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
501	2025-09-27	Systematic review: progress in EEG-based speech imagery brain-computer interface decoding and encoding research 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2938 PMID:40989443	综述	系统回顾基于脑电图的语音想象脑机接口在神经解码与编码方面的研究进展	深入探讨语音想象脑机接口的脑连接机制及其在神经编码解码中的关键作用，分析不同语言单位的想象范式	NA	总结语音想象脑机接口技术的研究现状与发展方向	基于脑电图的语音想象脑机接口系统	脑机接口	NA	脑电图（EEG）	机器学习和深度学习算法	脑电信号	NA
502	2025-09-27	A hybrid deep learning framework for skin disease localization and classification using wearable sensors 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3002 PMID:40989455	研究论文	提出一种基于可穿戴传感器和临床数据的混合深度学习框架，用于皮肤病的定位和分类	结合全卷积残差神经网络生成可解释的疾病概率图，并采用多模态融合方法整合图像特征与临床数据	NA	开发高效、可扩展且可解释的皮肤病检测方法	皮肤病患者的皮肤图像和临床数据	计算机视觉	皮肤病	深度学习	FCRN（全卷积残差神经网络）和CNN（卷积神经网络）	图像和临床文本数据	NA
503	2025-09-27	Quantification of left ventricular mass in multiple views of echocardiograms using model-agnostic meta learning in a few-shot setting 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3161 PMID:40989454	研究论文	提出一种基于模型无关元学习的少样本学习方法，用于多视角超声心动图中左心室质量的量化	首次将模型无关元学习应用于超声心动图多视角分析，通过共享表示和视角特定头部实现少样本快速适应	仅在有限的数据集上进行验证，需要进一步临床验证	开发少样本学习框架以解决超声心动图左心室质量量化中标注数据不足的问题	超声心动图中的左心室质量	医学影像分析	心血管疾病	模型无关元学习（MAML）	基于热图的点估计分割模型	超声心动图图像	使用EchoNet-LVH、TMED-2和CAMUS数据集，在1-shot、5-shot和10-shot场景下验证
504	2025-09-27	Deep learning in time series forecasting with transformer models and RNNs 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3001 PMID:40989451	研究论文	本研究比较了14种神经网络模型在时间序列天气预报中的性能表现	首次系统比较Transformer和RNN模型在天气预报任务中的优劣，发现Transformer模型在长期预测中表现更优	仅评估了14种模型，可能未覆盖所有先进的时间序列预测方法	评估不同神经网络模型在时间序列天气预报中的准确性和适用性	天气变量时间序列数据	机器学习	NA	时间序列预测	Transformer, RNN, TCN, BiTCN, Informer, iTransformer, Former, PatchTST	时间序列数据	未明确说明样本数量
505	2025-09-27	Predicting danceability and song ratings using deep learning and auditory features 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3009 PMID:40989462	研究论文	提出一种融合BiLSTM和ResNet的深度学习框架，通过跨注意力机制联合预测歌曲的舞蹈性和流行度	首次将跨注意力机制应用于异构音乐数据建模，实现分类输入与数值听觉特征的多模态融合	NA	通过深度学习提升音乐舞蹈性和流行度的预测精度	音乐歌曲的听觉特征与分类数据	机器学习	NA	深度学习	BiLSTM, ResNet, 跨注意力机制	数值听觉特征, 分类序列数据	NA
506	2025-09-27	Enhancing fruit freshness classification with adaptive knowledge distillation and global response normalization in convolutional networks 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3198 PMID:40989448	研究论文	提出一种结合自适应知识蒸馏和全局响应归一化的卷积网络架构，用于水果新鲜度分类	首次将自适应知识蒸馏（AKD）与全局响应归一化（GRN）相结合应用于水果新鲜度分类，通过教师-学生模型间的注意力图传递实现高效知识迁移	NA	开发高效深度学习模型以实现水果新鲜与腐烂的自动分类	水果新鲜度状态（新鲜/腐烂）	计算机视觉	NA	深度学习，自适应知识蒸馏，全局响应归一化	CNN（教师-学生模型架构）	图像	NA
507	2025-09-27	Deep vision-based real-time hand gesture recognition: a review 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2921 PMID:40989457	综述	本文综述了基于深度学习的实时手势识别技术，重点分析CNN、LSTM和注意力机制等模型的应用	系统比较深度学习模型在手势识别各阶段的作用，并提出评估指标和数据集的分类框架	未涉及具体实验验证，主要基于文献分析	探讨深度学习在解决手势识别中边缘模糊、旋转误差和计算延迟等问题中的应用	手势识别技术及其深度学习模型	计算机视觉	NA	深度学习	CNN, LSTM, 注意力机制	视频	NA
