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
81	2025-04-29	Chemical imaging delineates Aβ plaque polymorphism across the Alzheimer's disease spectrum 2025-Apr-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59085-7 PMID:40274785	research paper	该研究通过结合功能淀粉样显微镜和质谱成像技术，揭示了阿尔茨海默病（AD）中Aβ斑块的多态性及其与疾病进展的关联	首次将深度学习增强的功能淀粉样显微镜与质谱成像技术相结合，揭示了Aβ斑块的多态性及其生化特征	样本量较小（散发性AD n=12，家族性AD n=6，非痴呆淀粉样阳性个体 n=5），可能影响结果的普遍性	研究Aβ斑块多态性与阿尔茨海默病发病机制和进展的关联	阿尔茨海默病患者和非痴呆淀粉样阳性个体的脑组织样本	digital pathology	geriatric disease	功能淀粉样显微镜，质谱成像，深度学习	NA	image	散发性AD患者12例，家族性AD患者6例，非痴呆淀粉样阳性个体5例
82	2025-04-29	Comparative analysis of automated foul detection in football using deep learning architectures 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96945-0 PMID:40274843	研究论文	本研究对八种先进的深度学习架构在足球比赛中自动犯规检测任务上的性能进行了全面比较评估	首次对多种深度学习架构在足球犯规检测任务上的性能进行系统比较，并强调了模型可解释性的重要性	测试集的完美平衡受到类别分布限制，且仅使用静态图像数据可能限制模型在动态场景中的表现	评估不同深度学习模型在足球比赛自动犯规检测任务中的性能	足球比赛中的犯规行为	计算机视觉	NA	深度学习	EfficientNetV2, ResNet50, VGG16, Xception, InceptionV3, MobileNetV2, InceptionResNetV2, DenseNet121	图像	7000张图像（4900训练，1400验证，700测试）
83	2025-04-26	Author Correction: From the diagnosis of infectious keratitis to discriminating fungal subtypes; a deep learning-based study 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95224-2 PMID:40274847	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
84	2025-04-29	Multimodal representations of transfer learning with snake optimization algorithm on bone marrow cell classification using biomedical histopathological images 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89529-5 PMID:40274862	research paper	提出了一种基于多模态迁移学习和蛇优化算法的骨髓细胞分类方法，用于生物医学组织病理学图像分析	结合多模态特征提取（InceptionV3、Deep SqueezeNet和SE-DenseNet）、混合核极限学习机（HKELM）以及蛇优化算法（SOA）进行参数调优，实现了高精度的骨髓细胞分类	未提及方法在临床实际应用中的验证情况，以及对于不同质量图像的鲁棒性测试	提高骨髓细胞的自动识别和分类精度，辅助血液学诊断	骨髓细胞（红骨髓和黄骨髓）	digital pathology	hematologic disorders	deep learning, machine learning	InceptionV3, Deep SqueezeNet, SE-DenseNet, HKELM	biomedical histopathological images	BM Cell Classification数据集（具体样本量未说明）
85	2025-04-29	A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	提出了一种基于多滤波深度迁移学习的框架，用于通过图像检测自闭症谱系障碍（ASD）	整合了数据增强、多滤波处理、直方图均衡化和两阶段降维过程，以增强预训练深度学习模型在图像模式识别中的表现	未提及具体样本量的限制或跨数据集的泛化能力验证	提升自闭症谱系障碍的自动化检测准确率，辅助早期诊断	自闭症和非自闭症个体的面部图像数据	计算机视觉	自闭症谱系障碍	数据增强、多滤波处理、直方图均衡化、降维	ResNet-50, ViTSwin等预训练模型	图像	未明确提及具体数量，使用了一个文献中已建立的面部数据集
86	2025-04-29	Combined dynamical-deep learning ENSO forecasts 2025-Apr-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59173-8 PMID:40274886	research paper	该研究提出了一种结合动力学模型和深度学习模型的ENSO预测方法，显著提高了预测技能	引入了两种结合动力学模型和深度学习模型的预测策略，显著优于单独的DL或动力学模型预测	未提及具体的技术局限性或数据限制	提高厄尔尼诺-南方振荡（ENSO）的预测技能	ENSO预测	machine learning	NA	深度学习（DL）和动力学模型	CNN, 3D-Geoformer	气候数据	未提及具体样本量
87	2025-04-29	Ambulance route optimization in a mobile ambulance dispatch system using deep neural network (DNN) 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95048-0 PMID:40274919	研究论文	本文提出了一种基于深度神经网络的移动救护车调度系统，用于优化救护车路线	结合决策树、支持向量机和卷积神经网络，实现了救护车需求预测、资源分配优化和实时路线调整	未提及系统在不同城市或复杂交通环境下的泛化能力	提高紧急医疗服务效率，减少救护车响应时间	救护车调度系统	机器学习	NA	决策树、支持向量机(SVM)、卷积神经网络(CNN)	CNN	历史数据、实时交通数据	NA
