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
7241	2026-01-08	Technology-driven approaches to intelligent mechanical weed control: a systematic review for sustainable weed management 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1734507 PMID:41487342	综述	本文对2000年至2024年间发表的智能机械除草系统进行了系统性综述，重点关注集成人工智能、机器视觉和机器人技术的设计、性能及在精准农业中的应用	首次提供了针对集成视觉与机器人驱动的AI机械除草系统的全面、系统性综述，并提出了包含传感器融合、自适应工具、平台模块化和用户中心界面的设计与操作指南	在杂草-作物区分、模型泛化、实时执行和经济可行性方面仍存在挑战	探索智能机械除草系统的设计与性能，以推动精准农业中可持续、非化学的杂草管理	智能机械除草系统，特别是集成人工智能、机器视觉和机器人技术的系统	计算机视觉	NA	机器视觉、人工智能、机器人技术	深度学习模型	图像（RGB、LiDAR、高光谱传感器数据）	176篇技术论文，其中33篇关键工作进行了深入分析	NA	NA	NA	NA
7242	2026-01-08	Human intention recognition by deep LSTM and transformer networks for real-time human-robot collaboration 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1708987 PMID:41487443	研究论文	本文提出了一种集成的人机协作系统，利用先进意图识别实现实时任务共享与交互	结合LSTM和Transformer网络进行人体意图识别，并集成动态运动基元实现平滑机器人运动过渡	仅在真实工业装配任务中验证，未涉及其他复杂场景或长期稳定性测试	优化工业环境中复杂任务性能，减少工人负担并提高安全性	人机协作系统中的工人意图识别与机器人运动控制	机器人与人工智能	NA	深度学习模型，动态运动基元	LSTM, Transformer	人体姿态估计数据，手部轨迹数据	NA	NA	LSTM, Transformer	准确率	NA
7243	2026-01-08	Slip detection for compliant robotic hands using inertial signals and deep learning 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1698591 PMID:41487444	研究论文	本文研究利用惯性测量单元（IMU）数据，结合深度学习技术检测机器人手在抓取物体时的滑动事件	首次提出结合指尖方向变化和滑动引起的振动，通过IMU数据作为滑动指示器，并利用卷积神经网络（CNN）进行检测，且方法在不同夹具和未见物体上具有泛化能力	NA	开发一种基于IMU数据和深度学习的滑动检测方法，以提高机器人手在抓取操作中的感知能力	被动顺应性机器人手在抓取物体时的滑动事件	机器学习	NA	惯性测量单元（IMU）传感	CNN	惯性信号（IMU数据）	195次操作试验，涉及滑动和非滑动条件	NA	卷积神经网络	NA	NA
7244	2026-01-08	Performance comparison of artificial intelligence models in predicting 72-h emergency department unscheduled return visits 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1609206 PMID:41487618	研究论文	本研究比较了多种人工智能模型在预测急诊科72小时内非计划返诊方面的性能，旨在优化风险分层策略	首次在统一队列中全面比较了传统机器学习算法与深度学习架构TabNet在急诊非计划返诊预测中的性能，并进行了特征重要性分析和亚组公平性评估	研究为单中心回顾性设计，可能限制了结果的普适性；未考虑外部验证	评估多种AI模型预测急诊科72小时内非计划返诊的性能，以识别最优风险分层策略	某三级医院成人内科急诊就诊患者	机器学习	急诊医学相关疾病（消化系统和呼吸系统疾病等）	NA	逻辑回归, 支持向量机, 随机森林, 极端梯度提升, TabNet	表格数据	143,192次就诊（训练集100,235次，测试集42,957次），其中24,117次（16.8%）为非计划返诊	NA	TabNet	AUROC, 敏感性, 校准曲线, 临床决策曲线分析, 混淆矩阵	NA
7245	2026-01-08	Deep recurrent models for forecasting infectious diseases 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1726819 PMID:41487657	研究论文	本研究提出并开发了一个基于LSTM、BiLSTM和GRU神经网络模型的时间序列预测框架，用于预测沙特阿拉伯的COVID-19病例数并检测异常增长	利用Google Trends搜索词时间序列数据（如“发烧”、“COVID”、“咳嗽”）作为输入，结合深度学习模型检测病例激增的时间模式，实现早期异常检测	BiLSTM模型计算成本较高，而LSTM和GRU虽执行效率高但性能相对较低	预测传染病（COVID-19）病例数并早期检测异常增长，以支持医疗资源分配和响应规划	沙特阿拉伯的COVID-19病例数据及相关的Google搜索趋势数据	机器学习	COVID-19	时间序列分析，Google Trends数据挖掘	LSTM, BiLSTM, GRU	时间序列数据，文本搜索数据	NA	NA	LSTM, BiLSTM, GRU	均方误差（MSE），F1分数	NA
