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
481	2025-07-06	Explainable few-shot learning workflow for detecting invasive and exotic tree species 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05394-2 PMID:40603367	research paper	提出一种可解释的小样本学习工作流程，用于检测巴西大西洋森林中的入侵和外来树种	结合Siamese网络和可解释AI（XAI），在数据稀缺条件下实现树种分类并提供可视化解释	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种可解释的小样本学习方法，用于森林管理和生物多样性保护	入侵和外来树种	computer vision	NA	few-shot learning, XAI	Siamese network, MobileNet, CNN	UAV images	3-shot learning
482	2025-07-06	Advanced multiscale machine learning for nerve conduction velocity analysis 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08367-7 PMID:40603452	研究论文	本文提出了一种先进的机器学习框架，用于精确的神经传导速度分析，结合了多尺度信号处理和生理约束的深度学习	该框架解决了传统神经传导速度技术的三个基本限制：神经纤维建模过于简化、温度敏感性和静态测量解释，通过熵优化的小波分析、热力学正则化神经网络和随机进展模型实现了显著改进	NA	提高神经传导速度分析的准确性和临床应用	神经传导速度分析	机器学习	神经病变	多尺度信号处理、深度学习	热力学正则化神经网络、随机进展模型	信号数据	1842名患者来自28个医疗中心
483	2025-07-06	Ensemble methods and partially-supervised learning for accurate and robust automatic murine organ segmentation 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05954-6 PMID:40603458	research paper	该研究探讨了在小鼠µCT图像中自动分割多个器官的方法，以提高预处理研究的效率和可重复性	首次将部分监督学习（PSL）框架应用于预处理目的，并展示了3D模型在准确性和对外部数据集的泛化能力上的优越性	部分监督学习框架在某些器官对外部数据的泛化能力有待提高	提高小鼠µCT图像中多个器官自动分割的准确性和鲁棒性	小鼠µCT图像中的多个器官	digital pathology	NA	µCT成像	3D模型, 2D模型, 集成学习	图像	多个小鼠µCT图像数据集
484	2025-07-06	Advancing BCI with a transformer-based model for motor imagery classification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06364-4 PMID:40603471	研究论文	本文提出了一种基于Transformer和TCN的深度学习框架EEGEncoder，用于改进脑机接口中的运动想象分类任务	引入了名为Dual-Stream Temporal-Spatial Block (DSTS)的新型融合架构，以捕捉时间和空间特征，并采用多并行结构提升模型性能	仅在BCI Competition IV-2a数据集上进行了测试，未在其他数据集上验证模型的泛化能力	提高脑机接口中运动想象分类的准确性	脑电图(EEG)信号	脑机接口	运动障碍	EEG信号处理	Transformer, TCN	EEG信号	BCI Competition IV-2a数据集
485	2025-07-06	Key factors in predictive analysis of cardiovascular risks in public health 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07874-x PMID:40603495	research paper	本研究探讨了分析学在评估心血管疾病风险中的作用，重点关注数据准备和特征工程以提高预测准确性	比较了多种机器学习模型在心血管疾病风险预测中的表现，包括传统机器学习模型和深度学习模型	需要大量资源和数据预处理	评估心血管疾病风险预测的准确性	心血管疾病风险预测模型	machine learning	cardiovascular disease	machine learning, deep learning	Logistic Regression, Random Forest, Gradient Boosting Machines, Multilayer Perceptron	health data	NA
