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
8461	2025-01-07	A Deep Learning-Based Approach to Characterize Skull Physical Properties: A Phantom Study 2025-Jan, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400131 PMID:39540545	研究论文	本文提出了一种基于深度学习的方法，通过超声信号来表征颅骨的物理特性，特别是厚度和孔隙率	首次利用深度学习和机器学习模型从超声信号中提取颅骨厚度和孔隙率信息，为颅骨畸变校正方法的开发提供了新思路	研究仅基于模拟颅骨的幻影实验，尚未在真实颅骨上进行验证	开发一种从超声信号中获取颅骨厚度和孔隙率信息的方法，以改进经颅超声成像的准确性	模拟颅骨物理特性的幻影	医学影像处理	脑损伤	超声成像	深度学习（DL）和机器学习（ML）	超声信号	多种厚度和孔隙率的模拟颅骨幻影
8462	2025-01-07	Artificial intelligence in precision medicine for lung cancer: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241300229 PMID:39758259	研究论文	本文通过文献计量分析探讨了人工智能在肺癌精准医学中的应用趋势	首次通过文献计量学方法系统分析了人工智能在肺癌精准医学中的应用趋势和研究热点	研究结果依赖于Web of Science数据库的数据，可能未涵盖所有相关文献	提供人工智能在肺癌精准医学中应用的综合概览，促进研究者对该领域的理解	肺癌精准医学中的人工智能应用研究	数字病理学	肺癌	文献计量分析	深度学习框架	文献数据	4062篇论文
8463	2025-01-07	SpaRG: Sparsely Reconstructed Graphs for Generalizable fMRI Analysis 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_5 PMID:39758707	研究论文	本文提出了一种基于稀疏化和自监督的简单方法，用于解决静息态功能磁共振成像（rs-fMRI）分析中的解释性问题	通过联合训练稀疏输入掩码、变分自编码器（VAE）和下游分类器，识别出高度信息化的连接并遮挡其余部分，从而提高跨领域的分类准确性	需要一部分标记样本来训练分类器，且模型在适应新的分布外站点时依赖于未标记样本	提高rs-fMRI数据分析的可解释性和泛化能力	静息态功能磁共振成像（rs-fMRI）数据	机器学习	精神疾病	变分自编码器（VAE）	VAE	图像	ABIDE数据集中的18个站点的标记样本和两个分布外站点的未标记样本
8464	2025-01-07	Predicting CRISPR-Cas9 off-target effects in human primary cells using bidirectional LSTM with BERT embedding 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae184 PMID:39758829	研究论文	本文提出了一种名为CrisprBERT的深度学习模型，用于预测CRISPR-Cas9系统在人类原代细胞中的脱靶效应	结合了BERT架构和双向LSTM网络，利用双栈编码捕捉Cas9结合的局部能量配置，并通过BERT模型学习双栈对的上下文嵌入	未提及具体局限性	提高CRISPR-Cas9系统中单导RNA（sgRNA）的设计效率，减少脱靶效应	人类原代细胞中的CRISPR-Cas9系统	机器学习	NA	CRISPR-Cas9	双向LSTM与BERT嵌入	sgRNA和DNA序列	未提及具体样本数量
8465	2025-01-07	LncLSTA: a versatile predictor unveiling subcellular localization of lncRNAs through long-short term attention 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae173 PMID:39758831	研究论文	本文提出了一种新的深度学习框架LncLSTA，用于预测长链非编码RNA（LncRNA）的亚细胞定位	LncLSTA模型结合了1D卷积、最大池化操作、长短时注意力模块和双向长短时记忆网络，以及TextCNN模块，显著提高了亚细胞定位任务的准确性和鲁棒性	NA	研究LncRNA的亚细胞定位，以深入了解其生物学功能	长链非编码RNA（LncRNA）	自然语言处理	NA	深度学习	CNN, LSTM, TextCNN	序列数据	NA
8466	2025-01-06	Advances in deep learning for personalized ECG diagnostics: A systematic review addressing inter-patient variability and generalization constraints 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.117073 PMID:39708490	系统综述	本文系统综述了深度学习在心电图（ECG）个性化诊断中的应用，特别是针对患者间变异性和泛化限制的挑战	本文独特之处在于系统性地审查了专门为个性化ECG诊断设计的深度学习方法，强调解决患者特异性变异性的模型	这些方法的局限性包括在泛化与患者特异性之间取得平衡以及解决数据隐私问题	研究目的是探讨深度学习在ECG诊断中的应用，特别是针对个性化诊断的需求	研究对象是用于个性化ECG诊断的深度学习模型	机器学习	心血管疾病	迁移学习、生成对抗网络、元学习和领域适应	深度学习模型	ECG数据	112项研究
8467	2025-01-06	Incorporating dynamic drainage supervision into deep learning for accurate real-time flood simulation in urban areas 2025-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122816 PMID:39612812	研究论文	本研究提出了一种结合动态排水监督的深度学习模型（UDFM），用于城市区域的实时洪水模拟	UDFM模型通过结合物理和深度学习排水模型，将一维排水溢出过程转换为高分辨率的时空二维洪水过程，更全面准确地反映了排水系统在城市洪水动态中的作用	研究仅应用于深圳的一个高度城市化区域，未在其他城市或区域进行验证	提高城市洪水模拟的准确性和实时性，以支持快速洪水预警和风险管理	城市洪水过程，特别是排水系统和地表洪水淹没	机器学习	NA	深度学习，降维算法	UDFM（结合深度学习和降维算法的混合模块）	时空数据	深圳的一个高度城市化区域
