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
7821	2025-10-06	Mobile malware detection method using improved GhostNetV2 with image enhancement technique 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07742-8 PMID:40646017	研究论文	提出一种基于改进GhostNetV2模型和图像增强技术的移动恶意软件检测方法	在Ghost模块中引入通道混洗、用更高效的通道注意力机制替代压缩激励机制、优化激活函数，同时提升对正常恶意软件和对抗样本的检测性能	NA	解决恶意软件检测模型对对抗样本识别效果显著下降的问题	Android classes.dex文件转换的图像数据	计算机视觉	NA	图像增强技术、局部直方图均衡化、Gabor变换	CNN	图像	NA	NA	GhostNetV2	准确率	NA
7822	2025-10-06	Digital security risk identification and model construction of smart city based on deep learning 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09894-z PMID:40646059	研究论文	提出基于深度学习的数字安全识别模型DL-DSIM，用于智能城市中的网络安全风险识别	结合鸡群优化算法和遗传算法的入侵检测特征选择方法，采用三层架构框架增强安全漏洞检测能力	NA	提高智能城市环境下的数据传输效率和系统安全性	工业物联网在智能城市建设中的网络安全风险	机器学习	NA	深度学习	DNN	网络安全数据	NA	NA	深度神经网络	准确率,召回率,F值,精确率,特异性	NA
7823	2025-10-06	A meta fusion model combining geographic data and twitter sentiment analysis for predicting accident severity 2025-Jul-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91484-0 PMID:40646141	研究论文	提出融合地理数据和Twitter情感分析的元融合模型ConvoseqNet，用于预测交通事故严重程度	结合传统交通数据与实时社交媒体洞察，提出CNN与LSTM顺序架构的ConvoseqNet模型，并开发元融合网络MetaFusionNetwork整合不同模型预测结果	NA	通过创新数据融合技术提高交通事故预测准确性，支持实时数据驱动的交通管理	交通事故数据、地理数据、Twitter社交媒体数据	自然语言处理,计算机视觉	NA	情感分析,深度学习	CNN,LSTM,随机森林	地理数据,文本数据,交通数据	NA	NA	ConvoseqNet(CNN+LSTM顺序架构),MetaFusionNetwork	预测准确率	NA
7824	2025-10-06	RMDNet: RNA-aware dung beetle optimization-based multi-branch integration network for RNA-protein binding sites prediction 2025-Jul-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06197-y PMID:40646507	研究论文	提出一种基于深度学习的RNA-蛋白质结合位点预测框架RMDNet，集成多分支网络结构和改进的优化算法	首次将改进的蜣螂优化算法用于特征融合权重分配，并集成CNN、CNN-Transformer和ResNet多分支架构	NA	开发准确高效的RNA-蛋白质结合位点预测方法	RNA结合蛋白（RBPs）及其结合位点	生物信息学	神经退行性疾病, 肝癌, 肺癌	CLIP-seq	CNN, Transformer, ResNet, GNN	RNA序列, RNA二级结构图	RBP-24基准数据集, RBP-31数据集, RBPsuite2.0	NA	CNN, CNN-Transformer, ResNet, Graph Neural Network with DiffPool	多指标评估（具体指标未明确列出）	NA
7825	2025-10-06	PediMS: A Pediatric Multiple Sclerosis Lesion Segmentation Dataset 2025-Jul-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05346-5 PMID:40640191	研究论文	本文介绍了首个专门用于儿科多发性硬化病灶分割的公开MRI数据集PediMS	首个专门针对儿科多发性硬化病灶分割的公开MRI数据集，填补了儿科病例在医学研究中的空白	样本量较小（仅9名患者），数据来源有限	推进儿科多发性硬化研究，改善病灶分割模型，支持联邦学习方法	儿科多发性硬化患者的MRI扫描数据	数字病理	多发性硬化	MRI（T1加权、T2加权、FLAIR序列）	深度学习模型	医学影像	9名儿科患者，共28次MRI扫描（纵向数据，每名患者1-6个时间点）	NA	NA	分割性能指标	NA
