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
3061	2025-05-14	Female autism categorization using CNN based NeuroNet57 and ant colony optimization 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109926 PMID:40056838	research paper	该研究提出了一种名为NeuroNet57的57层CNN架构，结合蚁群优化算法，用于从fMRI数据中提取特征并分类女性自闭症	提出NeuroNet57架构和结合蚁群优化进行特征选择，提高了女性自闭症分类的准确性	女性表型和基因型数据较为缺乏	开发一种准确诊断女性自闭症的深度学习方法	女性自闭症患者和正常行为女性	digital pathology	autism spectrum disorder	fMRI	CNN, ACO, KNN	image	ABIDE-I数据集14372×4096特征矩阵，ABIDE-II数据集16168×4096特征矩阵
3062	2025-05-14	Addressing underestimation and explanation of retinal fundus photo-based cardiovascular disease risk score: Algorithm development and validation 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109941 PMID:40064120	research paper	开发并验证了一种深度学习模型，用于解决基于视网膜眼底照片的心血管疾病风险评分低估问题，并探索其机制	提出了一种序数回归深度学习模型，解决了心血管疾病风险评分低估问题，并通过迁移学习和显著性图等方法探索了模型机制	模型性能在便携式相机数据上略有下降	解决心血管疾病风险评分低估问题并探索AI模型机制	视网膜眼底照片	digital pathology	cardiovascular disease	Deep Learning	ordinal regression DL model	image	34,652名参与者（UK Biobank数据集）和401名参与者（外部验证数据集，共1376张照片）
3063	2025-05-14	Predicting C- and S-linked Glycosylation sites from protein sequences using protein language models 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109956 PMID:40073495	research paper	该研究提出了一种使用蛋白质语言模型预测C-和S-连接糖基化位点的方法	提出了两种新模型DeepCSEmbed-C和DeepCSEmbed-S，分别用于预测C-和S-连接糖基化位点，并采用了不同的特征选择和采样策略	未提及具体的数据集规模限制或模型泛化能力的局限性	开发计算技术以预测蛋白质序列中的C-和S-连接糖基化位点	蛋白质序列中的C-和S-连接糖基化位点	生物信息学	NA	蛋白质语言模型、特征选择方法（RFE和PSO）、采样策略（随机欠采样、SMOTE和ADASYN）	DeepCSEmbed-C（FNN和Inception分支的双分支深度学习模型）、DeepCSEmbed-S（CAT模型）	蛋白质序列数据	未提及具体样本数量
3064	2025-05-14	Progressive multi-task learning for fine-grained dental implant classification and segmentation in CBCT image 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109896 PMID:40073494	研究论文	提出一种基于深度学习的多任务细粒度CBCT牙科种植体分类和分割方法，称为MFPT-Net	基于渐进式训练的多尺度特征提取和增强方法，能够区分微小的种植体特征和易混淆的相似特征，如种植体螺纹	NA	提高CBCT图像中牙科种植体的自动分类和分割的效率和准确性	CBCT图像中的牙科种植体	数字病理学	牙科疾病	深度学习	MFPT-Net	图像	437个CBCT序列，包含723个牙科种植体，来自三个不同的中心
3065	2025-05-14	Deep learning based estimation of heart surface potentials 2025-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103093 PMID:40073713	研究论文	本研究开发了一种基于深度学习的框架，用于仅从体表电位估计心脏表面电位，以简化心电图成像（ECGI）的临床应用	提出了一个深度学习框架，无需依赖几何信息，仅通过体表电位估计心脏表面电位，并引入了标准化的2D表示和定制的Pix2Pix网络模型	样本量相对较小，仅包括11名健康受试者和29名特发性心室颤动患者	开发一种无需CT/MRI的深度学习方法，用于非侵入性估计心脏表面电位	健康受试者和特发性心室颤动患者	数字病理学	心血管疾病	深度学习	Pix2Pix网络	2D体表电位图和2D心脏表面电位图	11名健康受试者（8名女性和3名男性）和29名特发性心室颤动患者（11名女性和18名男性）
