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
1781	2026-01-03	A deep learning-based early prediction framework for weight management using real-world lifelog data: GRU-ODE-Bayes model development and validation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406656 PMID:41473832	研究论文	本研究开发了一个基于GRU-ODE-Bayes的深度学习框架，利用真实世界的生活日志数据预测体重管理中的早期成功减重	提出了一种结合门控循环单元、常微分方程和贝叶斯方法的深度学习框架，以处理真实世界数据中常见的缺失和不规则采样问题，实现早期体重管理预测	研究基于特定健康追踪应用（Noom Coach）的用户数据，可能无法泛化到其他平台或人群；数据为回顾性队列，可能存在选择偏倚	开发一个能够利用真实世界生活日志数据早期预测体重管理成功率的深度学习模型	使用Noom Coach健康追踪应用的用户，其生活日志数据包括体重、运动、餐食记录等	机器学习	肥胖	深度学习	GRU-ODE-Bayes	时间序列数据（生活日志）	34,322名用户，分为训练集（24,292）、验证集（6,074）和测试集（3,375）	NA	GRU-ODE-Bayes	ROC AUC, PRC AUC	NA
1782	2026-01-03	MultiFAR: Multidimensional information fusion with attention-driven representation learning for student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333099 PMID:41134863	研究论文	提出了一种名为MultIFAR的多维信息融合模型，通过注意力机制驱动的深度学习来预测学生表现	融合了学生人口统计、评估和虚拟学习环境交互等多维信息，并采用注意力机制结合双向长短期记忆网络和卷积网络来高效学习学生表示	未明确提及具体局限性，但可能包括对数据质量和多样性的依赖	预测学生表现，特别是早期识别有风险和高表现学生	学生行为数据，包括人口统计、评估和虚拟学习环境交互信息	机器学习	NA	深度学习	BiLSTM, CNN	多维数据（人口统计、评估、交互）	使用Open University Learning Analytics数据集，具体样本数未明确	NA	BiLSTM, CNN	准确率	NA
1783	2026-01-02	Establishment of High-Precision Ultrasound Diagnosis Methods Based on the Introduction of Deep Learning 2025-Dec-31, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3645229 PMID:41475002	综述	本文综述了基于深度学习的高精度超声诊断方法的建立，包括技术原理、临床应用及挑战	提出了针对超声诊断局限性的评估框架，并系统性地整理了深度学习在解决这些局限性方面的最新方法及临床应用证据	现有综述缺乏针对临床实施的定制化评估框架，且深度学习仍面临泛化性、安全性和操作负担等挑战	建立高精度超声诊断方法，通过引入深度学习技术改善临床工作流程	超声诊断技术及其在肿瘤学和心脏病学中的应用	计算机视觉	肺癌, 心血管疾病	超声成像	深度学习	图像	NA	NA	NA	NA	NA
1784	2026-01-02	UniSplicer: a deep learning framework for accurate splice-site prediction and splice-altering mutation detection across diverse taxa 2025-Dec-31, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101686 PMID:41476368	研究论文	本文介绍了一个基于深度学习的框架UniSplicer，用于准确预测剪接位点并检测剪接改变突变，适用于多种物种	UniSplicer能够在转录组数据相对有限的情况下，为多种非模式物种开发准确的剪接位点预测模型，超越现有模型，并能可靠指示突变对剪接的影响	模型性能可能受限于可用转录组数据的质量和数量，且在极端非模型物种中的泛化能力未完全验证	开发一个通用深度学习框架，以准确预测剪接位点和检测剪接改变突变，促进非模式物种的基因组分析	多种物种的剪接位点，包括植物、真菌和后生动物，以及剪接位点附近的序列变异	自然语言处理	NA	转录组数据	深度学习	序列数据	相对有限的转录组数据	NA	NA	预测准确性	NA
1785	2026-01-02	Fuzzy granulation-based wind speed prediction with multi-objective optimization 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28328-4 PMID:41461667	研究论文	本文提出了一种基于模糊信息粒化和多目标优化的新型多尺度风功率预测框架	结合模糊信息粒化技术与多目标优化策略，有效捕捉风速数据的固有特征并降低数据复杂性，通过启发式优化算法自适应整合多个神经网络的输出	NA	提高风功率预测的准确性和鲁棒性，以支持可再生能源整合和全球脱碳倡议	风速数据	机器学习	NA	模糊信息粒化	深度学习模型，多个神经网络	风速数据	蓬莱风电场数据集	NA	NA	预测准确性，计算效率	NA
1786	2026-01-02	Osprey optimization algorithm integrated with graph neural networks for intrusion detection in wireless sensor networks 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28359-x PMID:41461693	研究论文	提出一种结合鱼鹰优化算法和图神经网络的入侵检测方法，用于提升无线传感器网络的安全性	首次将鱼鹰优化算法与图神经网络结合，用于优化图神经网络的超参数，以提升无线传感器网络中复杂攻击模式的检测性能	使用单一数据集（WSN-DS）进行评估，且该数据集本身存在不平衡问题，需依赖SMOTE技术进行数据平衡处理	开发一种高效的入侵检测系统，以应对无线传感器网络中日益复杂的网络攻击	无线传感器网络中的网络流量和攻击模式	网络安全	NA	NA	图神经网络	网络流量数据	NA	NA	图神经网络	准确率, 误报率	NA