7826	2025-10-06	Digital twin based deep learning framework for personalized thermal comfort prediction and energy efficient operation in smart buildings 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10086-y PMID:40634515	研究论文	提出一种基于数字孪生和注意力LSTM的个性化热舒适预测框架，用于智能建筑的节能运行	首次将数字孪生与注意力LSTM模型结合，实现个性化热舒适预测和可解释AI分析	使用ASHRAE数据库子集，数据覆盖范围可能有限	开发个性化热舒适预测模型以优化智能建筑HVAC系统能效	建筑室内热环境与居住者热舒适感知	机器学习	NA	数字孪生技术	LSTM	时间序列数据	ASHRAE全球热舒适数据库II子集	TensorFlow/PyTorch	Attention-based LSTM	准确率	NA
7827	2025-10-06	Hybrid deep learning framework for real-time DO prediction in aquaculture 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10786-5 PMID:40634584	研究论文	提出一种结合CNN、自注意力机制和双向简单循环单元的混合深度学习框架，用于水产养殖中溶解氧的实时预测	首次将一维CNN、自注意力机制和BiSRU相结合，通过特征提取、权重分配和序列建模的协同作用提升预测精度	研究仅在中国广州南沙集约化养殖基地进行验证，未在其他地区或养殖模式中测试	开发高精度的溶解氧实时预测模型以改善水产养殖水质管理	水产养殖环境中的溶解氧浓度	机器学习	NA	水质监测技术	CNN, Self-Attention, BiSRU	水质参数时间序列数据	广州南沙集约化养殖基地的监测数据	NA	CNN-SA-BiSRU混合架构	MSE, MAE, RMSE, R	NA
7828	2025-10-06	Exploring single-head and multi-head CNN and LSTM-based models for road surface classification using on-board vehicle multi-IMU data 2025-Jul-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10573-2 PMID:40634639	研究论文	本研究探索基于单头和多头CNN及CNN-LSTM模型，利用车载多IMU数据进行路面分类	首次系统比较单头与多头架构在路面分类任务中的性能，并发现CNN-LSTM组合模型优于纯CNN模型	对更具挑战性的路面类别分类精度有待提升，数据集需要进一步扩充	开发准确的路面状况监测方法以提升车辆和行人安全	车载多IMU传感器采集的路面数据	机器学习	NA	惯性测量单元(IMU)数据采集	CNN, LSTM	IMU传感器数据（加速度和角速度特征）	NA	NA	CNN, CNN-LSTM组合架构	宏F1分数	NA
7829	2025-10-06	A simple interpolation-based data augmentation method for implicit sentiment identification 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00197-x PMID:40628746	研究论文	提出一种基于插值的隐式情感识别数据增强方法ISIMIX	在隐空间进行无标签混合的插值操作，有效解决数据稀缺问题并提升隐式情感识别性能	未提及方法在更大规模数据集或跨领域场景下的泛化能力	解决隐式情感识别中的数据稀缺和模型过拟合问题	隐式情感文本数据	自然语言处理	NA	数据增强技术	深度学习模型	文本	三个公开隐式情感数据集	NA	NA	NA	NA
7830	2025-10-06	Explainable deep learning approaches for high precision early melanoma detection using dermoscopic images 2025-Jul-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09938-4 PMID:40629062	研究论文	本研究开发了一种可解释的深度学习模型，用于通过皮肤镜图像实现高精度早期黑色素瘤检测	提出结合全局平均池化、批量归一化、Dropout以及ReLU和Swish激活函数的先进层结构，并集成可解释AI技术揭示模型决策过程	NA	开发用于早期皮肤癌检测的自动化诊断系统	皮肤镜图像	计算机视觉	皮肤癌	皮肤镜成像	深度学习	图像	NA	NA	NA	准确率	NA