508	2025-09-27	Local-global multi-scale attention network for medical image segmentation 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3033 PMID:40989458	研究论文	提出一种结合局部-全局多尺度注意力机制的医学图像分割新架构LGMANet	创新性地设计局部-全局信息处理块（LGIPB）和高效多尺度重建注意力（EMRA）模块，实现局部与全局信息的深度挖掘及核心特征精准提取	NA	解决医学图像分割中局部与全局信息提取不足及核心特征选择不准确的问题	医学图像分割任务	计算机视觉	NA	深度学习	LGMANet（基于CNN的注意力网络）	医学图像	ISIC2018、CVC-ClinicDB、BUSI、GLaS四个公开数据集
509	2025-09-27	Predicting sport event outcomes using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3011 PMID:40989473	研究论文	提出结合一维卷积神经网络和Transformer架构的深度学习框架，用于提升体育赛事结果预测的准确性	首次将1D CNN与Transformer结合用于体育预测，通过混合设计同时捕捉局部空间模式和长距离依赖关系	NA	提高体育赛事结果预测的准确性和鲁棒性	体育赛事数据	机器学习	NA	深度学习	1D CNN + Transformer	结构化比赛数据	基准体育数据集
510	2025-09-27	An evolutionary Bi-LSTM-DQN framework for enhanced recognition and classification in rural information management 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2967 PMID:40989483	研究论文	提出一种结合进化算法、强化学习和双向长短期记忆网络的EBLM-DQN框架，用于提升农村信息管理的识别分类精度	首次将进化算法与Bi-LSTM和DQN相结合，通过动态权重优化和进化选择实现农村信息的精准识别	NA	提高农村信息管理中信息识别和分类的准确性与效率	农民相关的农村信息数据	自然语言处理	NA	进化算法、强化学习、深度学习	Bi-LSTM、DQN	文本数据	公共数据集和实际应用数据
511	2025-09-27	A review of deep learning methods in aquatic animal husbandry 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3105 PMID:40989481	综述	本文对水产养殖中深度学习方法的应用进行了系统性综述	重点分析了U-Net模型在分割任务中达到94.44%的高性能表现	未提及具体研究样本量的限制	提升水产养殖自动化操作的精确性、生产力和可持续性	水生动物	计算机视觉	NA	深度学习	U-Net	图像、视频	NA
512	2025-09-27	Predicting academic performance for students' university: case study from Saint Cloud State University 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3087 PMID:40989480	研究论文	本研究使用LSTM模型预测圣克劳德州立大学学生的学业表现（GPA）	采用LSTM模型结合丰富的学术和人口统计特征，在院系两级进行预测，性能优于传统机器学习和深度学习模型	数据仅限于单一大学（SCSU），可能缺乏泛化能力	预测大学生学业表现以识别有风险学生	圣克劳德州立大学的29,455名学生	教育数据挖掘	NA	教育数据挖掘、特征重要性分析	LSTM、RNN、CNN、线性回归、KNN、决策树、随机森林、SVR	学术和人口统计特征数据	29,455名学生（2016-2024年共8年数据）
513	2025-09-27	Multi-task advanced convolutional neural network for robust lymphoblastic leukemia diagnosis, classification, and segmentation 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3043 PMID:40989487	研究论文	提出一种新型多任务高级卷积神经网络框架，用于医学影像中的急性淋巴细胞白血病诊断、分类和分割	采用多任务学习架构同时处理表达分类和疾病检测任务，通过级联结构学习不同抽象层次的特征	NA	提高急性淋巴细胞白血病诊断的准确性和效率	急性淋巴细胞白血病患者的医学影像数据	数字病理学	白血病	深度学习	CNN（卷积神经网络）	医学影像	综合医学影像数据集（具体数量未提及）
514	2025-09-27	AI: the Apollo guidance computer of the Exposome moonshot 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1632520 PMID:41000410	评论	提出将人工智能与暴露组数据结合的统一愿景，通过微生理系统和多组学平台构建数字孪生体	将暴露组研究比作阿波罗登月计划，提出AI作为导航计算机、MPS作为火箭、多组学作为登月舱的创新框架	需要扩展模型适用域、实施数据安全措施并优先开发可解释算法	建立预防驱动、个性化的健康与监管科学新范式	人类暴露组（环境暴露总和）	机器学习	NA	多组学平台、微生理系统(MPS)	深度学习	多组学数据、环境暴露数据	NA
