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
721	2025-11-08	Multi-branch convolutional network and LSTM-CNN for heart sound classification 2025-Nov-07, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01664-5 PMID:41201739	研究论文	开发两种深度学习架构用于心音分类，实现心血管疾病的自动诊断	提出多分支深度卷积网络模拟人耳听觉处理，并结合LSTM模块增强时域特征提取	医疗场景中标记数据集有限的关键挑战	开发快速、准确且成本效益高的心脏疾病自动诊断方法	心音信号	机器学习	心血管疾病	心音分析	CNN,LSTM	音频信号	NA	NA	多分支卷积网络,LSTM-CNN	准确率	NA
722	2025-11-08	PathFusion-Net: A Rough Path Theory-Based Deep Learning Model for ECG Arrhythmia Classification 2025-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629717 PMID:41196785	研究论文	提出基于粗糙路径理论的深度学习模型PathFusion-Net，用于心电信号心律失常分类	首次将粗糙路径理论与深度学习技术相结合，通过路径签名和路径开发方法提取心电信号的多阶时序表征	未提及模型在更广泛数据集上的泛化能力验证	开发自动化心电信号心律失常早期检测和监测的深度学习框架	心电信号和心律失常分类	机器学习	心血管疾病	心电信号分析	CNN, LSTM	图像, 信号	MIT-BIH心律失常数据库和私有临床数据集	NA	PathFusion-Net	准确率, 精确率, 召回率	NA
723	2025-11-08	An Active Dry-Contact Continuous EEG Monitoring System for Seizure Detection Applications in Clinical Neurophysiology 2025-Nov-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3629563 PMID:41196782	研究论文	开发了一种用于癫痫检测的低成本主动干接触电极EEG头戴设备，结合可解释深度学习模型和多模态伪影去除算法	采用主动干接触电极技术、可调节头戴设计、可解释深度学习模型和专门的多模态伪影去除算法	仅在代表性临床环境中对一名儿科失神癫痫患者进行了评估，样本量有限	开发低成本连续EEG监测系统用于临床神经生理学中的癫痫检测	婴幼儿和新生儿癫痫患者	医疗设备, 深度学习	癫痫	脑电图, 主动干接触电极, 三维打印, 激光切割	深度学习模型	EEG信号	一名儿科失神癫痫患者	NA	NA	准确率, 召回率, 相关系数, 信噪比	NA
724	2025-11-08	Genetic Perturbation Modelling for Human Cell Therapy With BRNET 2025-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629554 PMID:41196787	研究论文	提出BRNET模型用于预测多重遗传扰动下的非线性转录结果	将先验知识与先进嵌入集成到非堆叠神经网络结构中，可预测单个和多重遗传扰动下的转录反应	NA	开发计算模型以替代昂贵耗时的湿实验来预测遗传扰动效应	人类细胞对遗传扰动的转录反应	机器学习	NA	遗传扰动建模	神经网络	转录组数据	NA	NA	BRNET	NA	NA
725	2025-11-08	Deep Learning From Diffuse Optical Oximetry Time-Series: An fNIRS-Focused Review of Recent Advancements and Future Directions 2025-Nov-06, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3617858 PMID:41196800	综述	本文对功能性近红外光谱(fNIRS)领域深度学习应用的最新进展进行方法导向性综述	首次在fNIRS领域开展以深度学习架构、应用和学习策略为核心的系统性方法综述，并提出面向实际问题的先进解决方案指南	深度学习在fNIRS领域仍属新兴方向，现有文献存在数据可用性与模型复杂度平衡、模型泛化性等局限性	推动fNIRS领域深度学习方法的战略发展，弥合fNIRS与其他领域的研究差距	功能性近红外光谱(fNIRS)和高密度漫射光学断层扫描(HD-DOT)技术及其时间序列数据	机器学习	NA	功能性近红外光谱(fNIRS)，高密度漫射光学断层扫描(HD-DOT)	Transformer	时间序列数据	基于100篇文献的分析	NA	Transformer	模型泛化性，可解释性	NA