1787	2026-01-02	ISAAF: an IoT security and attack prevention framework using AI-driven predictive analytics 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28516-2 PMID:41461726	研究论文	本文提出了一种基于AI预测分析的物联网安全与攻击预防框架，用于实时入侵检测和自动化缓解	引入了MQTTEEB-D作为真实世界物联网入侵数据集，并基于此构建了分层AI驱动的安全框架，显著提升了模型在真实场景中的泛化能力	未明确说明框架在极端或新型攻击类型下的性能表现，且可能依赖于特定物联网测试床环境	开发一个可扩展、可部署的跨领域物联网安全解决方案，以应对MQTT协议面临的网络威胁	物联网系统中的网络攻击，包括DoS、Bruteforce、Malformed、Flood和Slowite攻击	机器学习	NA	AI驱动的预测分析	决策树, GRU	网络流量数据	基于MQTTEEB-D真实世界入侵数据集，具体样本数量未明确	未明确指定，可能涉及多种ML/DL框架	决策树, GRU	准确率	未明确说明
1788	2026-01-02	Ultrasound and SWE-based transfer learning for predicting fibrotic NASH 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28753-5 PMID:41461741	研究论文	本研究开发了一种结合肝脏超声、肝脏弹性成像图像和临床特征的深度学习模型，用于预测和诊断纤维化非酒精性脂肪性肝炎	首次提出结合肝脏超声、肝脏弹性成像图像和临床特征的多模态深度学习模型，基于ResNet-18架构，用于预测和诊断纤维化NASH	研究基于大鼠模型，尚未在人类临床数据中进行验证	开发深度学习模型以预测和诊断纤维化非酒精性脂肪性肝炎	高脂饮食和皮下CCl₄注射诱导的肝脏脂肪变性和纤维化大鼠模型	计算机视觉	非酒精性脂肪性肝炎	二维超声, 剪切波弹性成像	CNN	图像, 临床特征	NA	NA	ResNet-18	AUC, ROC曲线, 决策曲线分析, 校准曲线	NA
1789	2026-01-02	Terahertz metamaterial liquid detector optimized by deep learning 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28757-1 PMID:41461749	研究论文	本研究提出了一种基于超材料太赫兹探测器吸收峰偏移的无标记乙醇液体检测方法	采用深度神经网络优化超材料液体探测器的结构参数，实现了高吸收率和位移值，并揭示了VO₂在不同温度下对吸收波调控的作用机制	NA	开发一种高效、精确的乙醇液体检测新方法	乙醇液体	机器学习	NA	太赫兹检测	深度神经网络	仿真数据	NA	NA	DNN	灵敏度, 品质因数	NA
1790	2026-01-02	Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28995-3 PMID:41461779	研究论文	本研究应用深度学习模型自动分类葡萄膜黑色素瘤在钌-106斑块近距离放射治疗后基于超声图像的肿瘤厚度响应模式	首次将深度学习模型（DenseNet121和ResNet34）应用于葡萄膜黑色素瘤近距离放射治疗后肿瘤响应模式的自动分类，并比较了不同模型和训练设置的性能	研究样本量相对较小（192名患者），且需要进一步验证和探索模型在临床实践中的整合应用	预测葡萄膜黑色素瘤患者在接受钌-106斑块近距离放射治疗后的肿瘤响应模式	葡萄膜黑色素瘤患者	计算机视觉	葡萄膜黑色素瘤	超声成像（A模式和B模式）	CNN	图像	192名患者	NA	DenseNet121, ResNet34	AUC, 准确率	NA
1791	2026-01-02	Design of a hybrid learning model for establishing consistency in smart grid environment 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28986-4 PMID:41461786	研究论文	本文提出了一种结合LSTM和神经模糊自适应干扰模型的混合学习模型，用于智能电网环境中的负荷预测	提出了一种混合LSTM与神经模糊自适应干扰模型（NFADIM）的新方法，用于处理智能电网的大规模数据并改善负荷预测精度	NA	通过深度学习技术识别消费者数据模式并基于不同预测时间范围预测电力需求，以优化智能电网的供需平衡	智能电网中的消费者能源需求模式和电力传输数据	机器学习	NA	深度学习	LSTM, NFADIM	时间序列数据	NA	NA	LSTM, 神经模糊自适应干扰模型	NA	NA
1792	2026-01-02	Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28914-6 PMID:41461810	研究论文	本研究评估了三种不同重建算法（DLIR-H、ASiR-V50%、FBP）在冠状动脉CTA中测量心周脂肪组织衰减指数（FAI）的差异	首次系统比较了深度学习图像重建（DLIR-H）、自适应统计迭代重建（ASiR-V50%）和滤波反投影（FBP）三种算法对FAI测量的影响，强调了标准化重建协议在FAI研究中的重要性	研究未涉及算法差异对临床结局的影响，且样本分组基于斑块类型，可能未涵盖所有临床亚组	评估不同重建算法对冠状动脉CTA中心周脂肪组织衰减指数（FAI）测量的影响	冠状动脉CTA图像及心周脂肪组织	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管造影（CCTA）	NA	医学影像（CT图像）	NA	NA	NA	衰减值、图像噪声、脂肪衰减指数（FAI）	NA
