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
5641	2025-10-06	Analysis of Microbiome for AP and CRC Discrimination 2025-Jun-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070713 PMID:40722405	研究论文	本研究利用机器学习方法通过合成数据增强不平衡的微生物组数据集，并识别区分腺瘤性息肉和结直肠癌的重要微生物特征	首次结合高斯Copula合成器生成微生物OTU数据，并通过层间相关性传播从深度学习模型中提取关键微生物特征	样本量较小（仅148个样本），仅使用单一合成方法，需要进一步验证	开发基于机器学习的方法来增强不平衡微生物组数据并识别疾病相关微生物标志物	61名患者的148个微生物样本（16名AP患者34个样本，46名CRC患者114个样本）	机器学习	结直肠癌	微生物组测序，操作分类单元分析	逻辑回归，支持向量机，深度学习分类器	微生物OTU计数数据	148个样本（34个AP样本，114个CRC样本）	Synthetic Data Vault Python库，Scikit-learn	高斯Copula合成器，多项式核SVM，深度学习分类器	准确率，F1分数，精确率	NA
5642	2025-10-06	Deep Learning Spinal Cord Segmentation Based on B0 Reference for Diffusion Tensor Imaging Analysis in Cervical Spondylotic Myelopathy 2025-Jun-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070709 PMID:40722401	研究论文	提出基于B0参考图像的深度学习模型SCS-Net，用于颈椎病性脊髓病DTI图像的自动分割	首次验证无扩散图像（B0图像）在DTI分割中的有效性，并设计轻量级特征提取模块缓解训练数据稀缺问题	单中心研究，样本量有限（89例患者）	开发AI驱动的脊髓DTI自动分割方法以辅助临床诊断	颈椎病性脊髓病患者的脊髓DTI图像	医学影像分析	颈椎病性脊髓病	扩散张量成像	深度学习	医学影像	89例CSM患者	NA	U-Net	精确率, 召回率, Dice系数, DTI特异性特征指标	NA
5643	2025-10-06	A Hybrid Framework Integrating Traditional Models and Deep Learning for Multi-Scale Time Series Forecasting 2025-Jun-28, Entropy (Basel, Switzerland) DOI:10.3390/e27070695 PMID:40724412	研究论文	提出一种集成传统统计模型和深度学习模型的多尺度时间序列预测混合框架	设计了一种新颖的多尺度预测机制，通过双阶段预测过程和自适应融合机制结合传统模型与深度学习的优势	NA	提高时间序列预测在短期和长期预测范围内的准确性	时间序列数据	机器学习	NA	时间序列分析	ARIMA, LSTM, Transformer	时间序列数据	八个公共数据集（电力、汇率、天气、交通、疾病、ETTh1/2、ETTm1/2）	NA	LSTM, Transformer	准确性	NA
5644	2025-10-06	A Unified Deep Learning Ensemble Framework for Voice-Based Parkinson's Disease Detection and Motor Severity Prediction 2025-Jun-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070699 PMID:40722391	研究论文	提出一种基于语音特征的帕金森病检测与运动严重程度预测的混合集成学习框架	结合深度多模态融合模型与集成学习策略，首次实现帕金森病联合检测和运动严重程度预测	未明确说明数据集规模和多样性限制	开发精准可泛化的语音基帕金森病监测模型	帕金森病患者语音生物医学特征	机器学习	帕金森病	语音特征分析	深度神经网络,集成学习	语音特征数据	NA	Scikit-learn, XGBoost	多模态融合模型,多头自注意力机制,多任务输出分支	准确率,RMSE,R平方	NA
5645	2025-10-06	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-Jun-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	研究论文	提出一种整合染色质可及性和基因组序列的深度学习框架scAttG，用于单细胞ATAC测序数据的细胞类型注释	首次将图注意力网络和卷积神经网络结合，同时利用染色质可及性信号和基因组序列特征进行细胞注释	未明确说明模型在特定生物环境或稀有细胞类型上的性能限制	开发更准确和稳健的单细胞ATAC测序数据细胞类型注释方法	单细胞ATAC测序数据	生物信息学	NA	scATAC-seq	GAT, CNN	基因组序列，染色质可及性数据	多个scATAC-seq数据集（未指定具体数量）	NA	图注意力网络，卷积神经网络	准确性，鲁棒性	NA
