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
1761	2025-06-03	Secure IoV communications for smart fleet systems empowered with ASCON 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04061-w PMID:40447743	研究论文	本文提出了一种结合ASCON轻量级加密算法和MQTT协议的安全车联网通信框架，并集成深度学习模型进行实时异常检测和入侵预测	该研究的创新点在于采用轻量级加密方法与基于深度学习的威胁防护相结合的混合框架，能够抵御多种网络攻击	NA	增强智能车队系统的安全车联网通信，提升自动驾驶车辆网络的安全性、可持续性和操作稳健性	车联网通信系统	物联网安全	NA	ASCON加密算法, MQTT协议, 深度学习	深度学习模型	工业车辆数据集	使用Raspberry Pi板和真实工业车辆数据集
1762	2025-06-03	Deep convolutional fuzzy neural networks with stork optimization on chronic cardiovascular disease monitoring for pervasive healthcare services 2025-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02924-w PMID:40447750	research paper	该论文提出了一种结合深度卷积模糊神经网络与鹳优化算法的心血管疾病分类技术（DCFNN-SOCVDC），用于普适医疗服务中的慢性心血管疾病监测	创新点在于结合了深度卷积模糊神经网络（DCFNN）和鹳优化算法（SOA）进行心血管疾病分类，并通过算术优化算法进行特征选择，实现了99.05%的高准确率	未提及具体的数据集规模或多样性限制，也未讨论模型在实时监测环境中的实际应用挑战	开发一种高效的心血管疾病检测与分类方法，以提升普适医疗服务的质量	心血管疾病（CVD）患者	digital pathology	cardiovascular disease	Z-score归一化、算术优化算法、鹳优化算法	DCFNN（深度卷积模糊神经网络）	临床医疗数据	NA（未明确提及具体样本量）
1763	2025-06-03	A review of enhanced biosignature immunotherapy tools for predicting lung cancer immune phenotypes using deep learning 2025-May-30, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02771-1 PMID:40447924	综述	本文综述了深度学习在增强生物标志物免疫治疗工具中的应用，用于预测肺癌患者的免疫表型	系统分析了整合多模态生物医学数据的深度学习预测模型，并强调了关键预测生物标志物在个性化免疫治疗中的重要性	NA	探索深度学习技术在肺癌免疫表型预测中的应用，以改善免疫治疗效果	肺癌患者	数字病理学	肺癌	深度学习	DL	多模态生物医学数据（放射组学、基因组学、转录组学、组织病理学图像）	NA
1764	2025-06-03	Deep learning reconstruction improves computer-aided pulmonary nodule detection and measurement accuracy for ultra-low-dose chest CT 2025-May-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01746-6 PMID:40448068	research paper	比较深度学习重建（DLR）和混合迭代重建（HIR）在胸部超低剂量CT（ULDCT）中的图像质量、肺结节检测率和测量准确性	首次在ULDCT中应用DLR技术，显著提高了结节检测率和测量准确性	样本量相对较小（84名参与者），且仅针对肺结节进行评估	评估DLR在ULDCT中的性能表现	胸部CT图像和肺结节	digital pathology	lung cancer	deep learning reconstruction (DLR), hybrid iterative reconstruction (HIR)	deep learning-based nodule evaluation system	CT images	84名参与者（535个结节）
1765	2025-06-03	Non-destructive detection of early wheat germination via deep learning-optimized terahertz imaging 2025-May-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01393-6 PMID:40448208	研究论文	该论文提出了一种基于深度学习的太赫兹成像技术，用于无损检测小麦早期发芽	结合增强超分辨率生成对抗网络（AESRGAN）和基于EfficientViT的YOLO V8分类模型，显著提高了太赫兹图像的分辨率和分类准确率	当前太赫兹成像技术的图像分辨率较低，限制了其实际应用	开发一种快速、无损的小麦早期发芽检测方法	小麦	计算机视觉	NA	太赫兹成像技术	AESRGAN, EfficientViT-based YOLO V8	图像	NA
