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	2026-01-02	Osprey optimization algorithm integrated with graph neural networks for intrusion detection in wireless sensor networks 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28359-x PMID:41461693	研究论文	提出一种结合鱼鹰优化算法和图神经网络的入侵检测方法，用于提升无线传感器网络的安全性	首次将鱼鹰优化算法与图神经网络结合，用于优化图神经网络的超参数，以提升无线传感器网络中复杂攻击模式的检测性能	使用单一数据集（WSN-DS）进行评估，且该数据集本身存在不平衡问题，需依赖SMOTE技术进行数据平衡处理	开发一种高效的入侵检测系统，以应对无线传感器网络中日益复杂的网络攻击	无线传感器网络中的网络流量和攻击模式	网络安全	NA	NA	图神经网络	网络流量数据	NA	NA	图神经网络	准确率, 误报率	NA
7502	2026-01-02	ISAAF: an IoT security and attack prevention framework using AI-driven predictive analytics 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28516-2 PMID:41461726	研究论文	本文提出了一种基于AI预测分析的物联网安全与攻击预防框架，用于实时入侵检测和自动化缓解	引入了MQTTEEB-D作为真实世界物联网入侵数据集，并基于此构建了分层AI驱动的安全框架，显著提升了模型在真实场景中的泛化能力	未明确说明框架在极端或新型攻击类型下的性能表现，且可能依赖于特定物联网测试床环境	开发一个可扩展、可部署的跨领域物联网安全解决方案，以应对MQTT协议面临的网络威胁	物联网系统中的网络攻击，包括DoS、Bruteforce、Malformed、Flood和Slowite攻击	机器学习	NA	AI驱动的预测分析	决策树, GRU	网络流量数据	基于MQTTEEB-D真实世界入侵数据集，具体样本数量未明确	未明确指定，可能涉及多种ML/DL框架	决策树, GRU	准确率	未明确说明
7503	2026-01-02	Ultrasound and SWE-based transfer learning for predicting fibrotic NASH 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28753-5 PMID:41461741	研究论文	本研究开发了一种结合肝脏超声、肝脏弹性成像图像和临床特征的深度学习模型，用于预测和诊断纤维化非酒精性脂肪性肝炎	首次提出结合肝脏超声、肝脏弹性成像图像和临床特征的多模态深度学习模型，基于ResNet-18架构，用于预测和诊断纤维化NASH	研究基于大鼠模型，尚未在人类临床数据中进行验证	开发深度学习模型以预测和诊断纤维化非酒精性脂肪性肝炎	高脂饮食和皮下CCl₄注射诱导的肝脏脂肪变性和纤维化大鼠模型	计算机视觉	非酒精性脂肪性肝炎	二维超声, 剪切波弹性成像	CNN	图像, 临床特征	NA	NA	ResNet-18	AUC, ROC曲线, 决策曲线分析, 校准曲线	NA
7504	2026-01-02	Terahertz metamaterial liquid detector optimized by deep learning 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28757-1 PMID:41461749	研究论文	本研究提出了一种基于超材料太赫兹探测器吸收峰偏移的无标记乙醇液体检测方法	采用深度神经网络优化超材料液体探测器的结构参数，实现了高吸收率和位移值，并揭示了VO₂在不同温度下对吸收波调控的作用机制	NA	开发一种高效、精确的乙醇液体检测新方法	乙醇液体	机器学习	NA	太赫兹检测	深度神经网络	仿真数据	NA	NA	DNN	灵敏度, 品质因数	NA
7505	2026-01-02	Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28995-3 PMID:41461779	研究论文	本研究应用深度学习模型自动分类葡萄膜黑色素瘤在钌-106斑块近距离放射治疗后基于超声图像的肿瘤厚度响应模式	首次将深度学习模型（DenseNet121和ResNet34）应用于葡萄膜黑色素瘤近距离放射治疗后肿瘤响应模式的自动分类，并比较了不同模型和训练设置的性能	研究样本量相对较小（192名患者），且需要进一步验证和探索模型在临床实践中的整合应用	预测葡萄膜黑色素瘤患者在接受钌-106斑块近距离放射治疗后的肿瘤响应模式	葡萄膜黑色素瘤患者	计算机视觉	葡萄膜黑色素瘤	超声成像（A模式和B模式）	CNN	图像	192名患者	NA	DenseNet121, ResNet34	AUC, 准确率	NA
7506	2026-01-02	Design of a hybrid learning model for establishing consistency in smart grid environment 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28986-4 PMID:41461786	研究论文	本文提出了一种结合LSTM和神经模糊自适应干扰模型的混合学习模型，用于智能电网环境中的负荷预测	提出了一种混合LSTM与神经模糊自适应干扰模型（NFADIM）的新方法，用于处理智能电网的大规模数据并改善负荷预测精度	NA	通过深度学习技术识别消费者数据模式并基于不同预测时间范围预测电力需求，以优化智能电网的供需平衡	智能电网中的消费者能源需求模式和电力传输数据	机器学习	NA	深度学习	LSTM, NFADIM	时间序列数据	NA	NA	LSTM, 神经模糊自适应干扰模型	NA	NA
7507	2026-01-02	Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28914-6 PMID:41461810	研究论文	本研究评估了三种不同重建算法（DLIR-H、ASiR-V50%、FBP）在冠状动脉CTA中测量心周脂肪组织衰减指数（FAI）的差异	首次系统比较了深度学习图像重建（DLIR-H）、自适应统计迭代重建（ASiR-V50%）和滤波反投影（FBP）三种算法对FAI测量的影响，强调了标准化重建协议在FAI研究中的重要性	研究未涉及算法差异对临床结局的影响，且样本分组基于斑块类型，可能未涵盖所有临床亚组	评估不同重建算法对冠状动脉CTA中心周脂肪组织衰减指数（FAI）测量的影响	冠状动脉CTA图像及心周脂肪组织	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管造影（CCTA）	NA	医学影像（CT图像）	NA	NA	NA	衰减值、图像噪声、脂肪衰减指数（FAI）	NA
