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
6841	2025-10-06	Comparing machine learning models with a focus on tone in grooming chat logs 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1591828 PMID:40612489	研究论文	本研究比较深度学习模型与传统机器学习模型在检测网络聊天室中儿童诱骗对话的效果，并分析诱骗者使用的语气对检测能力的影响	首次将大型语言模型LLaMA 3.2 1B应用于儿童诱骗检测，并系统分析不同语气（积极/消极）对检测性能的影响	研究仅基于PAN12聊天日志数据集，可能无法涵盖所有类型的诱骗对话模式	提高自动检测网络儿童诱骗对话的能力，保护儿童在线安全	网络聊天室中的儿童诱骗对话和诱骗者	自然语言处理	NA	情感分类，深度学习	SVM, 大型语言模型	文本聊天记录	PAN12聊天日志数据集中的诱骗对话	NA	DistilBERT, LLaMA 3.2 1B	精确率, 召回率, F1分数	NA
6842	2025-10-06	Transfer deep learning and explainable AI framework for brain tumor and Alzheimer's detection across multiple datasets 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1618550 PMID:40612575	研究论文	提出一种结合迁移学习和可解释AI的框架，用于跨多个数据集的脑肿瘤和阿尔茨海默病检测	将迁移学习与可解释AI技术相结合，采用混合CNN-VGG16模型，并通过SHAP提供模型决策过程的透明视图	NA	提高MRI图像分类的准确性，增强医疗领域AI应用的可信度	脑肿瘤和阿尔茨海默病的MRI图像	计算机视觉	脑肿瘤,阿尔茨海默病	MRI	CNN,VGG16	图像	三个不同的MRI数据集（脑肿瘤分类、阿尔茨海默病检测和另一个脑肿瘤数据集）	NA	CNN-VGG16混合模型	准确率	NA
6843	2025-10-06	Corn variety identification based on improved EfficientNet lightweight neural network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1603073 PMID:40612609	研究论文	提出改进的EfficientNet轻量级神经网络模型用于玉米果穗品种识别	减少EfficientNetB0模型的MBConv模块数量，引入CBAM注意力机制和空洞卷积增强特征提取能力	仅针对5个玉米品种进行验证，样本多样性有限	实现玉米果穗的智能筛选和品种知识产权保护	玉米果穗图像	计算机视觉	NA	深度学习	CNN	RGB图像	6529张玉米果穗图像，涵盖5个品种	NA	EfficientNetB0, MBConv, CBAM, SCD_EFTNet	Recall, Precision, mAP, 推理时间	NA
6844	2025-10-06	P4CN-YOLOv5s: a passion fruit pests detection method based on lightweight-improved YOLOv5s 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1612642 PMID:40612616	研究论文	提出基于轻量化改进YOLOv5s的百香果害虫检测方法P4CN-YOLOv5s	结合PLDIoU损失函数、四个CBAM注意力模块和优化锚框，针对密集小目标检测场景进行专门优化	仅针对百香果害虫特定场景验证，未在其他作物害虫检测中测试泛化能力	提升自然果园环境中百香果害虫的检测精度和效率	百香果害虫图像	计算机视觉	NA	深度学习	YOLO	图像	6000张百香果害虫图像	PyTorch	YOLOv5s, CBAM	准确率, F1分数, 检测时间	NA
6845	2025-10-06	Development of intelligent tools to predict neuroblastoma risk stratification and overall prognosis based on multiphase enhanced CT and clinical features 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1573398 PMID:40612805	研究论文	开发基于多期增强CT和临床特征的深度学习模型，用于神经母细胞瘤风险分层和预后评估	首次结合Swin Transformer模型和多期增强CT图像与临床特征进行神经母细胞瘤风险分层和预后预测	样本量相对有限（202例患者），需要更大规模数据验证	提高神经母细胞瘤风险分层和预后评估的准确性	神经母细胞瘤患者	计算机视觉	神经母细胞瘤	多期增强CT成像	Swin Transformer, 随机生存森林, Cox回归	CT图像, 临床特征数据	202例神经母细胞瘤患者	NA	Swin Transformer	AUC, 准确率, C-index	NA
