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
301	2025-03-05	A GPR-based framework for assessing corrosivity of concrete structures using frequency domain approach 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42641 PMID:40028599	研究论文	本文提出了一种基于GPR的框架，用于评估混凝土结构的腐蚀性，采用频域分析方法	引入了一种更全面的GPR数据解释方法，包括时间和时频域分析，结合深度学习和频域分析技术	方法依赖于地面真实条件的验证，可能在实际应用中受到限制	开发一种更准确的GPR数据解释方法，用于评估混凝土结构的腐蚀性	混凝土结构中的钢筋腐蚀	无损检测	NA	GPR, 短时傅里叶变换(STFT)	深度学习	GPR数据	钢筋混凝土墙的锤击和钢筋暴露验证
302	2025-03-05	A review of artificial intelligence in brachytherapy 2025-Feb-27, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70034 PMID:40014044	综述	本文全面回顾了人工智能（AI）在近距离放射治疗（brachytherapy）中的应用，重点关注机器学习和深度学习技术	系统地将AI在近距离放射治疗中的应用分为七大类，并详细总结了各类中的模型、数据规模和结果	讨论了当前AI应用的局限性、挑战和伦理问题	探讨AI如何使近距离放射治疗更加个性化、高效和有效	近距离放射治疗的各个方面，包括成像、预计划、治疗计划、施源器重建、质量保证、结果预测和实时监测	医疗人工智能	癌症	机器学习和深度学习	NA	NA	NA
303	2025-03-05	Rapid and accurate prediction of protein homo-oligomer symmetry using Seq2Symm 2025-Feb-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57148-3 PMID:40016259	研究论文	本文介绍了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性	Seq2Symm模型通过微调多种蛋白质基础模型，利用ESM2，显著提高了预测同源寡聚体对称性的准确性和速度，超越了现有的模板搜索和深度学习方法	虽然Seq2Symm在预测速度和准确性上有显著提升，但其在三个测试集上的平均AUC-PR分别为0.47、0.44和0.49，仍有改进空间	研究目的是开发一种能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型	研究对象是同源寡聚体蛋白质的对称性	生物信息学	NA	ESM2	Seq2Symm	蛋白质序列	5个蛋白质组和约350万条未标记的蛋白质序列
304	2025-03-05	CANDI: a web server for predicting molecular targets and pathways of cannabis-based therapeutics 2025-Feb-27, Journal of cannabis research IF:4.1Q1 DOI:10.1186/s42238-025-00268-w PMID:40016810	研究论文	本文介绍了CANDI，一个用于预测大麻基治疗分子靶点和途径的网页服务器	结合深度学习和传统大麻使用知识，开发了CANDI服务器，为大麻化合物的治疗潜力提供了新的预测工具	NA	研究大麻化合物的分子靶点和相关途径，以开发针对性的有效大麻基疗法	大麻化合物及其分子靶点和途径	自然语言处理	癌症	深度学习	基于注意力的神经网络	化合物-靶点相互作用数据	NA
305	2025-03-05	EMGANet: Edge-Aware Multi-Scale Group-Mix Attention Network for Breast Cancer Ultrasound Image Segmentation 2025-Feb-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3546345 PMID:40031552	研究论文	本文提出了一种名为EMGANet的边缘感知多尺度组混合注意力网络，用于乳腺癌超声图像分割	EMGANet通过整合深度和边缘特征，有效解决了超声图像中边界模糊和斑点噪声的挑战	NA	提高乳腺癌超声图像分割的准确性	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	EMGANet	图像	927个样本（来自武汉大学人民医院的BUSIWHU数据集）
