深度学习在生物医药领域中的应用

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
61	2025-10-05	Exploring transfer learning techniques for classifying Alzheimer's disease with rs-fMRI 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111075 PMID:40987013	研究论文	本研究探索利用迁移学习技术对阿尔茨海默病进行静息态功能磁共振成像分类	首次系统比较VGG19、AlexNet和ResNet50三种迁移学习模型在阿尔茨海默病rs-fMRI分类中的性能，并分析模型的可解释性	样本量相对有限（97名参与者），仅包含阿尔茨海默病患者和正常对照组两类样本	开发基于深度学习的阿尔茨海默病自动诊断方法	阿尔茨海默病患者和正常对照个体	医学影像分析	阿尔茨海默病	静息态功能磁共振成像	VGG19, AlexNet, ResNet50, 迁移学习	神经影像数据	97名参与者（56名阿尔茨海默病患者，41名正常对照）
62	2025-10-05	GRAPHITE: Graph-based interpretable tissue examination for enhanced explainability in breast cancer histopathology 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111106 PMID:41005231	研究论文	提出基于图结构的可解释组织检查框架GRAPHITE，用于乳腺癌组织微阵列分析	采用多尺度方法构建层次图结构，结合图注意力网络和尺度注意力机制捕捉尺度依赖特征	NA	提升乳腺癌组织病理学中深度学习模型的可解释性和临床可信度	乳腺癌组织微阵列样本	数字病理学	乳腺癌	图注意力网络(GAT)，尺度注意力机制(SAN)	图神经网络(GNN)	组织微阵列图像	训练集：140个肿瘤TMA核心和140个良性样本；测试集：53个病理学家标注的TMA样本
63	2025-10-05	Geometric deep learning adapted to prediction of liver resection zone 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111103 PMID:41005230	研究论文	本研究探索几何深度学习在预测肝脏切除区域中的应用	首次将轻量级神经网络RandLA-Net应用于肝脏切除区域的语义分割，采用混合损失函数优化模型性能	未明确说明数据集的具体规模和多样性限制	研究几何深度学习在肝脏切除区域预测中的有效性	肝脏肿瘤患者的3D几何数据（网格或点云格式）	计算机视觉	肝癌	几何深度学习	RandLA-Net	3D点云数据	扩展研究阶段增加了数据集规模，但具体数量未明确说明
64	2025-10-05	Improving knee joint angle prediction through Dynamic Contextual Focus and Gated Linear Units 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111119 PMID:41005234	研究论文	提出一种结合动态上下文聚焦注意力和门控线性单元的新型深度学习框架FocalGatedNet，用于提高膝关节角度预测的准确性	首次将动态上下文聚焦注意力机制与门控线性单元结合，专门针对时间序列预测设计，在多个预测时间窗口均显著优于传统模型	未明确说明训练数据的具体规模和多样性限制	开发实时准确的膝关节角度预测模型，用于生物力学和康复应用	膝关节运动轨迹和角度预测	机器学习	康复医学	深度学习、时间序列预测	FocalGatedNet（结合DCF Attention和GLU）	多模态步态数据	基于综合多模态步态数据集，具体样本数量未明确说明
65	2025-10-05	Application of artificial intelligence in assisting treatment of gynecologic tumors: a systematic review 2025-Oct-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00201-1 PMID:41028609	系统综述	系统回顾人工智能在妇科肿瘤辅助治疗中的应用现状与发展前景	首次系统总结AI在妇科肿瘤治疗各环节（靶区勾画、剂量预测、疗效预测等）的应用分布和技术方法	研究多为单中心回顾性小样本研究，缺乏多中心大数据验证	评估人工智能在妇科肿瘤辅助治疗中的应用现状和发展前景	妇科恶性肿瘤（宫颈癌、子宫内膜癌、卵巢癌等）	医学影像分析	妇科肿瘤	深度学习、传统影像组学、非常规影像组学	深度学习模型	医学影像数据	133篇研究文章，其中127篇（95%）样本量小于500例
66	2025-10-05	Federated multi scale vision transformer with adaptive client aggregation for industrial defect detection 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12390-z PMID:41034251	研究论文	提出一种用于工业缺陷检测的联邦多尺度视觉变换器方法	引入自适应客户端聚合机制和对比特征对齐模块，动态分配客户端权重并减少域间差异	NA	开发隐私保护且自适应的工业缺陷检测系统	工业制造中的产品缺陷	计算机视觉	NA	联邦学习	Vision Transformer (ViT)	图像	多个缺陷数据集
67	2025-10-05	PCF-VAE: posterior collapse free variational autoencoder for de novo drug design 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14285-5 PMID:41034259	研究论文	提出一种名为PCF-VAE的后验崩溃自由变分自编码器，用于解决从头药物设计中分子生成多样性的问题	通过PCF-VAE方法有效缓解变分自编码器中的后验崩溃问题，同时简化SMILES表示复杂度并增强分子生成多样性	NA	解决从头药物设计中分子生成的多样性和有效性挑战	分子结构和化学空间	机器学习	NA	变分自编码器	VAE	分子结构数据	在MOSES基准测试中评估，不同多样性水平下的有效性分别为98.01%(D=1)、97.10%(D=2)、95.01%(D=3)
