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
4001	2025-11-10	Using the improved YOLOv11 model to enhance computer vision applications for building crack detection algorithms 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22160-6 PMID:41198750	研究论文	本研究提出基于YOLOv11改进的模型，用于提升建筑裂缝检测的精度和实时效率	引入C3K2-SG模块增强复杂背景下的裂缝检测能力，FPSConv模块优化多尺度裂缝检测，Inner_MPDIoU损失函数提升小目标定位精度	NA	提升建筑裂缝检测算法的精度和实时效率	建筑裂缝（垂直裂缝、水平裂缝、多级裂缝、复杂裂缝）	计算机视觉	NA	深度学习	YOLO	图像	NA	NA	YOLOv11改进模型	mAP@0.5, 精确率, 召回率	NA
4002	2025-11-10	Deep learning for sports motion recognition with a high-precision framework for performance enhancement 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22701-z PMID:41198767	研究论文	提出一种结合小波变换的进化并行循环网络(EPRN)，用于高精度体育动作识别	提出EPRN框架，通过并行循环路径增强时序建模，并结合小波变换特征提取保留多分辨率运动细节	未涉及多模态数据融合，实时应用需要开发轻量级变体	提高体育动作识别的精度和鲁棒性，用于运动表现分析和损伤预防	体育动作数据	计算机视觉	NA	小波变换	LSTM, GRU, CNN, EPRN	运动数据	基准体育动作数据集	NA	进化并行循环网络(EPRN)	均方根误差(RMSE), 结构相似性指数(SSIM)	NA
4003	2025-11-10	A two-stage architecture for soundscape classification and preservation 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22819-0 PMID:41198782	研究论文	提出一种结合深度学习与声景理论的两阶段开放集音频分类系统	将变分自编码器与卷积神经网络结合，通过重建误差分析识别独特声音，首次实现沙弗声景理论的量化验证	仅在有限数据集上进行验证，需要更多真实场景数据测试泛化能力	开发能够自动分类和保护声景的计算方法	环境声音和城市声景	音频信号处理	NA	双耳录音，梅尔频谱分析	VAE, CNN	音频，梅尔频谱图	UrbanSound8K, ESC-50, URBAN-SED, TUT城市声场景数据集，以及意大利佩斯卡拉大学社区的双耳录音数据集	NA	变分自编码器，卷积神经网络	准确率	NA
4004	2025-11-10	IoT assisted fetal health classification using mother optimization algorithm with deep learning approach on cardiotocogram data 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22827-0 PMID:41198785	研究论文	提出一种基于物联网和深度学习的胎儿健康分类方法，通过优化算法和GCN模型实现胎儿健康状态的自动识别	结合物联网技术、母亲优化算法和图卷积神经网络，实现胎儿健康的多类别分类	未明确说明样本数据的具体规模和多样性限制	准确分类胎儿健康状态为正常、可疑和病理三类	胎儿健康相关的卡托科图数据	机器学习	产科疾病	物联网传感器数据采集	GCN	时间序列生理信号数据	使用Kaggle胎儿健康分类数据集，具体数量未明确说明	未明确指定	图卷积神经网络	未明确列出具体指标	未明确说明
4005	2025-11-10	An interpretable statistical approach to photovoltaic power forecasting using factor analysis and ridge regression 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22838-x PMID:41198787	研究论文	提出一种结合层次因子分析和岭回归的可解释光伏功率预测框架	通过层次因子分析将高维气象数据压缩为三个具有物理意义的二阶因子，结合岭回归提供系数级透明度和正则化	基于单参数岭模型在压缩空间中进行预测，可能无法完全捕捉复杂非线性关系	开发透明可解释的光伏功率预测方法	光伏电站发电功率	机器学习	NA	层次因子分析，岭回归	岭回归	时间序列数据，气象数据	土耳其阿德亚曼93.6 kWp电站2021年5月17日至2025年1月12日的15分钟测量数据	NA	层次因子分析结合岭回归	NA	NA