486	2025-07-06	Deep learning deciphers the related role of master regulators and G-quadruplexes in tissue specification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07579-1 PMID:40603503	研究论文	本研究利用深度学习探索G-四链体在组织特异性中的作用，并开发了一个全基因组G-flipon预测框架	开发了DeepGQ模型，用于全基因组G-flipon预测，并揭示了G-flipon与组织特异性调控基因之间的关联	研究依赖于实验数据的质量和覆盖范围，可能未涵盖所有G-flipon类型	探索G-flipon在组织特异性中的作用及其与调控基因的关系	人类14种组织类型中的G-flipon	生物信息学	NA	ATAC-seq, RNA聚合酶定位, 组蛋白标记, 转录因子结合位点分析	深度学习模型	基因组数据	EndoQuad level 4-6 GQs及全基因组数据
487	2025-07-06	A federated learning-based privacy-preserving image processing framework for brain tumor detection from CT scans 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07807-8 PMID:40603518	研究论文	提出了一种基于联邦学习的隐私保护图像处理框架，用于从CT扫描中检测脑肿瘤	结合了ResNet-50和胶囊网络以改进特征提取，并应用混合Gorilla Badger优化算法选择关键特征，同时在以太坊网络上实现模型更新的安全和防篡改	未提及在不同医疗机构间数据异构性较大时的性能表现	开发一种隐私保护的脑肿瘤检测方法	脑肿瘤CT影像	数字病理学	脑肿瘤	联邦学习，各向异性扩散滤波，形态学操作，基于互信息的图像配准	Aniso-ResCapHGBO-Net（结合ResNet-50和胶囊网络）	CT图像	基准CT脑肿瘤影像数据集（具体数量未提及）
488	2025-07-06	Multimodal nomogram integrating deep learning radiomics and hemodynamic parameters for early prediction of post-craniotomy intracranial hypertension 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09115-7 PMID:40603533	研究论文	该研究评估了深度学习放射组学列线图在预测严重创伤性脑损伤患者去骨瓣减压术后早期颅内高压中的有效性	整合了深度学习放射组学特征与临床超声变量构建多模态列线图模型，实现了无创颅内压监测	样本量相对有限（总样本238例），且仅针对创伤性脑损伤患者	开发非侵入性工具预测去骨瓣减压术后颅内高压以指导临床干预	238例严重创伤性脑损伤患者（训练组166例，测试组72例）	数字病理	创伤性脑损伤	超声成像（视神经鞘和大脑中动脉频谱多普勒成像）	Light GBM算法与ResNet101迁移学习	医学影像（超声图像）与临床数据	238例患者（训练组166例，测试组72例）
489	2025-07-06	Comparison of deep learning models for predictive maintenance in industrial manufacturing systems using sensor data 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08515-z PMID:40603551	研究论文	本文通过传感器数据对工业制造系统中的预测性维护深度学习模型进行了全面比较	提出了一种包含数据采集、预处理和模型构建的框架，并比较了CNN、LSTM及其混合模型在预测设备故障和估计剩余使用寿命方面的效果，其中CNN-LSTM混合模型表现最佳	未提及具体工业制造系统的类型或规模限制	比较深度学习模型在工业制造系统预测性维护中的效果	工业制造系统中的设备故障预测和剩余使用寿命估计	机器学习	NA	深度学习	CNN, LSTM, CNN-LSTM混合模型	传感器数据	三个工业数据集
490	2025-07-06	TDNN achitecture with efficient channel attention and improved residual blocks for accurate speaker recognition 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09386-0 PMID:40603701	研究论文	提出了一种结合高效通道注意力和改进残差块的TDNN架构，用于提高说话人识别的准确性	引入了高效通道和空间注意力机制(ECAM)以及并行残差结构(PRS)，增强了多尺度特征捕捉能力和信息融合效率	未提及模型在更复杂或噪声更大的音频环境下的表现	提高说话人识别系统的准确性和性能	说话人识别系统	自然语言处理	NA	深度学习	EPCNet-TDNN (基于TDNN的改进架构)	音频数据	CN-Celeb1数据集(具体数量未提及)
