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
4121	2025-12-27	[Research on Demand Prediction for Coronary Stents Based on Deep Learning] 2025-Nov-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250318 PMID:41448929	研究论文	本研究基于深度学习模型预测冠状动脉支架需求，以优化供应计划并提高使用效率	首次将Transformer模型应用于冠状动脉支架需求预测任务，并验证其在特征提取和模式识别方面的优越性	研究仅基于单家大型三甲医院的数据，可能缺乏普适性；数据时间范围有限（2022年1月至2024年8月）	预测冠状动脉支架需求，优化医院库存管理，确保支架供应与使用效率	冠状动脉支架的集中采购数据	机器学习	心血管疾病	NA	Transformer, 其他深度学习模型	时间序列数据	一家大型三甲医院2022年1月至2024年8月的冠状动脉支架集中采购数据	NA	Transformer	MSE, 预测需求评估指标体系	NA
4122	2025-12-27	Explainable OptiCNN-SLSTM hybrid model for enhanced lithium-ion battery state of health prediction 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28091-6 PMID:41318802	研究论文	本文提出了一种名为OptiCNN-SLSTM的混合深度学习框架，用于准确预测锂离子电池的健康状态	结合了1D CNN进行时序特征压缩和状态保持的LSTM以捕获样本内和样本间的依赖关系，并采用两步超参数优化过程	未明确说明模型在更广泛电池类型或极端工况下的泛化能力	提高锂离子电池健康状态预测的准确性，以改善电动汽车性能和充电策略	锂离子电池	机器学习	NA	NA	CNN, LSTM	时序数据	NASA数据集、牛津数据集和真实世界电动汽车E-kart电池数据集	NA	1D CNN, Stacked LSTM	RMSE, MSE, MAE	NA
4123	2025-12-27	Capturing atomic wetting dynamics in real time 2025-Nov-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66416-1 PMID:41315237	研究论文	本文通过原位原子分辨率透射电子显微镜结合深度学习卷积神经网络，实时捕捉了碳纳米管内金属纳米线生长的原子级润湿动力学过程	揭示了纳米线生长的两阶段机制：曲率驱动成核和毛细作用驱动伸长，并建立了预测性框架，将纳米级润湿动力学与先进纳米材料制备联系起来	研究仅限于多壁碳纳米管内的SnO纳米线生长，未涵盖其他材料或更广泛的润湿条件	研究纳米尺度下原子级润湿动力学，特别是在受限环境中的金属纳米线生长机制	多壁碳纳米管内的金属纳米线生长过程	材料科学	NA	原位原子分辨率透射电子显微镜，深度学习卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA
4124	2025-12-27	AdaptPest-Net: A Task-Adaptive Network with Graph-Mamba Fusion for Multi-Scale Agricultural Pest Recognition 2025-Nov-28, Entropy (Basel, Switzerland) DOI:10.3390/e27121211 PMID:41440414	研究论文	本文提出了一种名为AdaptPest-Net的任务自适应网络，用于多尺度农业害虫识别	提出了三个关键创新：基于样本难度的动态路由、图卷积与Mamba状态空间模型的融合、以及双向跨模态注意力机制，以实现计算效率与特征关系建模的平衡	NA	提高农业害虫分类的准确性和计算效率	农业害虫图像	计算机视觉	NA	深度学习	CNN, GCN, Mamba	图像	IP102和D0数据集	NA	AdaptPest-Net	准确率	NA
4125	2025-12-27	Lightweight 3D CNN for MRI Analysis in Alzheimer's Disease: Balancing Accuracy and Efficiency 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120426 PMID:41440565	研究论文	本文提出了一种用于阿尔茨海默病MRI分析的轻量级3D CNN框架，旨在平衡诊断准确性与计算效率	提出了一种集成自适应多尺度特征提取、结构剪枝和参数优化的轻量级MRI分类框架，显著降低了模型复杂度和资源消耗	仅使用了ADNI数据集进行评估，未在其他独立数据集上验证模型的泛化能力	开发一种计算效率高且诊断性能优异的深度学习模型，用于阿尔茨海默病的早期检测	阿尔茨海默病患者的大脑MRI扫描图像	数字病理学	阿尔茨海默病	MRI扫描	CNN	图像	阿尔茨海默病神经影像学倡议数据集	NA	3D CNN	准确率, 性能密度	NA
