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
41	2025-10-02	Artificial intelligence based platform for the automatic and simultaneous explainable detection of apnoea, oxygen desaturation, and artefacts in paediatric polygraphy exams (REST) 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13630-y PMID:41028075	研究论文	开发了一种基于人工智能的平台REST，用于自动同时检测小儿多导睡眠图中的呼吸暂停、氧饱和度下降和伪影	提出了一种新型1D深度神经网络架构，能够同时检测多种事件并提供决策过程的可解释性	仅基于86名儿科患者的数据进行训练和测试，样本规模有限	开发自动检测睡眠呼吸暂停及相关事件的AI平台	儿科患者的多导睡眠图信号	医疗人工智能	睡眠呼吸暂停	深度学习、梯度加权类激活映射(grad-CAM)	1D深度神经网络	生理信号（气流、脉搏血氧信号）	86名儿科患者
42	2025-10-02	An efficient data driven framework for intrusion detection in wireless sensor networks using deep learning 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12867-x PMID:41028087	研究论文	提出了一种基于深度学习的无线传感器网络入侵检测框架，结合CNN和RNN并采用对抗感知优化模型	结合卷积神经网络和循环神经网络，采用对抗感知优化模型，同时优化检测精度、对抗脆弱性和模型泛化能力	NA	开发适用于无线传感器网络的高效入侵检测系统	无线传感器网络中的网络安全威胁	机器学习	NA	深度学习、SMOTE过采样技术	CNN、RNN	网络流量数据	使用NSL-KDD、CICIDS2017、UNSW-NB15和CTU-13四个基准数据集进行跨数据集和数据集内实验
43	2025-10-02	An optimized hybrid deep learning model to detect Alzheimer disease 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14169-8 PMID:41028094	研究论文	提出一种优化的混合深度学习模型用于阿尔茨海默病检测	结合Inception v3和ResNet 50算法，并采用自适应骑手优化算法优化网络参数	NA	提高阿尔茨海默病早期检测的准确性	阿尔茨海默病患者，特别是轻度认知障碍阶段	数字病理学	阿尔茨海默病	深度学习	混合模型（Inception v3 + ResNet 50 + ARO优化）	医学影像数据	基准痴呆数据集（具体数量未说明）
44	2025-10-02	Harnessing operating room signals to estimate mean arterial pressure with AnesthNet 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12341-8 PMID:41028102	研究论文	本研究开发了名为AnesthNet的深度学习架构，用于通过非侵入式传感器数据估计平均动脉压	提出专门针对平均动脉压估计的深度学习架构，在两大公开数据集上实现最先进性能，并满足临床实时性要求	仅使用非侵入式传感器数据，可能在某些临床场景下精度仍不及侵入式动脉导管	开发能够替代侵入式动脉导管的非侵入式平均动脉压监测方法	手术室患者	医疗人工智能	麻醉监护	深度学习	AnesthNet	光电容积描记、心电图、袖带示波计信号	VitalDB数据集2,833名患者，LaribDB数据集5,060名患者
45	2025-10-02	A personalized federated hypernetworks based aggregation approach for intrusion detection systems 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11659-7 PMID:41028116	研究论文	提出一种基于个性化联邦超网络的入侵检测系统聚合方法	使用嵌入向量替代传统权重聚合，计算更轻量且支持增强个性化；结合个性化层和超网络聚合实现效率与自适应性的平衡	未明确说明方法在极端异构环境下的性能边界和计算资源需求	解决传统联邦学习在非独立同分布异构数据下的个性化学习难题和通信开销问题	物联网环境下的网络入侵检测系统	机器学习	NA	联邦学习、超网络、深度学习	个性化联邦超网络	网络流量数据	CSE-CICIDS-2018和UNSW-NB-15数据集
46	2025-10-02	An intelligent deep representation learning with enhanced feature selection approach for cyberattack detection in internet of things enabled cloud environment 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13457-7 PMID:41028127	研究论文	提出一种基于增强特征选择的智能混合深度学习方法，用于物联网云环境中的网络攻击检测	结合递归特征消除与信息增益的特征选择方法，并采用CNN-LSTM混合模型进行攻击分类	NA	加强物联网网络安全，开发有效的攻击检测和缓解策略	物联网云环境中的网络攻击	机器学习	NA	深度学习，特征选择	CNN-LSTM混合模型	网络数据	使用ToN-IoT和Edge-IIoT两个数据集进行实验验证
47	2025-10-02	Attention-enhanced hybrid U-Net for prostate cancer grading and explainability 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13824-4 PMID:41028129	研究论文	提出一种注意力增强的混合U-Net模型，用于前列腺癌分级和可解释性分析	集成CNN-Transformer混合编码、注意力引导跳跃连接和多阶段引导损失机制，提升分割精度和模型可解释性	NA	开发可解释且高精度的前列腺癌组织病理学分割框架	前列腺癌组织病理图像	数字病理学	前列腺癌	深度学习	混合U-Net（CNN-Transformer）	图像	SICAPv2数据集
