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
4441	2025-12-24	Bimodal ECG and PCG Cardiovascular Disease Detection: Exploring the Potential and Modality Contribution 2025-Sep-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02245-5 PMID:40938506	研究论文	本文提出了一种结合心电图（ECG）和心音图（PCG）的双模态深度学习模型，用于增强心血管疾病的早期检测	提出了一种新颖的双模态深度学习模型，通过微调在大规模音频数据上预训练的CNN来处理PCG信号，并采用晚期融合策略整合ECG和PCG分支，显著提升了心血管疾病的检测性能	研究受限于公开可用的双模态数据集数量较少，仅使用了MITHSDB数据集的增强版本，未来需要更大、更多样化的双模态数据集进行验证	增强心血管疾病的早期检测能力	心电图（ECG）和心音图（PCG）信号	机器学习	心血管疾病	ECG和PCG信号采集	CNN	时序信号（ECG和PCG）	基于MITHSDB数据集的增强版本（具体数量未明确说明）	NA	1D-CNN	AUROC	NA
4442	2025-12-24	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug-12, ArXiv PMID:40395940	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类，并提供基于病例的解释	提出了一种结构化多分支架构，模拟临床解读流程，并引入了一种新颖的对比损失函数，用于处理多标签学习中无关类别的原型分离与共现诊断的原型聚类	NA	开发一种透明且可信的深度学习模型，用于临床决策支持中的多标签心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集中的所有71个标签	NA	1D CNN, 2D CNN	NA	NA
4443	2025-12-24	LPD-Net: A Lightweight and Efficient Deep Learning Model for Accurate Colorectal Polyp Segmentation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254269 PMID:41337006	研究论文	本文提出了一种轻量高效的深度学习模型LPD-Net，用于精确的结直肠息肉分割，以辅助结直肠癌的早期检测	LPD-Net通过优化网络架构、减少残差块数量以及利用深度可分离卷积和逐点卷积，在保持高分割精度的同时显著降低了计算复杂度，是DUCK-Net的轻量高效替代方案	NA	开发一种轻量高效的深度学习模型，用于实时临床环境中的结直肠息肉分割，以克服现有模型计算量大、不适用于资源有限场景的问题	结直肠息肉	计算机视觉	结直肠癌	NA	CNN	图像	NA	NA	LPD-Net	NA	NA
4444	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究评估了功率-功率跨频耦合（CFC）方法在颅内脑电图（iEEG）中检测颞叶癫痫（TLE）发作的能力，并分析了三种常见发作成分的CFC特征	提出使用功率-功率跨频耦合（CFC）作为颞叶癫痫发作检测的新方法，并首次对三种常见发作成分（尖波、尖波上的涟漪、振荡上的涟漪）进行CFC分析	研究仅基于26名患者的120次颞叶癫痫发作数据，样本量相对较小，且仅使用颅内脑电图数据，可能限制了结果的普适性	评估功率-功率跨频耦合（CFC）方法在颞叶癫痫发作检测中的有效性，并分析不同发作成分的CFC特征	颞叶癫痫患者的颅内脑电图记录，包括发作段和背景活动段	机器学习	癫痫	颅内脑电图（iEEG），功率-功率跨频耦合（CFC）分析	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作记录及背景活动段	EEGLAB	堆叠稀疏自编码器（SSAE），长短期记忆网络（LSTM）	灵敏度, 特异度, 准确率	NA
