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
121	2025-07-05	Advancing BCI with a transformer-based model for motor imagery classification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06364-4 PMID:40603471	研究论文	本文提出了一种基于Transformer和TCN的深度学习框架EEGEncoder，用于改进脑机接口中的运动想象分类任务	提出了一种新颖的双流时空块（DSTS）融合架构，用于捕捉时间和空间特征，并采用多并行结构提升模型性能	NA	改进脑机接口（BCI）中基于EEG的运动想象分类任务	脑电图（EEG）信号	脑机接口	运动障碍	深度学习	Transformer, TCN	EEG信号	BCI Competition IV-2a数据集
122	2025-07-05	Key factors in predictive analysis of cardiovascular risks in public health 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07874-x PMID:40603495	研究论文	本研究探讨了分析学在评估心血管疾病风险中的作用，重点关注数据准备和特征工程以提高预测准确性	比较了多种机器学习模型在心血管疾病风险预测中的表现，并展示了深度学习模型在处理复杂数据方面的优势	需要大量资源和数据预处理	评估心血管疾病风险预测模型的性能和实用性	心血管疾病风险预测	机器学习	心血管疾病	机器学习, 深度学习	Logistic Regression, Random Forest, Gradient Boosting Machines, Multilayer Perceptron	NA	NA
123	2025-07-05	Deep learning deciphers the related role of master regulators and G-quadruplexes in tissue specification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07579-1 PMID:40603503	研究论文	本文探讨了G-quadruplexes（GQs）在组织特异性中的作用，并提出了一个基于深度学习的全基因组G-flipon预测框架	开发了DeepGQ模型，用于预测14种人类组织类型中的G-flipon，并揭示了G-flipon与主调控基因（MRGs）之间的关联	模型预测依赖于训练数据集的质量和范围，可能无法涵盖所有潜在的G-flipon	研究G-flipon在组织特异性中的调控作用	人类组织中的G-quadruplexes（GQs）和主调控基因（MRGs）	生物信息学	NA	ATAC-seq, RNA聚合酶定位, 组蛋白标记, 转录因子结合位点分析	DeepGQ（基于深度学习的模型）	基因组数据	14种人类组织类型
124	2025-07-05	A federated learning-based privacy-preserving image processing framework for brain tumor detection from CT scans 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07807-8 PMID:40603518	研究论文	提出了一种基于联邦学习的隐私保护图像处理框架，用于从CT扫描中检测脑肿瘤	结合了ResNet-50和胶囊网络以改进特征提取，并应用混合Gorilla Badger优化算法选择关键特征，同时在以太坊网络上实现模型更新的安全和防篡改	未提及在不同医疗机构间数据异构性较大时的表现	开发一个隐私保护的脑肿瘤检测系统	脑肿瘤CT影像	数字病理	脑肿瘤	联邦学习，各向异性扩散滤波，形态学操作，基于互信息的图像配准	Aniso-ResCapHGBO-Net（结合ResNet-50和胶囊网络）	CT影像	基准CT脑肿瘤影像评估（具体数量未提及）
125	2025-07-05	Multimodal nomogram integrating deep learning radiomics and hemodynamic parameters for early prediction of post-craniotomy intracranial hypertension 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09115-7 PMID:40603533	研究论文	本研究评估了深度学习放射组学列线图在预测严重创伤性脑损伤患者减压颅骨切除术后早期颅内高压中的有效性	整合了深度学习放射组学特征与临床超声变量，构建了多模态列线图模型，用于非侵入性颅内压监测	研究样本量有限（238例患者），且仅针对特定阈值（15mmHg和20mmHg）进行了评估	开发非侵入性工具以预测减压颅骨切除术后早期颅内高压，指导及时干预并改善患者预后	238例严重创伤性脑损伤患者（训练队列166例，测试队列72例）	数字病理学	创伤性脑损伤	超声成像（视神经鞘和大脑中动脉频谱多普勒成像），深度学习迁移学习	Light GBM, ResNet101	医学影像（超声图像）和临床数据	238例患者（训练队列166例，测试队列72例）
126	2025-07-05	Comparison of deep learning models for predictive maintenance in industrial manufacturing systems using sensor data 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08515-z PMID:40603551	研究论文	本文比较了工业制造系统中使用传感器数据进行预测性维护的深度学习模型	提出一个包含数据采集、预处理和模型构建的框架，并比较了CNN、LSTM及其混合模型在预测设备故障和剩余使用寿命方面的性能	实验仅在三个工业数据集上进行，可能缺乏更广泛的适用性验证	比较不同深度学习模型在工业制造系统预测性维护中的性能	工业制造系统中的设备故障预测和剩余使用寿命估计	机器学习	NA	传感器数据采集与深度学习	CNN, LSTM, CNN-LSTM混合模型	传感器数据	三个工业数据集
