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
1781	2025-02-06	AI Methods for Antimicrobial Peptides: Progress and Challenges 2025-01, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70072 PMID:39754551	综述	本文综述了人工智能在抗菌肽（AMPs）识别和设计中的最新进展、挑战和机遇，特别强调了大型语言模型（LLMs）、图神经网络（GNNs）和结构引导设计	本文填补了现有综述在大型语言模型（LLMs）、图神经网络（GNNs）和结构引导抗菌肽发现与设计方面的空白	现有方法在抗菌肽发现和设计中仍存在局限性，需要进一步解决	探讨人工智能在抗菌肽识别和设计中的应用	抗菌肽（AMPs）	机器学习	NA	机器学习（ML）、深度学习（DL）	大型语言模型（LLMs）、图神经网络（GNNs）	NA	NA
1782	2025-02-06	Treatment efficacy prediction of focused ultrasound therapies using multi-parametric magnetic resonance imaging 2025, Cancer prevention, detection, and intervention : Third MICCAI Workshop, CaPTion 2024, Held in Conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. CaPTion (Workshop) (3rd : 2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-73376-5_18 PMID:39802501	研究论文	本文提出了一种利用多参数磁共振成像预测聚焦超声治疗效果的深度学习框架	利用治疗期间获取的多参数MRI图像，通过深度学习框架实时预测治疗效果，克服了传统方法延迟评估的局限性	研究样本量较小（N=6），且仅在VX2肿瘤模型兔上进行验证，需进一步在更大样本和人类患者中验证	开发一种能够实时评估聚焦超声治疗效果的方法，以提高治疗精度和效果	VX2肿瘤模型兔	数字病理学	乳腺癌	多参数磁共振成像（MRI）	深度学习框架	MRI图像	6只VX2肿瘤模型兔
1783	2025-02-06	ShaderNN: A Lightweight and Efficient Inference Engine for Real-time Applications on Mobile GPUs 2025-Jan-01, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2024.128628 PMID:39802630	研究论文	本文提出了一种名为ShaderNN的轻量级高效推理引擎，专为移动设备上的实时应用设计	ShaderNN首次利用基于OpenGL后端的片段着色器进行神经网络推理操作，提出了计算着色器和片段着色器的混合实现，以提升性能	NA	设计一个适用于移动设备的深度学习推理框架，以解决计算能力有限、低功耗预算、内存访问方法多样以及I/O总线带宽受限等问题	移动设备上的实时应用，如游戏和视频处理软件	机器学习	NA	OpenGL	神经网络	图像	NA
1784	2025-02-06	Deep learning model to diagnose cardiac amyloidosis from haematoxylin/eosin-stained myocardial tissue 2025-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyae141 PMID:39811011	研究论文	本研究开发了一种深度学习模型，用于从苏木精/伊红（HE）染色的心肌组织中诊断心脏淀粉样变性	首次利用深度学习模型从HE染色的心肌组织中诊断心脏淀粉样变性，并通过模型高亮显示疑似淀粉样沉积区域	需要进一步的多中心前瞻性验证来确认模型的普遍适用性	开发一种深度学习模型，以支持从HE染色的心肌组织中诊断心脏淀粉样变性	166名接受心肌活检的患者，包括76名诊断为心脏淀粉样变性的患者和90名其他诊断的患者	数字病理学	心血管疾病	深度学习	深度学习模型	图像	166名患者的心肌活检样本
1785	2025-02-06	A method for blood pressure hydrostatic pressure correction using wearable inertial sensors and deep learning 2025, Npj biosensing DOI:10.1038/s44328-024-00021-y PMID:39897702	研究论文	本文提出了一种使用可穿戴惯性传感器和深度学习进行血压静水压力校正的方法	提出了一种名为IMU-Track的新方法，利用可穿戴惯性传感器和深度学习模型校正血压测量中的静水压力变化	研究样本量较小，仅涉及20名参与者	开发一种无袖带、无创的血压测量方法，以校正传感器位置变化引起的静水压力误差	血压测量中的静水压力变化	机器学习	心血管疾病	深度学习	深度学习模型	传感器数据	20名参与者
1786	2025-02-06	Deep Learning-Based Body Shape Clustering Analysis Using 3D Body Scanner: Application of Transformer Algorithm 2025-Jan, Iranian journal of public health IF:1.3Q4 DOI:10.18502/ijph.v54i1.17583 PMID:39902372	研究论文	本研究利用3D人体扫描仪进行基于深度学习的体型聚类分析，并应用Transformer算法	使用Transformer算法进行体型分类，相比传统方法具有更高的性能，并将体型聚类分为六个更细粒度的类别	样本仅来自韩国国立体育大学的366名成年男女，可能缺乏广泛代表性	进行基于深度学习的体型聚类分析，以预测健康和疾病	366名成年男女的3D体型数据	机器学习	NA	3D Body Scanner, Transformer学习, 降维模型	Transformer	3D图像数据	366名成年男女
