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
841	2025-11-03	Automated detection of pinworm parasite eggs using YOLO convolutional block attention module for enhanced microscopic image analysis 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1559987 PMID:41169809	研究论文	提出一种结合YOLO和注意力机制的新型框架YCBAM，用于自动化检测显微镜图像中的蛲虫寄生虫卵	首次将YOLO与自注意力机制和卷积块注意力模块（CBAM）集成，在具有挑战性的成像条件下实现寄生虫元素的精确定位	NA	开发自动化寄生虫检测方法以提高诊断准确性和效率	显微镜图像中的蛲虫寄生虫卵	计算机视觉	寄生虫感染	深度学习，显微镜成像	YOLO, CNN	显微镜图像	NA	NA	YOLO Convolutional Block Attention Module (YCBAM), CBAM	精确度, 召回率, 训练框损失, 平均精度(mAP), mAP50-95	NA
842	2025-11-03	Artificial intelligence (AI)-Enabled behavioral health application for college students: Pilot study protocol 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335847 PMID:41166359	研究论文	本研究开发了一款基于人工智能的行为健康应用程序，用于大学生抑郁症状的自动筛查	结合传感器行为数据和深度学习技术开发主动、私密、自动化的心理健康自我意识工具	仅针对两所美国大学的1000名大一学生，样本代表性有限	开发自动化筛查工具识别大学生抑郁行为模式	18岁及以上大学一年级本科生	机器学习	抑郁症	传感器数据采集、问卷调查	深度学习	传感器行为数据、调查问卷数据	约1000名来自美国中西部和西南部两所公立大学的一年级本科生	NA	NA	NA	NA
843	2025-11-03	Enhanced audience sentiment analysis in IoT-integrated metaverse media communication 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332106 PMID:41166380	研究论文	提出一种集成物联网和元宇宙媒体的深度学习情感分析框架，用于增强观众情感分析能力	融合BERT双向编码和GPT生成建模的BG-Hybrid混合模型，结合动态窗口分割和持续优化机制	未明确说明模型在跨语言和文化背景下的泛化能力	开发可扩展的实时情感分析系统，处理异构高速媒体流	物联网集成元宇宙媒体通信中的观众情感	自然语言处理	NA	情感分析	BERT, GPT	文本	Twitter Sentiment140和Amazon Reviews数据集	NA	BG-Hybrid混合架构	准确率, F1分数, 响应延迟	NA
844	2025-11-02	DCAF-GAN: Enhancing historical landscape restoration with dual-branch feature extraction and attention fusion 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334532 PMID:41160614	研究论文	提出DCAF-GAN模型，通过双分支特征提取和注意力融合增强历史景观图像修复效果	采用双分支编码器和通道注意力引导融合模块，同时恢复精细纹理和全局结构	未明确说明模型在处理极端损坏情况下的表现	解决历史景观图像修复中纹理和结构重建的挑战	受损的历史景观图像	计算机视觉	NA	深度学习图像修复	GAN	图像	使用StreetView和Places2数据集进行实验	NA	双分支编码器,注意力融合模块	PSNR,SSIM	NA
845	2025-11-02	Self-learning model fusion for network anomaly detection: A hybrid CNN-LSTM-transformer framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332502 PMID:41160632	研究论文	提出一种融合CNN、LSTM和Transformer的自学习混合深度学习框架，用于网络流量异常检测	提出协同两阶段模型融合架构捕获时空流量模式，采用带多指标漂移检测的自适应学习机制，并设计知识保持策略	NA	提升网络流量异常检测的适应性和性能	网络流量数据	机器学习	NA	深度学习	CNN, LSTM, Transformer	网络流量数据	UNSW-NB15和CICIDS2017数据集	NA	CNN-LSTM, LSTM-Transformer	F1-score, 准确率, 检测率	NA
