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
1	2025-07-25	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击	将改进的SqueezeNet模型与DCNN和优化的随机混合Lp层结合，提高检测准确率并保持计算效率	未提及模型在更广泛或多样化数据集上的泛化能力	提高IoT环境中Botnet攻击的检测准确率和计算效率	IoT-Bot攻击	机器学习	NA	深度学习	SqueezeNet, DCNN	入侵检测数据集	大规模入侵检测数据集（具体数量未提及）
2	2025-07-24	QCAE-QOC-SVM: A hybrid quantum machine learning model for DoS and Fuzzy attack detection on autonomous vehicle CAN bus 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103471 PMID:40687355	研究论文	提出了一种混合量子机器学习模型QCAE-QOC-SVM，用于检测自动驾驶车辆CAN总线上的DoS和Fuzzy攻击	结合量子卷积自编码器(QCAE)和基于支持向量机的量子正交分类器(QOC-SVM)，利用量子计算能力进行精确异常检测	模型在特定批次大小比例(7741:31)下表现最佳，可能对其他比例适应性有限	提高自动驾驶车辆CAN总线的网络安全防御能力	自动驾驶车辆的CAN总线通信数据	量子机器学习	NA	量子机器学习(QML)	QCAE-QOC-SVM(量子卷积自编码器与量子正交分类器的混合模型)	CAN总线通信数据	300,000个实例(来自CARLA模拟器的公开和自定义数据集)
3	2025-07-23	Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34102 PMID:40443946	研究论文	本文提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化能力	引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应	实验主要基于体外和离体样本，尚未在临床环境中进行大规模验证	解决分子光声成像中因光漂白导致的组织可视化问题，提高成像质量和临床决策支持	光声成像中的外源性染料	医学影像处理	NA	光声成像，深度学习	cGAN, U-Net	图像	体外和离体样本，包括ICG填充管的3D扫描实验
4	2025-07-23	AlphaBind, a domain-specific model to predict and optimize antibody-antigen binding affinity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2534626 PMID:40693434	研究论文	本文介绍了AlphaBind，一种特定领域的模型，用于预测和优化抗体-抗原结合亲和力	AlphaBind利用蛋白质语言模型嵌入和基于数百万抗体-抗原结合强度定量实验室测量的预训练，实现了在指导亲本抗体亲和力优化方面的最先进性能	仅针对四种亲本抗体进行了验证，且每种亲本抗体仅进行了一轮数据生成	通过深度学习预测和优化抗体序列，以设计具有最佳特性的抗体	抗体-抗原结合亲和力	机器学习	NA	深度学习	蛋白质语言模型	定量实验室测量数据	四种亲本抗体
5	2025-07-21	Predictive modeling of adolescent suicidal behavior using machine learning: Key features and algorithmic insights 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103454 PMID:40678447	综述	本文系统分析了28项关于应用机器学习技术早期检测自杀意念的研究	强调了现有研究在跨文化泛化方面的不足，并呼吁开发可解释和混合模型以提高风险预测	现有文献中缺乏对混合和集成深度学习模型的广泛分析	通过应用AI和机器学习技术实现自杀意念的早期检测	学生群体的自杀意念	机器学习	心理健康	机器学习	Random Forest, SVM, 深度学习	调查数据	28项研究
6	2025-07-21	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	review	本文综述了过去十年中气候时间序列缺失数据插补的最相关方法	总结了不同地区和国家在气候时间序列缺失数据插补方面的研究进展，并比较了传统统计方法和深度学习方法的应用效果	主要关注亚洲和欧洲的研究，对其他地区的覆盖可能不足	描述气候时间序列缺失数据插补的最相关方法	气候时间序列数据	machine learning	NA	mean techniques, simple and multiple linear regression, interpolation, PCA, artificial neural networks, GAN	artificial neural networks, GAN	time series	NA
7	2025-07-21	AI-driven pharmacovigilance: Enhancing adverse drug reaction detection with deep learning and NLP 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103460 PMID:40678458	研究论文	本研究提出了一种结合深度学习和NLP的混合AI驱动框架，用于提高药物警戒中不良反应检测的准确性和可解释性	整合结构化和非结构化数据，应用先进的深度学习和NLP方法，显著提升了药物不良反应检测的准确性和实时性	研究依赖于临床数据的多样性和质量，可能存在数据不平衡和异质性问题	提高药物警戒中严重不良事件检测的准确性和效率	临床实验数据中的药物不良反应	自然语言处理	NA	NLP, 深度学习	CNN, BERT, GPT, Random Forest, Gradient Boosting Machines	结构化数据（如患者人口统计、实验室结果）和非结构化数据（如临床记录）	未明确提及具体样本量
