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
7501	2025-10-06	Advancing BCI with a transformer-based model for motor imagery classification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06364-4 PMID:40603471	研究论文	提出一种基于Transformer和时序卷积网络的脑机接口模型EEGEncoder，用于改进运动想象分类任务	提出新颖的双流时空块（DSTS）融合架构，结合多并行结构，能同时捕捉时空特征	NA	提高基于脑电信号的运动想象分类准确性	脑电信号中的运动想象模式	脑机接口	运动障碍	脑电图（EEG）	Transformer, TCN	脑电信号	BCI Competition IV-2a数据集	NA	EEGEncoder, Dual-Stream Temporal-Spatial Block (DSTS)	准确率	NA
7502	2025-10-06	Key factors in predictive analysis of cardiovascular risks in public health 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07874-x PMID:40603495	研究论文	本研究通过机器学习和深度学习模型分析心血管疾病风险预测中的关键因素	系统比较了传统机器学习模型与深度学习模型在心血管风险预测中的表现，并识别出各自优势	需要大量计算资源和数据预处理工作	评估心血管疾病风险预测中数据分析方法的效果	心血管疾病风险预测模型	机器学习	心血管疾病	机器学习分析	Logistic Regression, Random Forest, Gradient Boosting Machines, Multilayer Perceptron	医疗健康数据	NA	NA	多层感知机	准确率, 精确率, 召回率, F1分数, ROC AUC	NA
7503	2025-10-06	Deep learning deciphers the related role of master regulators and G-quadruplexes in tissue specification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07579-1 PMID:40603503	研究论文	开发基于深度学习的框架预测人类14种组织类型中G-flipons的全基因组分布，并探索其在组织特异性调控中的作用	首次将深度学习应用于全基因组G-flipons预测，并揭示其与主调控基因在组织特异性中的关联机制	模型训练数据主要依赖于EndoQuad数据库的GQs水平4-6，可能未完全覆盖所有G-flipons类型	探索G-flipons在组织特异性调控中的功能和作用机制	人类14种组织类型的基因组G-flipons	机器学习	NA	ATAC-seq, 染色质免疫沉淀	深度学习	基因组序列数据, 表观遗传数据	14种人类组织类型	NA	DeepGQ	全基因组预测阈值优化	NA
7504	2025-10-06	A federated learning-based privacy-preserving image processing framework for brain tumor detection from CT scans 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07807-8 PMID:40603518	研究论文	提出一种基于联邦学习的隐私保护图像处理框架，用于从CT扫描中检测脑肿瘤	结合各向异性残差胶囊混合大猩猩獾优化网络(Aniso-ResCapHGBO-Net)框架，在去中心化系统中实现隐私保护的脑肿瘤检测	NA	开发隐私保护的脑肿瘤检测框架	脑部CT扫描图像	计算机视觉	脑肿瘤	CT成像	联邦学习,CNN,胶囊网络	医学图像	NA	TensorFlow,PyTorch	ResNet-50,胶囊网络,Aniso-ResCapHGBO-Net	准确率,精确率,灵敏度	NA
7505	2025-10-06	Multimodal nomogram integrating deep learning radiomics and hemodynamic parameters for early prediction of post-craniotomy intracranial hypertension 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09115-7 PMID:40603533	研究论文	开发整合深度学习影像组学和血流动力学参数的多模态列线图模型，用于早期预测颅脑术后颅内高压	首次将深度学习影像组学特征与临床超声变量结合构建多模态预测模型，采用深度迁移学习技术从视神经鞘图像中提取特征	样本量相对有限（238例患者），需外部验证确认泛化能力	早期预测重型颅脑损伤患者去骨瓣减压术后的颅内高压	238例重型颅脑损伤患者（训练队列166例，测试队列72例）	医学影像分析	颅脑损伤	超声成像，光谱多普勒成像	深度学习，机器学习	医学影像（视神经鞘超声图像，大脑中动脉光谱多普勒图像）	238例患者	LightGBM	ResNet101	AUC, 决策曲线分析	NA
