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
941	2025-02-17	Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data 2025-Feb, Social science & medicine (1982) DOI:10.1016/j.socscimed.2025.117690 PMID:39892039	研究论文	本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征	利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解	研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素	开发预测韩国青少年饮酒的算法，并识别重要特征	韩国青少年	机器学习	NA	深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）	Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost	横截面数据	41,239名韩国青少年
942	2025-02-16	Unsupervised cross talk suppression for self-interference digital holography 2025-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.544342 PMID:39951778	研究论文	本文提出了一种基于循环一致性生成对抗网络（CycleGAN）的无监督串扰抑制方法，用于自干涉数字全息术	创新点在于提出了一种无需配对训练数据的无监督学习方法，通过显著性约束避免图像内容失真	在实际实验中，获取配对数据集以完成训练是困难的	研究目的是提高自干涉数字全息术在非相干成像领域的分辨率	自干涉数字全息术中的串扰信息	计算机视觉	NA	自干涉数字全息术	CycleGAN	图像	NA
943	2025-02-16	Fourier-inspired single-pixel holography 2025-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.547399 PMID:39951780	研究论文	本文介绍了一种名为傅里叶启发的单像素全息术（FISH）的有效数字全息术方法，该方法使用单像素探测器而非传统相机来捕捉光场信息	FISH结合了傅里叶单像素成像和离轴全息技术，能够直接获取有用信息，而无需在空间域记录全息图并在傅里叶域过滤不需要的项，此外，还采用深度学习技术联合优化采样掩模和成像增强模型，以在低采样率下实现高质量结果	NA	探索并验证一种新的数字全息术方法，以在低采样率下实现高质量的单像素相位成像	光场信息的捕捉与成像	计算机视觉	NA	傅里叶单像素成像、离轴全息技术、深度学习	深度学习模型	光场信息	NA
944	2025-02-16	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-Feb-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	本研究旨在开发一种深度学习模型，用于预测阿尔茨海默病（AD）患者的认知转换，以指导更密集治疗的需求	利用深度学习模型预测AD患者的认知转换，并通过逐步减少变量集来获得简约模型，同时保持较高的预测性能	研究样本量在随访期间有所减少，可能影响模型的泛化能力	开发深度学习模型以预测AD患者的认知转换，优化治疗方案	阿尔茨海默病（AD）患者	机器学习	阿尔茨海默病	深度学习	深度学习模型	纵向数据，包括人口统计、病史、神经心理学结果、实验室和神经影像结果	基线时607人，12个月随访538人，24个月随访482人，36个月随访268人，48个月随访280人
945	2025-02-16	A deep learning model to predict dose distributions for breast cancer radiotherapy 2025-Feb-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-01942-4 PMID:39937302	研究论文	本文提出了一种基于3D U-Net的深度学习模型，用于准确预测乳腺癌放射治疗的剂量分布	该模型采用了双编码器组合注意力（DECA）模块、跨阶段部分+Resnet+注意力（CRA）模块、难度感知和关键区域损失等创新技术	研究仅针对乳腺癌患者，未涉及其他类型的癌症	提高乳腺癌放射治疗的剂量分布预测精度和规划效率	乳腺癌患者	计算机视觉	乳腺癌	深度学习	3D U-Net	3D图像	176名乳腺癌患者
946	2025-02-16	OHID-1: A New Large Hyperspectral Image Dataset for Multi-Classification 2025-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04542-7 PMID:39939330	研究论文	本文介绍了一个新的大规模高光谱图像数据集OHID-1，旨在提升高光谱图像分类性能并挑战现有算法	OHID-1数据集提供了更复杂的特征和更高的分类复杂性，包含7个类别标签，覆盖更广的区域	NA	提升高光谱图像分类性能并挑战现有高光谱图像处理算法	高光谱图像数据集OHID-1	计算机视觉	NA	NA	NA	高光谱图像	10幅高光谱图像，来自中国珠海市不同区域