1787	2025-02-06	The Impact of Artificial Intelligence on Healthcare: A Comprehensive Review of Advancements in Diagnostics, Treatment, and Operational Efficiency 2025-Jan, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70312 PMID:39763580	综述	本文全面回顾了人工智能在医疗保健领域的影响，包括诊断、治疗和运营效率的进步	本文综合分析了人工智能在医疗保健中的应用，提供了最新的文献和实际案例研究，如Google Health和IBM Watson Health，并讨论了人工智能的新发展及其社会影响	人工智能在医疗保健中的主流应用面临数据安全和预算限制等主要障碍	描述人工智能在医疗保健中的应用，包括机器人技术、机器学习、深度学习和自然语言处理等重要技术，并研究这些技术在患者互动、预测分析和远程监控中的应用	医疗保健领域的人工智能应用	机器学习	NA	机器学习（ML）、深度学习（DL）、自然语言处理（NLP）	NA	文献和案例研究数据	从2014年的158篇文章（3.54%）到2024年的731篇文章（16.33%）
1788	2025-02-06	A tactile perception method with flexible grating structural color 2025-Jan, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae413 PMID:39764508	研究论文	本文提出了一种结合柔性光栅结构色和深度学习的新型触觉感知方法及其传感器	引入光学干涉图案作为触觉信息的视觉表示，结合柔性闪耀光栅的结构色和深度学习，提升了触觉估计性能	NA	提高触觉传感器的性能，解决现有视觉触觉传感器依赖几何光学或标记跟踪的局限性	触觉传感器	计算机视觉	NA	深度学习	NA	图像	NA
1789	2025-02-05	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	本文介绍了一种与不相干照明兼容的非线性光学微器件阵列（NOMA），用于深度学习的低功耗光学神经网络	通过将液晶单元与硅光电二极管集成在单像素级别，实现了超低切换能量（低至100飞焦耳每像素）的非线性光学微器件阵列	NA	开发能量高效且高度并行的光学非线性器件，以支持大规模、低功耗的深度光学神经网络	光学神经网络（ONNs）及其非线性组件	计算机视觉	NA	光学非线性器件集成	光学多层神经网络	光学图像	超过50万个像素的NOMA器件
1790	2025-02-05	Enhancing cybersecurity via attribute reduction with deep learning model for false data injection attack recognition 2025-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82566-6 PMID:39890851	研究论文	本文提出了一种基于深度学习的属性减少技术，用于识别虚假数据注入攻击，以提高电网系统的安全性	引入了改进的深度信念网络（IDBN）模型和基于鲸鱼优化算法（COA）的超参数调优过程，以提高虚假数据注入攻击的检测性能	未提及具体的数据集大小或实验环境的具体细节	提高电网系统对虚假数据注入攻击的检测能力，增强电网的安全性和韧性	电网系统中的虚假数据注入攻击	机器学习	NA	Z-score归一化，改进的Lemrus优化算法（MLOA），改进的深度信念网络（IDBN），鲸鱼优化算法（COA）	改进的深度信念网络（IDBN）	电网测量数据	未提及具体样本数量
1791	2025-02-03	Correction: Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2025-Jan-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05030-x PMID:39891069	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1792	2025-02-05	A deep learning model for assistive decision-making during robot-aided rehabilitation therapies based on therapists' demonstrations 2025-Jan-31, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01517-4 PMID:39891159	研究论文	本文提出了一种基于深度学习的模型，用于在机器人辅助康复治疗中根据治疗师的示范进行辅助决策	该模型能够从治疗师的标准中学习，判断患者在机器人辅助康复治疗中何时需要帮助，并通过微调个性化辅助，提高决策准确性	模型在测试数据集上的准确率为76.09%，仍有提升空间	提高机器人辅助康复治疗中的辅助决策能力	患有神经系统疾病的患者	机器学习	神经系统疾病	深度学习	一维卷积神经网络（CNN）	时间序列数据	多样化的神经系统疾病患者
1793	2025-02-05	Towards unbiased skin cancer classification using deep feature fusion 2025-Jan-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02889-w PMID:39891245	研究论文	本文介绍了SkinWiseNet (SWNet)，一种用于检测和自动分类潜在恶性皮肤癌状况的深度卷积神经网络	SWNet通过多路径优化特征提取，强调网络宽度增强以提高效率，并通过特征融合减少与肤色和毛发相关的偏见	NA	提高皮肤癌检测和分类的准确性，减少与肤色和毛发相关的偏见	皮肤癌图像	计算机视觉	皮肤癌	深度学习	CNN	图像	四个公开数据集（Mnist-HAM10000, ISIC2019, ISIC2020, Melanoma Skin Cancer）