3066	2025-05-14	An end-to-end four tier remote healthcare monitoring framework using edge-cloud computing and redactable blockchain 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109987 PMID:40081211	研究论文	提出了一种名为四层远程医疗监控框架（FTRHMF）的端到端安全远程医疗框架，结合边缘云计算和可编辑区块链技术	结合了混合元启发式安全联邦集群路由协议（HyMSFCRP）、多智能体深度强化学习（MA-DRL）和混合变压器深度学习（HTDL）模型，以及可编辑区块链技术	未提及具体实施中的技术难点或实际应用中的潜在问题	提高远程医疗监控的服务质量（QoS），确保数据隐私和安全	医疗物联网（MIoTs）中的无线体感传感器（WBS）、分布式网关（DGW）、分布式边缘服务器（DES）、区块链服务器（BS）和云服务器（CS）	医疗物联网	NA	混合元启发式算法（MTBO和SHO）、多智能体深度强化学习（MA-DRL）、混合变压器深度学习（HTDL）	Lite CNN、Swin Transformer	传感器数据	NA
3067	2025-05-14	A deep Bi-CapsNet for analysing ECG signals to classify cardiac arrhythmia 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109924 PMID:40086290	研究论文	提出一种基于深度双向胶囊网络（Bi-CapsNet）的智能深度学习分类器模型，用于准确分类心电图（ECG）信号中的心律失常	采用深度双向胶囊网络（Bi-CapsNet）结合智能深度学习分类器模型，显著提高了心律失常分类的准确性	研究仅基于MIT-BIH心律失常数据库的五种心律失常类型，可能无法涵盖所有临床情况	开发一种高精度的心律失常自动分类方法	心电图（ECG）信号	机器学习	心血管疾病	深度学习	Bi-CapsNet, CNN-RNN	ECG信号	MIT-BIH心律失常数据库中的五种心律失常类型（NOR, RBBB, PVC, APB, LBBB）
3068	2025-05-14	Deep learning-based automated segmentation of cardiac real-time MRI in non-human primates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109894 PMID:40086292	研究论文	开发了一种基于深度学习的自动分割方法PrimUNet，用于非人灵长类动物心脏实时MRI图像的心肌分割	首次在非人灵长类动物模型中实现了与人类研究相当的自动心肌分割性能，Dice分数达到0.9	目前仅在恒河猴和狒狒的MRI数据上进行了测试，尚未在其他动物模型上验证	开发适用于非人灵长类动物心脏MRI的自动分割方法，提高心血管疾病研究的可靠性和可重复性	非人灵长类动物（恒河猴和狒狒）的心脏MRI图像	数字病理	心血管疾病	MRI	CNN（基于U-Net框架的PrimUNet）	图像（心脏MRI）	恒河猴和狒狒的实时MRI及cine MRI数据
3069	2025-05-14	A sustainable industrial waste control with AI for predicting CO2 for climate change monitoring 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125338 PMID:40273781	研究论文	本研究提出了一种结合AI和Metaverse框架的创新方法，用于预测和监测工业废物碳排放，以支持可持续废物管理	提出了一种结合CNN和LSTM的混合深度学习模型，并引入梯度提升机以提高预测性能，同时利用Metaverse环境实现实时气候监测和交互式数据分析	NA	开发一种先进的AI驱动框架，用于预测和监测工业废物碳排放，以应对气候变化挑战	工业废物碳排放和能源消耗模式	机器学习	NA	深度学习、梯度提升机	CNN、LSTM	能源使用模式、工业社会因素数据	NA
3070	2025-05-14	Deep learning-based spatial optimization of green and cool roof implementation for urban heat mitigation 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125398 PMID:40273786	research paper	提出了一种基于深度学习的城市绿色和凉爽屋顶实施空间优化方法，以减轻城市热压力并最大化成本效益	开发了基于Multi-ResNet深度学习算法的替代模型，用于优化绿色和凉爽屋顶的分配，显著降低了计算需求	研究仅针对大首尔地区，且基于SSP585气候情景和2100年土地覆盖预测，可能不适用于其他地区或情景	优化城市绿色和凉爽屋顶的实施，以减轻城市热压力并提高成本效益	大首尔地区的城市绿色和凉爽屋顶实施	machine learning	NA	Multi-ResNet, WRF-UCM	Multi-ResNet	模拟数据	379个城市网格的262,144种情景
