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
741	2025-10-05	Metaheuristic-optimized swin transformer with SHAP explainability for keratoconus classification from corneal topography maps 2025-Sep-29, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03744-7 PMID:41021086	研究论文	提出一种结合元启发式优化Swin Transformer和SHAP可解释性的深度学习模型，用于角膜地形图圆锥角膜分类	结合改进的Swin Transformer块与残差多层感知器，并引入北极狐优化器增强模型收敛性和鲁棒性，同时集成SHAP可解释性分析	NA	开发自动化和可扩展的圆锥角膜检测方法	圆锥角膜患者	计算机视觉	圆锥角膜	角膜地形图成像	Transformer, MLP	图像	NA	NA	Swin Transformer, Residual MLP	准确率	NA
742	2025-10-05	Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review 2025-Sep-28, Journal of paediatrics and child health IF:1.6Q2 DOI:10.1111/jpc.70172 PMID:41015898	系统综述	本系统综述评估了人工智能在检测发育性髋关节发育不良（DDH）方面的诊断准确性	首次系统评估深度学习算法在DDH检测中的应用效果，比较了X射线和超声图像两种影像模式的诊断性能	外部数据集评估有限，限制了结果的普适性	评估深度学习算法在DDH诊断中的准确性	有DDH风险或疑似DDH的儿童（<16岁）	医学影像分析	发育性髋关节发育不良	超声成像，X射线成像	深度学习	超声图像，X射线图像	超声图像研究15项（n=8315），X射线研究8项（n=7091）	NA	NA	AUC，敏感度，特异度	NA
743	2025-10-05	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2025-Sep-28, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	提出基于多光谱成像和YOLOv5的血细胞识别方法	首次将多光谱成像与YOLOv5结合用于血细胞识别，通过多波长图像融合显著提升识别性能	白细胞样本相对稀缺，可能影响模型泛化能力	开发高精度的自动化血细胞计数方法	血细胞（红细胞、白细胞、血小板）	计算机视觉	血液疾病	多光谱成像	YOLOv5	多光谱图像	五个波长的血细胞图像	PyTorch	YOLOv5标准版和修改版	精确度	NA
744	2025-10-05	Single-image estimation of tree volume via pixel-mapped 3D reconstruction: A low-cost solution using deep learning and curvature segmentation 2025-Sep-27, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180420 PMID:41016068	研究论文	提出一种基于单张图像的树木体积自动测量框架，通过深度学习与曲率分割实现低成本林业调查	集成SegFormer深度学习模型、树干骨架提取、自适应曲率分割算法和分段三维重建，实现从图像像素到物理单位的直接映射	主要误差来源于分段高度不准确，单木体积和高度测量误差为2.01%-7.68%	开发低成本、高效率的树木参数测量方法以替代昂贵的LiDAR技术	北京地区4个树种的3013棵树木	计算机视觉	NA	摄影测量，深度学习	SegFormer	图像，点云数据	3013棵树木图像数据，141棵树木的破坏性测量数据	NA	SegFormer	体积测量误差，高度测量误差，效率提升倍数	NA
745	2025-10-05	Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel EEG with deep learning 2025-Sep-27, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110713 PMID:41016125	研究论文	本研究使用单通道脑电图的密度谱阵列结合深度学习技术来区分癫痫性和功能性/分离性发作	首次将单通道脑电图（Cz电极）的密度谱阵列与深度学习结合用于癫痫与非癫痫性发作的鉴别诊断	回顾性研究，样本量相对有限（99名患者），仅针对内侧颞叶癫痫和功能性/分离性发作	开发一种基于单通道脑电图和深度学习的癫痫与非癫痫性发作自动鉴别方法	内侧颞叶癫痫患者和功能性/分离性发作患者	医疗人工智能	癫痫	长程视频脑电图监测，密度谱阵列分析	CNN	脑电图信号	99名患者（48名mTLE，51名FDS），206次发作（106次训练，33次测试）	PyTorch	ResNet34	AUC	NA
746	2025-10-05	High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study 2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0025 PMID:39034144	研究论文	本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果	首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，显著提升了豆纹动脉的显示质量	样本量较小（仅5名健康志愿者），属于初步研究	评估压缩感知深度学习重建在TOF-MRA中对豆纹动脉显示效果的改善	健康志愿者的豆纹动脉	医学影像分析	脑血管疾病	时间飞跃磁共振血管成像	深度学习	磁共振图像	5名健康志愿者	NA	NA	可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差, 图像质量评分, 外周豆纹动脉可见度	NA
747	2025-10-05	Physics-informed deep learning for plasmonic sensing of nanoscale protein dynamics in solution 2025-Sep-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw0783 PMID:41004578	研究论文	提出了一种结合合成复频率波与物理信息卷积神经网络的等离子体传感方法，用于溶液中纳米级蛋白质二级结构的实时定量分析	将合成复频率波增强技术与物理信息卷积神经网络相结合，显著提高了蛋白质二级结构预测精度，解决了水溶液中蛋白质动态研究的数据稀缺问题	NA	开发能够在水溶液中实时定量分析纳米级蛋白质二级结构及其构象变化的新方法	亚10纳米尺度蛋白质的二级结构和构象动态变化	计算生物学	NA	中红外等离子体传感，合成复频率波增强技术	CNN	光谱数据	NA	NA	物理信息卷积神经网络	平均相对误差	NA