4445	2025-12-24	Optimizing credit card fraud detection with random forests and SMOTE 2025-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00873-y PMID:40404766	研究论文	本文提出了一种基于机器学习的系统，用于检测信用卡欺诈交易，并比较了多种机器学习模型在高度不平衡数据集上的性能	在高度不平衡的信用卡欺诈数据集上，结合使用SMOTE技术处理类别不平衡问题，并系统比较了深度学习模型与传统机器学习模型（如决策树、Adaboost）的性能，发现随机森林模型在欺诈检测中表现最优	研究主要基于公开的UCI数据集，可能无法完全代表实时金融交易环境的复杂性和动态变化；深度学习模型（ANN）在此特定任务中的表现未超越某些传统机器学习模型	优化信用卡欺诈检测方法，通过比较不同机器学习与深度学习模型，识别提升预测准确性的关键参数，以增强金融欺诈预防机制	信用卡交易数据，特别是欺诈性交易	机器学习	NA	合成少数类过采样技术（SMOTE），探索性数据分析（EDA）	决策树（DT），Adaboost，人工神经网络（ANN），逻辑回归，随机森林	表格数据（信用卡交易记录）	来自UCI机器学习仓库的信用卡客户数据集（欺诈交易占比小于0.2%）	NA	NA	准确率，召回率	NA
4446	2025-12-24	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.30.651481 PMID:40654621	研究论文	本研究开发了一种基于深度学习的自动化关节间隙检测方法，用于提高小鼠爪骨分割的准确性	通过引入结构增强、张量投票和输出膨胀技术，结合3D U-Net和ResNet-18架构的深度学习模型，显著提升了关节间隙检测和骨分割的精度	在疾病严重程度增加和年龄增长的小鼠中，模型性能有所下降，特别是在关节炎严重的前爪数据集中表现受限	开发自动化图像分析技术，以克服手动分割的挑战，提高复杂解剖结构的定量描述准确性	小鼠后爪和前爪的微计算机断层扫描数据集，包括野生型和肿瘤坏死因子转基因小鼠	计算机视觉	关节炎	微计算机断层扫描	CNN	图像	包括野生型和肿瘤坏死因子转基因小鼠的后爪和前爪数据集，测试组涉及52.4%的后爪样本	NA	3D U-Net, ResNet-18	分割准确率	NA
4447	2025-12-24	A Physics-Informed Deep Learning Model for MRI Brain Motion Correction 2025-Feb-13, ArXiv PMID:39990792	研究论文	本文提出了一种名为PI-MoCoNet的物理信息深度学习模型，用于MRI脑部图像的运动伪影校正	提出了一种新颖的物理信息运动校正网络，该网络利用空间域和k空间域的互补信息，无需显式运动参数估计即可鲁棒地去除高分辨率脑部MRI图像中的运动伪影	运动伪影是通过对相位编码线施加随机刚性变换来模拟的，可能无法完全覆盖所有真实临床场景中的复杂运动模式	开发并评估一种用于MRI脑部图像运动伪影校正的深度学习模型，以提高图像质量和诊断可靠性	脑部MRI图像	计算机视觉	NA	磁共振成像	深度学习	图像	两个公共数据集（IXI和MR-ART）	PyTorch	U-net, Swin Transformer	峰值信噪比, 结构相似性指数, 归一化均方误差	NA
4448	2025-12-24	RETRACTED: Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	研究论文	本文提出了一种基于多源地理大数据和深度神经网络的房价评估模型，通过集成注意力机制与空间特征提取，并利用蝙蝠优化算法提升模型的可解释性和准确性	提出了一种结合蝙蝠优化算法与注意力机制的混合深度学习网络，用于动态调整高影响力特征，解决了特征重要性不稳定、计算效率低和泛化能力差的问题，相比现有方法训练时间减少30%	未明确说明模型在不同房地产市场环境下的泛化能力，也未讨论模型对数据质量和数据缺失的敏感性	优化房价评估模型，提高预测准确性、计算效率和模型可解释性	房地产价格数据	机器学习	NA	多源地理大数据分析	深度神经网络, 注意力机制	地理大数据	NA	NA	混合深度学习网络	特征稳定性, 人工参与更新时间, 平均绝对误差	NA
4449	2025-12-24	NDMamba: Dual-Prior State-Space Model for Nighttime Deraining 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633561 PMID:41269856	研究论文	提出一种名为NDMamba的双先验状态空间模型，用于解决夜间图像去雨问题	首次将Retinex理论与状态空间模型结合，通过双先验（光照和雨纹分布）引导的架构，更有效地建模夜间低光条件下雨纹与光照的交互	未明确说明模型在极端低光或动态光照变化场景下的性能，也未讨论模型对计算资源的具体需求	提升夜间图像去雨任务的性能，在计算效率和恢复质量之间取得更好平衡	夜间含雨图像	计算机视觉	NA	深度学习	状态空间模型	图像	未明确说明具体数量，但使用了合成和真实世界基准数据集	未明确说明，代码已公开在GitHub	NDMamba（包含Prior Extraction Module, Prior-Guided Mamba Block, Lighting-Adaptive Vision State-Space Module, Rain Distribution Guidance Module）	未明确列出具体指标，但提及在基准数据集上优于现有方法	NA
