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
2461	2025-02-03	MMnc: Multi-modal interpretable representation for non-coding RNA classification and class annotation 2025-Jan-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf051 PMID:39891346	研究论文	本文介绍了一种名为MMnc的可解释深度学习方法，用于将非编码RNA分类到功能组中	MMnc利用基于注意力的多模态数据集成方法，整合序列、二级结构和表达等多种数据源，确保学习有意义的表示，并处理部分样本中缺失的数据源	NA	旨在通过深度学习技术对非编码RNA进行功能分类和注释	非编码RNA	机器学习	NA	深度学习	基于注意力的多模态数据集成模型	序列、二级结构、表达数据	NA	NA	NA	NA	NA
2462	2025-10-07	Femtojoule optical nonlinearity for deep learning with incoherent illumination 2025-Jan-31, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads4224 PMID:39888986	研究论文	本文提出了一种与不相干照明兼容的非线性光学微器件阵列，用于实现低功耗光学神经网络	通过将液晶单元与硅光电二极管在单像素级别集成，实现了低至100飞焦耳/像素的超低开关能量非线性光学器件	NA	开发适用于光学神经网络的高能效、高度并行的光学非线性组件	光学神经网络中的非线性激活函数器件	计算机视觉	NA	光学器件集成技术	光学神经网络	光学图像	超过50万个像素的器件阵列	NA	多层神经网络	开关能量（100飞焦耳/像素）	NA
2463	2025-10-07	Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87226-x PMID:39885307	研究论文	本研究提出基于Segment Anything Model系列架构的两步式通用视觉废物分拣方法	结合SAM系列模型进行废物对象提取与多种分类架构进行精确分拣，无需开发专用检测分割算法	NA	评估深度学习架构在机器人废物分拣中处理高度可变物体的能力	工业废物分拣	计算机视觉	NA	深度学习	SAM系列模型,CNN	图像	NA	NA	Segment Anything Model,FastSAM,MobileSAMv2,EfficientSAM,MobileNetV2,VGG19,DenseNet,SqueezeNet,ResNet,Inception-v3	准确率	NA
2464	2025-10-07	Multi-modal framework for battery state of health evaluation using open-source electric vehicle data 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56485-7 PMID:39880811	研究论文	提出基于深度学习的多模态框架，利用开源电动汽车数据评估电池健康状态	首次分析300辆电动汽车三年运行数据，揭示现场数据与实验室数据的差异对健康状态评估的影响，并提出多模态深度学习框架	研究基于特定电动汽车数据集，未明确说明模型在其他车型或环境下的泛化能力	开发高效、准确且成本效益高的电池健康状态评估方法	300辆不同类型电动汽车的电池系统	机器学习	NA	深度学习	深度学习模型	多模态传感器数据，历史车辆运行数据	300辆电动汽车的三年运行数据	NA	多模态深度学习框架	NA	NA
2465	2025-10-07	Enhanced hybrid attention deep learning for avocado ripeness classification on resource constrained devices 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87173-7 PMID:39880865	研究论文	提出一种混合注意力卷积神经网络模型用于在资源受限设备上实现鳄梨成熟度分类	结合空间、通道和自注意力模块的混合注意力机制，在保持模型轻量化的同时增强局部特征并捕获全局关系	ShuffleNetV1版本测试准确率仅82.89%，不足以满足实际应用需求	开发适用于资源受限设备的鳄梨成熟度分类深度学习模型	鳄梨果实	计算机视觉	NA	深度学习	CNN	图像	14000张图像	TensorFlow, TensorFlow Lite	EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large	准确率	智能手机（具体型号未指定）
2466	2025-10-07	Learning by making - student-made models and creative projects for medical education: systematic review with qualitative synthesis 2025-Jan-29, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06716-8 PMID:39881268	系统综述	对医学生通过制作创意项目（如手工模型、绘图和概念图）进行学习的效果进行系统评价和定性综合	首次系统评价创意项目式学习对医学生元认知和知识获取的影响，并识别出增强学习、协作学习和深度学习等关键主题	纳入研究数量有限（17项），存在任务要求高、认知情感强度大、与学生专业身份不匹配等挑战	评估创意项目式学习在医学教育中对学生元认知和知识获取的影响	医学生	医学教育	NA	系统评价、内容分析、叙事综合	NA	定量、定性和混合方法研究数据	17项研究（2010-2022年发表）	NA	NA	混合方法评估工具（MMAT）	NA