726	2025-11-08	AI-Driven Fall Prediction Across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2025-Nov-06, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险	首次针对年轻、中年和老年人群进行年龄分层分析，并采用AGRU深度学习模型在跌倒预测中取得最佳性能	外部验证显示泛化能力中等，需要更大更多样化的数据集和传感器数据进行实际应用验证	开发和比较不同ML/DL模型，识别跨年龄组的跌倒风险关键预测特征	1441名台湾南部20岁以上社区居民，按年龄分为20-45岁、46-65岁和65岁以上三组	机器学习	老年疾病	人口统计学、临床和身体性能数据收集	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	结构化临床数据	1441名社区居住成年人	NA	GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
727	2025-11-08	Both Infarcted and Noninfarcted Brain Regions Contribute to Deep Learning-Based MRI Prediction of Acute Stroke Outcome 2025-Nov-06, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8896 PMID:41198223	研究论文	本研究利用深度学习分析急性缺血性卒中患者的脑部MRI图像，预测90天临床结局	首次系统评估梗死区域和非梗死区域对卒中结局预测的贡献，提出病灶中和图像概念	样本量相对有限（449例患者），仅使用DWI序列，未包含其他影像模态	开发基于深度学习的急性缺血性卒中90天临床结局预测模型	449例急性缺血性卒中患者	医学影像分析	急性缺血性卒中	MRI DWI	深度学习	脑部MRI图像	449例急性缺血性卒中患者	NA	NA	准确率, 平均绝对误差, AUC	NA
728	2025-11-08	Correction to "Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning" 2025-Nov-06, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70172 PMID:41198582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
729	2025-11-08	Enhancing malware detection and classification in network traffic using deep learning techniques 2025-Nov-06, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70189 PMID:41199431	研究论文	本研究利用深度学习技术增强网络流量中的恶意软件检测与分类能力	提出四种创新深度学习技术：基于熵的流量过滤、自监督异常检测、图神经网络分类和上下文感知图注意力网络，显著提升检测精度并降低误报率	未提及模型在跨平台恶意软件检测方面的具体表现，实时自适应学习能力有待进一步研究	提高网络流量中恶意软件检测的准确性，降低误报率，实现动态网络环境中的实时检测	网络流量数据及其中的恶意软件活动	网络安全	NA	深度学习	图神经网络, 图注意力网络, 自监督学习	网络流量数据	NA	Python	GNN-MTC, CA-GAT	准确率, 精确率, 召回率	NA
730	2025-11-08	Preliminary Findings on a Deep Learning Model Using Electroencephalogram for Multi-Level Neuropathic Pain Detection in Post-Stroke Patients 2025-Nov-06, The International journal of neuroscience DOI:10.1080/00207454.2025.2584081 PMID:41199478	研究论文	开发了一种基于脑电图信号的多级别神经病理性疼痛检测深度学习模型	提出了量子启发的金字塔深度可分离残差网络，集成了深度可分离残差网络降低计算复杂度、金字塔注意力机制捕获多尺度模式、量子启发变换层建模脑电图特征间复杂非线性依赖关系三项创新	NA	开发准确且计算效率高的神经病理性疼痛检测框架	脑卒中后神经病理性疼痛患者	机器学习	脑卒中	脑电图	CNN	脑电图信号	NA	NA	Quantum-Inspired Pyramid Depthwise Separable Residual Network	准确率, 召回率	NA
731	2025-11-08	Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review 2025-Nov-06, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.70110 PMID:41199593	综述	本文对人工智能在痤疮诊断和管理中的应用进行了范围综述，分析了AI工具类型、应用场景、性能表现及皮肤多样性数据	首次系统评估了AI在痤疮领域应用的现状，特别关注了模型训练中的皮肤多样性数据和健康公平性问题	仅13%的研究报告了患者肤色数据，皮肤多样性代表性不足可能影响模型泛化能力	概述AI在痤疮诊断和管理中的应用现状及性能表现	痤疮患者和AI诊断管理工具	数字病理	痤疮	深度学习，机器学习，集成学习，大语言模型	深度学习模型，经典机器学习模型，集成模型，大语言模型	图像数据	105篇研究文献	NA	NA	准确率	NA
