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
841	2025-07-15	Digital security risk identification and model construction of smart city based on deep learning 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09894-z PMID:40646059	研究论文	本研究提出了一种基于深度学习的数字安全识别模型（DL-DSIM），旨在提高智慧城市环境下的数据传输效率和系统安全性	设计了灵活的三层架构框架，并引入了一种结合群优化（CSO）和遗传算法（GA）的新型入侵检测特征选择方法，以降低特征选择的复杂性并通过深度神经网络（DNN）增强安全漏洞的检测和处理能力	NA	提高智慧城市环境下的数据传输效率和系统安全性	智慧城市中的工业物联网（IIoT）系统	机器学习	NA	深度神经网络（DNN）、群优化（CSO）、遗传算法（GA）	DNN	网络数据	NA
842	2025-07-15	A meta fusion model combining geographic data and twitter sentiment analysis for predicting accident severity 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91484-0 PMID:40646141	研究论文	本研究提出了一种结合地理数据和Twitter情感分析的元融合模型ConvoseqNet，用于预测交通事故严重程度	创新性地结合了CNN和LSTM网络，并提出了MetaFusionNetwork元模型来整合不同模型的预测结果	未提及具体的数据集规模或地域限制	提高交通事故预测的准确性	交通事故数据	机器学习	NA	深度学习，情感分析	CNN, LSTM, Random Forest	地理数据，社交媒体文本	NA
843	2025-07-15	RMDNet: RNA-aware dung beetle optimization-based multi-branch integration network for RNA-protein binding sites prediction 2025-Jul-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06197-y PMID:40646507	research paper	提出了一种名为RMDNet的深度学习框架，用于预测RNA-蛋白质结合位点，该框架整合了CNN、CNN-Transformer和ResNet分支，以捕获多个序列尺度的特征，并结合RNA二级结构图的表示	结合了改进的粪甲虫优化算法自适应分配融合权重，并在推理过程中优化特征整合，同时在多个基准测试中优于现有最先进模型	未明确提及具体限制，但可能包括对特定RNA或蛋白质类型的泛化能力或计算资源需求	开发一种高效且可解释的工具，用于预测RNA-蛋白质结合位点，以支持疾病机制研究和治疗靶点发现	RNA结合蛋白（RBPs）及其与RNA的结合位点	生物信息学	神经退行性疾病、肝癌、肺癌	深度学习、CLIP-seq、图神经网络	CNN、CNN-Transformer、ResNet、GNN	RNA序列数据、RNA二级结构图	RBP-24和RBP-31基准数据集，以及RBPsuite2.0用于消融研究
844	2025-07-15	Predicton of major adverse cardiovascular events in patients with hypertrophic cardiomyopathy by deep learning and radiomics 2025-Jul-11, Cardiology IF:1.9Q3 DOI:10.1159/000547232 PMID:40652933	研究论文	本研究结合深度迁移学习和放射组学技术，开发了一种预测肥厚型心肌病患者主要不良心血管事件的模型	首次将超声心动图与深度迁移学习和放射组学结合，构建预测模型	回顾性研究设计，样本量相对有限（210例患者）	开发预测肥厚型心肌病患者主要不良心血管事件的风险分层工具	肥厚型心肌病患者	数字病理学	心血管疾病	深度迁移学习(DTL)，放射组学分析	Resnet50，LASSO回归	超声心动图图像	210例肥厚型心肌病患者（59例MACE，151例非MACE）
845	2025-07-15	PediMS: A Pediatric Multiple Sclerosis Lesion Segmentation Dataset 2025-Jul-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05346-5 PMID:40640191	研究论文	本文介绍了首个公开的专门用于儿科多发性硬化病灶分割的MRI数据集PediMS	首个公开的儿科多发性硬化病灶分割MRI数据集，填补了儿科病例在医学研究中的空白	样本量较小（仅9名患者），且儿科病例罕见可能导致数据代表性有限	推进儿科多发性硬化研究，改进病灶分割模型，促进联邦学习方法的应用	儿科多发性硬化患者的MRI扫描数据	数字病理学	多发性硬化	MRI（包括T1加权MPRAGE、T2加权和FLAIR序列）	深度学习模型（具体模型未说明）	MRI图像	9名儿科患者的28次MRI扫描（纵向数据，每名患者1-6个时间点）
