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
1781	2026-01-30	Lightweight residual graph augmented transformer for cassava leaf disease recognition using spectral directional features 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33748-3 PMID:41461849	研究论文	本文提出了一种轻量级残差图增强的图变换器网络Lite-RGA-GTNet，用于基于光谱方向特征的木薯叶病害识别	结合光谱方向预处理和渐进式令牌剪枝，集成RGB数据与方向梯度和植被指数图，在注意力层前采用残差图推理，并通过分层图变换器模块融合局部-全局特征，生成紧凑且上下文丰富的表示	未提及	开发一种轻量级模型，用于木薯叶病害识别，以支持实时农业部署	木薯叶图像，包括健康和病害样本	计算机视觉	木薯叶病害	光谱方向预处理，包括方向梯度和植被指数图	图变换器网络	图像	未提及具体数量，但基于一个包含五类（包括健康和病害样本）的木薯叶图像基准数据集	未提及	Lite-RGA-GTNet	准确率, 精确率, 召回率, F1分数	未提及
1782	2026-01-30	Hardware Accelerators for Cardiovascular Signal Processing: A System-on-Chip Perspective 2025-Dec-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17010051 PMID:41597832	综述	本文对专为实时心血管信号处理设计的硬件加速器进行了全面的系统性分析，重点关注心电图、光电容积脉搏波和血压监测系统	从系统级芯片的角度，对2014年至2024年间59篇研究论文进行系统性分析，并识别出混合FPGA-ASIC架构和边缘AI加速器作为下一代心血管疾病监测系统最有前景的解决方案	分析基于2014年至2024年间的文献，可能未涵盖最新技术进展；研究范围限定于特定信号类型	调查用于实时心血管信号处理的硬件加速器，为下一代心血管疾病监测系统提供指导	心电图、光电容积脉搏波和血压监测系统	数字病理学	心血管疾病	NA	机器学习, 深度学习	信号	59篇研究论文	NA	NA	能源效率, 处理速度, 临床准确性	现场可编程门阵列, 专用集成电路, 边缘人工智能加速器
1783	2026-01-30	A Novel Fabric Strain Sensor Array with Hybrid Deep Learning for Accurate Knee Movement Recognition 2025-Dec-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17010056 PMID:41597836	研究论文	本文提出了一种新型轻质织物应变传感器阵列，结合混合深度学习模型，用于准确识别膝关节运动	采用独特的两层八传感元件设计实现膝关节应变分布的空间映射，并首次将CNN + BiLSTM + Attention混合模型应用于此类传感器数据，通过通道注意力机制识别关键传感元件	实验姿势多样性有限，仅测试了坐姿抬腿、站立和行走三种活动	开发用于膝关节运动监测的智能传感系统	膝关节运动与应变分布	机器学习	NA	织物应变传感	CNN, BiLSTM, Attention	时间序列传感器数据	10名受试者	NA	CNN + BiLSTM + Attention混合架构	准确率	NA
1784	2026-01-30	Forecasting Daily Ambient PM2.5 Concentrations in Qingdao City Using Deep Learning and Hybrid Interpretable Models and Analysis of Driving Factors Using SHAP 2025-Dec-30, Toxics IF:3.9Q1 DOI:10.3390/toxics14010044 PMID:41600593	研究论文	本研究采用深度学习模型预测青岛市每日PM2.5浓度，并利用SHAP分析驱动因素	提出了一种新颖的混合可解释CNN-BiLSTM-Transformer架构，结合了局部特征提取、双向时间依赖捕获和全局模式增强	未明确说明数据集的样本数量或时间范围，可能影响模型泛化能力	预测空气污染（特别是PM2.5浓度）以支持公共健康和政策制定	青岛市的气象因素和大气污染物数据	机器学习	NA	深度学习	RNN, ANN, CNN, BiLSTM, Transformer, CNN-BiLSTM-Transformer	时间序列数据（气象和污染物数据）	NA	NA	RNN, ANN, CNN, BiLSTM, Transformer, CNN-BiLSTM-Transformer	RMSE, MAE, MAPE, 相关系数R	NA
1785	2026-01-30	Ball bearing fault detection using an acoustic based machine learning approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33978-5 PMID:41457076	研究论文	本文提出了一种基于声学振动信号和连续小波变换的深度神经网络方法，用于球轴承故障检测	采用非重叠窗口将数值信号转换为堆叠的尺度图，并结合小波尺度图与卷积网络实现实时数据分类，在故障诊断中展现出更高的预测精度	NA	通过机器学习方法预测球轴承故障，实现早期故障检测以支持预测性维护	球轴承的声学振动信号	机器学习	NA	连续小波变换	CNN	声学振动信号	NA	NA	LeNet-5	准确率	NA
