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
12301	2025-03-25	Music genre classification with parallel convolutional neural networks and capuchin search algorithm 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90619-7 PMID:40113866	research paper	提出了一种结合并行卷积神经网络和卷尾猴搜索算法的音乐流派分类新方法	结合离散小波变换、梅尔频率倒谱系数和短时傅里叶变换特征，利用卷尾猴搜索算法优化CNN超参数，提高了分类准确率	NA	开发一个强大的音乐分类器，快速分类未标记音乐，提升用户媒体播放器和音乐文件的体验	音乐流派分类	machine learning	NA	DWT, MFCC, STFT	CNN	audio	GTZAN和Extended-Ballroom数据集
12302	2025-03-25	Detection of hydrophobicity grade of insulators based on AHC-YOLO algorithm 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92696-0 PMID:40113932	研究论文	提出一种基于AHC-YOLO算法的复合绝缘子疏水性等级检测方法	结合高性能GPU网络HGNetv2、混合局部通道注意力机制MLCA、轻量级卷积CSPPC和Inner-WIoU损失函数，显著降低网络负担并提高识别精度	未提及算法在极端环境或不同光照条件下的性能表现	提高复合绝缘子疏水性等级检测的效率和准确性	复合绝缘子	计算机视觉	NA	深度学习	YOLO	图像	NA
12303	2025-03-25	A high performance hybrid LSTM CNN secure architecture for IoT environments using deep learning 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94500-5 PMID:40114016	研究论文	提出了一种高性能的LSTM-CNN混合安全架构，用于优化物联网环境中的实时入侵检测	结合LSTM层学习时间依赖性和CNN层分解空间特征，提高了威胁识别的效率	未提及具体在哪些物联网设备或场景中进行了测试	优化物联网环境中的实时入侵检测，提高安全性	物联网环境中的网络入侵行为	机器学习	NA	深度学习	LSTM-CNN混合模型	网络流量数据	BoT-IoT数据集，包含DDoS、僵尸网络、侦察和数据泄露等多种网络攻击类型
12304	2025-03-25	TPNET: A time-sensitive small sample multimodal network for cardiotoxicity risk prediction 2025-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3552819 PMID:40106240	research paper	该研究开发了一个名为TPNET的时间敏感小样本多模态网络，用于预测癌症治疗相关心功能障碍（CTRCD）的风险	结合组织多普勒成像（TDI）特征与深度学习技术，开发了TPNET模型，用于预测CTRCD，并通过集成梯度（IG）归因分析识别关键致病标志	样本量较小（270名患者），且仅针对乳腺癌患者	预测癌症治疗相关心功能障碍（CTRCD）的风险	乳腺癌患者	digital pathology	cardiovascular disease	TDI, deep learning	TPNET	multimodal data (TDI, function, clinical data)	270名患者
12305	2025-03-25	A novel self-supervised graph clustering method with reliable semi-supervision 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107418 PMID:40120553	research paper	提出了一种基于可靠半监督的新型自监督图聚类方法（SSGC-RSS），用于解决图数据中的噪声和稀疏性问题	模型通过上游的双解码器图自编码器与联合聚类优化，以及下游基于高可靠性样本的半监督图注意力编码网络，创新性地解决了噪声和稀疏性问题	未明确提及具体局限性，但可能涉及对特定图数据类型的适应性或计算复杂度	提升复杂图数据聚类任务的性能	图数据	machine learning	NA	自监督学习、半监督学习	双解码器图自编码器、图注意力编码网络	图数据	在Cora、Citeseer和Pubmed等多个图数据集上进行了实验
12306	2025-03-25	Deformation-invariant neural network and its applications in distorted image restoration and analysis 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107378 PMID:40121786	研究论文	提出了一种变形不变神经网络（DINN）框架，用于处理几何失真图像的恢复和分析问题	引入了拟共形变换网络（QCTN）作为DINN的核心组件，能够输出拟共形映射以改善几何失真图像	未提及具体的数据集规模或在不同类型几何失真上的泛化能力	解决几何失真图像的成像任务问题	几何失真图像	计算机视觉	NA	拟共形映射	DINN（包含QCTN组件）	图像	NA
12307	2025-03-25	Contactless Intelligent Anti-interference Lung Nodule Detection Method for Early Disease Detection 2025-Mar-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550199 PMID:40067715	研究论文	提出了一种基于人工智能的抗干扰肺结节检测方法Yolov8-AH，用于在干扰条件下提高肺CT图像中肺结节检测的准确性	结合了自适应门控稀疏注意力(AGSA)和哈尔小波下采样(HWD)模块的Yolov8模型，显著提高了在干扰条件下的检测准确率	未提及模型在临床实际应用中的验证情况	提高在干扰条件下肺CT图像中肺结节检测的准确性	肺CT图像中的肺结节	计算机视觉	肺癌	CT扫描	Yolov8-AH (基于Yolov8结合AGSA和HWD模块)	医学图像(CT)	NA