5646	2025-10-06	Identification of Key Genes Associated with Overall Survival in Glioblastoma Multiforme Using TCGA RNA-Seq Expression Data 2025-Jun-27, Genes IF:2.8Q2 DOI:10.3390/genes16070755 PMID:40725410	研究论文	本研究通过机器学习和深度学习方法识别与胶质母细胞瘤总生存期相关的关键基因	首次结合机器学习特征选择方法和DeepSurv深度学习模型识别胶质母细胞瘤预后相关基因，并比较两种方法的性能	研究基于TCGA单一数据库，需要外部验证；基因功能机制需要进一步实验验证	识别与胶质母细胞瘤患者总生存期相关的关键基因生物标志物	胶质母细胞瘤原发性肿瘤样本	机器学习	胶质母细胞瘤	RNA-Seq	Cox比例风险模型, DeepSurv	基因表达数据	TCGA数据库中的胶质母细胞瘤原发性肿瘤样本	NA	DeepSurv	c-index	NA
5647	2025-10-06	Integrating Deep Learning and Transcriptomics to Assess Livestock Aggression: A Scoping Review 2025-Jun-26, Biology DOI:10.3390/biology14070771 PMID:40723331	综述	通过范围综述评估深度学习和转录组学在牲畜攻击行为研究中的应用现状与趋势	首次系统整合深度学习视频分析与转录组学两种创新方法评估牲畜攻击行为研究现状	缺乏同时结合两种方法的研究，行为标注不一致，真实农场验证不足，跨模态整合有限	评估深度学习和转录组学在牲畜攻击行为研究中的应用现状并识别研究空白	牲畜攻击行为研究文献（2014-2025年4月）	计算机视觉，生物信息学	NA	转录组分析，视频分析	CNN	视频数据，转录组数据	268项原始研究（250项AI驱动行为表型分析，18项转录组研究）	NA	基于CNN的目标检测和姿态估计系统	NA	NA
5648	2025-10-06	Improving the Minimum Free Energy Principle to the Maximum Information Efficiency Principle 2025-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e27070684 PMID:40724400	研究论文	本文提出基于语义变分贝叶斯的最大信息效率原则，改进最小自由能原理的理论缺陷	提出语义变分贝叶斯方法和最大信息效率原则，引入语义信息G理论和逻辑贝叶斯推理，允许使用与语义相关的函数作为约束条件	需要结合深度学习方法才能获得更广泛的应用	改进最小自由能原理的理论基础，建立更完善的信息处理框架	信息理论、变分贝叶斯方法、脑与行为协调机制	机器学习	NA	变分贝叶斯方法、语义信息理论	语义变分贝叶斯	理论分析	NA	NA	NA	理论证明、计算实验	NA
5649	2025-10-06	TFSNet: A Time-Frequency Synergy Network Based on EEG Signals for Autism Spectrum Disorder Classification 2025-Jun-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15070684 PMID:40722277	研究论文	提出一种基于脑电图信号的时频协同网络TFSNet用于自闭症谱系障碍分类	设计动态残差块增强时域特征提取，结合短时傅里叶变换和自适应跨域注意力机制实现时频特征高效融合	数据集样本量较小（谢菲尔德大学数据集56例，KAU数据集17例），需在更大样本上验证模型泛化能力	提高自闭症谱系障碍脑电图信号分类准确率	自闭症谱系障碍患者和健康对照者的脑电图信号	机器学习	自闭症谱系障碍	脑电图信号分析，短时傅里叶变换	CNN, 注意力机制	脑电图信号	谢菲尔德大学数据集：28名ASD患者和28名健康对照；KAU数据集：12名ASD患者和5名健康对照	NA	TFSNet, 动态残差块, 自适应跨域注意力机制	准确率	NA
