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
10701	2025-03-13	Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods 2025-Apr, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13390 PMID:39887731	研究论文	本文探讨了深度学习在处理肺泡毛细血管网络（ACN）分割、三维重建及自动化定量分析中的适用性，并与体视学方法进行验证	使用深度学习技术对SBF-SEM数据进行ACN分割，尽管训练数据有限且采用2D而非3D方法，仍生成了比现有方法更完整的初始分割	分析的数据量有限，未获得关于BPD引起的ACN改变的代表性数据，且需要进一步减少手动交互以充分利用自动化软件工具	开发高效的方法进行肺泡毛细血管网络的定量比较研究	肺泡毛细血管网络（ACN）	数字病理学	肺病	深度学习（DL），序列块面扫描电子显微镜（SBF-SEM）	2D深度学习模型	图像	有限的数据量，未具体说明样本数量
10702	2025-03-13	Intelligent optoelectrowetting digital microfluidic system for real-time selective parallel manipulation of biological droplet arrays 2025-Mar-11, Lab on a chip IF:6.1Q2 DOI:10.1039/d4lc00804a PMID:39660615	研究论文	本文提出了一种结合光电润湿技术和深度学习算法的智能控制系统，用于实时选择性并行操作生物液滴阵列	结合光电润湿技术与深度学习算法，实现液滴的实时检测、自动生成虚拟电极控制移动，以及液滴阵列的高效跟踪	当前技术依赖于操作员手动定位液滴、绘制光学图案和预设液滴移动路径，缺乏实时反馈和独立液滴控制能力，可能导致液滴失控和污染	开发一种智能控制系统，用于自动化操作离散液滴，提高数字微流控技术在生物医学等领域的应用	生物液滴阵列	数字病理学	NA	光电润湿技术、深度学习算法	目标检测算法、跟踪算法	图像	NA
10703	2025-03-13	Quantitative Magnetic Resonance Imaging Methods for the Assessment and Prediction of Treatment Response to Transarterial Chemoembolization in Hepatocellular Carcinoma 2025-Mar-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.042 PMID:40068997	综述	本文综述了定量磁共振成像（qMRI）在预测和评估肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）治疗反应中的最新应用	探讨了多种qMRI方法在预测TACE治疗反应中的应用，包括肝细胞特异性对比增强MRI、扩散成像、灌注成像、磁共振波谱（MRS）、血氧水平依赖功能MRI（BOLD-fMRI）、磁共振弹性成像（MRE）和人工智能（AI）	BOLD-fMRI和MRE仍缺乏关键定量参数的模型，AI模型的附加价值需要通过更大规模的前瞻性研究验证	评估和预测肝细胞癌患者对TACE治疗的反应	肝细胞癌（HCC）患者	数字病理	肝癌	定量磁共振成像（qMRI）	AI模型（包括放射组学或深度学习）	磁共振成像数据	NA
10704	2025-03-13	A large-scale open image dataset for deep learning-enabled intelligent sorting and analyzing of raw coal 2025-Mar-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04719-0 PMID:40057526	研究论文	本文介绍了一个大规模开源的原煤图像数据集DsCGF，用于支持深度学习驱动的原煤智能分选和分析	提出了一个大规模、多层次的标注原煤图像数据集，填补了智能选煤领域缺乏准确大规模数据的空白	数据集仅涵盖中国三个代表性矿区的样本，可能无法完全代表其他地区的原煤特征	推动中国能源转型，实现碳达峰和碳中和战略目标下的智能选煤技术发展	原煤图像	计算机视觉	NA	深度学习	NA	图像	超过27万张可见光图像，来自中国三个代表性矿区
10705	2025-03-13	Probabilistic and deep learning approaches for conductivity-driven nanocomposite classification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91057-1 PMID:40055396	研究论文	本研究提出了一种结合贝叶斯技术和深度学习的混合方法，用于改进纳米复合材料的分类，特别是评估其导电性能	提出了一种结合贝叶斯网络（BN）和基于Transformer架构的循环神经网络（RNN）的混合模型，以量化并报告认知不确定性，从而提高分类准确性	研究主要关注方法学上的进展，实验结果的广泛适用性尚未验证	改进纳米复合材料的分类方法，特别是评估其导电性能	纳米复合材料	机器学习	NA	贝叶斯网络（BN），循环神经网络（RNN），Transformer架构	贝叶斯网络（BN），循环神经网络（RNN）	NA	NA