4006	2025-11-10	Optimization of deep learning-based faster R-CNN network for vehicle detection 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22828-z PMID:41198791	研究论文	本研究系统优化了Faster R-CNN模型在车辆检测任务中的关键超参数	系统评估了不同CNN架构、优化器、学习率和检测阈值对车辆检测性能的影响，提出了最优参数组合	仅针对车辆检测任务进行优化，未验证在其他物体检测任务中的泛化能力	优化深度学习目标检测模型的超参数以提高车辆检测性能	车辆检测	计算机视觉	NA	深度学习	Faster R-CNN	图像	NA	NA	VGG-16, ResNet-50, Inceptionv3	平均精确率-召回率	NA
4007	2025-11-10	Lightweight dual-stage feature refinement for black gram leaf disease classification using ConViTSE 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22847-w PMID:41198798	研究论文	提出一种轻量级混合深度学习架构ConViTSE，用于黑绿豆叶部病害分类	结合ConvMixer、Vision Transformer和Squeeze-Excitation模块，引入局部通道注意力优化(LCAR)和全局通道注意力优化(GCAR)模块	NA	开发自动化的黑绿豆叶部病害检测方法	黑绿豆叶部病害	计算机视觉	植物病害	深度学习	混合架构(ConvMixer, ViT, SE)	图像	NA	NA	ConViTSE(ConvMixer+Vision Transformer+Squeeze-Excitation)	准确率	NA
4008	2025-11-10	Transformer-based multiclass segmentation pipeline for basic kidney histology 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22814-5 PMID:41198807	研究论文	开发基于Transformer的多类别分割流程用于肾脏组织学分析	比较CNN和Transformer模型在模态/域偏移能力上的差异，并在严重肾损伤区域验证模型性能	数据不足时可能影响模型性能	探索深度学习模型在肾脏病理学中的多类别分割性能	肾脏全切片图像(WSI)	数字病理学	肾脏疾病	组织学分析	CNN, Transformer	图像	多中心收集的肾脏WSI	NA	UNet-ResNet18, M2F-Swin-B, Mask2Former	平均交并比(A-IoU), 每类交并比(IoU)	NA
4009	2025-11-10	Precision detection of micro-damage on conveyor belt surfaces using laser scanning and deep learning techniques 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22818-1 PMID:41198816	研究论文	提出一种结合激光扫描与深度学习的输送带表面微损伤高精度检测系统	融合激光增强成像与改进YOLOv7模型，通过F-ReLU激活函数、SPPFCSPC模块、EIoU损失函数和SE-Net注意力机制四项创新提升检测性能	未明确说明模型在极端工业环境下的泛化能力及对不同材质输送带的适应性	实现工业环境下输送带表面微损伤的早期精准检测	输送带表面微损伤	计算机视觉	NA	激光扫描技术	YOLO	图像	实验室测试台和焦化厂现场采集的综合性数据集	PyTorch	YOLOv7	mAP@0.5	NA
4010	2025-11-10	A fused deep learning approach to transform drug repositioning 2025-Nov-06, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01712-x PMID:41198910	研究论文	提出一种融合知识图谱嵌入、预训练策略和推荐系统的统一深度学习框架UKEDR，用于解决药物重定位中的冷启动和网络表示问题	首次将知识图谱嵌入、预训练策略和推荐系统统一集成到药物重定位框架中，并提出语义相似性驱动的嵌入方法解决冷启动问题	未具体说明模型在更大规模数据集上的性能表现和计算效率	开发新型深度学习框架以改进药物重定位的准确性和泛化能力	现有药物和新化合物的治疗应用发现	机器学习	NA	深度学习，知识图谱嵌入	深度学习框架	网络表示数据，药物属性数据	NA	NA	UKEDR	NA	NA
