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
361	2025-07-05	Enhancing the YOLOv8 model for realtime object detection to ensure online platform safety 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08413-4 PMID:40593284	research paper	本研究提出了一种基于YOLOv8-m架构的增强目标检测模型（EOD），用于提升在线平台中有害物体的检测能力	改进了跨阶段部分融合块并在模型头部加入了三个额外的卷积块，从而提升了特征提取和检测能力	NA	提升在线平台中有害物体的检测能力，保障用户安全	武器、成瘾物质和暴力内容等有害物体	computer vision	NA	deep learning	YOLOv8	image	公共数据集，涵盖六类有害物体
362	2025-07-05	Predictive value of subacromial motion metrics for the effectiveness of ultrasound-guided dual-target injection: a longitudinal follow-up cohort trial 2025-Jul-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01989-5 PMID:40593369	research paper	本研究评估了动态超声指标对超声引导双靶点注射治疗肩峰下撞击综合征（SIS）效果的预测价值，并比较了双靶点注射与标准注射的长期疗效	首次使用动态超声指标（如最小垂直肩峰肱骨距离mVAHD）预测双靶点注射的早期成功和疼痛复发，并证明双靶点注射比标准注射具有更长的有效持续时间	研究样本量相对较小（90例），且未使用深度学习算法进一步验证mVAHD的预测价值	评估动态超声指标对SIS治疗效果的预测价值并比较不同注射方法的疗效	肩峰下撞击综合征（SIS）患者	digital pathology	geriatric disease	超声引导注射治疗	NA	超声影像数据	90例接受双靶点注射的患者+90例历史对照（标准注射）
363	2025-07-05	Deep generalizable prediction of RNA secondary structure via base pair motif energy 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60048-1 PMID:40593483	研究论文	本文提出了一种名为BPfold的深度学习方法，用于预测RNA二级结构，通过构建碱基对基序库并学习RNA序列与碱基对基序能量图之间的关系	构建了一个碱基对基序库，枚举了局部相邻三邻居碱基对的完整空间，并通过从头建模三级结构记录相应基序的热力学能量，从而提高了预测的准确性和泛化能力	未提及具体的局限性	提高RNA二级结构预测的准确性和泛化能力	RNA序列及其二级结构	机器学习	NA	深度学习	BPfold	RNA序列数据	未提及具体样本量
364	2025-07-05	Data-driven protease engineering by DNA-recording and epistasis-aware machine learning 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60622-7 PMID:40593579	研究论文	本文介绍了一种结合DNA记录技术和机器学习的方法，用于工程化设计具有特定底物特异性的蛋白酶	开发了一种DNA记录器用于深度特异性分析蛋白酶，并提出了基于数据的高效深度学习模型，以及一种可推广的表观遗传学感知训练集设计策略	研究主要集中在大肠杆菌中的蛋白酶，可能不直接适用于其他生物系统	通过机器学习和DNA记录技术设计具有特定催化功能的蛋白酶序列	蛋白酶及其底物特异性	机器学习	NA	DNA记录技术，深度学习	深度学习模型	序列-活性数据	29,716种候选蛋白酶和134种底物，约600,000个蛋白酶-底物对
365	2025-07-05	Human protein interaction networks of ancestral and variant SARS-CoV-2 in organ-specific cells and bodily fluids 2025-Jul-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60949-1 PMID:40593736	研究论文	研究SARS-CoV-2及其变种在器官特异性细胞和体液中的人类蛋白质相互作用网络	通过亲和纯化和质谱分析，鉴定了SARS-CoV-2及其变种在多种细胞系和体液中的蛋白质相互作用，揭示了NSP3蛋白酶的新功能，并设计了抑制病毒复制的肽抑制剂	研究仅涉及8种细胞系和COVID-19患者的唾液样本，可能无法涵盖所有器官和体液类型	揭示SARS-CoV-2及其变种在感染过程中如何重塑病毒-宿主蛋白质组装，以开发有效的抗病毒药物	SARS-CoV-2及其变种的蛋白质与人类蛋白质的相互作用	分子生物学	COVID-19	亲和纯化、质谱分析(MS)、深度学习	深度学习	蛋白质相互作用数据	639次亲和纯化，28种SARS-CoV-2和刺突蛋白，8种细胞系，COVID-19患者的唾液样本