10706	2025-03-11	Author Correction: Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92132-3 PMID:40055395	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10707	2025-03-13	SwinConvNeXt: a fused deep learning architecture for Real-time garbage image classification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91302-7 PMID:40055407	研究论文	本文提出了一种名为SwinConvNeXt的融合深度学习架构，用于实时垃圾图像分类	结合了增强的Swin Transformer、改进的ConvNeXt和空间注意力机制，有效提取垃圾图像的全局和局部特征，提高了分类准确性	模型在处理视觉相似度高且大小不一的物体时可能存在挑战	开发一种高效且可持续的实时垃圾管理系统	垃圾图像	计算机视觉	NA	深度学习	SwinConvNeXt	图像	公开的垃圾分类数据集
10708	2025-03-13	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	本文介绍了一种基于物理信息的深度学习框架SPINN，用于建模和推断粒子扩散动力学	SPINN框架集成了随机微分方程，能够自主探索参数空间并以单帧分辨率区分确定性和随机性成分	NA	提高随机动力学的时空分辨率，以准确表征不同的随机过程	单粒子轨迹数据	机器学习	NA	深度学习	SPINN	轨迹数据	NA
10709	2025-03-13	Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores 2025-Mar, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028241294088 PMID:39558586	研究论文	本文提出了一种结合激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型的方法，用于预测铁矿石中的总铁含量	使用CNN模型辅助LIBS技术，显著提高了总铁含量预测的准确性，并减少了建模时间	未提及具体局限性	提高LIBS技术在铁矿石总铁含量预测中的准确性	铁矿石样品	机器学习	NA	激光诱导击穿光谱（LIBS）	卷积神经网络（CNN）	光谱数据	339批来自五个国家的铁矿石样品，收集了2034个代表性光谱
10710	2025-03-13	Using a flipped classroom teaching and learning approach to promote scientific literacy skill development and retention 2025-Mar, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.13938 PMID:39625998	研究论文	本文探讨了翻转课堂在促进科学素养技能发展和保留方面的效果	通过翻转课堂环境评估科学素养技能的发展，并首次在四个月后重新评估这些技能的保留情况	样本量较小（n=57和n=46），且仅针对特定课程的学生，可能限制了结果的普遍性	评估翻转课堂对科学素养技能发展的影响及其长期保留效果	二年级运动学专业学生	教育技术	NA	翻转课堂教学法	NA	问卷数据	57名学生（学期初和学期末），46名学生（四个月后）
10711	2025-03-13	Deep-Learning-Enabled Fast Raman Identification of the Twist Angle of Bi-Layer Graphene 2025-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202411833 PMID:39871720	研究论文	本文提出了一种结合拉曼光谱和深度学习的数据驱动策略，用于快速、无损地解码和预测双层石墨烯的扭转角度	利用深度学习处理高维拉曼数据，提取隐藏信息以实现精确的扭转角度识别，并将该方法扩展到二维平面，实现单个样品内的精确定向映射	NA	开发一种高效、无损的方法来识别双层石墨烯的扭转角度，并推广到其他角度依赖的二维材料研究	双层石墨烯（TBG）	材料光谱学与分析	NA	拉曼光谱	深度学习模型	拉曼光谱数据	NA
10712	2025-03-13	Deep learning-based spatio-temporal fusion for high-fidelity ultra-high-speed X-ray radiography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000323 PMID:39937516	研究论文	本文探讨了基于深度学习的时空融合框架，用于融合两种互补的X射线图像序列，以重建具有高空间分辨率、高帧率和高保真度的目标图像序列	提出了一种新的深度学习时空融合框架，通过融合不同配置的X射线视频，显著提高了超高速X射线成像实验的性能和科学价值	需要与高速相机适当结合，才能充分发挥该方法的优势	提高超高速X射线成像实验的空间分辨率、帧率和保真度	X射线图像序列	计算机视觉	NA	深度学习	深度学习模型	图像	两个独立的X射线数据集
