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
221	2025-06-05	Energy consumption analysis and prediction in exercise training based on accelerometer sensors and deep learning 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04380-y PMID:40461566	研究论文	本研究提出了一种基于加速度传感器数据和深度学习技术的优化能量消耗预测模型，旨在提高运动训练中能量消耗预测的准确性和效率	构建了结合CNN、Bi-LSTM网络和注意力机制的模型架构，优化了局部特征提取、时间建模和动态权重分配能力，并提出了多维特征分析框架	未明确提及具体局限性	提高运动训练中能量消耗预测的准确性和效率，解决现有方法在数据特征提取、模型复杂度和实际应用适应性方面的不足	运动训练中的能量消耗	机器学习	NA	深度学习	CNN, Bi-LSTM, 注意力机制	加速度传感器数据	未明确提及样本数量
222	2025-06-05	Data-intelligence driven methods for durability, damage diagnosis and performance prediction of concrete structures 2025-Jun-03, Communications engineering DOI:10.1038/s44172-025-00431-4 PMID:40461590	review	本文综述了机器学习和深度学习在钢筋混凝土结构耐久性、损伤诊断和性能预测中的应用	利用人工智能技术（特别是深度学习和机器学习）为钢筋混凝土结构的损伤检测和材料性能预测提供了创新方法	未提及具体方法的实验验证结果或实际应用案例	探讨人工智能技术在钢筋混凝土结构耐久性研究中的应用	钢筋混凝土结构的耐久性、损伤特征和材料性能	machine learning	NA	deep learning, machine learning	NA	NA	NA
223	2025-06-05	A novel EEG artifact removal algorithm based on an advanced attention mechanism 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98653-1 PMID:40461599	研究论文	提出了一种基于改进注意力机制的新型EEG伪迹去除算法CLEnet	结合双尺度CNN和LSTM，并引入改进的EMA-1D注意力机制，能够同时提取EEG的形态特征和时间特征	对未知伪迹的去除能力仍有不足，且在多通道EEG数据整体输入的任务中适应性有限	提升EEG信号中伪迹去除的效果	EEG信号	机器学习	NA	EEG信号处理	CNN, LSTM, EMA-1D	EEG信号数据	三个数据集
224	2025-06-05	Deep learning-based electrical impedance spectroscopy analysis for malignant and potentially malignant oral disorder detection 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05116-8 PMID:40461631	研究论文	本研究利用深度学习结合电阻抗光谱(EIS)技术，开发了一种非侵入性诊断工具，用于检测和分类口腔潜在恶性病变(OPMDs)和口腔癌	首次将EIS技术与深度学习CNN模型结合，用于OPMD和口腔癌的自动分类，提供了一种非侵入性的诊断方法	样本量较小(51名健康人和11名患者)，且仅针对特定口腔部位(舌腹和口底)进行了测试	开发一种非侵入性的辅助诊断工具，用于OPMD和口腔癌的早期检测	口腔潜在恶性病变(OPMDs)和口腔癌组织	数字病理	口腔癌	电阻抗光谱(EIS)	CNN	光谱数据	51名健康人和11名OPMD/口腔癌患者
225	2025-06-05	Predicting drug-target interactions using machine learning with improved data balancing and feature engineering 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03932-6 PMID:40461636	research paper	本研究提出了一种结合机器学习和深度学习的混合框架，用于预测药物-靶标相互作用（DTI），通过改进数据平衡和特征工程提高预测准确性	引入了结合MACCS键和氨基酸/二肽组成的双重特征提取方法，并使用GAN生成少数类合成数据以解决数据不平衡问题	未明确提及具体局限性	改进药物-靶标相互作用预测的准确性和可靠性	药物-靶标相互作用数据	machine learning	NA	MACCS键、氨基酸/二肽组成特征提取	GAN、Random Forest Classifier (RFC)	药物结构特征、靶标生物分子特性数据	BindingDB-Kd、BindingDB-Ki和BindingDB-IC50数据集
226	2025-06-05	A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography 2025-Jun-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01567-7 PMID:40461663	研究论文	提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性	该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升	NA	提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准	数字乳腺X线摄影图像中的乳头区域	数字病理学	乳腺癌	深度学习	NA	图像	NA
