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
10861	2025-10-07	Multimodal anomaly detection in complex environments using video and audio fusion 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01146-4 PMID:40348836	研究论文	提出一种基于深度学习的视频图像异常检测算法STADNet，通过融合时空特征提取和噪声抑制技术提升复杂环境下的检测性能	提出改进的变分自编码器结构，结合多尺度3D卷积模块和时空注意力机制，并采用多流网络架构与交叉注意力融合机制	未明确说明模型在极端噪声环境下的性能表现及计算复杂度分析	提升复杂环境下视频异常检测的准确性、鲁棒性和实时处理能力	视频图像数据中的异常行为检测	计算机视觉	NA	深度学习	VAE, 3D CNN	视频, 音频	UCSD Ped2和Avenue两个公开数据集	NA	STADNet, 多尺度3D卷积, 时空注意力机制	AUC	NA
10862	2025-10-07	A new deep learning-based fast transcoding for internet of things applications 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99533-4 PMID:40348899	研究论文	提出一种基于深度学习的新型快速转码算法，用于物联网中的低功耗视频通信	开发了轻量级深度学习网络作为分类器，在自上而下的转码策略中同时处理CU分区和PU分区模式选择	转码过程会导致BD-BR比特率增加（CU级1.33%，PU级2.16%），在压缩性能上有所牺牲	为物联网应用开发低功耗视频通信方案	分布式视频编码(DVC)到高效视频编码(HEVC)的转码过程	计算机视觉	NA	深度学习视频转码	深度学习分类器	视频数据	NA	NA	轻量级深度学习网络	Bjøntegaard delta bit-rate (BD-BR), 复杂度降低百分比	面向资源受限终端设计
10863	2025-10-07	Research and application of deep learning object detection methods for forest fire smoke recognition 2025-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98086-w PMID:40348915	研究论文	本研究探讨深度学习目标检测技术在森林火灾烟雾识别中的应用效果，开发了基于YOLOv11x的高效火灾检测模型	首次将YOLOv11x算法应用于森林火灾烟雾识别，并在多个复杂场景下验证其性能表现	烟雾检测性能优于火焰检测，主要由于烟雾的视觉特征更加模糊多变，增加了检测难度	提升早期火灾检测能力，减轻潜在损害，为智能监控系统设计提供参考	森林火灾烟雾和火焰	计算机视觉	NA	深度学习目标检测	YOLO	图像	两个公开火灾图像数据集WD和FFS，包含多种复杂场景和外部条件	NA	YOLOv11x	精确率,召回率,mAP50,mAP50-95,边界框损失,分类损失,分布焦点损失	NA
10864	2025-10-07	Enhancing YOLOv8n with Mamba-like linear attention for defect detection and coating thickness analysis of irregular film tablet 2025-May-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125704 PMID:40354903	研究论文	提出一种集成深度学习和机器视觉的实时系统，用于不规则薄膜包衣片的缺陷检测和包衣厚度分析	在YOLOv8n架构中引入Mamba式线性注意力机制，显著提升对不规则形状细微缺陷的检测精度	NA	开发实时质量评估系统用于不规则形状药片的缺陷检测和包衣厚度测量	八种类型的包衣片剂	计算机视觉	NA	机器视觉，亚像素图像处理	YOLO	图像	NA	NA	YOLOv8n, Mamba-Like Linear Attention (MLLA)	分类准确率, RMSEP	NA
10865	2025-10-07	AI-driven glomerular morphology quantification: a novel pipeline for assessing basement membrane thickness and podocyte foot process effacement in kidney diseases 2025-May-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108842 PMID:40354728	研究论文	开发了一种基于深度学习的自动化流程，用于量化肾小球基底膜厚度和足细胞足突消失百分比	首次将DeepLabV3+和U-Net模型应用于电子显微镜图像分割，实现肾小球超微结构的自动化定量分析	样本量相对有限（196张图像），仅针对31张测试图像进行评估	开发AI驱动的肾小球形态定量分析方法，提高肾脏疾病诊断的准确性和效率	肾活检电子显微镜图像中的肾小球基底膜和足细胞	数字病理学	肾脏疾病	电子显微镜成像	深度学习	电子显微镜图像	196张电子显微镜图像（来自83名患者的21种不同肾脏疾病）	NA	DeepLabV3+, U-Net	全局准确率, 加权交并比, 组内相关系数, Bland-Altman分析	NA
