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
3281	2025-12-08	Traditional Chinese medicine-based pattern differentiation system of deficiency and excess using traditional Chinese medicine-based inspection characteristics 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251386320 PMID:41166218	研究论文	本研究开发了一个基于卷积神经网络的中医望诊特征提取模型，并结合中医理论和临床经验，构建了一个完整的中医虚实辨证系统	将深度学习技术应用于中医望诊特征（如舌色、苔色、苔厚、唇色）的自动提取，并首次将这些特征与中医虚实辨证理论相结合，构建了一个端到端的辨证系统	未明确说明数据集的规模、多样性及临床验证的广泛性，系统准确率（81.67%）仍有提升空间，且可能未涵盖所有中医辨证要素	开发一个准确的中医虚实辨证系统，以辅助中医师进行临床诊断和治疗，并支持在线诊疗及健康平台应用	中医望诊特征（面部、唇部、舌部等区域）及基于这些特征的虚实辨证模式	计算机视觉	NA	深度学习，中医望诊	CNN	图像	NA	NA	卷积神经网络	准确率	NA
3282	2025-12-08	Lung Cancer Diagnosis From Computed Tomography Images Using Deep Learning Algorithms With Random Pixel Swap Data Augmentation: Algorithm Development and Validation Study 2025-Sep-03, JMIR bioinformatics and biotechnology DOI:10.2196/68848 PMID:41342173	研究论文	本研究提出了一种名为随机像素交换的新型数据增强技术，用于提升深度学习模型在CT图像上诊断肺癌的性能	提出随机像素交换数据增强方法，该方法在卷积神经网络和Transformer架构上均能有效提升肺癌诊断性能，优于现有数据增强技术	NA	开发并验证一种新的数据增强技术，以提高深度学习模型从CT图像中自动诊断肺癌的准确性	肺癌的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Transformer	图像	两个公开CT数据集（IQ-OTH/NCCD数据集和胸部CT扫描图像数据集）	NA	ResNet, MobileNet, Vision Transformer, Swin Transformer	准确率, AUROC	NA
3283	2025-12-08	Stacked Deep Learning Ensemble for Multiomics Cancer Type Classification: Development and Validation Study 2025-Aug-12, JMIR bioinformatics and biotechnology DOI:10.2196/70709 PMID:41342170	研究论文	本研究开发并验证了一个基于堆叠深度学习集成的模型，用于整合RNA测序、体细胞突变和DNA甲基化数据，以分类五种常见癌症类型	采用堆叠集成学习方法整合五种成熟算法，通过多组学数据融合显著提升了癌症分类准确率	仅针对沙特阿拉伯的五种癌症类型，样本多样性和泛化能力有待进一步验证	评估多组学数据整合在癌症类型分类中的效果，提升诊断准确性	乳腺癌、结直肠癌、甲状腺癌、非霍奇金淋巴瘤和子宫体癌	机器学习	癌症	RNA测序, 体细胞突变分析, DNA甲基化分析	支持向量机, k近邻, 人工神经网络, 卷积神经网络, 随机森林	多组学数据	NA	NA	堆叠集成模型	准确率	NA
3284	2025-12-08	Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking 2025-Jun-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26853 PMID:40476317	研究论文	本文详细介绍了通过结合AlphaFold2深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法	提出了一种结合AlphaFold2多聚体管道与传统对接技术的混合方法，用于蛋白质-蛋白质对接，并分析了AlphaFold模型聚类、残基接触预测置信度及预测稳定性与模型质量的相关性	NA	改进蛋白质-蛋白质对接的结构建模方法，特别是在寡聚体目标中的应用	CAPRI第55轮中的寡聚体蛋白质目标	结构生物学	NA	深度学习预测、蛋白质对接	深度学习模型	蛋白质结构数据	NA	AlphaFold2	AlphaFold2多聚体管道	模型质量评估、残基接触预测置信度、预测稳定性	NA