846	2025-11-02	Computation of simple invariant solutions in fluid turbulence with the aid of deep learning 2025, Nonlinear dynamics IF:5.2Q1 DOI:10.1007/s11071-025-11773-1 PMID:41163817	综述	探讨深度学习技术在流体湍流中计算简单不变解的应用进展	将深度学习中的自编码器和梯度优化技术首次系统应用于湍流动力学系统的不变解计算	目前仅在二维湍流中验证，高雷诺数应用前景仍需评估	加速湍流动力学系统中简单不变解的发现和收敛	流体湍流中的简单不变解（平衡态、周期轨道）	机器学习	NA	深度学习	自编码器	流体动力学数据	NA	NA	自编码器	解的数量比较，收敛效率	NA
847	2025-11-02	Development and Validation of Deep Learning Model for Predicting Long-Term Prognosis in Patients with Symptomatic Intracranial Arterial Stenosis 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S538889 PMID:41164008	研究论文	开发并验证用于预测症状性颅内动脉狭窄患者长期预后的深度学习模型	首次将深度学习模型应用于症状性ICAS患者的长期预后预测，与传统逻辑回归模型相比表现出显著优越性能	回顾性研究设计，样本量相对有限（266例患者），需外部验证确认泛化能力	预测症状性颅内动脉狭窄患者的疾病进展风险	266例症状性颅内动脉狭窄患者	机器学习	脑血管疾病	NA	深度学习, 逻辑回归	临床数据	266例症状性ICAS患者（训练集70%，验证集30%）	NA	NA	准确率, 敏感度, 特异度, 精确率, F1分数, AUC	NA
848	2025-11-02	A systematic review of deep learning-based segmentation techniques for brain tumor detection (2013-2023) 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251380645 PMID:41164152	系统综述	对2013-2023年间基于深度学习的脑肿瘤图像分割技术进行系统性回顾和文献计量分析	首次对脑肿瘤图像分割领域进行系统性文献计量分析，识别关键研究趋势和利益相关者	仅涵盖2013-2023年期间文献，可能遗漏最新研究进展	调查脑肿瘤检测中基于深度学习的图像分割技术的研究格局和发展趋势	931篇经过PRISMA筛选的学术文献	计算机视觉	脑肿瘤	文献计量分析，PRISMA指南	深度学习	文献数据	931篇文档	VOSviewer, R Studio	NA	NA	NA
849	2025-11-02	Advances in artificial intelligence applications for the management of chronic obstructive pulmonary disease 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1685254 PMID:41164160	综述	本文综述人工智能在慢性阻塞性肺疾病全病程管理中的技术应用与临床价值	建立了融合生物信息学与多组学分析的智能管理框架，提供覆盖疾病全过程的个体化解决方案	未提及具体数据验证结果和临床实施障碍	探讨AI在COPD诊疗防控中的临床应用前景与发展方向	慢性阻塞性肺疾病患者	机器学习	慢性阻塞性肺疾病	多模态数据, 放射组学, 多组学分析	机器学习, 深度学习	多模态数据	NA	NA	NA	NA	NA
850	2025-11-02	A hybrid framework for enhanced segmentation and classification of colorectal cancer histopathology 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1647074 PMID:41164179	研究论文	提出一种结合Swin Transformer、EfficientNet和ResUNet-A的混合深度学习系统，用于结直肠癌组织病理学的增强分割和分类	整合自注意力机制、复合缩放和残差学习，结合多种先进架构的优势，在特征提取、全局上下文建模和空间分类方面实现创新	未提及外部验证集的表现，可能缺乏对不同数据集的泛化能力评估	开发自动化结直肠癌组织病理学分析系统，提高诊断准确性和效率	结直肠癌组织病理学图像，包括锯齿状腺瘤、息肉、腺癌、高级别和低级别上皮内瘤变及正常组织	数字病理学	结直肠癌	组织病理学染色	深度学习	组织病理学图像	未明确说明具体样本数量	未明确说明	Swin Transformer,EfficientNet,ResUNet-A	准确率,精确率,召回率,F1分数	NA
