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
221	2025-06-01	Deep learning-enhanced signal detection for communication systems 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324916 PMID:40424260	研究论文	该研究创新性地结合MIMO与正交频分复用技术，构建了一个数据驱动的检测系统，用于提升通信信号检测的准确性和实时性能	采用双DNN级联结构和混合激活函数设计的Multi-DNN方法优化MIMO部分的信道估计与信号检测协调过程，并设计基于CNN批归一化机制的DCNet解码器有效抑制OFDM系统中的子载波间干扰	NA	提升通信信号检测的准确性、优化实时性能并降低资源消耗	通信信号检测系统	机器学习	NA	MIMO, 正交频分复用技术	Multi-DNN, CNN	信号数据	模拟训练集和测试集，以及2.4 GHz和5 GHz WiFi信号
222	2025-06-01	InBRwSANet: Self-attention based parallel inverted residual bottleneck architecture for human action recognition in smart cities 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322555 PMID:40424287	研究论文	提出了一种基于自注意力机制的并行倒置残差瓶颈架构InBRwSANet，用于智能城市中的人类动作识别	结合了6个并行倒置残差瓶颈块和自注意力机制，能够学习复杂的人类动作并进行有效分类	在HMDB51和UCF101数据集上的准确率分别为78.80%和91.80%，仍有提升空间	提高智能城市中人类动作识别的准确性和效率	人类动作识别	计算机视觉	NA	粒子群优化(PSO)算法	InBRwSA (基于自注意力的并行倒置残差瓶颈架构)	视频	HMDB51和UCF101数据集
223	2025-06-01	Application of a grey wolf optimization-enhanced convolutional neural network and bidirectional gated recurrent unit model for credit scoring prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322225 PMID:40424348	研究论文	本文提出了一种结合CNN和BiGRU的信用评分预测模型，并使用GWO算法进行超参数调优	结合CNN和BiGRU模型，并引入GWO算法优化关键参数，显著提高了预测准确性和效率	未提及模型在极端金融环境下的表现或对新型金融欺诈的检测能力	提高信用评分预测的准确性和效率，为金融风险管理提供创新技术方案	大规模、高维度的金融数据	机器学习	NA	GWO算法	CNN, BiGRU	金融数据	多个公共信用评分数据集，包括LendingClub贷款数据集
224	2025-06-01	Multi-convolutional neural networks for cotton disease detection using synergistic deep learning paradigm 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324293 PMID:40424461	研究论文	提出一种基于多卷积神经网络和协同深度学习范式的棉花病害检测方法	结合MobileNet和VGG16的特征提取，使用定制StyleGAN生成合成数据解决类别不平衡问题，并采用StackNet集成分类器提高分类准确率	现有数据集大多在受控条件下获取，可能影响模型在真实田间环境中的表现	开发自动化方法准确检测棉花作物病害以提高产量	棉花作物的六种病害（细菌性疫病、卷叶病毒病、镰刀菌枯萎病、链格孢病、尾孢病、灰霉病）和健康植株	计算机视觉	植物病害	深度学习	CNN（MobileNet和VGG16）、LSTM、SVM、随机森林、StackNet集成模型	图像	公开数据集（具体数量未提及）
225	2025-06-01	Uncertainty-Aware Bayesian Deep Learning with Noisy Training Labels for Epileptic Seizure Detection 2025, Uncertainty for safe utilization of machine learning in medical imaging : 6th international workshop, UNSURE 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. UNSURE (Workshop) (6th : 2024 : ... DOI:10.1007/978-3-031-73158-7_1 PMID:40433566	研究论文	提出了一种新颖的贝叶斯框架BUNDL，用于在监督深度学习中减轻标签噪声的影响，特别针对基于EEG的癫痫发作检测	利用领域知识设计后验分布，自动调整基于数据不确定性的“干净标签”，并可以包装任何现有检测模型	未提及具体局限性	减轻监督深度学习中标签噪声的影响，提高癫痫发作检测的准确性	EEG信号和癫痫发作检测	机器学习	癫痫	贝叶斯深度学习	深度网络	EEG信号	模拟EEG数据集和Temple University Hospital (TUH)语料库
