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
441	2025-07-05	ModelS4Apnea: leveraging structured state space models for efficient sleep apnea detection from ECG signals 2025-Jul-03, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adebdd PMID:40609595	research paper	提出了一种名为ModelS4Apnea的深度学习框架，用于从ECG频谱图中高效检测睡眠呼吸暂停	结合了结构化状态空间模型(S4)进行时间建模，相比基于LSTM的模型具有更少的可训练参数，同时保持高分类性能	未来工作可能探索多模态数据集成、实际部署和进一步优化以增强其临床适用性和可靠性	开发一种高效准确的睡眠呼吸暂停自动检测方法	ECG信号	digital pathology	sleep apnea	deep learning	CNN, S4	ECG spectrograms	Apnea-ECG数据集
442	2025-07-05	ComptoNet: a Compton-map guided deep learning framework for multi-scatter estimation in multi-source stationary CT 2025-Jul-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adebd7 PMID:40609598	研究论文	提出了一种名为ComptoNet的解耦深度学习框架，用于多源静态CT中的多散射估计	创新性地结合了康普顿散射物理与深度学习，并引入了康普顿图来表示扫描视场外的大角度康普顿散射信号	实验数据基于蒙特卡洛模拟，未提及实际临床或工业应用中的验证	解决多源静态CT中因缺乏反散射网格部署导致的前向和交叉散射污染问题	多源静态CT系统	计算机视觉	NA	深度学习	Conditional Encoder-Decoder Network (CED-Net), Frequency U-Net	CT图像数据	蒙特卡洛模拟数据
443	2025-07-05	CONSeg: Voxelwise Uncertainty Quantification for Glioma Segmentation Using Conformal Prediction 2025-Jul-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8914 PMID:40610235	研究论文	本研究提出了一种名为CONSeg的方法，利用共形预测（CP）在胶质瘤分割中进行体素级不确定性量化，以提高分割模型的可靠性	首次将共形预测应用于胶质瘤分割领域，并提出不确定性比率（UR）这一新指标来评估分割质量	研究仅使用了两个公开数据集，可能无法涵盖所有临床场景的变异性	提高胶质瘤自动分割的可靠性，并为临床决策提供不确定性量化支持	胶质瘤患者的MRI影像数据	数字病理	胶质瘤	共形预测（CP）	UNet	医学影像	642例（UCSF数据集495例，UPenn数据集147例）
444	2025-07-05	Content-based X-ray image retrieval using fusion of local neighboring patterns and deep features for lung disease detection 2025-Jul-03, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00932-z PMID:40610682	研究论文	本文介绍了一种基于内容的医学图像检索系统，用于检测和检索肺部疾病病例，以辅助医生和放射科医师进行临床决策	结合了基于纹理的特征（LBP）和深度学习特征（VGG-16、DenseNet121、InceptionV3），以优化图像检索性能	未提及样本的具体来源和多样性，可能影响模型的泛化能力	提升肺部疾病图像检索的准确性和效率，以支持临床决策	肺部疾病病例的X射线图像	计算机视觉	肺部疾病	Local Binary Patterns (LBP), CNN	VGG-16, DenseNet121, InceptionV3	图像	NA
445	2025-07-05	Integrating MobileNetV3 and SqueezeNet for Multi-class Brain Tumor Classification 2025-Jul-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01589-1 PMID:40610693	研究论文	本研究探讨了使用轻量级深度学习模型进行多类别脑肿瘤分类的性能，并提出了一个结合MobileNetV3和SqueezeNet的特征融合混合模型	提出了一个结合MobileNetV3和SqueezeNet的特征融合混合模型，在保持低参数量的同时实现了高准确率	研究仅使用了公开可用的MRI数据集，未涉及其他类型的数据或临床环境下的验证	开发高效且准确的自动化脑肿瘤分类方法	脑肿瘤MRI图像	计算机视觉	脑肿瘤	深度学习	MobileNetV3, SqueezeNet, 特征融合混合模型	图像	7023张MRI图像
446	2025-07-05	Developing an innovative lung cancer detection model for accurate diagnosis in AI healthcare systems 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03960-2 PMID:40592932	研究论文	本研究提出了一种基于深度学习技术的集成模型（CNN-GRU），用于肺癌检测，旨在提高AI医疗系统中的诊断准确性	结合CNN和GRU模型，设计了一个智能模型用于肺癌检测，通过CNN提取肺部CT图像的空间特征，并通过GRU进行最终预测，实现了99.77%的准确率	未提及模型在多样化数据集上的泛化能力，以及在实际临床环境中的适用性	开发一种高准确率的肺癌检测模型，以提升AI医疗系统中的诊断效果	肺癌（LC）的检测	数字病理学	肺癌	深度学习	CNN-GRU	图像（肺部CT图像）	未明确提及具体样本数量，但使用了数据增强技术（如旋转和亮度调整）来扩大数据集