127	2025-07-05	TDNN achitecture with efficient channel attention and improved residual blocks for accurate speaker recognition 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09386-0 PMID:40603701	研究论文	提出了一种结合高效通道注意力和改进残差块的TDNN架构，用于提高说话人识别的准确性	提出了EPCNet-TDNN模型，引入了高效通道和空间注意力机制(ECAM)以及并行残差结构(PRS)，增强了多尺度特征捕捉能力	未提及具体限制，但可能面临复杂音频数据处理的通用性挑战	提高说话人识别系统的准确性和性能	说话人识别系统	自然语言处理	NA	深度学习	TDNN, CNN	音频数据	CN-Celeb1数据集
128	2025-07-05	Data-driven approach to the deep learning of the dynamics of a non-integrable Hamiltonian system 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03607-2 PMID:40603858	研究论文	本文探讨了深度学习在预测非可积哈密顿系统动力学中的应用，特别是通过标准映射的数值模拟来识别系统的非可积性程度	首次将深度学习应用于预测非可积哈密顿系统的混沌性参数，揭示了深度学习在此类系统中的预测能力与局限性	深度学习过程难以区分规则和轻微不规则动力学，以及在纯随机系统和具有残余规则轨道的系统之间做出区分	研究深度学习过程能够识别哈密顿系统的非可积性程度的能力	非可积哈密顿系统的动力学行为	机器学习	NA	深度学习	NA	数值模拟数据	不同混沌性参数k值下的标准映射数值模拟
129	2025-07-05	A deep learning model for early diagnosis of alzheimer's disease combined with 3D CNN and video Swin transformer 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05568-y PMID:40603911	research paper	提出了一种结合3D CNN和视频Swin Transformer的深度学习模型3D-CNN-VSwinFormer，用于阿尔茨海默病的早期诊断	模型结合了3D CNN和视频Swin Transformer，利用3D CBAM模块和单参与者3D MRI图像，避免了数据泄露和2D切片无法捕捉全局空间信息的问题	仅使用了ADNI数据集，样本来源可能有限	提高阿尔茨海默病的早期诊断效率	阿尔茨海默病患者和认知正常个体	digital pathology	geriatric disease	3D MRI	3D CNN, Video Swin Transformer	3D image	ADNI数据集中的参与者
130	2025-07-05	Listening deeper: neural networks unravel acoustic features in preterm infant crying 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03098-1 PMID:40603920	研究论文	使用卷积神经网络分析早产儿哭声的声学特征，以评估其与孕龄的关系	首次利用卷积神经网络对整个梅尔频谱图进行分析，揭示了早产儿哭声中的时间结构特征与孕龄的关联	样本量相对较小（79名早产儿和52名足月新生儿），可能限制结果的泛化性	探索早产儿哭声的声学特征与神经发育异常的关系	早产儿和足月新生儿的哭声	机器学习	早产	梅尔频谱分析	CNN	音频	79名早产儿和52名足月新生儿
131	2025-07-05	A novel interval prediction method in wind speed based on deep learning and combination prediction 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03188-0 PMID:40603938	研究论文	提出了一种基于深度学习和组合预测的风速区间预测新方法，以提高风速不确定性的实时预测能力	结合了时间变滤波经验模态分解和相空间重构技术，以及多目标优化器组合模型，提高了预测精度	实验数据仅来自甘肃风塔，可能限制了方法的普适性	改进风速不确定性的实时预测，以促进风力涡轮机运行和电网调度	风速序列	机器学习	NA	时间变滤波经验模态分解、相空间重构、多目标优化	组合模型	时间序列数据	甘肃风塔的数据
132	2025-07-05	Enhancing gas concentration prediction and ventilation efficiency in deep coal mines: a hybrid DL-Koopman and Fuzzy-PID framework 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00105-3 PMID:40603945	研究论文	本研究提出了一种结合深度学习和DL-Koopman算子理论的创新框架，用于提高深部煤矿气体浓度预测和通风效率	整合了DL-Koopman算子理论进行气体浓度预测和模糊自适应PID控制策略进行气流调节，显著提高了预测精度和系统稳定性	未提及具体实验验证的煤矿数量或数据规模，可能影响方法的普适性	提高煤矿通风系统的效率和安全性，减少煤炭开采的环境影响	深部煤矿的气体浓度和通风系统	机器学习	NA	DL-Koopman算子理论，模糊自适应PID控制	深度学习模型	历史气体浓度和风速数据	NA
133	2025-07-05	WeedSwin hierarchical vision transformer with SAM-2 for multi-stage weed detection and classification 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05092-z PMID:40603967	研究论文	本研究提出了一种基于计算机视觉和深度学习的杂草检测与分类方法，通过多阶段识别解决杂草多样性及生长周期中的挑战	引入了新颖的WeedSwin Transformer架构，专门针对杂草检测中的形态变化和植被重叠等独特挑战，并在性能上超越了现有架构	未明确提及具体局限性，但可能包括对极端环境或罕见杂草物种的适应性	开发高效、自动化的杂草识别技术，以支持精准农业和可持续耕作实践	16种常见杂草物种在其11个生长阶段的表现	计算机视觉	NA	SAM-2模型、传统计算机视觉技术	WeedSwin Transformer、DINO Transformer、DETR、EfficientNet B4、YOLO v8、RetinaNet	图像	两个数据集共计323,908张图像（AWD 203,567张，BWD 120,341张）
