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
821	2025-07-30	A Hybrid Framework Integrating Traditional Models and Deep Learning for Multi-Scale Time Series Forecasting 2025-Jun-28, Entropy (Basel, Switzerland) DOI:10.3390/e27070695 PMID:40724412	research paper	提出了一种结合传统统计模型和深度学习模型的多尺度时间序列预测混合框架	设计了一种新颖的多尺度预测机制，结合了传统模型（ARIMA）和深度学习模型（如LSTM和Transformer）的优势，以更好地捕捉短期模式和长期依赖关系	未提及具体局限性	提高时间序列预测在短期和长期范围内的准确性	时间序列数据	machine learning	NA	ARIMA, LSTM, Transformer	混合模型（ARIMA + LSTM/Transformer）	时间序列数据	八个公共数据集（电力、汇率、天气、交通、疾病、ETTh1/2和ETTm1/2）
822	2025-07-30	A Unified Deep Learning Ensemble Framework for Voice-Based Parkinson's Disease Detection and Motor Severity Prediction 2025-Jun-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070699 PMID:40722391	研究论文	本研究提出了一种混合集成学习框架，用于基于生物医学语音特征的帕金森病（PD）联合检测和运动严重程度预测	结合深度多模态融合模型与密集专家路径、多头自注意力和多任务输出分支，同时执行二元分类和回归	未明确提及具体局限性	开发准确且可泛化的模型，用于基于语音的帕金森病监测	帕金森病患者	机器学习	帕金森病	深度多模态融合模型、集成学习策略（Random Forest, Gradient Boosting, XGBoost）	融合模型、XGBoost、深度神经网络	语音特征数据	未明确提及具体样本量
823	2025-07-30	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-Jun-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	research paper	提出了一种名为scAttG的深度学习框架，通过整合染色质可及性和基因组序列信息来改进scATAC-seq数据的细胞类型注释	结合了图注意力网络（GATs）和卷积神经网络（CNNs），同时利用染色质可及性信号和基因组序列特征，提高了细胞类型注释的鲁棒性和准确性	未明确提及具体局限性，但可能受限于数据质量和模型泛化能力	改进单细胞染色质可及性测序（scATAC-seq）数据的细胞类型注释方法	scATAC-seq数据	生物信息学	NA	scATAC-seq	GATs, CNNs	基因组序列数据, 染色质可及性数据	多个scATAC-seq数据集
824	2025-07-30	Identification of Key Genes Associated with Overall Survival in Glioblastoma Multiforme Using TCGA RNA-Seq Expression Data 2025-Jun-27, Genes IF:2.8Q2 DOI:10.3390/genes16070755 PMID:40725410	研究论文	本研究通过机器学习和深度学习方法，利用RNA-Seq基因表达数据识别与胶质母细胞瘤(GBM)总体生存相关的关键基因	结合机器学习和深度学习模型（特别是DeepSurv）识别GBM预后基因表达生物标志物，DeepSurv显示出更高的预测准确性	研究结果需要进一步验证，且样本仅来自TCGA数据库	识别与胶质母细胞瘤(GBM)患者总体生存相关的关键基因，以改善患者分层和治疗计划	胶质母细胞瘤(GBM)患者的RNA-Seq基因表达数据和临床数据	机器学习	胶质母细胞瘤	RNA-Seq	RF, GB, SVM-RFE, RF-RFE, PCA, DeepSurv	基因表达数据	TCGA数据库中的原发性GBM肿瘤数据（具体数量未提及）
825	2025-07-30	Integrating Deep Learning and Transcriptomics to Assess Livestock Aggression: A Scoping Review 2025-Jun-26, Biology DOI:10.3390/biology14070771 PMID:40723331	综述	本文通过综述深度学习与转录组学在评估家畜攻击行为中的应用，探讨了当前研究趋势与未解决的问题	整合深度学习和转录组学两种创新工具，评估家畜攻击行为的研究现状与未来方向	现有研究缺乏两种方法的结合，行为注释不一致，农场实际验证不足，跨模态整合有限	评估深度学习和转录组学在家畜攻击行为研究中的应用现状与趋势	家畜（猪、牛、家禽、小型反刍动物、骆驼、鱼类等）	数字病理学	NA	深度学习视频分析、转录组分析	CNN	视频、转录组数据	268项原始研究（250项AI驱动行为表型研究，18项转录组研究）