748	2025-10-05	Scalable deep learning reconstruction for accelerated multidimensional nuclear magnetic resonance spectroscopy of proteins 2025-Sep-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw8122 PMID:41004582	研究论文	提出一种可扩展的深度学习重建方法，用于加速多维核磁共振波谱分析	将深度学习扩展到处理更高维度波谱和变化加速因子，通过一维数据学习和秩-1 Hankel矩阵近似实现	需要复杂网络和更多数据，可扩展性面临挑战	开发可扩展的深度学习方法来加速多维核磁共振波谱重建	蛋白质的多维核磁共振波谱	机器学习	NA	核磁共振波谱	神经网络	时间域信号，波谱数据	NA	NA	NA	重建误差	NA
749	2025-10-05	COVID-19 Pneumonia Diagnosis Using Medical Images: Deep Learning-Based Transfer Learning Approach 2025-Sep-26, JMIRx med DOI:10.2196/75015 PMID:41004646	研究论文	本研究评估了基于深度迁移学习的COVID-19肺炎医学影像诊断方法	首次系统比较多种先进卷积神经网络在COVID-19诊断中的表现，并证明DenseNet121在突变病毒株诊断中的鲁棒性	未明确说明数据集规模和来源，缺乏多中心验证	开发快速、准确且对病毒突变具有韧性的COVID-19医学影像诊断系统	胸部X光和CT影像	计算机视觉	COVID-19肺炎	医学影像分析	CNN	图像	NA	NA	VGG16, ResNet50, ConvNeXtTiny, MobileNet, NASNetMobile, DenseNet121	准确率, 精确率, 召回率, F1分数, AUC	NA
750	2025-10-05	MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis 2025-Sep-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05743-w PMID:41006273	研究论文	本文提出了一个包含CT影像和临床特征的多模态数据集MultiD4CAD，用于冠状动脉疾病分析	提供了包含心外膜和冠状动脉周围脂肪组织分割的多模态数据集，结合影像特征与临床生物标志物	数据集仅包含疑似冠状动脉疾病患者，未提及样本多样性或外部验证	开发用于冠状动脉疾病分析的临床决策支持系统	疑似冠状动脉疾病患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管成像(CCTA)	NA	影像, 临床数据	NA	NA	NA	NA	NA
751	2025-10-05	Optimized YOLO based model for photovoltaic defect detection in electroluminescence images 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13956-7 PMID:41006343	研究论文	提出一种优化的PV-YOLOv12n模型用于光伏电致发光图像中的缺陷检测	在YOLOv12n基础上引入A2C2f模块增强关键缺陷区域的特征提取能力	未提及模型在其他类型光伏缺陷或不同成像条件下的泛化能力	开发高效的光伏面板缺陷自动检测方法以保障光伏系统可靠性	光伏面板电致发光图像中的缺陷	计算机视觉	NA	电致发光成像	YOLO	图像	PVEL-AD和Roboflow数据集	NA	YOLOv12n, PV-YOLOv12n	mAP@50, mAP@50-95, 召回率, 精确率, 推理速度	NA
752	2025-10-05	Enhancing indoor activity recognition for disabled persons using multi head self attention recurrent neural network with improved pelican algorithm 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14515-w PMID:41006356	研究论文	提出一种基于改进鹈鹕优化算法的多头自注意力循环神经网络方法，用于增强残疾人士的室内活动识别	结合改进鹈鹕优化算法(IPOA)进行超参数调优，并采用双向长短期记忆网络与多头自注意力机制(BiLSTM-MHSA)进行活动分类	仅在Florence 3D Actions数据集上进行验证，需要进一步在实际环境中测试	提高残疾人士室内活动识别系统的准确性和适应性	残疾人士的室内日常活动	计算机视觉	残疾人士	深度学习，传感器数据分析	BiLSTM, Self-Attention	图像，传感器数据	Florence 3D Actions数据集	TensorFlow, PyTorch	EfficientNetB7, BiLSTM-MHSA	准确率	NA
753	2025-10-05	A novel deep neural architecture for efficient and scalable multidomain image classification 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10517-w PMID:41006388	研究论文	提出一种名为DeepFreqNet的新型深度神经网络架构，用于高效可扩展的多领域图像分类	结合多尺度特征提取、深度可分离卷积和残差连接三种强大组件，无需大量重新配置即可适应不同数据集	NA	开发能够有效泛化到不同图像领域的高性能多领域图像分类模型	多领域图像数据，包括MRI肿瘤分类、血细胞分类和手语识别	计算机视觉	肿瘤	NA	CNN	图像	九个基准数据集	NA	DeepFreqNet	准确率	NA
