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
12601	2025-03-12	A majority voting framework for reliable sentiment analysis of product reviews 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2738 PMID:40062271	研究论文	本文提出了一种定制的多数投票方法，用于提高在线产品评论中情感分析的一致性和可靠性	通过利用多个自动化工具的情感标签并实施稳健的多数决策规则，解决了情感分类中的不一致性问题	未提及具体局限性	提高在线产品评论中情感分析的一致性和可靠性	在线产品评论	自然语言处理	NA	多数投票方法	深度学习模型	文本	未提及具体样本数量
12602	2025-03-12	Non-invasive enhanced hypertension detection through ballistocardiograph signals with Mamba model 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2711 PMID:40062272	研究论文	本研究探讨了使用非侵入性心血管监测技术——心冲击描记术（BCG）结合先进的机器学习和深度学习模型进行高血压检测	本研究通过采用Mamba深度学习架构和基于Transformer的模型，区别于以往文献，能够更有效地分析时间序列数据，捕捉长期信号依赖关系，并实现更高的准确率	未来研究应旨在用更大的数据集验证这些发现，并探索BCG在心血管疾病监测中的临床应用	开发一种非侵入性且高效的方法，用于长期高血压监测，促进家庭健康评估	高血压患者和正常血压个体的BCG信号	机器学习	心血管疾病	BCG	Mamba Classifier, Transformer, Stacking, Voting, XGBoost	时间序列数据	128个BCG记录
12603	2025-03-12	Autoregressive models for session-based recommendations using set expansion 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2734 PMID:40062273	研究论文	本文提出了一种新的基于集合的会话推荐模型DSETRec，通过将会话数据视为无序集合来捕捉项目间的耦合关系和共现模式，从而提高在顺序信息不可用或嘈杂情况下的预测准确性	DSETRec模型从集合的角度处理会话推荐问题，消除了对交互序列的依赖，能够更好地捕捉无序交互模式并适应不同的会话长度	模型在顺序信息明确且可靠的场景下可能不如序列模型有效	开发一种更灵活和通用的会话推荐系统	会话数据	机器学习	NA	深度学习	自回归模型	会话数据	基准数据集（如Yoochoose）
12604	2025-03-12	ALL-Net: integrating CNN and explainable-AI for enhanced diagnosis and interpretation of acute lymphoblastic leukemia 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2600 PMID:40062280	研究论文	本文介绍了一种新模型ALL-Net，用于通过自定义卷积神经网络（CNN）架构和可解释人工智能（XAI）检测急性淋巴细胞白血病（ALL）	ALL-Net结合了CNN和XAI技术，通过LIME算法解释模型预测，解决了深度学习模型的黑箱问题，并在处理数据不平衡问题上表现出色	尽管ALL-Net在大多数模型上表现优异，但与DenseNet201相比有0.5%的微小差异	提高急性淋巴细胞白血病的诊断准确性和模型的可解释性	急性淋巴细胞白血病（ALL）的外周血涂片（PBS）图像	计算机视觉	白血病	卷积神经网络（CNN）和可解释人工智能（XAI）	CNN	图像	3,256张外周血涂片（PBS）图像，分为四类：良性（hematogones）和三种ALL亚型（Early B, Pre-B, Pro-B）
12605	2025-03-12	MFI-Net: multi-level feature invertible network image concealment technique 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2668 PMID:40062291	研究论文	本文提出了一种基于可逆网络的新型图像隐藏方法MFI-Net，通过引入新的上采样卷积块和频率域损失函数，有效利用图像的多层次信息，提高了图像隐藏的质量和安全性	提出了新的上采样卷积块（UCB）和频率域损失（FDL），有效利用图像的低层次和高层次特征，提高了隐藏信息的精确度和图像质量	现有方法在隐藏区域选择上缺乏精确性，主要依赖残差结构，未能充分利用低层次特征，导致生成结果质量下降和网络过拟合风险增加	提高图像隐藏技术的质量和安全性	图像隐藏技术	计算机视觉	NA	深度学习，可逆网络	MFI-Net	图像	DIV2K, COCO, ImageNet数据集
12606	2025-03-12	Gradient pooling distillation network for lightweight single image super-resolution reconstruction 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2679 PMID:40062290	研究论文	本文提出了一种梯度池化蒸馏网络（GPDN），用于轻量级单图像超分辨率重建	提出了梯度池化蒸馏模块和特征通道注意力模块，通过多层次堆叠的特征蒸馏混合单元捕获多尺度特征表示，并动态优化特征空间	尽管在性能和资源利用率之间取得了平衡，但在某些计算资源极其受限的场景下，可能仍需进一步优化	设计一种高效的单图像超分辨率算法，以在资源受限的场景中实现高质量图像重建	低分辨率图像	计算机视觉	NA	深度学习技术	梯度池化蒸馏网络（GPDN）	图像	NA