10713	2025-03-13	Multi-stage deep learning artifact reduction for parallel-beam computed tomography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000359 PMID:39960472	研究论文	本文提出了一种多阶段深度学习方法来减少平行束计算机断层扫描（CT）中的伪影	在断层扫描管道的每个阶段（投影、正弦图和重建）引入独立的深度学习模型，以数据驱动的方式局部解决特定伪影，并采用旁路连接减少误差传播	未明确提及具体局限性	提高同步辐射CT图像质量，减少伪影	平行束计算机断层扫描图像	计算机视觉	NA	深度学习	深度学习模型	图像	模拟和真实世界数据集
10714	2025-03-13	Unified resilience model using deep learning for assessing power system performance 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42802 PMID:40066024	研究论文	本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能	提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素	NA	提高电力系统的性能，特别是关注天气因素对系统弹性的影响	电池和储能设备的弹性	机器学习	NA	深度学习	深度学习模型	环境因素数据、低弹性损耗数据	NA
10715	2025-03-13	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文介绍了一种名为SPURS的新型深度学习框架，通过整合两种通用蛋白质生成模型（ESM和ProteinMPNN），提升了蛋白质稳定性预测的准确性	SPURS通过轻量级神经网络模块将ProteinMPNN学习到的结构表示重新连接到ESM的注意力层，从而增强了ESM的序列表示学习能力，实现了从序列和结构数据中利用进化模式进行稳定性预测	尽管SPURS在多个基准数据集上表现出色，但其在蛋白质稳定性预测中的潜力仍需进一步探索，特别是在更广泛的蛋白质功能预测方面	提升蛋白质稳定性预测的准确性，以更好地理解人类疾病并设计用于临床和工业应用的有用蛋白质	蛋白质	机器学习	NA	深度学习	ESM, ProteinMPNN	序列数据, 结构数据	基于最近发布的大规模热稳定性数据集进行训练和评估
10716	2025-03-13	Diagnostic accuracy of artificial intelligence models in detecting congenital heart disease in the second-trimester fetus through prenatal cardiac screening: a systematic review and meta-analysis 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1473544 PMID:40066351	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在产前心脏筛查中检测胎儿先天性心脏病的诊断准确性	首次系统评估人工智能模型在胎儿先天性心脏病筛查中的表现，并进行了荟萃分析	研究样本量有限，且需要更大数据集和更多样化人群的前瞻性研究来验证结果	评估人工智能模型在产前心脏筛查中检测先天性心脏病的诊断准确性	胎儿先天性心脏病	医学影像分析	先天性心脏病	超声和超声心动图	深度学习模型	图像	9项研究，共374项研究筛选
10717	2025-03-13	Advancements in cache management: a review of machine learning innovations for enhanced performance and security 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1441250 PMID:40070808	review	本文综述了机器学习在缓存管理中的应用，包括优化缓存性能和增强安全性	探讨了从基于强化学习的缓存替换策略到LSTM模型预测内容特性以做出缓存决策的多种机器学习技术	未提及具体实验数据或样本量，可能缺乏实证支持	研究机器学习在缓存管理中的应用，以优化性能和增强安全性	缓存管理系统	machine learning	NA	reinforcement learning, LSTM, imitation learning, neural networks	LSTM, neural networks	NA	NA
10718	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
10719	2025-03-12	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性	ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能	NA	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	Swin-Unet	图像	三个公开数据集（REFUGE、ISIC2018、RIT-Eyes）
10720	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集