2467	2025-10-07	Enhancing furcation involvement classification on panoramic radiographs with vision transformers 2025-Jan-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05431-6 PMID:39881302	研究论文	本研究评估了Vision Transformer在全景X光片上分类根分叉病变的性能，并与传统深度学习模型进行比较	首次将Vision Transformer应用于根分叉病变分类任务，并证明其优于传统深度学习模型	研究样本量相对有限，仅包含1,568张牙齿图像	评估Vision Transformer在全景X光片上分类根分叉病变的性能	从506张全景X光片中获取的1,568张牙齿图像	计算机视觉	牙科疾病	全景X光成像	Vision Transformer, MLP, CNN	医学图像	1,568张牙齿图像（来自506张全景X光片）	NA	Vision Transformer, VGGNet, GoogLeNet, MLP	准确率, 精确率, 召回率, F1分数, 交叉熵损失, AUC	NA
2468	2025-10-07	Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03800-4 PMID:39663331	研究论文	本文提出了一种通过分子表面流形嵌入量子信息来预测药物诱导肝毒性的深度学习方法	利用分子表面电子属性的流形嵌入作为分子表示，将量子信息编码用于深度学习的药物毒性预测	NA	开发基于深度学习的药物诱导肝毒性预测方法	药物分子	机器学习	药物性肝损伤	量子化学计算，流形嵌入	深度学习	分子电子属性数据	NA	NA	NA	交叉验证	NA
2469	2025-10-07	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	开发并评估基于集成深度学习的模型，用于自动检测和分割CT扫描中的肺部肿瘤	采用3D U-Net图像多分辨率集成方法平衡体积上下文与分辨率，实现稳健的肿瘤检测和分割	回顾性研究设计，需要进一步前瞻性验证	自动化CT扫描中肺部肿瘤的识别和分割	CT模拟扫描和临床肺部肿瘤分割数据	计算机视觉	肺癌	CT扫描	深度学习	3D医学图像	1,504个CT扫描用于训练，150个CT扫描用于测试	NA	3D U-Net	灵敏度, 特异度, 假阳性率, Dice相似系数	NA
2470	2025-10-07	Deep Learning-Based Identification of Echocardiographic Abnormalities From Electrocardiograms 2025-Jan, JACC. Asia DOI:10.1016/j.jacasi.2024.10.012 PMID:39886205	研究论文	开发基于深度学习的模型，从心电图综合预测超声心动图异常	首次使用深度学习模型从心电图全面预测12种超声心动图发现，涵盖左心异常、瓣膜性心脏病和右心异常	研究仅包含8个中心的数据，外部验证中心较少	开发能够从心电图全面预测超声心动图异常的深度学习模型	229,439对配对的心电图和超声心动图数据集	机器学习	心血管疾病	心电图，超声心动图	CNN，逻辑回归	心电图信号，超声心动图数据	229,439对配对数据，来自8个中心	NA	卷积神经网络	AUC，准确率，灵敏度，特异性	NA
2471	2025-10-07	Automated recognition and segmentation of lung cancer cytological images based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317996 PMID:39888907	研究论文	基于YOLOv8算法开发用于肺癌细胞学图像自动识别和分割的深度学习模型	首次将YOLOv8算法应用于肺癌细胞学图像的实例分割，实现像素级标注和快速定位	NA	开发自动化的肺癌细胞学图像识别和分割方法，提高诊断效率和一致性	肺部病变的细胞学图像，包括胸水细胞学和支气管肺泡灌洗液细胞学图像	计算机视觉	肺癌	细胞学检查	YOLO	图像	NA	NA	YOLOv8	平均像素精度, 平均交并比, 准确率, AUC	NA
2472	2025-10-07	GGSYOLOv5: Flame recognition method in complex scenes based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317990 PMID:39888970	研究论文	提出一种基于深度学习的复杂场景火焰识别方法GGSYOLOv5	在YOLOv5网络中引入全局注意力机制和无参数注意力机制，并使用分组随机卷积替换原始卷积	NA	开发能够在复杂场景中实时准确识别火焰的检测系统	火焰图像	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv5, GGSYOLOv5	准确率, FPS	Jetson Nano嵌入式开发板
2473	2025-02-01	Bayesian deep learning applied to diabetic retinopathy with uncertainty quantification 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41802 PMID:39882466	研究论文	本文提出了一种基于贝叶斯深度学习的糖尿病视网膜病变分类方法，并通过不确定性量化提高了诊断的准确性和可靠性	使用贝叶斯卷积神经网络（CNN）结合变分推断（VI）和蒙特卡洛dropout（MC-dropout）方法，量化模型预测的不确定性	未提及具体局限性	提高糖尿病视网膜病变分类的准确性和可靠性	糖尿病视网膜病变（DR）	医学影像分析	糖尿病视网膜病变	贝叶斯深度学习	CNN, BCNN-VI, BCNN-MC-dropout	图像	APTOS 2019和Messidor-2两个基准数据集	NA	NA	NA	NA
2474	2025-01-14	A CNN-based self-supervised learning framework for small-sample near-infrared spectroscopy classification 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01970a PMID:39803715	研究论文	本文提出了一种基于卷积神经网络（CNN）的自监督学习框架，用于小样本近红外光谱分类	提出了一种自监督学习框架，能够在少量标记数据的情况下提高光谱分析的性能	需要大量伪标记数据进行预训练，可能在实际应用中受到数据获取的限制	提高小样本近红外光谱分类的准确性	三种茶叶品种的光谱数据	机器学习	NA	近红外光谱分析	CNN	光谱数据	自收集的三种茶叶品种数据集及三个公共数据集	NA	NA	NA	NA