366	2025-07-05	Deep learning model for grading carcinoma with Gini-based feature selection and linear production-inspired feature fusion 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00217-w PMID:40593755	研究论文	提出了一种基于Gini特征选择和线性生产函数特征融合的深度学习模型，用于肾细胞癌和肝细胞癌的分级	结合经济学理论的特征选择和融合框架，引入注意力机制到三种CNN架构中，并采用Gini特征选择方法	未提及具体的数据集规模限制或模型泛化能力的验证	提高肾细胞癌和肝细胞癌分级的准确性	肾细胞癌(RCC)和肝细胞癌(HCC)	数字病理学	肾癌和肝癌	深度学习	CNN (MobileNetV2, DenseNet121, InceptionV3)	图像	NA
367	2025-07-05	A deep learning approach to stress recognition through multimodal physiological signal image transformation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01228-3 PMID:40593851	研究论文	提出一种基于深度学习的多模态生理信号图像转换方法用于压力识别	使用GASF、GADF和MTF变换将多模态生理信号转换为RGB图像，并通过深度学习模型进行分类	NA	提高压力水平检测的准确性和客观性	人类的多模态生理信号	机器学习	心理健康	GASF、GADF、MTF变换	深度学习模型	生理信号图像	NA
368	2025-07-05	Multi-modal and Multi-view Cervical Spondylosis Imaging Dataset 2025-Jul-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05403-z PMID:40593874	research paper	本文介绍了一个用于颈椎病的多模态和多视角成像数据集MMCSD，并开发了一个深度学习模型用于预测颈椎病患者的术后颈部疼痛	公开共享了一个包含MRI和CT图像的多模态和多视角颈椎病成像数据集，并开发了预测术后颈部疼痛的深度学习模型	数据集仅包含250名患者，样本量相对较小	支持深度学习模型在颈椎病诊断和评估中的开发和测试	颈椎病患者	digital pathology	cervical spondylosis	MRI, CT	deep learning model	image	250名患者的MRI和CT图像
369	2025-07-05	Leveraging federated learning and edge computing for pandemic-resilient healthcare 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00199-9 PMID:40593962	研究论文	本文探讨了利用联邦学习和边缘计算技术构建适应疫情的医疗监测系统	提出结合YOLOv4和SENet注意力层的联邦学习框架，用于多任务疫情监测	未提及系统在真实大规模场景下的部署挑战和隐私保护细节	开发符合疫情规范的传染病协议监测和接触追踪机制	基于物联网的疫情监测系统	机器学习	传染病	联邦学习(FL)、边缘计算、物联网(IoT)	YOLOv4、SENet、RESNET-50、MobileNetV2、SocialdistancingNet-19	传感器数据、图像数据	基于Grove AI-Raspberry Pi 4节点的人居环境部署
370	2025-07-05	An adaptive deep learning approach based on InBNFus and CNNDen-GRU networks for breast cancer and maternal fetal classification using ultrasound images 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03402-z PMID:40593964	研究论文	提出一种基于InBNFus和CNNDen-GRU网络的自适应深度学习方法，用于乳腺癌和母胎超声图像的分类	提出两种新颖的网络架构InBnFUS和CNNDen-GRU，结合了5-Blocks inception-based架构、5-Blocks inverted bottleneck-based架构以及密集架构与GRU层，通过深度级联层实现多任务分类	现有方法大多针对单一特定问题设计，适应性有限	开发一种计算机化技术，用于乳腺癌和母胎超声图像的自动分类	乳腺癌和母胎超声图像数据集	计算机视觉	乳腺癌	数据增强	CNN, GRU	图像	NA