6846	2025-10-06	Toward automated plantar pressure analysis: machine learning-based segmentation and key point detection across multicenter data 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1579072 PMID:40613004	研究论文	本研究开发了一种基于机器学习的足底压力分析方法，用于解剖区域分割和关键点检测	首次探索了足底压力分析中关键点预测，并提出了适用于多中心数据的标准化自动化分析框架	在边界模糊区域（如第一跖骨区）性能有限，需要专家审查提升关键病例的准确性	开发自动化足底压力分析方法，减少对人工标注的依赖	460名受试者（197名女性，263名男性）的758个足底压力样本	计算机视觉	足部畸形	足底压力分析	CNN, 回归模型	足底压力图像	758个足底压力样本，来自460名受试者	NA	U-Net	Dice系数, 欧几里得距离	NA
6847	2025-10-06	Research trends in the application of artificial intelligence in nursing of chronic disease: a bibliometric and network visualization study 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1608266 PMID:40613079	文献计量学研究	通过文献计量学和网络可视化方法分析人工智能在慢性病护理领域的研究现状、热点主题和未来趋势	首次系统性地运用文献计量学方法对人工智能在慢性病护理领域的应用研究进行全面分析，识别研究热点和未来发展方向	仅基于Web of Science数据库的文献，可能遗漏其他数据库的重要研究；分析结果受限于所选文献计量工具的功能	探索人工智能在慢性病护理领域的应用现状、研究热点和未来前景	2001-2023年间Web of Science核心合集中关于人工智能与慢性病护理的相关文献	文献计量学	慢性疾病	文献计量分析，网络可视化	NA	文献数据	2438篇文献	CiteSpace, VOSviewer	NA	NA	NA
6848	2025-10-06	Neural decoding of Aristotle tactile illusion using deep learning-based fMRI classification 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1606801 PMID:40613086	研究论文	本研究使用基于深度学习的fMRI分类方法解码亚里士多德触觉错觉的神经机制	首次将深度学习CNN模型应用于fMRI数据来研究亚里士多德触觉错觉，并通过Grad-CAM分析识别关键脑区	刺激分类任务准确率仅约50%，无法有效区分三种触觉刺激类型	识别参与亚里士多德触觉错觉的脑区	30名参与者的fMRI数据和触觉感知记录	机器学习	NA	功能磁共振成像	CNN	fMRI图像数据	30名参与者	NA	简单全卷积网络	准确率	NA
6849	2025-10-06	Application of deep learning for multi-scale behavioral analysis in SNCA E46K Parkinson's disease drosophila 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10294-2 PMID:40605911	研究论文	开发基于深度学习的自动化多尺度行为分析流程，用于SNCA E46K帕金森病果蝇模型的行为表型分类	结合无标记姿态估计和无监督聚类方法，从行为序列模式中提取帕金森病相关表型特征	仅使用果蝇模型进行研究，未在哺乳动物模型或临床环境中验证	建立客观可扩展的帕金森病行为分析方法	野生型和SNCA E46K突变型果蝇	计算机视觉	帕金森病	无标记姿态估计，无监督聚类	深度学习	视频，运动轨迹数据	野生型和突变型果蝇群体	NA	NA	分类准确率	NA
6850	2025-10-06	Mifnet: a MamBa-based interactive frequency convolutional neural network for motor imagery decoding 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10287-1 PMID:40605914	研究论文	提出一种基于MamBa的交互式频率卷积神经网络MIFNet，用于运动想象脑电信号解码	首次将选择性状态空间模型(SSMs)与CNN结合，通过非重叠频率分解和MamBa时序模块有效捕获长程依赖关系	NA	改进运动想象脑电信号解码性能，解决现有方法在全局时序依赖和计算效率方面的局限	运动想象脑电信号	脑机接口	NA	脑电图	CNN, SSMs	脑电信号	三个公共MI-EEG数据集(BCIC-IV-2A, OpenBMI, High Gamma)	NA	MIFNet, ConvEncoder, MamBa	分类准确率	NA