227	2025-06-05	A deep learning based intrusion detection system for CAN vehicle based on combination of triple attention mechanism and GGO algorithm 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04720-y PMID:40461686	research paper	该研究提出了一种基于深度学习的CAN车辆入侵检测系统，结合了三重注意力机制和灰雁优化算法	使用三重注意力机制（TAN）分三步识别入侵，并采用新颖的灰雁优化算法（GGO）进行网络超参数优化	未提及具体的数据集大小或实验车辆数量，可能影响结果的普适性	开发高效的CAN网络入侵检测系统以应对网络安全威胁	车载CAN网络的安全入侵	machine learning	NA	deep learning, Greylag Goose Optimization algorithm	Triple-attention Mechanism (TAN)	CAN网络流量数据	使用了一个开源数据集，具体数量未提及
228	2025-06-05	Patient-specific prostate segmentation in kilovoltage images for radiation therapy intrafraction monitoring via deep learning 2025-Jun-03, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00935-2 PMID:40461695	research paper	该研究提出了一种基于深度学习的无标记前列腺分割方法，用于放射治疗中的实时图像引导	使用患者特定的条件生成对抗网络（cGAN）进行kV图像中的前列腺分割，无需植入标记物	研究仅在30名患者的两组治疗分数上进行了验证，样本量有限	开发一种无标记的前列腺分割方法，以改善放射治疗中的实时图像引导	前列腺癌患者	digital pathology	prostate cancer	deep learning	conditional Generative Adversarial Networks (cGAN)	image	30名患者的两组治疗分数
229	2025-06-05	Quantum neural networks with data re-uploading for urban traffic time series forecasting 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04546-8 PMID:40461703	研究论文	本研究探讨了量子神经网络（QNN）与数据重新上传技术在雅典主要城市区域交通时间序列预测中的应用	首次将量子数据重新上传技术应用于交通预测，展示了在递归架构中混合量子-经典模型相比纯经典模型的性能提升	在完全连接网络设置中，混合量子-经典模型表现不如纯经典模型，且量子模型的计算需求较高	探索量子机器学习（QML）在智能交通系统（ITS）中交通预测的潜力	雅典主要城市区域的交通时间序列数据	量子机器学习	NA	量子数据重新上传	量子神经网络（QNN）	时间序列数据	NA
230	2025-06-05	Artificial intelligence for streamflow prediction in river basins: a use case in Mar Menor 2025-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04524-0 PMID:40461712	研究论文	本研究利用机器学习和深度学习技术预测西班牙穆尔西亚地区Mar Menor流域的河流流量，特别关注Albujón水道	采用先进的数据增强技术平衡低流量和高流量时期，比较了Random Forest和LSTM在不同时间尺度预测中的表现	研究主要关注特定流域，结果可能不适用于其他地理环境	开发有效的短期河流流量预测方法以支持水资源管理和洪水预报	Mar Menor流域的Albujón水道	机器学习	NA	机器学习和深度学习	Random Forest, LSTM	河流流量、降雨量和地下水位数据	来自流量监测站、雨量计和测压计的数据
231	2025-06-05	Explainable RNA-Small Molecule Binding Affinity Prediction Based on Multiview Enhancement Learning 2025-Jun-03, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01064 PMID:40461953	研究论文	提出了一种可解释的多视角、多尺度深度学习网络EMMPTNet，用于预测RNA-小分子结合亲和力	基于物理化学和拓扑特性，EMMPTNet通过四个模块从多视角高效提取特征，并利用多层感知器预测结合亲和力，同时在解释性方面提供了特征提取过程的分析和可视化	NA	准确预测RNA-小分子结合亲和力以筛选潜在药物	RNA-小分子结合亲和力	机器学习	NA	RNA-小分子结合亲和力预测	EMMPTNet（多视角、多尺度深度学习网络）	物理化学和拓扑特性数据	NA
232	2025-06-05	DeepGFT: identifying spatial domains in spatial transcriptomics of complex and 3D tissue using deep learning and graph Fourier transform 2025-Jun-03, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03631-5 PMID:40462157	研究论文	提出了一种名为DeepGFT的新方法，通过结合深度学习和图傅里叶变换来识别空间转录组学中的空间域	DeepGFT首次同时建模点间和基因间的关系，用于空间域识别，并在多种复杂组织中表现出优越性能	未提及具体的数据量限制或计算资源需求	开发一种更准确的空间转录组学空间域识别方法	人类乳腺癌、人类淋巴结和3D果蝇数据	空间转录组学	乳腺癌	空间转录组学技术	深度学习与图傅里叶变换结合模型	空间转录组数据	NA
233	2025-06-05	Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review 2025-Jun-03, Veterinary clinical pathology IF:1.2Q3 DOI:10.1111/vcp.70012 PMID:40462415	review	本文介绍了人工智能在兽医临床病理学中的应用及其基本概念，并探讨了AI在该领域的资格认定与整合	以非技术性的方式介绍AI基本概念，并探讨AI在兽医临床病理学中的资格认定与整合	未提及具体的技术实现细节或实验数据	探讨人工智能在兽医临床病理学中的应用与整合	兽医临床病理学	machine learning	NA	machine learning, deep learning	NA	NA	NA
