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
601	2025-12-15	Automatic 3D railroad alignment detection using modified Hough transform 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31554-5 PMID:41390568	研究论文	本研究提出了一种基于深度学习和计算机视觉的自动化方法，用于从3D点云数据中直接检测铁路轨道线形	提出了一种结合改进霍夫变换、深度学习和计算机视觉的自动化方法，用于从3D点云中检测铁路轨道线形，替代了传统依赖主观且易出错的人工流程	仅在Osong铁路测试轨道上进行了验证，未提及在其他铁路环境或复杂场景下的泛化能力	提高铁路轨道线形检测的效率和准确性，以支持铁路基础设施的及时维护和可靠数字模型的构建	铁路轨道线形	计算机视觉	NA	3D点云数据处理	深度学习	3D点云数据	Osong铁路测试轨道的数据	NA	改进的霍夫变换	RMSE	NA
602	2025-12-15	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-Dec-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
603	2025-12-15	Dynamic SG-SKRDX hybrid framework for precision weather forecasting and crop suitability in the Cauvery Delta 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31717-4 PMID:41390771	研究论文	本文提出了一种动态SG-SKRDX混合框架，用于印度泰米尔纳德邦Cauvery三角洲地区的精确天气预报和作物适宜性推荐	提出了一种创新的动态混合模型，将基于SVR-GRU的天气预测模型与动态集成机器学习模型（SVM、KNN、RF、DT、XGBoost）相结合，能够根据预测的天气变量变化智能选择最佳模型进行作物推荐	研究局限于Cauvery三角洲地区，模型在其他地理和气候区域的泛化能力未经验证	通过整合现代技术与传统知识，提升农业气候韧性，实现可持续作物生产	Cauvery三角洲地区的天气模式和作物适宜性	机器学习	NA	机器学习，深度学习	SVR, GRU, SVM, KNN, RF, DT, XGBoost	气象数据	十年历史气象数据	NA	SVR-GRU混合模型，动态SKRDX集成模型	MSE, RMSE, MAE, R-Squared, 准确率, 精确率, 召回率, F1分数	NA
604	2025-12-15	Deep learning-enabled accurate assessment of gait impairments in Parkinson's disease using smartphone videos 2025-Dec-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02150-8 PMID:41390840	研究论文	本文提出了一种基于深度学习的框架，利用智能手机录制的视频评估帕金森病患者的步态障碍	该框架能够预测帕金森病严重程度，其性能与临床专家相当，并能识别超出统一帕金森病评定量表分辨率的药物诱导的细粒度步态变化，同时发现对疾病进展和药物反应敏感的新型数字生物标志物	未明确提及具体限制，如样本多样性、视频录制条件或模型泛化能力	评估帕金森病患者的步态障碍，以促进个性化治疗	帕金森病患者的步态	计算机视觉	帕金森病	智能手机视频录制	深度学习	视频	NA	NA	NA	AUC, F1分数, 精确度	NA
605	2025-12-15	Automated DFU detection through GA-selected CNN ensemble with Grad-CAM interpretability 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30532-1 PMID:41390857	研究论文	本文提出了一种基于遗传算法优化的CNN集成模型，用于自动检测糖尿病足溃疡，并结合Grad-CAM增强模型的可解释性	通过遗传算法从多个优化器训练的CNN模型中选取最优集成，提高了检测准确性和可解释性	未提及模型在外部数据集上的泛化能力或临床验证的局限性	优化糖尿病足溃疡检测模型的性能，包括准确性和可解释性	糖尿病足溃疡的医学图像	计算机视觉	糖尿病足溃疡	医学图像分析	CNN	图像	NA	NA	自定义CNN结构	准确率, 精确率, 召回率, F1分数	NA
606	2025-12-15	A novel deep learning framework with temporal attention convolutional networks for intrusion detection in IoT and IIoT networks 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32697-1 PMID:41390854	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
