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
1381	2025-08-10	Automatic Choroid Segmentation and Thickness Measurement Based on Mixed Attention-guided Multiscale Feature Fusion Network 2025-Aug-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3597026 PMID:40779377	研究论文	提出了一种基于混合注意力引导的多尺度特征融合网络（MAMFF-Net），用于自动分割OCT图像中的脉络膜并测量其厚度	结合混合注意力编码器（MAE）、可变形多尺度特征融合路径（DMFFP）和多尺度金字塔层聚合（MPLA）模块，提高了脉络膜分割的准确性	公共OCT数据集中涉及脉络膜厚度变化的疾病类型较少，且缺乏公开可用的标注数据集	开发一种自动分割和测量脉络膜厚度的方法，以辅助临床诊断和疾病进展监测	OCT图像中的脉络膜	数字病理学	眼科疾病	OCT成像	MAMFF-Net（混合注意力引导的多尺度特征融合网络）	图像	徐州医科大学附属医院（XZMH）-脉络膜数据集，包含正常和八种脉络膜相关疾病的标注OCT图像
1382	2025-08-10	A neural network model enables worm tracking in challenging conditions and increases signal-to-noise ratio in phenotypic screens 2025-Aug-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013345 PMID:40779582	research paper	该研究开发了一种名为DeepTangleCrawl（DTC）的神经网络模型，用于在复杂条件下追踪线虫（C. elegans）的姿态，并提高表型筛选中的信噪比	DTC模型在追踪线虫时减少了失败率，并生成更连续、无间隙的轨迹，能够分析以往难以捕捉的行为，提高了表型筛选的信噪比	NA	改进线虫在复杂环境中的高分辨率姿态追踪技术，以应用于遗传学、神经科学和药物筛选	线虫（C. elegans）	computer vision	NA	deep learning	DeepTangle algorithm (DTC)	image	NA
1383	2025-08-10	A Deep Learning Model to Detect Acute MCA Occlusion on High Resolution Non-Contrast Head CT 2025-Aug-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8954 PMID:40780878	研究论文	本研究开发了一种深度学习模型，用于通过高分辨率非对比头部CT检测急性大脑中动脉闭塞	该模型首次利用高分辨率非对比CT数据进行急性大脑中动脉闭塞的自动检测，准确率接近CTA	模型在M2段闭塞检测时性能略有下降	评估深度学习模型在非对比CT上识别急性大脑中动脉闭塞的可行性和准确性	急性大脑中动脉闭塞患者	数字病理学	心血管疾病	高分辨率非对比CT成像	3D深度学习模型	医学影像	训练验证集4,648例，独立测试集1,011例
1384	2025-08-10	Land use classification using multi-year Sentinel-2 images with deep learning ensemble network 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12512-7 PMID:40781103	研究论文	本研究提出了一种名为IRUNet的深度学习集成网络，用于多年度Sentinel-2影像的土地利用分类	IRUNet结合了InceptionResNetV2与UNet框架，并采用多尺度特征融合和测试时间增强（TTA）来提高预测的鲁棒性	虽然数据跨越多年，但每年被视为独立输入，未建模时间序列	提高土地利用分类的准确性，以支持城市规划、环境监测和农业管理	Katpadi地区2017-2024年的Sentinel-2卫星影像	计算机视觉	NA	深度学习	IRUNet（集成InceptionResNetV2与UNet框架）	卫星影像	Katpadi地区2017-2024年的Sentinel-2影像数据
1385	2025-08-10	Deep neural network approach integrated with reinforcement learning for forecasting exchange rates using time series data and influential factors 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12516-3 PMID:40781102	research paper	该研究提出了一种结合LSTM网络和深度Q网络(DQN)的创新混合框架，用于预测汇率时间序列数据	首次将LSTM与强化学习机制(DQN)相结合，实现基于实时反馈的自适应预测优化	仅针对USD/INR汇率数据进行验证，未测试其他货币对的适用性	提高金融时间序列预测的准确性和适应性	USD/INR汇率时间序列数据	machine learning	NA	时间序列分析, 强化学习	LSTM, DQN	时间序列数据	USD/INR汇率数据集