4011	2025-11-10	ResNet-EfficientNet powered framework for high-precision cough-based classification of infectious diseases 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22874-7 PMID:41198921	研究论文	提出一种基于咳嗽声音的深度学习框架用于COVID-19分类	结合ResNet和EfficientNet预训练模型进行咳嗽声音分类，在COVID-19识别中表现出优越性能	NA	通过咳嗽声音实现COVID-19的早期诊断和分类	COVID-19患者和正常人的咳嗽声音	机器学习	传染病	声音分析	CNN, ResNet, EfficientNet	音频	NA	NA	1D-CNN, DS-CNN, EfficientNet v2, ResNet	准确率, 召回率, 精确率, 马修斯相关系数, F1分数, 假阳性率	NA
4012	2025-11-10	Real-time abnormal behaviour detection using energy-efficient YOLO-based framework 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22888-1 PMID:41198944	研究论文	提出一种基于优化YOLO框架的实时异常行为检测系统	通过Adam优化器、直方图均衡化等技术增强YOLO网络，实现高精度实时异常行为检测	NA	开发高效的实时异常行为检测系统	公共场所的异常行为	计算机视觉	NA	深度学习，计算机视觉	YOLO	视频	NA	NA	YOLO	准确率	NA
4013	2025-11-10	Interpretable arrhythmia detection in ECG scans using deep learning ensembles: a genetic programming approach 2025-Nov-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01932-4 PMID:41198945	研究论文	本研究提出了一种基于深度学习和遗传编程的心律失常检测集成方法，并利用可解释人工智能技术提升临床应用的透明度	采用遗传编程方法构建深度学习集成模型，结合可解释人工智能技术提高心律失常检测和房颤复发预测的准确性和可解释性	两个数据集的患者特征和心律失常患病率存在差异，可能影响模型泛化能力	开发可解释的心律失常检测和房颤复发预测方法	心电图扫描数据	医疗人工智能	心血管疾病	心电图扫描	深度学习集成模型	心电图信号	两个数据集共2081名患者（数据集G：1172人，数据集L：909人）	NA	深度学习集成模型	ROC-AUC, 精确召回AUC	NA
4014	2025-11-10	Treatment decision support for esophageal cancer based on PET/CT data using deep learning 2025-Nov-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03223-0 PMID:41199255	研究论文	基于PET/CT数据开发深度学习模型支持食管癌治疗决策	提出结合卷积和Transformer组件的混合深度学习架构，通过定制化模块实现局部-全局表征学习	NA	提升食管癌治疗决策的准确性和避免过度治疗	食管癌患者的PET/CT影像数据	计算机视觉	食管癌	PET/CT成像	CNN, Transformer	医学影像	NA	NA	ConvNeXt, Vision Transformer, 自定义混合架构	AUCROC, F1分数, 平衡准确率	NA
4015	2025-11-10	PathViT: Automated disease classification from skeletal muscle histopathology 2025-Nov-06, The American journal of pathology DOI:10.1016/j.ajpath.2025.10.009 PMID:41205804	研究论文	开发基于Transformer的深度学习模型PathViT，用于骨骼肌组织病理学图像的自动化疾病分类	首次将Transformer架构应用于骨骼肌病理图像分类，相比传统方法和现有深度学习模型显著提升性能	仅针对特定疾病模型（ALS和糖尿病）进行验证，未涵盖更广泛的肌肉疾病类型	开发自动化骨骼肌病理图像分类方法以减少人工干预和提高诊断一致性	骨骼肌组织病理学图像，包括健康对照、肌萎缩侧索硬化症（ALS）和糖尿病模型	数字病理学	神经肌肉疾病,代谢性疾病	小麦胚芽凝集素（WGA）染色组织病理学成像	Transformer	图像	来自野生型和疾病模型（G93A*SOD1 ALS模型和Akita 1型糖尿病模型）的WGA染色骨骼肌图像，涵盖多种肌肉类型（股四头肌、腓肠肌、胫骨前肌、趾长伸肌、比目鱼肌）	NA	PathViT（基于Transformer的定制架构）	准确率	NA