7831	2025-10-06	RADAI: A Deep Learning-Based Classification of Lung Abnormalities in Chest X-Rays 2025-Jul-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131728 PMID:40647727	研究论文	开发了一种基于深度学习的胸部X光片肺异常分类模型RADAI	通过微调三种先进深度学习模型(FSRFNet50、ResNext50、ResNet50)进行胸部X光肺异常分类比较	NA	开发能够准确检测胸部X光片中四种肺异常并生成报告的AI模型	胸部X光片中的肺异常	计算机视觉	肺癌	胸部X光成像	CNN	医学图像	NA	NA	FSRFNet50, ResNext50, ResNet50	准确率, 精确率, 召回率, F1分数	NA
7832	2025-10-06	Mamba-YOLO-ML: A State-Space Model-Based Approach for Mulberry Leaf Disease Detection 2025-Jul-07, Plants (Basel, Switzerland) DOI:10.3390/plants14132084 PMID:40648093	研究论文	提出基于状态空间模型的Mamba-YOLO-ML方法用于桑叶病害检测	采用相位模块化设计(PMSS)增强多尺度特征表示，结合Haar小波下采样保留纹理细节，并使用归一化Wasserstein距离损失提升小目标鲁棒性	NA	开发高效的桑叶病害检测方法以支持精准农业	桑叶病害	计算机视觉	植物病害	深度学习	YOLO, SSM, Mamba	图像	NA	NA	Mamba-YOLO-ML, PMSS, Mamba Block	mAP50, mAP50:95	嵌入式设备
7833	2025-10-06	Resource-Efficient Cotton Network: A Lightweight Deep Learning Framework for Cotton Disease and Pest Classification 2025-Jul-07, Plants (Basel, Switzerland) DOI:10.3390/plants14132082 PMID:40648091	研究论文	提出一种轻量级深度学习框架RF-Cott-Net用于棉花病虫害分类	集成早期退出机制和量化感知训练，在保持精度的同时提升部署效率	NA	实现棉花病虫害的快速准确诊断以支持有效防控策略和遗传育种研究	棉花病虫害图像	计算机视觉	植物病害	深度学习	CNN, Transformer	图像	包含11个疾病类别的CCDPHD-11开源图像数据集	NA	MobileViTv2	准确率, F1分数, 精确率, 召回率	农业边缘设备
7834	2025-10-06	Multi-Stage Cascaded Deep Learning-Based Model for Acute Aortic Syndrome Detection: A Multisite Validation Study 2025-Jul-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134797 PMID:40649169	研究论文	开发了一种基于多阶段级联深度学习模型的急性主动脉综合征检测方法，并在多中心数据上进行了验证	采用多阶段级联架构，结合U-Net分割和级联分类，能够同时检测主动脉夹层、壁内血肿和穿透性动脉粥样硬化溃疡三种AAS亚型	研究样本量相对有限（260例），未提及模型在其他种族或地区人群中的泛化能力	开发能够快速准确检测急性主动脉综合征的深度学习模型	急性主动脉综合征患者	医学影像分析	心血管疾病	胸部CT血管成像	CNN, U-Net	医学影像	260例匿名CTA扫描，来自美国14个临床中心和4家不同CT制造商	NA	U-Net, 多尺度CNN	灵敏度, 特异度, AUC	NA
7835	2025-10-06	Integrating Graph Convolution and Attention Mechanism for Kinase Inhibition Prediction 2025-Jul-06, Molecules (Basel, Switzerland) DOI:10.3390/molecules30132871 PMID:40649385	研究论文	本研究开发了结合图卷积和图注意力网络的模型用于激酶抑制活性预测	首次将图卷积网络(GCN)与图注意力网络(GAT)相结合用于激酶抑制预测，在多个独立数据集上取得最佳性能	NA	预测小分子药物对激酶的抑制活性	激酶和小分子药物	机器学习	癌症	NA	GNN, GCN, GAT	图数据	两个大型激酶数据集（激酶数据集1和2）	NA	GCN, GCN_GAT	准确率, Matthews相关系数, 灵敏度, 特异性, 精确度	NA