826	2025-07-30	Improving the Minimum Free Energy Principle to the Maximum Information Efficiency Principle 2025-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e27070684 PMID:40724400	研究论文	本文提出了一种基于语义信息G理论和语义变分贝叶斯(SVB)的最大信息效率(MIE)原则，以改进最小自由能原理(FEP)	提出了语义变分贝叶斯(SVB)和最大信息效率(MIE)原则，解决了FEP的理论缺陷和局限性	需要结合深度学习方法以实现更广泛的应用	改进最小自由能原理(FEP)，提出更优的信息处理原则	信息处理原则、语义信息理论	机器学习	NA	语义变分贝叶斯(SVB)、变分贝叶斯(VB)方法	NA	NA	NA
827	2025-07-30	TFSNet: A Time-Frequency Synergy Network Based on EEG Signals for Autism Spectrum Disorder Classification 2025-Jun-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15070684 PMID:40722277	研究论文	本文提出了一种基于EEG信号的时间-频率协同网络（TFSNet），用于提高自闭症谱系障碍（ASD）分类的准确性	提出了动态残差块（TDRB）增强时域特征提取，结合短时傅里叶变换（STFT）、卷积注意力机制和变换技术捕获频域信息，并设计了自适应跨域注意力机制（ACDA）实现时间-频率特征的高效融合	实验数据集规模较小（Sheffield大学数据集包含28名ASD患者和28名健康对照，KAU数据集包含12名ASD患者和5名健康对照）	提高自闭症谱系障碍（ASD）EEG信号分类的准确性	自闭症谱系障碍（ASD）患者和健康对照的EEG信号	数字病理学	自闭症谱系障碍	短时傅里叶变换（STFT）	TFSNet（时间-频率协同网络）	EEG信号	Sheffield大学数据集：28名ASD患者和28名健康对照；KAU数据集：12名ASD患者和5名健康对照
828	2025-07-30	EnsembleNPPred: A Robust Approach to Neuropeptide Prediction and Recognition Using Ensemble Machine Learning and Deep Learning Methods 2025-Jun-25, Life (Basel, Switzerland) DOI:10.3390/life15071010 PMID:40724513	研究论文	提出了一种名为EnsembleNPPred的集成学习框架，用于神经肽的预测和识别	结合传统机器学习模型和深度学习组件，通过多数投票机制整合三种分类器的输出，提高了预测的鲁棒性和泛化能力	未提及具体的数据集规模限制或模型在特定条件下的性能下降情况	开发一种计算预测工具，用于优先考虑实验验证的候选神经肽序列	神经肽（NPs）	机器学习	NA	集成学习、深度学习	SVM、Extra Trees、CNN	序列数据	未明确提及具体样本数量，但使用了NeuroPep数据库中的多个神经肽家族进行测试
829	2025-07-30	Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning 2025-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070686 PMID:40722378	研究论文	提出了一种基于可穿戴传感器融合和深度学习的自动化UPDRS步态评分框架	结合表面肌电信号和惯性测量单元数据，通过端到端网络模拟临床医生的多维评估	样本量较小（21名PD患者和健康对照者）	自动化评估帕金森病（PD）的步态，减少传统UPDRS评估的时间和主观性	帕金森病患者的步态数据	机器学习	帕金森病	表面肌电信号（EMG）和惯性测量单元（IMU）数据融合	深度学习	传感器信号	21名PD患者和健康对照者
