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
7581	2025-07-05	Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI" 2025-Jul-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70030 PMID:40613856	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7582	2025-10-06	iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification 2025-Jul-04, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01641-x PMID:40613943	研究论文	提出了一种名为iACP-DPNet的可解释抗癌肽识别深度学习模型	采用双池化因果扩张卷积网络架构，结合全局平均池化和注意力池化机制，增强了局部关键残基和全局序列上下文的协同建模能力	NA	开发高性能且可解释的抗癌肽识别计算方法	抗癌肽(ACPs)	生物信息学	癌症	蛋白质语言模型ProtBert，特征选择方法LightGBM和MIC	因果扩张卷积网络	蛋白质序列数据	NA	NA	双池化因果扩张卷积网络，GlobalAveragePooling，注意力池化	特异性(Sp)，敏感性(Sn)，准确率(Acc)，马修斯相关系数(MCC)	NA
7583	2025-10-06	From gas sensing to AI-gas sensing 2025-Jul-03, Chemical communications (Cambridge, England) DOI:10.1039/d5cc01291k PMID:40521933	综述	本文综述了人工智能技术在气体传感领域的应用进展与发展潜力	系统阐述了AI技术如何通过深度学习特征提取、模式识别、漂移补偿和边缘设备部署等创新方法推动气体传感技术发展	NA	探讨人工智能技术如何推动人工嗅觉系统的发展	气体传感技术与人工智能的融合应用	机器嗅觉	NA	气体传感技术	深度学习	化学信号	NA	NA	NA	NA	边缘设备、嗅觉芯片、神经形态处理器、感存算一体化系统
7584	2025-10-06	Artificial Intelligence in Rhinology 2025-Jul-03, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011654 PMID:40608779	综述	本文综述了人工智能在鼻科学领域的应用现状与发展前景	系统总结了人工智能技术在鼻科疾病诊断、手术规划和新器械开发中的创新应用	许多AI应用需要设备完善的医疗中心环境，在资源匮乏地区实施存在挑战	探讨人工智能技术在鼻科学领域的应用潜力与发展方向	鼻科疾病诊断与治疗相关研究	医疗人工智能	鼻科疾病	机器学习,深度学习	分类算法,深度学习算法	放射影像数据,临床数据	NA	NA	NA	NA	NA
7585	2025-10-06	Utilizing TOP2 Class for Hybrid Decision-Making to Enhance TOP1 Accuracy of Ensemble Models 2025-Jul-03, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3579732 PMID:40608870	研究论文	提出一种名为TOP2混合决策的新算法，通过利用基础模型的TOP2类别信息来提升集成模型的TOP1准确率	首次将基础模型的TOP2类别信息引入集成学习决策过程，通过基于TOP1类别和TOP2类别排名的层次划分机制改进集成模型性能	未明确说明在非图像领域的适用性，且实验范围限于特定模型和数据集	提升集成学习模型在视觉任务中的TOP1准确率	深度学习集成模型	计算机视觉	NA	NA	集成学习	图像	多个数据集（具体数量未明确说明）	NA	NA	TOP1准确率	NA
7586	2025-10-06	Multi-modal Classification of Retinal Disease Based On Convolutional Neural Network 2025-Jul-03, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adeb92 PMID:40609554	研究论文	提出基于卷积神经网络的多模态视网膜疾病分类模型，通过整合OCT和OCTA图像提高诊断准确率	采用亮线裁剪技术去除无用黑边区域，提出双分支多模态融合架构和两步训练方法解决数据不足问题	训练图像数量有限，存在类别不平衡问题	开发自动诊断视网膜疾病的深度学习模型	年龄相关性黄斑变性和糖尿病视网膜病变等视网膜疾病	计算机视觉	视网膜疾病	光学相干断层扫描(OCT)，光学相干断层扫描血管成像(OCTA)	CNN	图像	NA	NA	双分支卷积神经网络	准确率,精确率,召回率,特异性,F1分数	NA
7587	2025-10-06	CONSeg: Voxelwise Uncertainty Quantification for Glioma Segmentation Using Conformal Prediction 2025-Jul-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8914 PMID:40610235	研究论文	本研究开发了一种基于保形预测的胶质瘤分割不确定性量化方法CONSeg	首次将保形预测应用于胶质瘤分割的不确定性量化，并提出不确定性比率指标	研究仅使用公开数据集，未在更多临床场景验证	提高胶质瘤分割模型的可靠性和不确定性量化能力	胶质瘤患者	医学影像分析	胶质瘤	深度学习分割	CNN	医学影像	UCSF数据集495例，UPenn数据集147例	NA	UNet	Dice分数系数, 95百分位Hausdorff距离, 覆盖率	NA