947	2025-02-16	Steering drilling wellbore trajectory prediction based on the NOA-LSTM-FCNN method 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89826-z PMID:39939666	研究论文	本文提出了一种基于NOA-LSTM-FCNN方法的导向钻井井眼轨迹预测方法，旨在解决复杂地质条件下井眼轨迹难以准确预测的问题	结合NOA、LSTM和FCNN，提出了一种新的井眼轨迹预测方法，显著提高了预测精度	NA	提高复杂地质条件下井眼轨迹的预测精度	井眼轨迹数据	机器学习	NA	NA	LSTM, FCNN	井眼轨迹数据	NA
948	2025-02-16	A machine learning model for detecting and quantifying tropical cyclone related disturbance and recovery in estuaries 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89196-6 PMID:39939689	研究论文	本研究开发了一种基于机器学习的模型，用于检测和量化热带气旋对河口生态系统造成的干扰及其恢复时间	利用LSTM深度学习模型检测干扰并量化其严重性，同时开发基于高斯滤波的算法评估恢复时间	模型主要关注河口水质的变化，未全面考虑其他生态系统因素	开发一种能够检测和量化热带气旋对河口生态系统干扰及其恢复时间的模型	河口生态系统，特别是水质变化	机器学习	NA	LSTM深度学习模型，高斯滤波算法	LSTM	时间序列数据	NOAA国家河口研究保护区系统的数据
949	2025-02-16	Universal attention guided adversarial defense using feature pyramid and non-local mechanisms 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89267-8 PMID:39939692	研究论文	本文提出了一种通用的注意力引导对抗防御方法，通过特征金字塔和非局部机制增强深度神经网络对对抗样本的防御能力	提出了两种防御模块：基于特征金字塔的注意力空间引导（FPAS）模块和基于注意力的非局部（ANL）模块，分别用于对抗注意力转移攻击和注意力衰减攻击	未明确提及具体局限性	提高深度神经网络对对抗样本的防御能力，特别是在高安全领域中的应用	对抗样本及其对深度神经网络的影响	机器学习	NA	NA	Wide-ResNet	图像	未明确提及具体样本数量
950	2025-02-14	Author Correction: An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2025-Feb-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00827-7 PMID:39939705	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
951	2025-02-16	Optical Microscopy and Deep Learning for Absolute Quantification of Nanoparticles on a Macroscopic Scale and Estimating Their Number Concentration 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05555 PMID:39886935	研究论文	本文提出了一种简单且绝对的方法来估计纳米颗粒的数量浓度，通过光学显微镜和深度学习技术实现宏观尺度上的纳米颗粒绝对定量	创新点在于结合光学显微镜和人工神经网络，提出了一种称为蒸发体积分析（EVA）的新方法，能够在宏观尺度上对纳米颗粒进行绝对定量	讨论了EVA的理论限制，如检测限、定量限和最佳工作范围	研究目的是开发一种简单且绝对的方法来估计纳米颗粒的数量浓度	研究对象是纳米颗粒，特别是60 nm Tm掺杂的光子上转换纳米颗粒、80 nm Nile红掺杂的聚苯乙烯纳米颗粒和90 nm银纳米颗粒	计算机视觉	NA	光学显微镜、人工神经网络	人工神经网络	图像	每个液滴中的数千个纳米颗粒
952	2025-02-16	End-To-End Deep Learning Explains Antimicrobial Resistance in Peak-Picking-Free MALDI-MS Data 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05113 PMID:39893590	研究论文	本文介绍了一种端到端深度学习模型，用于使用原始基质辅助激光解吸电离质谱（MALDI-MS）数据预测抗生素耐药性	该模型跳过传统的峰值提取步骤，直接使用原始数据进行预测，展示了端到端深度学习在质谱数据中的应用潜力	虽然模型性能优异，但特征归因值显示端到端工作流程仍有改进空间	研究目的是通过深度学习模型预测抗生素耐药性，以提高临床实验室对感染微生物的识别能力	研究对象是使用MALDI-MS数据预测抗生素耐药性	机器学习	感染性疾病	MALDI-MS	1D CNN	质谱数据	NA