12607	2025-03-12	Testing convolutional neural network based deep learning systems: a statistical metamorphic approach 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2658 PMID:40062296	研究论文	本文提出了一种统计变形测试（SMT）技术，用于测试基于卷积神经网络（CNN）的深度学习系统，特别是在医疗领域的肺炎检测模型中验证其有效性	提出了一种不需要固定随机种子的统计变形测试技术，结合七种变形关系和统计方法，验证深度学习模型的正确性，并提出了变形关系最小化算法以节省计算资源	研究主要针对CNN模型，未涉及其他类型的深度学习模型，且实验范围局限于肺炎检测	解决传统变形测试技术在验证深度学习模型时的局限性，特别是在随机初始化权重的情况下	基于CNN的深度学习模型	机器学习	肺炎	统计变形测试（SMT）	CNN	图像	未明确提及样本数量
12608	2025-03-12	Design and analysis of teaching early warning system based on multimodal data in an intelligent learning environment 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2692 PMID:40062295	研究论文	本文设计并分析了一种基于多模态数据的智能学习环境中的教学预警系统	提出了一种高效的长视频情感过渡点搜索算法和基于面部特征的中性情感片段过滤算法，并引入了基于深度学习的多模态情感识别模型，结合注意力机制进行特征级模态融合	未提及具体的数据集大小或实验结果的广泛验证	提高在线教育环境中教师情感表达的智能评估和改进	教学视频中的情感片段和情感识别	自然语言处理	NA	深度学习	多模态情感识别模型	视频、语音、面部图像	未提及具体样本数量
12609	2025-03-12	Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2698 PMID:40062307	研究论文	本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平	创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择	未提及具体局限性	研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度	维生素D缺乏水平	机器学习	NA	深度学习，进化计算	CNN, BiLSTM, GA	医疗数据	基准数据集
12610	2025-03-12	Review of models for estimating 3D human pose using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2574 PMID:40062308	综述	本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战	本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向	尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战	探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用	3D人体姿态估计模型	计算机视觉	NA	深度学习	NA	图像, 视频	NA
12611	2025-03-11	In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127762 PMID:39999584	研究论文	本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性	结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能	NA	提高LIBS作为高精度分析工具的性能	金属样品的连续LIBS烧蚀过程	机器学习和光谱分析	NA	拉曼光谱和激光诱导击穿光谱（LIBS）	深度卷积神经网络（CNN）	光谱数据	NA
12612	2025-03-11	Two algorithms for improving model-based diagnosis using multiple observations and deep learning 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107185 PMID:39862533	研究论文	本文提出了两种新算法，通过整合多观察和深度学习技术来增强基于模型的诊断（MBD）	提出了两种新算法Discret2DiMO和Discret2DiMO-DC，通过整合多观察和深度学习技术显著提高了MBD的诊断准确性和计算效率	实验仅在模拟的三罐模型上进行，未在真实世界系统中验证	提高基于模型的诊断（MBD）的准确性和计算效率	基于模型的诊断（MBD）	人工智能	NA	深度学习	NA	模拟数据	模拟的三罐模型
12613	2025-03-11	Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks 2025-Mar-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0255288 PMID:40062757	研究论文	本文提出了一种基于深度学习的方法，用于加速自洽场理论（SCFT）模拟，并通过深度神经网络（DNN）直接映射早期SCFT结果到平衡结构，显著减少了模拟时间	通过深度神经网络直接映射早期SCFT结果到平衡结构，避免了耗时的SCFT迭代，显著提高了模拟效率	需要生成训练数据集，且训练网络的成本可能较高	加速自洽场理论（SCFT）模拟，提高计算效率	嵌段共聚物（BCP）自组装	机器学习	NA	深度神经网络（DNN）	DNN	模拟数据	NA