7246	2026-01-08	Automated brain atrophy quantification from clinical MRI predicts early neurological deterioration in anterior choroidal artery territory infarction 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1714159 PMID:41488328	研究论文	本研究通过深度学习算法自动量化临床MRI中的脑萎缩，预测前脉络膜动脉梗死患者的早期神经功能恶化风险	首次将自动化的脑萎缩量化应用于前脉络膜动脉梗死患者，以预测早期神经功能恶化，并验证了其作为影像学生物标志物的可行性	研究为双中心回顾性队列设计，可能存在选择偏倚，且样本量相对有限	评估脑萎缩量化指标对前脉络膜动脉梗死患者早期神经功能恶化的预测价值	前脉络膜动脉梗死患者	数字病理学	心血管疾病	临床T1加权MRI成像	深度学习算法	图像	206名患者	NA	SynthSR, AssemblyNet	P值, 风险比	NA
7247	2026-01-08	Privacy protection method for ADS-B air traffic control data based on convolutional neural network and symmetric encryption 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1683027 PMID:41488394	研究论文	本文提出了一种基于卷积神经网络和对称加密的ADS-B空中交通管制数据隐私保护方法	结合深度学习与对称加密技术，通过CNN分类模型精确识别敏感信息，有效扰乱原始隐私数据	未提及方法在更复杂攻击场景下的鲁棒性，且未来工作需探索更先进的加密与深度学习算法集成	保护ADS-B空中交通管制数据中的隐私信息，防止数据被拦截和滥用	ADS-B广播的实时飞机信息，如位置、速度和高度	机器学习	NA	对称加密	CNN	文本数据（空中交通信息）	数据量为10GB、20GB、30GB和40GB的ADS-B数据集	NA	NA	加密时间	NA
7248	2026-01-08	Time series forecasting for bug resolution using machine learning and deep learning models 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1745751 PMID:41488392	研究论文	本研究评估了机器学习和深度学习模型在开源项目bug修复时间序列预测中的有效性，比较了局部和全局方法	结合经典模型与深度学习模型，采用全局视角进行时间序列预测，并利用可解释AI技术分析预测驱动因素	未明确提及具体数据集的局限性或模型泛化能力的潜在约束	预测bug修复时间以改进软件维护和支持开源项目规划	多个开源软件仓库的bug修复时间序列数据	机器学习	NA	时间序列预测	Naive, Linear Regression, Random Forest, MLP, LSTM, GRU	时间序列数据	来自多个开源软件仓库的真实世界数据	NA	MLP, LSTM, GRU	平均误差, 准确率, F1分数	NA
7249	2026-01-08	Development and validation of a multi-modality system combining radiomics and deep learning for predicting mid-pregnancy complications and enabling timely pregnancy care 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1716073 PMID:41488903	研究论文	本研究开发并验证了一个结合影像组学和深度学习特征的多模态AI模型，用于早期预测妊娠期高血压疾病和妊娠期糖尿病	首次将影像组学与深度学习特征从孕早期超声扫描中整合，构建了多模态融合模型，显著提升了预测性能	需要进一步在不同人群中进行验证，样本量相对有限	提高妊娠期高血压疾病和妊娠期糖尿病的早期预测准确性，以支持及时的孕期护理	213名在孕8周接受超声检查的孕妇	医学影像分析	妊娠期并发症	超声扫描	深度学习模型, 影像组学模型, 临床模型, 融合模型	图像, 临床数据	213名孕妇	NA	NA	AUC, 灵敏度, 特异性, 校准曲线, 决策曲线分析	NA