88	2025-04-29	An enhanced CNN with ResNet50 and LSTM deep learning forecasting model for climate change decision making 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97401-9 PMID:40274930	研究论文	本文提出了一种结合CNN、ResNet50和LSTM的混合深度学习模型CNN-ResNet50-LSTM，用于预测气候变化中的温度和风能	提出了一种新的混合深度学习模型CNN-ResNet50-LSTM，用于提高气候变化预测的准确性	未提及模型在不同气候条件下的泛化能力	提高气候变化预测的准确性，以支持风能系统的稳定运行和电力系统规划	温度和风能	机器学习	NA	深度学习	CNN-ResNet50-LSTM	时间序列数据	三个公开数据集：Wind Turbine Scada (Scada) Dataset、Saudi Arabia Weather history (SA) dataset和Wind Power Generation Data for 4 locations (WPG) dataset
89	2025-04-29	Variational mode directed deep learning framework for breast lesion classification using ultrasound imaging 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99009-5 PMID:40274985	research paper	提出了一种基于超声的乳腺病变分类框架，利用二维变分模态分解（2D-VMD）提供自解释特征，引导带有混合池化和注意力机制的CNN进行增强分类	利用2D-VMD提供自解释特征，结合混合池化和注意力机制的CNN，无需分割病变即可实现高精度分类	未提及具体的数据集样本量差异可能影响模型泛化能力	提高乳腺病变分类的准确性和解释性	乳腺超声图像中的良性和恶性病变	digital pathology	breast cancer	2D-VMD, CNN	CNN with mixed pooling and attention mechanisms	ultrasound images	两个公共乳腺超声数据集和一个内部数据集（具体数量未提及）
90	2025-04-29	Attack resilient IoT security framework using multi head attention based representation learning with improved white shark optimization algorithm 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98180-z PMID:40274990	研究论文	提出了一种基于多头注意力和改进白鲨优化算法的物联网安全框架，用于增强网络安全检测和迁移模型	结合多头注意力和改进白鲨优化算法，提出了一种新型的入侵检测方法MHAID-IWSOA	实验仅在Edge-IIoT数据集上进行，未在其他数据集上验证	提高物联网网络中的网络安全检测和迁移能力	物联网网络中的异常或网络攻击	机器学习	NA	多头注意力机制、改进白鲨优化算法、双向门控循环单元	BiGRU-MHA	网络数据	Edge-IIoT数据集
91	2025-04-29	Leveraging TME features and multi-omics data with an advanced deep learning framework for improved Cancer survival prediction 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98565-0 PMID:40275021	研究论文	本研究整合多组学数据和先进的深度学习框架，以提高癌症生存预测的准确性	利用单细胞RNA测序（scRNA-seq）增强的自归一化网络（Self-Normalizing Network）模型，结合多组学数据，显著提高了胶质瘤预后预测的准确性	研究样本量相对有限（620例），且仅针对胶质瘤，可能限制了模型的泛化能力	提高胶质瘤患者的生存预测准确性并识别潜在治疗靶点	胶质母细胞瘤（GBM）和低级别胶质瘤（LGG）患者	数字病理学	胶质瘤	单细胞RNA测序（scRNA-seq）、多组学数据整合	自归一化网络（Self-Normalizing Network）	转录组、拷贝数变异（CNV）、体细胞突变（MUT）、微生物（MIC）数据	620个样本
92	2025-04-29	TCAINet an RGB T salient object detection model with cross modal fusion and adaptive decoding 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98423-z PMID:40275036	research paper	提出了一种名为TCAINet的新型RGB-T显著目标检测网络，通过跨模态融合和自适应解码提升复杂场景下的检测性能	集成了通道注意力机制(CA)、增强的跨模态融合模块(CAF)和自适应解码器(AAD)，优化了多模态信息的融合与处理	在高噪声环境下的性能仍有提升空间，且特征加权策略的灵活性可能不足	提升RGB-T显著目标检测网络在复杂场景下的性能	RGB-T显著目标检测	computer vision	NA	深度学习方法	TCAINet (包含CA、CAF和AAD模块)	RGB-T图像数据	NA
93	2025-04-29	A novel approach for music genre identification using ZFNet, ELM, and modified electric eel foraging optimizer 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98766-7 PMID:40275047	research paper	提出了一种结合深度学习和元启发式算法的新方法用于音乐流派识别	整合了预训练的ZFNet、ELM和新开发的MEEFO算法，优化分类性能	NA	自动将音乐作品分类到一个或多个预定义的流派中	音乐流派识别	machine learning	NA	metaheuristic algorithm	ZFNet, ELM, MEEFO	audio signals	GTZAN和Ballroom两个基准数据集