8	2025-07-21	Integrated deep learning for cardiovascular risk assessment and diagnosis: An evolutionary mating algorithm-enhanced CNN-LSTM 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103466 PMID:40678461	research paper	该研究提出了一种基于混合CNN-LSTM模型的双输出深度学习模型，用于心血管风险评估和诊断，并通过进化配对算法（EMA）进行优化	使用进化配对算法（EMA）优化双输出CNN-LSTM模型，提高了预测准确性和模型鲁棒性	诊断任务的准确率为70%，仍有提升空间	开发一种准确且高效的心血管疾病预测模型	心血管疾病（CVD）患者	machine learning	cardiovascular disease	deep learning	CNN-LSTM	NA	NA
9	2025-07-18	Multimodal deep learning improving the accuracy of pathological diagnoses for membranous nephropathy 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2528106 PMID:40659521	研究论文	开发一种多模态病理诊断系统，协助病理学家诊断膜性肾病	结合PASM染色、免疫荧光和电子显微镜图像，构建三种深度学习模型，综合提供病理诊断	未提及具体局限性	提高膜性肾病的病理诊断准确性和效率	膜性肾病患者	数字病理	膜性肾病	深度学习	CNN（假设基于图像处理）	图像（PASM染色、免疫荧光、电子显微镜图像）	138名各种肾病患者
10	2025-07-17	Shared subspace learning via partial Tucker decomposition for hyperspectral image classification 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126584 PMID:40580669	research paper	提出了一种基于张量的分类框架SSTC，用于高光谱图像分类，通过学习共享的空间和光谱子空间来保持数据的多维结构	采用部分Tucker分解学习共享子空间，有效降维的同时保留维度间关键关系，提供可解释的特征提取	未提及具体样本量限制或计算资源需求	开发高效且可解释的高光谱图像分类方法	高光谱图像数据	computer vision	NA	partial Tucker decomposition	tensor-based classification framework (SSTC)	hyperspectral image	未明确提及具体样本量，但涉及李子皮下淤伤检测和芒果成熟度分类两个任务
11	2025-07-17	Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy 2025-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126545 PMID:40614471	研究论文	本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络，提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	通过引入门控循环单元(GRU)和注意力机制，构建了CNN-GRU-Attention增强混合神经网络，显著提升了特征提取能力和非线性关系建模	NA	开发一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法	水中的溴氰菊酯残留	机器学习和光谱分析	NA	表面增强拉曼光谱(SERS)	CNN-GRU-Attention混合神经网络	光谱数据	NA
12	2025-07-16	Neurofusionnet: a comprehensive framework for accurate epileptic seizure prediction from EEG data with hybrid meta-heuristic optimization algorithm 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10293-3 PMID:40661693	研究论文	本文提出了一种名为Neurofusionnet的综合框架，用于从EEG数据中准确预测癫痫发作，结合了混合元启发式优化算法	提出了一种新的检测模型NeuroFusionNet，结合了多种深度学习网络和改进的混合优化算法，以提高癫痫发作预测的准确性和鲁棒性	NA	开发一个全面的框架，用于从EEG数据中准确预测癫痫发作	癫痫患者的EEG数据	数字病理学	癫痫	EEG数据处理、独立成分分析、小波变换、傅里叶变换	NeuroFusionNet（结合Improved ShuffleNet V2、SqueezeNet、EfficientNet V2和基于Multi Head Attention的GhostNet V2）	EEG数据	NA
13	2025-07-12	A practical guide for nephrologist peer reviewers: evaluating artificial intelligence and machine learning research in nephrology 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2513002 PMID:40620096	研究论文	本文为肾脏病学领域的同行评审者提供了一个评估人工智能和机器学习研究的实用指南	整合了TRIPOD-AI清单，提出了一个结构化框架，以提升AI研究的可重复性、临床相关性和公平性	未提及具体研究案例的局限性，主要聚焦于通用框架的构建	提高肾脏病学中AI/ML研究的质量和临床可靠性	肾脏病学中的人工智能和机器学习研究	机器学习	肾脏疾病	AI/ML模型，包括卷积神经网络和预测建模	CNN, 预测模型	电子健康记录、影像学数据和生物标志物	NA
14	2025-07-12	Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2530223 PMID:40625299	research paper	本研究开发了一种基于多参数MRI的自动分割和诊断模型，用于区分颅内孤立性纤维瘤和脑膜瘤	结合VB-Net深度学习网络进行自动分割，并利用机器学习构建单序列和多序列MRI模型，进一步结合临床/放射学特征开发融合指数相关模型	研究样本量相对有限，且未提及外部验证集的性能表现	术前准确区分颅内孤立性纤维瘤和脑膜瘤，以支持手术规划和治疗策略制定	252名患者（56例SFTs和196例脑膜瘤）的MRI数据	digital pathology	brain tumor	MRI	VB-Net, machine learning models	MRI图像	252名患者（56例SFTs和196例脑膜瘤）