68	2025-10-05	A hybrid deep learning model for detection and mitigation of DDoS attacks in VANETs 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15215-1 PMID:41034308	研究论文	提出一种用于VANET中DDoS攻击检测与缓解的混合深度学习模型VANET-DDoSNet++	首次将优化特征选择、先进深度学习检测、自适应强化学习缓解和基于区块链的安全报告集成到多层防御框架中	仅使用单一数据集CIC-DDoS2019进行评估，未在其他真实场景中验证	提高车载自组织网络中DDoS攻击的检测效率和缓解能力	车载自组织网络(VANET)中的DDoS攻击	机器学习	NA	自适应蜻蜓算法(ADA)、增强型蚱蜢优化算法(EGOA)、卷积LSTM网络、注意力机制、强化学习、区块链技术	混合深度学习架构(CNN-LSTM与注意力机制结合)	网络流量数据、时空数据、行为模式数据	使用CIC-DDoS2019数据集，包含真实车辆流量数据和现代反射型DDoS攻击
69	2025-10-05	An interpretable hybrid deep learning framework for gastric cancer diagnosis using histopathological imaging 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15702-5 PMID:41034364	研究论文	提出一种结合CNN和Transformer的混合深度学习框架用于胃癌组织病理图像分类	首次将CNN与Transformer架构结合用于胃癌诊断，增强特征表示和空间上下文理解能力	NA	开发可靠、可解释的自动化胃癌诊断工具	胃癌组织病理图像	数字病理学	胃癌	深度学习	CNN + Transformer混合模型	图像	三个公开数据集：GasHisSDB、TCGA-STAD和NCT-CRC-HE-100K
70	2025-10-05	High-resolution conditional MR image synthesis through the PACGAN framework 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16257-1 PMID:41034368	研究论文	提出PACGAN框架用于生成高质量、类别特定的脑部磁共振合成图像	将渐进增长GAN和辅助分类器GAN有效结合，实现高分辨率医学图像的条件合成	仅针对阿尔茨海默病患者和健康对照组两类进行验证	解决医学图像数据有限和类别不平衡问题	脑部磁共振图像	计算机视觉	阿尔茨海默病	GAN	PACGAN（渐进增长GAN+辅助分类器GAN）	医学图像	ADNI数据集中的阿尔茨海默病患者和健康对照组图像
71	2025-10-05	Enhanced deep learning model for predicting hydraulic performance in recycled porous pipe irrigation systems 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20354-6 PMID:41034369	研究论文	本研究评估了再生多孔管灌溉系统的水力性能，并开发了深度学习模型来预测排水速率	结合水力评估与AI建模，使用GAN进行数据增强以克服实验样本限制，Enhanced MLP模型实现了最高预测精度	实验样本有限，需要通过合成数据增强来弥补	预测再生多孔管灌溉系统的水力性能并提高水资源利用效率	两种类型的再生多孔管（A型：再生橡胶-聚乙烯混合物，B型：纯再生橡胶）	机器学习	NA	深度学习，数据增强	Enhanced MLP, LSTM, DNN, ANN, GAN	实验数据，合成数据	实验室实验测量，涵盖压力范围20-80 kPa和管道长度3-9 m
72	2025-10-05	Advances in IoT networks using privacy-preserving techniques with optimized multi-head self-attention model for intelligent threat detection based on plant rhizome growth optimization 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16052-y PMID:41034393	研究论文	提出一种基于植物根茎生长优化的智能入侵检测框架，用于提升物联网安全	结合卷积神经网络、双向门控循环单元和多头自注意力机制的混合模型，并采用植物根茎生长优化算法进行超参数选择	仅在Edge-IIoT和ToN-IoT两个数据集上进行验证，需要更多实际场景测试	开发自动化的网络攻击检测系统以增强物联网环境安全性	物联网网络中的入侵行为检测	机器学习	NA	深度学习，特征选择优化算法	CNN-BiGRU-MHSAM混合模型	网络流量数据	使用Edge-IIoT和ToN-IoT两个数据集进行实验验证
73	2025-10-05	Gas concentration prediction based on SSA algorithm with CNN-BiLSTM-attention 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15838-4 PMID:41034433	研究论文	提出一种基于SSA算法优化的CNN-BiLSTM-Attention混合深度学习模型，用于煤矿瓦斯浓度预测	结合1D-CNN提取局部空间特征、BiLSTM建模双向时间依赖性和注意力机制动态加权关键特征，并首次应用SSA算法自动优化超参数	研究仅针对山西某煤矿掘进工作面，未在其他矿区验证模型泛化能力	提高煤矿瓦斯浓度预测精度和泛化能力，为瓦斯灾害预警提供技术支持	煤矿掘进工作面的瓦斯浓度及相关环境参数（温度、风速、岩压、CO浓度）	机器学习	NA	深度学习、时间序列预测	CNN-BiLSTM-Attention混合模型	时间序列数据	NA