607	2025-12-15	Predicting critical crack propagation length in sustainable additive-enhanced concrete using explainable machine learning 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31900-7 PMID:41390865	研究论文	本文提出了一种结合集成、核方法和深度学习模型的机器学习框架，用于预测可持续添加剂增强混凝土的临界裂纹扩展长度	首次将神经正切核高斯过程应用于断裂力学，结合神经表示的灵活性和贝叶斯不确定性量化，实现了准确、平滑且稳定的预测	未明确讨论模型在更广泛混凝土类型或极端条件下的泛化能力	预测可持续添加剂增强混凝土的临界裂纹扩展长度，以替代复杂、昂贵且计算效率低的实验和数值方法	可持续添加剂增强混凝土	机器学习	NA	实验测试、机器学习建模	集成模型、核方法模型、深度学习模型	实验数据	800个可持续添加剂增强混凝土样本	NA	神经正切核高斯过程	R, RMSE, MAPE, VAF	NA
608	2025-12-15	Modernizing pathology and oncology education: integrating genomics, artificial intelligence, and clinical relevance into medical training 2025-Dec-13, Journal of the National Cancer Institute DOI:10.1093/jnci/djaf358 PMID:41390932	评论	本文主张对病理学和肿瘤学教育进行现代化改革，强调整合基因组学、人工智能和临床相关性到医学培训中	提出从内容传授向以临床推理和数据素养为基础的概念整合转变，并系统性地将下一代测序、数字病理、人工智能评估、大型语言模型应用等新兴能力纳入医学教育框架	未提供具体的课程实施案例或实证数据来验证所提议改革方案的有效性	探讨如何改革病理学和肿瘤学教育，使其适应基因组学和人工智能时代的需求	医学教育体系、病理学和肿瘤学培训课程、医学生和住院医师	数字病理	肿瘤	下一代测序、数字病理、人工智能、大型语言模型	NA	NA	NA	NA	NA	NA	NA
609	2025-12-15	CEO perceived personality and corporate risk disclosure in prospectus: A multimodal machine learning analysis 2025-Dec-12, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106099 PMID:41389399	研究论文	本研究探讨了CEO人格特质如何影响IPO风险披露质量，并采用了一种新颖的多模态深度学习方法，利用IPO路演演示的视听数据来测量CEO人格特质	引入了一种新颖的多模态深度学习方法，通过整合视觉和音频数据来捕捉言语和非言语行为线索，从而比传统的单模态方法更全面地评估人格特质	研究样本仅限于2019年至2024年间中国创业板和科创板的866家IPO公司，可能限制了结果的普适性	探究CEO人格特质对IPO风险披露质量的影响，并检验承销商声誉的调节作用	中国创业板和科创板的IPO公司及其CEO	自然语言处理, 计算机视觉	NA	多模态深度学习分析	深度学习模型	音频, 视频	866家IPO公司	NA	NA	NA	NA
610	2025-12-15	A novel deep learning based spatial ensemble approach and segment anything model for landslide risk assessment in Chamoli district of Garhwal Himalayas 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01958-4 PMID:41381540	研究论文	本研究提出了一种用于滑坡风险评估的新型“空间集成”方法，并结合Segment Anything Model（SAM）在Garhwal Himalayas的Chamoli地区进行应用	提出了创新的“空间集成”方法，生成两种不同类型的“滑坡阻抗复合图”，并结合最先进的SAM模型自动检测建筑物，实现了滑坡风险评估的逐步创新方法	NA	开发一种新颖的滑坡风险评估方法，结合深度学习和机器学习技术	Garhwal Himalayas的Chamoli地区的滑坡风险区域	计算机视觉	NA	深度学习，机器学习	DenseNet, MLPNN, XGBoost, SAM	空间数据，图像数据	NA	NA	DenseNet神经网络	准确性，精确度	NA
611	2025-12-15	Designing a residual-enhanced hybrid Prophet-LSTM framework for urban air pollution forecasting in Beijing 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27510-y PMID:41381676	研究论文	本研究提出了一种用于北京城市空气质量预测的残差增强混合Prophet-LSTM框架，旨在准确预测PM2.5浓度	提出了一种结合Prophet统计可解释性和LSTM非线性学习能力的残差增强混合预测框架，通过Prophet捕获长期趋势和季节性，LSTM建模残差中的复杂非线性依赖	未明确讨论模型在其他城市或污染物上的泛化能力，以及实时预测中的计算效率限制	开发一种数据驱动的混合框架，用于城市空气质量预测，以减轻空气污染对公共健康和城市可持续性的不利影响	北京空气质量数据集中的PM2.5浓度时间序列数据	机器学习	NA	时间序列分析，特征选择基于相关性分析	Prophet, LSTM	时间序列数据	NA	NA	Prophet+LSTM	MAE, RMSE	NA