15	2025-07-10	Integrating artificial intelligence in healthcare: applications, challenges, and future directions 2025-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2025.2527505 PMID:40616302	综述	本文探讨了人工智能在医疗保健领域的应用、挑战及未来发展方向	综述了AI在癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划中的创新应用	面临数据隐私、算法偏见和监管问题等挑战	探索人工智能在医疗保健领域的应用潜力及面临的挑战	癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划	医疗人工智能	癌症、脑肿瘤	机器学习和深度学习	NA	医学影像、遗传数据、临床数据和生活方式数据	NA
16	2025-07-09	CnnBoost: a multilevel explainable stacked ensemble framework for effective detection of Myocardial Infarction from 12-lead ECG images using a transformational approach 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00357-3 PMID:40626266	研究论文	开发了一个可解释的机器学习框架CNNBoost，用于从12导联ECG图像中有效检测心肌梗死和其他心脏异常	提出了CNNBoost，一种多级可解释堆叠集成模型，结合CNN提取的空间特征和时间序列数据，通过XGBoost处理，提高了ECG分类的准确性和可解释性	研究使用的ECG图像数据来自南亚的健康中心，可能在其他地区或人群中的适用性有限	开发一个可解释的机器学习框架，用于自动分类心肌梗死和其他心脏异常	12导联ECG图像	数字病理	心血管疾病	CNN, XGBoost, SHAP	CNN, XGBoost	图像	公开可用的ECG图像数据集，包含四类：正常、异常、心肌梗死(MI)和既往MI病史
17	2025-07-08	JuryFusionNet: a Condorcet's jury theorem-based CNN ensemble for enhanced monkeypox detection from skin lesion images 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00355-5 PMID:40620825	研究论文	本文提出了一种基于Condorcet陪审团定理的CNN集成方法JuryFusionNet，用于从皮肤病变图像中增强猴痘检测	利用Condorcet陪审团定理(CDJT)融合CNN模型，提高准确率的同时降低计算复杂度，无需元学习器	需要验证在更大规模和多中心数据集上的泛化能力	提高猴痘皮肤病变图像的自动检测准确率	猴痘皮肤病变图像	计算机视觉	猴痘	迁移学习(TL)，挤压激励(SE)模块	CNN集成(DenseNet169, DenseNet201, MobileNet, ResNet50V2)	图像	MSID数据集770张图像(4类)，MSLD数据集3192个样本(2类)
18	2025-07-06	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在预测心脏导管实验室（cath lab）手术结束时间方面的性能	仅使用视频分析得出的临床阶段作为算法输入，InceptionTime和LSTM-FCN模型实现了最准确的预测	需要在不同的手术环境中验证这些发现，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测手术结束时间方面的性能，以提高心脏导管实验室的效率	心脏导管实验室（cath lab）的手术	机器学习	心血管疾病	视频分析	InceptionTime, LSTM-FCN, LSTM with attention mechanism, standard LSTM, CNN, Transformer	视频	NA
19	2025-07-06	MLP-UNet: an algorithm for segmenting lesions in breast and thyroid ultrasound images 2025-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2523266 PMID:40580163	研究论文	提出了一种名为MLP-UNet的深度学习模型，用于自动分割乳腺和甲状腺超声图像中的病变区域	MLP-UNet采用U形编码器-解码器架构，并在编码器阶段集成了基于MLP的模块（MAP），同时在跳跃连接中使用了轻量级注意力模块以增强特征表示	NA	提高乳腺和甲状腺超声图像中病变分割的准确性和实时性，以指导活检和手术中的精确针头放置	乳腺肿瘤和甲状腺结节	计算机视觉	乳腺癌, 甲状腺癌	深度学习	MLP-UNet	超声图像	使用了BUSI和DDTI两个数据集进行验证
20	2025-07-06	AgCV: An Agentic framework for automating computer vision application 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103424 PMID:40612263	研究论文	本文提出了一个名为Agentic Computer Vision (AgCV)的框架，旨在通过自主代理自动化复杂的计算机视觉任务	AgCV框架结合了LangGraph、自然语言处理、深度学习和数据科学，构建了自适应、用户驱动的计算机视觉流程，并通过用户交互实现全自动化流水线	NA	自动化复杂的计算机视觉任务，降低技术门槛，提升计算机视觉应用的可访问性、可扩展性和灵活性	计算机视觉任务，如图像识别、分类和分割	计算机视觉	NA	自然语言处理、深度学习、数据科学	LangGraph、RAG	图像	NA