74	2025-10-05	Recognizing Egyptian currency for people with visual impairment using deep learning models 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20646-x PMID:41034434	研究论文	提出一种基于深度学习的实时埃及货币识别系统，帮助视障人士独立进行金融交易	首次将YOLOv10等最新目标检测模型应用于埃及货币识别，采用上下文聚合、GELAN和无NMS训练等创新技术	主要针对埃及货币，对其他地区货币的适用性未验证	开发高精度、低延迟的货币识别系统以辅助视障人士	埃及纸币	计算机视觉	视力障碍	深度学习	YOLOv8, YOLOv9, YOLOv10	图像	2000张标注图像
75	2025-10-05	Inverse design of periodic cavities in anechoic coatings with gradient changes of radii and distances via a conditional generative adversarial network 2025-Oct-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15946-1 PMID:41034619	研究论文	提出基于条件生成对抗网络的消声涂层周期性空腔逆向设计方法	首次将条件生成对抗网络应用于消声涂层梯度空腔结构的逆向设计	未明确说明模型在其他频段或不同材料体系中的泛化能力	通过深度学习实现消声涂层的低频宽带吸声性能优化设计	消声涂层的材料参数和空腔几何结构	机器学习	NA	条件生成对抗网络(cGAN)	cGAN	数值模拟数据	86,400组材料和结构参数及其对应的吸声系数数据集
76	2025-10-03	Gradient responsive regularization: a deep learning framework for codon frequency based classification of evolutionarily conserved genes 2025-Oct-01, BMC genomic data IF:1.9Q3 DOI:10.1186/s12863-025-01358-7 PMID:41034712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
77	2025-10-03	Radiomics and deep learning model based on X-ray imaging for the assisted diagnosis of early Legg-Calvé-Perthes disease 2025-Oct-01, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09189-4 PMID:41034891	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
78	2025-10-05	Classify the fNIRS signals of first-episode drug-naive MDD patients with or without suicidal ideation using machine learning 2025-Oct-01, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07394-y PMID:41034887	研究论文	使用机器学习和fNIRS技术对首发未用药重度抑郁症患者有无自杀意念进行分类研究	首次在首发未用药MDD患者中结合fNIRS和一维CNN深度学习方法来识别自杀意念的客观生物标志物	样本量相对有限，研究结果可能受患者和方法学差异影响	评估fNIRS作为诊断工具在识别MDD患者自杀意念中的临床应用价值	91名首发未用药MDD患者（40名有自杀意念，51名无自杀意念）和39名健康对照者	机器学习	重度抑郁症	功能性近红外光谱（fNIRS），言语流畅性任务（VFT）	一维卷积神经网络（CNN）	脑血流动力学信号	130名参与者（91名患者+39名健康对照）
79	2025-10-05	Joint prediction of glioma molecular marker status based on GDI-PMNet 2025-Oct-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07021-0 PMID:41034915	研究论文	提出基于GDI-PMNet的深度学习模型，用于联合预测胶质瘤分子标志物状态	提出梯度感知空间分区增强算法、深度卷积双注意力模块、金字塔多尺度特征提取与Mamba投影卷积混合模型，以及迭代真值校准算法	NA	实现胶质瘤分子标志物状态的非侵入性术前预测	胶质瘤分子标志物（IDH1、Ki67、MGMT、P53）	数字病理	胶质瘤	磁共振成像	CNN、注意力机制、Mamba模型	医学影像	NA
80	2025-10-05	A time-efficient continuous ramp protocol for data-driven walking energy expenditure estimation across multiple speeds 2025-Oct-01, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01707-8 PMID:41034972	研究论文	本研究比较了连续斜坡协议与离散步进协议在步行能量消耗估计中的有效性	将数据驱动方法与连续协议相结合，通过单次试验中逐渐增加步行速度的方式提高数据收集效率	在速度超过1.5 m/s时观察到运动学差异，样本量相对较小（初始14名受试者）	开发时间效率更高的步行能量消耗估计方法	健康受试者的步行运动	机器学习	NA	间接热量测定法、IMU传感器	深度学习模型	运动传感器数据	初始14名受试者，后续增加13名受试者