4016	2025-11-10	The Utility of Artificial Intelligence and Deep Learning to Automate and Accelerate Follicle Counts in Human Ovarian Tissue 2025-Nov-06, Biology of reproduction IF:3.1Q2 DOI:10.1093/biolre/ioaf250 PMID:41206485	研究论文	开发了一种基于人工智能的方法，通过深度学习自动计数人类卵巢组织切片中的卵泡	首次整合DeepLabV3+分割和Faster R-CNN目标检测模型，实现卵巢组织全玻片图像中卵泡的自动化计数	分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分仅为0.27，表明模型性能有待提升	开发自动化卵泡计数方法以提高生育力保存研究和临床决策的准确性和可重复性	人类卵巢组织中的卵泡	数字病理学	生殖系统疾病	组织切片成像	CNN	图像	47名患者的1,857张全玻片图像，包含8,300个标注卵泡	NA	DeepLabV3+, Faster R-CNN	Dice系数, 灵敏度, 阳性预测值, COCOmetric	NA
4017	2025-11-10	Mechanism-Aware Deep Learning for Polar Reaction Prediction 2025-Nov-05, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c16838 PMID:41123925	研究论文	提出一种机制感知的深度学习框架PMechRP用于极性反应预测，结合多种模型架构和ArrowFinder机制预测模型	使用PMechDB极性基元步骤数据集捕获电子流动和机制细节，开发直接预测箭头推动机制的ArrowFinder模型，提出结合Chemformer集成和两阶段Siamese框架的混合流程	NA	提高化学反应预测的准确性和可解释性，提供机制洞察	极性化学反应	机器学习	NA	深度学习	Transformer, 图神经网络, Siamese网络	化学反应数据	PMechDB数据集和组合生成的反应数据	NA	Chemformer, 两阶段Siamese架构	预测准确率	NA
4018	2025-11-10	Multi-Regional deep learning models for identifying dental restorations and prosthesis in panoramic radiographs 2025-Nov-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07138-0 PMID:41194095	研究论文	本研究开发了一种基于深度学习的自动化方法，用于在全景X光片中识别多种牙科修复体和假体	首次使用多区域人群数据集训练深度学习模型，增强了模型的泛化能力和鲁棒性	仅使用了2,235张全景X光片，样本量相对有限	开发自动化牙科修复体和假体识别系统以提高临床诊断效率	牙科修复体（牙冠、牙桥、种植体）和牙科治疗（填充物、根管治疗、根管桩）	计算机视觉	牙科疾病	全景X光成像	YOLOv11, Faster R-CNN, ViT	医学图像	2,235张来自三个不同牙科学院的患者全景X光片	NA	YOLOv11, Faster R-CNN, Vision Transformer	准确率, 精确率, F1分数, 平均精度均值, 交并比	NA
4019	2025-11-10	MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging 2025-Nov-04, Shoulder & elbow IF:1.5Q3 DOI:10.1177/17585732251392203 PMID:41199812	研究论文	本研究开发了一种用于肩关节MRI图像自动分割的深度学习算法，并与CT扫描进行对比验证	首次证明通过AI增强的MRI在肩关节成像中可以达到与CT相当的解剖定义精度	样本量相对较小（64例患者），且为回顾性研究	评估MRI是否能够替代CT作为肩关节前向不稳患者首选的成像方式	肩关节前向不稳患者的影像学数据	医学影像分析	肩关节疾病	MRI, CT, 深度学习分割	深度学习算法	医学影像	64例患者（39例T1脂肪抑制MRI，25例VIBE MRI关节造影）	NA	NA	Dice相似系数, Spearman相关系数	NA
4020	2025-11-10	3D Swin Transformer for patient-specific proton dose prediction of brain cancer patients 2025-Nov-02, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.43969 PMID:41178022	研究论文	本研究开发了一种基于3D Swin Transformer的深度学习模型，用于脑癌患者质子治疗的体素级剂量预测	首次将3D Swin Transformer集成到UNet架构中，用于脑癌质子治疗的剂量预测，实现了解剖结构感知的精确剂量分布预测	研究为回顾性分析，样本量有限（206例），需要前瞻性验证和临床部署优化	开发精确的质子放疗剂量预测模型，提高脑癌治疗计划的质量和一致性	206例原发性脑肿瘤患者	医学影像分析	脑癌	双能计算机断层扫描（CT）	Transformer, UNet	CT影像，剂量计划，临床轮廓	206例患者（训练集186例，测试集20例）	NA	3D Swin Transformer, UNet	3D伽马分析（3%/3 mm），平均绝对误差（MAE），临床靶区覆盖率（V95%），剂量体积直方图（DVH）	NA