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
1481	2026-09-19	Hybrid deep learning with attention fusion for enhanced colon cancer detection 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29447-8 PMID:41315603	研究论文	该研究提出了一种结合EfficientNet-B3和Vision Transformer的混合深度学习模型，并引入注意力融合机制，用于在Kvasir内窥镜数据集上实现自动化结肠癌检测	将EfficientNet-B3的局部细粒度纹理特征提取能力与Vision Transformer的全局上下文建模能力相结合，并通过多头注意力融合模块协调两类特征，实现更全面的表征和更强的分类稳定性，同时采用MCC指导模型优化	模型存在轻微过拟合倾向	实现自动化结肠癌检测，为计算机辅助结肠镜系统提供快速、客观、可靠的诊断支持，减少病理学家工作量	Kvasir内窥镜数据集中的结肠图像	计算机视觉	结肠癌	内窥镜成像	CNN, Transformer	图像	NA	NA	EfficientNet-B3, Vision Transformer, 多头注意力融合模块	准确率, F1-score, 马修斯相关系数（MCC）, Brier Score	NA
1482	2026-09-19	CBN cutting tool's surface roughness and tool wear prediction using JOA-optimized CNN-LSTM 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29658-z PMID:41315655	研究论文	本文设计了一种JOA优化的CNN-LSTM混合深度学习模型，用于预测CBN刀具在MQL条件下硬车削Inconel 718时的表面粗糙度和刀具磨损	提出将CNN-LSTM混合模型与JOA优化算法结合用于刀具磨损和表面粗糙度预测，并集成到MATLAB/Simulink环境中实现实时预测和无传感器部署	实验数据仅基于27组全因子加工试验，样本量较小，可能影响模型的泛化能力验证	解决镍基高温合金Inconel 718加工过程中刀具磨损快和表面质量差的问题，实现表面粗糙度和刀具磨损的精确预测	Inconel 718镍基高温合金在MQL条件下使用CBN刀具的硬车削加工过程	机器学习	NA	硬车削加工、MQL条件、CBN刀具	CNN-LSTM	数值数据	27组全因子加工试验数据	MATLAB, Simulink	CNN, LSTM	R, RMSE, MAPE	NA
1483	2026-09-19	AI powered multi feature fusion framework for retrieving images using color, texture and shape descriptors 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29719-3 PMID:41315670	研究论文	提出一种基于AI的多特征融合框架，融合颜色、纹理和形状描述符进行基于内容的图像检索	使用深度特征融合结合颜色矩、GLCM纹理分析和傅里叶与Hu矩形状提取，并通过SVM分类器和CNN将特征映射到学习相似空间，引入注意力引导加权动态调整特征重要性	未明确说明	提高基于内容的图像检索的语义匹配和检索准确性	Corel-1K和Caltech-101基准数据集中的图像	计算机视觉	NA	颜色矩、GLCM、傅里叶矩、Hu矩、SVM、CNN	CNN, SVM	图像	Corel-1K（1000张图像）和Caltech-101（约9000张图像）基准数据集	NA	CNN, SVM	准确率, 召回率, mAP	NA
1484	2026-09-19	Deep learning for microbial life detection in deep subseafloor samples: objective cell recognition 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29239-0 PMID:41315727	研究论文	该研究开发了一种基于深度学习的图像识别方法，用于在深海海底沉积物样本中检测和计数微生物细胞，以消除对专家培训的依赖	首次将深度学习图像识别方法应用于富含颗粒物的深海海底沉积物样本中的微生物细胞检测，通过检测绿色荧光细胞样颗粒并进行分类，无需大量专家培训即可实现准确检测	摘要中未明确提及研究局限性	提高沉积物样本显微图像中微生物细胞检测和计数的准确性，同时消除对劳动密集型专家培训的需求	深海海底沉积物样本中的微生物细胞	计算机视觉	NA	荧光染色、显微成像	CNN	图像	NA	NA	NA	准确率	NA