447	2025-07-05	Hybrid attention transformer integrated YOLOV8 for fruit ripeness detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04184-0 PMID:40592947	研究论文	提出了一种创新的水果识别模型HAT-YOLOV8，结合了混合注意力变换器（HAT）和YOLOV8深度学习算法的优势，用于水果成熟度检测	集成了Shuffle Attention（SA）模块以捕获复杂依赖关系，同时保持低计算复杂度；在特征融合阶段引入HAT模块增强长程依赖和细节信息恢复；使用EIoU损失函数替代CIoU以提高检测精度和加速模型收敛	未提及模型在极端光照条件下的表现或计算资源需求的具体数据	解决户外果园环境中因光照变化和果实集群阴影导致的水果成熟度识别与分类难题	五种水果品种，每种分为三个不同成熟度等级	计算机视觉	NA	深度学习	HAT-YOLOV8（集成Hybrid Attention Transformer和YOLOV8）	图像	包含五种水果品种的数据集，每种有三个成熟度等级（具体样本量未说明）
448	2025-07-05	Research on fault diagnosis method for variable condition planetary gearbox based on SKN attention mechanism and deep transfer learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04858-9 PMID:40592955	研究论文	提出了一种基于SKN注意力机制和深度迁移学习的变工况行星齿轮箱故障诊断方法	结合SKN注意力机制和LMMD子域适应，提升了变工况下故障特征的提取能力和诊断精度	仅针对8种变工况任务进行了验证，样本多样性可能不足	提高变工况下行星齿轮箱的故障诊断准确率	行星齿轮箱的故障数据	机器学习	NA	深度迁移学习，SKN注意力机制，LMMD子域适应	深度神经网络	振动信号数据	8种变工况任务的数据集
449	2025-07-05	A novel edge crop method and enhanced YOLOv5 for efficient wind turbine blade damage detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04882-9 PMID:40592991	research paper	提出了一种新颖的边缘裁剪方法和增强的YOLOv5网络，用于高效检测风力涡轮机叶片损伤	结合边缘裁剪方法和增强的YOLOv5网络，通过自适应调整裁剪步长和引入全局注意力机制，提高了对小尺寸和可变形状损伤的检测精度	方法在复杂背景下的性能未进行广泛验证，且数据集仅来自内蒙古西部地区	提高风力涡轮机叶片损伤检测的准确性和效率	风力涡轮机叶片	computer vision	NA	深度学习	YOLOv5	image	来自内蒙古西部的风力涡轮机叶片损伤数据集
450	2025-07-05	Clustering cell nuclei on microgrooves for disease diagnosis using deep learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05788-2 PMID:40593025	research paper	该研究使用变分自编码器（VAE）和高斯混合模型（GMM）对微沟槽基底上培养的野生型和层粘连蛋白病相关突变肌母细胞的细胞核进行聚类分析	结合深度学习技术与微沟槽基底，实现细胞核形变自动分类，为涉及细胞核形变异常的病理诊断提供新方法	未提及样本量的具体数字及模型在更广泛细胞类型中的适用性	评估深度学习模型对细胞核形变的分类能力，探索图像处理参数对聚类性能的影响	野生型肌母细胞和层粘连蛋白病相关突变肌母细胞的细胞核	digital pathology	laminopathies	microgroove substrates, deep learning	VAE, GMM	image	NA
451	2025-07-05	Real-time detection and localization of honeycomb defects in concrete pillars using hybrid deep learning models 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06971-1 PMID:40593085	research paper	本文提出了一种基于深度学习的混合模型，用于混凝土结构中蜂窝缺陷的实时检测和实例分割	结合YOLOv5的快速目标检测和Mask R-CNN的精确实例分割，有效解决和定位结构图像中的缺陷区域	NA	开发一种高精度的混凝土结构缺陷检测和定位方法	混凝土结构中的蜂窝缺陷	computer vision	NA	深度学习	YOLOv5和Mask R-CNN	image	1991张标注图像
452	2025-07-05	Effective deep learning aided vehicle classification approach using Seismic Data 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01684-x PMID:40593945	研究论文	本文提出了一种利用地震数据进行车辆分类的新型深度学习方法，通过自监督对比学习减少对环境条件和隐私问题的依赖	首次将地震数据用于车辆分类，采用自监督对比学习方法，无需标记数据进行特征提取和表示	实验数据量有限，可能影响模型在更大规模数据上的泛化能力	开发一种不受环境条件影响的车辆分类方法	车辆产生的地震信号	机器学习	NA	自监督对比学习	encoder network, projection head	地震信号	有限训练数据
453	2025-07-05	Enhanced security for medical images using a new 5D hyper chaotic map and deep learning based segmentation 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04906-4 PMID:40593969	研究论文	本研究提出了一种结合新型5D超混沌系统和定制U-Net架构的医学图像加密方法，以提高医学数据的安全性和患者隐私保护	提出了一种新型5D超混沌系统与定制U-Net架构的结合方法，用于医学图像加密，并通过动态DNA翻转和动态DNA XOR两阶段扩散增强加密算法的安全性	研究未提及该方法在不同类型医学图像上的普适性测试，也未讨论在更复杂攻击下的安全性	提高医学图像加密的安全性和可靠性，保护敏感医疗数据和患者隐私	医学图像	数字病理	NA	5D超混沌系统、U-Net网络、动态DNA翻转、动态DNA XOR	U-Net	图像	未明确说明样本数量，但测试图像尺寸为256×256