7588	2025-10-06	Integrating MobileNetV3 and SqueezeNet for Multi-class Brain Tumor Classification 2025-Jul-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01589-1 PMID:40610693	研究论文	本研究探索轻量级深度学习模型在脑肿瘤多分类中的应用	提出将MobileNetV3和SqueezeNet的特征嵌入层进行融合的混合模型，在保证诊断准确性的同时提高部署效率	仅使用单一公开数据集，未在更多临床数据上验证模型泛化能力	开发准确且高效的脑肿瘤自动分类方法	脑部MRI图像中的四类情况：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	7023张MRI图像（65%训练集，17%验证集，18%测试集）	NA	MobileNetV3,SqueezeNet	准确率	NA
7589	2025-10-06	Developing an innovative lung cancer detection model for accurate diagnosis in AI healthcare systems 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03960-2 PMID:40592932	研究论文	开发一种基于CNN-GRU混合模型的肺癌检测方法，用于AI医疗系统中的准确诊断	首次将CNN的空间特征提取能力与GRU的序列建模能力相结合，构建混合深度学习模型用于肺癌检测	未提及模型在不同类型肺癌或不同阶段患者中的泛化能力	提高AI医疗系统中肺癌检测的准确率	肺癌CT影像数据	计算机视觉	肺癌	CT影像分析	CNN, GRU	医学影像	NA	NA	CNN-GRU混合架构	准确率	NA
7590	2025-10-06	Hybrid attention transformer integrated YOLOV8 for fruit ripeness detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04184-0 PMID:40592947	研究论文	提出融合混合注意力变换器的HAT-YOLOV8模型用于户外果园环境中的水果成熟度检测	将混合注意力变换器(HAT)集成到YOLOV8中，结合Shuffle Attention模块增强复杂依赖关系捕获能力，并使用EIoU损失函数替代CIoU	NA	解决户外果园环境中光照变化和果实簇阴影对成熟水果识别与分类的挑战	五种水果品种，每种分为三个不同成熟度等级	计算机视觉	NA	深度学习	YOLOV8, Transformer	图像	包含五种水果品种的数据集	PyTorch	YOLOV8, Hybrid Attention Transformer, Shuffle Attention	mAP	NA
7591	2025-10-06	Research on fault diagnosis method for variable condition planetary gearbox based on SKN attention mechanism and deep transfer learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04858-9 PMID:40592955	研究论文	提出一种基于SKN注意力机制和深度迁移学习的变工况行星齿轮箱故障诊断方法	结合选择性核网络注意力机制和局部最大均值差异子域适配，实现变工况下故障特征的动态提取和域适应	仅验证了8种变工况任务，未涉及更复杂的实际工业场景	提升变工况下行星齿轮箱故障诊断的准确率	行星齿轮箱故障数据	机器学习	NA	深度迁移学习	深度神经网络	振动信号数据	8种变工况任务数据集	NA	选择性核网络(SKN)	故障识别准确率	NA
7592	2025-10-06	A novel edge crop method and enhanced YOLOv5 for efficient wind turbine blade damage detection 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04882-9 PMID:40592991	研究论文	提出一种新颖的边缘裁剪方法和增强型YOLOv5网络，用于高效检测风力涡轮机叶片损伤	提出自适应边缘裁剪方法通过叶片边缘特征调整裁剪步长，并在YOLOv5头部引入全局注意力机制，用基于注意力的尺度内特征交互模块替换原SPPF模块	NA	提高风力涡轮机叶片损伤检测的准确性和效率	风力涡轮机叶片损伤	计算机视觉	NA	深度学习	YOLOv5	图像	来自内蒙古西部的风力涡轮机叶片损伤数据集	PyTorch	YOLOv5s	准确率	NA
7593	2025-10-06	Clustering cell nuclei on microgrooves for disease diagnosis using deep learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05788-2 PMID:40593025	研究论文	本研究利用变分自编码器和高斯混合模型对微沟槽基底上培养的野生型和层粘连蛋白病突变型成肌细胞核进行聚类分析	首次将深度学习技术与微沟槽基底相结合，实现基于核形态和变形程度的自动分类	未明确说明样本规模和数据来源的具体限制	开发基于核变形自动分类的疾病诊断方法	野生型成肌细胞和层粘连蛋白病相关突变型成肌细胞的细胞核	计算机视觉	层粘连蛋白病	微沟槽基底培养技术	VAE, GMM	细胞核图像	NA	NA	标准变分自编码器	聚类性能	NA
7594	2025-10-06	Real-time detection and localization of honeycomb defects in concrete pillars using hybrid deep learning models 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06971-1 PMID:40593085	研究论文	提出基于YOLOv5和Mask R-CNN的混合深度学习模型，用于混凝土结构中蜂窝缺陷的实时检测与实例分割	结合YOLOv5快速目标检测和Mask R-CNN精确实例分割的优势，实现缺陷区域的高效解析与定位	NA	开发用于混凝土结构缺陷检测的实时深度学习系统	混凝土支柱中的蜂窝缺陷	计算机视觉	NA	深度学习	YOLOv5, Mask R-CNN	图像	1991张标注图像	NA	YOLOv5, Mask R-CNN	准确率, Dice相似系数, 马修斯相关系数, 平均精度均值, F1分数, 精确率, 召回率, PR曲线下面积, 交并比, 校准曲线误差	NA