7836	2025-10-06	Artificial Intelligence in Primary Malignant Bone Tumor Imaging: A Narrative Review 2025-Jul-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131714 PMID:40647712	综述	本文综述人工智能在原发性恶性骨肿瘤影像学中的应用进展	系统整合AI在骨肿瘤早期检测、影像分析、治疗反应预测和组织学分类中的创新应用	原发性恶性骨肿瘤罕见导致高质量数据集稀缺，缺乏标准化成像协议影响可重复性	探讨人工智能在原发性恶性骨肿瘤影像诊断和治疗中的临床应用	原发性恶性骨肿瘤的医学影像数据	医学影像分析	骨肿瘤	影像组学，多模态成像	CNN	医学影像	NA	NA	卷积神经网络	NA	NA
7837	2025-10-06	A comprehensive survey and benchmark of deep learning-based methods for atomic model building from cryo-electron microscopy density maps 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf322 PMID:40645653	综述	本文对基于深度学习的冷冻电镜密度图原子模型构建方法进行全面调查与基准测试	改进了现有评估指标，首次将深度学习方法与传统物理方法在50个不同分辨率冷冻电镜密度图上进行系统对比	AlphaFold依赖序列信息可用性和有限训练数据可能限制其应用	评估深度学习在冷冻电镜密度图原子模型构建中的性能表现	蛋白质原子模型	计算机视觉	NA	冷冻电镜	深度学习	密度图	50个冷冻电镜密度图	NA	NA	完整性, 准确性	NA
7838	2025-10-06	Deep Learning-Enhanced Spectroscopic Technologies for Food Quality Assessment: Convergence and Emerging Frontiers 2025-Jul-02, Foods (Basel, Switzerland) DOI:10.3390/foods14132350 PMID:40647102	综述	本文综述了深度学习与光谱技术融合在食品质量评估中的前沿应用与发展趋势	系统阐述六种先进光谱技术与深度学习的协同创新，重点聚焦光谱融合技术和混合光谱-异质融合方法	NA	建立从生产到消费的高精度可持续食品质量检测体系	食品质量评估	机器学习	NA	近红外/中红外光谱、拉曼光谱、荧光光谱、高光谱成像、太赫兹光谱、核磁共振	深度学习	光谱数据、图像数据	NA	NA	NA	速度、精度、非侵入性	边缘计算、便携设备
7839	2025-10-06	Optimizing Esophageal Cancer Diagnosis with Computer-Aided Detection by YOLO Models Combined with Hyperspectral Imaging 2025-Jul-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131686 PMID:40647685	研究论文	本研究结合高光谱成像与YOLO系列模型优化食管癌的计算机辅助诊断	首次将SAVE高光谱成像技术与多种YOLO模型结合，显著提升食管癌病变检测的准确性和诊断效能	未明确说明样本数量和数据集的详细组成，缺乏外部验证结果	开发可靠的食管癌恶性病变分期和定位检测框架	食管癌图像和恶性病变	计算机视觉	食管癌	高光谱成像, SAVE技术	YOLO	高光谱图像	NA	NA	YOLOv8, YOLOv7, YOLOv6, YOLOv5, Scaled YOLOv4, YOLOv3	特异性, 敏感性, 精确度, F1分数	NA
7840	2025-10-06	Machine Learning Models for Pancreatic Cancer Survival Prediction: A Multi-Model Analysis Across Stages and Treatments Using the Surveillance, Epidemiology, and End Results (SEER) Database 2025-Jul-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134686 PMID:40649061	研究论文	本研究使用SEER数据库数据，通过多种机器学习模型分析胰腺癌患者在不同分期和治疗方式下的生存预测	首次在胰腺癌生存预测中系统比较参数模型、半参数模型、非参数模型与多种机器学习方法的性能，并构建生存概率热图	研究依赖于SEER数据库的回顾性数据，可能存在选择偏倚和数据完整性限制	开发准确的胰腺癌生存预测模型，为临床预后判断和治疗决策提供支持	胰腺癌患者，特别关注不同癌症分期和治疗方式（化疗和放疗）的患者群体	机器学习	胰腺癌	生存分析，机器学习建模	梯度提升，神经网络，弹性网络，随机森林，深度学习	临床数据，生存数据	SEER数据库中的胰腺癌患者数据	NA	NA	AUC，准确率，ROC曲线，拟合优度检验	NA