1786	2025-12-31	Deep learning denoising enables rapid SEM imaging under charging conditions for FE SEM, CD SEM, and review SEM 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33273-3 PMID:41461855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1787	2026-01-30	Explainable fusion of EfficientNetB0 and ResNet50 for liver fibrosis staging in ultrasound imaging 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33544-z PMID:41461883	研究论文	本文提出了一种结合EfficientNetB0和ResNet50的多流深度学习架构，用于超声图像中的肝纤维化分期	提出了一种特征级融合解决方案，结合了EfficientNetB0和ResNet50模型，并采用了先进的归一化/正则化技术	未明确提及研究局限性	开发一种用于肝纤维化分期的深度学习模型	超声图像中的肝纤维化分期	计算机视觉	肝纤维化	超声成像	CNN	图像	NA	NA	EfficientNetB0, ResNet50	准确率, 损失值	NA
1788	2026-01-30	Deep Learning-Based EEG Emotion Recognition: A Review 2025-Dec-28, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16010041 PMID:41594762	综述	本文综述了基于深度学习的脑电图（EEG）情绪识别方法，总结了常用模型、应用、网络架构设计、优化策略及基于EEG信号特征的模型设计	提出了一个最小化的共性-个性（C-I）框架来评估模型，并讨论了从共性与个性角度改进现有方法的策略	NA	总结和评估深度学习在EEG情绪识别领域的应用，并探讨未来研究方向	脑电图（EEG）信号	自然语言处理	NA	EEG信号采集	深度学习模型	EEG信号	NA	NA	NA	NA	NA
1789	2026-01-30	DNABERT2-CAMP: A Hybrid Transformer-CNN Model for E. coli Promoter Recognition 2025-Dec-28, Genes IF:2.8Q2 DOI:10.3390/genes17010027 PMID:41595447	研究论文	本研究提出了一种名为DNABERT2-CAMP的混合Transformer-CNN模型，用于大肠杆菌启动子识别	结合预训练的DNABERT-2 Transformer进行全局序列编码与自定义的CAMP模块进行局部特征细化，以同时建模长距离基因组依赖性和细粒度局部基序	NA	提高大肠杆菌启动子序列的识别准确性和可解释性	大肠杆菌的启动子序列	自然语言处理	NA	DNA序列分析	Transformer, CNN	DNA序列	8720个实验验证的81-bp序列（包括阳性和阴性样本）	NA	DNABERT-2, CAMP模块	准确率, ROC AUC, 马修斯相关系数	NA
1790	2026-01-30	Accurate Clinical Entity Recognition and Code Mapping of Anatomopathological Reports Using BioClinicalBERT Enhanced by Retrieval-Augmented Generation: A Hybrid Deep Learning Approach 2025-Dec-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010030 PMID:41595962	研究论文	本文开发并评估了一种用于解剖病理学报告中实体提取和多本体标准化的自动化流程	采用BioClinicalBERT结合检索增强生成技术，整合密集和BM25稀疏检索，实现多本体（SNOMED CT、LOINC、ICD-11）术语映射	研究样本有限，需多机构验证才能临床部署	自动化提取解剖病理学报告中的临床实体并进行术语标准化	解剖病理学报告	自然语言处理	NA	检索增强生成	BERT	文本	560份来自突尼斯军事医院的报告	NA	BioBERT v1.1, BioClinicalBERT	精确率, 召回率, F1分数, Cohen's Kappa	NA
1791	2026-01-30	A Bidirectional Design Method for Through-Glass Vias with Selective Laser Wet Etching Based on the Cross-Modal Learning Method 2025-Dec-27, Micromachines IF:3.0Q2 DOI:10.3390/mi17010033 PMID:41597814	研究论文	本文提出了一种基于跨模态学习方法的玻璃通孔双向设计方法，用于精确预测激光湿法刻蚀参数与形态	通过整合元胞自动机刻蚀扩散物理模型与稳定扩散架构，实现了从激光参数到玻璃通孔形态的精确前向预测，并应用对比语言-图像预训练模型实现高效逆向设计	NA	解决激光湿法刻蚀工艺参数复杂影响下，玻璃通孔参数与刻蚀形态精确双向预测的挑战	玻璃通孔	机器学习	NA	选择性激光湿法刻蚀	稳定扩散, 对比语言-图像预训练	图像, 文本	NA	NA	稳定扩散, 对比语言-图像预训练	NA	NA