1485	2026-09-19	A novel spatiotemporal transformer network with multivariate fusion for short-term precipitation forecasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29415-2 PMID:41309915	研究论文	本文提出了一种基于时空Transformer和多变量融合的新型网络ST-MFTransNet，用于短期降水预报。	提出了一种基于全维动态卷积的多变量融合模块，并构建了结合Transformer和多尺度卷积的编码器-解码器框架，用于提取融合数据的时空特征。	未明确提及。	提高短期降水预报的准确性，通过融合多种气象变量来捕捉降水形成的多因素特性。	多种气象变量（如温度、湿度、风速等）以及降水数据。	机器学习	不适用	时空Transformer网络、多变量融合、全维动态卷积	Transformer	时间序列数据（气象数据）	未明确提及	不适用	Transformer, 多尺度卷积模块	POD, CSI	未明确提及
1486	2026-09-19	Quantitative and longitudinal monitoring of cancer cell invasion in a three-dimensional in vitro model of oral cancer using optical coherence tomography 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28471-y PMID:41309958	研究论文	本研究评估了光学相干断层扫描（OCT）结合深度学习在三维口腔癌器官型培养模型中定量、纵向监测癌细胞侵袭的适用性和可行性	首次将OCT成像与深度学习相结合，应用于三维口腔癌器官型培养模型中癌细胞侵袭的定量、纵向监测，实现了对组织微架构的无损可视化，并通过平面测量和体积分析比较了不同OSCC细胞类型、TME条件和培养时间下的侵袭行为	摘要中未明确提及研究的具体局限性	评估OCT结合深度学习在三维口腔癌模型中定量、纵向监测癌细胞侵袭的适用性和可行性	三维器官型口腔鳞状细胞癌（OSCC）培养模型中的癌细胞侵袭行为	数字病理学	口腔癌	光学相干断层扫描（OCT）、深度学习	深度学习模型	图像	NA	NA	NA	侵袭性参数与组织形态计量学数据的相关性	NA
1487	2026-09-19	Tri branch attention enhanced 3DUNet for remote sensing based hyperspectral image classification 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29357-9 PMID:41309972	研究论文	本文提出了一种三分支注意力增强的3DUNet架构，用于高光谱图像分类，通过光谱分支、空间分支和联合分支分别提取光谱依赖、空间特征和联合表示，并在三个基准数据集上取得了高分类精度	提出三分支3DUNet架构，每个分支针对特定问题设计并配备特定注意力机制，联合分支整合光谱和空间线索，通过全连接层捕捉非线性组合，提升了小像素样本的分类精度	未明确讨论模型的计算复杂度、参数量以及对高分辨率高光谱图像的泛化能力，且未与其他最新方法进行全面的计算效率对比	克服传统U-Net架构在高光谱图像分类中因类别不平衡和分辨率退化导致的局部与全局信息忽略问题，提高分类精度	高光谱图像数据集，包括Indian Pines、Pavia University和Houston-2018	计算机视觉	NA	高光谱成像	CNN	图像	Indian Pines、Pavia University和Houston-2018三个基准高光谱图像数据集	NA	3DUNet	平均精度（AA）、总体精度（OA）	NA
1488	2026-09-19	Feature centric based deep learning approach for music mood recognition with HuBERT transformer model 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29200-1 PMID:41309989	研究论文	本文使用HuBERT Transformer模型与ConvFormer、LSTM和YAMNet进行比较，通过音频特征提取对音乐情绪进行分类	将HuBERT Transformer模型应用于音乐情绪识别，并结合STFT和MFCC等多种音频特征进行对比评估	未明确说明模型的计算复杂度、泛化能力以及在更大规模或更多样化数据集上的表现	利用深度学习和Transformer模型准确预测音乐的情感内容，推动音乐推荐系统和情感AI应用的发展	音乐音频文件的情绪标签（Aggressive、Happy、Dramatic、Sad、Romantic）	机器学习	NA	STFT，MFCC	Transformer，CNN，LSTM	音频	2500个音频文件，每个情绪类别500个	NA	HuBERT，ConvFormer，LSTM，YAMNet	准确率	NA
