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
1501	2025-01-15	A two-stage deep learning-based hybrid model for daily wind speed forecasting 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41026 PMID:39801963	研究论文	本文提出了一种基于两阶段深度学习的混合模型，用于每日风速预测	首次将TVFEMD与GB和LSTM模型结合，创建了TVFEMD-GB-LSTM混合模型，用于风速预测	未提及具体的研究局限性	提高风速预测的准确性，以优化风力涡轮机的设置效率	风速数据	机器学习	NA	TVFEMD, GB, LSTM	TVFEMD-GB-LSTM混合模型	时间序列数据	未提及具体样本数量
1502	2025-01-15	SecEdge: A novel deep learning framework for real-time cybersecurity in mobile IoT environments 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40874 PMID:39801973	研究论文	本文提出了一种名为SecEdge的新型深度学习框架，旨在增强移动物联网环境中的实时网络安全	SecEdge框架集成了基于Transformer的模型和Graph Neural Networks (GNNs)，结合联邦学习以确保数据隐私并减少延迟，同时采用自适应学习机制持续更新模型参数以应对不断变化的网络威胁	研究仅在模拟环境中进行评估，未在实际移动物联网环境中进行测试	增强移动物联网环境中的实时网络安全	移动物联网环境中的网络安全	机器学习	NA	深度学习	Transformer, GNN, 联邦学习	网络流量数据	NSL-KDD, UNSW-NB15, 和 CICIDS2017 数据集
1503	2025-01-15	Improving the resolution of solar energy potential maps derived from global DSMs for rooftop solar panel placement using deep learning 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41193 PMID:39802030	研究论文	本研究旨在通过深度学习提高全球数字高程模型（DEM）生成的年度太阳能潜力地图（ASM）的分辨率，以辅助屋顶太阳能板的放置	使用深度学习算法（EDSR网络）提高LiDAR和Copernicus DEM生成的ASM的分辨率，特别是在城市区域	研究主要关注城市区域，可能不适用于其他地形或区域	提高太阳能潜力地图的分辨率，以更准确地定位屋顶太阳能板	全球数字高程模型（DEM）和LiDAR数据	计算机视觉	NA	深度学习	EDSR网络, U-Net	图像	NA
1504	2025-01-15	Are we fitting data or noise? Analysing the predictive power of commonly used datasets in drug-, materials-, and molecular-discovery 2025-Jan-14, Faraday discussions IF:3.3Q2 DOI:10.1039/d4fd00091a PMID:39308206	研究论文	本文分析了在药物发现、分子发现和材料发现中常用的机器学习数据集，通过引入基于估计或实际实验误差的噪声，推导了这些数据集的最大和实际性能界限，并与文献中领先的机器学习模型报告的性能进行了比较	通过引入噪声来估计数据集的性能界限，并提供了Python包NoiseEstimator和基于Web的应用程序，帮助从业者理解数据集的局限性并设定现实的机器学习模型性能期望	研究主要关注化学科学中的数据集，可能不适用于其他领域的数据集	分析常用机器学习数据集的预测能力，并评估其性能界限	药物发现、分子发现和材料发现中的机器学习数据集	机器学习	NA	NA	NA	化学数据	九个常用数据集
1505	2025-01-15	Applications of and issues with machine learning in medicine: Bridging the gap with explainable AI 2025-Jan-14, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01342 PMID:39647859	综述	本文探讨了机器学习在医学中的应用及其挑战，特别是通过可解释AI（XAI）技术来解决模型透明性问题	强调了可解释AI（XAI）在提高机器学习模型透明性和可解释性方面的潜力，以促进其在医疗决策中的信任和接受	机器学习模型的'黑箱'问题仍然是一个重大挑战，可能阻碍其在临床实践中的广泛应用	探讨机器学习在医学中的应用，并推动可解释AI技术的发展，以提高模型的透明性和可解释性	机器学习模型及其在医学中的应用	机器学习	NA	卷积神经网络（CNN）、变换器（Transformers）	CNN, Transformers	患者数据	NA
1506	2025-01-15	Flow Matching for Optimal Reaction Coordinates of Biomolecular Systems 2025-Jan-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01139 PMID:39699247	研究论文	本文提出了一种名为FMRC的深度学习算法，用于识别生物分子可逆动力学中的最优反应坐标	FMRC基于可分解性和可聚合性的数学原理，将其重新表述为条件概率框架，利用深度生成模型进行高效的数据驱动优化	FMRC未明确学习已建立的转移算子或其本征函数	识别生物分子可逆动力学中的最优反应坐标	生物分子系统	机器学习	NA	深度生成模型	FMRC	NA	三个逐渐复杂的生物分子系统