851	2025-11-02	Detection of antimicrobial peptides from fecal samples of FMT donors using deep learning 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1689589 PMID:41164228	研究论文	本研究结合宏基因组学和深度学习从粪便微生物移植供体样本中挖掘抗菌肽	首次将深度学习与宏基因组学相结合从人类粪便微生物组中挖掘功能性抗菌肽	仅从120个供体样本中挖掘，样本规模相对有限	从粪便微生物移植供体中发现具有抗菌活性的新型抗菌肽	粪便微生物移植供体的粪便样本	机器学习	细菌感染相关疾病	宏基因组学, 宏蛋白质组学, 分子对接, 分子动力学模拟	深度学习	宏基因组序列数据	120个粪便微生物移植供体样本	NA	NA	NA	NA
852	2025-11-02	YOLOv8-Seg: a deep learning approach for accurate classification of osteoporotic vertebral fractures 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1651798 PMID:41164317	研究论文	本研究开发了一种基于YOLOv8-Seg深度学习模型的自动化方法，用于从CT图像中准确分类骨质疏松性椎体骨折	首次将YOLOv8-Seg模型应用于骨质疏松性椎体骨折的自动分类，实现了对压碎型、前楔形和双凹型骨折的高精度识别	测试集样本量较小（仅30张图像），需要更大规模的外部验证	开发自动化工具辅助骨质疏松性椎体骨折的早期精确诊断	骨质疏松性椎体骨折患者的CT图像	计算机视觉	骨质疏松性椎体骨折	CT成像	YOLOv8-Seg	医学图像	673张CT图像（643张训练验证，30张测试）	NA	YOLOv8-Seg	mAP50-95	NA
853	2025-11-02	Quantitative analysis of gait and balance using deep learning on monocular videos and the timed up and go test in idiopathic normal-pressure hydrocephalus 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1644543 PMID:41164460	研究论文	本研究验证了基于单目视频和深度学习算法的视觉步态分析系统在特发性正常压力脑积水患者中的步态参数评估能力	首次将基于单目视频的视觉步态分析系统与定时起立行走测试相结合，用于预测特发性正常压力脑积水患者的跌倒风险	样本量相对较小（59名患者），仅使用单中心数据	研究视觉步态分析系统测量的步态参数与定时起立行走测试评分的关系，并开发预测跌倒风险的机器学习模型	特发性正常压力脑积水患者	计算机视觉	神经退行性疾病	基于视频的步态分析	深度学习	视频	59名患者	NA	NA	AUC	NA
854	2025-11-02	Explainable AI-enabled hybrid deep learning architecture for breast cancer detection 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658741 PMID:41112281	研究论文	提出一种结合可解释人工智能的混合深度学习架构用于乳腺癌检测	集成三种不同预训练CNN架构的混合深度学习框架，并引入XAI组件增强模型可解释性	NA	开发可靠且可解释的乳腺癌诊断系统	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	CNN	医学图像	NA	NA	DENSENET121,Xception,VGG16	准确率	NA
855	2025-10-31	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究结合深度学习和分子动力学模拟方法预测拟南芥MCTP4蛋白的跨膜结构域构象	首次将多种深度学习预测工具与物理基础的粗粒度模拟相结合，揭示MCTP4跨膜结构域的复杂构象景观	单一深度学习方法预测膜蛋白结构存在挑战，不同预测工具结果存在差异	预测拟南芥MCTP4蛋白跨膜结构域的三维结构和构象动力学	拟南芥MCTP4蛋白的ER锚定跨膜区域	计算生物学	NA	深度学习预测，粗粒度分子动力学模拟	深度学习	蛋白质序列，结构数据	NA	NA	ESMFold, AlphaFold2, AlphaFold-Multimer, trRosetta, RoseTTAFold, OmegaFold	构象聚类分析，螺旋间接触界面预测	NA