4126	2025-12-27	SegClarity: An Attribution-Based XAI Workflow for Evaluating Historical Document Layout Models 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120424 PMID:41440566	研究论文	本文提出了一种名为SegClarity的基于归因的可解释人工智能工作流，用于评估历史文档布局模型的解释性	提出了一种结合视觉和定量评估的新型工作流，并引入了归因一致性分数作为新的可解释性度量指标	未明确说明工作流在其他类型文档或更复杂场景下的适用性限制	提高历史文档语义分割模型的可解释性和可靠性	历史文档图像	计算机视觉	NA	语义分割，可解释人工智能	U-Net	图像	两个历史文档图像数据集	未明确说明	U-Net	归因一致性分数，其他五种XAI评估指标	NA
4127	2025-12-27	Transformer and Pre-Transformer Model-Based Sentiment Prediction with Various Embeddings: A Case Study on Amazon Reviews 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121202 PMID:41440405	研究论文	本研究对亚马逊评论数据集进行了全面的情感分类模型比较评估，涵盖传统机器学习、Transformer前深度学习及Transformer模型，并分析了不同嵌入方法的性能	提出了一个可扩展的、考虑熵感知的评估框架，结合了定量比较和系统性的误分类样本定性分析，以揭示模型特定的不确定性模式，并采用资源感知方法模拟真实硬件限制	研究主要基于亚马逊特定产品类别（杂志订阅和礼品卡）的评论，可能无法完全推广到其他领域或更广泛的语言变体	比较不同范式的情感分类模型及嵌入方法的性能，为实际应用提供基于上下文感知的模型选择指导	亚马逊评论数据（Magazine Subscriptions 2023数据集和Gift Card Reviews数据集）	自然语言处理	NA	情感分析	传统机器学习模型, LSTM, Transformer	文本	初始25K条评论，后缩减至20K条以模拟资源限制	NA	BERT, DistilBERT, LSTM	准确率, 精确率, 召回率, F1分数, 分类交叉熵	NA
4128	2025-12-27	A Masi-Entropy Image Thresholding Based on Long-Range Correlation 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121203 PMID:41440406	研究论文	本文提出了一种基于Masi熵和长程相关性的图像阈值分割方法，改进了现有Tsallis和Shannon熵技术	使用Masi熵替代Tsallis熵来捕捉长程相互作用，并结合模拟退火算法进行参数优化，提升了分割性能	方法依赖于熵参数，需通过优化算法调整，可能增加计算复杂度	改进图像阈值分割技术，提高在多种图像类型上的分割准确性	红外图像、无损检测图像以及BSDS500数据集的RGB图像	计算机视觉	NA	图像阈值分割	支持向量机	图像	BSDS500数据集中的图像	NA	核支持向量机	分割准确性	NA
4129	2025-12-27	The Influence of Hobby Engagement on Cognitive Function Among Older Adults: A Population-Based Cohort Study Using Statistical Analysis and Machine Learning Predictions 2025-Nov-27, Neurology international IF:3.2Q2 DOI:10.3390/neurolint17120192 PMID:41441211	研究论文	本研究探讨了兴趣爱好参与对老年人认知功能的影响，通过统计分析和机器学习预测方法，发现兴趣爱好参与与较低的持续低认知功能轨迹风险相关	采用多方法分析策略，结合传统统计模型（如线性回归、混合效应模型）与机器学习算法（包括梯度提升回归器），并应用基于组的轨迹建模识别异质性认知亚组，以全面评估兴趣爱好与认知功能的关联及预测性能	研究为观察性设计，无法确立因果关系；认知功能测量可能受自我报告偏差影响；样本主要来自英国社区居住的老年人，可能限制结果的普遍性	评估兴趣爱好参与与老年人认知功能之间的关联，并探索其作为保护性因素对认知健康轨迹的影响	50岁及以上的社区居住老年人	机器学习	老年疾病	NA	梯度提升回归器	纵向队列数据	6854名参与者	Scikit-learn	NA	RMSE, R2	NA
4130	2025-12-27	A Lightweight Cross-Gated Dual-Branch Attention Network for Colon and Lung Cancer Diagnosis from Histopathological Images 2025-Nov-26, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci13040286 PMID:41440518	研究论文	本文提出了一种轻量级交叉门控双分支注意力网络，用于从组织病理学图像中诊断结肠癌和肺癌	通过交叉门控融合机制集成EfficientNetV2-B0和MobileNetV3-Small骨干网络，自适应平衡全局上下文和精细结构细节，无需外部特征提取或优化阶段	未提及具体局限性	开发一种端到端的双分支注意力网络，以实现高精度、计算效率和透明度的组织病理学分类	结肠和肺癌的组织病理学图像	数字病理学	肺癌, 结肠癌	NA	CNN	图像	NA	NA	EfficientNetV2-B0, MobileNetV3-Small	准确率, 精确率, 召回率, F1分数, MCC	NA