612	2025-12-15	Competitive swarm reinforcement learning improves stability and performance of deep reinforcement learning 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27498-5 PMID:41381742	研究论文	本文提出了一种名为竞争性群体强化学习的新框架，旨在解决深度强化学习中的稳定性问题	受进化计算中基于群体优化的启发，通过多样化的代理群体探索环境，共享样本池并降低超参数敏感性	NA	提高深度强化学习的稳定性和性能	强化学习代理	机器学习	NA	强化学习	深度强化学习	环境交互数据	NA	NA	NA	平均回报	NA
613	2025-12-15	A deep learning approach to predict the results of root coverage procedures based on intraoral photographs: a retrospective study 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07250-1 PMID:41382163	研究论文	本研究基于口内照片，利用深度学习模型预测根覆盖手术的结果	首次提出基于YOLO-v8的深度学习模型，用于自动标注牙周关键点并预测最大根覆盖效果，减少牙周医生主观偏差的影响	研究为回顾性设计，样本量有限（963颗牙齿），且仅验证了6个月术后结果，缺乏长期随访数据	建立能准确预测根覆盖手术结果的深度学习模型，以辅助手术规划和医患沟通	患有牙龈退缩的牙齿，基于口内照片进行分析	计算机视觉	牙周病	口内摄影	CNN	图像	963颗牙齿（408张口内照片）用于模型构建，114颗牙齿（50张口内照片）用于验证	PyTorch	YOLO-v8	平均径向误差, 标准径向误差	NA
614	2025-12-15	Development of a Deep Learning Classification Model Using a Codeless Platform for Orthodontic Extraction Decision-Making: Impact of Image Type on Model Performance 2025-Dec-11, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	本研究评估了图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨了人工智能在利用口内照片和数字模型扫描确定拔牙与非拔牙治疗计划中的临床适用性	使用无代码平台自动开发深度学习分类模型，通过自动超参数调优优化模型，无需手动编码，并比较了不同图像类型（口内照片与数字模型扫描）对模型性能的影响	研究为回顾性设计，样本量相对有限（每种图像类型各1200张图像），且未详细说明模型的具体架构或超参数调优过程	评估图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨人工智能在临床决策中的适用性	已完成正畸治疗患者的预处理患者数据和正畸治疗计划，包括口内照片和数字模型扫描	计算机视觉	NA	深度学习	深度学习分类模型	图像	1200张口内照片和1200张数字模型扫描，每种图像类型包括600例拔牙病例和600例非拔牙病例	无代码平台（具体框架未指定）	NA	准确率, 精确率, 召回率, F1分数	NA
615	2025-12-15	Deep Learning Discriminates Thymic Epithelial Tumors Histological Subtypes Using Digital Pathology 2025-Dec-11, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	本研究开发了一种基于深度学习的模型，利用数字病理学中的H&E全切片图像对胸腺上皮肿瘤进行组织学亚型分类	引入了一种新颖的分层损失函数，该函数基于治疗策略和患者结局反映临床相关的肿瘤分组，以提高分类的临床相关性	模型在六类WHO分类中的准确率为77.7%，表明在更细粒度的亚型区分上仍有提升空间，且研究主要基于特定数据集，需进一步外部验证	减少胸腺上皮肿瘤诊断中的观察者间变异性，提高组织学分类的一致性	胸腺上皮肿瘤（TETs）的组织学亚型	数字病理学	胸腺上皮肿瘤	H&E染色全切片图像分析	深度学习模型	图像	训练集来自癌症基因组图谱，验证集包括芝加哥大学的112例连续病例	NA	NA	准确率, Cohen's κ, 灵敏度	NA