48	2025-10-02	Species habitat modeling based on image semantic segmentation 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09035-6 PMID:41028132	研究论文	提出了一种结合核密度分析和语义分割的物种栖息地建模框架	通过核密度分析将仅存在数据扩展为存在-缺失数据，并采用语义分割方法Segformer改进传统栖息地建模	在燕子科案例研究中显示出方法的局限性	开发更准确的物种栖息地建模方法以支持生物多样性评估和保护规划	鹬科鸟类和燕子科鸟类	计算机视觉	NA	核密度分析、语义分割	Segformer	图像	NA
49	2025-10-02	Optimal attention deep learning based in-vehicle intrusion detection and classification model on CAN messages 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10637-3 PMID:41028136	研究论文	提出一种基于最优注意力深度学习的车载入侵检测与分类模型，用于保护CAN总线消息安全	采用注意力机制增强的LSTM模型和RMSProp超参数优化算法，在车载入侵检测领域实现性能提升	深度学习模型需要大量数据，但在CAN总线入侵检测系统中可能难以获取足够数据	开发有效的车载网络入侵检测系统以保障汽车网络安全	控制器局域网总线消息和车载网络传输安全	机器学习	NA	深度学习、注意力机制、RMSProp优化算法	注意力增强长短期记忆网络	网络消息数据	使用标准化的汽车黑客数据集进行实验验证
50	2025-10-02	Path-based evaluation of deep learning models for solving inverse kinematics in a revolute-prismatic robot 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10940-z PMID:41028144	研究论文	本研究评估深度学习模型在2自由度旋转-平移机器人逆运动学问题中的泛化性能	采用k折交叉验证的深度前馈神经网络在单输出配置下表现出最佳性能，能够有效处理关节解的奇异性和模糊性问题	研究仅限于2自由度旋转-平移机器人，未验证更高自由度系统的适用性	评估不同神经网络架构从末端执行器位置预测关节配置的有效性	2自由度旋转-平移机器人机械臂	机器人学	NA	深度学习，k折交叉验证	DFNN, LSTM, GRU	机器人运动轨迹数据	在四个象限和完整工作空间中的方形和圆形路径测试数据
51	2025-10-02	Deep learning model BiFPN-YOLOv8m for tree counting in mango orchards using satellite remote sensing data 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97562-7 PMID:41028215	研究论文	提出基于BiFPN-YOLOv8m深度学习模型的芒果园树木计数方法，使用卫星遥感数据	提出改进的BiFPN-YOLOv8m模型，在YOLOv8基础上优化特征金字塔网络，在复杂环境下实现更精准的树木计数	仅针对芒果园特定场景，模型在其他作物类型上的泛化能力未验证	开发高效的芒果园树木自动计数方法，替代传统人工盘点	芒果园中的树木	计算机视觉	NA	卫星遥感、深度学习	BiFPN-YOLOv8m、YOLOv8系列、YOLOv9、YOLOv10	高分辨率卫星图像	1700张训练图像和300张测试图像，包含不同树龄的芒果园
52	2025-10-02	Development of a deep learning model for survival prediction in heart failure: competing risk and frailty model 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14715-4 PMID:41028214	研究论文	开发了一种结合衰弱和竞争风险的深度学习模型用于心力衰竭患者的生存预测	首次将衰弱和竞争风险同时整合到深度学习框架中，提出DNFCR模型	临床相关性需要进一步验证，深度学习优势受数据和未测量混杂因素影响	开发心力衰竭患者生存预测的深度学习模型	心力衰竭患者	机器学习	心血管疾病	深度学习	DNFCR（深度神经网络衰弱竞争风险模型）	临床数据	435名心力衰竭患者，包含57个人口统计学和临床特征
53	2025-10-02	An autoencoder driven deep learning geospatial approach to flood vulnerability analysis in the upper and middle basin of river Damodar 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96781-2 PMID:41028232	研究论文	本研究提出一种基于CNN自编码器的深度学习方法，用于达莫达尔河中上游流域的洪水脆弱性分析	在缺乏洪水记录数据的地区，首次使用CNN自编码器结合K-means聚类进行洪水脆弱性评估	某些因素如坡向会引入噪声影响模型结果	开发适用于数据稀缺区域的洪水脆弱性评估方法	达莫达尔河中上游流域	机器学习	NA	CNN Autoencoder, K-means聚类	自编码器	地理空间图层	使用11个致灾因子作为地理空间图层数据