4131	2025-12-27	A Deep Learning Approach for Microplastic Segmentation in Microscopic Images 2025-Nov-25, Toxics IF:3.9Q1 DOI:10.3390/toxics13121018 PMID:41441239	研究论文	本文提出了一种用于显微图像中微塑料分割和形态学表征的深度学习模型	开发了MNv4-Conv-M-fpn模型，结合迁移学习、特征金字塔网络和特征融合模块，实现了高精度、高效率的微塑料多类别分割	未明确说明模型在极端环境样本或不同成像条件下的泛化能力	解决微塑料形态学表征的测量瓶颈，为环境风险评估提供高精度工具	显微图像中的微塑料颗粒	计算机视觉	NA	显微成像	深度学习	图像	未明确说明具体样本数量，但提及使用了多样化数据集	未明确说明	MNv4-Conv-M-fpn, Feature Pyramid Network, Feature Fusion Module	准确性, 计算效率, 推理速度	未明确说明
4132	2025-12-27	Deep learning enabled rapid detection of live bacteria in the presence of food debris 2025-Nov-21, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00636-z PMID:41271775	研究论文	本研究开发了一种基于深度学习的策略，利用白光显微镜图像快速检测和分类活细菌，即使在存在形态相似食物残渣的情况下也能实现	结合ResNet50与区域提议网络，首次实现在复杂食物基质中快速（3小时内）且高精度地检测活细菌，同时有效区分细菌与食物残渣	研究仅针对三种特定细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）和三种食物残渣（鸡肉、菠菜、奶酪）进行验证，可能无法泛化到其他细菌或食物类型	开发一种快速、准确且成本效益高的活细菌检测方法，以应对食品安全中的病原体污染问题	活细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）及食物残渣（鸡肉、菠菜、奶酪）	计算机视觉	NA	白光显微镜成像	CNN	图像	涉及三种细菌和三种食物残渣的微菌落图像数据集	NA	ResNet50, Region Proposal Network	精确度, 召回率, 假阳性率	NA
4133	2025-12-27	Degrees of uncertainty: conformal deep learning for non-invasive core body temperature prediction in extreme environments 2025-Nov-20, Communications engineering DOI:10.1038/s44172-025-00548-6 PMID:41266785	研究论文	本文介绍了一种结合深度学习与保形预测的框架，用于在极端环境中进行非侵入性核心体温预测，并提供校准的不确定性估计	首次将保形预测与深度学习结合，为实时非侵入性核心体温预测提供统计校准的不确定性估计，显著提升了概率准确性	研究主要针对热应激环境，在其他极端环境或疾病条件下的适用性尚需进一步验证	开发一种具有校准不确定性的实时非侵入性核心体温预测方法，以支持安全关键的生理监测	核心体温预测，特别是在高风险热应激环境下的应用	机器学习	NA	深度学习, 保形预测	深度学习模型	生理测量数据, 人口统计学数据, 环境数据	超过140,000个生理测量数据，涵盖六个操作领域	NA	NA	测试误差, 校准概率准确性, 预测区间	NA
4134	2025-12-27	Evaluating the quality of multiple automatically produced segmentation variants of the prostate on Magnetic Resonance Imaging scans for brachytherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100852 PMID:41439244	研究论文	评估一种基于深度学习的（半）自动医学图像分割方法在MRI前列腺分割中的质量，并与传统DL方法进行比较	提出了一种能生成多个分割变体（反映手动分割的变异）的新型DL方法，而非仅单一分割结果，旨在提高临床医生偏好自动分割的可能性	研究为回顾性设计，样本量较小（仅13名前列腺癌患者），可能限制结果的普遍性	评估新型DL分割方法在前列腺MRI分割中的质量，并探讨其临床应用的潜力	前列腺癌患者的MRI扫描图像	数字病理	前列腺癌	MRI扫描	深度学习（DL）	图像	13名前列腺癌患者	NA	NA	手动校正需求等级（无校正、不可接受等），偏好排名	NA
4135	2025-12-27	Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Aug-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01903-9 PMID:40760164	研究论文	本研究开发并验证了名为CerviPro的多模态深度学习模型，用于预测接受根治性放疗的局部晚期宫颈癌患者的无病生存期	通过融合治疗前后CT影像、手工放射组学特征和临床变量，构建了首个针对局部晚期宫颈癌的多模态预后预测模型，并证明了多模态特征融合优于单一数据源模型	研究样本量相对有限（1018例），且外部验证队列的C-index（0.70和0.66）低于内部验证队列（0.81），表明模型泛化能力有待进一步提升	开发精准的生存预测模型以指导局部晚期宫颈癌的个性化治疗	接受根治性放疗的局部晚期宫颈癌患者	数字病理学	宫颈癌	CT成像	深度学习模型	CT影像、放射组学特征、临床变量	1018例局部晚期宫颈癌患者	NA	CerviPro	C-index	NA