7250	2026-01-08	Predicting the risk of type 2 diabetes mellitus (T2DM) emergence in 5 years using mammography images: a comparison study between radiomics and deep learning algorithm 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014501 PMID:39776665	研究论文	本研究旨在利用乳腺X线摄影图像预测5年内2型糖尿病的发生风险，并比较了影像组学和深度学习算法的性能	首次将乳腺X线摄影图像用于预测2型糖尿病风险，并对比了基于影像组学的机器学习方法与基于深度学习的卷积神经网络方法	样本量相对较小（312例），CNN模型的AUROC较低（0.58），可能由于深度学习模型在有限数据下难以学习到有效特征	预测5年内2型糖尿病的发生风险	乳腺X线摄影图像	计算机视觉	2型糖尿病	乳腺X线摄影	机器学习, CNN	图像	312例样本（110例阳性，202例阴性）	Scikit-learn, PyTorch	ResNet	准确率, 灵敏度, 特异性, AUROC	NA
7251	2026-01-08	Enhancing data security and privacy in energy applications: Integrating IoT and blockchain technologies 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38917 PMID:39430499	研究论文	本研究提出了一种结合区块链与物联网的安全数据管理框架，以提升核能应用中的数据安全、隐私和完整性	开发了一个集成了加密、完整性验证、通信网络和数据流架构的安全框架，并首次系统性地探讨了区块链与物联网在核能领域的整合方案	需要实际验证、资源受限的物联网环境存在挑战、网络威胁日益增加、实时数据可用性有限	提升核能应用中数据的安全性与隐私保护	核能领域的物联网与区块链技术整合	物联网安全	NA	区块链技术、物联网技术、加密技术	NA	交易数据、传感器数据	NA	NA	NA	NA	NA
7252	2026-01-08	Unsupervised Denoising and Super-Resolution of Vascular Flow Data by Physics-Informed Machine Learning 2024-09-01, Journal of biomechanical engineering DOI:10.1115/1.4065165 PMID:38529728	研究论文	提出一种无监督深度学习方法来执行血管流数据的去噪和超分辨率重建，无需高分辨率标签	结合自编码器和物理信息神经网络，通过物理损失函数在无高分辨率标签条件下实现流场去噪与超分辨率重建	基于计算流体动力学模拟生成的地面真值数据，可能未完全覆盖真实临床数据的复杂性	开发无监督的深度学习模型，用于血管流数据的去噪和超分辨率处理	三维狭窄和动脉瘤的血流数据，包括不同几何形状、方向和边界条件	机器学习	心血管疾病	计算流体动力学	自编码器, 物理信息神经网络	三维流场数据	NA	NA	自编码器	均方误差, 均方根残差, 相关系数	NA
7253	2026-01-08	Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study 2024-Sep, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2024.01.005 PMID:39281718	研究论文	本研究开发了一个基于深度残差网络的深度学习模型，用于预测临床IA期肺腺癌患者的淋巴结状态	利用深度学习模型基于原发肿瘤的HRCT图像预测淋巴结状态，并在多中心数据集上进行验证，展示了在早期肺腺癌中辅助淋巴结清扫决策的潜力	研究为回顾性设计，可能存在选择偏倚；模型性能在纯磨玻璃结节亚组中未单独充分验证	开发一个深度学习模型来预测临床IA期肺腺癌患者的淋巴结状态，以指导淋巴结清扫范围	经病理确诊的临床T1N0M0期肺腺癌患者	数字病理学	肺癌	高分辨率计算机断层扫描	CNN	图像	1009名患者（来自两个独立数据集：中国医学科学院肿瘤医院699例，解放军总医院310例）	NA	ResNet	AUC, 准确率, 精确率, 召回率, F1分数	NA
7254	2026-01-08	GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35865 PMID:39220956	研究论文	提出一种基于GPT和BERT的混合深度学习模型GBERT，用于虚假新闻检测	结合了BERT的深度上下文理解能力和GPT的生成能力，创建了一种新的混合框架GBERT	NA	解决虚假新闻分类问题，识别文本的真伪	虚假新闻文本	自然语言处理	NA	NA	Transformer, GPT, BERT	文本	在两个真实世界基准语料库上进行微调	NA	GBERT, GPT, BERT	准确率, 精确率, 灵敏度, F1分数	NA
7255	2026-01-08	Deep learning-based workflow for automatic extraction of atria and epicardial adipose tissue on cardiac computed tomography in atrial fibrillation 2024-May-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001076 PMID:38380919	研究论文	本文提出了一种基于深度学习的自动分割工作流，用于从心房颤动患者的心脏CT图像中提取心房和心外膜脂肪组织	开发了一种基于3D U-Net的自动化工作流，首次实现了对左心房、右心房、心包以及心外膜脂肪组织的可靠自动分割	研究样本量有限（157名患者），且仅来自单一医疗中心，可能影响模型的泛化能力	设计一个深度学习工作流，为心房颤动的管理提供可靠的心房、心包和心外膜脂肪组织自动分割	心房颤动患者的心脏CT图像	数字病理学	心血管疾病	心脏计算机断层扫描	CNN	图像	157名首次接受导管消融术的心房颤动患者	NA	3D U-Net	Dice系数, 相关系数	NA