7506	2025-10-06	Comparison of deep learning models for predictive maintenance in industrial manufacturing systems using sensor data 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08515-z PMID:40603551	研究论文	本文通过比较多种深度学习模型在工业制造系统预测性维护中的应用效果	提出包含CNN、LSTM及其混合模型的综合比较框架，并通过消融实验和特征重要性分析识别关键影响因素	NA	比较深度学习模型在工业制造系统预测性维护中的性能	工业制造系统中的设备故障预测和剩余使用寿命估计	机器学习	NA	传感器数据分析	CNN, LSTM, CNN-LSTM混合模型	传感器数据	三个工业数据集	NA	CNN, LSTM, CNN-LSTM	准确率, F1分数	NA
7507	2025-10-06	TDNN achitecture with efficient channel attention and improved residual blocks for accurate speaker recognition 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09386-0 PMID:40603701	研究论文	提出一种结合高效通道注意力和改进残差块的TDNN架构EPCNet-TDNN，用于提升说话人识别准确率	提出高效通道和空间注意力机制(ECAM)替代SE_block，引入并行残差结构(PRS)独立捕获多尺度特征，并采用选择性状态空间(SSS)模块增强时序特征捕获能力	仅在CN-Celeb1数据集上验证，未在其他数据集测试泛化能力	改进TDNN架构以提升说话人识别准确率	说话人识别	语音识别	NA	深度学习	TDNN, CNN	音频数据	CN-Celeb1数据集	NA	EPCNet-TDNN, ECAPA-TDNN	EER, minDCF, ACC	NA
7508	2025-10-06	Data-driven approach to the deep learning of the dynamics of a non-integrable Hamiltonian system 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03607-2 PMID:40603858	研究论文	本研究采用数据驱动方法，通过深度学习预测非可积哈密顿系统的混沌性参数	首次将深度学习应用于识别哈密顿系统的非可积程度，探索深度学习在混沌系统参数预测中的能力边界	深度学习过程难以区分规则轨道与轻微不规则轨道，以及纯随机系统与存在残余规则轨道的系统	研究深度学习过程识别哈密顿系统非可积程度的能力，即预测混沌性参数k的准确度	标准映射（standard map）作为典型非可积哈密顿系统的数值模拟	机器学习	NA	数值模拟	深度学习	轨迹数据	不同初始条件和轨迹长度的标准映射模拟数据	NA	NA	预测准确度	NA
7509	2025-10-06	A deep learning model for early diagnosis of alzheimer's disease combined with 3D CNN and video Swin transformer 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05568-y PMID:40603911	研究论文	提出结合3D CNN和视频Swin Transformer的深度学习模型用于阿尔茨海默病的早期诊断	提出名为3D-CNN-VSwinFormer的新型混合模型，结合3D CNN与3D CBAM注意力模块和微调的视频Swin Transformer，解决2D切片无法捕捉全局空间信息的问题	仅使用ADNI数据集进行验证，每个参与者仅保留单个3D MRI图像	开发阿尔茨海默病的早期诊断方法	阿尔茨海默病患者和认知正常个体	计算机视觉	老年疾病	3D磁共振成像	CNN, Transformer	3D图像	ADNI数据集中的参与者	NA	3D CNN, Swin Transformer	准确率, AUC	NA
7510	2025-10-06	Listening deeper: neural networks unravel acoustic features in preterm infant crying 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03098-1 PMID:40603920	研究论文	本研究使用卷积神经网络分析早产儿哭声的梅尔频谱图，探索其与胎龄变化的关系	首次使用完整梅尔频谱图而非有限声学特征来分析婴儿哭声，并通过Grad-CAM和频谱图操作揭示了胎龄变化主要反映在发声起始和结束区域的时间结构中	样本量相对有限（79名早产儿和52名足月新生儿），需要更大规模研究验证	通过深度学习解码婴儿哭声的频谱时间特征，为早产儿神经发育异常提供早期检测和干预策略	早产儿和足月新生儿的哭声	机器学习	早产儿神经发育异常	声学分析，梅尔频谱图	CNN	音频频谱图	131名婴儿（79名早产儿，52名足月新生儿）	NA	卷积神经网络	准确率，相关系数	NA