234	2025-06-05	Interpretable Multimodal Deep Ensemble Framework Dissecting Bloodbrain Barrier Permeability with Molecular Features 2025-Jun-03, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01077 PMID:40462529	研究论文	提出了一种可解释的多模态深度学习集成框架，用于解析血脑屏障通透性的分子特征	结合分子指纹和图像特征的多模态ML框架，采用堆叠集成模型和Transformer编码器，增强了预测的稳定性和可解释性	未提及具体样本量或实验数据规模	改进血脑屏障通透性(BBBP)预测，为中枢神经系统靶向药物发现提供支持	血脑屏障通透性相关的分子化合物	机器学习	中枢神经系统疾病	分子指纹(Morgan, MACCS, RDK)、PCA、SHAP分析	堆叠集成模型、Transformer、CNN、多头注意力机制	分子指纹数据和图像数据	NA
235	2025-06-05	Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram 2025-Jun-02, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf073 PMID:40157386	研究论文	本研究开发了一种基于深度学习的单导联动态心电图模型，用于短期预测持续性室性心律失常	首次利用深度学习分析单导联动态心电图，预测短期内发生持续性室性心动过速的风险，并揭示了早期去极化模式作为潜在预测因子	研究为回顾性设计，且阳性事件发生率较低（0.5%）	开发能够提前预测危及生命的室性心律失常的人工智能模型	来自六个国家的247254份14天动态心电图记录	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	247254份动态心电图记录（开发集183177份，内部验证集43580份，外部验证集20497份）
236	2025-06-05	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	research paper	提出了一种名为ViTU-net的混合深度学习模型，用于医学图像水印和认证，结合了基于块的LSB方法和混合元启发式算法	ViTU-Net整合了Vision Transformer编码器和U-Net解码器，采用自适应分层空间注意力模块和基于块的LSB嵌入机制，结合TuniBee Fusion混合元启发式优化算法和高级加密技术，提高了水印的不可感知性、鲁棒性和部署效率	未提及具体的数据集规模或实际部署中的计算资源需求	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战，确保医学图像的数据完整性、保密性和真实性	胸部X光片用于肺炎诊断	digital pathology	pneumonia	SHA-512哈希和AES加密	ViTU-net（结合ViT和U-Net）	image	NA
237	2025-06-05	Deep learning approaches to surgical video segmentation and object detection: A scoping review 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110482 PMID:40460561	综述	本文回顾了2014年至2024年间关于手术视频中解剖结构语义分割和物体检测的深度学习模型的最新进展	总结了深度学习在手术视频语义分割中的实时应用潜力，并指出了当前技术的优缺点	对于较小结构（如神经）的分割精度较低，数据可用性和模型泛化性仍是主要挑战	评估手术视频中解剖结构语义分割的最新技术水平	手术视频中的解剖结构	计算机视觉	NA	深度学习	U-Net, DeepLab	视频	61项已发表研究
238	2025-06-05	Direct parametric reconstruction in dynamic PET using deep image prior and a novel parameter magnification strategy 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110487 PMID:40460562	research paper	该研究提出了一种新颖的无监督深度学习方法DIP-PM，用于直接参数化重建正电子发射断层扫描（PET）中的微参数图像，以提高图像质量	结合深度图像先验（DIP）与参数放大（PM）策略，提出DIP-PM模型，显著提升非线性和小值微参数（如k2、k3）的重建质量	研究主要基于模拟数据和少量真实数据验证，需进一步扩大样本量和多样化数据以验证方法的普适性	改进PET动态数据中非线性微参数的重建质量	PET动态数据中的微参数（如k2、k3）	医学影像处理	NA	深度图像先验（DIP）、参数放大（PM）策略	U-Net	PET动态数据、CT图像	模拟数据集（82Rb和18F-FDG）及1例真实男性受试者的18F-FDG扫描数据
239	2025-06-05	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	research paper	本文介绍了一种高效的子模型集成框架，旨在增强医学深度学习模型的可解释性，从而提高其临床适用性	通过生成不确定性图谱，该框架使终端用户能够评估模型输出的可靠性，并从单一训练良好的检查点生成多样化模型，促进模型家族的训练	NA	增强医学深度学习模型的可解释性和临床适用性	CT身体分割和MR-CT合成数据集	digital pathology	NA	深度学习模型集成	U-Net, UNETR	医学影像（CT和MR）	NA
240	2025-06-05	Current trends in glioma tumor segmentation: A survey of deep learning modules 2025-Jun-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104988 PMID:40460759	综述	本文综述了当前深度学习模块在胶质瘤肿瘤分割中的应用趋势	通过消融研究评估了各种'附加'模块对胶质瘤分割性能的影响，包括空洞卷积、inception、注意力机制、transformer和混合模块等	需要进一步改进模型的可解释性、降低计算成本并提高泛化能力	评估深度学习模块在胶质瘤分割中的性能影响	胶质瘤肿瘤分割	数字病理学	脑肿瘤/胶质瘤	多参数磁共振成像(mpMRI)	深度学习(DL)，包括空洞卷积、inception、注意力机制、transformer等	医学影像	Brain Tumor Segmentation (BraTS)数据集(包含低级别和高级别胶质瘤)