6851	2025-10-06	CT-based deep learning radiomics analysis for preoperative Lauren classification in gastric cancer and explore the tumor microenvironment 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100667 PMID:40607047	研究论文	本研究基于CT的深度学习影像组学分析，用于胃癌患者术前Lauren分型鉴别并探索肿瘤微环境	结合CT影像组学特征与临床信息构建nomogram模型，并首次通过转录组学分析揭示不同Lauren分型在肿瘤微环境中的异质性	研究为回顾性设计，样本量相对有限，需要多中心前瞻性研究进一步验证	术前无创鉴别胃癌Lauren分型并探索肿瘤微环境特征	胃癌患者	数字病理	胃癌	CT成像, RNA测序	深度学习, 影像组学	CT图像, 临床数据, 转录组数据	578例患者（训练集311例，内部验证集132例，外部验证集135例）	NA	nomogram	C-index, 校准曲线, 决策曲线	NA
6852	2025-10-06	Multiparametric MRI-based machine learning system of molecular subgroups and prognosis in medulloblastoma 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11385-8 PMID:39883158	研究论文	基于多参数MRI和机器学习构建髓母细胞瘤分子亚型识别、预后预测及风险分层系统	提出新型双路残差网络Bi-ResNet-MB用于MRI特征提取，并建立基于XGBoost的预后模型和M2R风险评分系统	样本量相对有限（139例训练集，108例验证集），单中心研究	利用人工智能技术准确识别髓母细胞瘤分子亚型并预测临床结局	髓母细胞瘤患者	医学影像分析	髓母细胞瘤	多参数MRI	CNN, XGBoost	医学影像	139例训练患者（36例女性，平均年龄7.27±3.62岁），108例独立验证患者	NA	Bi-ResNet-MB	AUC	NA
6853	2025-10-06	High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11376-9 PMID:39903239	研究论文	比较混合型迭代重建、模型迭代重建、深度学习重建和高分辨率深度学习重建在冠状动脉CTA中对狭窄评估的效果	首次在体外和体内研究中直接比较四种重建方法对冠状动脉狭窄评估的效果，特别是高分辨率深度学习重建的优越性	样本量有限（31例患者），仅评估了非钙化阶梯状狭窄斑块	评估不同重建方法在冠状动脉CTA中对狭窄评估的准确性和图像质量	体外血管模型和接受冠状动脉CTA检查的患者	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管成像（CCTA），面积探测器CT（ADCT），超高分辨率CT（UHR-CT）	深度学习重建	医学影像数据	体外研究：3种直径（3mm、4mm、5mm）血管模型，4种狭窄程度（0%、25%、50%、75%）；体内研究：31例患者	NA	NA	图像噪声，内径测量准确性，CAD-RADS分类准确性，McNemar检验	NA
6854	2025-10-06	CT-based detection of clinically significant portal hypertension predicts post-hepatectomy outcomes in hepatocellular carcinoma 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11411-9 PMID:39953152	研究论文	本研究评估基于CT检测的临床显著门静脉高压对肝细胞癌患者肝切除术后预后的预测价值	首次将基于深度学习的脾脏体积测量与个性化参考阈值纳入CT检测CSPH标准，并验证其在肝切除术后预后预测中的优越性	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	评估CT检测的临床显著门静脉高压对肝细胞癌患者肝切除术后结局的预测能力	晚期慢性肝病并行肝切除术的极早期或早期肝细胞癌患者	数字病理	肝细胞癌	CT成像，深度学习脾脏体积测量	深度学习	CT图像	593名患者（460名男性，平均年龄57.9±9.3岁）	NA	NA	AUC，OR，sHR	NA