54	2025-10-02	SpaCross deciphers spatial structures and corrects batch effects in multi-slice spatially resolved transcriptomics 2025-Sep-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08810-5 PMID:41028333	研究论文	提出SpaCross深度学习框架，用于增强空间转录组学的空间模式识别和跨切片一致性	采用交叉掩码图自编码器重建基因表达特征，结合自适应空间-语义图结构动态整合局部和全局上下文信息	NA	解决空间转录组学中空间域识别方法的局限性，特别是多切片整合中的挑战	胚胎小鼠组织和心脏组织的空间转录组数据	空间转录组学	NA	空间分辨转录组学(SRT)	交叉掩码图自编码器	基因表达数据和空间坐标数据	NA
55	2025-10-02	Mapping the knowledge landscape of robotic colorectal cancer surgery: a visualization study 2025-Sep-30, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02838-9 PMID:41028391	综述	通过文献计量学和可视化方法揭示机器人结直肠癌手术领域的研究热点、前沿趋势和未来发展	首次系统性地对机器人结直肠癌手术研究领域进行知识图谱可视化分析，识别出从技术学习到人工智能整合的演变轨迹	仅基于Web of Science数据库文献，可能存在收录偏倚；可视化分析主要反映文献计量特征而非临床证据质量	探索机器人结直肠癌手术领域的研究发展脉络和未来方向	2001-2024年间机器人结直肠癌手术相关的研究文献	医学信息学	结直肠癌	文献计量学分析、可视化分析	Citespace软件	文献元数据	2086篇出版物
56	2025-10-02	Multi scale self supervised learning for deep knowledge transfer in diabetic retinopathy grading 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85685-w PMID:41028406	研究论文	提出多尺度自监督学习模型用于糖尿病视网膜病变分级	结合Vision Transformers的全局上下文理解和CNN与特征金字塔网络的多尺度特征提取，通过深度学习模块优化空间分辨率	NA	改进糖尿病视网膜病变的自动分级准确度	视网膜图像	计算机视觉	糖尿病视网膜病变	自监督学习	Vision Transformers, CNN, Feature Pyramid Network	图像	NA
57	2025-10-02	Optimizing breast cancer classification based on cat swarm-enhanced ensemble neural network approach for improved diagnosis and treatment decisions 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95481-1 PMID:41028518	研究论文	提出一种基于猫群优化增强集成神经网络的乳腺癌分类优化方法	结合猫群优化算法与三种高效神经网络架构的集成学习方法，显著提升乳腺癌分类准确率	仅使用单一公开数据集进行验证，缺乏多中心临床数据验证	优化乳腺癌分类准确率以改善诊断和治疗决策	乳腺癌组织病理学图像	计算机视觉	乳腺癌	深度学习	CS-EENN（猫群优化增强集成神经网络），包含EfficientNetB0、ResNet50和DenseNet121	图像	Kaggle公开的乳腺癌组织病理学图像数据集
58	2025-10-02	Intelligent pear variety classification models based on Bayesian optimization for deep learning and its interpretability analysis 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98420-2 PMID:41028538	研究论文	本研究利用贝叶斯优化的深度学习模型对九种梨品种进行分类，并通过可解释性分析验证模型决策过程	采用贝叶斯优化自动搜索CNN最优超参数，结合特征可视化、最强激活和LIME等可解释性方法分析模型决策机制	未明确说明模型在不同光照、角度等实际农业环境下的泛化能力	开发高效的梨品种自动分类系统以提升农业生产效率	九种不同品种的梨	计算机视觉	NA	贝叶斯优化、深度学习	CNN	图像	43,200张梨图像
59	2025-10-02	3D Convolutional Neural Network for Predicting Clinical Outcome from Coronary Computed Tomography Angiography in Patients with Suspected Coronary Artery Disease 2025-Sep-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01667-4 PMID:41028565	研究论文	开发并评估用于从冠状动脉CT血管造影图像预测主要心脏事件的3D卷积神经网络模型	首次将优化的3D CNN模型应用于CCTA图像分析，结合临床和影像风险因素显著改善预后风险分层	单中心回顾性研究，数据未对冠状动脉斑块存在进行标注	预测疑似冠状动脉疾病患者的主要心脏事件	疑似冠状动脉疾病患者	计算机视觉	心血管疾病	冠状动脉CT血管造影(CCTA)	3D CNN (基于DenseNet架构)	医学影像	训练组5562名患者，测试组714名患者
60	2025-10-02	Deep Learning-Based Cardiac CT Coronary Motion Correction Method with Temporal Weight Adjustment: Clinical Data Evaluation 2025-Sep-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01683-4 PMID:41028564	研究论文	提出一种基于深度学习的冠状动脉运动校正方法，通过时间权重调整改善心脏CT图像质量	开发了时间加权运动校正网络(TW-MoCoNet)，包含时间权重校正模块和可微分空间变换模块	NA	减少心脏CT冠状动脉图像中的运动伪影，提高图像质量和临床可解释性	冠状动脉CT血管成像(CCTA)图像	计算机视觉	心血管疾病	深度学习，运动伪影模拟方法	CNN（基于时间权重校正网络）	医学图像	67例临床数据