732	2025-11-08	AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals 2025-Nov-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae178c PMID:41135577	研究论文	本研究开发了一种基于SCG、ECG和GSR信号的心力衰竭再入院预测AI方法	首次将SCG信号与心率和呼吸相位特征结合，并比较传统机器学习与深度学习方法在心力衰竭再入院预测中的性能	样本量相对较小（101名患者），仅使用单一医疗中心数据	开发非侵入性方法来预测心力衰竭患者的再入院风险	101名心力衰竭患者，包括在研究期间再入院的患者	机器学习	心血管疾病	SCG信号采集、心电信号、皮电反应信号、时频分布方法	传统机器学习模型,深度学习模型	信号数据,图像数据	101名心力衰竭患者	NA	K-近邻算法	准确率,灵敏度,特异度,精确率,F1分数	NA
733	2025-11-08	Monitoring Opioid-Related Social Media Chatter Using Natural Language Processing and Large Language Models: Temporal Analysis 2025-Nov-04, JMIR infodemiology IF:3.5Q1 DOI:10.2196/77279 PMID:41187282	研究论文	本研究开发了一个基于自然语言处理和大语言模型的自动化系统，用于监测和分析Reddit上阿片类药物相关讨论的时序变化	首次将微调后的大语言模型(GPT-3.5 Turbo)应用于阿片类药物相关社交媒体内容的自动分类，并与真实世界死亡率数据进行时序关联分析	数据仅来源于Reddit平台，可能无法完全代表其他社交媒体或更广泛人群的行为模式	开发实时公共卫生监测系统，通过社交媒体数据分析阿片类药物使用行为模式	Reddit平台上关于阿片类药物的用户发帖内容	自然语言处理	阿片类药物滥用	自然语言处理，大语言模型微调	随机森林，深度学习模型，Transformer，GPT-3.5 Turbo	文本	包含手动标注的数据集和额外的74,975条未标注Reddit发帖，时间跨度为2018年1月1日至2023年12月30日	OpenAI API	GPT-3.5 Turbo, Transformer	准确率，Pearson相关系数	NA
734	2025-11-08	Prognostic prediction in soft-tissue sarcomas using deep learning and digital pathology of tumor and margin areas 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20804-1 PMID:41188261	研究论文	本研究开发并验证了基于深度学习的数字病理模型，用于预测软组织肉瘤的转移无复发生存	首次使用深度学习分析软组织肉瘤肿瘤中心、周边和边缘区域的数字病理图像进行预后预测	回顾性研究，样本量相对有限（308例患者），肿瘤边缘区域模型预测性能不佳	开发优于传统FNCLCC分级的软组织肉瘤预后预测方法	软组织肉瘤患者	数字病理	软组织肉瘤	数字病理，苏木精-伊红染色全玻片成像	CNN	图像	308例软组织肉瘤患者（训练集149例，验证集159例）	NA	多示例学习卷积神经网络	c-index	NA
735	2025-11-08	Artificial intelligence-based method for detecting wrist fractures in children 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22419-y PMID:41188293	研究论文	提出基于改进YOLO11s的Kid-YOLO深度学习检测方法，用于儿童腕部骨折X光图像的自动检测	引入C3k2-WTConv模块结合小波变换与卷积操作增强细微骨折检测能力，采用Focaler-MPDIoU损失函数优化目标定位并解决类别不平衡问题	仅使用单一公开数据集进行验证，未在更多临床场景中测试模型泛化能力	开发AI辅助诊断系统以提高儿童腕部骨折检测的准确性和效率	儿童腕部X光图像中的骨折区域	计算机视觉	骨骼损伤	X射线成像	CNN	医学图像	GRAZPEDWRI-DX公开数据集（经数据清洗后）	YOLO	YOLO11s, Kid-YOLO	精确率, 召回率, mAP@50, mAP@50-95	NA