7511	2025-10-06	A novel interval prediction method in wind speed based on deep learning and combination prediction 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03188-0 PMID:40603938	研究论文	提出一种基于深度学习和组合预测的风速区间预测方法，用于改进风速不确定性的实时预测	结合经验模态分解的时变滤波和相空间重构技术处理原始风速序列，通过多目标优化器组合优选模型	仅使用甘肃风塔数据进行验证，未在其他地区数据上测试泛化能力	提高风速不确定性预测精度，促进风力发电机运行和电网调度	风速时间序列数据	机器学习	NA	经验模态分解，相空间重构	深度学习，统计模型，机器学习模型	时间序列数据	甘肃风塔数据	NA	NA	预测区间宽度，覆盖率	NA
7512	2025-10-06	Enhancing gas concentration prediction and ventilation efficiency in deep coal mines: a hybrid DL-Koopman and Fuzzy-PID framework 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00105-3 PMID:40603945	研究论文	提出一种融合深度学习和模糊PID控制的创新框架，用于提高深部煤矿气体浓度预测精度和通风效率	首次将DL-Koopman算子理论与模糊自适应PID控制相结合，通过死区机制增强系统稳定性，实现动态环境下气体浓度的精准预测和通风优化	未明确说明具体数据集规模和实验验证条件，缺乏与其他方法的对比分析	提升煤矿通风系统的智能化水平，实现安全高效的气体浓度控制和能源管理	深部煤矿井下气体浓度和通风系统	机器学习	NA	DL-Koopman算子理论，模糊PID控制	深度学习，模糊控制	历史气体浓度数据，风速数据	NA	NA	DL-Koopman，Fuzzy-PID	预测精度，系统稳定性，能源效率	NA
7513	2025-10-06	WeedSwin hierarchical vision transformer with SAM-2 for multi-stage weed detection and classification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05092-z PMID:40603967	研究论文	本研究提出了一种基于分层视觉Transformer和SAM-2的多阶段杂草检测与分类方法	提出了新颖的WeedSwin Transformer架构，专门针对杂草检测中的形态变异和植被重叠等挑战；构建了两个大规模杂草数据集（AWD和BWD），涵盖16种杂草的11个生长阶段	NA	开发精确的杂草检测与分类系统以支持精准农业	16种常见杂草物种在不同生长阶段的图像	计算机视觉	NA	深度学习，计算机视觉	Transformer, CNN	图像	AWD数据集203,567张图像，BWD数据集120,341张图像，共323,908张图像	NA	WeedSwin Transformer, DINO Transformer, ResNet-101, Swin, DETR, EfficientNet B4, YOLO v8, RetinaNet	mAP, mAR, FPS	NA
7514	2025-10-06	Optimizing visual data retrieval using deep learning driven CBIR for improved human machine interaction 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05478-z PMID:40603973	研究论文	提出一种结合多尺度特征提取和混合神经架构的深度自适应注意力网络(DAAN)，用于改进基于内容的图像检索系统	提出深度自适应注意力网络(DAAN)架构，集成Transformer模型捕获图像上下文关系，并引入自适应多级注意力模块(AMLA)实现精确特征加权	NA	解决传统CBIR系统在连接人类理解与机器特征提取方面的障碍，提高视觉检索的速度和准确性	基于内容的图像检索系统	计算机视觉	NA	深度学习	DNN, Transformer	图像	NA	NA	深度自适应注意力网络(DAAN), Transformer	平均精度均值(map), 检索速度, 训练时间	NA
7515	2025-10-06	Numerical modeling and neural network optimization for advanced solar panel efficiency 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06830-z PMID:40604001	研究论文	本文提出了一种结合物理信息神经网络和强化学习的混合AI模型，用于太阳能电池板的实时优化控制	开发了结合物理信息神经网络和强化学习的混合AI框架，引入边缘AI架构实现低延迟决策，并应用CNN-LSTM混合模型进行太阳能预测	仅使用UTL 335W和330W光伏模块进行实验验证，未在其他型号上测试通用性	提高太阳能电池板的发电效率和实时优化性能	太阳能电池板系统	机器学习	NA	数值建模，实时数据采集	物理信息神经网络，强化学习，CNN，LSTM	实时辐照度，温度变化，能量转换数据	UTL 335W和330W光伏模块	NA	CNN-LSTM混合模型	RMSE，MAE，发电量提升百分比，计算速度提升百分比，功耗降低百分比	边缘AI架构