1386	2025-08-10	Advanced dynamic ensemble framework with explainability driven insights for precision brain tumor classification across datasets 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14917-w PMID:40781137	研究论文	本研究提出了一种新颖的集成深度学习系统，用于通过MRI数据准确分类脑肿瘤	提出了一种动态集成框架，结合了微调的CNN、ResNet-50和EfficientNet-B5，并采用自适应动态权重分配策略优化各网络的贡献，同时通过XAI技术提高模型的可解释性	NA	提高脑肿瘤分类的准确性和可解释性	脑肿瘤MRI数据	计算机视觉	脑肿瘤	MRI	CNN, ResNet-50, EfficientNet-B5	图像	NA
1387	2025-08-10	Towards scalable screening for the early detection of Parkinson's disease: validation of an iPad-based eye movement assessment system against a clinical-grade eye tracker 2025-Aug-08, NPJ Parkinson's disease DOI:10.1038/s41531-025-01079-9 PMID:40781252	研究论文	本文介绍了一种基于iPad的眼动评估系统，用于帕金森病的早期筛查和监测，并通过与临床级眼动仪的对比验证其有效性	开发了一种基于iPad的便携式眼动评估系统，利用深度学习算法提取眼跳指标，并与临床级眼动仪EyeLink 1000 Plus进行对比验证	样本量较小（25名参与者），且仅针对特定类型的眼跳任务进行了验证	开发一种可扩展、经济高效的帕金森病筛查和监测工具	帕金森病患者和健康对照者的眼动数据	数字病理学	帕金森病	深度学习	NA	眼动数据	25名参与者（10名帕金森病患者，15名健康对照者）
1388	2025-08-10	Deep learning approach for automated hMPV classification 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14467-1 PMID:40781468	研究论文	提出了一种名为hMPV-Net的深度学习框架，用于自动分类人类偏肺病毒（hMPV）感染	利用CNN进行hMPV感染的精确检测和分类，并通过数据增强、加权损失函数和dropout正则化等技术解决数据集不平衡问题	使用模拟图像数据集而非真实患者数据进行训练和评估	开发一种快速准确的hMPV诊断方法	人类偏肺病毒（hMPV）感染	计算机视觉	呼吸道疾病	深度学习	CNN	图像	10000个样本（hMPV阳性和阴性各半）
1389	2025-08-10	Deep learning-based image enhancement for improved black blood imaging in brain metastasis 2025-Aug-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11920-7 PMID:40781512	research paper	评估基于深度学习的图像增强技术在提高脑转移瘤3D对比增强T1加权黑血MR成像图像质量和诊断性能方面的效用	首次应用深度学习技术提升黑血MR成像的图像质量，并显著提高了对小脑转移瘤（小于5毫米）的检测灵敏度	研究为回顾性设计，且未与其他深度学习方法的处理效果进行直接比较	提升脑转移瘤MR成像的诊断准确性和图像质量	126名脑转移瘤患者和121名非脑转移瘤患者的3-T MRI影像数据	digital pathology	brain metastasis	深度学习图像增强技术	DL-based model	MRI影像	247名患者的MRI影像数据
1390	2025-08-10	ADAM-DETR: an intelligent rice disease detection method based on adaptive multi-scale feature fusion 2025-Aug-08, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01429-x PMID:40781641	研究论文	提出了一种基于改进RT-DETR的水稻病害检测算法ADAM-DETR，用于复杂田间环境下的病害识别	创新设计了三个核心模块：自适应视觉网络（AVN）骨干网络、双域增强Transformer（DDET）模块和自适应多尺度特征模型（AMFM），以提高特征提取和融合能力	NA	解决复杂田间环境下现有深度学习方法特征提取不足和多尺度病害适应性差的问题	水稻病害	计算机视觉	水稻病害	深度学习	RT-DETR	图像	9,303张图像，覆盖五大病害类别