736	2025-11-08	JUHCCR-v1: a database for hand-drawn electrical and electronics circuit component recognition 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22404-5 PMID:41188314	研究论文	开发了一个用于手绘电路元件识别的数据库JUHCCR-v1，并提出了基于加权集成和注意力机制的分类方法	创建了首个公开的手绘电路元件识别数据集，包含原始数据和合成增强数据，并提出了基于卷积块注意力模块和DenseNet-121的集成识别方法	数据集仅包含20种常见电路元件，可能无法覆盖所有电路设计场景	解决手绘电路图中电子元件自动识别的挑战性问题	手绘电路图中的电气和电子元件符号	计算机视觉	NA	数据增强技术	CNN, 集成学习	图像	包含20种不同手绘电路元件的原始数据集及合成增强数据集	未明确说明	DenseNet-121, 卷积块注意力模块	准确率	NA
737	2025-11-08	Leveraging fundus images for on device eye disease diagnosis with AI powered lightweight software hardware framework 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20990-y PMID:41188316	研究论文	提出一种集成边缘AI的软硬件框架，使用改进的EfficientNetB0模型和空间注意力CNN块，通过眼底图像快速准确诊断八种眼部疾病	将EfficientNet-B0作为特征提取器与ImageNet预训练模型结合构建新型混合流程，并针对低成本硬件优化模型架构	未明确说明模型在临床环境中的实际验证效果和泛化能力	开发智能、低延迟、成本效益高的眼部疾病诊断设备，用于资源有限地区	八种眼部疾病	计算机视觉	眼部疾病	眼底成像	CNN	图像	13,300张眼底图像（包含公开数据集和私立医院图像）	TensorFlow, TensorFlow Lite	EfficientNetB0, UNet, DenseNet169	准确率	树莓派5平台
738	2025-11-08	Web based AI-driven framework combining multi-modal data with CNN and LLM for Parkinson's disease diagnosis 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22448-7 PMID:41188323	研究论文	提出一种结合多模态数据和AI技术的网络框架，用于帕金森病的诊断和个性化报告生成	首次将多模态数据融合、深度学习分类和生成式语言建模集成到统一的诊断框架中，并开发了基于云的实时交互界面	研究基于PPMI数据集，样本量有限，需要进一步的外部验证	提高帕金森病诊断的准确性和临床实用性	帕金森病患者的多模态医学数据	医学人工智能	帕金森病	多模态数据融合，特征工程，数据增强	CNN, LLM	MRI图像，SPECT图像，脑脊液生物标志物，临床评估数据	PPMI数据集中的样本（具体数量未明确说明）	TensorFlow/PyTorch（未明确指定）	1D-CNN, Mini ChatGPT-4.0	准确率，自定义语义对齐评分（0.0-5.0）	基于云的部署架构
739	2025-11-08	A deep hybrid inception network model with entropy based attention for automated iron ore image characterization 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22441-0 PMID:41188341	研究论文	开发一种基于深度混合Inception网络和熵注意力机制的自动化铁矿石图像表征模型	提出结合多种预训练模型的混合Inception拓扑结构，引入注意力通道增强特征提取能力，通过编码器通道实现特征降维以提升模型泛化能力	仅使用来自印度东部Singhbhum Craton矿区的铁矿石图像数据，模型在其他地理区域铁矿石的适用性需要进一步验证	开发用于铁矿石自动分级表征的鲁棒通用模型	四种不同品级的铁矿石反射光显微镜图像	计算机视觉	NA	反射光显微镜成像	深度学习,CNN	图像	来自印度东部Singhbhum Craton多个矿区的铁矿石图像数据集	NA	MobileNetV2,InceptionV3,Xception,混合Inception拓扑	分类准确率	NA
740	2025-11-08	Variational quantum enhanced deep transfer learning for small underwater aqua species image classification 2025-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22524-y PMID:41188344	研究论文	提出一种轻量变分量子增强深度迁移学习框架，用于小型水下养殖物种图像分类	将预训练经典卷积神经网络与变分量子电路结合的混合深度迁移学习模型，利用量子特征提取技术提升特征表示和分类效率	NA	解决水下图像分类中因能见度差、光照变化、遮挡等因素导致的图像失真问题，并降低传统深度学习模型的高计算复杂度	小型水产养殖物种	计算机视觉	NA	量子特征提取	CNN, 变分量子电路	图像	NA	NA	预训练卷积神经网络与变分量子电路混合架构	分类准确率	NA