515	2025-09-27	A systematic review of the hybrid machine learning models for brain tumour segmentation and detection in medical images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1615550 PMID:41000409	系统综述	本文系统综述了混合机器学习模型在医学图像中脑肿瘤分割与检测的应用	重点分析传统机器学习模型（如SVM）与深度神经网络（如VGG-19、YOLOv10n）的混合架构在脑肿瘤分析中的创新应用	模型泛化能力不足、缺乏大型标注数据集、可解释性AI应用有限	评估混合机器学习模型在提升脑肿瘤MRI图像分析计算效率和诊断准确性的潜力	脑肿瘤医学图像（MRI）	医学图像分析	脑肿瘤	机器学习、深度学习	SVM、VGG-19、YOLOv10n、CNN	医学图像（MRI）	基于25项2019-2024年间相关研究的系统分析
516	2025-09-27	Gait phase recognition of children with cerebral palsy via deep learning based on IMU data from a soft ankle exoskeleton 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1679812 PMID:41000473	研究论文	提出基于IMU数据和深度学习框架的脑瘫儿童步态相位识别方法	首次将堆叠去噪自编码器与LSTM网络结合用于脑瘫儿童自然行走状态下的步态相位分类	样本量较小（仅6名轻度脑瘫儿童），需进一步扩大验证范围	开发精准的脑瘫儿童步态相位识别系统以支持康复评估	轻度脑瘫儿童的步态数据	机器学习	脑瘫	惯性测量单元(IMU)数据采集	SDA-LSTM（堆叠去噪自编码器+长短期记忆网络）	传感器时序数据	6名轻度脑瘫儿童的自然步态序列
517	2025-09-27	Toward accurate single image sand dust removal by utilizing uncertainty-aware neural network 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1575995 PMID:41000467	研究论文	提出一种基于不确定性感知神经网络HIUNet的单幅图像沙尘去除新框架	首次将贝叶斯神经网络引入沙尘去除任务，通过分层交互的不确定性感知机制和特征频率选择策略提升图像恢复质量	尚未针对极端沙尘场景进行优化，未来计划扩展框架处理此类情况	解决沙尘环境中单幅图像去尘的异质性不确定性挑战	受沙尘退化的单幅图像	计算机视觉	NA	贝叶斯神经网络、特征频率选择、特征增强	HIUNet（分层交互不确定性感知网络）	图像	自建Sand11K数据集（包含不同退化程度的沙尘图像）
518	2025-09-27	Deep Learning for Cancer Detection Based on Genomic and Imaging Data: A Comprehensive Review 2025, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S533522 PMID:41001156	综述	本文全面综述了基于基因组和影像数据的深度学习在癌症检测中的应用进展	系统整合基因组与影像数据的深度学习创新方法，推动精准诊断和个性化治疗发展	NA	总结深度学习在癌症早期检测领域的研究现状与未来方向	癌症检测的深度学习模型及应用	数字病理	癌症	基因组测序、医学影像技术	CNN	基因组数据、影像数据	NA
519	2025-09-27	Radiomics signature and deep learning signature of intrathrombus and perithrombus for prediction of malignant cerebral edema after acute ischemic stroke: a multicenter CT study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1650970 PMID:41001195	研究论文	本研究通过分析急性缺血性脑卒中患者血栓内及血栓周围区域的影像组学和深度学习特征，预测恶性脑水肿的发生风险	首次联合使用血栓内和血栓周围区域的影像组学与深度学习特征，并比较了不同区域特征对恶性脑水肿的预测效能	回顾性研究设计，样本量相对有限（共406例患者）	预测急性缺血性脑卒中后恶性脑水肿的发生风险	急性缺血性脑卒中患者	医学影像分析	脑血管疾病	CT影像分析、影像组学特征提取、深度学习特征提取	VGG16、LASSO回归、11种机器学习分类器（包括逻辑回归）	CT图像	406例急性缺血性脑卒中患者（训练集/测试集来自中心A，外部验证集来自中心B和C）
520	2025-09-27	Federated learning for lesion segmentation in multiple sclerosis: a real-world multi-center feasibility study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1620469 PMID:41001196	研究论文	本研究探索联邦学习在多中心真实医院环境中进行多发性硬化病灶分割的可行性	首次在真实世界多中心场景下应用联邦学习进行MS病灶分割，无需共享原始患者数据	性能在不同站点间存在差异，反映了数据异质性带来的挑战	验证联邦学习在分布式临床环境中进行医学图像分析的可行性和有效性	多发性硬化患者的MRI图像	医学图像分析	多发性硬化	联邦学习	nnU-Net	MRI图像	来自三个医疗中心的512例MRI病例