371	2025-07-05	Two stage malware detection model in internet of vehicles (IoV) using deep learning-based explainable artificial intelligence with optimization algorithms 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00269-y PMID:40594004	研究论文	提出了一种基于深度学习和可解释人工智能的两阶段恶意软件检测模型，用于车联网环境	结合了双向长短期记忆网络与多头自注意力机制的混合模型，并采用鹈鹕优化算法进行参数调优，提高了恶意软件分类的准确性	实验评估仅在恶意软件数据集上进行，未涉及真实车联网环境中的多样化攻击场景	提升车联网环境中的恶意软件检测与分类性能	车联网中的恶意软件	机器学习	NA	深度学习、优化算法	BiLSTM-MHSA	恶意软件数据集	未明确说明样本数量
372	2025-07-05	Fusing satellite imagery and ground-based observations for PM2.5 air pollution modeling in Iran using a deep learning approach 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05332-2 PMID:40594048	研究论文	本研究利用深度学习技术融合卫星影像和地面观测数据，对伊朗的PM2.5空气污染进行建模	采用多种深度学习模型（MLP、CNN、LSTM、ConvLSTM）进行PM2.5浓度建模，并比较其性能，其中ConvLSTM表现最佳	地面空气质量监测站数据在全面反映整个地区和城市空气质量方面存在局限性	实现PM2.5污染物浓度的准确高时空分辨率建模，以支持空气质量管理和流行病学研究中的暴露评估	伊朗的空气污染物PM2.5	机器学习	心血管疾病	深度学习	MLP、CNN、LSTM、ConvLSTM	卫星数据、地面观测数据、气象参数	NA
373	2025-07-05	A novel approach to overcome black box of AI for optical diagnosis in colonoscopy 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04770-2 PMID:40594084	研究论文	本研究开发了一种可解释的人工智能方法niceAI，用于分类结肠镜检查中的增生性和腺瘤性息肉，以提高光学诊断的透明度和准确性	结合放射组学和深度特征，开发了一种可解释的AI方法，填补了AI预测与临床意义评估之间的空白	未明确提及具体局限性	提高结肠镜检查中光学诊断的准确性和可解释性	增生性和腺瘤性结肠息肉	数字病理学	结直肠疾病	放射组学、深度学习	niceAI	图像	NA
374	2025-07-05	FSID: a novel approach to human activity recognition using few-shot weight imprinting 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04323-7 PMID:40594132	研究论文	提出了一种名为FSID的新方法，通过Few-Shot学习和权重印记技术结合自监督视觉变换器DINO，用于低数据量下的人类活动识别	结合Few-Shot学习、权重印记和自监督视觉变换器DINO，提出了一种在低数据量下有效的人类活动识别框架	在HuGaDB和LARa数据集上的准确率分别为55.47%和35.81%，仍有提升空间	解决人类活动识别在低数据量和数据不平衡情况下的挑战	人类活动识别	机器学习	NA	Few-Shot学习, 权重印记, 自监督学习	DINO (自监督视觉变换器)	时间序列传感器数据（如EMG和IMU信号）转换的频谱图图像	HuGaDB和LARa公开数据集，仅需20个新样本
375	2025-07-05	Using deep learning to capture gravel soil microstructure and hydraulic characteristics 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04879-4 PMID:40594165	研究论文	使用Wasserstein生成对抗网络（WGANs）技术分析砾石土壤的微观结构和水力特性	采用WGANs技术重建砾石土壤的3D数字样本，能够生成包含复杂孔隙特征的特定微观结构实现，从而深入理解砾石土壤的水力行为	研究仅针对中国桂林市的砾石土壤样本，样本数量较少（三个），可能影响模型的泛化能力	分析砾石土壤的微观结构和水力特性	砾石土壤样本	机器学习	NA	Wasserstein生成对抗网络（WGANs），µ-CT扫描	WGAN	3D图像数据	三个来自中国桂林市的砾石土壤样本
