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
1821	2025-07-14	An ODE based neural network approach for PM2.5 forecasting 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05958-2 PMID:40640232	研究论文	本文提出了一种基于ODE的神经网络方法，用于PM2.5预测	提出了两种基于ODE的模型：基于transformer的ODE模型和闭式ODE模型，显著提高了预测精度	基于ODE的连续时间模型受数值求解器的限制，影响了可扩展性和复杂现象的建模能力	提高PM2.5时间序列数据的预测准确性	PM2.5浓度数据	机器学习	NA	ODE-based neural network	Transformer-based ODE, Closed-form ODE, LSTM, BiLSTM, GRU	时间序列数据	NA
1822	2025-07-14	Enhanced spectrum sensing for 5G and LTE signals using advanced deep learning models and hyperparameter tuning 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07837-2 PMID:40640243	研究论文	本文介绍了一种利用先进的深度学习模型和超参数调优来增强5G和LTE信号频谱感知准确性的新方法	采用DenseNet121和InceptionV3等先进神经网络架构，并通过系统化的超参数调优显著提升了频谱感知的准确性	在低信噪比帧被排除的受控场景中表现较好，但在信号质量较差的条件下性能可能受限	提升5G和LTE信号在动态和嘈杂无线环境中的频谱感知准确性	5G和LTE信号	机器学习	NA	深度学习	DenseNet121, InceptionV3	合成信号和真实世界数据	大规模多样化数据集
1823	2025-07-14	SynergyBug: A deep learning approach to autonomous debugging and code remediation 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-08226-5 PMID:40640256	研究论文	提出了一种名为SynergyBug的深度学习方法，用于自主检测和修复软件系统中的错误	结合BERT和GPT-3模型，实现自动化的错误检测和修复，减少人工干预	需要人类监控以确保安全性，并管理训练系统的偏差	提高软件系统的质量和可靠性，通过自动化工具改进错误管理	软件系统中的错误检测和修复	自然语言处理	NA	BERT, GPT-3	BERT, GPT-3	文本（错误报告、错误日志和文档）	超过100,000个错误报告
1824	2025-07-14	Lightweight machine learning framework for efficient DDoS attack detection in IoT networks 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10092-0 PMID:40640290	研究论文	提出了一种轻量级机器学习框架，用于高效检测物联网网络中的DDoS攻击	设计了一种轻量级且可扩展的机器学习框架，特别适用于资源受限的物联网环境，通过特征选择和监督学习模型显著提高了检测效率	研究仅基于NSL-KDD数据集进行验证，未在实际物联网设备上进行测试	开发一种高效的DDoS攻击检测方法，以解决物联网网络中的安全问题	物联网网络中的DDoS攻击	机器学习	NA	监督学习	Random Forest, Logistic Regression, Naïve Bayes	网络数据	NSL-KDD数据集
1825	2025-07-14	Plastic water bottle detection model using computer vision in aquatic environments 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09300-8 PMID:40640371	研究论文	本文提出了一种利用计算机视觉、深度学习和目标跟踪算法自动检测和计数水体中塑料水瓶的方法	结合YOLOv8目标检测模型、Norfair目标跟踪库和新颖的后处理算法，有效过滤误检	未提及模型在不同水质或光照条件下的泛化能力	开发自动化水体垃圾检测系统	水体中的塑料水瓶	计算机视觉	NA	深度学习、目标跟踪	YOLOv8	图像	多个公开的标记垃圾和塑料瓶图像数据集
1826	2025-07-14	Automated tick classification using deep learning and its associated challenges in citizen science 2025-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10265-x PMID:40640390	研究论文	本文开发了一种基于深度学习的自动化蜱虫分类方法，并探讨了在公民科学中应用的相关挑战	结合深度学习和公民科学进行大规模蜱虫监测的创新框架	类别不平衡、物种相似性和形态变异性带来的分类挑战	开发自动化蜱虫分类系统以支持公共卫生监测	蜱虫图像数据	计算机视觉	莱姆病和蜱传脑炎	图像分析、目标检测和迁移学习	EfficientNetV2M	图像	超过15,000张蜱虫图像，涵盖7个物种
1827	2025-07-14	Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer 2025-Jul-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01831-8 PMID:40640522	research paper	该研究利用深度学习技术分析常规乳腺X光片，以提高早期乳腺癌淋巴结转移的预测准确性	首次将深度学习应用于常规全乳X光片，结合临床变量显著提升了淋巴结转移的预测性能	研究为回顾性设计，样本仅来自瑞典三家机构，可能影响结果的普适性	开发术前预测乳腺癌淋巴结转移的影像学模型，为手术降级提供依据	1265名cN0 T1-T2期乳腺癌患者（接受初次手术，未进行新辅助治疗）	digital pathology	breast cancer	deep learning	CNN	image	1265例患者的乳腺X光片和临床病理数据