226	2025-06-01	Deep learning-based classification of speech disorder in stroke and hearing impairment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315286 PMID:40435156	research paper	该研究开发了一种基于深度学习的模型，用于分类由中风和听力障碍引起的语音障碍	研究不仅比较正常人和语音障碍患者的语音数据，还进一步分类语音障碍的具体病因，如中风和听力障碍	研究仅针对韩语语音障碍数据，可能无法推广到其他语言或更广泛的语音障碍类型	分类语音障碍的具体病因，如中风和听力障碍，通过分析语音数据	由中风和听力障碍引起的韩语语音障碍数据	natural language processing	stroke, hearing impairment	deep learning	ResNet-18, Inception V3, SEResNeXt-18	voice data	NA
227	2025-06-01	Odor classification: Exploring feature performance and imbalanced data learning techniques 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322514 PMID:40435193	research paper	本研究探讨了嗅觉这一复杂且未被充分理解的感官模式，旨在填补近期研究中使用机器学习和深度学习方法预测人类嗅觉感知的两个空白	通过构建包含2606个分子的新数据集，评估了三种特征（质谱、振动光谱和分子指纹）的性能，并提出了可解释的成本敏感多层感知器模型（CSMLP）来处理类别不平衡问题	研究中未提及具体的数据集来源和分子选择的偏差可能对结果的影响	比较不同特征在气味分类中的预测性能，并解决多标签数据集中的类别不平衡问题	2606个分子及其对应的质谱、振动光谱和分子指纹特征	machine learning	NA	multi-label classification, random resampling, cost-sensitive learning	multilayer perceptron (MLP), CSMLP	mass spectra (MS), vibrational spectra (VS), molecular fingerprint features (FP)	2606个分子
228	2025-06-01	Advanced predictive modeling for enhanced mortality prediction in ICU stroke patients using clinical data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0323441 PMID:40435317	research paper	该研究开发了一种深度学习模型，用于预测ICU缺血性卒中患者的死亡率，通过优化特征选择和数据清理提高了预测准确性	结合XGBoost进行特征选择和深度学习，显著减少了特征数量（从1095降至30），并提高了AUROC性能（提升13%）	研究依赖于单一数据库（MIMIC-IV）的数据，可能影响模型的泛化能力	优化ICU缺血性卒中患者的死亡率预测，以改善治疗策略和资源分配	ICU缺血性卒中患者	machine learning	cardiovascular disease	SMOTE, XGBoost, deep learning	XGB-DL (XGBoost + deep learning)	临床数据（诊断、生命体征、实验室测试、药物、程序、治疗和临床记录）	3,646名ICU患者（训练集2,441名，测试集和验证集各523名）
229	2025-06-01	Advancing malware imagery classification with explainable deep learning: A state-of-the-art approach using SHAP, LIME and Grad-CAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318542 PMID:40435333	研究论文	本文提出了一种可解释的深度学习方法，用于恶意软件图像分类，并比较了多种集成技术	结合SHAP、LIME和Grad-CAM等可解释性技术，提供了对模型预测行为的全面理解，增强了恶意软件检测的透明度和可信度	研究主要关注恶意软件图像数据，对其他类型恶意软件的适用性未进行验证	提高恶意软件检测的可解释性和可靠性	恶意软件图像数据	机器学习	NA	SHAP、LIME、Grad-CAM	DNNW、RUSBoost、Random Forest、Subspace、AdaBoost、BagTree	图像	NA
