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
221	2025-10-06	Bridging spatiotemporal wildfire prediction and decision modeling using transformer networks and fuzzy inference systems 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103498 PMID:40735517	研究论文	本研究提出了一种结合Transformer网络和模糊推理系统的时空野火预测与决策建模方法	将符号模糊推理层集成到基于深度注意力架构中，实现了高精度预测与可解释决策规则的结合	NA	开发准确且可解释的野火预测系统，支持实时决策制定	野火时空预测与响应决策	机器学习	NA	卫星遥感(哨兵数据)、气候再分析(ERA5)、地形测量(SRTM)	Transformer, 模糊推理系统	多源卫星数据、气候数据、地形数据、植被数据	NA	NA	Transformer	准确率, 精确率, 召回率, F1分数, AUC	NA
222	2025-10-06	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的增强检测框架，用于检测物联网僵尸网络攻击	将改进的SqueezeNet模型与深度卷积神经网络和优化的随机混合Lp层集成，在保持计算效率的同时提高检测精度	NA	开发适用于资源受限物联网环境的实时僵尸网络攻击检测方法	物联网僵尸网络攻击	机器学习	NA	NA	CNN, DCNN	网络入侵检测数据	大规模入侵检测数据集	NA	SqueezeNet, DCNN	准确率, 精确率, 召回率, 误报率	NA
223	2025-10-06	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	提出一种混合量子机器学习模型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和基于支持向量机的量子正交分类器，首次将混合量子机器学习应用于车辆网络安全检测	NA	开发针对自动驾驶车辆CAN总线网络攻击的检测方法	自动驾驶车辆CAN总线信号	机器学习	NA	量子机器学习	QCAE, QOC-SVM	CAN总线流量数据	300,000个实例	NA	量子卷积自编码器, 量子正交分类器	F1分数	高性能计算设施
224	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	NA	NA	NA	NA
225	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	NA	NA	NA	NA
226	2025-10-06	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	系统分析机器学习技术在青少年自杀行为早期检测中的应用现状	首次系统比较不同机器学习算法在自杀意念预测中的表现，强调可解释性和混合模型的必要性	缺乏跨文化泛化能力，混合深度学习模型缺乏深入分析	通过AI和机器学习技术实现青少年自杀意念的早期检测	学生群体的自杀意念和行为	机器学习	精神健康疾病	问卷调查(PHQ-9, GAD-7量表)	Random Forest, SVM, 深度学习	调查问卷数据	28项研究	NA	NA	准确率, 精确率, 召回率	NA
227	2025-10-06	Missing data imputation of climate time series: A review 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103455 PMID:40678450	综述	本文系统回顾了近十年来气候时间序列缺失数据插补方法的研究进展	首次全面总结全球范围内气候时间序列缺失数据插补方法的地理分布和应用趋势，特别指出生成对抗网络在深度学习方法中的优势	主要基于文献综述，缺乏原始实验数据验证不同方法的实际性能	综述气候时间序列缺失数据插补方法的研究现状和发展趋势	气候时间序列数据	机器学习	NA	时间序列分析	人工神经网络,生成对抗网络	时间序列数据	NA	NA	GAN	NA	NA