1489	2026-09-19	Improved multiscale attention based deep learning approach for automated sugarcane leaf disease detection using BSRI data 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28947-x PMID:41310119	研究论文	本文提出了一种基于多尺度注意力机制的密集残差网络（MADRN），用于甘蔗叶片病害的自动检测与分类，并结合BSRI数据进行了验证	提出了一种新的MADRN架构，将密集残差学习与多尺度注意力机制相结合，能够有效捕捉细粒度、病害特异性特征，并应对领域变异性和复杂数据模式的挑战	摘要中未明确提及研究的局限性	实现甘蔗叶片病害的早期准确检测与分类，以提高作物生产力并减少农业经济损失	甘蔗叶片病害图像	计算机视觉	植物病害	深度学习图像分类	CNN	图像	两个数据集：Kaggle数据集和Kaggle与BSRI图像混合数据集，具体样本数量未提供	NA	MADRN, CNN, VGG16, MobileNetV2, XceptionNet	准确率, 精确率, 召回率, F1分数	NA
1490	2026-09-19	The remote sensing method for large-scale asphalt pavement aging assessment with automated sample generation and deep learning 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29966-4 PMID:41290981	研究论文	该文章提出了一种结合多端元混合像元分解、自动样本生成和深度学习的框架，用于大规模沥青路面老化评估	创新点在于集成了多端元混合像元分解、自动样本生成和深度学习，实现了大规模沥青路面老化的快速准确评估	未明确提及 limitations	实现大规模沥青路面老化的快速准确评估，为道路维护决策和交通安全提供支持	沥青路面老化	遥感, 计算机视觉	NA	遥感, 多端元混合像元分解, 深度学习	1D-CNN	图像（WorldView-3 遥感数据）	未明确样本数量，但提及生成了高质量训练和验证样本，J-M 距离值显示样本可分性	NA	一维卷积神经网络 (1D-CNN)	总体分类精度, Kappa 系数	NA
1491	2026-09-19	Deep learning classification of INSV-associated weeds in Monterey county using a curated RGB image dataset 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29552-8 PMID:41299059	研究论文	该研究构建了蒙特雷县与INSV相关杂草的高分辨率RGB图像数据集，并比较了ResNet-50、ResNet-101和DenseNet-121三种卷积神经网络对两种视觉相似杂草的分类性能	首次构建了蒙特雷县INSV相关杂草的精选高分辨率图像数据集，填补了PlantCLEF和DeepWeeds等全球公开数据集中缺乏加利福尼亚高价值作物系统代表性的空白	图像采集在温室条件下进行，虽模拟田间变异但非真实田间环境；仅针对两种杂草进行分类；未实现实时检测系统	利用深度学习对INSV相关杂草进行准确分类，为精准农业中的早期杂草检测和疾病预防提供支持	Sonchus oleraceus（一年生苦苣菜）和Malva parviflora（小花锦葵）两种与INSV相关的杂草	计算机视觉	植物病害	RGB图像采集与数据增强	CNN	图像	NA	NA	ResNet-50, ResNet-101, DenseNet-121	准确率, Cohen's Kappa, F1-score, AUC	NA