230	2025-06-01	Implications of artificial intelligence in periodontal treatment maintenance: a scoping review 2025, Frontiers in oral health IF:3.0Q1 DOI:10.3389/froh.2025.1561128 PMID:40438083	综述	本文探讨了人工智能在牙周治疗维护中的应用及其影响	人工智能在牙周病诊断和治疗规划中展现出高精度和个性化护理的优势	标准化和伦理问题是人工智能广泛应用的关键挑战	评估人工智能在牙周维护中的应用及其效果	牙周病（牙龈炎和牙周炎）	人工智能在医疗健康中的应用	牙周病	深度学习算法，如卷积神经网络（CNNs）和分割技术	Multi-Label U-Net, CNN	临床数据和影像数据	2018年至2024年间发表的研究
231	2025-06-01	Label-Free Prediction of Fluorescently Labeled Fibrin Networks 2025, Biomaterials research IF:8.1Q1 DOI:10.34133/bmr.0211 PMID:40438124	research paper	提出一种深度学习工具，用于从无标记图像堆栈中预测荧光标记的光学切片，以恢复反射共聚焦显微镜（RCM）未检测到的纤维	使用深度学习模型从RCM图像和激光透射图像预测荧光标记，避免了荧光染料对细胞活力和样品的影响	预测的纤维比原始荧光标记略宽（0.213 ± 0.009 μm）	开发一种无需荧光标记即可研究细胞外基质（ECM）纤维结构的方法	纤维蛋白网络和胶原蛋白等天然生物材料的纤维结构	digital pathology	NA	反射共聚焦显微镜（RCM）和深度学习	全卷积图像到图像映射架构	图像	NA
232	2025-06-01	Construction of a predictive model for rebleeding risk in upper gastrointestinal bleeding patients based on clinical indicators such as Helicobacter pylori infection 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1510126 PMID:40438212	研究论文	基于幽门螺杆菌感染等临床指标构建上消化道出血患者再出血风险的预测模型	结合幽门螺杆菌感染程度与多项临床实验室检查数据，开发了一种深度学习模型，用于预测上消化道出血患者的再出血风险	研究样本仅来自单一医院的254名患者，可能影响模型的泛化能力	构建一个预测上消化道出血患者再出血风险的临床模型	上消化道出血患者	数字病理	上消化道出血	深度学习	Transformer + KAN	临床信息和实验室指标	254名上消化道出血患者
233	2025-06-01	Next-generation fall detection: harnessing human pose estimation and transformer technology 2025, Health systems (Basingstoke, England) DOI:10.1080/20476965.2024.2395574 PMID:40438315	research paper	该研究结合人体姿态估计框架和transformer深度学习模型，开发了一种轻量级、保护隐私的跌倒检测系统	结合三种领先的人体姿态估计框架和transformer模型，开发出可在低功耗设备上运行、无需穿戴设备且所有处理均在本地完成的隐私保护跌倒检测系统	未提及系统在极端光照条件或复杂背景环境下的表现	开发高精度、高效且保护隐私的老年人跌倒检测系统	老年人跌倒行为	computer vision	geriatric disease	human pose estimation, transformer deep learning	transformer	video	未提及具体样本数量，但进行了真实世界测试
234	2025-06-01	Knowledge map of artificial intelligence in neurodegenerative diseases: a decade-long bibliometric and visualization study 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1586282 PMID:40438502	研究论文	通过文献计量和可视化方法分析过去十年神经退行性疾病领域AI研究的文献，挖掘该领域的核心期刊、机构、作者和国家，并分析关键词以推测未来研究趋势	首次使用文献计量和可视化方法系统分析神经退行性疾病AI研究领域的知识图谱，并预测未来四大研究趋势	仅基于Web of Science数据库的1921篇文献进行分析，可能未涵盖所有相关研究	分析神经退行性疾病领域AI研究的现状和发展趋势	2015-2025年间神经退行性疾病AI研究领域的1921篇文献	机器学习	神经退行性疾病	文献计量分析、知识图谱可视化	NA	文献数据	1921篇出版物