2475	2025-01-31	A novel spectroscopy-deep learning approach for aqueous multi-heavy metal detection 2025-Jan-30, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01200c PMID:39775679	研究论文	本文提出了一种结合光谱技术和深度学习的新方法，用于水体中多种重金属的快速检测	开发了一种新的数字光谱成像系统，并利用深度卷积神经网络（ResNet-50、Inception V1和SqueezeNet V1.1）构建了一个端到端的回归模型，用于预测混合水样中的重金属浓度	需要大量的光谱数据来训练AI模型，传统方法难以快速提供这些数据	开发一种高效的方法，用于复杂水环境中重金属的快速检测	混合水样中的重金属（砷、铬、铜）	机器学习	NA	光谱技术	ResNet-50, Inception V1, SqueezeNet V1.1	光谱数据	3000个混合重金属样本的光谱数据	NA	NA	NA	NA
2476	2024-12-15	A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends 2025-Jan-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	研究论文	本研究探讨了将全息显微医学成像与深度学习技术结合用于癌症诊断的新方法	提出了一种结合定量相位成像（QPI）和深度学习（DL）的新方法，解决了传统成像技术无法捕捉详细结构信息的局限性	研究中提到了集成全息成像和深度学习方法所面临的挑战，但未详细说明具体的限制	探索全息显微成像与深度学习技术结合在癌症诊断中的潜力，并提出未来研究方向	癌症诊断中的组织样本和全息图像	计算机视觉	NA	全息显微成像，深度学习	U-Net，Vision Transformer（ViT）	图像	未具体说明样本数量	NA	NA	NA	NA
2477	2025-01-31	EEG-derived brainwave patterns for depression diagnosis via hybrid machine learning and deep learning frameworks 2025-Jan-29, Applied neuropsychology. Adult DOI:10.1080/23279095.2025.2457999 PMID:39879638	研究论文	本文开发了基于脑电图（EEG）信号的机器学习和深度学习技术，用于抑郁症的诊断	结合机器学习和深度学习框架，利用EEG信号进行抑郁症诊断，并在不同条件下测试了三种分类器的性能	样本量较小，仅包含34名抑郁症患者和30名健康受试者	开发基于EEG信号的机器学习和深度学习技术，用于抑郁症的早期诊断	34名抑郁症患者和30名健康受试者的EEG信号	机器学习	抑郁症	EEG信号分析	1DCNN, SVM, LR	EEG信号	64名受试者（34名抑郁症患者和30名健康受试者）	NA	NA	NA	NA
2478	2025-01-31	High-Precision prediction of curling trajectory multivariate time series using the novel CasLSTM approach 2025-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87933-5 PMID:39870770	研究论文	本文提出了一种创新的深度学习方法CasLSTM，用于高精度预测冰壶轨迹的多元时间序列	引入了集成层间记忆的CasLSTM方法，并设计了非教师强制、ExMSE损失和增量多轨迹学习等定制训练技术，显著提高了模型性能	NA	提高冰壶轨迹预测的精度，帮助运动员制定比赛策略	冰壶轨迹的多元时间序列	机器学习	NA	深度学习	CasLSTM	多元时间序列	NA	NA	NA	NA	NA
2479	2025-01-31	Efficient anomaly detection in tabular cybersecurity data using large language models 2025-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88050-z PMID:39870811	研究论文	本文提出了一种基于大型语言模型的创新方法，用于表格数据中的异常检测，称为“通过引导提示的表格异常检测”（TAD-GP）	利用7亿参数的开源模型，结合数据样本引入、异常类型识别、链式思维推理、多轮对话和关键信息强化等策略，显著提高了异常检测的性能	NA	解决传统机器学习和深度学习方法在表格数据异常检测中的泛化问题	表格数据中的异常检测	机器学习	NA	大型语言模型	TAD-GP	表格数据	CICIDS2017、KDD Cup 1999和UNSW-NB15数据集	NA	NA	NA	NA
2480	2025-01-31	Hybrid generative adversarial network based on frequency and spatial domain for histopathological image synthesis 2025-Jan-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06057-9 PMID:39871140	研究论文	本文提出了一种基于频率和空间域的混合生成对抗网络，用于合成高质量的病理学图像	该方法通过跨注意力机制提取和融合空间域和频率域的特征，利用空间域指导优化频率域特征，并通过频率域信息细化空间特征，从而生成高质量的病理学图像	NA	提高病理学图像生成的质量，以支持临床应用	病理学图像	数字病理学	NA	生成对抗网络（GAN）	混合生成对抗网络	图像	Patch Camelyon数据集	NA	NA	NA	NA