7508	2026-01-02	Assessing deep learning accuracy in the measurement of radiographic parameters in pediatric hip X-rays 2025-Dec-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02058-5 PMID:41462147	研究论文	本研究开发并验证了一个基于深度学习的系统，用于测量儿童骨盆X光片中的放射学参数，并评估其在不同年龄组中的准确性	该研究首次提供了一个全面的深度学习解决方案，用于同时测量多个关键放射学参数，并进行了年龄特异性的可靠性分析	研究仅使用了韩国正常儿童的X光片数据，可能限制了模型在其他人群或异常情况下的泛化能力	评估深度学习在测量儿童髋关节X光片放射学参数中的准确性，并分析年龄相关骨盆发育对测量性能的影响	儿童骨盆X光片	计算机视觉	儿科髋关节疾病	X光成像	深度学习	图像	训练集1495张，评估集1300张韩国儿童前后位骨盆X光片	NA	NA	组内相关系数, 皮尔逊相关系数, 平均绝对误差, 均方根误差, 豪斯多夫距离, 弗雷歇距离	NA
7509	2026-01-02	Deep learning for Alzheimer's disease: advances in classification, segmentation, subtyping, and explainability 2025-Dec-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01482-6 PMID:41462232	综述	本文综述了深度学习在阿尔茨海默病分类、分割、亚型分析和可解释性方面的最新进展，并探讨了其临床转化的挑战与未来方向	提出了一个将深度学习在阿尔茨海默病研究中的应用分为三大支柱（端到端分类、多模态融合、自动分割）的连贯框架，并系统整合了亚型分析和可解释性方法	作为综述文章，未提出新的模型或方法，主要总结现有研究；临床转化部分仍面临数据异质性、可解释性与准确性权衡等挑战	为阿尔茨海默病的早期检测和个性化预后提供深度学习解决方案，并推动其向临床实践转化	阿尔茨海默病患者的多模态数据，包括结构/功能MRI、PET、遗传谱和认知测试	医学影像分析	阿尔茨海默病	深度学习	CNN, 聚类模型, 决策树模型	图像（MRI, PET）, 遗传数据, 认知测试数据	NA	NA	NA	准确率, 灵敏度/特异度, Dice系数, Jaccard指数	NA
7510	2025-12-31	Deep learning based on ultrasound for differential diagnosis of pancreatic serous cystic neoplasm and mucinous cystic neoplasm 2025-Dec-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15249-8 PMID:41466236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7511	2026-01-02	Advances in AI for predicting pharmacological properties of natural medicines 2025-Dec-29, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2025.124180 PMID:41475482	综述	本文综述了人工智能在预测天然药物药理特性方面的应用，包括模型构建原理、最新进展、特征选择和评估指标等关键方面，并讨论了天然药物开发的挑战与机遇	系统总结了AI在天然药物开发中的高通量筛选、活性化合物预测及ADMET性质早期预测方面的最新进展和应用潜力	NA	介绍人工智能在预测天然药物药理特性方面的应用，并探讨其在药物开发中的挑战与机遇	天然药物及其药理特性	机器学习	NA	NA	NA	现有数据集和实验数据	NA	NA	NA	NA	NA
7512	2025-12-29	Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7513	2025-12-29	Low-SNR and BER reduction in UWOC systems using DESN and CNN-TCN deep learning models 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31837-x PMID:41455766	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7514	2026-01-02	A hybrid ensemble deep learning framework with novel metaheuristic optimization for scalable malicious website detection 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33695-z PMID:41436869	研究论文	本研究提出了一种结合集成学习模型与深度神经网络的混合检测框架，用于准确区分恶意与良性网站	采用两种新型元启发式算法（Weevil Damage Optimization Algorithm 和 Energy Valley Optimizer）进行超参数调优，并整合了应用层与网络层特征	未提及模型在实时检测环境中的延迟性能或对新型未知攻击模式的适应性	开发一个可扩展、可解释的恶意网站检测系统以增强网络安全防御	网站URL数据，包括应用层属性（如URL结构、服务器类型、WHOIS数据）和网络层特征（如TCP交换、DNS查询、数据包统计）	机器学习	NA	NA	Random Forest, Extreme Gradient Boosting, Light Gradient Boosting, Deep Neural Network	结构化数据（URL属性与网络特征）	63,191个URL	NA	NA	准确率	NA