10866	2025-10-07	Using machine learning for personalized prediction of longitudinal coronavirus disease 2019 vaccine responses in transplant recipients 2025-May, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2024.11.033 PMID:39643006	研究论文	本研究比较深度学习架构在预测实体器官移植受者COVID-19疫苗长期免疫反应方面的性能	提出结合胶囊网络与LSTM的新型routed LSTM模型，可降低对大数据集的依赖	样本量相对较小（303例），仅来自加拿大多中心队列	比较机器学习模型预测移植受者SARS-CoV-2疫苗长期免疫反应的能力	实体器官移植受者	机器学习	传染病	抗体水平测量	LSTM, RNN, 逻辑回归, 支持向量回归, 随机森林, 梯度提升	临床数据, 纵向抗体测量数据	303名实体器官移植受者	NA	routed LSTM, LSTM, RNN	均方误差, 皮尔逊相关系数	NA
10867	2025-10-07	A Novel Management Challenge in Age-Related Macular Degeneration: Artificial Intelligence and Expert Prediction of Geographic Atrophy 2025-May, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.029 PMID:39522752	研究论文	本研究比较眼科专家与人工智能在预测年龄相关性黄斑变性继发地图样萎缩进展速度方面的表现	首次系统比较眼科专家与深度学习算法在地图样萎缩进展预测中的表现差异	样本量相对有限(134眼)，仅使用单一OCT设备数据	评估人工智能与眼科专家预测地图样萎缩进展能力的差异	年龄相关性黄斑变性继发地图样萎缩患者的眼部影像数据	数字病理	年龄相关性黄斑变性	眼底自发荧光、近红外反射、光学相干断层扫描	深度学习	医学影像	134名患者的134只眼，包含2880次专家评估	NA	NA	准确率,加权κ系数,一致性指数	NA
10868	2025-10-07	Deep Radon Prior: A fully unsupervised framework for sparse-view CT reconstruction 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109853 PMID:40056836	研究论文	提出一种名为深度Radon先验(DRP)的全无监督深度学习框架，用于稀疏视图CT重建	将神经网络作为隐式先验整合到迭代重建过程中，实现图像域和Radon域的梯度反馈，无需依赖高质量训练数据集	NA	解决稀疏视图CT重建中的伪影问题，提高图像质量	稀疏视图计算机断层扫描(CT)图像	医学影像重建	NA	计算机断层扫描(CT)	深度学习	CT图像	NA	NA	基于深度图像先验(DIP)的深度Radon先验(DRP)框架	图像保真度，伪影减少程度	NA
10869	2025-10-07	Automatic cerebral microbleeds detection from MR images via multi-channel and multi-scale CNNs 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109938 PMID:40056835	研究论文	通过多通道和多尺度CNN从MR图像中自动检测脑微出血	提出四种基于CNN的算法，包括优化的多通道CNN架构和多尺度CNN结构，显著降低假阳性并提高检测性能	未提及算法在临床环境中的实际应用验证和跨中心数据泛化能力	改进脑微出血检测的机器学习算法，提高CAD系统的诊断准确性	脑微出血(CMBs)	计算机视觉	神经系统疾病	磁共振成像(MRI)	CNN	医学图像	NA	NA	多通道CNN, 多尺度CNN	灵敏度, 特异度, 准确率	NA
10870	2025-10-07	Female autism categorization using CNN based NeuroNet57 and ant colony optimization 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109926 PMID:40056838	研究论文	提出基于CNN的NeuroNet57架构和蚁群优化算法用于女性自闭症分类	开发了57层CNN架构NeuroNet57，并结合蚁群优化进行特征选择，专门针对女性自闭症的表型特征进行分类	女性表型和基因型数据相对缺乏，可能影响模型泛化能力	开发准确的女性自闭症自动分类系统	女性自闭症谱系障碍患者与正常行为女性的fMRI脑部扫描数据	计算机视觉	自闭症谱系障碍	fMRI，T1模态脑部扫描	CNN	医学图像	ABIDE-I数据集14372个样本，ABIDE-II数据集16168个样本	NA	NeuroNet57	准确率	NA