1492	2026-09-19	Stacked convolutional neural network for emotion recognition using multi feature speech analysis 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28766-0 PMID:41298646	研究论文	本文提出了一种堆叠卷积神经网络（SCoNN），用于基于语音信号的情绪识别，以增强远程医疗评估的可靠性	SCoNN的新颖性在于其分层堆叠机制和自适应多特征融合，能够比传统深度CNN更好地捕捉语音中的情绪变化	未明确提及研究的局限性	提升远程医疗评估中语音情绪识别的可靠性和效率	语音信号中的情绪识别	机器学习	NA	语音分析	CNN, RNN, LSTM	音频	使用了三个公开情感语音数据集：RAVDESS、TESS和SAVEE，具体样本数量未提及	NA	堆叠卷积神经网络（SCoNN），包括多个Conv1D块、批归一化、dropout和激活层，后接密集softmax输出层	准确率	NA
1493	2026-09-19	MedNet: a lightweight attention-augmented CNN for medical image classification 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25857-w PMID:41290816	研究论文	提出一种轻量级注意力增强的CNN架构MedNet，用于医学图像分类，结合深度可分离卷积和CBAM注意力机制	结合深度可分离卷积和CBAM注意力机制的轻量级CNN架构，核心ResidualDSCBAMBlock模块能高效提取和细化空间与上下文特征	未明确说明	解决医学图像分类中空间分辨率有限、类间差异小、类内差异大导致的分类困难问题，实现高效准确的疾病检测	DermaMNIST、BloodMNIST、OCTMNIST和Fitzpatrick17k医学图像数据集	计算机视觉	皮肤病、血液病、眼科疾病	深度学习图像分类	CNN	图像	DermaMNIST、BloodMNIST、OCTMNIST和Fitzpatrick17k数据集（具体样本数未在摘要中说明）	NA	MedNet（包含深度可分离卷积、CBAM注意力机制、自适应池化、Dropout和全连接层）	准确率	NA
1494	2026-09-19	A novel hybrid approach for multi stage kidney cancer diagnosis using RCC ProbNet 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29742-4 PMID:41276585	研究论文	本文提出了一种名为RCC-ProbNet的混合深度学习模型，用于多阶段肾细胞癌的诊断和分类	提出了一种新颖的混合深度学习方法，结合了特征提取和概率特征模型构建，并与逻辑回归分类器集成，实现了高精度的肾细胞癌分期诊断	未明确讨论模型在外部数据集上的泛化能力，且未来需要进一步迭代以应用于实时临床决策支持系统	提高肾细胞癌多阶段诊断的精确度	肾细胞癌医学影像数据	医学图像分析	肾癌	深度学习	混合深度学习模型	医学影像	NA	NA	RCC-ProbNet	准确率	NA
1495	2026-09-19	Advanced COVID-19 detection using cough signals with space reconstruction and 3D deep convolutional neural networks 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29633-8 PMID:41286001	研究论文	该研究通过整合相位空间重构（PSR）与3D深度卷积神经网络，对咳嗽音频信号进行分析，实现COVID-19的检测与多分类	提出将相位空间重构（PSR）与3D深度卷积神经网络相结合的方法，将原始咳嗽音频信号转换为三维张量表示，并设计包含五个卷积层的定制3D DCNN进行多分类，在COUGHVID数据集上取得了优于现有方法的性能	未提及模型在不同人群、设备或环境噪声下的泛化能力验证，也未讨论计算成本和实时部署的可行性	开发一种非侵入式、可扩展的COVID-19快速可靠筛查框架，辅助公共卫生监测和临床决策	咳嗽音频信号，包含COVID-19阳性病例、有症状非COVID个体和健康对照	机器学习	COVID-19	相位空间重构（PSR）	3D深度卷积神经网络（3D DCNN）	音频	COUGHVID数据集中超过8400条咳嗽录音	NA	3D DCNN（包含五个卷积层和最大池化操作）	分类准确率98.5%、召回率96.5%、特异性99.7%	NA
1496	2026-09-19	Antimicrobial peptide prediction based on contrastive learning and gated convolutional neural network 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29666-z PMID:41286313	研究论文	本文提出了一种基于对比学习和门控卷积神经网络的抗菌肽识别框架CG-AMP	采用双模块架构，第一模块通过预训练语言模型和对比学习学习特征表示空间，第二模块使用增强的卷积神经网络更高效地提取特征信息，有效整合多模态特征	摘要中未提及	高效识别抗菌肽	抗菌肽序列	机器学习	NA	NA	CNN	文本	两个独立测试集：AMPlify和DAMP	NA	门控卷积神经网络, 预训练语言模型	准确率, F1分数, 马修斯相关系数	NA