94	2025-04-29	A novel temporal classification prototype network for few-shot bearing fault detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98963-4 PMID:40275051	research paper	提出了一种名为时序分类原型网络（TCPN）的新方法，用于解决工业轴承故障检测中数据稀缺的问题	提出了时序分类原型网络（TCPN）和增强时序卷积网络（ETCN），以及基于相似度度量的ContractSim分类器（CSC），在数据稀缺条件下保持训练效果和泛化能力	未提及具体的数据稀缺程度对模型性能的影响，以及在实际工业环境中的适用性	解决工业轴承故障检测中数据稀缺导致的深度学习模型训练不足和泛化问题	工业轴承故障信号	machine learning	NA	Fourier变换	TCPN, ETCN, CSC	时序信号数据	四个标准轴承数据集
95	2025-04-29	Prediction of significant congenital heart disease in infants and children using continuous wavelet transform and deep convolutional neural network with 12-lead electrocardiogram 2025-Apr-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-05628-2 PMID:40275174	research paper	本研究开发了一种基于连续小波变换和深度卷积神经网络的AI模型，用于预测婴幼儿和儿童中的显著先天性心脏病	该研究首次在五岁以下儿童中使用真实世界的心电图数据训练AI模型，显著提高了对血流动力学显著先天性心脏病的检测能力	研究数据来自单一中心，且未包含所有先天性心脏病亚型	开发一种AI辅助的心电图分析方法，用于早期检测婴幼儿和儿童中的先天性心脏病	五岁以下儿童的心电图数据	digital pathology	cardiovascular disease	continuous wavelet transform, ECG analysis	ResNet-18, InceptionResNet-V2, NasNetMobile	ECG signals	1,035名五岁以下患者
96	2025-04-29	Exploring the potential and limitations of deep learning and explainable AI for longitudinal life course analysis 2025-Apr-24, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-22705-4 PMID:40275204	研究论文	探讨深度学习和可解释AI在纵向生命历程分析中的潜力与局限性	比较了多种深度学习架构与传统方法在稀疏纵向数据上的表现，并评估了SHAP值在解释性方面的局限性	SHAP值的解释性与因果关系存在不一致，且没有一种模型在所有场景中表现最佳	评估深度学习和可解释AI在生命历程数据分析中的应用效果	模拟的纵向生命历程数据	机器学习	NA	深度学习、可解释AI（XAI）	CNN、RNN（基于注意力机制）、XGBoost、逻辑回归	模拟数据	NA
97	2025-04-29	Multitemporal river flow discharge prediction: A new framework for integrated environmental management and flood control 2025-Apr-24, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125372 PMID:40279745	研究论文	本研究提出了一种先进的通用数据处理组方法（AUGMDH）模型，用于预测不同时间尺度的河流流量，并与CNN模型在准确性上进行了比较	引入了AUGMDH模型，该模型在多时间尺度河流流量预测中优于传统的CNN模型，并在准确性、可靠性和计算效率方面表现更优	未提及具体的数据来源和样本量，可能影响模型的泛化能力	提高多时间尺度河流流量预测的准确性和可靠性，以支持水资源管理和洪水控制	河流流量数据	机器学习	NA	AUGMDH模型和CNN模型	AUGMDH, CNN	时间序列数据	NA
98	2025-04-29	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Apr-24, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	本研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症（MS）病变分类和分层的精确度	结合了深度学习重建技术和双注意力机制（空间和通道注意力模块），以增强特征提取，特别是在皮层灰质和脑干等难以检测的区域	未提及模型在小样本或不同MRI设备上的泛化能力	提高多发性硬化症病变的检测和分类精度	多发性硬化症（MS）患者的MRI图像	数字病理学	多发性硬化症	MRI（T2加权成像）	CNN（卷积神经网络）	图像	四个公开数据集（具体样本量未提及）
99	2025-04-29	Improved prediction of chlorophyll-a concentrations using advancing graph neural network variants 2025-Apr-24, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179481 PMID:40280091	研究论文	提出一种基于深度学习的框架，用于长期叶绿素a浓度模拟，结合了不规则测量的水质观测数据和恒定时间步长的气候数据	引入了先进的图神经网络（GNN）架构，如ChebNet和GCN，用于编码连续气候数据，并提出了一个门控机制来整合两个模块的输出	研究仅基于韩国汉江上游流域的每日数据集，可能在其他地区的适用性有限	提高叶绿素a浓度的预测准确性，以更好地估计有害藻华	叶绿素a浓度及其影响因素（天气和理化因素）	机器学习	NA	深度学习，图神经网络	GNN, ChebNet, GCN, LSTM	多模态数据（水质观测数据和气候数据）	韩国汉江上游流域的每日数据集
100	2025-04-29	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-Apr-24, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	综述	本文系统回顾了基于深度学习的MRI和PET多模态融合在阿尔茨海默病研究中的最新进展	重点关注了过去五年（2021-2025）发表的研究，并探讨了深度学习模型在多模态融合任务中的应用及其变体	面临数据稀缺与不平衡、机构间数据异质性等关键挑战	推动早期阿尔茨海默病诊断和干预策略的发展	阿尔茨海默病相关的MRI和PET多模态影像数据	数字病理学	老年病	MRI和PET多模态影像融合	深度学习模型及其变体	影像数据	NA