454	2025-07-05	CLASEG: advanced multiclassification and segmentation for differential diagnosis of oral lesions using deep learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03268-1 PMID:40594006	research paper	提出了一种用于口腔病变多分类和分割的深度学习框架，以提高口腔癌的早期检测和鉴别诊断	结合EfficientNet-B3和ResNet-101-based Mask R-CNN，实现了高精度的分类和分割，显著优于现有技术	分类准确率为74.49%，仍有提升空间	提高口腔病变的早期检测和鉴别诊断准确性	14种常见口腔病变（良性、癌前和恶性）	digital pathology	oral cancer	deep learning	EfficientNet-B3, ResNet-101-based Mask R-CNN	image	2,072张临床图像
455	2025-07-05	CareAssist GPT improves patient user experience with a patient centered approach to computer aided diagnosis 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01518-w PMID:40594036	研究论文	介绍了一种名为CareAssist-GPT的新型AI辅助诊断模型，旨在通过实时、易懂且富有同理心的沟通提高诊断准确性和患者体验	结合高分辨率X射线图像、实时生理生命体征和临床记录，采用深度学习框架，并通过透明、实时的解释增强患者信任	未提及具体样本量或研究人群的多样性限制	提高AI驱动的临床工具的诊断准确性和患者满意度	患者和医疗诊断过程	数字病理	NA	深度学习	CNN, GRU, transformer-based NLP	X射线图像、实时生理生命体征、临床记录	NA
456	2025-07-05	A dual encoder network with multiscale feature fusion and multiple pooling channel spatial attention for skin scar image segmentation 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05239-y PMID:40594041	研究论文	本文提出了一种结合CNN和Swin Transformer架构的深度学习框架，用于皮肤疤痕图像分割	引入了多尺度特征融合模块和新型多池化通道空间注意力机制，以增强特征细化	NA	提高皮肤疤痕图像分割的精确度，以支持临床治疗	皮肤疤痕图像	计算机视觉	皮肤病	深度学习	CNN, Swin Transformer	图像	NA
457	2025-07-05	A ubiquitous and interoperable deep learning model for automatic detection of pleomorphic gastroesophageal lesions 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03397-7 PMID:40594126	研究论文	开发了一种用于自动检测胃食管多形性病变的深度学习模型	提出了一种可互操作且普遍适用的深度学习模型，能够同时检测食管和胃的病变	需要前瞻性真实世界研究来验证其临床适用性	提高胶囊内窥镜检查的效率	胃食管多形性病变	数字病理学	胃食管疾病	胶囊内窥镜	CNN	图像	59,482帧来自774次胶囊内窥镜检查
458	2025-07-05	STVMamba: precipitation nowcasting with spatiotemporal prediction model 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05902-4 PMID:40594182	研究论文	提出了一种名为STVMamba的新型时空预测模型，专门用于降水临近预报	STVMamba模型结合了Spatial-Temporal Selective Scan (STSS)模块和Spatial-Temporal Depthwise Separable Convolution (STDSConv)模块，能够高效并行计算，线性时间复杂度，并擅长建模长距离依赖关系	未明确提及具体限制	开发一种轻量级的降水临近预报模型，以满足四川省气象局的需求	降水临近预报	计算机视觉	NA	深度学习	STVMamba (结合STSS和STDSConv模块)	雷达回波数据和卫星数据	三个基准数据集：四川雷达回波数据集、HKO-7雷达回波数据集和基于卫星的IMERG数据集
459	2025-07-05	A multi-modal graph-based framework for Alzheimer's disease detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05966-2 PMID:40594200	research paper	提出了一种基于图的多模态机器学习框架，用于阿尔茨海默病的检测	采用模块化组件构建复杂的机器学习预测器，通过有向计算图整合多模态数据，支持前向传播和反向传播	未明确提及具体的数据集规模或模型性能的局限性	开发一个模块化和自适应的框架，用于阿尔茨海默病的诊断和其他复杂医学预测任务	阿尔茨海默病患者的多模态数据（扫描、遗传数据和认知测试）	machine learning	geriatric disease	deep learning	graph-based ML framework	multimodal data (scans, genetic data, cognitive tests)	NA
460	2025-07-05	Optimizing the early diagnosis of neurological disorders through the application of machine learning for predictive analytics in medical imaging 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05888-z PMID:40594215	研究论文	本文提出了一种混合模型STGCN-ViT，用于通过医学影像优化神经退行性疾病的早期诊断	结合CNN、STGCN和ViT组件，解决了现有方法在时空动态特征提取上的不足	模型未在其他类型神经疾病或更大规模数据集上验证泛化能力	提升神经退行性疾病的早期诊断准确率	阿尔茨海默病和脑肿瘤患者的MRI影像	数字病理	神经退行性疾病	MRI影像分析	STGCN-ViT（CNN+STGCN+ViT混合模型）	医学影像	OASIS和HMS基准数据集（具体数量未说明）