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
241	2025-09-27	An evolutionary Bi-LSTM-DQN framework for enhanced recognition and classification in rural information management 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2967 PMID:40989483	研究论文	提出一种结合进化算法、强化学习和双向长短期记忆网络的EBLM-DQN框架，用于提升农村信息管理的识别分类精度	首次将进化算法与Bi-LSTM和DQN相结合，通过动态权重优化和进化选择实现农村信息的精准识别	NA	提高农村信息管理中信息识别和分类的准确性与效率	农民相关的农村信息数据	自然语言处理	NA	进化算法、强化学习、深度学习	Bi-LSTM、DQN	文本数据	公共数据集和实际应用数据
242	2025-09-27	A review of deep learning methods in aquatic animal husbandry 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3105 PMID:40989481	综述	本文对水产养殖中深度学习方法的应用进行了系统性综述	重点分析了U-Net模型在分割任务中达到94.44%的高性能表现	未提及具体研究样本量的限制	提升水产养殖自动化操作的精确性、生产力和可持续性	水生动物	计算机视觉	NA	深度学习	U-Net	图像、视频	NA
243	2025-09-27	Predicting academic performance for students' university: case study from Saint Cloud State University 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3087 PMID:40989480	研究论文	本研究使用LSTM模型预测圣克劳德州立大学学生的学业表现（GPA）	采用LSTM模型结合丰富的学术和人口统计特征，在院系两级进行预测，性能优于传统机器学习和深度学习模型	数据仅限于单一大学（SCSU），可能缺乏泛化能力	预测大学生学业表现以识别有风险学生	圣克劳德州立大学的29,455名学生	教育数据挖掘	NA	教育数据挖掘、特征重要性分析	LSTM、RNN、CNN、线性回归、KNN、决策树、随机森林、SVR	学术和人口统计特征数据	29,455名学生（2016-2024年共8年数据）
244	2025-09-27	Multi-task advanced convolutional neural network for robust lymphoblastic leukemia diagnosis, classification, and segmentation 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3043 PMID:40989487	研究论文	提出一种新型多任务高级卷积神经网络框架，用于医学影像中的急性淋巴细胞白血病诊断、分类和分割	采用多任务学习架构同时处理表达分类和疾病检测任务，通过级联结构学习不同抽象层次的特征	NA	提高急性淋巴细胞白血病诊断的准确性和效率	急性淋巴细胞白血病患者的医学影像数据	数字病理学	白血病	深度学习	CNN（卷积神经网络）	医学影像	综合医学影像数据集（具体数量未提及）
245	2025-09-27	Water meter reading recognition method based on character attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332119 PMID:40991632	研究论文	提出一种基于字符注意力机制的水表读数识别方法，通过改进检测和识别网络提升自然场景下的读数准确率	引入字符检测注意力机制改进数字检测性能，结合改进的LeNet-5网络和全局平均池化层提升识别精度并缓解过拟合	NA	解决水表读数识别中因拍摄角度和环境光照变化导致的干扰问题	水表表盘图像中的数字字符	计算机视觉	NA	深度学习	ResNet-FPN、改进LeNet-5、注意力机制	图像	CCF真实场景水表读数自动识别数据集
246	2025-09-27	Evaluating the diagnostic performance of OpenBioLLM in neurology: A case-based assessment of a medical large language model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332196 PMID:40997070	研究论文	评估医疗大语言模型OpenBioLLM在神经病学领域的诊断性能	首次对专门针对生物医学领域的大语言模型OpenBioLLM进行神经病学诊断能力的系统评估	模型在识别正确病理生理学原因方面存在困难，目前尚不能作为可靠的独立诊断工具	评估OpenBioLLM在神经疾病诊断中的准确性、全面性、补充性和流畅性	25个来自《神经病学临床病例》的复杂神经病学案例	自然语言处理	神经疾病	大语言模型	Transformer	文本	25个神经病学临床病例
247	2025-09-27	A GAN-Based Approach for enhancing security in satellite based IoT networks using MPI enabled HPC 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331019 PMID:40997099	研究论文	提出一种基于GAN的安全框架DLGAN，用于增强卫星物联网网络的安全性	结合CNN实时异常检测与GAN生成合成攻击数据，首次在卫星物联网场景中通过MPI实现HPC并行优化	未提及具体实验数据集规模及实际部署场景的局限性	解决卫星物联网网络在HPC环境下的安全传输问题	卫星物联网网络流量数据	机器学习	NA	生成对抗网络(GAN)、卷积神经网络(CNN)、消息传递接口(MPI)	GAN、CNN	网络流量数据	未明确说明具体样本数量