3071	2025-05-14	Multitemporal river flow discharge prediction: A new framework for integrated environmental management and flood control 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125372 PMID:40279745	research paper	该研究提出了一种先进的通用数据分组处理方法（AUGMDH）模型，用于预测不同时间尺度的河流流量排放	引入AUGMDH模型，在多种时间尺度上预测河流流量排放，并在准确性、可靠性和计算效率上优于CNN模型	未明确提及研究的具体局限性	提高河流流量排放预测的准确性和可靠性，以支持水资源管理和洪水控制	河流流量排放	machine learning	NA	AUGMDH, CNN	AUGMDH, CNN	时间序列数据	NA
3072	2025-05-14	Three-dimensional C-scan-based generation adversarial network with synthetic input to improve optical coherence tomography angiography 2025-May, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056006 PMID:40352109	研究论文	提出了一种基于三维C扫描的生成对抗网络（3DCS-GAN），用于改善光学相干断层扫描血管成像（OCTA）的血管可视化	首次提出利用三维C扫描数据重建高质量三维血管网络，充分利用了OCTA数据的体积信息和血管网络的拓扑特征	NA	改善OCTA数据的血管可视化质量	OCTA数据中的血管网络	计算机视觉	葡萄酒色斑病	OCTA	GAN（基于Pix2Pix架构）	三维医学图像	NA
3073	2025-05-14	Association of Deep Learning-based Chest CT-derived Respiratory Parameters with Disease Progression in Amyotrophic Lateral Sclerosis 2025-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.243463 PMID:40358443	research paper	该研究探讨了基于深度学习的胸部CT衍生呼吸参数在预测肌萎缩侧索硬化症（ALS）疾病进展和生存期中的价值	使用深度学习技术从胸部CT中提取肺体积指数（LVI）和呼吸肌指数（RMI），这些参数能够反映ALS的临床分期并预测生存期，特别是在延髓受累患者中具有应用价值	研究为回顾性设计，样本量相对有限（261例患者），且所有数据来自单一三级医院	评估深度学习衍生的胸部CT参数对ALS疾病进展和患者生存期的预测能力	肌萎缩侧索硬化症（ALS）患者	digital pathology	geriatric disease	deep learning-based CT analysis	Gaussian process regressor	CT images	261例ALS患者（平均年龄65.2岁±11.9，男性156例）
3074	2025-05-14	Self-Supervised Learning with Adaptive Frequency-Time Attention Transformer for Seizure Prediction and Classification 2025-Apr-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15040382 PMID:40309845	研究论文	提出了一种结合自适应频时注意力Transformer的自监督学习方法，用于癫痫发作预测和分类	引入了自适应频时注意力机制(AFTA)，通过频域自适应全局和局部滤波增强EEG特征提取的鲁棒性	未明确说明模型在实时预测场景中的表现或计算效率	提高癫痫发作预测和分类的准确性	脑电图(EEG)信号	机器学习	癫痫	自监督学习	Transformer	EEG信号	TUSZ、TUAB和TUEV数据集（具体数量未说明）
3075	2025-05-14	Flood resilience through hybrid deep learning: Advanced forecasting for Taipei's urban drainage system 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124835 PMID:40056592	research paper	该研究利用知识图谱整合多元数据源，结合深度学习模型，为台北市中山抽水站的实时城市排水预警系统提供洪水管理方案	提出结合CNN与BP神经网络的深度学习模型（CNN-BP），用于多输入多输出多步预测（MIMOMS），在10至60分钟间隔内对下水道水位及抽水站内外水位进行高精度预测	研究仅针对台北市中山抽水站，模型在其他地理或气候条件下的泛化能力未验证	提升城市排水系统对极端降雨事件的应对能力，优化防洪策略与灾害管理	台北市中山抽水站的下水道水位及抽水站内外水位	machine learning	NA	深度学习，知识图谱	CNN-BP（卷积神经网络与反向传播神经网络结合）	水位时序数据	未明确提及具体样本数量，数据来源于台北市中山抽水站的实时监测系统