7256	2026-01-08	Plant disease recognition using residual convolutional enlightened Swin transformer networks 2024-04-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56393-8 PMID:38622177	研究论文	本文提出了一种结合Swin Transformer和残差卷积网络的新型集成模型，用于植物病害识别	提出了一种新颖的Swin Transformer与残差卷积网络的集成架构，以提取深层关键点特征，并通过前馈网络进行优化预测	未在摘要中明确说明	开发高精度、智能调优的深度学习算法，以实现植物病害的早期精准预测	植物叶片图像	计算机视觉	植物病害	深度学习	Transformer, CNN	图像	Plant Village Kaggle数据集	NA	Swin Transformer, 残差卷积网络	准确率, 精确率, 召回率, 特异性, F1分数	NA
7257	2026-01-08	Deep learning hybridization for improved malware detection in smart Internet of Things 2024-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57864-8 PMID:38570575	研究论文	本研究提出了一种用于智能物联网恶意软件检测的混合深度学习框架BEFSONet	提出了一种结合BERT和Feed Forward Neural Network的专用框架BEFNet，并采用Spotted Hyena Optimizer进行优化，以适应动态物联网环境中多样化的恶意软件数据形态	未明确说明框架在实时检测场景中的性能表现及计算开销	解决物联网设备大数据环境下的恶意软件检测与动态决策挑战	8种不同类型的恶意软件数据集	机器学习	NA	深度学习	BERT, Feed Forward Neural Network	恶意软件数据	8个数据集	NA	BERT-based Feed Forward Neural Network	准确率, Matthews相关系数, F1分数, AUC-ROC, Cohen's Kappa	NA
7258	2026-01-08	Solution for sports image classification using modified MobileNetV3 optimized by modified battle royal optimization algorithm 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e21603 PMID:38027597	研究论文	本文提出了一种结合深度学习与优化算法的混合框架，用于体育图像分类	采用改进的Battle Royal优化算法作为特征选择器，以降低图像维度并仅使用关键特征实现更高分类准确率	NA	提升体育图像分类的准确性与效率	体育图像	计算机视觉	NA	图像处理与机器视觉	深度学习	图像	NA	NA	改进的MobileNetV3	分类准确率	NA
7259	2026-01-08	Performance of ChatGPT on the pharmacist licensing examination in Taiwan 2023-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000942 PMID:37227901	研究论文	本研究评估了ChatGPT在台湾药师执照考试中的表现，并探讨了其在药学教育中的潜在作用	首次将ChatGPT应用于台湾药师执照考试，比较了中英文版本的表现，并提出了对药学教育改革的建议	排除了图形题、化学式和表格，仅基于文本问题进行评估，且使用的是ChatGPT 3.5版本	评估ChatGPT在药师执照考试中的准确性，并探讨其在药学教育中的潜在角色	2023年台湾药师执照考试的第一阶段和第二阶段试题	自然语言处理	NA	深度学习	ChatGPT	文本	2023年台湾药师执照考试的第一阶段和第二阶段试题	NA	ChatGPT 3.5	正确率	NA
7260	2026-01-08	A study on surprisal and semantic relatedness for eye-tracking data prediction 2023, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2023.1112365 PMID:36818086	研究论文	本研究通过回归实验评估了语言模型中的惊奇度与语义关联性对眼动数据预测的贡献	对比了惊奇度与语义关联性在眼动数据预测中的独立作用，并发现语义关联性对功能词预测也有贡献	仅基于两个英语语料库进行实验，未涉及其他语言或更大规模的数据集	探究语言模型中的惊奇度与语义关联性对眼动数据预测的影响	眼动数据预测	自然语言处理	NA	语言建模、分布语义模型	深度学习语言模型、BERT	眼动数据、文本数据	两个英语语料库	NA	BERT	方差解释量	NA