1497	2026-09-19	Transfer learning based osteoporosis prediction using enhanced medical imaging and fuzzy fusion 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25946-w PMID:41276533	研究论文	本文提出了一种基于迁移学习和模糊融合的骨质疏松症预测方法FuzzyBoneNet，通过增强医学图像提高诊断准确性	结合了先进的图像增强技术（顶帽/底帽滤波、双边滤波）、多种迁移学习模型（AlexNet、VGG-19、Xception）以及模糊排名融合技术，并采用过采样解决类别不平衡问题	摘要中未明确提及研究的局限性	提高骨质疏松症预测的准确性和效率	X射线医学图像中的正常、骨质减少和骨质疏松症病例	计算机视觉	骨质疏松症	迁移学习、图像增强、模糊融合	CNN	图像	未提及具体样本数量	NA	AlexNet, VGG-19, Xception	准确率, 峰值信噪比 (PSNR), 结构相似性指数 (SSIM)	NA
1498	2026-09-19	Dynamic graph-based quantum feature selection for accurate fetal plane classification in ultrasound imaging 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26835-y PMID:41274967	研究论文	本文提出了一种基于动态图的量子特征选择框架，用于提高胎儿超声平面分类的准确性。	提出了一种新颖的基于动态图的量子特征选择框架，利用量子纠缠和多量子比特图来建模特征关系，并选择最具信息量的特征。	未明确提及研究的局限性	提高胎儿超声平面分类的准确性，以增强产前筛查和胎儿异常早期诊断的效率。	胎儿超声图像中的六类平面：大脑、胸部、腹部、股骨、母体宫颈和其他视图。	计算机视觉	胎儿异常	量子特征选择、动态图、深度学习特征提取	多层感知机（MLP）	图像	12,400张胎儿超声图像	NA	预训练深度学习模型（特征提取）、多层感知机（分类）	分类准确率	NA
1499	2026-09-19	Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25296-7 PMID:41271980	研究论文	本文提出了一种结合GAN、LSTM、GRU、VARMA和Deep Dyna Q网络的混合深度学习框架，用于心血管疾病的诊断和预后	创新性地将GAN用于生成合成医学图像以增强训练数据，结合LSTM和GRU处理时间序列医学图像数据，VARMA建模时间依赖性，以及Deep Dyna Q网络学习最优诊断和治疗策略	摘要中未明确提及研究的局限性	提高心血管疾病诊断和预后的准确性和效率，改善治疗效果和患者生存率	心血管疾病患者	医学图像分析	心血管疾病	医学图像分析，时间序列分析	GAN, LSTM, GRU, VARMA, Deep Dyna Q Network	医学图像，患者数据（时间序列）	大规模数据集，具体样本量未在摘要中说明	NA	GAN, LSTM, GRU, VARMA, Deep Dyna Q Network	准确率，灵敏度	NA
1500	2026-09-19	Automated tumor stroma ratio assessment in colorectal cancer using hybrid deep learning approach 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24229-8 PMID:41266465	研究论文	该研究提出了一种混合深度学习框架用于结直肠癌的肿瘤-间质比自动评估	首次引入整合深度学习，利用Transformer机制增强空间上下文理解，并结合CNN-Transformer UNET模型进行肿瘤-间质比评估	未明确提及研究局限性	自动化和客观化结直肠癌的肿瘤-间质比评估	结直肠癌全切片图像	数字病理学	结直肠癌	全切片图像分析	CNN, Transformer	图像	未明确提及样本量	未明确提及	CNN, Transformer, UNET, Efficient-TransUNet	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 聚合Dice系数	未明确提及