491	2025-07-06	Data-driven approach to the deep learning of the dynamics of a non-integrable Hamiltonian system 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03607-2 PMID:40603858	研究论文	本文探讨了深度学习在预测非可积哈密顿系统动力学中的应用，特别是通过标准映射的数值模拟来识别系统的非可积程度	首次使用深度学习方法来预测非可积哈密顿系统的混沌性参数，揭示了深度学习在该领域的潜力与局限性	深度学习过程难以区分规则和轻微不规则动态，以及纯随机系统和具有残余规则轨道的系统	研究深度学习过程能够识别哈密顿系统非可积程度的范围	非可积哈密顿系统的标准映射	机器学习	NA	数值模拟	深度学习	数值数据	不同混沌性参数k值的标准映射模拟数据
492	2025-07-06	Listening deeper: neural networks unravel acoustic features in preterm infant crying 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03098-1 PMID:40603920	研究论文	本研究使用卷积神经网络分析早产儿哭声的梅尔频谱图，以捕捉与胎龄相关的声学特征	首次采用卷积神经网络对整个梅尔频谱图进行分析，而非局限于特定声学特征，显著提高了胎龄分类和连续差异估计的准确性	样本量相对较小（79名早产儿和52名足月新生儿），可能限制结果的普适性	探索早产儿哭声中的声学特征与神经发育异常之间的关联	早产儿和足月新生儿的哭声	机器学习	早产儿神经发育异常	梅尔频谱分析	CNN	音频	131名新生儿（79名早产儿和52名足月儿）
493	2025-07-06	A novel interval prediction method in wind speed based on deep learning and combination prediction 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03188-0 PMID:40603938	研究论文	提出了一种基于深度学习和组合预测的风速区间预测新方法，以提高风速不确定性的实时预测能力	结合时间变滤波经验模态分解和相空间重构技术处理风速序列的混沌现象和噪声，并通过多目标优化器组合优选模型	实验数据仅来自甘肃风塔，可能限制了方法的普适性	提高风速不确定性预测精度以促进风力发电机运行和电网调度	风速时间序列数据	机器学习	NA	时间变滤波经验模态分解、相空间重构、多目标优化	组合模型（统计模型与机器学习模型）	时间序列数据	甘肃风塔采集的风速数据
494	2025-07-06	Enhancing gas concentration prediction and ventilation efficiency in deep coal mines: a hybrid DL-Koopman and Fuzzy-PID framework 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00105-3 PMID:40603945	研究论文	本研究提出了一种结合DL-Koopman理论和模糊自适应PID控制策略的创新框架，用于提高深部煤矿中气体浓度预测的准确性和通风效率	整合了深度学习和DL-Koopman算子理论进行气体浓度预测，以及采用模糊自适应PID控制策略优化气流调节	未提及具体实验样本量及实际应用中的潜在限制	提高煤矿开采的可持续性和环境性能，实现智能通风系统	深部煤矿中的气体浓度和通风系统	机器学习	NA	DL-Koopman算子理论，模糊自适应PID控制	深度学习模型	历史气体浓度和风速数据	NA
495	2025-07-06	WeedSwin hierarchical vision transformer with SAM-2 for multi-stage weed detection and classification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05092-z PMID:40603967	研究论文	本研究提出了一种基于计算机视觉和深度学习的杂草检测与分类方法，通过多阶段识别提高农业精准化管理效率	提出了新颖的WeedSwin Transformer架构，专门针对杂草检测中的形态变化和植被重叠等挑战，并在性能上超越现有架构	研究未提及在不同光照条件或极端天气下的模型表现，可能影响实际应用场景的泛化能力	开发高效准确的杂草检测与分类系统，支持精准农业实践	16种常见杂草在11个生长阶段的图像数据	计算机视觉	NA	SAM-2模型、传统计算机视觉技术	WeedSwin Transformer、DINO Transformer、DETR、EfficientNet B4、YOLO v8、RetinaNet	图像	两个数据集共323,908张图像（AWD:203,567张，BWD:120,341张）