235	2025-06-01	Comparative analysis of multi-zone peritumoral radiomics in breast cancer for predicting NAC response using ABVS-based deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1586715 PMID:40438687	research paper	本研究通过基于ABVS的深度学习模型，比较分析乳腺癌多区域瘤周放射组学特征，以预测新辅助化疗（NAC）反应	首次系统比较不同瘤周厚度区域对NAC反应预测的准确性，并开发了结合瘤内和瘤周特征的AI模型	研究为回顾性分析，样本量相对有限（402例患者）	建立可临床实施的框架，通过标准化预测模型早期识别NAC无反应者	乳腺癌患者	digital pathology	breast cancer	Automated Breast Volume Scanning (ABVS), radiomics	TabNet	image	402例乳腺癌患者
236	2025-06-01	MRI-based 2.5D deep learning radiomics nomogram for the differentiation of benign versus malignant vertebral compression fractures 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1603672 PMID:40438697	research paper	该研究开发并验证了一种基于MRI的列线图，结合临床和深度学习放射组学特征，用于区分良性与恶性椎体压缩性骨折	新颖的2.5D深度学习框架和全面的特征融合策略，显著提高了诊断准确性	研究为回顾性队列研究，样本量相对较小（234例患者）	区分良性与恶性椎体压缩性骨折	234例椎体压缩性骨折患者	digital pathology	椎体压缩性骨折	MRI, 深度学习放射组学	ResNet50, ExtraTrees	MRI图像	234例患者（训练集与测试集比例为7:3）
237	2025-06-01	Reducing annotation effort in agricultural data: simple and fast unsupervised coreset selection with DINOv2 and K-means 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1546756 PMID:40438735	research paper	该研究提出了一种结合DINOv2和K-means的无监督核心集选择方法，以减少农业数据标注的工作量	结合了最新的基础模型DINOv2作为特征选择器与K-means聚类方法，提出了一种简单有效的核心集选择方法	未提及方法在大规模数据集上的扩展性或计算效率	减少农业应用中深度学习模型训练所需的标注数据量	农业数据	machine learning	NA	DINOv2, K-means	multiclass classification model	image	在两个不同数据集上进行了验证，具体样本量未提及
238	2025-06-01	Deep learning-based anomaly detection for precision field crop protection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1576756 PMID:40438741	research paper	提出了一种结合IMSFNet和AROS的新型框架，用于精准农业中的异常检测和资源优化	整合了多模态数据融合和时空建模的IMSFNet，以及基于实时环境反馈的AROS资源优化策略	未提及具体实验样本量和跨地区应用的普适性验证	优化精准农业中的作物保护和资源利用效率	农田作物健康异常（病虫害爆发、疾病传播、营养缺乏等）	精准农业	NA	多模态数据融合（无人机、卫星、地面传感器、气象站数据）	IMSFNet（集成多模态智能农业网络）	多源时空数据	NA
239	2025-06-01	Optimizing drug synergy prediction through categorical embeddings in deep neural networks 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf033 PMID:40438791	研究论文	本文研究了在深度神经网络中使用分类嵌入来优化药物协同预测	利用分类嵌入捕捉类别元素间的相似性，特别是在数据稀缺情况下表现出优势	未提及具体的数据集规模或模型验证的局限性	提高药物协同作用的预测准确性	药物组合的协同作用	机器学习	癌症	深度神经网络	DNN	药物组合数据	NA
240	2025-06-01	A deep learning-based algorithm for the detection of personal protective equipment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322115 PMID:40440260	研究论文	提出一种基于YOLOv8n改进的深度学习算法，用于提高建筑工地个人防护装备(PPE)的检测准确率	设计了多尺度组卷积模块(MSGP)和多尺度特征扩散金字塔网络(MFDPN)，引入可变形卷积网络v2(DCNV2)模块处理几何尺度变换，并应用结构化剪枝技术降低计算和参数负载	未提及模型在其他场景或不同类型PPE上的泛化能力	提高建筑工地个人防护装备的检测准确率	建筑工地监控图像中的个人防护装备	计算机视觉	NA	深度学习	YOLOv8n改进模型(MFD-YOLO)	图像	未明确说明具体样本数量，仅提及建筑工地监控图像