10871	2025-10-07	Addressing underestimation and explanation of retinal fundus photo-based cardiovascular disease risk score: Algorithm development and validation 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109941 PMID:40064120	研究论文	开发并验证一种基于视网膜眼底照片预测心血管疾病风险评分的深度学习模型，解决低估问题并探索模型机制	提出使用序数回归深度学习模型解决心血管疾病风险评分低估问题，并通过迁移学习和显著性图等方法探索模型理解风险的机制	模型性能在便携式相机数据上有所下降（准确率0.656），表明设备差异可能影响模型表现	解决AI模型在基于视网膜眼底照片预测心血管疾病风险评分时的低估问题并探索其工作机制	视网膜眼底照片	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	UK Biobank数据集34,652名参与者，澳大利亚外部验证数据集401名参与者的1376张眼底照片	NA	序数回归深度学习模型	准确率, AUROC	NA
10872	2025-10-07	Predicting C- and S-linked Glycosylation sites from protein sequences using protein language models 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109956 PMID:40073495	研究论文	本研究提出两种深度学习模型DeepCSEmbed-C和DeepCSEmbed-S，用于从蛋白质序列预测C-连接和S-连接糖基化位点	首次结合蛋白质语言模型嵌入和序列特征，采用双分支深度学习架构和多种采样策略处理不平衡数据集	未明确说明模型在其他类型PTM预测中的泛化能力	开发计算方法来预测蛋白质C-连接和S-连接糖基化位点，替代昂贵的实验技术	蛋白质序列中的C-连接和S-连接糖基化位点	生物信息学	NA	蛋白质语言模型，特征选择方法	FNN，CAT	蛋白质序列数据	NA	Python	双分支深度模型（FNN分支+Inception分支），Categorical Boosting	灵敏度，F1分数，MCC	NA
10873	2025-10-07	Progressive multi-task learning for fine-grained dental implant classification and segmentation in CBCT image 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109896 PMID:40073494	研究论文	提出一种基于深度学习的多任务细粒度CBCT牙科种植体分类与分割方法MFPT-Net	首次采用渐进式训练与多尺度特征提取增强技术，能区分易混淆的细微种植体特征（如种植体螺纹），解决种植体类内差异大、类间差异小的问题	NA	实现CBCT图像中牙科种植体系统的自动同步分类与分割	牙科种植体	计算机视觉	牙科疾病	CBCT成像	深度学习	医学图像	437个CBCT序列包含723个牙科种植体，来自三个不同中心	NA	MFPT-Net	准确率, 精确率, 召回率, F1分数, Dice相似系数	NA
10874	2025-10-07	An end-to-end four tier remote healthcare monitoring framework using edge-cloud computing and redactable blockchain 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109987 PMID:40081211	研究论文	提出一种基于边缘云计算和可编辑区块链的四层远程医疗监护框架，以提升医疗服务质量和数据安全性	结合混合元启发式安全联邦集群路由协议、多智能体深度强化学习和混合Transformer深度学习模型，并引入可编辑区块链技术实现数据安全存储与修改	未明确说明实际部署中的具体实施挑战和系统可扩展性限制	解决医疗物联网中的服务质量问题和数据安全挑战	远程医疗监护系统中的患者生理数据	医疗物联网	慢性病监护	无线体感传感器监测	MA-DRL, HTDL, CNN, Transformer	传感器时序数据	NA	MTBO, SHO	Lite Convolutional Neural Network, Swin Transformer	分类准确率, PSNR, SSIM, MAE, 网络寿命提升率, 传输延迟降低率	边缘计算节点, 云服务器, 区块链服务器
10875	2025-10-07	A deep Bi-CapsNet for analysing ECG signals to classify cardiac arrhythmia 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109924 PMID:40086290	研究论文	提出一种深度双向胶囊网络用于分析心电图信号以分类心律失常	结合深度集成CNN-RNN特征提取与双向胶囊网络的混合模型，在心律失常分类中实现更高准确率	仅使用MIT-BIH心律失常数据库，未在其他数据集验证泛化能力	开发高精度的心律失常自动分类系统	心电图信号中的五种心律失常类型	医疗信号处理	心血管疾病	心电图信号分析	CNN, RNN, Capsule Network	心电图信号	MIT-BIH心律失常数据库中的五种心律失常类型数据	NA	Deep Ensemble CNN-RNN, Deep Bi-CapsNet	准确率, 精确率, F1分数, 错误率, 敏感度, 假阳性率, 特异性, Mathew系数, Kappa系数	NA