4450	2025-12-24	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618559 PMID:39463944	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象，并评估AlphaFold Multimer在模拟钠通道α亚基与其蛋白质伴侣相互作用方面的准确性	首次系统性地将AlphaFold2应用于电压门控钠通道的构象采样，并利用改进的采样策略（子采样多序列比对和调整循环次数）发现了新的、实验尚未识别的构象状态和潜在中间态	研究依赖于计算模型预测，仍需实验验证新发现的构象状态；AlphaFold2在采样极端或罕见构象方面可能存在局限	探索深度学习模型AlphaFold2在采样电压门控钠通道构象及预测其蛋白质-蛋白质相互作用方面的能力	电压门控钠通道（Na通道）的α亚基、辅助β亚基和钙调蛋白	计算生物学, 结构生物信息学	NA	AlphaFold2, AlphaFold Multimer, 冷冻电镜（作为背景参考）	深度学习模型	蛋白质序列, 多序列比对	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2架构	准确性（与实验结构比较）	NA
4451	2025-12-24	SPIN-CGNN: Improved fixed backbone protein design with contact map-based graph construction and contact graph neural network 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011330 PMID:38060617	研究论文	本文提出了一种基于蛋白质接触图的图神经网络SPIN-CGNN，用于改进固定骨架蛋白质设计	引入了基于蛋白质接触图的最近邻图构建方法，结合辅助边更新和选择性核，提高了序列恢复率、困惑度等性能指标	深度学习设计的序列中的低复杂度区域，特别是针对生成结构，与天然序列相比仍有待改进	改进固定骨架蛋白质设计方法，提高序列推断的准确性和生物相关性	蛋白质结构和序列	机器学习	NA	蛋白质接触图	图神经网络	蛋白质结构数据	NA	NA	GNN	序列恢复率, 困惑度, 氨基酸组成偏差, 疏水位点保守性, 低复杂度区域	NA
4452	2025-12-24	Enhancing Breast Ultrasound Segmentation through Fine-tuning and Optimization Techniques: Sharp Attention UNet 2023-Jul-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.14.549040 PMID:37503223	研究论文	本文通过微调和优化技术增强乳腺超声图像分割，提出了Sharp Attention UNet模型	结合Sharp UNet和Attention UNet设计了一种新颖的Sharp Attention UNet模型，并在乳腺超声图像分割中应用了图像预处理、优化技术和微调方法的比较研究	未明确说明数据集的规模或多样性限制，也未提及模型在外部验证或临床环境中的泛化能力	评估图像预处理、不同优化技术以及微调对UNet分割模型性能的影响，并开发改进的乳腺病变分割算法	乳腺超声图像中的良性、恶性肿块区域以及无肿块区域	数字病理学	乳腺癌	超声成像	CNN	图像	NA	NA	UNet, Sharp UNet, Attention UNet, Sharp Attention UNet	Dice系数, 特异性, 敏感性, F1分数	NA
4453	2025-12-24	Feature interaction network based on hierarchical decoupled convolution for 3D medical image segmentation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0288658 PMID:37440581	研究论文	本文提出了一种基于分层解耦卷积和注意力机制的特征融合模块，用于提高三维医学图像中脑肿瘤分割的准确性	提出了一种基于分层解耦卷积网络和注意力机制的特征融合模块，以替代U形网络中的跳跃连接，解决类别不平衡问题，并引入全局注意力机制进一步整合编码器学习到的特征	未明确提及计算资源限制或模型在其他数据集上的泛化能力	开发一种自动且准确的方法，用于分割多模态脑肿瘤三维医学图像，以支持临床治疗决策和手术规划	多模态脑肿瘤三维医学图像	数字病理	脑肿瘤	深度学习	CNN	三维医学图像	使用BraTS 2018和BraTS 2019数据集，具体样本数量未明确说明	未明确指定，但代码公开于GitHub	U-Net	Dice相似系数	未明确说明