754	2025-10-05	A physics-based fingerprinting approach for efficient device identification in OWC system 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12220-2 PMID:41006393	研究论文	提出一种基于物理学的指纹识别方法，用于光学无线通信系统中的高效设备识别	将LED的非线性响应变化量化为等效电路模型中的集总参数，作为物理指纹特征，替代传统数据密集型深度学习方法	NA	开发适用于资源受限物联网环境的高效设备认证解决方案	光学无线通信系统中的设备识别	机器学习	NA	等效电路模型	物理模型	信号数据	NA	NA	等效电路模型	分类准确率	NA
755	2025-10-05	Optimized extreme learning machines with deep learning for high-performance network traffic classification 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16980-9 PMID:41006381	研究论文	提出一种结合改进极限学习机和深度学习的网络流量分类框架，用于准确识别安全和不安全网络流量	通过粒子群优化算法优化模型参数，并采用基于深度学习的特征选择机制评估输入特征相关性	NA	开发高性能网络流量分类方法以增强网络安全防护	网络流量数据	机器学习	NA	NA	极限学习机,深度学习	网络流量数据	CICIDS 2017数据集	NA	改进极限学习机(IELM)	准确率	NA
756	2025-10-05	Secure federated learning with metaheuristic optimized dimensionality reduction and multi-head attention for DDoS attack mitigation 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15052-2 PMID:41006431	研究论文	提出一种基于元启发式优化降维和多头注意力的安全联邦学习方法，用于物联网环境中的DDoS攻击检测与缓解	结合鹦鹉优化算法进行特征选择，使用时间卷积网络和双向门控循环单元与多头注意力机制进行攻击分类，并采用麋鹿群优化器进行参数调优	仅在NSLKDD和CIC-IDS2017数据集上进行了验证，需要在实际物联网环境中进一步测试	为物联网环境中的DDoS攻击提供有效的检测和缓解策略	物联网设备面临的分布式拒绝服务攻击	机器学习	NA	联邦学习，深度学习	TCN, Bi-GRU, 多头注意力机制	网络流量数据	NSLKDD和CIC-IDS2017数据集	NA	时间卷积网络，双向门控循环单元，多头注意力机制	准确率	NA
757	2025-10-05	Leveraging hybrid deep learning with starfish optimization algorithm based secure mechanism for intelligent edge computing in smart cities environment 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11608-4 PMID:41006459	研究论文	提出一种基于混合深度学习和海星优化算法的智能边缘计算安全机制，用于智慧城市环境中的入侵检测	结合卷积神经网络和双向门控循环单元与交叉注意力机制(CNN-BiGRU-CrAM)，并采用海星优化算法进行超参数调优	NA	为智慧城市中的边缘计算提供安全的入侵检测系统	物联网边缘计算环境中的网络安全	机器学习	NA	深度学习	CNN, BiGRU	网络数据	Edge-IIoT和ToN-IoT数据集	NA	CNN-BiGRU-CrAM	准确率	NA
758	2025-10-05	Explainable artificial intelligence-based cyber resilience in internet of things networks using hybrid deep learning with improved chimp optimization algorithm 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15146-x PMID:41006487	研究论文	提出一种基于可解释人工智能的混合深度学习优化方法，用于提升物联网网络中的网络威胁检测和解释能力	结合混合深度学习模型与改进的黑猩猩优化算法，并引入SHAP增强模型可解释性	未明确说明模型在更广泛物联网场景中的泛化能力	提高物联网环境中网络威胁检测的准确性和可解释性	物联网网络中的网络攻击和异常行为	机器学习	NA	NA	CNN, BiGRU	网络流量数据	Edge-IIoT和BoT-IoT数据集	NA	CNN-BiGRU混合架构	准确率	NA
759	2025-10-05	Revolutionary hybrid ensembled deep learning model for accurate and robust side-channel attack detection in cloud computing 2025-Sep-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89794-4 PMID:41006528	研究论文	提出一种混合集成深度学习模型用于云计算环境中侧信道攻击的准确鲁棒检测	集成CNN、LSTM和AutoEncoder的混合模型，并引入注意力机制以关注关键数据段	仅使用ASCAD基准数据集进行评估，未在其他数据集验证泛化能力	开发云计算环境中鲁棒的侧信道攻击检测模型	侧信道攻击检测	机器学习	NA	深度学习	CNN,LSTM,AutoEncoder	功率轨迹数据	ASCAD基准数据集	NA	混合集成深度学习模型	准确率	云计算环境
760	2025-10-05	The Evolution and Clinical Impact of Deep Learning Technologies in Breast MRI 2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2024-0056 PMID:39477506	综述	本文综述了深度学习技术在乳腺MRI中的演变历程和临床影响，重点探讨其在图像重建、分类、检测、分割及临床预后预测等方面的应用	系统阐述了深度学习如何通过CNN、RNN和GAN等先进模型提升乳腺MRI图像质量与诊断精度，并探索了个性化治疗策略的潜力	该技术融入临床实践仍面临挑战，需要进一步研究、验证以及法律与伦理框架的完善	探讨深度学习技术在乳腺MRI领域的发展历程及其对临床诊断和治疗的影响	乳腺MRI图像及相关临床数据	医学影像	乳腺癌	MRI	CNN, RNN, GAN	医学影像	NA	NA	卷积神经网络，循环神经网络，生成对抗网络	NA	NA