3076	2025-05-14	Effect of training sample size, image resolution and epochs on filamentous and floc-forming bacteria classification using machine learning 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124803 PMID:40056595	研究论文	本研究探讨了训练样本大小、图像分辨率和训练周期对使用机器学习分类丝状和絮状细菌的影响	研究了AI分割模型在准确度指标和计算需求方面的优化，特别是训练样本大小、图像分辨率和训练周期三个变量的影响	未提及具体的技术或模型在极端条件下的表现	优化AI分割模型在废水处理厂细菌检测中的应用	丝状和絮状细菌	计算机视觉	NA	深度学习	AI分割模型	图像	300和500张图像
3077	2025-05-14	Integrating flora, fauna, and indigenous practices into spatial optimization for prescribed burning 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124833 PMID:40058039	研究论文	本研究开发了一种整合植物、动物和传统土地管理实践的空间优化方法，用于指导规定性燃烧，以可持续管理野火风险	提出了一种新颖的空间优化方法，整合火灾风险和共存能力，为规定性燃烧提供区域尺度的规划框架	研究仅应用于嘉陵江流域，未验证其在不同地理区域的普适性	开发可持续的野火管理策略，促进生态系统与火灾的共存	嘉陵江流域（中国）的火灾易发山区	空间优化	NA	机器学习和深度学习	NA	空间数据	嘉陵江流域的特定区域（东部北碚等）
3078	2025-05-14	Phyloformer: Fast, Accurate, and Versatile Phylogenetic Reconstruction with Deep Neural Networks 2025-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf051 PMID:40066802	研究论文	介绍了一种名为Phyloformer的快速、准确且多功能的方法，用于进化距离估计和系统发育重建	利用无似然推断和几何深度学习的最新进展，Phyloformer在GPU加速下超越了现有方法的准确性和速度	随着序列数量的增加，Phyloformer在拓扑准确性上落后于最大似然方法	开发一种快速、准确的系统发育重建方法	序列进化树的重建	机器学习	NA	深度学习	Phyloformer	序列比对数据	3,801个实证基因比对数据
3079	2025-05-14	Enhancing short-term algal bloom forecasting through an anti-mimicking hybrid deep learning method 2025-Apr, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.124832 PMID:40068506	研究论文	开发了一种混合深度学习模型（TAB）用于提高短期藻华预测的准确性	结合了Temporal Convolutional Network (TCN)、注意力机制和Bidirectional Long Short-Term Memory (BiLSTM)网络，并采用了新型的失真损失函数DILATE以增强模型的预测鲁棒性	模型在藻华突然变化时的预测准确性可能仍有提升空间	提高藻华短期预测的准确性	中国九龙江东水库的现场藻华数据	机器学习	NA	深度学习	TCN, BiLSTM, 注意力机制	时间序列数据	江东水库的藻华监测数据
3080	2025-05-14	Multiparametric MR Urography: State of the Art 2025-Apr, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240151 PMID:40080439	review	本文综述了多参数MR尿路造影（MRU）的最新技术进展及其在临床中的应用	MRU在对比分辨率、组织表征和上尿路可视化方面与CT尿路造影（CTU）相当，并在特定患者群体中成为首选检查方法	MRU在某些情况下可能不如CTU普及，且需要技术优化和专业解读	探讨MRU在尿路成像中的最新技术进展和临床应用	肾脏、肾盂系统、输尿管和膀胱	医学影像	泌尿系统疾病	静态流体T2加权成像、钆增强尿路上皮和排泄期成像、动态对比增强MRI、扩散加权成像	NA	医学影像数据	NA