830	2025-07-30	Multi-Step Natural Gas Load Forecasting Incorporating Data Complexity Analysis with Finite Features 2025-Jun-23, Entropy (Basel, Switzerland) DOI:10.3390/e27070671 PMID:40724388	研究论文	本研究旨在量化天然气负荷数据的复杂性特征，并开发一个考虑这些特征的多步预测模型	通过结合数据分解和集成深度学习，同时考虑复杂性特征，提出了一种新的多步预测方法	未提及具体的数据集规模或实际应用中的潜在限制	提高天然气负荷预测的准确性和鲁棒性	天然气负荷数据	机器学习	NA	数据分解、集成深度学习	XGBoost、VMD、GRU	时间序列数据	NA
831	2025-07-30	Artificial Intelligence in the Diagnostic Use of Transcranial Doppler and Sonography: A Scoping Review of Current Applications and Future Directions 2025-Jun-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070681 PMID:40722373	综述	本文综述了人工智能在经颅多普勒(TCD)和彩色经颅多普勒(TCCD)诊断应用中的当前进展和未来方向	探讨了AI如何通过自动化图像采集、优化信号质量和提高诊断准确性来克服TCD和TCCD依赖操作者专业知识和主观解释的局限性	存在数据标准化、算法可解释性以及将这些工具整合到临床实践中的重大挑战	评估AI在TCD和TCCD成像中的应用，以提升神经血管和诊断成像的领域	经颅多普勒(TCD)和彩色经颅多普勒(TCCD)成像数据	医学影像	脑血管疾病	机器学习、深度学习、卷积神经网络(CNN)	CNN	图像	41项研究
832	2025-07-30	A Review of Artificial Intelligence Models for Detecting Breast Arterial Calcification on Mammograms and Their Clinical Implications 2025-Jun, Cureus DOI:10.7759/cureus.86894 PMID:40726851	综述	本文综述了人工智能模型在乳腺X光片中检测乳腺动脉钙化（BAC）及其临床意义的最新进展	探讨了AI模型（如CNN、DU-Net、DoG-GAN和SCU-Net）在BAC检测中的高准确性和自动化潜力，及其在心血管疾病风险分层中的临床价值	未提及具体模型的局限性或数据集的潜在偏差	评估AI和机器学习在自动化BAC检测中的应用，以改善心血管疾病的风险评估和预防	乳腺X光片中的乳腺动脉钙化（BAC）	数字病理学	心血管疾病	深度学习	CNN, DU-Net, DoG-GAN, SCU-Net	图像	NA
833	2025-07-30	Recovery of GLRLM Features in Degraded Images using Deep Learning and Image Property Models 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047257 PMID:40727416	研究论文	本文提出了一种深度学习方法，用于在已知模糊和噪声条件下恢复灰度游程长度矩阵（GLRLM）特征的真实值	引入了一种新颖的算法，用于GLRLM的可微分近似，并扩展了先前的方法以恢复GLRLM特征	研究仅针对肺部CT图像斑块进行了评估，未涉及其他类型的医学影像	提高放射组学模型在不同成像条件下的泛化能力	肺部CT图像斑块	数字病理	COVID-19	深度学习	双域深度学习模型	图像	未明确提及样本数量
834	2025-07-30	AI-driven skin cancer detection from smartphone images: A hybrid model using ViT, adaptive thresholding, black-hat transformation, and XGBoost 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328402 PMID:40720382	研究论文	本研究提出了一种基于智能手机图像的混合模型，用于皮肤癌检测，结合了ViT、自适应阈值、黑帽变换和XGBoost技术	采用ViT进行特征提取，并结合自适应学习和黑帽变换进行图像预处理，构建了一个堆叠模型，结合患者年龄和性别等图像相关变量进行最终分类	未提及具体的数据集大小或多样性限制，也未讨论模型在不同肤色或光照条件下的泛化能力	提高皮肤癌筛查的准确性和效率	六种皮肤病变类别：光化性角化病、基底细胞癌、黑色素瘤、痣、鳞状细胞癌和脂溢性角化病	计算机视觉	皮肤癌	自适应学习、黑帽变换、ViT、XGBoost	ViT、XGBoost	图像	NA