12308	2025-03-25	SENSITIVITY BASED MODEL AGNOSTIC SCALABLE EXPLANATIONS OF DEEP LEARNING 2025-Mar-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639516 PMID:40093081	research paper	该论文提出了一种模型无关的可解释AI框架SensX，用于解释深度学习模型的决策机制，并在准确性和计算效率上优于现有技术	SensX框架在解释性AI领域实现了更高的准确性和计算效率，能够处理超过15万个特征的大规模模型，并揭示了模型中的偏差	未明确提及具体局限性，但可能在大规模应用中仍存在计算资源需求	开发一种能够解释深度学习模型决策机制的通用框架，以支持科学假设发展和模型验证	深度学习模型（特别是视觉变换器ViT）和单细胞RNA-seq数据	machine learning	NA	single-cell RNA-seq	DNN, ViT	gene expression data, image	NA
12309	2025-03-25	3D full-dose brain-PET volume recovery from low-dose data through deep learning: quantitative assessment and clinical evaluation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11225-1 PMID:39609283	research paper	提出一种深度学习方法来从低剂量PET数据中恢复全剂量PET体积，以降低放射性示踪剂剂量同时保持诊断质量	提出了一种名为空间感知噪声减少网络（SANR）的3D深度学习方法，用于从低剂量PET数据中恢复全剂量PET体积	研究为回顾性研究，且样本量相对有限（456名参与者）	降低PET成像中的放射性示踪剂剂量，同时保持诊断质量	低剂量PET成像数据	digital pathology	Alzheimer's disease	deep learning	SANR (spatially aware noise reduction network)	3D PET volumes	456名参与者，使用三种不同的PET扫描仪和两种不同的示踪剂进行扫描
12310	2025-03-22	Author Correction: A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93621-1 PMID:40113839	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12311	2025-03-24	This Microtubule Does Not Exist: Super-Resolution Microscopy Image Generation by a Diffusion Model 2025-Mar, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400672 PMID:39400948	研究论文	本文探讨了扩散模型在超分辨率显微镜图像生成中的应用，展示了生成图像与实验图像的相似性，并证明了生成模型在数据增强中的实用性	首次将扩散模型应用于超分辨率显微镜图像生成，并展示了其在数据增强中的潜力	生成模型的训练依赖于少量实验图像，可能限制了生成图像的多样性和泛化能力	探索扩散模型在超分辨率显微镜图像生成中的应用，并评估其在数据增强中的效果	超分辨率显微镜图像	计算机视觉	NA	扩散模型	扩散模型	图像	少量实验图像
12312	2025-03-23	Automated Cone Photoreceptor Detection in Adaptive Optics Flood Illumination Ophthalmoscopy 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100675 PMID:40114708	研究论文	本文开发并验证了一种基于深度学习的模型，用于在自适应光学泛光照明眼底成像（AO-FIO）中检测视锥细胞	该研究首次使用基于U-Net架构的深度学习模型进行视锥细胞的自动检测，并在多个医疗中心进行了验证，表现优于制造商的自动检测软件	研究仅涉及健康志愿者，未涵盖患有眼部疾病的患者，且样本量相对较小	开发一种自动检测视锥细胞的深度学习模型，以提高检测效率和准确性	健康志愿者的视锥细胞	计算机视觉	NA	自适应光学泛光照明眼底成像（AO-FIO）	U-Net	图像	36名健康志愿者，每只眼睛采集21张AO-FIO图像
12313	2025-03-23	AlphaMissense Predictions and ClinVar Annotations: A Deep Learning Approach to Uveal Melanoma 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100673 PMID:40114711	研究论文	本文探讨了使用深度学习工具AlphaMissense评估葡萄膜黑色素瘤（UM）中基因突变的功能影响	使用AlphaMissense工具对UM中的错义突变进行功能影响评估，并与ClinVar数据库中的临床意义进行交叉验证	仅分析了COSMIC数据库中的错义突变，且只有40.4%的突变在ClinVar中有对应数据	评估UM中基因突变的致病性，以改进基因组诊断和个性化治疗策略	葡萄膜黑色素瘤（UM）患者的基因数据	生物信息学	葡萄膜黑色素瘤	深度学习	AlphaMissense, AlphaFold	基因突变数据	1310个UM中的错义突变，其中151个独特错义突变被分析
12314	2025-03-23	Robust and interpretable deep learning system for prognostic stratification of extranodal natural killer/T-cell lymphoma 2025-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07024-x PMID:39714634	研究论文	本文开发并验证了DeepENKTCL，一个用于预测外鼻型自然杀伤/T细胞淋巴瘤（ENKTCL）预后风险分层的可解释深度学习系统	DeepENKTCL结合了肿瘤分割模型、PET/CT融合模型和预后预测模型，通过SHAP分析增强了模型的可解释性，提供了优于现有模型的预后性能和临床效益	研究样本来自四个中心，可能存在样本选择偏差，且未提及外部验证结果	开发并验证一个可解释的深度学习系统，用于ENKTCL的预后风险分层	外鼻型自然杀伤/T细胞淋巴瘤（ENKTCL）患者	数字病理学	淋巴瘤	深度学习、PET/CT融合、放射组学、拓扑特征分析	深度学习模型	医学影像（PET/CT）	562名患者，分为训练、验证和测试队列