228	2025-10-06	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	本研究提出了一种混合AI驱动框架，通过整合结构化和非结构化数据来增强药物警戒中的不良反应检测	结合深度学习和自然语言处理技术，整合结构化与非结构化医疗数据，解决了传统监测方法的局限性	数据异质性、类别不平衡问题以及传统监测技术范围有限	提高药物警戒中严重不良事件的检测准确性，确保临床试验期间和之后的药物安全	临床试验数据，包括患者人口统计学、实验室结果和临床笔记	自然语言处理, 机器学习	NA	深度学习, 自然语言处理	随机森林, 梯度提升机, 卷积神经网络, BERT, GPT	结构化数据, 非结构化文本	NA	NA	CNN, BERT, GPT	准确率, 精确率, 召回率, F1分数	NA
229	2025-10-06	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	研究论文	提出一种基于进化交配算法优化的CNN-LSTM混合深度学习模型，用于心血管疾病风险评估和诊断	采用进化交配算法优化双输出CNN-LSTM模型的超参数，实现连续风险评分和二元诊断结果的同步预测	NA	开发准确高效的心血管疾病预测模型，支持定量评估和早期临床决策	心血管疾病患者	机器学习	心血管疾病	深度学习	CNN,LSTM	NA	NA	NA	CNN-LSTM	平均绝对误差,均方误差,均方根误差,决定系数,准确率,精确率	NA
230	2025-10-06	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	开发多模态深度学习系统提高膜性肾病病理诊断准确性	首次结合PASM染色、免疫荧光和电镜图像构建多模态诊断系统，在荧光图像分类和沉积物分割方面优于病理医生	研究主要针对膜性肾病，尚未验证对其他肾小球疾病的泛化能力	开发辅助病理医生诊断膜性肾病的多模态病理诊断系统	膜性肾病患者的肾脏活检图像数据	数字病理	肾脏疾病	PASM染色、免疫荧光、电子显微镜	深度学习模型	病理图像	138名各种肾脏疾病患者	NA	NA	准确率, 召回率, F1分数, Dice系数, IoU	NA
231	2025-10-06	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	研究论文	提出一种基于张量的分类框架SSTC，通过部分Tucker分解学习共享子空间，用于高光谱图像分类	采用部分Tucker分解保留高光谱数据的多维结构，学习跨样本共享的空间和光谱子空间	未明确说明样本量的具体限制和计算资源需求	开发高效的高光谱图像分类方法，应用于食品质量评估	李子皮下瘀伤检测和芒果成熟度分类	计算机视觉	NA	高光谱成像	张量分解	高光谱图像	NA	NA	部分Tucker分解	分类准确率	NA
232	2025-10-06	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与增强深度神经网络，提出了一种高灵敏度、高准确度的溴氰菊酯定量分析方法	通过引入门控循环单元和注意力机制增强传统CNN模型结构，构建CNN-GRU-Attention混合神经网络，在多维特征注意力聚焦和时间依赖性建模方面实现突破	NA	开发高灵敏度、高准确度的溴氰菊酯农药残留定量检测方法	水中的溴氰菊酯农药残留	机器学习	NA	表面增强拉曼光谱	CNN,GRU,Attention机制	光谱数据	NA	NA	CNN-GRU-Attention混合神经网络	相关系数R,均方根误差RMSE	NA
233	2025-10-06	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	提出一个名为Neurofusionnet的综合框架，通过混合元启发式优化算法从EEG数据中准确预测癫痫发作	结合了改进的ShuffleNet V2、SqueezeNet、EfficientNet V2和基于多头注意力的GhostNet V2的检测模型，并采用混合黑猩猩增强狐狸优化算法进行特征选择	NA	开发一个准确预测癫痫发作的完整框架	癫痫患者的EEG数据	医学人工智能	癫痫	EEG信号处理、独立成分分析、小波变换	深度学习	EEG信号	NA	NA	Improved ShuffleNet V2, SqueezeNet, EfficientNet V2, Multi Head Attention based GhostNet V2	NA	NA
234	2025-10-06	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	指南	为肾脏病学同行评审提供评估人工智能和机器学习研究的结构化框架	整合TRIPOD-AI清单，提出针对肾脏病学AI/ML研究的系统评审框架	NA	提升肾脏病学领域AI/ML研究的评审质量和临床可靠性	肾脏病学领域的AI/ML研究论文	机器学习	肾脏疾病	电子健康记录分析、生物标志物分析、医学影像分析	卷积神经网络, 预测模型	电子健康记录, 医学影像, 生物标志物	NA	NA	NA	NA	NA