6855	2025-10-06	Multimodal deep learning: tumor and visceral fat impact on colorectal cancer occult peritoneal metastasis 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11450-2 PMID:39961863	研究论文	本研究提出了一种多模态深度学习方法，探讨肿瘤和内脏脂肪对结直肠癌隐匿性腹膜转移的影响	首次将肿瘤和内脏脂肪的多模态CT影像特征结合，构建多尺度特征融合网络用于预测结直肠癌腹膜转移	NA	研究结直肠癌患者肿瘤和内脏脂肪对隐匿性腹膜转移的预测价值	结直肠癌患者的术前CT影像和临床数据	医学影像分析	结直肠癌	CT扫描	深度学习	医学影像, 临床数据	NA	NA	ResNet18, Multi-scale Feature Fusion Network (MSFF-Net)	AUC	NA
6856	2025-10-06	StructVPR++: Distill Structural and Semantic Knowledge With Weighting Samples for Visual Place Recognition 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556859 PMID:40168193	研究论文	提出StructVPR++框架，通过分割引导蒸馏将结构和语义知识嵌入RGB全局表征，用于视觉地点识别	解耦全局描述符中的标签特定特征，实现图像对间的显式语义对齐；提出样本加权蒸馏策略，优先处理可靠训练对并抑制噪声样本	未明确说明模型在极端光照或天气条件下的鲁棒性	在视觉地点识别任务中平衡准确性与效率，弥合全局检索与重排序之间的差距	自动驾驶和机器人技术中的视觉地点识别	计算机视觉	NA	分割引导蒸馏	深度学习	RGB图像	四个基准数据集	NA	StructVPR++	Recall@1	NA
6857	2025-10-06	Spatiotemporal Observer Design for Predictive Learning of High-Dimensional Data 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556669 PMID:40168192	研究论文	提出一种基于观测器理论的深度学习架构——时空观测器，用于高维数据的预测学习	将动力系统领域知识融入深度学习框架设计，提供泛化误差界和收敛性保证，并引入动态正则化	NA	解决具有理论保证的时空预测问题	高维时空数据	机器学习	NA	深度学习	深度学习架构	时空数据	NA	NA	时空观测器	NA	NA
6858	2025-10-06	Revisiting One-Stage Deep Uncalibrated Photometric Stereo via Fourier Embedding 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557245 PMID:40173071	研究论文	提出一种基于傅里叶嵌入的单阶段深度无标定光度立体网络（FUPS-Net），用于未知光照方向下的非朗伯体表面重建	首次将傅里叶变换嵌入到单阶段无标定光度立体网络中，通过傅里叶域分解隐式学习光照和几何特征，避免了两阶段方法的误差传播问题	未明确说明对特定材质或复杂光照条件的适应性限制	解决无标定光度立体问题，实现单阶段端到端的表面法向估计	非朗伯体物体在未知光照方向下的表面重建	计算机视觉	NA	光度立体视觉，傅里叶变换	深度学习网络	图像	合成和真实数据集（未指定具体数量）	NA	FUPS-Net，包含傅里叶嵌入提取块（FEE）、傅里叶嵌入聚合块（FEA）和频率-空间加权块（FSW）	NA	NA
6859	2025-10-06	Revisiting Supervised Learning-Based Photometric Stereo Networks 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557498 PMID:40178960	研究论文	本文通过分析现有光度立体网络的深度特征和架构，提出了一种新的ESSENCE-Net方法	提出ESSENCE-Net，采用易优先编码策略有效编码深度阴影特征，通过阴影监督增强阴影特征，并使用空间上下文感知注意力准确解码法向量	NA	揭示监督学习光度立体网络如何处理未知反射率和全局光照效应挑战	光度立体网络	计算机视觉	NA	光度立体技术	深度学习网络	图像	三个基准数据集	NA	ESSENCE-Net	NA	NA
6860	2025-10-06	Unknown-Aware Bilateral Dependency Optimization for Defending Against Model Inversion Attacks 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3558267 PMID:40184277	研究论文	提出一种双边依赖优化策略来防御模型反转攻击，同时保护隐私和提升模型安全性	提出双边依赖优化策略，通过最小化输入特征与潜在表示的依赖关系，同时最大化潜在表示与标签的依赖关系，解决了传统单边依赖优化在防御模型反转攻击与分类性能间的矛盾	使用BiDO训练的模型在分布外检测方面能力下降，可能带来安全风险	防御模型反转攻击，保护训练数据隐私，同时维持模型分类性能	深度学习分类器及其训练数据	机器学习安全	NA	依赖优化，分布外检测	分类器	训练数据特征和标签	NA	NA	NA	FPR95, AUCROC	NA