12614	2025-03-11	AI-Driven Drug Discovery for Rare Diseases 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01966 PMID:39689164	综述	本文探讨了人工智能（AI）在罕见病药物发现中的潜力，通过克服传统药物发现模型的挑战，加速罕见病治疗的发展	本文综合了当前知识和最新突破，提供了关于AI如何加速罕见病治疗发展的关键见解，填补了文献中的关键空白	本文主要基于现有文献和突破，缺乏实际应用案例和数据的支持	探索AI在罕见病药物发现中的应用，以加速治疗发展并改善患者预后	罕见病（RDs）及其治疗	机器学习	罕见病	机器学习（ML）和深度学习（DL）	NA	NA	NA
12615	2025-03-11	Automated detection of small hepatocellular carcinoma in cirrhotic livers: applying deep learning to Gd-EOB-DTPA-enhanced MRI 2025-Mar-10, Abdominal radiology (New York) DOI:10.1007/s00261-025-04853-8 PMID:40059243	研究论文	本文开发了一种基于深度学习的自动化方法，用于在肝硬化患者中检测小肝细胞癌（sHCC），并利用Gd-EOB-DTPA增强MRI进行验证	本研究首次将nnU-Net应用于小肝细胞癌的自动检测，并在肝硬化患者中验证了其有效性	研究为回顾性研究，样本量相对较小，且仅使用了单一类型的MRI数据	开发一种自动化深度学习方法，用于检测肝硬化患者中的小肝细胞癌	肝硬化患者中的小肝细胞癌（sHCC）和非HCC病变	计算机视觉	肝癌	Gd-EOB-DTPA增强MRI	nnU-Net	MRI图像	120名肝硬化患者（78名sHCC患者和42名非HCC肝硬化患者）
12616	2025-03-11	Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision 2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.14041 PMID:40055947	研究论文	本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性	结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性	该方法的准确性尚不足以用于临床应用	研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性	上颌无牙模型上的6个种植体和扫描体	计算机视觉	NA	深度学习	深度学习模型	视频	10次重复实验
12617	2025-03-11	Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT 2025-Mar-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8730 PMID:40054878	系统综述与荟萃分析	本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析	本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性	研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性	评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果	儿童头部CT扫描	医学影像	儿科疾病	CT扫描、迭代重建技术	NA	医学影像数据	20项研究
12618	2025-03-11	Multimodal optimal matching and augmentation method for small sample gesture recognition 2025-Mar-06, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01370 PMID:39864830	研究论文	本文提出了一种多模态最优匹配和增强方法，用于小样本手势识别，通过引入运动信息到基于表面肌电图的识别中，实现了每个手势仅需一次采集的高效识别	引入运动信息到基于表面肌电图的识别中，提出了一种多模态最优匹配和增强方法，显著减少了数据采集的负担	方法在非健康用户中的应用效果需要进一步验证，且数据集的多样性可能仍然有限	提高小样本手势识别模型的准确性，减少数据采集的负担	手势识别，特别是基于表面肌电图的手势识别	机器学习	中风	数据增强，迁移学习	深度学习模型	生理信号数据，运动信息数据	自收集的中风患者数据集，Ninapro DB1数据集和Ninapro DB5数据集
12619	2025-03-11	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用	MetAssimulo 2.0在1.0版本的基础上进行了全面升级，增加了对尿液、血液和脑脊液的光谱模拟功能，并引入了2D J-resolved和Correlation Spectroscopy光谱的模拟能力	尽管MetAssimulo 2.0提高了光谱模拟的真实性，但其模拟结果与真实光谱的Pearson相关系数约为0.82，仍有改进空间	开发一个工具以支持深度学习与代谢组学交叉领域的研究	1D和2D代谢组学1H NMR光谱	代谢组学	NA	核磁共振（NMR）光谱	NA	光谱数据	NA
12620	2025-03-11	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-25, ArXiv PMID:38827456	研究论文	本文介绍了gRNAde，一种基于几何深度学习的3D RNA逆设计管道，旨在设计考虑结构和动力学的RNA序列	gRNAde通过多状态图神经网络和自回归解码，生成基于一个或多个3D骨架结构的候选RNA序列，显著提高了序列恢复率	尽管gRNAde在单状态固定骨架重新设计基准测试中表现优异，但在多状态设计方面的应用仍需进一步验证	研究目的是开发一种能够考虑3D构象多样性的RNA序列设计方法	研究对象是RNA序列及其3D骨架结构	机器学习	NA	几何深度学习	图神经网络（GNN）	3D结构数据	14个来自PDB的RNA结构