5650	2025-10-06	EnsembleNPPred: A Robust Approach to Neuropeptide Prediction and Recognition Using Ensemble Machine Learning and Deep Learning Methods 2025-Jun-25, Life (Basel, Switzerland) DOI:10.3390/life15071010 PMID:40724513	研究论文	提出一种集成机器学习和深度学习的神经肽预测框架EnsembleNPPred	集成传统机器学习模型与深度学习组件，通过多数投票机制结合SVM、Extra Trees和CNN模型的互补优势	NA	开发计算预测工具以支持神经肽候选序列的实验验证	神经肽序列	机器学习	NA	NA	SVM, Extra Trees, CNN	序列数据	NA	NA	CNN	准确率, 敏感性-特异性平衡	NA
5651	2025-10-06	Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning 2025-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070686 PMID:40722378	研究论文	提出一种基于可穿戴传感器融合和深度学习的自动化UPDRS步态评分框架	将表面肌电信号和惯性测量单元数据整合到单一深度学习模型中，通过三分支网络结构模拟临床医生的多维评估	样本量较小（21名参与者），仅验证了简单步行任务	开发自动化帕金森病步态评估系统以减少人工评估的工作量和主观性	帕金森病患者和健康对照者	机器学习	帕金森病	表面肌电信号，惯性测量单元	深度学习	传感器信号（EMG，IMU）	21名帕金森病患者和健康对照者	NA	三分支网络（诊断头，评估头，平衡头）	分类准确率	NA
5652	2025-10-06	Multi-Step Natural Gas Load Forecasting Incorporating Data Complexity Analysis with Finite Features 2025-Jun-23, Entropy (Basel, Switzerland) DOI:10.3390/e27070671 PMID:40724388	研究论文	本研究开发了一种结合数据复杂性分析和有限特征的多步天然气负荷预测模型	通过滚动分形维数、Hurst指数、样本熵和最大Lyapunov指数量化负荷序列复杂性特征，并将复杂特征整合到分解预测框架中	NA	量化评估天然气负荷的复杂性特征并开发多步超前预测模型	天然气负荷数据	机器学习	NA	NA	XGBoost, GRU	时间序列数据	NA	XGBoost	GRU, VMD	R	NA
5653	2025-10-06	Artificial Intelligence in the Diagnostic Use of Transcranial Doppler and Sonography: A Scoping Review of Current Applications and Future Directions 2025-Jun-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070681 PMID:40722373	综述	本文综述人工智能在经颅多普勒和超声诊断中的应用现状及未来发展方向	首次系统总结AI在神经超声学领域的应用，并指出脑实质疾病评估这一未开发领域的研究潜力	数据标准化不足、算法可解释性有限、临床整合困难，脑实质疾病评估研究尚不充分	探索人工智能在经颅多普勒和超声成像中的诊断应用与未来发展	经颅多普勒(TCD)和经颅彩色多普勒(TCCD)数据，脑血管异常和脑实质病变	医学影像分析	脑血管疾病, 脑实质病变	经颅多普勒, 经颅彩色多普勒, 超声成像	机器学习, 深度学习, 卷积神经网络	多普勒信号, 超声图像	基于41项相关研究	NA	NA	NA	NA
5654	2025-10-06	A Review of Artificial Intelligence Models for Detecting Breast Arterial Calcification on Mammograms and Their Clinical Implications 2025-Jun, Cureus DOI:10.7759/cureus.86894 PMID:40726851	综述	本文综述了人工智能模型在乳腺钼靶图像中检测乳腺动脉钙化及其临床意义的研究进展	系统评估了多种深度学习模型在BAC检测中的性能，强调了AI技术解决BAC漏报和量化不一致问题的潜力	缺乏标准化的筛查协议和报告标准，模型在临床实践中的推广仍需验证	评估人工智能模型在乳腺钼靶图像中自动检测乳腺动脉钙化的应用价值	乳腺钼靶图像中的乳腺动脉钙化	计算机视觉	心血管疾病	乳腺钼靶成像	CNN, GAN	医学图像	NA	NA	U-Net, DU-Net, DoG-GAN, Simple Context U-Net	准确率, 诊断指标	NA