835	2025-07-30	Hyperparameter tuned deep learning-driven medical image analysis for intracranial hemorrhage detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326255 PMID:40720400	研究论文	本文提出了一种基于超参数调优的深度学习驱动医学图像分析方法（HPDL-MIAIHD），用于颅内出血检测	结合增强型EfficientNet特征提取、黑猩猩优化算法（COA）进行超参数调优，以及集成分类器（LSTM、SAE和Bi-LSTM）进行颅内出血检测	未提及方法在临床环境中的实际应用验证或跨设备/中心的泛化能力	开发高精度颅内出血自动检测系统以辅助临床决策	CT扫描图像中的颅内出血区域	数字病理	颅内出血	计算机断层扫描（CT）、深度学习	EfficientNet、LSTM、SAE、Bi-LSTM	医学图像（CT扫描）	基准CT图像数据集（具体数量未说明）
836	2025-07-30	AMFormer-based framework for accident responsibility attribution: Interpretable analysis with traffic accident features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329107 PMID:40720535	研究论文	提出了一种基于AMFormer的框架，用于交通事故责任归属的可解释性分析	采用AMFormer（算术特征交互Transformer）框架，通过时空特征建模捕获关键因素间的复杂交互，实现交通事故责任的精确多标签分类，并结合SHAP分析提高透明度	未提及具体的数据集规模或多样性限制	提高交通事故责任归属的准确性和客观性	交通事故责任归属	机器学习	NA	SHAP分析	AMFormer（基于Transformer的深度学习模型）	交通事故特征数据	未明确提及具体样本量，仅提到在真实数据集上实验
837	2025-07-30	Automatic Real-Time Detection and Diagnosis of Liver Tumor with Ultrasound 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S524311 PMID:40726618	研究论文	本研究开发了深度学习模型，用于自动实时检测和诊断肝脏肿瘤	使用深度学习模型在超声图像上高精度区分良性和恶性病变，并实现实时检测和分类	研究为回顾性队列，可能存在选择偏差	开发自动诊断和检测肝脏病变的深度学习模型	肝脏肿瘤患者	数字病理	肝癌	超声检查	ResNet50, Xception, Inception Resnet V2, EfficientNet-B5, EfficientNetV2-S, EfficientNetV2-L, Swin-T, Swin-B, YOLOR	图像	1576名患者，4599张图像，6001个病变
838	2025-07-30	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	建立并验证一个深度学习模型，用于在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度	提出了一种增强的DeepLabv3网络（Dfusion），结合了通道和空间注意力模块、dropout强化的Atrous Spatial Pyramid Pooling以及加权交叉熵损失，以应对类别不平衡问题	研究仅基于回顾性数据，未在实时临床环境中进行验证	开发一个能够在非控制环境下准确分割和分级儿童烧伤创面的深度学习模型	儿童烧伤创面	计算机视觉	烧伤	深度学习	DeepLabv3-ResNet101（Dfusion）	图像	4785张智能手机或相机拍摄的照片，包含14,355个烧伤区域
839	2025-07-30	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究论文	该研究基于多源数据建模评估母体炎症对婴幼儿早期大脑发育的风险，旨在理解早期发育机制并预防大脑发育障碍	利用深度学习人工智能构建基于'基因-影像-环境-行为'多因素复杂交互作用下的早期大脑发育风险评估模型	样本量相对较小（360对孕妇及其后代），且仅跟踪至3岁	评估母体炎症对婴幼儿早期大脑发育的风险	360对孕妇及其后代	数字病理学	儿科疾病	全外显子测序、神经影像学	深度学习	多源数据（问卷、医疗记录、行为评估、神经影像、血液样本）	360对孕妇及其后代
840	2025-07-30	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	本文介绍了一种AI驱动的信息系统，用于教育环境中行为识别的公共健康监测	提出了一种结合自适应知识嵌入网络(AKEN)和动态个性化学习策略(DPLS)的新型AI系统，以提高行为识别的准确性和实时性	未提及具体实施中的技术限制或数据集限制	提升教育环境中行为识别的准确性，以改善公共健康监测	教育环境中的学生行为	机器学习	NA	深度学习，强化学习，可解释AI	AKEN, DPLS	行为数据	NA