235	2025-10-06	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	研究论文	开发基于多参数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	首次将VB-Net深度学习网络用于肿瘤自动分割，并结合临床/影像学特征构建融合指数相关模型和四分类模型	样本量相对有限（252例患者），研究时间跨度较长（2014-2024年）	术前准确区分颅内孤立性纤维瘤和脑膜瘤，为手术规划和治疗策略提供依据	颅内孤立性纤维瘤（56例）和脑膜瘤（196例）患者	医学影像分析	脑肿瘤	多参数MRI	VB-Net, 机器学习	MRI图像, 临床数据, 影像学特征	252例患者（56例SFTs，196例脑膜瘤）	NA	VB-Net	DSC, AUC	NA
236	2025-10-06	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	本文探讨人工智能在医疗领域的应用、挑战及未来发展方向	系统整合了AI在癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗等多元医疗场景的应用现状	面临数据隐私、算法偏见和监管问题等挑战	分析AI在医疗领域的应用潜力与发展路径	医疗诊断系统、医学数据管理和个性化治疗方案	医疗人工智能	癌症, 脑肿瘤, 口腔疾病	机器学习, 深度学习	NA	医学影像, 基因数据, 临床数据, 生活方式数据	NA	NA	NA	诊断准确率	NA
237	2025-10-06	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	提出一种可解释的多层次堆叠集成框架CNNBoost，用于从12导联心电图图像中有效检测心肌梗死	提出结合CNN空间特征和XGBoost的堆叠集成模型，能够同时学习时空特征，并引入SHAP可解释性分析	使用南亚健康中心的公开数据集，可能存在地域代表性限制	开发可解释的机器学习框架用于心电图异常分类	心肌梗死和其他心脏异常的心电图图像	计算机视觉	心血管疾病	心电图图像分析	CNN, XGBoost	图像, 时间序列	NA	XGBoost	CNN, 堆叠集成模型	准确率, AUC, AUPRC	NA
238	2025-10-06	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	提出基于Condorcet陪审团定理的CNN集成方法JuryFusionNet，用于从皮肤病变图像中检测猴痘	首次将Condorcet陪审团定理应用于CNN模型集成，通过动态特征重校准和集体决策机制提高检测精度	依赖预训练模型，在两个不同规模数据集上性能存在差异	开发高精度的猴痘皮肤病变自动检测方法	猴痘、水痘、麻疹和正常皮肤的病变图像	计算机视觉	猴痘	深度学习，迁移学习	CNN，集成学习	皮肤病变图像	MSID数据集：770张图像（4类）；MSLD数据集：3192张样本（2类）	TensorFlow, Keras	DenseNet169, DenseNet201, MobileNet, ResNet50V2	准确率	NA
239	2025-10-06	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	本研究评估深度学习模型在心脏导管实验室手术结束时间预测中的性能	首次基于临床工作流程阶段进行手术持续时间预测的基准研究，仅使用视频分析得出的临床阶段作为算法输入	需要在不同手术环境中验证研究结果，训练时间优化方面有待改进	开发能够准确预测心脏导管实验室手术结束时间的深度学习模型	心脏导管实验室进行的手术流程	机器学习	心血管疾病	视频分析	CNN, LSTM, Transformer, 集成模型	时间序列数据	NA	NA	InceptionTime, LSTM-FCN, 带注意力机制的LSTM, 标准LSTM	平均绝对误差, 对称平均绝对百分比误差	NA
240	2025-10-06	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	提出一种用于乳腺和甲状腺超声图像病灶分割的深度学习算法MLP-UNet	在U-Net编码器阶段集成基于MLP的MAP模块，并在跳跃连接中使用轻量级注意力模块增强特征表示	NA	开发用于超声图像病灶自动分割的深度学习模型以辅助临床活检和手术导航	乳腺肿瘤和甲状腺结节	计算机视觉	乳腺癌,甲状腺癌	超声成像	CNN	图像	BUSI和DDTI两个公开数据集	NA	U-Net	Dice系数,IoU,Recall	仅使用33.75M参数，保持低计算复杂度