376	2025-07-05	Design of a deep fusion model for early Parkinson's disease prediction using handwritten image analysis 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04807-6 PMID:40594187	研究论文	提出了一种结合ResNet-50和GoogLeNet的深度融合模型（RGG-Net），用于通过手写图像分析早期预测帕金森病	采用自适应特征融合技术和注意力过程选择相关特征，通过层次集成学习增强模型性能，并使用grad-CAM技术进行决策解释	未提及样本量的具体限制或模型在其他数据集上的泛化能力	提高帕金森病的早期诊断准确率	帕金森病患者的手写图像	计算机视觉	帕金森病	深度迁移学习，自适应特征融合，层次集成学习，eXplainable Artificial Intelligence	RGG-Net（ResNet-50和GoogLeNet的混合模型）	图像	未明确提及具体样本数量
377	2025-07-05	STIED: a deep learning model for the spatiotemporal detection of focal interictal epileptiform discharges with MEG 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03880-1 PMID:40594203	研究论文	开发并验证了一个名为STIED的深度学习模型，用于通过脑磁图（MEG）检测局灶性癫痫患者的间歇性癫痫样放电（IEDs）	STIED结合了时间（1D时间序列）和空间（2D地形图）特征的卷积神经网络，模仿了临床MEG实践，成功识别了局灶性癫痫患者的IEDs	在应用于不同类型难治性局灶性癫痫的术前患者时，需要进一步工作以区分IEDs与生理性瞬态	开发一个自动、数据驱动的深度学习模型，用于临床MEG中IEDs的检测	局灶性癫痫患者	数字病理	癫痫	脑磁图（MEG）	CNN	时间序列和地形图数据	局灶性癫痫患者组（FE组）和另一组术前难治性局灶性癫痫患者
378	2025-07-05	Benthic communities on restored coral reefs confer equivalent aesthetic value to healthy reefs 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06373-3 PMID:40594259	研究论文	本研究通过深度学习模型评估了珊瑚礁恢复项目的美学价值，发现恢复后的珊瑚礁美学价值与健康珊瑚礁相当，且显著高于退化珊瑚礁	首次使用深度学习模型量化珊瑚礁恢复后的美学价值，并证明其与健康珊瑚礁相当	研究仅基于一个大型珊瑚恢复项目，可能无法推广到所有珊瑚礁恢复情况	评估珊瑚礁恢复对生态系统服务（特别是美学价值）的恢复效果	珊瑚礁底栖生物群落	计算机视觉	NA	深度学习	深度学习模型	图像	世界最大珊瑚恢复项目及附近健康与退化珊瑚礁的底栖生物照片
379	2025-07-05	Schizophrenia detection from electroencephalogram signals using image encoding and wrapper-based deep feature selection approach 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06121-7 PMID:40594257	研究论文	本文提出了一种基于图像编码和包装器深度特征选择的方法，用于从脑电图信号中检测精神分裂症	提出了一种三阶段框架，包括图像编码、预训练深度学习模型和新型特征选择方法，显著提高了检测准确率	研究样本量相对较小，可能影响模型的泛化能力	开发一种高效准确的精神分裂症检测方法	精神分裂症患者的脑电图信号	机器学习	精神分裂症	EEG信号处理	预训练深度学习模型	EEG信号转换的图像数据	112人（84人来自MSU数据集，28人来自RepOD数据集）
380	2025-07-05	Deep learning based predictive models for real time accident prevention in autonomous vehicle networks 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04867-8 PMID:40594266	研究论文	本研究提出了一种基于深度学习的创新事故预测与预防模型A-LAPPM，用于提升自动驾驶车辆网络中的实时安全性	结合LSTM单元和注意力机制，捕捉关键时间模式和危险信号，实现精确且及时的事故预测	未提及模型在极端天气或复杂城市环境中的表现	提升自动驾驶车辆网络中的实时事故预防能力	自动驾驶车辆网络中的实时交通数据	机器学习	NA	LSTM, 注意力机制	A-LAPPM (基于注意力机制的LSTM自编码器)	传感器数据, V2V通信数据, 环境变量	未明确提及具体样本数量