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
61	2025-06-01	Deep learning reconstruction improves computer-aided pulmonary nodule detection and measurement accuracy for ultra-low-dose chest CT 2025-May-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01746-6 PMID:40448068	研究论文	比较深度学习重建（DLR）和混合迭代重建（HIR）在超低剂量胸部CT（ULDCT）中的图像质量、肺结节检测率和测量准确性	首次在超低剂量胸部CT中应用深度学习重建技术，并证明其在减少图像噪声、提高结节检测率和测量准确性方面的优势	样本量相对较小（84名参与者），且未对不同类型和大小的结节进行分层分析	评估深度学习重建技术在超低剂量胸部CT中的应用效果	肺结节	数字病理	肺癌	深度学习重建（DLR）、混合迭代重建（HIR）	深度学习	CT图像	84名参与者，共检测到535个结节
62	2025-06-01	Non-destructive detection of early wheat germination via deep learning-optimized terahertz imaging 2025-May-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01393-6 PMID:40448208	研究论文	提出了一种基于深度学习的太赫兹成像技术，用于无损检测小麦早期发芽	开发了增强型超分辨率生成对抗网络（AESRGAN）以提高太赫兹图像分辨率，并引入了基于EfficientViT的YOLO V8分类模型，结合深度可分离注意力模块（C2F-DSA）和瞪羚优化算法（GOA）进行优化	当前太赫兹成像技术的图像分辨率较低，限制了其实际应用	开发一种快速、无损的小麦早期发芽检测方法	小麦	计算机视觉	NA	太赫兹成像技术	AESRGAN, EfficientViT-based YOLO V8	图像	NA
63	2025-06-01	Load demand forecasting in air conditioning a rotor Hopfield neural network approach optimized by a new optimization algorithm 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02568-w PMID:40436955	研究论文	本文提出了一种新的改进转子Hopfield神经网络（RHNN）与分数阶季节优化算法（FO-SOA）相结合的方法，用于空调系统的负荷需求预测	结合了改进的转子Hopfield神经网络和分数阶季节优化算法，优化了负荷需求预测的准确性和可靠性	未提及具体的数据来源和样本量细节，可能影响方法的普适性验证	优化空调系统的负荷需求预测，以提高能源管理效率和室内环境舒适度	空调系统的负荷需求	机器学习	NA	分数阶季节优化算法（FO-SOA）	转子Hopfield神经网络（RHNN）	历史负荷数据、环境温度、湿度、占用模式等	NA
64	2025-06-01	Predicting abnormal fetal growth using deep learning 2025-May-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01704-0 PMID:40437236	研究论文	本研究利用深度学习技术提高胎儿生长异常预测的准确性	开发了一种深度学习模型，在检测SGA和LGA方面显著优于当前临床标准Hadlock公式，并减少了人口统计学和技术变量上的偏差	未提及模型在临床实际应用中的潜在挑战或局限性	提高胎儿生长异常的预测准确性	胎儿生长异常（SGA和LGA）	数字病理	胎儿生长异常	深度学习	深度学习模型	超声图像	65,752名患者的94,538次检查产生的433,096张超声图像
65	2025-06-01	A medical information extraction model with contrastive tuning and tagging layer training 2025-May-29, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110465 PMID:40446547	research paper	提出了一种新型的医学信息提取模型，通过对比调优和标记层训练来提升性能	提出了一种语义引导的表示训练模型，通过对比损失机制在相同语义空间中训练医学文本和医学信息类别的表示，有效减少了对标注数据的依赖	未明确提及具体局限性	提升医学信息提取的准确性和效率，减少对标注数据的依赖	临床文本中的结构化信息	natural language processing	NA	对比损失机制	语义引导的表示训练模型	text	CCKS2019和CMeEE数据集
66	2025-06-01	Deep Learning CAIPIRINHA-VIBE Improves and Accelerates Head and Neck MRI 2025-May-29, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.020 PMID:40447509	研究论文	本研究评估了使用深度学习重建的VIBE序列在头颈部MRI中的图像质量和加速效果	采用深度学习重建的VIBE序列(DL4-VIBE和DL6-VIBE)显著提高了图像质量并大幅缩短扫描时间	单中心研究，样本量相对较小(68例患者)	评估深度学习重建VIBE序列在头颈部增强MRI中的性能表现	头颈部MRI图像	医学影像分析	头颈部疾病	深度学习重建的VIBE序列	深度学习模型	MRI图像	68例患者(60.3%男性，平均年龄57.4±16岁)
67	2025-06-01	Recent advances in antibody optimization based on deep learning methods 2025-May-28, Journal of Zhejiang University. Science. B DOI:10.1631/jzus.B2400387 PMID:40436639	综述	本文综述了基于深度学习的抗体优化方法的最新进展	总结了深度学习在抗体优化中的应用，并讨论了现有数据集和算法输入数据类型的重要性	讨论了当前通用深度学习算法在抗体优化中面临的挑战	抗体优化方法的快速高效开发	抗体	机器学习	NA	深度学习	NA	NA	NA