856	2025-10-31	Automated classification and explainable AI analysis of lung cancer stages using EfficientNet and gradient-weighted class activation mapping 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1625183 PMID:41001382	研究论文	本研究提出了一种基于EfficientNet和Grad-CAM的自动化深度学习模型，用于肺癌分期的CT图像分类和可解释性分析	结合EfficientNet-B0架构与梯度加权类激活映射(Grad-CAM)，在实现高精度肺癌分期分类的同时提供可视化解释	研究仅使用单一数据集(IQ-OTH/NCCD)，样本量相对有限(1190个CT扫描)	开发自动化肺癌分期分类系统，提高诊断准确性和可解释性	肺部CT扫描图像	医学影像分析	肺癌	CT成像	CNN	医学图像	1190个CT扫描	NA	EfficientNet-B0	准确率,精确率,召回率	NA
857	2025-10-31	MONTUR project: Dataset for understanding and forecasting tourist flows 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335190 PMID:41144532	研究论文	本研究开发了基于分布式传感器技术和机器学习算法的旅游流量监测与预测系统	使用XGBoost算法在高度平稳时间序列数据上取得了比深度学习模型更准确的预测效果	NA	监测和预测奥斯塔谷地区的旅游流量以支持区域经济和社会政策决策	奥斯塔谷地区的旅游交通流量数据	机器学习	NA	分布式传感器技术，摄像头监测	XGBoost	时间序列数据，车辆通行数据	超过4100万次车辆通行记录	NA	XGBoost	MAE, MSE	NA
858	2025-10-31	Electroencephalographic neural correlates and deep learning analysis of a single brief focused mindfulness meditation in young adults: A pilot study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251388138 PMID:41146675	研究论文	本研究探索短暂专注正念冥想与脑电图神经特征的关系，并采用深度学习模型对冥想状态进行分类	首次结合生理指标和脑电图特征分析单次短暂专注正念冥想的效果，并开发集成深度学习模型用于脑电信号分类	样本量较小（n=24），仅为试点研究，缺乏长期跟踪数据	研究短暂专注正念冥想对年轻成年人生理和神经活动的影响，并开发有效的脑电信号分类模型	年轻成年人	机器学习	NA	脑电图	MLP, LSTM, CNN, 集成模型	脑电信号	29名参与者入组，24名完成分析	NA	多层感知器, 长短期记忆网络, 卷积神经网络, 集成模型(MLP+LSTM+CNN)	准确率	NA
859	2025-10-31	An interpretable multimodal deep learning framework for Alzheimer's disease diagnosis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251390281 PMID:41146678	研究论文	开发了一种可解释的多模态深度学习框架NeuroFusion-ADNet，用于阿尔茨海默病的诊断	提出双路径深度学习模型，结合结构MRI和功能PET成像数据，采用双向交叉注意力融合层和分割信息引导的分类模块	研究样本量相对有限（381名受试者），需要在更大数据集上进一步验证	提高阿尔茨海默病的诊断准确性和临床可解释性	阿尔茨海默病患者、轻度认知障碍患者和正常对照组	医学影像分析	阿尔茨海默病	结构磁共振成像(MRI)、功能正电子发射断层扫描(PET)	CNN, 注意力机制	医学影像	381名受试者（包括正常对照组、轻度认知障碍和阿尔茨海默病患者）	NA	双路径深度学习模型，包含模态特定编码器、双向交叉注意力融合层	准确率, Dice系数	NA
860	2025-10-31	Hazediff: A training-free diffusion-based image dehazing method with pixel-level feature injection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329759 PMID:41150673	研究论文	提出一种无需训练的基于扩散模型的图像去雾方法HazeDiff，通过像素级特征注入实现高效去雾	首次提出无需配对训练数据的扩散模型去雾方法，引入像素级特征注入(PFI)和结构保留模型(SRM)技术	未明确说明计算资源需求和运行效率的具体数据	解决图像去雾问题，提升雾天图像质量以支持中高层视觉任务	雾霾退化图像	计算机视觉	NA	扩散模型	扩散模型	图像	在真实世界和合成数据集上进行了全面实验	NA	自注意力层,交叉注意力	NIQE, PSNR	NA