1766	2025-06-03	scMODAL: a general deep learning framework for comprehensive single-cell multi-omics data alignment with feature links 2025-May-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60333-z PMID:40442129	研究论文	介绍了一个名为scMODAL的深度学习框架，用于单细胞多组学数据的对齐与特征链接	提出了一个针对单细胞多组学数据对齐的深度学习框架，利用神经网络和生成对抗网络来对齐细胞嵌入并保留特征拓扑结构	未提及具体的局限性	开发一个计算框架以整合不同模态的单细胞多组学数据，促进联合分析	单细胞多组学数据	机器学习	NA	单细胞技术	神经网络, GAN	单细胞多组学数据	NA
1767	2025-06-03	Diagnosis of trigeminal neuralgia based on plain skull radiography using convolutional neural network 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03254-7 PMID:40442191	研究论文	本研究旨在探索使用卷积神经网络（CNN）基于普通X射线颅骨图像诊断三叉神经痛的可行性	首次将CNN应用于普通X射线颅骨图像进行三叉神经痛诊断，并识别出蝶骨体和斜坡作为关键预测区域	外部验证数据集的准确率较低（71.0%），需要进一步优化模型	开发基于深度学习的X射线图像分析方法辅助三叉神经痛诊断	三叉神经痛患者和未破裂颅内动脉瘤患者的颅骨X射线图像	数字病理学	三叉神经痛	CNN	CNN	图像	664张颅骨X射线图像（166例三叉神经痛患者，498例对照组）
1768	2025-06-03	Temporal user interest modeling for online advertising using Bi-LSTM network improved by an updated version of Parrot Optimizer 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03208-z PMID:40442252	研究论文	本文提出了一种基于优化Bi-LSTM和更新版鹦鹉优化器(UPO)的用户兴趣建模方法，用于在线广告中的用户行为预测	结合Bi-LSTM处理用户活动的时序特性，并引入更新版鹦鹉优化器(UPO)提升模型性能	未提及具体数据集规模或实际部署效果	提高在线广告中用户点击率和广告投放精准度	在线广告平台的用户行为数据	自然语言处理	NA	深度学习	Bi-LSTM	用户行为序列数据	NA
1769	2025-06-03	Automated classification of midpalatal suture maturation stages from CBCTs using an end-to-end deep learning framework 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03778-y PMID:40442312	research paper	提出了一种基于深度学习的端到端框架，用于从CBCT图像中自动分类腭中缝成熟阶段	引入了新颖的多滤波器卷积残差注意力网络（MFCRAN）结合DCT层，以及针对数据类别的排序损失和数据增强策略	使用的数据集为私有数据集，可能限制了模型的泛化能力	提高腭中缝成熟阶段分类的准确性和自动化水平，以辅助正畸诊断和治疗规划	CBCT图像中的腭中缝成熟阶段	computer vision	NA	CBCT成像	CNN, EfficientNet, ResNet18, MFCRAN	image	618张CBCT图像，分为五个阶段（A、B、C、D和E）
1770	2025-06-03	Associations of greenhouse gases, air pollutants and dynamics of scrub typhus incidence in China: a nationwide time-series study 2025-May-29, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23156-7 PMID:40442614	research paper	本研究探讨了温室气体和空气污染物与中国恙虫病发病率之间的相关性，并评估了环境因素对不同年龄段和流行期的影响	首次评估了无机化合物如温室气体和空气污染物对恙虫病发病率的影响，并利用深度学习算法预测环境因素对发病率的影响	研究采用横断面方法，结果需要通过额外的队列研究来确认	评估环境因素与恙虫病发病率之间的关系，并开发恙虫病的综合预警系统	中国的恙虫病病例及温室气体和空气污染物数据	public health	scrub typhus	Moving Epidemic Method (MEM), Treed Distributed Lag Non-Linear Model (TDLNM), Quantile-based G Computation (qgcomp), Bayesian Kernel Machine Regression (BKMR), Weighted Quantile Sum (WQS), Convolutional Neural Networks (CNN)	CNN	time-series data	全国范围内的恙虫病病例数据（2005-2018年）