1507	2025-01-15	Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application 2025-Jan-13, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2024.2058 PMID:39805576	研究论文	本研究评估了深度学习技术在甲状腺超声图像分类中的应用，探讨了其在临床中的潜在益处和挑战	利用多视角超声图像和多种卷积神经网络（CNN）算法（如ResNet、DenseNet和EfficientNet）进行甲状腺结节分类，并通过Siamese神经网络实现多视角分析	模型性能可能因不同医生和成像设备获取的图像质量而异，在真实临床环境中的应用效果尚需进一步验证	评估深度学习技术在甲状腺超声图像分类中的适用性，探索其在甲状腺癌诊断中的潜力	甲状腺结节患者的超声图像	计算机视觉	甲状腺癌	深度学习	CNN（ResNet、DenseNet、EfficientNet）、Siamese神经网络	超声图像	943名患者的1,048个甲状腺结节
1508	2025-01-15	Toward efficient slide-level grading of liver biopsy via explainable deep learning framework 2025-Jan-13, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03266-x PMID:39806118	研究论文	本研究开发了一种新的基于多尺度特征提取和融合的patch级分类模型，用于提高肝活检的分级准确性和可解释性，并引入了一种slide级聚合框架，以有效整合局部组织学信息	提出了一种新的patch级分类模型和slide级聚合框架，显著提高了肝活检的分级准确性和可解释性	研究主要基于特定数据集，可能在其他数据集上的泛化能力有待验证	提高慢性肝病的早期和精确诊断能力	肝活检样本	数字病理学	慢性肝病	深度学习	多尺度特征提取和融合模型	图像	1322例肝活检样本
1509	2025-01-15	Diagnosis and prognosis of melanoma from dermoscopy images using machine learning and deep learning: a systematic literature review 2025-Jan-13, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13423-y PMID:39806282	系统综述	本文系统回顾了2016年至2024年间发表的34项研究，探讨了机器学习和深度学习在皮肤镜检查图像中用于黑色素瘤诊断和预后的应用	强调了DenseNet和DCNN等深度学习架构在黑色素瘤检测中的卓越性能，准确率超过95%	数据多样性、模型可解释性和计算资源需求方面的挑战	提高黑色素瘤的诊断准确性和效率	皮肤镜检查图像	计算机视觉	黑色素瘤	机器学习和深度学习	DenseNet, ResNet, DCNN	图像	34项研究，涉及HAM10000、ISIC等数据集
1510	2025-01-15	Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design 2025-Jan-13, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06556-y PMID:39806386	研究论文	本研究探讨了翻转课堂方法对护理学生在专业伦理课程中反思能力的影响	使用Solomon四组设计来评估翻转课堂方法对护理学生反思能力的影响	样本量较小，仅包括80名护理学生	研究翻转课堂方法对护理学生在专业伦理课程中反思能力的影响	护理学生	教育技术	NA	Solomon四组方法	NA	问卷数据	80名护理学生
1511	2025-01-15	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	本研究利用深度学习技术从心电图中识别心脏壁运动异常（WMA），以提高检测准确性	开发了一种新的深度学习模型（ECG-WMA-Net），该模型在检测WMA方面优于传统的心电图解释和Q波指数	研究依赖于加州和乔治亚州的患者数据，可能限制了结果的普适性	提高心脏壁运动异常的检测准确性	35,210名加州患者和2,338名乔治亚州患者的心电图和超声心动图数据	机器学习	心血管疾病	深度学习	深度神经网络（ECG-WMA-Net）	心电图（ECG）和超声心动图数据	35,210名加州患者和2,338名乔治亚州患者
1512	2025-01-15	Computer vision based automatic evaluation method of Y2O3 steel coating performance with SEM image 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85061-0 PMID:39799187	研究论文	本研究介绍了一种基于深度学习的自动评估方法，用于分析扫描电子显微镜（SEM）下的钢微观结构，旨在解决研究人员手动标记和主观评估的局限性	利用先进的计算机视觉算法，特别是名为Tang Rui Detect（TRD）的模型，实现了对钢微观结构特征的高效准确检测和量化，简化了损失函数设计并改进了训练过程	未提及具体局限性	开发一种自动化评估方法，以提高钢微观结构分析的效率和可靠性	钢材料的微观结构	计算机视觉	NA	深度学习	TRD	图像	未提及具体样本数量
1513	2025-01-15	Harnessing advanced hybrid deep learning model for real-time detection and prevention of man-in-the-middle cyber attacks 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85547-5 PMID:39799192	研究论文	本文介绍了一种名为AEXB模型的混合深度学习方法，用于实时检测和防止智能家居环境中的中间人（MitM）网络攻击	结合了AutoEncoder的特征提取能力和XGBoost的分类能力，显著提高了检测精度并减少了误报	未提及模型在其他数据集或环境中的泛化能力	开发一种更先进、自适应的入侵检测系统，以应对智能家居环境中日益增长的安全风险	智能家居环境中的网络通信数据	机器学习	NA	AutoEncoder, XGBoost, Recursive Feature Elimination (RFE), 相关性分析	混合深度学习模型	网络通信数据	使用了Intrusion Detection in Smart Home (IDSH)数据集