248	2025-09-27	A hybrid deep learning framework combining transformer and logistic regression models for automatic marine mucilage detection using sentinel-1 SAR data: A case study in Armutlu-Zeytinbağı, Marmara Sea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330721 PMID:40997107	研究论文	提出结合Transformer和逻辑回归的混合深度学习框架，利用Sentinel-1 SAR数据自动检测马尔马拉海的海底黏液	首次将Transformer模型与逻辑回归结合用于海洋黏液检测，创建了独特的VV-VH偏振波段后向散射值数据集	研究区域仅限于马尔马拉海的Armutlu-Zeytinbağı地区，时间范围较短（2021年5-6月）	开发自动检测海洋黏液区域的深度学习系统	马尔马拉海Armutlu-Zeytinbağı区域的海水样本	计算机视觉	NA	卫星遥感（Sentinel-1 SAR），深度学习，机器学习	混合模型（Transformer + 逻辑回归），RNN，CNN，决策树，朴素贝叶斯，SVM	卫星图像（SAR数据）	2600个样本（1300个黏液区域，1300个清洁区域）
249	2025-09-27	Vision transformer and Mamba-attention fusion for high-precision PCB defect detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331175 PMID:40997120	研究论文	提出融合视觉Transformer和Mamba注意力机制的混合框架ViT-Mamba，用于高精度PCB缺陷检测	首次将Vision Transformer与Mamba注意力机制结合，并引入人工缺陷生成模块和分层多尺度优化策略	仅针对PCB缺陷检测任务进行验证，通用性有待进一步评估	解决PCB缺陷检测中数据分布不平衡和模型泛化能力不足的问题	印刷电路板（PCB）的缺陷检测	计算机视觉	NA	深度学习、注意力机制	Vision Transformer、Mamba注意力机制	图像	公开PCB缺陷数据集
250	2025-09-27	A graph neural network-based approach for predicting SARS-CoV-2-human protein interactions from multiview data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332794 PMID:40997149	研究论文	提出基于多视图图神经网络的深度学习方法来预测SARS-CoV-2与人类蛋白质相互作用	采用多视图图神经网络结合最优传输整合方法，首次将蛋白质序列、基因本体术语和物理相互作用信息进行融合预测	实验验证的病毒-宿主相互作用数据仅包含有限数量的高置信度相互作用	开发准确的SARS-CoV-2与人类蛋白质相互作用预测模型以支持药物重定位	SARS-CoV-2病毒蛋白质与人类宿主蛋白质	机器学习	COVID-19	多视图图神经网络、最优传输整合	图神经网络(GNN)	多视图生物数据（蛋白质序列、基因本体、相互作用网络）	验证确认472个高置信度相互作用（涉及280个宿主蛋白质和27个SARS-CoV-2蛋白质）
251	2025-09-27	AI: the Apollo guidance computer of the Exposome moonshot 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1632520 PMID:41000410	评论	提出将人工智能与暴露组数据结合的统一愿景，通过微生理系统和多组学平台构建数字孪生体	将暴露组研究比作阿波罗登月计划，提出AI作为导航计算机、MPS作为火箭、多组学作为登月舱的创新框架	需要扩展模型适用域、实施数据安全措施并优先开发可解释算法	建立预防驱动、个性化的健康与监管科学新范式	人类暴露组（环境暴露总和）	机器学习	NA	多组学平台、微生理系统(MPS)	深度学习	多组学数据、环境暴露数据	NA
252	2025-09-27	A systematic review of the hybrid machine learning models for brain tumour segmentation and detection in medical images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1615550 PMID:41000409	系统综述	本文系统综述了混合机器学习模型在医学图像中脑肿瘤分割与检测的应用	重点分析传统机器学习模型（如SVM）与深度神经网络（如VGG-19、YOLOv10n）的混合架构在脑肿瘤分析中的创新应用	模型泛化能力不足、缺乏大型标注数据集、可解释性AI应用有限	评估混合机器学习模型在提升脑肿瘤MRI图像分析计算效率和诊断准确性的潜力	脑肿瘤医学图像（MRI）	医学图像分析	脑肿瘤	机器学习、深度学习	SVM、VGG-19、YOLOv10n、CNN	医学图像（MRI）	基于25项2019-2024年间相关研究的系统分析
253	2025-09-27	Gait phase recognition of children with cerebral palsy via deep learning based on IMU data from a soft ankle exoskeleton 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1679812 PMID:41000473	研究论文	提出基于IMU数据和深度学习框架的脑瘫儿童步态相位识别方法	首次将堆叠去噪自编码器与LSTM网络结合用于脑瘫儿童自然行走状态下的步态相位分类	样本量较小（仅6名轻度脑瘫儿童），需进一步扩大验证范围	开发精准的脑瘫儿童步态相位识别系统以支持康复评估	轻度脑瘫儿童的步态数据	机器学习	脑瘫	惯性测量单元(IMU)数据采集	SDA-LSTM（堆叠去噪自编码器+长短期记忆网络）	传感器时序数据	6名轻度脑瘫儿童的自然步态序列