1391	2025-08-10	Predicting expression-altering promoter mutations with deep learning 2025-Aug-07, Science (New York, N.Y.) DOI:10.1126/science.ads7373 PMID:40440429	研究论文	介绍了一种名为PromoterAI的深度神经网络，用于准确识别非编码启动子变异，这些变异会失调基因表达	开发了PromoterAI深度神经网络，首次能够准确预测非编码启动子变异对基因表达的影响	仅关注启动子区域的变异，未考虑其他非编码区域的潜在致病变异	预测非编码启动子变异对基因表达的影响，以帮助诊断罕见遗传疾病	非编码启动子变异及其对基因表达的影响	机器学习	罕见遗传疾病	深度神经网络	深度神经网络	基因组数据	数千名个体的RNA和蛋白质水平数据
1392	2025-08-10	Enhancing image retrieval through optimal barcode representation 2025-Aug-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14576-x PMID:40770058	research paper	该研究通过优化特征序列提升二进制条形码表示，从而增强图像检索效果	提出基于检索性能指标优化特征序列的方法，显著提高了检索效果	方法性能高度依赖于输入特征的排序，存在显著的组合挑战	优化二进制条形码表示以提升图像检索的效率和准确性	医学和非医学图像数据集	computer vision	NA	deep barcoding, difference-based binarization	NA	image	包括TCGA医学图像数据集、COVID-19胸部X光数据集以及CIFAR-10、CIFAR-100和Fashion-MNIST等非医学基准图像数据集
1393	2025-08-10	MedCLIP-SAMv2: Towards universal text-driven medical image segmentation 2025-Aug-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103749 PMID:40779830	research paper	提出了一种名为MedCLIP-SAMv2的新型框架，通过整合CLIP和SAM模型，利用文本提示在零样本和弱监督设置下进行医学图像分割	引入了新的解耦硬负噪声对比估计（DHN-NCE）损失和多模态信息瓶颈（M2IB）方法，以提升医学图像分割的准确性和效率	需要进一步验证在更多医学成像模态和任务中的泛化能力	开发一种数据高效的医学图像分割方法，减少对标记数据集的依赖	医学图像中的解剖结构和病理	digital pathology	breast tumor, brain tumor, lung disease	BiomedCLIP, SAM, DHN-NCE, M2IB	CLIP, SAM	image	四种不同的分割任务和医学成像模态（乳腺肿瘤超声、脑肿瘤MRI、肺部X光和肺部CT）
1394	2025-08-10	An effectiveness of deep learning with fox optimizer-based feature selection model for securing cyberattack detection in IoT environments 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13134-9 PMID:40764727	research paper	提出了一种基于狐狸优化器特征选择和深度学习的网络安全攻击检测模型（FOFSDL-SCD），用于增强物联网环境中的网络威胁检测能力	结合狐狸优化器算法（FOA）进行特征选择，并采用时序卷积网络（TCN）进行分类，进一步通过蜣螂优化（DBO）方法优化超参数，提高了检测准确率	模型性能仅在Edge-IIoT数据集上验证，未在其他物联网环境中测试泛化能力	提升物联网网络的抗攻击能力和威胁检测能力	物联网环境中的网络安全攻击	machine learning	NA	深度学习（DL）、狐狸优化器算法（FOA）、时序卷积网络（TCN）、蜣螂优化（DBO）	TCN	网络安全数据	Edge-IIoT数据集
1395	2025-08-10	Improved early-stage crop classification using a novel fusion-based machine learning approach with Sentinel-2A and Landsat 8-9 data 2025-Aug-06, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14420-9 PMID:40767980	研究论文	本研究提出了一种基于融合的深度学习方法，用于提高早期作物分类的准确性	采用Gram-Schmidt融合方法整合Landsat 8-9和Sentinel-2A数据，结合多块灰度共生矩阵(GLCM)技术和光谱指数方法提取纹理和光谱特征	NA	提高早期作物分类的准确性	早期作物	机器学习	NA	Gram-Schmidt融合方法、多块灰度共生矩阵(GLCM)技术、光谱指数方法	深度神经网络(DNN)、1D卷积神经网络(1D CNN)、决策树、支持向量机(SVM)、随机森林	遥感图像	NA