12315	2025-03-23	Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography 2025-Mar-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01922-w PMID:40106066	研究论文	开发了一种基于课程学习和分块方法的深度学习模型，用于乳腺X光检查中的乳腺癌检测，利用弱注释和强注释，并通过Grad-CAM提供可解释的人工智能	结合课程学习和分块方法，利用有限数量的强注释数据进行训练，提高了模型性能和可解释性	需要进一步验证模型在更大规模数据集上的泛化能力	开发一种高效的深度学习模型，用于乳腺X光检查中的乳腺癌检测	乳腺X光检查图像	计算机视觉	乳腺癌	深度学习	基于分块的深度学习模型	图像	1976张乳腺X光检查图像（来自三个中心），外部测试数据集包含4276张乳腺X光检查图像
12316	2025-03-23	Design of thin, wideband electromagnetic absorbers with polarization and angle insensitivity using deep learning 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94116-9 PMID:40108286	研究论文	本文介绍了一种利用深度学习设计薄型、宽带电磁波吸收器的新方法，该吸收器具有极化和角度不敏感性	利用生成对抗网络（GAN）和多层感知器（MLP）网络设计薄型、宽带电磁波吸收器，覆盖8-12 GHz频率范围，具有高吸收率和极化和角度不敏感性	NA	设计一种薄型、宽带电磁波吸收器，适用于大规模生产	电磁波吸收器	机器学习	NA	生成对抗网络（GAN），多层感知器（MLP）	GAN, MLP	数值全波电磁模拟数据	NA
12317	2025-03-23	Prediction and analysis of tumor infiltrating lymphocytes across 28 cancers by TILScout using deep learning 2025-Mar-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00866-0 PMID:40108446	研究论文	本文介绍了TILScout，一种利用深度学习从全切片图像中计算肿瘤浸润淋巴细胞（TILs）分数的泛癌方法	TILScout在验证集和独立测试集上分别达到了0.9787和0.9628的准确率，以及0.9988和0.9934的AUC，超越了之前的研究	NA	预测和分析28种癌症中的肿瘤浸润淋巴细胞（TILs）	28种癌症的全切片图像	数字病理学	癌症	深度学习	NA	图像	NA
12318	2025-03-23	Seasonal forecasting of the hourly electricity demand applying machine and deep learning algorithms impact analysis of different factors 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91878-0 PMID:40102500	研究论文	本文提出了基于机器学习和深度学习算法的短期季节性预测模型，用于预测新英格兰控制区（ISO-NE-CA）的每小时电力需求	结合了多种机器学习和深度学习技术（如自适应神经模糊推理系统、长短期记忆网络、门控循环单元和人工神经网络），并分析了温度对电力需求的影响	模型在不同季节和场景下的准确性存在差异，特别是在秋季和春季的预测精度较低	提高短期电力需求预测的精度，分析温度对电力需求的影响	新英格兰控制区（ISO-NE-CA）的每小时电力需求	机器学习	NA	自适应神经模糊推理系统（ANFIS）、长短期记忆网络（LSTM）、门控循环单元（GRU）、人工神经网络（ANN）	ANFIS、LSTM、GRU、ANN	时间序列数据	NA
12319	2025-03-23	Deep transfer learning for seismic characterization of strike-slip faults in karstified carbonates from the northern Tarim basin 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94134-7 PMID:40102580	研究论文	本文提出了一种利用深度迁移学习和Unet模型检测塔里木盆地北部走滑断层的方法	提出了一种构建断层标签的方法，并引入了深度迁移学习工作流程来检测塔里木盆地北部的走滑断层	构建实际断层标签和获取大量断层标签仍存在挑战	优化井轨迹和开发计划，提高走滑断层的地震特征识别	塔里木盆地北部的走滑断层	地球物理	NA	深度迁移学习	Unet	地震数据	塔里木盆地北部的走滑断层数据
12320	2025-03-23	LUNETR: Language-Infused UNETR for precise pancreatic tumor segmentation in 3D medical image 2025-Mar-15, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107414 PMID:40117980	研究论文	本文提出了一种名为LUNETR的多模态编码器模型，结合文本和图像信息进行精确的医学图像分割，特别是针对胰腺肿瘤的3D医学图像分割	LUNETR模型通过结合自动编码语言模型和跨注意力机制，有效利用文本和图像数据之间的语义关联，提高了胰腺微肿瘤的精确定位能力，并设计了多尺度聚合注意力模块（MSAA）以增强模型从胰腺组织中提取微病变特征的能力	多模态医学数据集的稀缺性可能限制了模型的泛化能力	提高胰腺肿瘤及其附近血管的精确分割能力，以辅助胰腺癌的临床诊断	胰腺肿瘤及其附近血管	数字病理	胰腺癌	CT扫描	UNETR	3D医学图像和病理报告文本	135名胰腺癌患者的CT图像和相应病理报告