68	2025-06-01	Large Scale MRI Collection and Segmentation of Cirrhotic Liver 2025-May-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05201-7 PMID:40436863	research paper	该研究介绍了CirrMRI600+数据集，包含628个高分辨率腹部MRI扫描，用于肝硬化肝脏的自动分割和分析	首次提供了大规模、专家标注的肝硬化肝脏MRI数据集，并提供了11种最先进深度学习模型的基准结果	数据集虽然规模较大，但可能仍不足以覆盖所有肝硬化病例的多样性	开发和验证用于肝硬化肝脏分析的先进计算方法	肝硬化患者的MRI扫描图像	digital pathology	liver cirrhosis	MRI	deep learning	image	628个高分辨率腹部MRI扫描（310个T1加权和318个T2加权序列，共近40,000个标注切片）
69	2025-06-01	Leveraging deep learning and graph analysis for enhanced course recommendations in online education 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02156-y PMID:40436884	研究论文	本研究提出了一种结合CNN和图分析的混合模型，用于提升在线教育中的课程推荐效果	结合CNN和图分析技术，解决冷启动问题并提供更个性化的课程推荐	研究仅基于单一大学的数据，可能无法泛化到其他教育机构	开发有效的定制化推荐系统以提高学生参与度和教育表现	在线教育平台的学生和课程数据	机器学习	NA	CNN, 图分析	CNN	学生记录、教育表现数据和课程信息	12,898名学生（来自伊朗伊斯兰阿扎德大学电子校园）
70	2025-06-01	A multi-task learning model for global soil moisture prediction based on adaptive weight allocation 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01894-3 PMID:40436892	研究论文	提出了一种基于动态权重分配的自适应权重长短期记忆（AW-LSTM）模型，用于全球土壤湿度预测	通过计算任务间的相关系数动态优化模型权重，提高了预测精度	未提及模型在其他地理区域或不同时间尺度上的泛化能力	提高全球土壤湿度预测的准确性	全球土壤湿度数据	机器学习	NA	深度学习	LSTM	时间序列数据	未明确提及样本数量
71	2025-06-01	A novel deep learning model based on YOLOv5 optimal method for coal gangue image recognition 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01312-8 PMID:40436918	研究论文	本文研究了一种基于YOLOv5优化方法的深度学习模型，用于煤矸石图像识别	结合多通道注意力机制和轻量级内容感知特征重组上采样算子，显著提高了模型置信度和识别性能	需要大量标注数据集且存在过拟合风险	实现煤矸石的自动化在线处理	煤矸石图像	计算机视觉	NA	深度学习	YOLOv5	图像	NA
72	2025-06-01	Deep learning reconstruction enhances tophus detection in a dual-energy CT phantom study 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03012-9 PMID:40436916	研究论文	本研究比较了两种深度学习重建（DLR）技术与两种传统方法在双能CT中检测尿酸钠（MSU）的效果	DLR技术在MSU检测中表现出优于传统方法的性能，包括更高的检测灵敏度、更好的图像对比度、更低的图像噪声和更少的辐射暴露	需要进一步研究评估该方法的临床可靠性	比较不同重建技术在双能CT中检测MSU的效果	体外生物模型和光栅模型中的MSU	医学影像	痛风	双能CT（DECT）	深度学习重建（DLR）	CT图像	体外生物模型和光栅模型
73	2025-06-01	Mitigating malicious denial of wallet attack using attribute reduction with deep learning approach for serverless computing on next generation applications 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01178-w PMID:40436925	研究论文	本文提出了一种基于深度学习和属性减少的方法（MMDoWA-ARDL），用于检测和缓解下一代应用中的服务器无计算环境中的恶意钱包拒绝攻击	提出了一种新颖的框架，结合了深度学习和属性减少技术，有效地检测和缓解服务器无计算环境中的恶意攻击	NA	检测和缓解服务器无计算环境中的恶意钱包拒绝攻击	服务器无计算环境中的恶意攻击	机器学习	NA	深度学习，属性减少，优化算法	Bi-directional LSTM multi-head self-attention network (BMNet)	NA	基准数据集
74	2025-06-01	Enhancing Security in CPS Industry 5.0 using Lightweight MobileNetV3 with Adaptive Optimization Technique 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00496-3 PMID:40436957	研究论文	本研究提出了一种基于深度学习的方法，旨在通过结合MobileNetV3和自适应优化技术增强工业5.0中CPS的安全性	结合轻量级MobileNetV3和混沌帐篷美洲狮优化(CTPOA)技术，以及AES加密与自主访问控制，提供高性能和强安全性	未提及具体在哪些工业场景下进行了测试，以及模型在其他数据集上的泛化能力	增强工业5.0中CPS的安全性，识别和阻止高级网络攻击	工业5.0中的CPS系统	机器学习	NA	深度学习，数据预处理（高斯滤波、均值填补、最小-最大归一化），特征提取（流式、时间、统计和深度特征）	MobileNetV3, ResNet-101	IoT23数据集	NA