1396	2025-08-10	Predictive Modeling of Osteonecrosis of the Femoral Head Progression Using MobileNetV3_Large and Long Short-Term Memory Network: Novel Approach 2025-Aug-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66727 PMID:40768653	research paper	该研究利用MobileNetV3_Large和LSTM网络对股骨头坏死(ONFH)的进展进行预测建模，旨在优化治疗策略	首次结合MobileNetV3_Large和LSTM网络对ONFH进行动态预测，显著提高了诊断准确率和预测性能	样本量较小(仅30名患者)，可能影响模型的泛化能力	开发深度学习算法以提升ONFH的疾病评估和预测能力	股骨头坏死(ONFH)患者的MRI影像数据	digital pathology	osteonecrosis	MRI	MobileNetV3_Large + LSTM	image	30名患者的1200张MRI切片(675张病变切片+225张正常切片)
1397	2025-08-10	Ensemble-based sesame disease detection and classification using deep convolutional neural networks (CNN) 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08076-1 PMID:40769993	研究论文	本研究提出了一种基于集成学习的芝麻病害检测与分类方法，利用深度卷积神经网络（CNN）提高分类准确性和泛化能力	采用集成学习方法结合ResNet-50、DenseNet-121和Xception三种先进的CNN架构，显著提高了芝麻病害的分类准确率	未提及模型在不同环境条件下的泛化能力测试，以及实际田间应用的可行性验证	开发一个鲁棒且准确的模型，用于识别芝麻病害，支持精准农业	芝麻叶片图像，包括健康、变叶病和细菌性疫病三种状态	计算机视觉	芝麻病害	深度卷积神经网络（CNN）	ResNet-50, DenseNet-121, Xception	图像	未明确提及具体数量，但包含健康、变叶病和细菌性疫病三种状态的芝麻叶片图像数据集
1398	2025-08-10	Network intrusion detection model using wrapper based feature selection and multi head attention transformers 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11348-5 PMID:40769994	研究论文	提出了一种基于包装器特征选择和多头注意力变换器的网络入侵检测模型，以提高检测准确性	结合包装器特征选择技术和多头注意力变换器，优化特征选择并提升模型性能	仅使用UNSW-NB15数据集进行验证，未在其他数据集上测试模型的泛化能力	提高网络入侵检测的准确性	网络入侵检测系统	机器学习	NA	包装器特征选择、多头注意力变换器	Transformer	网络数据	UNSW-NB15数据集
1399	2025-08-10	Predict the writer's trait emotional intelligence from reproduced calligraphy 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13318-3 PMID:40770015	research paper	该研究提出了一种结合深度学习和书法美学特征的方法，通过书法复制品预测作者的特质情绪智力	首次将Siamese神经网络与手工特征结合，用于从书法复制品中预测特质情绪智力，并显著优于人类评估能力	研究样本仅包含191名参与者，可能缺乏广泛代表性	探索书法复制品是否包含作者特质情绪智力的潜在信息，并开发预测方法	书法复制品及作者的特质情绪智力	计算机视觉	NA	深度学习	Siamese neural network	图像	191名参与者的48,826个复制字符
1400	2025-08-10	Transductive zero-shot learning via knowledge graph and graph convolutional networks 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13612-0 PMID:40770031	研究论文	提出了一种基于知识图谱和图卷积网络的转导零样本学习方法，用于识别未见类别的对象	结合知识图谱和图卷积网络，提出双过滤模块与匈牙利算法聚类策略，显著提升分类性能	依赖有限的语义关系和少量标记的已见类别数据集，可能影响模型泛化能力	解决零样本学习中因领域偏移导致的分类性能下降问题	未见类别的对象识别	计算机视觉	NA	知识图谱构建、图卷积网络	GCN（图卷积网络）	图像	三个数据集（AWA2、ImageNet50、ImageNet100）