1792	2026-01-30	Transformer-based and CNN-based models for clinically effective 2D and 3D pelvic bone segmentation in CT imaging 2025-Dec-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09444-8 PMID:41449371	研究论文	本研究首次系统比较了基于CNN（U-Net、LinkNet）和Transformer（UNETR）架构的2D与3D模型，用于CT影像中骨盆骨结构的自动分割，旨在为临床创伤成像提供最优分割策略	首次在PENGWIN MICCAI 2024挑战数据集上系统比较2D与3D格式的CNN和Transformer架构用于骨盆骨分割，并通过整合原始30类标注为4类，为多碎片骨盆骨折分析提供了新的基准	需要外部验证和工作流程评估以支持临床整合，且UNETR在复杂碎片定位中灵敏度较低	评估和比较不同深度学习模型在骨盆CT影像中骨结构和骨折碎片自动分割的准确性与效率，以支持临床创伤成像	150名骨盆骨折患者的CT影像数据，聚焦于骶骨、左髋骨和右髋骨的分割	计算机视觉	骨盆骨折	CT成像	CNN, Transformer	图像	150名患者	PyTorch, TensorFlow	U-Net, LinkNet, UNETR, VGG19, ResNet50	Dice系数, IoU, 准确率, 灵敏度, 特异性	GPU（具体型号未指定），使用5折交叉验证进行训练和评估
1793	2026-01-30	Enhanced feature dynamic fusion gated UNet for robust retinal vessel segmentation 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33694-0 PMID:41453968	研究论文	本研究提出了一种用于视网膜血管分割的深度学习模型EFDG-UNet，通过优化特征融合、动态选择和全局位置建模来提升分割性能	提出了特征导航中心（FN-Hub）捕获多编码器层的长程依赖关系，自适应门控残差块（AGRB）增强病变区域和低对比度场景的特征选择性，以及并行聚焦注意力模块（PFAM）优化通道和空间信息	未明确说明模型在临床环境中的泛化能力或计算效率限制	开发一种鲁棒的视网膜血管分割方法以应对小血管分割、病变干扰和多尺度结构适应等挑战	视网膜血管图像	计算机视觉	视网膜血管疾病	深度学习	CNN	图像	DRIVE、CHASE_DB1和STARE三个公开数据集	未明确说明	U-Net	AUC, F1-score	未明确说明
1794	2026-01-30	Deep learning framework using UAV imagery for multi-disease detection in cereal crops 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33304-z PMID:41454037	研究论文	提出一种基于无人机影像和混合深度学习的多病害检测框架，用于识别小麦作物中的多种疾病	采用预训练的VGG-16卷积神经网络进行深度特征提取，并结合多种机器学习分类器（如SVM、随机森林等）进行病害分类，通过混合方法显著提升分类性能	未提及	开发自动化、准确且实时的病害监测系统，以支持现代精准农业	小麦作物及其病害（条锈病、白粉病、赤霉病、黄矮病）	计算机视觉	作物病害	无人机影像	CNN, SVM, RF, DT, XGBoost, BNB	图像	自定义数据集，具体数量未提及	未提及	VGG-16	准确率, 精确率, 召回率, F1分数	未提及
1795	2026-01-30	Detection and diagnosis of diabetic retinopathy in retinal fundus images using agentic AI approaches 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34016-0 PMID:41454113	研究论文	本研究提出了一种基于智能代理的AI框架（AADR-AI），用于通过视网膜眼底图像检测和诊断糖尿病视网膜病变	将智能代理原则（自主性、反应性和主动性）融入DR检测系统，实现实时分析和基于患者特定变化的自适应特征学习	NA	早期检测和准确诊断糖尿病视网膜病变，以进行及时干预	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	NA	CNN, Transformer	图像	NA	NA	卷积网络, Transformer网络	分类准确率	NA