4454	2025-12-24	Deep learning framework for epidemiological forecasting: A study on COVID-19 cases and deaths in the Amazon state of Pará, Brazil 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291138 PMID:37976312	研究论文	本研究提出了一个深度学习框架，用于预测巴西帕拉州COVID-19病例和死亡的时间序列数据	首次评估了TCN、TRANSFORMER、TFT、N-BEATS和N-HiTS等深度学习模型在COVID-19流行病预测中的应用，并结合ARIMA模型进行后处理优化	未明确说明数据不确定性、模型泛化能力及外部验证的具体限制	开发一个能够准确预测COVID-19病例和死亡的深度学习框架，以支持公共卫生决策	巴西帕拉州的COVID-19病例和死亡时间序列数据	机器学习	COVID-19	时间序列分析	TCN, TRANSFORMER, TFT, N-BEATS, N-HiTS, ARIMA	时间序列数据	NA	NA	TCN, TRANSFORMER, TFT, N-BEATS, N-HiTS	MSE, RMSE, MAPE, sMAPE, r2, Coefficient of Variation, 残差分析	NA
4455	2025-12-24	Finding the best trade-off between performance and interpretability in predicting hospital length of stay using structured and unstructured data 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0289795 PMID:38032876	研究论文	本研究旨在开发高性能的机器学习和深度学习模型来预测医院住院时长，同时提升模型的可解释性，并比较了仅使用结构化数据、非结构化数据以及混合数据训练的模型	通过融合结构化表格数据和非结构化临床文本数据，使用AutoGluon AutoML库和预训练的Bio Clinical BERT Transformer模型，在预测住院时长的性能与可解释性之间找到最佳平衡点	研究依赖于公开的MIMIC III数据库，可能无法完全代表其他医疗环境或患者群体	预测医院住院时长，并优化模型的性能与可解释性	重症监护患者	自然语言处理	NA	机器学习，深度学习，自然语言处理	集成树，神经网络，k-近邻，Transformer	结构化表格数据，非结构化临床文本数据	使用MIMIC III数据库，具体样本数量未在摘要中明确说明	AutoGluon	Bio Clinical BERT	ROC AUC，PRC AUC	NA
4456	2025-12-24	CLAHE-CapsNet: Efficient retina optical coherence tomography classification using capsule networks with contrast limited adaptive histogram equalization 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0288663 PMID:38032915	研究论文	提出一种结合对比度受限自适应直方图均衡化（CLAHE）与胶囊网络（CapsNet）的模型（CLAHE-CapsNet），用于视网膜光学相干断层扫描（OCT）图像的疾病分类	首次将CLAHE作为网络层集成到胶囊网络中，以降低OCT图像噪声，并设计了三层卷积胶囊网络结构，避免了传统CNN池化操作导致的分辨率损失问题	仅使用单一数据集进行验证，未说明模型在其他OCT数据集上的泛化能力；未详细讨论计算复杂度与实时性表现	开发高效的计算机辅助诊断系统，帮助眼科医生快速准确地检测视网膜疾病	视网膜光学相干断层扫描（OCT）图像	计算机视觉	眼科疾病（CNV、DME、DRUSEN等）	光学相干断层扫描（OCT）	胶囊网络（CapsNet）	图像（X-Ray JPEG格式）	84,495张图像，分为4个类别（正常、CNV、DME、DRUSEN）	未明确说明	三层卷积胶囊网络（CLAHE-CapsNet）	准确率、灵敏度、精确度、特异性、AUC	NA