7595	2025-10-06	Effective deep learning aided vehicle classification approach using Seismic Data 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01684-x PMID:40593945	研究论文	提出一种基于地震数据的自监督对比学习方法用于车辆分类	首次将地震数据用于车辆分类，采用自监督对比学习方法无需标注数据即可进行特征提取和表示	NA	开发对环境影响不敏感且保护隐私的车辆分类方法	车辆产生的地震振动信号	机器学习	NA	地震信号采集	深度学习, 对比学习	地震信号数据	NA	NA	编码器网络, 投影头	准确率	NA
7596	2025-10-06	Enhanced security for medical images using a new 5D hyper chaotic map and deep learning based segmentation 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04906-4 PMID:40593969	研究论文	提出一种结合新型5D超混沌系统和定制U-Net架构的医学图像加密方法	开发了新型5D超混沌系统，并与深度学习分割网络结合，利用分割区域统计特征作为混沌序列初始条件	仅测试了256×256尺寸图像，加密时间在标准桌面CPU上约为2.93秒/图像	提升医学图像加密的安全性以保护患者隐私和医疗数据机密性	医学图像	计算机视觉	NA	图像加密，混沌系统	U-Net	医学图像	NA	NA	U-Net	PSNR, MSE, NPCR, UACI, 熵, 卡方值, 相关系数, 李雅普诺夫指数	标准桌面CPU
7597	2025-10-06	CLASEG: advanced multiclassification and segmentation for differential diagnosis of oral lesions using deep learning 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03268-1 PMID:40594006	研究论文	提出一种基于深度学习的多分类分割框架，用于口腔病变的准确鉴别诊断	首次将多分类与分割任务结合，使用梯度加权类激活映射技术可视化模型决策关键区域，在分割精度上显著超越现有方法	分类准确率为74.49%，仍有提升空间	开发口腔病变的早期检测和鉴别诊断工具	14种常见口腔病变（良性、癌前病变和恶性）	计算机视觉	口腔癌	深度学习	CNN	图像	2072张临床图像	NA	EfficientNet-B3, ResNet-101, Mask R-CNN	准确率, 平均精度(AP50)	NA
7598	2025-10-06	CareAssist GPT improves patient user experience with a patient centered approach to computer aided diagnosis 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01518-w PMID:40594036	研究论文	介绍CareAssist-GPT模型，通过实时、易懂且共情的沟通提升诊断准确性和患者体验	结合高分辨率X射线图像、实时生理体征和临床笔记的统一预测框架，通过透明实时解释增强患者信任	NA	通过以患者为中心的AI辅助诊断模型提升诊断准确性和患者参与度	患者医疗诊断过程	医疗人工智能	NA	深度学习	CNN, GRU, Transformer	X射线图像, 生理体征, 临床文本	NA	NA	卷积神经网络, 门控循环单元, Transformer	准确率, 精确率, 召回率, 特异性, AUC-ROC, 响应时间, 患者满意度	NA
7599	2025-10-06	A dual encoder network with multiscale feature fusion and multiple pooling channel spatial attention for skin scar image segmentation 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05239-y PMID:40594041	研究论文	提出一种融合CNN和Swin Transformer的双编码器网络，通过多尺度特征融合和多池化通道空间注意力机制实现皮肤疤痕图像分割	集成CNN和Swin Transformer架构，引入多尺度特征融合模块和新型多池化通道空间注意力机制	NA	解决皮肤疤痕图像分割的挑战	皮肤疤痕组织	计算机视觉	皮肤疾病	深度学习	CNN, Swin Transformer	图像	NA	NA	双编码器网络	准确率96.01%, 精确率77.43%, 召回率90.17%, Jaccard指数71.38%, Dice系数83.21%	NA
7600	2025-10-06	A ubiquitous and interoperable deep learning model for automatic detection of pleomorphic gastroesophageal lesions 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03397-7 PMID:40594126	研究论文	开发一种用于自动检测食管胃多形性病变的普适互操作深度学习模型	首个针对食管胃道的普适互操作深度学习模型，解决了该区域因图像帧稀缺导致的模型开发难题	需要前瞻性真实世界研究验证其与标准上消化道内镜相比的临床适用性	开发能够检测食管胃道多形性病变的人工智能模型	食管胃道多形性病变	计算机视觉	胃食管疾病	胶囊内镜	CNN	图像	774例胶囊内镜检查的59,482帧食管胃道图像，来自5个中心	NA	卷积神经网络	灵敏度, 特异度, 准确率, AUC-ROC	NA