3285	2025-12-08	Decoding brand sentiments: Leveraging customer reviews for insightful brand perception analysis using natural language processing and Tableau 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334330 PMID:41343444	研究论文	本研究提出一个结合机器学习、深度学习、主题建模和交互式可视化的端到端分析流程，用于从智能手机客户评论中解码品牌情感和品牌感知	将基于CNN的情感分析与高一致性NMF主题建模相结合，并通过交互式Tableau仪表板提供商业洞察，超越了单一情感分析的传统方法	所有模型在处理中性评论时表现不佳，且存在因数据不平衡或文化细微语言差异导致的潜在偏见	利用自然语言处理技术分析客户评论，以获取可操作的品牌感知洞察并支持产品策略	亚马逊上十个智能手机品牌的客户评论	自然语言处理	NA	NA	CNN, RNN, LSTM, Decision Trees, Logistic Regression, SVM, Naive Bayes	文本	约68,000条评论	NA	CNN, RNN, LSTM	准确率, 一致性分数	NA
3286	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
3287	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
3288	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
3289	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
3290	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
3291	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
3292	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
3293	2025-12-07	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2025-Dec-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	本文提出了一种用于低剂量CT去噪的多尺度残差密集Transformer生成对抗网络（MRDT-GAN），旨在增强噪声抑制并保留解剖细节	引入了多尺度残差密集Transformer块（MRDTB）和混合注意力模块（HAM），结合多尺度策略和长程依赖捕获，以解决过平滑和细节丢失问题	未明确提及模型在极端噪声水平或不同扫描协议下的泛化能力限制	开发一个低剂量CT去噪框架，以提升图像质量并支持下游诊断任务	低剂量CT图像	计算机视觉	NA	CT成像	GAN, Transformer	图像	使用NIH-AAPM-Mayo Clinic LDCT数据集和真实世界数据集进行验证	NA	MRDT-GAN, Multi-Scale Residual Dense Transformer Block (MRDTB), Patching Transformer Block (PTB), Hybrid Attention Module (HAM)	NA	NA
3294	2025-12-07	Cloud-enabled automatic modulation classification using deep feature fusion and Moth-Flame Optimized ELM approach 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30753-4 PMID:41350379	研究论文	本文提出了一种基于云环境的自动调制分类方法，通过深度特征融合和飞蛾火焰优化的极限学习机来提高分类准确性和可靠性	结合预训练深度学习模型提取特征，并使用飞蛾火焰优化算法优化极限学习机的隐藏节点参数，同时引入可解释AI技术分析模型预测	NA	开发一种鲁棒的自动调制分类方法，以提高在云环境中的分类准确性和可靠性	无线通信信号	机器学习	NA	自动调制分类	极限学习机	信号数据	NA	NA	Inception V3, ResNet 50, VGG 16	准确率, 敏感性, 特异性	云虚拟机（vCPU-4/16GB RAM, vCPU-8/32GB RAM, vCPU-16/64GB RAM）
3295	2025-12-07	Development of a YOLOv8-based deep learning model for detecting and segmenting dental restorations and dental applications in panoramic radiographs of mixed dentition 2025-Dec-05, British dental journal IF:2.0Q2 DOI:10.1038/s41415-025-9009-4 PMID:41350931	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在混合牙列期儿童的全景X光片中检测和分割六种类型的牙齿修复体与应用	首次将YOLOv8模型应用于混合牙列期儿童全景X光片中多种牙齿修复体的自动检测与分割任务	牙套的检测性能较低（F1分数仅0.46），模型在特定修复体类型上的泛化能力有待提升	开发用于牙齿修复体自动检测与分割的深度学习模型，辅助儿科牙科诊断	混合牙列期儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2033张全景X光片	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