4136	2025-12-27	Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction 2025-May-05, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.05.25326794 PMID:40385437	研究论文	本研究比较了深度学习模型Genome-Local-Net与线性模型bigstatsr在预测五种精神疾病方面的性能，并探讨了结合个体和GWAS来源的多基因评分及家族遗传风险评分的预测效果	首次系统评估深度学习模型在精神疾病多基因评分预测中的泛化能力，并探索了多种评分整合策略的增效作用	深度学习整合策略未显示一致优势，研究仅针对五种精神疾病，样本代表性可能受限	提升精神疾病遗传风险预测的准确性和泛化能力	注意力缺陷多动障碍、自闭症谱系障碍、双相情感障碍、重度抑郁症和精神分裂症	机器学习	精神疾病	全基因组关联研究	深度学习, 线性模型	基因型数据	未明确	未明确	Genome-Local-Net	AUROC	未明确
4137	2025-12-27	Research on partial discharge signal recognition and classification of power transformer based on acoustic-VMD and CNN-LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335447 PMID:41264639	研究论文	本研究提出了一种基于声学-VMD和CNN-LSTM的混合模型，用于电力变压器局部放电信号的识别与分类	提出了一种新颖的混合模型，结合了样本熵优化的变分模态分解、并行1D-CNN和双向LSTM分支以及分层注意力机制，实现了自适应信号处理与基于注意力的深度学习的协同集成	未明确说明模型在更广泛或不同噪声环境下的泛化能力，也未讨论模型对计算资源的具体需求	提高电力变压器局部放电信号的识别与分类准确性，以预防绝缘故障	电力变压器的局部放电信号	机器学习	NA	声学信号处理，变分模态分解	CNN, LSTM	声学信号	未明确说明	NA	1D-CNN, 双向LSTM	分类准确率, 平均绝对定位误差, 角度精度, 处理时间	NA
4138	2025-12-27	Pathway-guided architectures for interpretable AI in biological research 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.10.063 PMID:41282420	综述	本文综述了基于通路指导的可解释深度学习架构（PGI-DLA）在生物研究中的进展，重点关注其组学兼容性、架构设计、特征解释以及生物与临床应用	系统总结了不同通路数据库（如KEGG、GO、Reactome、MSigDB）在知识范围、层次结构、细节水平和注释重点上的差异，并讨论了数据库选择对模型设计、性能和可解释性的影响，为优化PGI-DLA应用提供了指导	作为一篇综述文章，未提出新的实验模型或算法，主要基于现有文献进行总结和讨论	旨在通过整合先验通路知识，提升深度学习模型在生物多组学数据分析中的性能和可解释性，以促进生物学发现和临床转化	通路指导的可解释深度学习架构（PGI-DLA）及其在生物多组学数据建模中的应用	机器学习	NA	多组学数据分析	深度学习	多组学数据	NA	NA	NA	NA	NA
4139	2025-12-27	Brand public opinion data analysis method based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339563 PMID:41433265	研究论文	本文提出了一种基于深度学习的品牌舆情数据分析方法，通过改进情感词典并结合BERT模型进行情感分类	利用主题词和基准词算法增强情感词典，并结合预训练词向量与BERT线性情感分类模型，以提高舆情事件情感分析的准确性	NA	提升品牌舆情事件的情感分析准确性，为品牌所有者应对突发网络舆情提供技术支持	微博评论数据，针对特定品牌A在特定时间范围内的舆情事件相关话题数据	自然语言处理	NA	潜在狄利克雷分配主题模型，情感词典增强算法，预训练词向量	BERT	文本	NA	NA	BERT线性情感分类模型	NA	NA
4140	2025-12-27	Identification and classification of oil and gas pipeline intru-sion events based on 1-D CNN network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338205 PMID:41433319	研究论文	本研究提出了一种结合相位敏感光时域反射计分布式声学传感与优化一维卷积神经网络的多模态传感交互框架，用于油气管道入侵事件的识别与分类	整合原始光纤振动信号与手工特征，并利用公开人体活动数据集进行迁移学习以提升特征泛化能力	数据集多样性有限，需进一步扩展并增强多传感器融合与自适应交互能力	开发实时、高灵敏度的油气管道安全监测系统	油气管道入侵事件（如手动敲击、机械挖掘、人类脚步）	机器学习	NA	相位敏感光时域反射计分布式声学传感	CNN	振动信号	NA	NA	一维卷积神经网络	分类准确率	NA