846	2025-07-15	Digital twin based deep learning framework for personalized thermal comfort prediction and energy efficient operation in smart buildings 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10086-y PMID:40634515	研究论文	本文提出了一种基于数字孪生和深度学习的框架，用于智能建筑中的个性化热舒适度预测和节能操作	结合数字孪生技术和基于注意力的LSTM模型，实现个性化热舒适度预测和智能HVAC控制，提高了预测性能和可解释性	未明确提及具体局限性，但可能涉及数据集的代表性和模型在更广泛场景中的泛化能力	开发一个鲁棒、可解释且节能的解决方案，用于智能建筑系统中以居住者为中心的HVAC管理	智能建筑中的室内热舒适度和HVAC系统	机器学习	NA	注意力机制LSTM模型，SHAP和LIME解释性AI技术	LSTM	热感觉投票(TSV)数据	ASHRAE全球热舒适度数据库II的子集
847	2025-07-15	Hybrid deep learning framework for real-time DO prediction in aquaculture 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10786-5 PMID:40634584	研究论文	提出了一种结合CNN、自注意力机制和BiSRU的混合深度学习框架，用于实时预测水产养殖中的溶解氧水平	首次将CNN、自注意力机制和BiSRU结合用于溶解氧预测，显著提高了短期预测的准确性	模型仅在广州南沙的集约化水产养殖基地进行测试，未在其他地区验证	开发高精度的溶解氧实时预测模型以改善水产养殖水质管理	水产养殖环境中的溶解氧水平	机器学习	NA	深度学习	CNN-SA-BiSRU混合模型	水质数据	广州南沙集约化水产养殖基地的数据
848	2025-07-15	Exploring single-head and multi-head CNN and LSTM-based models for road surface classification using on-board vehicle multi-IMU data 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10573-2 PMID:40634639	研究论文	本研究探讨了使用单头和多头CNN及LSTM模型基于车载多IMU数据进行路面分类的效果	比较了单头和多头CNN及CNN+LSTM模型在路面分类中的表现，发现CNN+LSTM模型总体优于纯CNN模型	对于更具挑战性的路面类别，分类精度仍有提升空间，需要进一步优化模型架构和增强数据集	提高路面状况监测的准确性，保障车辆和行人安全	车载多IMU数据	机器学习	NA	深度学习	CNN, LSTM	IMU数据（加速度和角速度）	NA
849	2025-07-15	A novel segmentation-based deep learning model for enhanced scaphoid fracture detection 2025-Jul-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112309 PMID:40652603	研究论文	开发了一种基于分割的深度学习模型，用于从手腕X光片中检测明显和隐匿的舟骨骨折，并与专家组的诊断性能进行比较	该模型在检测隐匿性舟骨骨折方面表现出更高的诊断准确性，优于临床专家	研究样本量相对较小，且仅针对舟骨骨折	开发深度学习模型以提高舟骨骨折的检测准确性	手腕X光片中的舟骨骨折	数字病理学	骨折	深度学习	分割模型	图像	408名患者，410个手腕，1011张X光片
850	2025-07-15	A simple interpolation-based data augmentation method for implicit sentiment identification 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00197-x PMID:40628746	研究论文	提出了一种基于插值的简单数据增强方法ISIMIX，用于隐式情感识别任务	在隐藏空间进行插值操作而不混合标签，有效缓解数据稀缺问题，并解决了以往数据增强的有效性问题	未提及具体的数据集规模限制或模型泛化能力的详细评估	解决隐式情感识别任务中的数据稀缺和模型过拟合问题	隐式情感文本	自然语言处理	NA	数据增强、Jensen-Shannon散度正则化	NA	文本	三个公开可用的隐式情感数据集