306	2025-03-05	Comparative Study of Machine Learning and System Identification for Process Systems Engineering Dynamics 2025-Feb-26, Industrial & engineering chemistry research IF:3.8Q2 DOI:10.1021/acs.iecr.4c03264 PMID:40026351	研究论文	本研究对传统系统辨识和现代机器学习模型在过程系统工程（PSE）动态系统数据驱动建模中的应用进行了全面基准测试	使用AutoSID框架，结合MLOps原则，对12种不同模型架构在11个PSE案例研究中进行比较，展示了贝叶斯优化和k折交叉验证在模型选择中的有效性	研究主要关注PSE应用，可能在其他领域的适用性有限	比较传统系统辨识和现代机器学习模型在PSE动态系统建模中的性能	过程系统工程（PSE）动态系统	机器学习	NA	贝叶斯优化, k折交叉验证	树集成模型, 深度学习模型	动态系统数据	11个PSE案例研究
307	2025-03-05	Generative Deep Learning-Based Efficient Design of Organic Molecules with Tailored Properties 2025-Feb-26, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.4c00656 PMID:40028364	研究论文	本研究开发了一种生成式深度学习模型（Gen-DL），用于设计具有特定光学性质的有机分子	该模型能够利用分子结构-性质关系，生成具有指定光学性质的分子，并应用于实际场景	NA	加速具有特定性质分子的发现与设计	有机分子	机器学习	NA	生成式深度学习	Gen-DL	分子/溶剂对数据	71,424个分子/溶剂对
308	2025-03-05	Respiratory Anomaly and Disease Detection Using Multi-Level Temporal Convolutional Networks 2025-Feb-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545156 PMID:40031640	研究论文	本文提出了一种新颖的深度学习框架，通过多级时间卷积网络（ML-TCN）来检测呼吸异常和疾病	该框架通过卷积操作捕捉空间特征，并利用时间卷积网络利用这些特征的时空相关性，显著提高了模型在检测异常呼吸周期和呼吸录音方面的准确性	当前深度学习方法通常孤立地检查呼吸声音的空间和时间特征，这固有地限制了它们的潜力	早期检测肺部疾病	呼吸声音	深度学习	肺部疾病	深度学习	多级时间卷积网络（ML-TCN）	音频	ICBHI 2017挑战数据集
309	2025-03-05	Using wearable sensors and machine learning to assess upper limb function in Huntington's disease 2025-Feb-25, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00770-5 PMID:40000872	研究论文	本研究利用可穿戴传感器和机器学习评估亨廷顿病患者的上肢功能	通过可穿戴传感器和深度学习模型监测现实世界中的上肢功能，提供更全面的疾病症状理解	样本量较小（HD=16, pHD=7, CTR=16），可能影响结果的普遍性	评估亨廷顿病患者的上肢功能，探索早期检测和远程监测的可能性	亨廷顿病患者（HD）、前驱期亨廷顿病患者（pHD）和对照组（CTR）	机器学习	亨廷顿病	深度学习模型	统计和机器学习模型	传感器数据	HD=16, pHD=7, CTR=16
310	2025-03-05	Proteomic Characterization of Cardioprotective Human Acellular Amniotic Fluid 2025-Feb-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c09451 PMID:40028051	研究论文	本文通过全球蛋白质组学分析，揭示了人类羊水（hAF）在心肌缺血再灌注损伤中的心脏保护作用的生物活性成分	首次基于质谱技术对足月无细胞人类羊水进行蛋白质组学表征，揭示了其免疫调节蛋白的多样性及其在心脏保护中的作用	研究样本量较小，仅包括六名患者的羊水样本	揭示人类羊水在心肌缺血再灌注损伤中的心脏保护作用的生物活性成分	足月无细胞人类羊水	蛋白质组学	心血管疾病	串联质谱	NA	蛋白质数据	六名患者的羊水样本