3296	2025-12-07	Deep learning approach for crop-weed segmentation in peanut cultivation using PSPEdgeWeedNet 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24174-6 PMID:41339372	研究论文	本文提出了一种名为PSPEdgeWeedNet的新型边缘感知深度学习架构，用于花生种植中作物与杂草的精确语义分割	PSPEdgeWeedNet引入了专门的边缘检测分支，以增强边界定位并改善相邻植被类别之间的划分，与传统的PSPNet及其边界感知变体相比具有创新性	未明确提及研究的局限性	提高花生种植中作物与杂草的精确语义分割，以增强自动化杂草检测系统的鲁棒性和准确性	花生种植田中的作物和杂草	计算机视觉	NA	多光谱成像	CNN	图像	未明确提及样本数量，但使用了精心策划的花生田数据集	未明确提及	PSPEdgeWeedNet, PSPNet, SegNet, UNet, DeepLabv3, Swin-Unet, ViT	IoU, 精确率, 召回率, F1分数	未明确提及
3297	2025-12-07	Multi-stage deep learning framework for robust recognition of overlapping and faded handwritten text in bank cheques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28764-2 PMID:41339665	研究论文	本文提出了一种多阶段深度学习框架，用于准确识别银行支票上重叠和褪色的手写文本	采用混合方法结合伪字母与基于高度的分割来识别重叠文本，并使用基于Sigmoid增长余弦互映射池化的卷积神经网络进行真伪分类，实现了高准确率	未明确说明框架在极端褪色或复杂重叠情况下的泛化能力，且可能依赖于特定预处理步骤	开发一个鲁棒的自动识别系统，以解决银行支票上手写文本的重叠和褪色问题	银行支票上的手写文本，包括日期、签名、姓名和金额等关键字段	计算机视觉	NA	边缘检测、轮廓构建、纹理修复	CNN	图像	NA	NA	Nanonet, Sigmoidal Growing Cosine Intermap Pooling-based CNN	分类准确率	NA
3298	2025-12-07	Multi-branch low-light image iterative enhancement network 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26962-6 PMID:41339675	研究论文	本文提出了一种多分支低光照图像迭代增强网络（MBLLIE-Net），用于解决低光照条件下图像亮度不足、分辨率低和细节丢失的问题	采用多分支架构处理不同深度和尺度的特征，引入空间循环单元（SRU）捕获长距离空间关系，并提出自适应感受野通道注意力（ARFCA）模块动态调整感受野以增强特征选择	未明确提及模型在极端低光照或噪声极高场景下的性能限制	提升低光照图像的质量，包括亮度、细节和色彩保真度的恢复	低光照条件下捕获的图像	计算机视觉	NA	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及具体框架	多分支编码器-解码器架构	定量指标和人类感知评估	未明确提及具体计算资源
3299	2025-12-07	ECG-based deep learning for chronic kidney disease detection and cardiovascular risk prediction 2025-Dec-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03278-z PMID:41339870	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型，用于慢性肾脏病（CKD）的检测和心血管风险预测	首次利用深度学习模型从心电图中识别慢性肾脏病风险，即使在实验室异常出现前也能预测CKD及其并发症，相比仅依赖eGFR分类，能更有效地预测不良心血管结局	研究为回顾性设计，可能存在选择偏倚；外部验证仅来自一家社区医院，需更多样化人群验证；模型性能虽好，但临床实际应用效果需进一步前瞻性研究确认	开发并验证基于心电图的深度学习模型，用于早期慢性肾脏病检测和心血管风险分层	门诊患者的心电图数据和估计肾小球滤过率（eGFR）数据	机器学习	慢性肾脏病	心电图（ECG）分析	深度学习模型（DLM）	心电图（ECG）信号	开发集：49,632名患者的72,618份ECG；内部验证：16,955名非重叠患者；外部验证：10,476名社区医院患者	NA	NA	AUC	NA
3300	2025-12-07	Lightweight malicious URL detection using deep learning and large language models 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26653-2 PMID:41330959	研究论文	本文提出了一种基于深度学习和大型语言模型的轻量级恶意URL检测框架	利用大型语言模型自动生成高质量的URL嵌入，无需手工特征工程，并结合定制化的深度学习模型进行分类，提高了检测准确性和适应性	未提及模型在新型或未知攻击模式下的泛化能力，以及在实际部署中可能面临的计算资源限制	开发一个自动化、高效的恶意URL检测系统以应对网络安全威胁	恶意URL，包括篡改、恶意软件、钓鱼和良性四种类别	自然语言处理	NA	深度学习，大型语言模型	LSTM, GRU	文本	NA	NA	BERT, LSTM, GRU	准确率	NA