75	2025-06-01	A novel deep learning framework with artificial protozoa optimization-based adaptive environmental response for wind power prediction 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97793-8 PMID:40436976	研究论文	提出了一种新型混合深度学习框架IAPO-LSTM，用于高精度的超短期风电功率预测	结合CNN和GRU进行时空特征提取，并采用增强型人工原生动物优化器（IAPO）与自适应环境响应机制（AERM）动态调整优化策略	未提及模型在极端天气条件下的预测性能	提高风电功率预测精度以促进可再生能源并网可靠性	风电功率数据	机器学习	NA	CNN, GRU, 人工原生动物优化算法	IAPO-LSTM（CNN+GRU混合架构）	时间序列数据	四个真实数据集（NREL WIND/EMD WIND/WWSIS/ERCOT GRID）
76	2025-06-01	Drug-drug interaction prediction of traditional Chinese medicine based on graph attention networks 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00725-9 PMID:40436979	research paper	该论文提出了一种基于图注意力网络的双重图注意力网络（DGAT）方法，用于预测中药药物相互作用（TCMDDI）	提出了一种新颖的双重图注意力网络（DGAT），通过提取草药成分中活性分子的关键结构特征来预测中药药物相互作用，并利用注意力机制提取深层结构特征	未提及具体的数据集规模限制或模型在实际应用中的局限性	预测中药药物相互作用，以防止患者不良反应并在药物设计和开发中发挥重要作用	中药配方中的多种草药成分及其活性分子	machine learning	NA	graph attention networks	DGAT	chemical molecules	包含三种不同类别草药成分的综合数据集
77	2025-06-01	Classification of Indian classical dances using MnasNet architecture with advanced polar fox optimization for hyperparameter optimization 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03054-z PMID:40437032	研究论文	提出一种基于MnasNet架构和高级北极狐优化算法的印度古典舞蹈分类方法	首次将高级北极狐优化算法(APFO)应用于MnasNet架构的超参数优化，以提高分类准确率	仅针对Bharatnatyam舞蹈姿势数据集进行测试，未验证在其他印度古典舞蹈上的泛化能力	印度古典舞蹈的自动分类与识别	印度古典舞蹈的姿态和动作	计算机视觉	NA	深度学习	MnasNet	图像	Bharatnatyam舞蹈姿势数据集
78	2025-06-01	Personalized prediction of gait freezing using dynamic mode decomposition 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88110-4 PMID:40437121	research paper	本文探讨了一种基于动态模式分解（DMD）的方法，用于预测帕金森病患者步态冻结（FoG）的发生	引入基于DMD的三重指标来预测和分类FoG，实现了86.5%的分类准确率和81.97%的早期预测率	方法的实时性可能受数据处理需求的影响，且DMD的‘黑箱’特性使得特征和分类边界的解释存在困难	提高帕金森病患者步态冻结（FoG）的早期预测能力，以改善患者生活质量	晚期帕金森病患者的步态冻结（FoG）现象	machine learning	Parkinson's disease	dynamic mode decomposition (DMD)	NA	acceleration signals	NA
79	2025-06-01	An interpretable deep learning framework using FCT-SMOTE and BO-TabNet algorithms for reservoir water sensitivity damage prediction 2025-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99659-5 PMID:40437186	研究论文	提出了一种可解释的深度学习框架，结合FCT-SMOTE和BO-TabNet算法，用于预测储层水敏损害	结合贝叶斯优化与TabNet建模复杂油田表格数据，整合FCT和SMOTE技术解决数据缺失和不平衡问题，实现了从传统定性分析到定量因子分析的进步	仅基于15个不同油田的270条数据进行验证，样本量和多样性可能有限	解决油气钻完井操作中高维和不可预测的挑战，提高储层水敏损害预测的准确性	天然岩心样本中的储层水敏损害	机器学习	NA	FCT-SMOTE, BO-TabNet	TabNet, Tab Transformer, Hopular, TabDDPM	表格数据	15个不同油田的270条数据
80	2025-06-01	Integrating SEResNet101 and SE-VGG19 for advanced cervical lesion detection: a step forward in precision oncology 2025-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14353-z PMID:40437403	研究论文	该研究比较了SEResNet101和SE-VGG19两种深度学习模型在宫颈病变分类中的性能，发现SEResNet101在所有评估指标上均表现更优	整合SEResNet101和SE-VGG19两种先进深度学习模型用于宫颈病变检测，显著提高了诊断精确度	需要多中心试验验证研究结果并促进临床广泛应用	提高宫颈癌筛查的准确性和精确度	宫颈病变（低级别鳞状上皮内病变LSIL和高级别鳞状上皮内病变HSIL）	数字病理学	宫颈癌	深度学习	SEResNet101, SE-VGG19	图像	3,305张高质量的阴道镜图像