8468	2025-01-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2025-Jan-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01364-6 PMID:39755754	研究论文	本文提出了一种名为N2GNet的深度学习回归模型，用于从帕金森病患者的丘脑底核局部场电位中实时追踪步态表现	N2GNet模型能够利用全面的频带信息，而不仅限于β频段，从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能	研究样本量较小，仅涉及18名帕金森病患者	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型	帕金森病患者的丘脑底核局部场电位和步态表现	机器学习	帕金森病	深度学习	回归模型	神经信号	18名帕金森病患者
8469	2025-01-06	Enhancing security and efficiency in Mobile Ad Hoc Networks using a hybrid deep learning model for flooding attack detection 2025-Jan-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84421-0 PMID:39755804	研究论文	本文提出了一种结合卷积神经网络（CNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）的混合深度学习模型，用于检测和缓解移动自组网（MANET）中的泛洪攻击	提出了一种结合CNN、LSTM和GRU的混合深度学习模型，并采用独特的DECEHGS算法优化模型效率，显著提高了检测精度和网络性能	未提及模型在实际大规模网络环境中的适用性和泛化能力	提高移动自组网（MANET）的安全性和效率，特别是针对泛洪攻击的检测和缓解	移动自组网（MANET）中的泛洪攻击	机器学习	NA	深度学习	CNN, LSTM, GRU	网络数据	未明确提及样本数量
8470	2025-01-06	Globally scalable glacier mapping by deep learning matches expert delineation accuracy 2025-Jan-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54956-x PMID:39746988	研究论文	本文提出了一种名为Glacier-VisionTransformer-U-Net (GlaViTU)的卷积-变换器深度学习模型，用于全球尺度的冰川自动映射	提出了GlaViTU模型及五种多时相全球尺度冰川映射策略，首次实现了全球尺度冰川的自动化映射，并达到了接近专家水平的精度	在富含碎屑的区域（如高亚洲山区）精度有所下降，且合成孔径雷达数据的可用性限制了部分地区的精度提升	实现全球尺度冰川的自动化映射，以支持气候变化影响的研究	全球冰川	计算机视觉	NA	深度学习	卷积-变换器模型 (GlaViTU)	卫星图像	覆盖全球9%冰川的基准数据集
8471	2025-01-06	A deep learning method based on multi-scale fusion for noise-resistant coal-gangue recognition 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83604-z PMID:39747222	研究论文	本文提出了一种基于多尺度融合的深度学习方法，用于在噪声环境下实现煤矸石的准确识别	结合传统滤波方法和多尺度学习思想，提出了一种端到端的多尺度特征融合卷积神经网络（MCNN-BILSTM），并引入了基于注意力机制的特征加权方法	NA	实现噪声环境下煤矸石的准确识别，以满足工业应用需求	煤矸石	计算机视觉	NA	卷积神经网络（CNN），长短期记忆网络（LSTM）	MCNN-BILSTM	振动信号	NA
8472	2025-01-06	A lightweight weed detection model for cotton fields based on an improved YOLOv8n 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84748-8 PMID:39747358	研究论文	本研究提出了一种基于改进YOLOv8n模型的轻量级棉花田杂草检测模型YOLO-Weed Nano，旨在提高杂草识别的效率和精度	通过引入Depthwise Separable Convolution (DSC)结构和Bidirectional Feature Pyramid Network (BiFPN)，以及设计轻量级检测头LiteDetect，显著降低了模型的计算复杂度和资源消耗	尽管模型在精度和效率上有所提升，但在实际应用中的表现仍需进一步验证	开发高效且轻量级的棉花田杂草检测方法，以实现有效的杂草控制	棉花田中的杂草	计算机视觉	NA	深度学习	YOLOv8n, YOLO-Weed Nano	图像	NA
8473	2025-01-06	A novel deep synthesis-based insider intrusion detection (DS-IID) model for malicious insiders and AI-generated threats 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84673-w PMID:39747424	研究论文	本文提出了一种基于深度合成的内部入侵检测模型（DS-IID），用于检测恶意内部人员和AI生成的威胁	该模型利用深度特征合成自动生成详细的用户配置文件，并使用二元深度学习进行准确的威胁识别，解决了传统入侵检测系统难以区分真实和AI生成活动的问题	主要评估在合成数据集上进行，尚未在真实世界数据中广泛验证	解决内部威胁检测中的挑战，特别是针对AI生成的威胁	恶意内部人员和AI生成的威胁	机器学习	NA	深度特征合成，二元深度学习	深度学习模型	事件数据	CERT内部威胁数据集