10876	2025-10-07	Deep learning-based automated segmentation of cardiac real-time MRI in non-human primates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109894 PMID:40086292	研究论文	开发基于深度学习的自动分割方法PrimUNet，用于非人灵长类动物心脏实时MRI图像的心室和心肌分割	首次针对非人灵长类动物开发专门的心脏实时MRI自动分割模型，填补了临床前动物模型自动分割的研究空白	主要针对恒河猴数据开发，在狒狒数据上表现仅为可接受水平，模型泛化能力有待进一步验证	开发自动分割算法以处理非人灵长类动物心脏实时MRI产生的大规模数据	非人灵长类动物（恒河猴和狒狒）的心脏实时MRI图像	计算机视觉	心血管疾病	心脏实时MRI，电影MRI	CNN	医学图像	非人灵长类动物（恒河猴和狒狒）的实时MRI数据	NA	U-Net	Dice系数，左心室舒张末期容积，左心室收缩末期容积，左心室心肌体积	NA
10877	2025-10-07	Enhancing synchrotron radiation micro-CT images using deep learning: an application of Noise2Inverse on bone imaging 2025-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525001833 PMID:40167487	研究论文	本研究应用自监督深度学习方法Noise2Inverse增强同步辐射显微CT图像，以降低低剂量成像中的噪声	首次将Noise2Inverse自监督深度学习技术应用于骨成像的同步辐射显微CT图像去噪，解决了传统阈值分割方法无法处理的低剂量图像噪声问题	在极低剂量（1/4和1/6剂量）下骨微结构特征出现失真，数据采集过程中的测试装置噪声是影响方法可行性的主要问题	开发降低同步辐射显微CT图像噪声的方法，以在保持骨力学性能的同时实现低剂量成像	骨组织样本	计算机视觉	NA	同步辐射显微CT，低剂量CT	CNN	CT图像	模拟剂量数据集（全剂量、1/2、1/3、1/4、1/6剂量）	NA	卷积神经网络	视觉评估，骨微结构特征分析（骨陷窝体积、骨陷窝纵横比、矿化分布）	NA
10878	2025-10-07	A sustainable industrial waste control with AI for predicting CO2 for climate change monitoring 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125338 PMID:40273781	研究论文	提出一种结合人工智能和元宇宙框架的可持续工业废物控制方法，用于预测二氧化碳排放以监测气候变化	首次将元宇宙框架与混合深度学习模型相结合，通过沉浸式虚拟环境实现碳排放的实时监测和交互分析	未提及模型在更广泛工业场景中的泛化能力验证	开发可持续工业废物控制方案，准确预测碳排放以支持气候变化监测	工业碳排放数据、能源使用模式和社会经济因素	机器学习	NA	深度学习、集成学习	CNN, LSTM, 梯度提升机	能源使用数据、社会经济数据、时空序列数据	NA	NA	卷积神经网络与长短期记忆网络的混合架构	预测准确率, R2分数	NA
10879	2025-10-07	Deep learning-based spatial optimization of green and cool roof implementation for urban heat mitigation 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125398 PMID:40273786	研究论文	提出基于深度学习的城市绿化和凉爽屋顶空间优化框架，用于缓解城市热压力并提高成本效益	开发基于Multi-ResNet的代理模型替代传统物理模型，显著降低计算需求（从3561小时降至72小时）	研究仅针对首尔大都市区，在SSP585气候情景和2100年土地覆盖预测下进行	优化城市绿化和凉爽屋顶实施策略以实现热缓解和成本效益最大化	首尔大都市区的379个城市网格	机器学习	NA	天气研究与预报模型耦合城市冠层模型	CNN	气候模拟数据，土地利用数据	评估262,144个场景，覆盖379个城市网格	NA	Multi-ResNet	有效热应力指数减少百分比，成本降低百分比	NA
10880	2025-10-07	Multitemporal river flow discharge prediction: A new framework for integrated environmental management and flood control 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125372 PMID:40279745	研究论文	提出一种先进通用数据分组处理方法（AUGMDH）模型用于多时间尺度河流流量预测	首次将AUGMDH模型应用于多时间尺度河流流量预测，并在所有主要性能指标上优于传统CNN模型	NA	开发更精确可靠的河流流量预测方法以支持水资源管理和洪水控制	河流流量数据	机器学习	NA	NA	AUGMDH, CNN	时间序列数据	NA	NA	AUGMDH, CNN	决定系数, Nash-Sutcliffe效率系数, 归一化均方根误差, RMSE-观测标准差比率, 百分比偏差, AIC	NA