311	2025-03-05	Adaptive Metadata-Guided Supervised Contrastive Learning for Domain Adaptation on Respiratory Sound Classification 2025-Feb-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545159 PMID:40031634	研究论文	本文提出了一种自适应元数据引导的监督对比学习方法，用于呼吸音分类的领域适应	利用呼吸音数据集中的元数据，探索元数据引导的领域适应方法，并引入一种自适应调整元数据组合的先进方法，以改善训练过程中的领域适应	未明确提及具体局限性	优化呼吸音分类模型，减少领域依赖性并提高检测准确性	呼吸音分类模型	机器学习	呼吸系统疾病	监督对比学习	NA	呼吸音数据	ICBHI数据集和自有数据集
312	2025-03-05	TDSF-Net: Tensor Decomposition-Based Subspace Fusion Network for Multimodal Medical Image Classification 2025-Feb-25, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3541170 PMID:40031645	研究论文	本文提出了一种基于张量分解的子空间融合网络（TDSF-Net），用于增强多模态医学图像分类	引入了Tucker低秩张量分解模块，将高维张量映射到低秩子空间，减少多模态数据和高维特征带来的冗余，并利用跨张量注意力机制融合子空间特征，增强特征表示能力	未明确提及具体局限性	提高多模态医学图像分类的准确性和效率	多模态医学图像	计算机视觉	NA	张量分解（TD）	TDSF-Net	医学图像	一个自建数据集和三个公开的多模态医学图像数据集
313	2025-03-05	Tissue Clutter Filtering Methods in Ultrasound Localization Microscopy Based on Complex-valued Networks and Knowledge Distillation 2025-Feb-24, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3544692 PMID:40031806	研究论文	本文提出了一种基于复数网络和知识蒸馏的超声定位显微镜（ULM）组织杂波滤波方法，以提高滤波效率并保持性能	提出了一种轻量级的2D复数卷积神经网络（CL-UNet）作为教师模型，并使用基于特征的知识蒸馏将知识从教师模型传递到学生模型（UNet-T），从而在滤波效率和性能之间取得最佳平衡	尽管在模拟和体内数据上表现出色，但该方法仍需进一步验证其在不同临床环境中的适用性和鲁棒性	提高超声定位显微镜（ULM）中组织杂波滤波的效率和性能	超声定位显微镜（ULM）中的微泡（MBs）和组织杂波	医学影像处理	NA	深度学习、知识蒸馏	2D复数卷积神经网络（CL-UNet）、2D实值卷积神经网络（UNet-T）	I/Q信号、包络数据	模拟数据和体内数据
314	2025-03-05	Conditional Mutual Information Constrained Deep Learning for Classification 2025-Feb-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3540014 PMID:40031861	研究论文	本文介绍了条件互信息（CMI）和归一化条件互信息（NCMI）的概念，用于衡量分类深度神经网络（DNN）在输出概率分布空间中的集中和分离性能	提出了基于NCMI约束的深度学习方法（CMIC-DL），并开发了一种新的交替学习算法来解决这种约束优化问题	未明确提及具体的研究局限性	提高深度神经网络在分类任务中的准确性和对抗攻击的鲁棒性	深度神经网络（DNN）	机器学习	NA	条件互信息（CMI）和归一化条件互信息（NCMI）	深度神经网络（DNN）	图像	CIFAR-100和ImageNet数据集
315	2025-03-05	Beyond the ground truth, XGBoost model applied to sleep spindle event detection 2025-Feb-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3544966 PMID:40031867	研究论文	本文提出了一种基于XGBoost算法的新型机器学习检测框架（SpinCo），用于睡眠纺锤体事件的自动检测，并开发了一种新的事件评估指标	提出了一种基于XGBoost算法的检测框架，性能接近最先进的深度学习技术，同时依赖于一组固定的易于解释的特征；开发了一种新的事件评估指标，增强了评估的可解释性，并能够直接评估专家间在手动注释纺锤体事件时的一致性	未提及具体的数据集或样本量，可能限制了结果的普适性	开发一种自动检测睡眠纺锤体事件的方法，并提高检测过程的可解释性	睡眠纺锤体事件	机器学习	NA	XGBoost算法	XGBoost	EEG信号	NA