1828	2025-07-14	Rprot-Vec: a deep learning approach for fast protein structure similarity calculation 2025-Jul-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06213-1 PMID:40640710	research paper	提出了一种名为Rprot-Vec的深度学习模型，用于基于蛋白质一级序列数据快速预测蛋白质结构相似性和进行同源检测	结合双向GRU和多尺度CNN层与ProtT5编码，仅使用一级序列数据即可准确快速预测蛋白质结构相似性，参数数量仅为TM-vec的41%但性能更优	未明确提及具体局限性	开发一种高效、可扩展的基于序列的蛋白质结构相似性预测方法	蛋白质序列和结构	computational biology	NA	deep learning	bidirectional GRU, multi-scale CNN, ProtT5	protein sequence data	三个精选训练数据集(CATH_TM_score_S/M/L)
1829	2025-07-14	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-Jul-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	该研究开发了一种基于注意力的多模态深度学习模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	结合了3D卷积神经网络和自注意力机制，以捕捉空间和跨模态的交互，提高了模型的可解释性和跨机构的泛化能力	模型的预测性能仍有提升空间，AUC值在内部和外部验证集上分别为0.73和0.71	预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	乳腺癌患者	数字病理学	乳腺癌	MRI成像和临床特征分析	3D CNN和自注意力机制	医学影像和临床数据	I-SPY 2试验数据集（N=660）和I-SPY 1数据集（N=114）
1830	2025-07-14	Deep learning based aerosol particle classification for the detection of ship emissions 2025-Jul-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180041 PMID:40644880	研究论文	本研究结合单颗粒质谱（SPMS）与深度学习技术，开发了一种用于检测船舶排放的实时气溶胶颗粒分类系统	利用CNN自动处理复杂的质谱数据，实现了13种气溶胶颗粒的高精度分类（92%准确率），并首次将实时分类与风速测量及船舶轨迹数据关联	监测范围限于约1.3公里半径，且仅针对含钒/镍/铁离子的特征颗粒	开发实时船舶排放监测系统以识别使用重油燃料的污染源	船舶排放气溶胶颗粒（特别是含V/Ni/Fe的V-rich类颗粒）	环境监测	NA	单颗粒质谱（SPMS）与深度学习	CNN	质谱数据与船舶轨迹数据	一周监测期内80次通过的21艘船舶（最远1.3公里）
1831	2025-07-14	Segmenting cryo-electron tomography data: Extracting models from cellular landscapes 2025-Jul-10, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103114 PMID:40645092	review	本文探讨了深度学习在冷冻电子断层扫描数据分割中的应用及其对生物学发现的推动作用	综述了深度学习技术如何显著提高冷冻电子断层扫描数据分割的自动化、准确性和可扩展性	未提及具体技术实现的细节或实验验证的局限性	重新定义冷冻电子断层扫描数据分割的最佳实践，以加速生物学发现	冷冻电子断层扫描数据中的亚细胞组件	数字病理学	NA	冷冻电子断层扫描	深度学习	图像	NA
1832	2025-07-14	Artificial Intelligence in Airway Management: A Systematic Review and Meta-Analysis 2025-Jul-09, Anaesthesia, critical care & pain medicine DOI:10.1016/j.accpm.2025.101589 PMID:40645499	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在气道管理中的应用，特别是预测困难气道的模型性能	首次对AI模型在困难气道预测中的性能进行了系统评价和荟萃分析，识别了表现最佳的模型类型	纳入研究数量有限(13项)，且大多数模型表现一般(AUC<0.80)，部分模型存在显著异质性(I2>99%)	评估人工智能模型在预测困难气道方面的性能表现	接受全身麻醉手术的患者和急诊科患者	医疗人工智能	麻醉并发症	机器学习	VGG, SVM, NB	临床数据	13项研究(11项手术患者研究+2项急诊患者研究)
1833	2025-07-14	Machine learning techniques for stroke prediction: A systematic review of algorithms, datasets, and regional gaps 2025-Jul-09, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106041 PMID:40651107	系统综述	本文系统综述了机器学习技术在卒中预测中的应用，包括算法、数据集和地区差异	全面评估了不同机器学习方法在卒中预测中的性能，并识别了高风险人群代表性不足的问题	研究异质性高，无法进行定量荟萃分析，且非洲等高卒中死亡率地区的研究代表性不足	系统评价机器学习在卒中预测中的临床应用和研究趋势	卒中预测的机器学习技术和相关研究	机器学习	心血管疾病	机器学习	集成方法和深度学习	电子健康记录、医学影像和生物信号	58项研究，涉及不同数据源和预测目标
1834	2025-07-14	A Deep Learning Model for Comprehensive Automated Bone Lesion Detection and Classification on Staging Computed Tomography Scans 2025-Jul-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.021 PMID:40634223	research paper	开发了一种深度学习模型，用于在分期CT扫描上自动检测和分类骨病变	使用nnUNet模型对骨病变进行检测和分类，具有高准确性和潜力纠正医生错误	在部分良性患者中出现了假阳性	提高骨病变检测和分类的自动化水平，以辅助癌症分期	骨病变（包括良性和恶性的成骨性和溶骨性病变）	digital pathology	prostate cancer	CT扫描	nnUNet	image	402名患者的CT扫描（测试集包含69名患者，其中32名有骨转移）