8474	2025-01-06	SAILOR: perceptual anchoring for robotic cognitive architectures 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84071-2 PMID:39747469	研究论文	本文介绍了SAILOR框架，用于在机器人认知架构中实现符号锚定，以保持符号数据与感知数据之间的链接	提出了一个集成到ROS 2中的符号锚定框架SAILOR，结合了深度学习的子符号机器人技能，如物体识别和匹配功能	未提及具体的局限性	解决机器人从感知信息中获取并维护符号知识的开放性问题	机器人认知架构	机器人学	NA	深度学习	NA	感知数据	使用公共数据集和真实场景进行验证
8475	2025-01-06	Salient object detection with non-local feature enhancement and edge reconstruction 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84680-x PMID:39747644	研究论文	本文提出了一种结合非局部特征增强和边缘重建的显著目标检测方法，旨在解决现有方法在复杂图像中捕捉长距离依赖和边缘信息的不足	创新点在于引入了自注意力机制捕捉长距离依赖，并通过非局部特征增强模块和图卷积建模区域关系，同时设计了边缘重建模块以更好地捕捉和增强边缘信息	未明确提及具体局限性	提升显著目标检测的精度，特别是在复杂图像中捕捉长距离依赖和边缘信息	显著目标检测任务	计算机视觉	NA	自注意力机制、非局部操作、图卷积	深度学习模型	图像	在六个广泛使用的基准数据集上进行了实验
8476	2025-01-06	A multitask deep learning model utilizing electrocardiograms for major cardiovascular adverse events prediction 2025-Jan-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01410-3 PMID:39747648	研究论文	本文介绍了一种新型的多任务深度学习模型ECG-MACE，利用心电图（ECG）预测一年内首次发生的主要心血管不良事件（MACE）	ECG-MACE模型仅使用心电图数据，能够有效预测一年内的心血管事件，并展示出长期预测能力，优于Framingham风险评分	模型的外部验证仅在一个独立的医疗中心进行，可能需要更多样化的数据集来验证其普适性	开发一种深度学习模型，用于预测主要心血管不良事件（MACE）	标准12导联心电图数据	机器学习	心血管疾病	深度学习	多任务深度学习模型	心电图数据	训练集：984,895例，验证集：422,061例，测试集：1,414,933例，外部验证集：113,224例
8477	2025-01-06	Key frame extraction algorithm for surveillance videos using an evolutionary approach 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84324-0 PMID:39748027	研究论文	本研究提出了一种基于进化算法的关键帧提取方法，用于监控视频的摘要和压缩	提出了一种交互式遗传算法，结合精心设计的适应度函数和基于精英的幸存者选择，以提高性能	未明确提及具体局限性	开发一种适用于通用视频的高效关键帧提取方法	监控视频、用户生成视频、网络视频	计算机视觉	NA	遗传算法（GA）	遗传算法（GA）	视频	包括VSUMM、SumMe、Mall、用户生成视频、Amrita Vishwa Vidyapeetham大学的监控视频和网络视频
8478	2025-01-06	Artificial intelligence in chronic kidney diseases: methodology and potential applications 2025-Jan, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04165-8 PMID:39052168	综述	本文综述了人工智能在慢性肾脏病（CKD）中的应用，探讨了其在风险预测中的潜力	提出了利用人工智能（特别是机器学习和深度学习）分析患者数据以增强CKD风险预测的新方法	人工智能在临床实践中的应用面临算法不透明、数据质量、隐私和偏见等挑战	探讨人工智能在慢性肾脏病风险预测中的应用	慢性肾脏病患者	机器学习	慢性肾脏病	机器学习和深度学习	NA	遗传标记、生物标志物和影像数据	NA
8479	2025-01-06	Deep learning approaches for the detection of scar presence from cine cardiac magnetic resonance adding derived parametric images 2025-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03175-z PMID:39105884	研究论文	本文提出了一种卷积神经网络（CNN），利用从心脏磁共振（CMR）图像计算出的不同组合的参数图像，对每个切片进行分类以检测心肌瘢痕组织的存在	首次在无对比剂的CMR图像中实现瘢痕检测，展示了其作为筛查工具的初步潜力	研究样本量相对较小，且仅在单一中心进行，可能限制了结果的普遍性	开发一种基于深度学习的无对比剂CMR图像瘢痕检测方法	206名患者（158名有瘢痕，48名对照）的CMR图像	计算机视觉	心血管疾病	卷积神经网络（CNN）	CNN	图像	206名患者（158名有瘢痕，48名对照）
8480	2025-01-06	Artificial intelligence to automate assessment of ocular and periocular measurements 2025-Jan, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241249773 PMID:38710195	研究论文	本文开发并验证了一种深度学习面部标志检测网络，用于自动化评估眼周人体测量	使用深度学习算法自动化进行眼周人体测量，提高了测量的客观性和准确性	样本量相对较小，仅包括479名参与者	开发并验证一种自动化评估眼周人体测量的深度学习网络	眼科诊所的患者	计算机视觉	NA	深度学习	深度学习网络	图像	479名参与者，共958只眼睛