5655	2025-10-06	Recovery of GLRLM Features in Degraded Images using Deep Learning and Image Property Models 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047257 PMID:40727416	研究论文	提出一种基于深度学习的GLRLM特征恢复方法，用于改善医学图像放射组学特征的鲁棒性	首次将双域深度学习框架扩展到GLRLM特征恢复，并提出了GLRLM的可微分近似算法	研究仅针对肺部CT图像和COVID-19分类任务进行验证，未测试其他疾病类型	开发放射组学特征标准化方法以减少成像条件变化带来的特征变异	肺部CT图像块和GLRLM特征	计算机视觉	COVID-19	CT成像	深度学习	医学图像	NA	NA	双域深度学习网络	MSE, 准确率	NA
5656	2025-10-06	AI-driven skin cancer detection from smartphone images: A hybrid model using ViT, adaptive thresholding, black-hat transformation, and XGBoost 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328402 PMID:40720382	研究论文	提出一种基于智能手机图像的皮肤癌检测混合模型，结合视觉Transformer和XGBoost算法	采用自适应阈值处理和黑帽变换进行图像预处理，结合ViT特征提取和图像相关变量构建堆叠模型	NA	提高皮肤癌筛查的准确性和效率	六类皮肤病变：光化性角化病、基底细胞癌、黑色素瘤、痣、鳞状细胞癌和脂溢性角化病	计算机视觉	皮肤癌	智能手机图像采集	ViT, XGBoost	图像	NA	NA	Vision Transformer	准确率, PVV, 召回率, F1分数	NA
5657	2025-10-06	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	提出一种基于超参数调优深度学习驱动的医学图像分析方法，用于颅内出血检测	结合改进的EfficientNet特征提取、黑猩猩优化算法进行超参数调优，以及集成LSTM、堆叠自编码器和双向LSTM的分类模型	NA	开发自动化的颅内出血检测系统以提高诊断准确率	计算机断层扫描（CT）图像中的颅内出血区域	计算机视觉	颅内出血	计算机断层扫描（CT）	CNN, LSTM, Autoencoder, Bi-LSTM	医学图像	NA	NA	EfficientNet, LSTM, Stacked Autoencoder, Bi-LSTM	准确率	NA
5658	2025-10-06	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出基于AMFormer的交通事故责任认定框架，通过时空特征建模实现可解释的多标签责任分类	开发AMFormer（算术特征交互Transformer）框架，结合SHAP分析提供责任认定的可解释性	未明确说明数据集的具体规模和多样性限制	开发准确且可解释的交通事故责任认定方法	交通事故数据及责任认定	自然语言处理	NA	深度学习，SHAP可解释性分析	Transformer	交通事故特征数据	真实世界数据集（未明确具体数量）	NA	AMFormer（算术特征交互Transformer）	准确率，F1分数	NA
5659	2025-10-06	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	开发深度学习模型用于超声图像中肝脏肿瘤的自动实时检测和诊断	在大型数据集上比较多种深度学习模型对肝脏肿瘤的诊断性能，并实现基于超声的实时病变检测和分类	回顾性研究设计，数据集时间跨度较长（2002-2020年）	开发自动诊断和检测肝脏病变的深度学习模型，以肝细胞癌为主要恶性肿瘤	肝脏肿瘤患者，包括恶性和良性病变	计算机视觉	肝癌	超声成像	CNN, Transformer	超声图像	1576名患者，4599张图像，6001个病变	NA	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	AUC, mAP	NA
5660	2025-10-06	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	开发并验证一种能够在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度的深度学习模型	在DeepLabv3-ResNet101架构中集成通道和空间注意力模块、dropout强化的空洞空间金字塔池化以及加权交叉熵损失函数，专门针对真实世界儿童烧伤图像的多类分割和严重程度识别	仅使用单中心回顾性数据，图像分辨率统一调整为256×256像素可能损失部分细节信息	开发适用于真实世界成像条件的儿童烧伤自动分割和深度分级系统	儿童烧伤患者的智能手机或相机拍摄照片	计算机视觉	烧伤	深度学习图像分析	CNN	图像	4785张照片，包含14,355个烧伤区域标注	PyTorch	DeepLabv3, ResNet101	Dice系数, 交并比, 准确率, 精确率, 召回率, F1分数, AUC	NVIDIA GTX 1060 GPU