1835	2025-07-14	Noise-inspired diffusion model for generalizable low-dose CT reconstruction 2025-Jul-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103710 PMID:40651065	研究论文	提出了一种受噪声启发的扩散模型NEED，用于通用低剂量CT重建，通过双域重建策略提高重建质量和泛化性能	设计了移位泊松扩散模型和对偶引导扩散模型，分别针对投影数据和重建图像进行优化，无需配对数据训练即可适应不同剂量水平	未明确说明模型在极端低剂量情况下的表现及计算效率	提升深度学习模型在未见剂量水平的低剂量CT重建中的泛化能力	低剂量CT图像重建	数字病理	NA	扩散模型	NEED（噪声启发扩散模型）	CT图像	两个数据集（未明确具体数量）
1836	2025-07-14	TTI and pH-responsive dual colorimetric sensor arrays combined with a cascaded deep learning approach for dynamic monitoring of freshness of fresh-cut fruits 2025-Jul-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145495 PMID:40651146	研究论文	开发了一种结合pH响应指示剂和时间温度积分器(TTIs)的双色比色传感器阵列，用于动态监测鲜切水果的新鲜度	结合pH响应指示剂和TTIs的双色比色传感器阵列，以及级联深度学习框架，显著提高了鲜切水果货架期预测的准确性	NA	解决冷链中温度波动和包装失效导致的鲜切水果货架期预测与实际腐败之间的差异问题	鲜切水果（芒果和猕猴桃）	机器视觉与深度学习	NA	双色比色传感器阵列，级联深度学习框架	YOLOv8, ResNet-18, 贝叶斯模型	图像	NA
1837	2025-07-14	Artificial intelligence in nutrition and ageing research - A primer on the benefits 2025-Jul-07, Maturitas IF:3.9Q1 DOI:10.1016/j.maturitas.2025.108662 PMID:40645039	综述	本文综述了人工智能在营养与衰老研究中的应用及其潜在益处	探讨了AI在预测健康结果、识别风险因素及自动化饮食评估中的创新应用	数据质量、伦理问题及AI模型的可解释性等挑战阻碍了AI的广泛应用	促进AI技术在营养与健康老龄化领域的理解与应用	老年人群的健康管理与营养干预	机器学习	老年疾病	机器学习、自然语言处理、深度学习	NA	大型数据集	NA
1838	2025-07-14	Artificial intelligence in forensic pathology: Multi-organ postmortem pathomics for estimating postmortem interval 2025-Jul-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108949 PMID:40651440	研究论文	本研究利用病理组学和深度学习技术，开发了一种三级分层策略，通过分析死后组织图像数据来估计死后间隔时间	首次将病理组学技术应用于法医死后图像分析，提出了一种多器官集成的死后间隔时间估计模型，并引入了全切片图像作为一种新的数据模态	研究样本量较小(12头巴马小型猪)，外部验证仅使用了4头猪	开发基于病理组学和深度学习的死后间隔时间估计方法，为死后病理组学子领域奠定基础	巴马小型猪的肝脏、肾脏和骨骼肌组织	数字病理	NA	全切片图像分析、深度学习	DenseNet121, VGG16, stacking集成模型	图像	12头巴马小型猪(训练集)+4头(外部验证)
1839	2025-07-14	TAC-ECG: A task-adaptive classification method for electrocardiogram based on cross-modal contrastive learning and low-rank convolutional adapter 2025-Jul-05, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108918 PMID:40644854	研究论文	提出了一种基于跨模态对比学习和低秩卷积适配器的心电图任务自适应分类方法TAC-ECG	结合跨模态对比学习和低秩卷积适配器，实现心电图分类任务的自适应，显著减少多任务场景下的资源消耗和部署成本	未明确提及具体局限性	开发一种灵活高效的心电图自动分析方法，提升临床诊断实用性	心电图信号	机器学习	心血管疾病	对比学习, 低秩卷积适配器	TAC-ECG (包含CETP预训练和LRC-Adapter)	心电图信号	四个数据集: CPSC2018, Cinc2017, PTB-XL, Chapman
1840	2025-07-14	CGNet: A Complex-valued Graph Network for jointly learning amplitude-phase information in EEG-based brain-computer interfaces 2025-Jul-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107795 PMID:40644990	研究论文	本文提出了一种复数值图网络（CGNet），用于在基于EEG的脑机接口中联合学习振幅和相位信息	CGNet通过复数值表示同时编码振幅和相位信息，解决了现有深度学习方法独立处理振幅和相位的问题，并设计了双尺度复数值卷积网络、空间注意力模块和动态图卷积来捕获全面的EEG信号信息	NA	开发一种能够联合学习EEG信号中振幅和相位信息的深度学习方法，以提高脑机接口的分类性能	基于EEG的脑机接口中的运动想象和执行任务	脑机接口	NA	EEG信号处理	CGNet, FBCGNet	EEG信号	NA