851	2025-07-15	Explainable deep learning approaches for high precision early melanoma detection using dermoscopic images 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09938-4 PMID:40629062	研究论文	该研究提出了一种可解释的深度学习方法，用于通过皮肤镜图像高精度早期检测黑色素瘤	采用包含全局平均池化、批归一化、Dropout以及ReLU和Swish激活函数的密集层的先进模型，提高了模型性能，并利用可解释AI技术如Grad-CAM和显著性图增强了模型决策过程的透明度	NA	开发自动化诊断系统以实现早期皮肤癌检测	皮肤镜图像	计算机视觉	黑色素瘤	深度学习	CNN	图像	两个不同的皮肤科数据集
852	2025-07-15	Artificial intelligence driven neuropsychiatry: a systematic review of electroencephalography-based computational techniques for major depressive disorder prediction 2025-Jul-08, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.07.010 PMID:40639536	系统综述	本文系统综述了基于脑电图信号的抑郁症预测计算技术，探讨了预处理流程和特征提取技术对预测性能的影响	比较分析了深度学习方法（如CNN和CNN-LSTM混合模型）与传统机器学习方法在抑郁症预测中的性能差异，并探讨了单通道和少电极配置在便携式诊断工具中的潜力	缺乏标准化的评估协议，方法学不一致、数据异质性和模型可解释性有限，影响了研究结果的可比性和可靠性	为人工智能驱动的脑电图分析提供框架，以革新抑郁症诊断，推动精准精神病学的发展	基于脑电图信号的抑郁症预测	数字病理学	抑郁症	脑电图信号分析	CNN, LSTM, 支持向量机	脑电图信号	NA
853	2025-07-15	A novel VOC mixtures classification methods based on GBLinear and TabNet and informative feature selection from gas sensors (E-Nose) data 2025-Jul-08, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128554 PMID:40652634	研究论文	提出了一种基于GBLinear和TabNet的新型挥发性有机化合物混合物分类方法，结合了电子鼻数据和信息性特征选择技术	首次将GBLinear和TabNet算法与特征选择技术结合，用于电子鼻数据分析，提高了分类准确性和可解释性	未提及具体样本量或实验验证范围	提高精油分类的准确性和可解释性	精油中的挥发性有机化合物（VOCs）	机器学习	NA	电子鼻（E-Nose）	GBLinear, TabNet	气体传感器数据	NA
854	2025-07-15	RADAI: A Deep Learning-Based Classification of Lung Abnormalities in Chest X-Rays 2025-Jul-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131728 PMID:40647727	研究论文	本文开发了一个名为RadAI的深度学习模型，用于准确检测胸部X光片中的四种肺部异常并生成报告	通过微调三种先进的深度学习模型（FSRFNet50、ResNext50和ResNet50），开发了RadAI模型，显著提高了胸部X光片异常检测的准确性和效率	未提及具体的数据集大小或模型在真实临床环境中的验证情况	开发一个能够准确检测和报告胸部X光片中肺部异常的深度学习模型	胸部X光片中的四种肺部异常	计算机视觉	肺癌	深度学习	CNN（包括FSRFNet50、ResNext50和ResNet50）	图像	NA
855	2025-07-15	Mamba-YOLO-ML: A State-Space Model-Based Approach for Mulberry Leaf Disease Detection 2025-Jul-07, Plants (Basel, Switzerland) DOI:10.3390/plants14132084 PMID:40648093	研究论文	提出了一种基于状态空间模型的Mamba-YOLO-ML方法，用于桑叶病害检测	结合Phase-Modular Design、Haar小波下采样和归一化Wasserstein距离损失，提升了小目标检测的鲁棒性和计算效率	在自然环境中对小目标和遮挡情况的适应性仍有提升空间	开发高效的桑叶病害检测方法以支持精准农业	桑叶病害	计算机视觉	植物病害	Haar小波下采样，GradCAM可视化分析	Mamba-YOLO-ML（基于YOLO和状态空间模型的混合架构）	图像	未明确提及具体样本数量（测试集性能以mAP指标报告）