1793	2026-01-02	Assessing deep learning accuracy in the measurement of radiographic parameters in pediatric hip X-rays 2025-Dec-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02058-5 PMID:41462147	研究论文	本研究开发并验证了一个基于深度学习的系统，用于测量儿童骨盆X光片中的放射学参数，并评估其在不同年龄组中的准确性	该研究首次提供了一个全面的深度学习解决方案，用于同时测量多个关键放射学参数，并进行了年龄特异性的可靠性分析	研究仅使用了韩国正常儿童的X光片数据，可能限制了模型在其他人群或异常情况下的泛化能力	评估深度学习在测量儿童髋关节X光片放射学参数中的准确性，并分析年龄相关骨盆发育对测量性能的影响	儿童骨盆X光片	计算机视觉	儿科髋关节疾病	X光成像	深度学习	图像	训练集1495张，评估集1300张韩国儿童前后位骨盆X光片	NA	NA	组内相关系数, 皮尔逊相关系数, 平均绝对误差, 均方根误差, 豪斯多夫距离, 弗雷歇距离	NA
1794	2026-01-02	Deep learning for Alzheimer's disease: advances in classification, segmentation, subtyping, and explainability 2025-Dec-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01482-6 PMID:41462232	综述	本文综述了深度学习在阿尔茨海默病分类、分割、亚型分析和可解释性方面的最新进展，并探讨了其临床转化的挑战与未来方向	提出了一个将深度学习在阿尔茨海默病研究中的应用分为三大支柱（端到端分类、多模态融合、自动分割）的连贯框架，并系统整合了亚型分析和可解释性方法	作为综述文章，未提出新的模型或方法，主要总结现有研究；临床转化部分仍面临数据异质性、可解释性与准确性权衡等挑战	为阿尔茨海默病的早期检测和个性化预后提供深度学习解决方案，并推动其向临床实践转化	阿尔茨海默病患者的多模态数据，包括结构/功能MRI、PET、遗传谱和认知测试	医学影像分析	阿尔茨海默病	深度学习	CNN, 聚类模型, 决策树模型	图像（MRI, PET）, 遗传数据, 认知测试数据	NA	NA	NA	准确率, 灵敏度/特异度, Dice系数, Jaccard指数	NA
1795	2025-12-31	Deep learning based on ultrasound for differential diagnosis of pancreatic serous cystic neoplasm and mucinous cystic neoplasm 2025-Dec-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15249-8 PMID:41466236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1796	2026-01-02	Advances in AI for predicting pharmacological properties of natural medicines 2025-Dec-29, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2025.124180 PMID:41475482	综述	本文综述了人工智能在预测天然药物药理特性方面的应用，包括模型构建原理、最新进展、特征选择和评估指标等关键方面，并讨论了天然药物开发的挑战与机遇	系统总结了AI在天然药物开发中的高通量筛选、活性化合物预测及ADMET性质早期预测方面的最新进展和应用潜力	NA	介绍人工智能在预测天然药物药理特性方面的应用，并探讨其在药物开发中的挑战与机遇	天然药物及其药理特性	机器学习	NA	NA	NA	现有数据集和实验数据	NA	NA	NA	NA	NA
1797	2025-12-29	Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1798	2025-12-29	Low-SNR and BER reduction in UWOC systems using DESN and CNN-TCN deep learning models 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31837-x PMID:41455766	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1799	2026-01-02	A hybrid ensemble deep learning framework with novel metaheuristic optimization for scalable malicious website detection 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33695-z PMID:41436869	研究论文	本研究提出了一种结合集成学习模型与深度神经网络的混合检测框架，用于准确区分恶意与良性网站	采用两种新型元启发式算法（Weevil Damage Optimization Algorithm 和 Energy Valley Optimizer）进行超参数调优，并整合了应用层与网络层特征	未提及模型在实时检测环境中的延迟性能或对新型未知攻击模式的适应性	开发一个可扩展、可解释的恶意网站检测系统以增强网络安全防御	网站URL数据，包括应用层属性（如URL结构、服务器类型、WHOIS数据）和网络层特征（如TCP交换、DNS查询、数据包统计）	机器学习	NA	NA	Random Forest, Extreme Gradient Boosting, Light Gradient Boosting, Deep Neural Network	结构化数据（URL属性与网络特征）	63,191个URL	NA	NA	准确率	NA
1800	2026-01-02	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统识别新兴空气污染物早期结合事件方面仍有限制	预测空气有机污染物与人类蛋白质的相互作用，以促进对污染相关毒性的机制理解和风险评估	空气有机污染物和人类蛋白质	自然语言处理	NA	深度学习	Transformer	文本	NA	NA	Transformer	AUC	NA