1771	2025-06-03	Mobile based deep CNN model for maize leaf disease detection and classification 2025-May-29, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01386-5 PMID:40442806	研究论文	开发了一种基于移动端的深度CNN模型，用于实时检测和分类玉米叶部病害	首次开发了实时、用户友好的移动应用，用于玉米叶部病害检测和分类，相比现有离线模型更易访问并提供即时反馈	未提及模型在不同环境条件下的泛化能力，以及移动设备性能对应用效果的影响	提高玉米产量通过早期病害检测	玉米叶部病害（枯萎病、普通锈病、灰斑病）及健康叶片	计算机视觉	植物病害	数据增强、加权交叉熵损失	CNN（VGG16、AlexNet、ResNet50）	图像	4188张图像（包含枯萎病、普通锈病、灰斑病及健康叶片）
1772	2025-06-03	Quantitative computed tomography imaging classification of cement dust-exposed patients-based Kolmogorov-Arnold networks 2025-May-27, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103166 PMID:40450965	research paper	该研究使用Kolmogorov-Arnold网络（KANs）对水泥粉尘暴露患者的定量计算机断层扫描（QCT）成像数据进行分类，以评估与水泥粉尘暴露相关的呼吸状况	首次将Kolmogorov-Arnold网络（KANs）应用于QCT成像数据的分类，显著提高了分类性能并优于传统机器学习方法和其他深度学习方法	研究仅针对水泥粉尘暴露患者，可能不适用于其他类型的粉尘或污染物暴露	通过QCT成像数据分类，早期检测水泥粉尘引起的呼吸状况	609名个体，包括311名水泥粉尘暴露者和298名健康对照者	digital pathology	lung disease	quantitative computed tomography (QCT)	Kolmogorov-Arnold networks (KANs)	image	609名个体（311名暴露者，298名健康对照者）
1773	2025-06-03	A Deep Neural Network Framework for the Detection of Bacterial Diseases from Chest X-Ray Scans 2025-May-27, Infectious disorders drug targets DOI:10.2174/0118715265358132250429115426 PMID:40454498	研究论文	开发了一个基于深度神经网络的框架，用于从胸部X光扫描中检测细菌性疾病，包括COVID-19、肺炎和结核病	利用多种DNN学习算法分析X光扫描的颜色、曲线和边缘特征，使用Adam优化器降低错误率并提升模型训练效果，VGG19模型在准确率上显著优于其他模型	错误率为5.28%，可能存在一定的误诊风险	开发一个高效、可靠的深度学习模型，用于快速诊断呼吸系统疾病	胸部X光扫描图像	计算机视觉	呼吸系统疾病	DNN	VGG19	图像	1800张胸部X光图像，包括COVID-19、肺炎、结核病和正常病例
1774	2025-06-03	A classification method of motor imagery based on brain functional networks by fusing PLV and ECSP 2025-May-26, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107684 PMID:40450930	研究论文	提出了一种融合PLV和ECSP的脑功能网络构建方法，用于增强脑状态解码能力并评估运动想象期间脑区相关节点的功能连接变化	融合边缘特征和节点特征构建新型脑功能网络，并设计AMSF-CNN模型进行验证	NA	提升运动想象任务的解码能力并探索人脑工作机制	左右手抓握任务的运动想象脑电信号	脑机接口	NA	PLV（相位锁定值）、ECSP（增强共同空间模式）	AMSF-CNN（注意力多尺度特征卷积神经网络）	脑电信号	SHU_Dataset和BCI IV 2a Dataset
1775	2025-06-03	Deep Learning-Based Chronic Obstructive Pulmonary Disease Exacerbation Prediction Using Flow-Volume and Volume-Time Curve Imaging: Retrospective Cohort Study 2025-May-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69785 PMID:40373296	研究论文	本研究利用深度学习和呼吸功能测试图像预测慢性阻塞性肺疾病(COPD)急性加重事件	结合临床数据和呼吸功能测试图像(流量-容积环和容积-时间曲线)的AI模型，相比仅使用临床变量的模型，能更准确地预测COPD急性加重事件	回顾性研究设计可能引入选择偏倚，且仅来自两家教学医院的数据可能限制结果的普遍性	开发能更准确预测COPD急性加重的AI模型	COPD患者	数字病理	慢性阻塞性肺疾病	深度学习	AI-PFT-Clin模型(结合临床和图像数据的AI模型)	图像(流量-容积环和容积-时间曲线)和临床数据	10,492例COPD病例(开发队列6,870例，外部验证队列3,622例)