316	2025-03-05	Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.15.638446 PMID:40027630	研究论文	本文介绍了一种基于向量检索和对比学习的框架，通过自然语言监督有效学习视觉脑MRI概念，并展示了该方法如何通过联合嵌入和自然语言监督识别影响阿尔茨海默病（AD）大脑的因素	提出了一种基于自然语言监督的多任务学习框架，能够执行MRI检索、MRI描述、MRI分类和视觉问答等多种任务，突破了传统深度学习算法在放射学研究中只能执行单一任务的限制	未提及具体的数据隐私保护措施和服务托管及数据存储的透明度问题	开发一种能够通过自然语言提示执行多种任务的深度学习算法，以提高放射学研究和医学研究中的数据处理效率和准确性	脑MRI图像	计算机视觉	阿尔茨海默病	自然语言监督、对比学习、自监督学习	Transformer	图像、文本	NA
317	2025-03-05	Parameter Efficient Fine-tuning of Transformer-based Masked Autoencoder Enhances Resource Constrained Neuroimage Analysis 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.15.638442 PMID:40027656	研究论文	本文评估了在预训练的视觉Transformer上应用参数高效微调（PEFT）方法的效果，特别是在资源受限的神经影像分析中的应用	首次在神经影像分析中应用PEFT方法，显著减少了可训练参数数量，同时保持了或超越了传统全微调方法的性能	研究主要基于T1加权脑MRI数据，未涉及其他类型的神经影像数据	探索参数高效微调方法在神经影像分析中的应用效果	T1加权脑MRI数据	计算机视觉	阿尔茨海默病, 帕金森病	参数高效微调（PEFT）	Transformer-based Masked Autoencoder (MAE)	图像	258个训练扫描
318	2025-03-05	Time-series attribution maps with regularized contrastive learning 2025-Feb-17, ArXiv PMID:40034132	研究论文	本文提出了一种通过正则化对比学习算法和新的归因方法（称为Inverted Neuron Gradient，统称为xCEBRA）生成具有可识别性保证的归因图的方法	xCEBRA方法首次实现了时间序列归因图的可识别性推断，并在合成数据集上展示了其对真实归因图中零与非零项的稳健近似，显著优于基于特征消融、Shapley值和其他基于梯度的方法	NA	旨在解释深度学习模型的决策，并开发具有可识别性保证的归因图生成方法	时间序列数据	机器学习	NA	正则化对比学习算法	xCEBRA	时间序列数据	NA
319	2025-03-05	A multi-modal transformer for cell type-agnostic regulatory predictions 2025-Feb-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100762 PMID:39884279	研究论文	本文介绍了一种名为EpiBERT的多模态transformer模型，用于学习基因组序列和细胞类型特异性染色质可及性的通用表示	EpiBERT通过基于掩码可及性的预训练目标，能够推广到未观察到的细胞状态，并在基因表达预测方面达到与仅使用序列的Enformer模型相当的准确性	NA	提高基于序列的深度神经网络在调控基因组学中的泛化能力	人类基因组的顺式调控语法	机器学习	NA	深度学习	transformer	基因组序列和染色质可及性数据	NA
320	2025-03-05	CLUMM: Contrastive Learning for Unobtrusive Motion Monitoring 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041048 PMID:40006277	研究论文	本文提出了一种新颖的框架CLUMM，利用对比学习方法从原始图像中学习丰富的表示，无需手动标注，用于实时人体运动监测	采用对比学习方法，无需手动标注，直接从人体特定数据中学习，减少环境复杂性对模型的影响	需要定制数据集进行训练和评估，可能限制了模型的泛化能力	解决传统人体监测和运动识别方法中存在的侵入性和不适感问题，提高实时监测的准确性和效率	在制造环境中模拟各种任务的人体受试者	计算机视觉	NA	对比学习	NA	图像	定制数据集中的受试者