4457	2025-12-24	Exploration of street space architectural color measurement based on street view big data and deep learning-A case study of Jiefang North Road Street in Tianjin 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0289305 PMID:38033019	研究论文	本研究提出了一种基于街景大数据和深度学习技术的城市街道空间建筑色彩高效、大规模测量方法	结合SegNet深度学习算法进行街景图像语义分割以提取建筑元素，并利用K-Means聚类模型识别建筑色彩，实现了建筑色彩测量从传统小规模、粗放方式向大规模、精细化研究的转变	研究仅以天津解放北路街道为案例，方法在其他城市或街道的普适性有待进一步验证；色彩测量结果的准确性主要通过问卷调查进行交叉验证，可能存在主观偏差	探索一种高效、大规模的城市空间建筑色彩测量方法，以支持街道空间环境色彩质量的评估与改造	城市街道空间的建筑色彩，以天津解放北路街道为实证研究对象	计算机视觉	NA	街景大数据采集、深度学习图像分割、色彩聚类分析	CNN	街景图像	NA	NA	SegNet	准确性（通过问卷调查交叉验证）	NA
4458	2025-12-24	Deep learning hybrid model for analyzing and predicting the impact of imported malaria cases from Africa on the rise of Plasmodium falciparum in China before and during the COVID-19 pandemic 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287702 PMID:38055693	研究论文	本研究通过构建ARIMA-GRU混合模型，分析了COVID-19大流行前后非洲输入性疟疾病例对中国恶性疟原虫病例上升的影响，并预测了其趋势	提出了结合统计模型（ARIMA）与深度学习（GRU）的混合方法，用于模拟中国恶性疟原虫病例的复燃，并首次在大流行背景下系统评估了国际旅行限制对输入性疟疾传播的影响	研究时间范围存在数据缺口（2019年至2020年初），且模型主要基于历史月度数据，可能未完全捕捉突发性公共卫生事件的所有动态因素	评估非洲输入性疟疾病例对中国恶性疟原虫病例上升的影响，并预测大流行前后的疾病趋势	中国31个省份的恶性疟原虫病例及死亡数据，以及来自45个非洲国家的输入性疟疾病例数据	机器学习	疟疾	时间序列分析，深度学习建模	混合模型（ARIMA与GRU）	时间序列数据（月度病例数）	2004年至2016年月度数据用于建模，2012年至2018年及2020年10月至2021年5月数据用于关联分析	未明确提及	ARIMA, GRU	预测准确率	NA
4459	2025-12-24	CFM-YOLOv5:CFPNet moudle and muti-target prediction head incorporating YOLOv5 for metal surface defect detection 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0289179 PMID:38060568	研究论文	提出了一种基于改进YOLOv5算法的深度学习缺陷检测方法，用于金属表面缺陷检测	在特征增强部分用EVC模块替换标准Transformer编码器的多头自注意力模块以提升特征提取能力，并在预测部分增加小目标检测头以应对目标尺度剧烈变化	NA	解决金属表面缺陷检测领域人工检测效率低的问题	金属表面缺陷	计算机视觉	NA	深度学习	YOLOv5	图像	NA	PyTorch	YOLOv5, Transformer	mAP, FPS	NA
4460	2025-12-24	A comparative analysis of converters of tabular data into image for the classification of Arboviruses using Convolutional Neural Networks 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295598 PMID:38064477	研究论文	本文比较了将表格数据转换为图像的不同方法，用于基于卷积神经网络的虫媒病毒分类	通过比较多种表格数据到图像的转换器，并优化CNN模型，展示了CNN在转换后图像数据上能达到与优化XGBoost相当的性能	CNN模型的进一步随机搜索优化未能显著提升性能，且研究可能受限于特定数据集和转换方法	比较表格数据到图像的转换器性能，并优化CNN模型用于虫媒病毒分类	虫媒病毒数据	机器学习	虫媒病毒感染	表格数据到图像的转换技术	CNN, XGBoost	表格数据，图像数据	NA	NA	基础CNN（单卷积层）	准确率，精确率，召回率，F1分数，AUC	NA