134	2025-07-05	Optimizing visual data retrieval using deep learning driven CBIR for improved human machine interaction 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05478-z PMID:40603973	研究论文	本研究提出了一种深度自适应注意力网络（DAAN）用于基于内容的图像检索（CBIR），以提高视觉检索的速度和准确性	结合多尺度特征提取和混合神经架构，引入自适应多级注意力模块（AMLA）以精确特征加权，提升对细微视觉变化的检测能力	未提及具体的数据集规模或多样性限制	优化基于内容的图像检索系统，改善人机交互	视觉数据检索系统	计算机视觉	NA	深度自适应注意力网络（DAAN）	DNN, transformer-based models	图像	NA
135	2025-07-05	Intelligent identification of ballastless track subgrade settlement based on vehicle-rail vibration data 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05202-x PMID:40603977	研究论文	提出一种基于CNN-LSTM模型的深度学习方法，通过分析车轨振动数据智能识别无砟轨道路基不均匀沉降	结合CNN和LSTM的优势，有效建模动态指标与路基沉降的关系，检测精度高达99.26%	未提及实际应用中可能遇到的环境干扰或数据采集限制	提高无砟轨道系统路基不均匀沉降的监测准确性	无砟轨道系统的车轨振动响应数据	机器学习	NA	深度学习	CNN-LSTM	振动数据	NA
136	2025-07-05	Numerical modeling and neural network optimization for advanced solar panel efficiency 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06830-z PMID:40604001	research paper	本文提出了一种结合物理信息神经网络和强化学习的混合AI模型，用于太阳能电池板的实时优化，以提高效率	结合物理信息神经网络和强化学习进行实时优化，引入Edge AI架构减少对云计算的依赖，应用CNN-LSTM混合模型进行太阳能预测	实验仅使用了UTL 335W和330W PV模块，可能无法涵盖所有类型的太阳能电池板	提高太阳能电池板的效率和实时优化能力	太阳能电池板的实时优化和能量产出预测	machine learning	NA	物理信息神经网络、强化学习、CNN-LSTM混合模型	CNN-LSTM	实时辐照度和温度数据	UTL 335W和330W PV模块
137	2025-07-05	Drug-target interaction/affinity prediction: Deep learning models and advances review 2025-Jul-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110438 PMID:40609289	综述	本文综述了深度学习模型在药物-靶点相互作用/亲和力预测中的应用及其进展	总结了2016至2025年间180种基于机器学习和深度学习的药物-靶点相互作用预测方法，并讨论了这些模型的新颖性、架构和输入表示	未提及具体模型的性能比较或实际应用中的局限性	加速药物发现过程，提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用和亲和力预测方法	机器学习	NA	深度学习，图神经网络	深度学习模型，图神经网络	NA	分析了180种方法
138	2025-07-05	A Novel Two-step Classification Approach for Differentiating Bone Metastases From Benign Bone Lesions in SPECT/CT Imaging 2025-Jul-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.010 PMID:40610298	研究论文	开发并验证了一种新颖的两步深度学习框架，用于SPECT/CT成像中骨转移瘤的自动检测、分割和分类	提出了一种结合多尺度注意力融合模块和三重注意力机制的分割模型BL-Seg，以及基于放射组学的集成学习分类器，用于区分良恶性病变	使用单一机构收集的专有数据集，可能存在数据偏差	提高骨转移瘤的早期诊断准确性并促进个性化治疗计划	SPECT/CT成像中的骨转移瘤和良性骨病变	数字病理学	骨转移瘤	SPECT/CT成像	BL-Seg分割模型和集成学习分类器	医学影像	机构内收集的SPECT/CT病例数据集，分为训练集和测试集
139	2025-07-05	Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net 2025-Jul-02, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056408077250610070821 PMID:40611416	研究论文	本研究提出了一种半孪生U-Net架构，用于从肺部电阻抗断层扫描（EIT）中重建心脏相关阻抗成像	采用新型半孪生U-Net架构，通过共享编码器和两个独立解码器分别分割肺部和心脏区域	目前结果仅限于真实数据的定性评估和基于模拟的训练	克服肺部阻抗变化的主导影响，改进心脏相关EIT重建	肺部EIT数据中的心脏相关信号	医学影像处理	心血管疾病	电阻抗断层扫描（EIT）	半孪生U-Net	医学影像数据	基于FEM的EIT模拟数据和真实人类EIT数据
140	2025-07-05	3MT-Net: A Multi-Modal Multi-Task Model for Breast Cancer and Pathological Subtype Classification Based on a Multicenter Study 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445952 PMID:39163184	研究论文	本文提出了一种名为3MT-Net的多模态多任务深度学习架构，用于乳腺癌及其病理亚型的分类	结合临床数据和超声图像，采用AM-CapsNet提取特征，并通过级联交叉注意力机制融合多模态数据，同时使用集成学习方法动态分配权重	数据为回顾性收集，可能影响模型的泛化能力	提高乳腺癌及其病理亚型分类的准确性	乳腺癌患者	数字病理	乳腺癌	深度学习	3MT-Net, AM-CapsNet	临床数据, B型超声图像, 彩色多普勒超声图像	来自九个医疗中心的数据