7516	2025-10-06	A human activity recognition model based on deep neural network integrating attention mechanism 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98763-w PMID:40604060	研究论文	提出了一种融合注意力机制的深度神经网络模型DCAM-Net用于人类活动识别	首次将CNN和MLP与注意力机制结合，采用多尺度特征提取、残差连接和跳跃连接，无需预训练模型权重	未来需要更多样化的数据集，提升计算效率以实现实时应用，增强活动转换识别能力，融合其他传感器数据	开发高性能的人类活动识别模型	智能手机传感器采集的人类活动数据	机器学习	NA	智能手机传感器数据采集（加速度计和陀螺仪）	CNN, MLP, 注意力机制	传感器时序数据	30名参与者的智能手机传感器数据	NA	DCAM-Net（DeepConvAttentionMLPNet）	准确率	NA
7517	2025-10-06	Deep learning-based quantitative analysis of glomerular morphology in IgA nephropathy whole slide images and its prognostic implications 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09031-w PMID:40604100	研究论文	开发基于深度学习的方法定量分析IgA肾病全切片图像中肾小球形态特征及其预后价值	首次将DeepLabV3Plus和EfficientNet-B3结合用于肾小球分割和形态特征量化，并验证其在IgA肾病预后预测中的价值	样本来源仅限于七家三级医院，深度学习模型与临床特征结合的性能提升不显著	开发人工智能框架定量分析肾小球组织学特征以预测IgA肾病进展	IgA肾病患者的肾活检全切片图像	数字病理学	IgA肾病	全切片图像数字化	CNN	图像	1,241张全切片图像来自七家三级医院	NA	DeepLabV3Plus, EfficientNet-B3	平均精度, Dice相似系数	NA
7518	2025-10-06	Transformer based models with hierarchical graph representations for enhanced climate forecasting 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07897-4 PMID:40604146	研究论文	提出一种基于Transformer的深度学习模型，通过分层图表示增强气候预测能力	结合时空融合模块、分层图表示分析和动态时序图注意力机制，并引入鲸鱼优化算法与Tiki-Taka算法的混合优化方法	仅使用德里地区数据，尚未在其他气候区域验证，实时部署可行性需进一步研究	开发准确高效的气候预测方法	德里地区2013-2017年的历史气候数据	机器学习	NA	深度学习	Transformer	时序气候数据	1500条日记录	NA	Transformer, STFM, HGRA, DT-GAM	准确率, 召回率, F1分数	NA
7519	2025-10-06	Character generation and visual quality enhancement in animated films using deep learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07442-3 PMID:40604158	研究论文	通过优化一阶运动模型并引入注意力机制，提升动画电影中角色图像生成的质量和视觉表现效果	在FOMM模型中引入卷积块注意力模块并重新设计，提出重绘图像修复模块解决姿态变化导致的图像失真问题	NA	优化动画角色图像生成质量，提升动画电影的视觉传达效果	动画电影角色图像生成	计算机视觉	NA	深度学习	FOMM, E-FOOM	图像	VoxCeleb1和TaiChiHD数据集	NA	一阶运动模型, 卷积块注意力模块	峰值信噪比, 结构相似性指数, 关键点检测准确率, 姿态重建	NA
7520	2025-10-06	A multivariate time series prediction model based on the KAN network 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07654-7 PMID:40604176	研究论文	提出基于KAN网络的多元时间序列预测模型KANMTS，结合KAN和MLP优势提升预测性能	首次将Kolmogorov-Arnold网络与多层感知机结合用于多元时间序列预测，提升复杂模式捕捉能力和计算效率	未具体说明模型对噪声的敏感度改进程度和实际部署的复杂度	解决多元时间序列预测中的长期依赖和复杂交互问题	多元时间序列数据	机器学习	NA	时间序列分析	KAN, MLP	时间序列数据	NA	NA	KANMTS（KAN与MLP混合架构）	预测准确率，资源利用效率	NA