1796	2026-01-30	LoRA-based methods on Unet for transfer learning in aneurysmal subarachnoid hematoma segmentation 2025-Dec-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02116-y PMID:41454218	研究论文	本研究探索了基于LoRA的Unet模型在动脉瘤性蛛网膜下腔血肿分割中的迁移学习方法，提出了一种新颖的CP-LoRA方法及多种DoRA变体，并验证了从创伤性脑损伤数据迁移到动脉瘤性SAH分割的可行性	首次将LoRA方法应用于医学图像分割中的卷积神经网络，提出了基于张量CP分解的CP-LoRA新方法，并引入了分解权重矩阵为幅度和方向分量的DoRA变体，挑战了传统的低秩假设	研究样本量较小（仅30例动脉瘤性SAH患者），且性能在小体积血肿（<25 mL）上仍较差（Dice 0.107-0.361），需要进一步验证	开发参数高效的迁移学习方法，以解决动脉瘤性蛛网膜下腔出血（SAH）自动分割中标注数据稀缺和跨机构泛化挑战的问题	动脉瘤性蛛网膜下腔出血（SAH）患者的CT扫描图像	医学影像分析	动脉瘤性蛛网膜下腔出血	计算机断层扫描（CT）	CNN, Unet	医学图像（CT扫描）	预训练：124例创伤性脑损伤患者（多机构）；微调：30例动脉瘤性SAH患者（密歇根大学健康系统）	NA	Unet, 多视图Unet	Dice分数, 预测与标注血体积对比	NA
1797	2026-01-30	AR-CDT NET: a deep deformable convolutional network for gut microbiome-based disease classification 2025-Dec-26, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06357-0 PMID:41454222	研究论文	本文提出了一种名为AR-CDT Net的深度学习框架，用于基于肠道微生物组的疾病分类	集成了多尺度可变形卷积模块和通道动态Tanh激活函数，以更准确和鲁棒地分类宿主疾病状态	未明确提及	提高基于肠道微生物组的疾病分类的预测性能和鲁棒性	肠道微生物组数据	机器学习	多种疾病	宏基因组测序	CNN	微生物组数据	超过8000个样本，涵盖八种疾病表型	NA	AR-CDT Net	AUC	NA
1798	2026-01-30	Engineering enhanced signal peptides: A high-throughput computational pipeline for optimizing therapeutic protein production in CHO cells 2025-Dec-25, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2025.10.007 PMID:41115608	研究论文	本文开发了一种高通量计算筛选管道，用于优化中国仓鼠卵巢细胞中治疗性蛋白质分泌的信号肽设计	利用深度学习模型SignalP 6.0筛选数百万个信号肽变体，揭示了疏水性特征、蛋白质溶解度和mRNA二级结构稳定性与表达水平的新关联	研究主要针对人血清白蛋白在CHO细胞中的表达进行验证，尚未广泛测试其他治疗性蛋白质	优化治疗性蛋白质在CHO细胞中的生产，通过理性设计高效信号肽	信号肽变体，源自小鼠/人类野生型库和C区突变体	计算生物学	NA	深度学习，高通量计算筛选	深度学习模型	序列数据	数百万个信号肽变体，包括三十个有前景的信号肽进行实验验证	NA	SignalP 6.0	预测的易位效率和切割准确性	NA
1799	2026-01-30	Enhancing healthcare classification with hybrid multimedia data processing and deep learning TNBO FCNN approach in IoT-enabled environments 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33141-0 PMID:41449205	研究论文	提出了一种结合可调非线性贝叶斯优化和全连接神经网络的混合深度学习框架，用于物联网环境中多模态医疗数据的分类，并集成了区块链技术以确保数据安全	首次将可调非线性贝叶斯优化用于高效路由和超参数调优，并与全连接神经网络结合，同时嵌入区块链技术，以解决多模态医疗数据分类中的准确性、实时性和安全性问题	未明确说明模型在极端资源受限环境中的性能，且伦理影响和未来研究方向仅作讨论，未进行实证验证	提升物联网医疗环境中多模态数据的分类准确性、实时处理能力和安全性	物联网医疗系统中的多模态患者数据（如语音、图像、信号）	机器学习	NA	深度学习, 区块链技术	FCNN	多模态数据（语音、图像、信号）	基准数据集（具体数量未说明）	NA	全连接神经网络	准确率, 灵敏度, 特异性, F1分数, AUC-ROC	NA
1800	2026-01-30	Optimized deep learning for Indian Classical Dance Classification a novel application based on a refined version of chameleon swarm algorithm 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33469-7 PMID:41449277	研究论文	本文提出了一种基于改进变色龙群算法的深度信念网络优化方法，用于印度古典舞蹈风格的自动分类	引入了改进的精细变色龙群算法，通过非线性自适应权重机制和伯努利混沌映射，平衡探索与利用，克服了原始算法收敛过快的问题，提升了在复杂优化场景中的全局搜索能力	未明确提及模型的计算复杂度、泛化能力到其他舞蹈风格或实际部署中的实时性能限制	优化深度信念网络以实现印度古典舞蹈风格的准确自动分类	印度古典舞蹈风格	计算机视觉	NA	NA	深度信念网络	视觉数据	基于印度舞蹈形式分类和Bharatnatyam舞蹈姿势两个数据集，具体样本数量未明确说明	NA	深度信念网络	准确率, 精确率, 灵敏度, 特异性, F1分数	NA