1776	2025-06-03	Predicting and Explaining Cognitive Load, Attention, and Working Memory in Virtual Multitasking 2025-05, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549850 PMID:40063446	研究论文	该研究利用深度学习模型预测和解释虚拟多任务环境中的认知负荷、注意力及工作记忆，并通过SHAP分析识别关键特征	首次结合生理指标（如心率和皮肤电反应）与眼动/头部追踪数据，采用深度学习模型全面预测虚拟现实中的认知状态，并引入SHAP可解释性分析	研究依赖于单一公开数据集（VRWalking），未验证模型在其他虚拟任务场景的泛化能力	探索虚拟多任务环境下认知负荷的预测方法及其解释机制	虚拟现实用户的认知状态（物理/心理负荷、工作记忆、注意力）	虚拟现实与人机交互	NA	眼动追踪、头部追踪、心率（HR）和皮肤电反应（GSR）测量	深度学习模型（未指定具体架构）	多模态数据（生理信号、运动追踪、标注的认知状态标签）	基于VRWalking公开数据集（具体样本量未说明）
1777	2025-06-03	FovealNet: Advancing AI-Driven Gaze Tracking Solutions for Efficient Foveated Rendering in Virtual Reality 2025-05, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3549577 PMID:40067704	research paper	本文介绍了一种名为FovealNet的先进AI驱动视线跟踪框架，旨在通过提高视线跟踪精度来优化虚拟现实中的注视点渲染系统性能	FovealNet采用基于事件的裁剪方法和令牌修剪策略，显著减少了输入图像中的无关像素，同时保持跟踪精度，并提出了系统性能感知的多分辨率训练策略以适应不同的运行时渲染配置	未明确提及具体限制，但可能涉及在极端或非标准条件下的性能表现	优化虚拟现实中的注视点渲染系统性能	虚拟现实中的视线跟踪技术	computer vision	NA	深度学习，视线跟踪	DNN	image	NA
1778	2025-06-03	Accelerated intracranial time-of-flight MR angiography with image-based deep learning image enhancement reduces scan times and improves image quality at 3-T and 1.5-T 2025-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03564-7 PMID:40095006	研究论文	本研究评估了基于深度学习的图像增强技术在加速颅内飞行时间磁共振血管成像中的应用效果	利用深度学习算法显著减少了扫描时间并提高了图像质量	研究为回顾性分析，样本量相对有限	评估深度学习增强的TOF-MRA相比传统方法在图像质量和扫描时间上的优势	129名接受脑血管检查的患者	医学影像处理	脑血管疾病	飞行时间磁共振血管成像(TOF-MRA)	深度学习	医学影像	129名患者（99例3-T，30例1.5-T）
1779	2025-06-03	Assessing the Severity of Connective Tissue-Related Interstitial Lung Disease Using Computed Tomography Quantitative Analysis Parameters 2025 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001693 PMID:39761506	research paper	该研究通过基于CT深度学习模型和密度阈值方法的计算机断层扫描定量分析参数，预测结缔组织病相关间质性肺病患者的肺功能损害并评估疾病严重程度	结合RDNet分析模型和Pulmo-3D软件的阈值分割方法，首次提出蜂窝状病变比例作为GAP分期的独立风险因子	样本量有限（105例患者），且为回顾性研究设计	开发CT定量参数用于评估结缔组织病相关间质性肺病的严重程度	结缔组织病相关间质性肺病患者（105例）和健康对照者（80例）	digital pathology	interstitial lung disease	CT定量分析、深度学习模型	RDNet	CT图像	105例CTD-ILD患者（46男/59女，中位年龄64岁）和80例健康对照
1780	2025-06-03	Deep Learning Reconstruction for Enhanced Resolution and Image Quality in Breath-Hold MRCP: A Preliminary Study 2025 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001680 PMID:39761494	研究论文	本研究评估了增强分辨率深度学习重建（ER-DLR）在磁共振胰胆管造影（MRCP）中的图像质量，并与非ER-DLR MRCP图像进行了比较	首次在MRCP中应用ER-DLR技术，显著提高了图像的分辨率、信噪比（SNR）和对比噪声比（CNR）	研究为初步研究，样本量较小（34例患者），且为回顾性研究	评估ER-DLR在MRCP中的图像质量提升效果	被诊断患有胆道和胰腺疾病的患者	医学影像	胆道和胰腺疾病	深度学习重建（DLR），磁共振胰胆管造影（MRCP）	深度学习	医学影像	34例患者