254	2025-09-27	Toward accurate single image sand dust removal by utilizing uncertainty-aware neural network 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1575995 PMID:41000467	研究论文	提出一种基于不确定性感知神经网络HIUNet的单幅图像沙尘去除新框架	首次将贝叶斯神经网络引入沙尘去除任务，通过分层交互的不确定性感知机制和特征频率选择策略提升图像恢复质量	尚未针对极端沙尘场景进行优化，未来计划扩展框架处理此类情况	解决沙尘环境中单幅图像去尘的异质性不确定性挑战	受沙尘退化的单幅图像	计算机视觉	NA	贝叶斯神经网络、特征频率选择、特征增强	HIUNet（分层交互不确定性感知网络）	图像	自建Sand11K数据集（包含不同退化程度的沙尘图像）
255	2025-09-27	Deep Learning for Cancer Detection Based on Genomic and Imaging Data: A Comprehensive Review 2025, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S533522 PMID:41001156	综述	本文全面综述了基于基因组和影像数据的深度学习在癌症检测中的应用进展	系统整合基因组与影像数据的深度学习创新方法，推动精准诊断和个性化治疗发展	NA	总结深度学习在癌症早期检测领域的研究现状与未来方向	癌症检测的深度学习模型及应用	数字病理	癌症	基因组测序、医学影像技术	CNN	基因组数据、影像数据	NA
256	2025-09-27	Radiomics signature and deep learning signature of intrathrombus and perithrombus for prediction of malignant cerebral edema after acute ischemic stroke: a multicenter CT study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1650970 PMID:41001195	研究论文	本研究通过分析急性缺血性脑卒中患者血栓内及血栓周围区域的影像组学和深度学习特征，预测恶性脑水肿的发生风险	首次联合使用血栓内和血栓周围区域的影像组学与深度学习特征，并比较了不同区域特征对恶性脑水肿的预测效能	回顾性研究设计，样本量相对有限（共406例患者）	预测急性缺血性脑卒中后恶性脑水肿的发生风险	急性缺血性脑卒中患者	医学影像分析	脑血管疾病	CT影像分析、影像组学特征提取、深度学习特征提取	VGG16、LASSO回归、11种机器学习分类器（包括逻辑回归）	CT图像	406例急性缺血性脑卒中患者（训练集/测试集来自中心A，外部验证集来自中心B和C）
257	2025-09-27	Federated learning for lesion segmentation in multiple sclerosis: a real-world multi-center feasibility study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1620469 PMID:41001196	研究论文	本研究探索联邦学习在多中心真实医院环境中进行多发性硬化病灶分割的可行性	首次在真实世界多中心场景下应用联邦学习进行MS病灶分割，无需共享原始患者数据	性能在不同站点间存在差异，反映了数据异质性带来的挑战	验证联邦学习在分布式临床环境中进行医学图像分析的可行性和有效性	多发性硬化患者的MRI图像	医学图像分析	多发性硬化	联邦学习	nnU-Net	MRI图像	来自三个医疗中心的512例MRI病例
258	2025-09-27	Scanning faces: a deep learning approach to studying eye movements in prosopagnosia 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1616509 PMID:41001204	研究论文	本研究使用深度学习技术分析面孔失认症患者与健康对照者在面孔识别任务中的眼动扫描模式差异	首次将图像分类深度学习技术应用于面孔失认症眼动研究，开发了两种将扫描路径可视化为图像的方法	未明确说明样本量大小，对发育性面孔失认症的分类准确率相对较低（AUC 69%）	确定人工智能方法能否识别面孔失认症的关键眼动扫描标志物	面孔失认症患者（获得性和发育性）与健康对照者	计算机视觉	神经认知障碍	深度学习、图像分类	CNN（卷积神经网络）	眼动扫描路径图像	NA
259	2025-09-27	Development of a deep learning model for automated diagnosis of neuromuscular diseases using ultrasound imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1640428 PMID:41001208	研究论文	开发用于神经肌肉疾病超声图像自动诊断的轻量级可解释深度学习模型	提出集成GhostNet主干网络、CBAM注意力模块和深度可分离卷积的NMD-AssistNet新型模型，兼具高效性和判别能力	模型性能依赖于公开数据集的规模和质量，未涉及多中心临床验证	实现神经肌肉疾病的自动化超声图像分类筛查	神经肌肉疾病患者的肌肉超声图像	计算机视觉	神经肌肉疾病	肌肉骨骼超声成像	CNN（GhostNet结合CBAM注意力机制）	图像	3,917张标注肌肉超声图像
260	2025-09-27	Automated classification and explainable AI analysis of lung cancer stages using EfficientNet and gradient-weighted class activation mapping 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1625183 PMID:41001382	研究论文	提出基于EfficientNet-B0和Grad-CAM的自动化深度学习模型，用于CT图像的肺癌分期分类	结合EfficientNet-B0架构与可解释AI技术Grad-CAM，在实现高精度分类的同时提供可视化决策依据	仅使用单一数据集（IQ-OTH/NCCD）进行训练，需要更多外部验证	开发自动化肺癌分期分类系统以辅助临床诊疗决策	肺部CT扫描图像	计算机视觉	肺癌	CT影像分析	EfficientNet-B0, Grad-CAM	医学影像	1,190例CT扫描（包含良性、恶性和正常类别）