856	2025-07-15	Resource-Efficient Cotton Network: A Lightweight Deep Learning Framework for Cotton Disease and Pest Classification 2025-Jul-07, Plants (Basel, Switzerland) DOI:10.3390/plants14132082 PMID:40648091	研究论文	提出了一种轻量级深度学习框架RF-Cott-Net，用于棉花病虫害分类，并附带开源图像数据集CCDPHD-11	基于MobileViTv2骨干网络，集成了早期退出机制和量化感知训练(QAT)，在保持准确性的同时提高了部署效率	未提及模型在其他作物病虫害分类上的泛化能力	开发高效的棉花病虫害自动检测方法，支持防治策略和遗传育种研究	棉花病虫害	计算机视觉	棉花病虫害	深度学习	MobileViTv2	图像	CCDPHD-11数据集包含11种病害类别
857	2025-07-15	Multi-Stage Cascaded Deep Learning-Based Model for Acute Aortic Syndrome Detection: A Multisite Validation Study 2025-Jul-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134797 PMID:40649169	研究论文	开发了一种基于多阶段深度学习的模型，用于急性主动脉综合征（AAS）的检测，并在多中心进行了验证	采用U-Net架构进行主动脉分割，随后通过级联分类方法检测AD和IMH，以及多尺度CNN识别PAU，实现了对AAS全谱系的高效检测	研究仅基于CTA扫描数据，未涵盖其他影像学检查方法	提高急性主动脉综合征（AAS）的诊断速度和准确性	急性主动脉综合征（AAS），包括主动脉夹层（AD）、壁内血肿（IMH）和穿透性动脉粥样硬化溃疡（PAU）	数字病理学	心血管疾病	胸部计算机断层扫描血管造影（CTA）	U-Net, CNN	图像	260例匿名CTA扫描数据，来自14个美国临床站点，涵盖四家不同CT制造商的数据
858	2025-07-15	Model predictive control of nonlinear dynamical systems based on long sequence stable Koopman network 2025-Jul-07, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.07.003 PMID:40653404	研究论文	提出了一种基于长序列稳定Koopman网络的非线性动力学系统模型预测控制方法	提出SDKN-MPC方法，结合稳定Koopman求解器算法和神经网络训练，解决了传统Koopman方法收敛慢和长期预测稳定性不足的问题	未提及方法在极端非线性条件下的表现或计算复杂度分析	提高非线性控制系统中长期预测的稳定性和控制效果	非线性动力学系统	机器学习	NA	稳定Koopman求解器算法，模型预测控制(MPC)	稳定深度Koopman网络(SDKN-MPC)	动力学系统状态数据	多个典型非线性控制任务（未明确具体数量）
859	2025-07-15	Integrating Graph Convolution and Attention Mechanism for Kinase Inhibition Prediction 2025-Jul-06, Molecules (Basel, Switzerland) DOI:10.3390/molecules30132871 PMID:40649385	研究论文	该研究通过结合图卷积网络和注意力机制，预测激酶的抑制活性	开发了一种结合GCN和GAT的模型，用于激酶抑制预测，并在两个大型数据集上验证了其优越性能	未提及模型在其他类型疾病或更广泛数据集上的泛化能力	预测小分子药物对激酶的抑制活性，以治疗由激酶异常引起的疾病	激酶及其小分子抑制剂	机器学习	癌症（包括白血病、神经母细胞瘤、胶质母细胞瘤等）	Graph Neural Network (GNN)	GCN_GAT（结合图卷积网络和图注意力网络）	分子结构数据	两个大型激酶数据集（Kinase Datasets 1和2），使用10折交叉验证
860	2025-07-15	Artificial Intelligence in Primary Malignant Bone Tumor Imaging: A Narrative Review 2025-Jul-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131714 PMID:40647712	综述	本文综述了人工智能在原发性恶性骨肿瘤影像学中的应用，包括诊断、分类和治疗反应预测	人工智能通过机器学习和深度学习技术，结合放射组学，提高了医学影像解释的精确性，支持临床决策	原发性恶性骨肿瘤的罕见性限制了高质量数据集的可用性，缺乏标准化的影像协议影响了可重复性，伦理问题如数据隐私和AI算法的可解释性也需要关注	探讨人工智能在原发性恶性骨肿瘤影像学中的应用及其对精准医学的推动作用	原发性恶性骨肿瘤（PBT）	数字病理学	骨肿瘤	机器学习和深度学习	CNN	医学影像	NA