一个端到端的医学图像检测模型，以提高内窥镜检测的效率和准确性	结肠镜和喉镜图像数据	计算机视觉	NA	NA	集成学习, 半监督学习	图像	来自CVC-ClinicDB和高雄医科大学附属医院的结肠镜和喉镜数据	NA	具有注意力时空路径的局部区域提议模型, 循环注意力模型(RAM)	NA	NA
540	2025-12-06	Non-Intrusive Speech Quality Assessment Based on Deep Neural Networks for Speech Communication 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321076 PMID:37824322	研究论文	本文提出了一种基于深度学习的非侵入式语音质量评估方法，通过大规模模拟数据和对抗性训练提升评估准确性和泛化能力	提出数据模拟方法生成带POLQA标签的退化语音用于预训练；引入对抗性说话人分类器减少说话人依赖信息的影响；采用基于自编码器的表示学习和对抗训练方案，从模拟数据迁移知识；开发端到端的相位感知神经网络，结合幅度和相位谱特征	未明确说明模型在极端噪声环境或跨语言场景下的泛化能力，且依赖于模拟数据与主观测试数据的对齐质量	提高非侵入式语音质量评估的准确性和泛化性，减少对参考信号或额外设备的依赖	语音信号的质量评估	自然语言处理	NA	深度学习，对抗训练，表示学习	自编码器，对抗性自编码器，神经网络	语音信号	三个数据集：一个POLQA模拟数据集和两个主观听力测试记录数据集	NA	对抗性自编码器，端到端神经网络	均方根误差	NA