1794	2025-02-05	Predicting survival in malignant glioma using artificial intelligence 2025-Jan-31, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02339-3 PMID:39891313	研究论文	本文探讨了使用人工智能技术预测恶性胶质瘤患者生存期的有效性	利用机器学习和深度学习技术整合多模态数据，显著提高了胶质瘤患者生存预测的准确性	数据异质性、可解释性挑战和计算需求，特别是在资源有限的环境中	评估不同AI模型在预测恶性胶质瘤患者生存期方面的比较效果	恶性胶质瘤患者	机器学习	脑癌	机器学习（ML）、深度学习（DL）	NA	影像、临床参数、分子生物标志物	NA
1795	2025-02-05	A review of state-of-the-art resolution improvement techniques in SPECT imaging 2025-Jan-30, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00724-9 PMID:39883257	综述	本文综述了SPECT成像中提高空间分辨率的最新技术方法	深入探讨了探测器设计、投影采样技术、传统重建算法优化以及深度学习在SPECT成像中的新兴作用	SPECT成像的空间分辨率相对较差，尤其是在小病变的可视化方面存在显著限制	识别SPECT领域中分辨率增强技术的最新趋势，以促进临床系统的进一步优化和改进	临床和临床前SPECT系统	医学影像	肿瘤	SPECT成像	深度学习	图像	NA
1796	2025-02-05	MMFW-UAV dataset: multi-sensor and multi-view fixed-wing UAV dataset for air-to-air vision tasks 2025-Jan-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04482-2 PMID:39885165	研究论文	本文介绍了一个用于空对空视觉任务的多传感器和多视角固定翼无人机数据集MMFW-UAV	MMFW-UAV是首个一对一多模态图像数据集，具有高质量标注，适用于固定翼无人机的识别、检测和监控	NA	为固定翼无人机的识别、检测和监控提供高质量的多模态图像数据集	固定翼无人机	计算机视觉	NA	多传感器（变焦、广角和热成像传感器）	深度学习对象检测架构	图像	147,417张固定翼无人机图像
1797	2025-02-05	Optimized deep learning model with integrated spectrum focus transformer for pavement distress recognition and classification 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88251-6 PMID:39885250	研究论文	本文提出了一种集成频谱聚焦变换器（SFT）层的优化深度学习模型，用于路面病害识别和分类	创新点在于提出了频谱聚焦变换器（SFT）层，通过处理信号频谱并聚焦于重要频率成分，增强了捕捉路面病害区域的能力	未明确提及研究的局限性	研究目的是提高路面病害识别和分类的准确性	研究对象是路面病害图像数据	计算机视觉	NA	深度学习	频谱聚焦变换器（SFT）	图像	NA
1798	2025-02-05	Biomedical named entity recognition using improved green anaconda-assisted Bi-GRU-based hierarchical ResNet model 2025-Jan-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06008-w PMID:39885428	研究论文	本文提出了一种改进的基于Bi-GRU的分层ResNet模型，用于生物医学命名实体识别	提出了改进的绿蟒蛇辅助Bi-GRU分层ResNet模型（IGa-BiHR BNERM），用于提高生物医学命名实体识别的准确性	需要大量标注数据集，且可能难以识别文本中的长距离关系	提高生物医学命名实体识别的准确性	生物医学文本中的命名实体	自然语言处理	NA	深度学习	Bi-GRU, ResNet, BERT	文本	MACCROBAT数据集
1799	2025-02-05	A deep learning approach for classifying and predicting children's nutritional status in Ethiopia using LSTM-FC neural networks 2025-Jan-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00425-0 PMID:39885567	研究论文	本研究采用LSTM-FC神经网络对埃塞俄比亚儿童营养不良状况进行分类和预测	使用LSTM-FC神经网络对儿童营养不良状况进行分类和预测，并通过SHapley Additive exPlanations进行特征选择，优化模型性能	研究中存在少量过度或低估的情况，且样本仅限于埃塞俄比亚儿童	解决埃塞俄比亚儿童营养不良这一关键公共卫生问题	埃塞俄比亚儿童	机器学习	营养不良	LSTM-FC神经网络	LSTM-FC	纵向数据	1,997名埃塞俄比亚儿童，追踪时间从2002年至2016年
1800	2025-02-05	Automating airborne pollen classification: Identifying and interpreting hard samples for classifiers 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41656 PMID:39897809	研究论文	本文探讨了基于深度学习的空气花粉分类中的挑战，特别是识别和解释对分类器构成困难的样本	通过样本级难度分析，揭示了深度学习算法在花粉分类中面临的主要挑战，包括图像中多个花粉颗粒的共现、2D显微镜图像中特定标记的遮挡以及某些花粉类群缺乏显著独特特征	研究仅基于自动生成的花粉颗粒显微镜图像数据集，可能未涵盖所有实际应用场景	研究目的是识别和解释对深度学习分类器构成困难的空气花粉样本	空气花粉样本	计算机视觉	NA	深度学习	NA	图像	最大的自动生成的花粉颗粒显微镜图像数据集之一