496	2025-07-06	Optimizing visual data retrieval using deep learning driven CBIR for improved human machine interaction 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05478-z PMID:40603973	研究论文	本研究提出了一种深度自适应注意力网络（DAAN）用于基于内容的图像检索（CBIR），以提高视觉检索的速度和准确性	结合多尺度特征提取和混合神经架构，引入自适应多级注意力模块（AMLA）以提高对细微视觉变化的检测能力	未提及具体的数据集限制或计算资源需求	优化基于内容的图像检索系统，提升人机交互效率	视觉数据检索系统	计算机视觉	NA	深度神经网络（DNN）、Transformer模型	DAAN（深度自适应注意力网络）	图像	未提及具体样本数量
497	2025-07-06	Numerical modeling and neural network optimization for advanced solar panel efficiency 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06830-z PMID:40604001	research paper	本文提出了一种结合物理信息神经网络和强化学习的混合AI模型，用于太阳能电池板的实时优化	开发了一种自学习自适应神经网络，结合CNN-LSTM混合模型进行太阳能预测，并引入Edge AI架构以减少对云计算的依赖	实验仅使用了UTL 335W和330W PV模块，可能限制了结果的普适性	提高太阳能电池板的效率和实时适应性	太阳能电池板的能量输出优化	machine learning	NA	深度学习、强化学习、数值建模	CNN-LSTM、物理信息神经网络	实时辐照度和温度数据	UTL 335W和330W PV模块
498	2025-07-06	A human activity recognition model based on deep neural network integrating attention mechanism 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98763-w PMID:40604060	research paper	提出了一种基于深度神经网络和注意力机制的人类活动识别模型DCAM-Net	结合CNN和MLP，并引入注意力机制，不依赖预训练模型权重，通过多尺度特征提取、残差和跳跃连接以及双注意力机制优化模型性能	未来工作可包括使用更多样化的数据集、提高计算效率以实现实时应用、增强活动转换识别能力以及融合其他传感器数据	提升人类活动识别（HAR）的准确性和泛化能力	30名参与者的智能手机传感器（加速度计和陀螺仪）数据	machine learning	NA	deep learning	CNN, MLP	sensor data	30名参与者的智能手机传感器数据
499	2025-07-06	Deep learning-based quantitative analysis of glomerular morphology in IgA nephropathy whole slide images and its prognostic implications 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09031-w PMID:40604100	研究论文	本文提出了一种基于深度学习的定量分析方法，用于分析IgA肾病全切片图像中的肾小球形态及其预后意义	使用DeepLabV3Plus和EfficientNet-B3模型对肾小球进行分割和形态特征量化，并用于机器学习预测IgA肾病的进展风险	虽然结合图像特征的深度学习模型提高了预测能力，但提升效果不显著	开发一种基于人工智能的定量分析方法，用于预测IgA肾病的肾脏进展	IgA肾病患者的全切片图像	数字病理学	IgA肾病	深度学习	DeepLabV3Plus, EfficientNet-B3	图像	1,241张全切片图像
500	2025-07-06	Transformer based models with hierarchical graph representations for enhanced climate forecasting 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07897-4 PMID:40604146	研究论文	该研究提出了一种基于Transformer的深度学习模型，用于每日温度预测，结合了时空融合模块、分层图表示与分析和动态时序图注意力机制	模型整合了时空融合模块(STFM)、分层图表示与分析(HGRA)和动态时序图注意力机制(DT-GAM)，并引入了混合优化方法(HWOA-TTA)以提高计算效率和特征选择	未来工作将集中在验证模型在不同气候区域的适用性以及增强实时部署的可行性	提高气候预测的准确性和计算效率，以支持农业、城市规划和灾害管理	历史气候数据（2013-2017年德里的1,500条每日记录）	机器学习	NA	深度学习，Whale Optimization Algorithm (WOA), Tiki-Taka Algorithm (TTA)	Transformer, RF-LSTM-XGBoost, cGAN, CNN + LSTM, MC-LSTM	时间序列数据	1,500条每日记录