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
561	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
562	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
563	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
564	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
565	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
566	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
567	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
568	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
569	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）
570	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）
571	2025-09-27	Spatial resolution enhancement using deep learning improves chest disease diagnosis based on thick slice CT 2024-Nov-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01338-8 PMID:39580609	研究论文	开发深度学习模型通过厚层CT生成合成薄层CT以提升胸部疾病诊断准确性	首次提出卷积-Transformer混合编解码架构的深度学习模型实现跨中心厚层CT到薄层CT的合成	模型训练仅基于单中心数据（1576名参与者），需验证更广泛人群的适用性	提升厚层CT的空间分辨率以改善胸部疾病诊断效果	社区获得性肺炎和肺结节患者	计算机视觉	肺部疾病	深度学习	卷积-Transformer混合编解码架构	CT医学影像	训练集1576人，验证集1228人（跨三个区域中心）
572	2025-09-27	Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP 2024-11, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2024.10456/2024 PMID:38832589	综述	本文对人工智能在胆胰内窥镜（EUS和ERCP）领域的最新研究进展进行全面回顾	系统总结了AI在胆胰内窥镜中的技术进展和临床应用，特别关注了深度学习模型在狭窄光学特征识别和胰腺病变检测方面的创新应用	NA	回顾人工智能在胆胰内窥镜检查领域的最新研究现状和发展方向	胆胰内窥镜检查技术（EUS和ERCP）及相关AI应用	医学人工智能	胰腺疾病	深度学习	DL模型	内窥镜图像	NA
573	2025-09-27	WITHDRAWN: Application of deep learning to predict advanced neoplasia using big clinical data in colorectal cancer screening of asymptomatic adults 2018-11-04, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2018.10.041 PMID:30403965	撤稿	该文章已被作者和/或编辑要求撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
574	2025-09-26	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-Dec, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术揭示雌激素调控的转录组复杂性，发现新型异构体及其产生的截短蛋白功能	首次结合长读长直接RNA测序、3'端测序和深度学习蛋白建模系统解析E2响应转录组，发现内含子多聚腺苷酸化mRNA产生的功能性截短蛋白	NA	探索雌激素受体阳性乳腺癌中E2调控的转录组复杂性和蛋白水平影响	ERα阳性乳腺癌细胞系及其转录组	生物信息学	乳腺癌	纳米孔长读长直接RNA测序、3'端测序、深度学习蛋白建模	深度学习	RNA测序数据	NA
575	2025-09-26	Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma 2025-Oct-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2024-0374-OA PMID:39957180	研究论文	开发基于人工智能的肾嗜酸细胞肿瘤分类系统，从双分类模型扩展到三分类模型	首次将低级别嗜酸细胞肿瘤（LOT）纳入分类模型，采用弱监督注意力机制的多示例深度学习框架	样本量相对有限（125例），需多中心验证	建立自动化的肾嗜酸细胞肿瘤病理图像分类系统	肾嗜酸细胞肿瘤的活检和切除标本全切片图像	数字病理	肾癌	深度学习	注意力机制多示例学习模型	病理全切片图像	来自6个机构的125个病例共269张全切片图像
576	2025-09-26	Automated Prediction of Bone Volume Removed in Mastoidectomy 2025-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.1365 PMID:40790912	研究论文	开发基于深度学习的自动化管道，用于预测乳突切除术中骨体积去除量	首次将深度学习应用于虚拟现实乳突切除术模拟数据，实现术前骨切除体积的自动化预测	数据集规模较小（仅15个样本），部分案例存在骨质切除过度或不足的问题，模型需要更大规模多样化数据优化	通过术前预测骨切除体积提升手术培训效果，为计算机辅助和机器人手术干预提供支持	乳突切除术中的骨体积去除预测	医学影像分析	耳科手术	深度学习、虚拟现实模拟、五折交叉验证	深度学习管道	颞骨CT扫描影像	15个去标识化颞骨CT扫描样本
577	2025-09-26	Enhanced brain tumor classification in MRI using an optimized deep random graph dilated diffusion convolutional attention network 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70028 PMID:40993917	研究论文	提出一种结合深度学习和优化算法的脑肿瘤MRI图像分类新方法	首次将深度随机图扩张扩散卷积注意力网络与冠豪猪优化器相结合用于脑肿瘤分类	NA	提高脑肿瘤MRI图像分类的准确性和可靠性	脑肿瘤MRI图像（包括神经胶质瘤、垂体瘤和脑膜瘤）	计算机视觉	脑肿瘤	深度学习、图像处理、优化算法	DR2DCAN（深度随机图扩张扩散卷积注意力网络）	MRI医学图像	来自Figshare和Kaggle的脑肿瘤MRI数据集
578	2025-09-26	A multi-modal diffusion model for noise reduction of particle number limited Monte Carlo dose calculation for carbon ion radiotherapy 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70021 PMID:40993914	研究论文	开发用于碳离子放疗中蒙特卡罗剂量计算噪声降低的多模态扩散模型	提出首个结合多模态数据（CT图像、低粒子数剂量图、束流参数）的扩散模型，采用混合融合策略实现有效的模态间交互	模型在高度异质性数据集上验证，但需要进一步临床验证	提高碳离子放疗中蒙特卡罗剂量计算的效率和准确性	碳离子放疗的剂量计算	医学物理	癌症放疗	扩散模型、蒙特卡罗模拟	Diff-MC（多模态扩散模型）	多模态数据（CT图像、剂量图、束流参数）	训练验证集：20个CT的15000对束流数据；测试集：5个CT的500对束流数据；泛化测试：100个CT的500对束流数据
579	2025-09-26	Multi-scale nested graph transformer with graph operations: Advancing high-resolution chest x-ray classification 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70003 PMID:40995863	研究论文	提出一种多尺度嵌套图变换器模型，用于高分辨率胸部X射线图像的精准分类	结合多尺度嵌套架构、交叉注意力融合和图池化操作，在保留局部细节的同时建模全局上下文关系	未明确说明数据集的具体规模和小样本场景下的性能极限	提升高分辨率胸部X射线图像分类精度，同时改善计算效率和泛化能力	高分辨率胸部X射线图像	计算机视觉	肺部疾病	图变换器、图卷积网络	Transformer、GCN	医学影像	基于三种高分辨率CXR数据集的实验验证
580	2025-09-26	An exploratory study on ultrasound image denoising using feature extraction and adversarial diffusion model 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70023 PMID:40996343	研究论文	本研究提出了一种基于扩散模型和生成对抗网络的超声图像去噪新方法ADM-ExNet	将扩散模型的反向过程替换为GAN，并引入结构特征提取网络构建损失函数以增强细节保留	属于探索性研究，噪声水平通过添加高斯噪声模拟而非真实临床噪声	开发超声图像去噪方法以提升图像质量	包含胎儿头围、心脏和神经的超声图像	计算机视觉	NA	扩散模型、生成对抗网络	ADM-ExNet（基于U-Net结构的GAN+扩散模型）	超声图像	使用三个公共数据集（HC18、CAMUS、Ultrasound Nerve），图像尺寸统一为256×256像素，训练集与验证集按9:1划分