616	2025-12-15	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络中提取的复杂网络特征来增强基于文本的深度学习模型，以提高疫苗立场分类的准确性	首次将复杂网络特征与文本特征结合用于疫苗立场分类，尤其在极端立场类别上表现更优，且网络特征在时间推移后更具稳定性	研究基于意大利语社交媒体数据，可能不直接适用于其他语言或文化背景	提高社交媒体中疫苗立场分类的准确性	意大利语社交媒体帖子	自然语言处理	NA	NA	深度学习模型	文本, 网络数据	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
617	2025-12-15	A prior knowledge-enhanced Transformer model for data anomaly identification and processing in industrial park wastewater treatment plants 2025-Dec-08, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125125 PMID:41389419	研究论文	本文提出了一种先验知识增强的Transformer模型，用于工业园污水处理厂的数据异常识别与处理	将污水处理领域的专业知识融入深度学习架构，显著提升了复杂时空耦合异常的高精度识别与重建能力	NA	为工业污水处理提供稳健的数据管理和智能运行创新解决方案	中国两个工业园污水处理厂的运行数据	机器学习	NA	深度学习	Transformer	时序数据	两个污水处理厂一年的运行数据	NA	先验知识增强Transformer	异常识别准确率, 数据重建精度	NA
618	2025-12-15	Real-time deep learning-based image guiding and automated left ventricular measurements to reduce test-retest variability 2025-Dec-07, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003783 PMID:41360622	研究论文	本研究评估了结合实时深度学习引导和自动测量对左心室容积和应变测量变异性的影响	首次将实时深度学习引导工具与自动测量相结合应用于超声心动图，以降低测试-重测变异性	样本量较小（n=47），且仅针对混合心脏病理患者，结果可能无法推广到所有人群	评估AI辅助超声心动图在减少左心室测量变异性方面的效果	混合心脏病理患者	计算机视觉	心血管疾病	超声心动图	深度学习	图像	47名患者	NA	NA	变异系数	NA
619	2025-12-15	INTELLI-PVA: Informative sample annotation-based contrastive active learning for cross-domain patient-ventilator asynchrony detection 2025-Dec-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109203 PMID:41389675	研究论文	本文提出了一种基于信息样本注释的对比主动学习框架INTELLI-PVA，用于跨域患者-呼吸机异步检测	结合对比学习预训练、混合两阶段分类器（深度学习模型与基于规则的算法）和迭代主动学习循环，以最小标注负担实现跨域高精度PVA检测	未明确说明模型在极端临床情况或罕见PVA类型上的泛化能力，且依赖于专家标注的主动学习循环可能引入主观偏差	开发高效跨域患者-呼吸机异步检测AI系统，以提升临床监测效果	机械通气患者中的八种PVA类型，包括反向触发和非反向触发亚型	机器学习	呼吸系统疾病	对比学习、主动学习、基于规则的算法	深度学习模型	呼吸周期数据	来自两个中心的1190名患者，涵盖1.24975亿个呼吸周期，每个目标域仅需1000个标注样本	NA	NA	F1分数, Cohen's κ系数	NA
620	2025-12-15	Data-efficient and accurate rapeseed leaf area estimation by self-supervised vision transformer for germplasms early evaluation 2025-Dec-05, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01478-2 PMID:41351115	研究论文	本研究提出了一种基于自监督视觉变换器的数据高效框架，用于从智能手机拍摄的RGB图像中准确估算油菜叶面积，以支持早期种质资源评估	采用DINOv2自监督学习方法在多样化的非油菜公共植物数据集上预训练Vision Transformer骨干网络，并结合新颖的Canopy-Mix数据增强技术和混合损失函数来处理叶片遮挡问题	未明确说明模型在更广泛环境条件或不同生长阶段下的泛化能力，且依赖智能手机采集的图像质量	开发一种数据高效且准确的油菜叶面积估算方法，以支持早期高通量表型分析和育种加速	油菜叶片	计算机视觉	NA	智能手机RGB图像采集	Vision Transformer (ViT)	图像	未明确说明具体样本数量，但使用了大型聚合的非油菜公共植物数据集进行预训练，以及自定义油菜数据集进行微调	PyTorch (基于DINOv2方法推断)	Vision Transformer (ViT)	决定系数 (R²), 皮尔逊相关系数 (r)	NA