7515	2026-01-02	A Transformer-Based Deep Learning Approach to Predicting Air Organic Pollutant-Human Protein Interactions 2025-Dec-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c12915 PMID:41381047	研究论文	本文提出了一种基于Transformer的深度学习模型tipFormer，用于预测空气有机污染物与人类蛋白质之间的相互作用	结合双预训练语言模型编码蛋白质和有机污染物，并利用交叉注意力机制学习污染物-蛋白质结合的复杂相互作用模式	当前方法在系统识别新兴空气污染物早期结合事件方面仍有限制	预测空气有机污染物与人类蛋白质的相互作用，以促进对污染相关毒性的机制理解和风险评估	空气有机污染物和人类蛋白质	自然语言处理	NA	深度学习	Transformer	文本	NA	NA	Transformer	AUC	NA
7516	2026-01-02	Exploiting fuzzy weights in CNN model-based taxonomic classification of 500-bp sequence bacterial dataset 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24836-5 PMID:41436515	研究论文	本文提出了一种改进的模糊加权卷积神经网络（F-CNN），用于细菌DNA序列（特别是500-bp片段）的分类学分类	结合模糊逻辑处理与深度学习，通过特征选择阶段和模糊加权系统处理分类层中相似类别的不确定性，优化参数	NA	提高基于500-bp片段的细菌DNA序列分类学分类的准确性	细菌DNA序列（500-bp片段）	自然语言处理	NA	DNA测序	CNN	序列数据	超过140万条细菌基因序列（来自RDP 11数据集）	NA	模糊加权卷积神经网络（F-CNN）	分类准确率	NA
7517	2026-01-02	Prediction of electricity consumption and hydropower production in the smart power grid based on the gated recurrent unit neural network and modified future search algorithm 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32294-2 PMID:41429848	研究论文	本研究基于门控循环单元神经网络和改进的未来搜索算法，开发了一个优化模型，用于智能电网中的电力消耗和水力发电预测	结合GRU神经网络和改进的未来搜索算法，提高了电力消耗和水力发电预测的准确性	未明确说明模型的具体局限性，如数据范围或泛化能力	开发一个改进的模型，用于分析和预测智能电网中的能源生成和电力使用	智能电网中的电力消耗模式和水力发电生产	机器学习	NA	GRU神经网络，改进的未来搜索算法	GRU	经济数据，社会数据，气候数据	NA	NA	GRU	NA	NA
7518	2026-01-02	A novel sub-differentiable hausdorff loss combined with BCE for MRI brain tumor segmentation using UNet variants 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33136-x PMID:41429890	研究论文	本文提出了一种新颖的可微Hausdorff损失函数，结合BCE损失，用于改进基于UNet变体的MRI脑肿瘤分割	提出了一种可微的Hausdorff损失函数（SDHL），解决了传统Hausdorff损失不可微和对异常值敏感的问题，并结合BCE损失以平衡边界精度和区域分割准确性	未明确说明数据集的规模或多样性限制，也未讨论模型在外部验证集上的泛化能力	改进MRI脑肿瘤分割的准确性和边界对齐，以支持精确诊断和治疗规划	MRI脑肿瘤图像	数字病理学	脑肿瘤	MRI	CNN	图像	NA	NA	UNet, UNet+, VNet, UNet++, Attention UNet	准确率, 精确率, 召回率, Dice分数, IoU, F1分数, Matthews相关系数	NA
7519	2025-12-24	Cross-cohort genetic risk prediction for Alzheimer's disease: a transfer learning approach using GWAS and deep learning models 2025-Dec-22, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00506-0 PMID:41430307	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7520	2026-01-02	A lightweight and generalizable deep learning framework for early detection of rice leaf diseases in complex field environments 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32568-9 PMID:41430365	研究论文	本文提出了一种轻量级深度学习框架，用于在复杂田间环境中早期检测水稻叶片病害	引入了MLFD模块增强多尺度上下文特征提取，MDTA模块整合空间和通道注意力机制，以及Lo-Head优化检测头，显著降低模型复杂度同时保持高精度	未明确提及模型在极端光照或严重遮挡条件下的性能限制，也未讨论对未见过病害类型的泛化能力	开发一种轻量级、可泛化的深度学习框架，用于在复杂田间环境中早期检测水稻叶片病害	水稻叶片病害，以及马铃薯和番茄叶片病害作为泛化验证对象	计算机视觉	植物病害	深度学习	CNN, Transformer	图像	未明确指定具体样本数量，但使用了专门的水稻叶片病害数据集以及独立的马铃薯和番茄叶片病害数据集	未明确指定，但提及了YOLO系列作为对比	MLFD, MDTA, Lo-Head	mAP@0.5:0.95	未明确指定，但提及了低计算需求（6.3 GFLOPs, 2.66M参数），适用于资源有限的边缘设备（如无人机、田间传感器）