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
12561	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
12562	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
12563	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）
12564	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
12565	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
12566	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
12567	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
12568	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
12569	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
12570	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
12571	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
12572	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）
12573	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
12574	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
12575	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA
12576	2025-03-12	Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06395 PMID:40016179	研究论文	本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法	首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量	研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果	开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台	金纳米颗粒（AuNPs）	计算机视觉	NA	暗场散射光显微镜	深度学习模型（分类和回归模型）	图像	4个不同浓度的样本
12577	2025-03-12	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类	提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能	研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证	开发一种精确的脑肿瘤分类方法，以指导临床决策	脑肿瘤的多模态图像（CT和MRI）数据集	计算机视觉	脑肿瘤	深度学习	MobileNetV2, ResNet, Inceptionv3, VGG16	图像	9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类
12578	2025-03-12	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Mar-10, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假	提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测	NA	开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉	山茶油及其掺假物	机器学习	NA	激发-发射矩阵荧光光谱（EEMF）	ResTransformer（结合残差模块和Transformer的深度学习模型）	光谱数据	NA
12579	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
12580	2025-03-12	Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment 2025-Mar-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57721-w PMID:40057512	研究论文	本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估	JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER	当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估	提高核磁共振光谱的重建质量和评估效率	核磁共振光谱	机器学习	NA	深度学习	JTF-Net	光谱数据	NA