1514	2025-01-15	Deep learning for predicting prognostic consensus molecular subtypes in cervical cancer from histology images 2025-Jan-11, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00778-5 PMID:39799271	研究论文	本研究提出了一种端到端的深度学习框架，用于从H&E染色的组织切片中预测HPV阳性宫颈鳞状细胞癌的共识分子亚型	引入了Digital-CMS评分，通过数字化的全切片图像（WSI）提供新的临床优势，揭示了肿瘤微环境差异对患者预后的影响，并识别了作为CMS亚型潜在替代标志物的组织学模式	研究仅针对HPV阳性的宫颈鳞状细胞癌，未涵盖其他类型的宫颈癌	预测宫颈癌的共识分子亚型，以改善患者预后和潜在治疗靶点的识别	HPV阳性的宫颈鳞状细胞癌患者	数字病理学	宫颈癌	深度学习	NA	图像	545例宫颈鳞状细胞癌患者
1515	2025-01-15	Improving 3D deep learning segmentation with biophysically motivated cell synthesis 2025-Jan-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07469-2 PMID:39799275	研究论文	本文提出了一种结合生物物理建模的3D细胞合成框架，用于生成高质量的3D训练数据，以改进深度学习分割模型的性能	通过生物物理建模生成逼真的细胞形状和排列，结合GAN生成图像数据和匹配标签，显著提升了分割模型的性能	未提及具体的数据集规模或实际应用中的验证结果	改进3D深度学习分割模型的性能	3D细胞数据集	计算机视觉	NA	GAN	GAN	3D图像	NA
1516	2025-01-15	UniAMP: enhancing AMP prediction using deep neural networks with inferred information of peptides 2025-Jan-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06033-3 PMID:39799358	研究论文	本文提出了一种名为UniAMP的系统预测框架，用于发现抗菌肽（AMPs），通过深度学习模型推断的肽信息增强或替换现有研究中的特征向量	使用深度学习模型UniRep和ProtT5推断的肽信息，结合全连接层和Transformer编码器的深度神经网络模型，显著提升了抗菌肽预测的性能	尽管在平衡和不平衡数据集上表现出色，但正样本数据的稀缺性可能仍会影响模型的泛化能力	开发一种系统预测框架，用于发现抗菌肽（AMPs）	抗菌肽（AMPs）	自然语言处理	NA	深度学习	全连接层和Transformer编码器	肽序列信息	NA
1517	2025-01-15	Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology 2025-Jan-11, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05334-2 PMID:39799363	研究论文	本研究开发了一种基于RTMpose深度学习技术的模型，用于快速自动测量青少年特发性脊柱侧凸（AIS）患者的全脊柱X光片	利用RTMpose深度学习技术自动化测量过程，解决了手动测量耗时且个体间差异大的问题	不同医院的数据格式和规格存在差异，需通过数据增强技术解决	开发一种深度学习模型，用于快速自动测量AIS患者的全脊柱X光片	10-18岁青少年特发性脊柱侧凸患者	计算机视觉	脊柱侧凸	RTMpose深度学习技术	深度学习模型	X光图像	560张全脊柱矢状面X光片，来自内蒙古五家医院
1518	2025-01-15	The abiologically and biologically driving effects on organic matter in marginal seas revealed by deep learning-assisted model analysis 2025-Jan-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.178251 PMID:39754949	研究论文	本研究利用深度学习辅助模型分析，探讨了黄海和渤海中有机物的非生物和生物驱动效应	引入了先进的深度学习网络推理工具，揭示了不同海域中有机物的分布差异及其驱动因素	研究仅限于黄海和渤海，可能无法完全代表其他边缘海的情况	探讨边缘海中有机物的生物地球化学过程及其驱动因素	黄海和渤海中的颗粒有机物（POM）和溶解有机物（DOM）	机器学习	NA	3D激发-发射矩阵光谱（3D-EEM）结合平行因子分析（PARAFAC）	人工神经网络（ANN）	光谱数据	黄海和渤海中的多个样本
1519	2025-01-15	Enhanced Pneumonia Detection in Chest X-Rays Using Hybrid Convolutional and Vision Transformer Networks 2025-Jan-09, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056326685250101113959 PMID:39806960	研究论文	本研究旨在通过结合卷积神经网络（CNN）和改进的Swin Transformer模块的混合深度学习模型，增强胸部X光片中的肺炎检测	提出了一种结合CNN和改进Swin Transformer模块的混合模型，能够有效捕捉局部和全局特征，显著提高肺炎检测的准确性	未来研究需要进一步优化模型架构，探索更先进的图像处理技术和可解释的AI方法	提高肺炎检测的准确性，减少误分类，为资源有限的地区提供可部署的诊断解决方案	胸部X光片	计算机视觉	肺炎	深度学习	混合模型（CNN + Swin Transformer）	图像	由广州妇女儿童医疗中心提供的数据集
1520	2025-01-15	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究旨在开发一种基于深度学习的模型，用于预测慢性阻塞性肺疾病（COPD）患者的急性加重表型	使用VGG-16深度学习方法从HRCT扫描中提取特征，并结合临床特征和定量CT参数，开发出预测COPD急性加重的模型	样本量相对较小（219名患者），且外部验证队列仅有29名患者	预测COPD患者的急性加重表型	慢性阻塞性肺疾病（COPD）患者	计算机视觉	慢性阻塞性肺疾病	HRCT扫描，VGG-16深度学习方法	VGG-16	图像	219名COPD患者（包括69名非AECOPD患者和150名AECOPD患者），外部验证队列29名患者