953	2025-02-16	Unraveling Human Hepatocellular Responses to PFAS and Aqueous Film-Forming Foams (AFFFs) for Molecular Hazard Prioritization and In Vivo Translation 2025-Feb-11, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c10595 PMID:39893674	研究论文	本研究通过人类肝细胞培养、高通量转录组学、深度学习细胞形态图像和肝脏酶泄漏实验，探讨了30种物质对人类肝细胞的影响，以预测人类肝损伤的效力范围，并提出了将机制性肝细胞反应数据转化为预测PFAS诱导的肝肿大效力范围的创新方法	引入了将机制性肝细胞反应数据转化为预测PFAS诱导的肝肿大效力范围的创新方法，填补了PFAS/AFFF相关机制知识的空白	研究中使用的肝细胞模型为2D培养，可能无法完全模拟体内3D环境	理解PFAS和AFFFs的毒性潜力，识别更安全的替代品，并预测人类肝损伤的效力范围	人类肝细胞（HepaRG, 2D培养）	毒理学	肝病	高通量转录组学、深度学习、肝脏酶泄漏实验	深度学习	图像、转录组数据	30种物质（包括AFFF、PFAS和临床药物）
954	2025-02-16	Deep Learning-Driven Single-Lead ECG Classification: A Rapid Approach for Comprehensive Cardiac Diagnostics 2025-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030384 PMID:39941314	研究论文	本研究探讨了使用先进深度学习模型对单导联心电图数据进行分类的潜力，以解决资源有限或偏远地区对可访问、早期和准确心脏诊断的迫切需求	研究从传统的多导联心电图分析转向单导联心电图数据，探索了深度学习模型在心脏疾病分类中的应用，并评估了五种最先进的深度学习架构的性能	研究中未提及数据集的多样性和样本量，可能影响模型的泛化能力	解决资源有限或偏远地区对可访问、早期和准确心脏诊断的需求	单导联心电图数据	机器学习	心血管疾病	深度学习	Inception, DenseNet201, MobileNetV2, NASNetLarge, VGG16	心电图数据	NA
955	2025-02-16	Harnessing Artificial Intelligence in Obesity Research and Management: A Comprehensive Review 2025-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030396 PMID:39941325	综述	本文综述了人工智能（AI），特别是机器学习和深度学习在肥胖研究和管理中的临床应用，包括风险因素识别、结果预测、个性化治疗和医疗干预的改进	本文综合评估了AI在肥胖研究和管理中的应用，包括多种AI驱动模型的使用，如机器学习和深度学习，用于肥胖预测、患者分层和个性化管理策略	AI模型的有效性受数据集类型、研究目标和模型可解释性的影响，且存在数据质量、伦理考虑和技术要求等挑战	探索AI在肥胖研究和治疗中的应用，以改进肥胖的预测、管理和个性化治疗	肥胖相关的研究和管理	机器学习	肥胖	机器学习和深度学习	机器学习和深度学习模型	遗传、表观遗传和临床数据	NA
956	2025-02-16	Applications of Artificial Intelligence for Metastatic Gastrointestinal Cancer: A Systematic Literature Review 2025-Feb-06, Cancers IF:4.5Q1 DOI:10.3390/cancers17030558 PMID:39941923	系统文献综述	本文系统综述了人工智能在转移性胃肠道癌症诊断、治疗和随访中的应用	总结了AI技术在提高诊断准确性、预测治疗结果和识别预后生物标志物方面的潜力	依赖回顾性数据、影像协议不一致、样本量小、数据预处理和模型可解释性问题	探讨人工智能在转移性胃肠道癌症中的应用	转移性胃肠道癌症	机器学习	胃肠道癌症	NA	机器学习和深度学习模型	NA	46项研究
957	2025-02-16	Deep Learning Model Compression and Hardware Acceleration for High-Performance Foreign Material Detection on Poultry Meat Using NIR Hyperspectral Imaging 2025-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s25030970 PMID:39943610	研究论文	本研究通过结合后训练量化和硬件加速技术，优化了基于高光谱成像（HSI）的深度学习模型推理，以实现禽肉中异物的实时检测	创新点在于使用TensorRT模块进行硬件加速，并应用FP16后训练量化来减少模型参数精度，从而在不损失模型准确性的情况下提高推理速度并减少内存使用	研究仅通过模拟实验评估了实时检测的可行性，未在实际工业环境中进行验证	研究目标是优化深度学习推理，以实现禽肉加工过程中异物的高效实时检测	研究对象为禽肉中的异物	计算机视觉	NA	高光谱成像（HSI）	深度学习模型	图像	模拟实验中使用了两个假设的高光谱线扫描相机
958	2025-02-16	Multi-Sensor Temporal Fusion Transformer for Stock Performance Prediction: An Adaptive Sharpe Ratio Approach 2025-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s25030976 PMID:39943615	研究论文	本文介绍了一种新颖的深度学习模型TFT-ASRO，用于预测金融市场中的夏普比率，通过整合实时市场传感器数据和金融指标来提高预测准确性	提出了Temporal Fusion Transformer with Adaptive Sharpe Ratio Optimization (TFT-ASRO)模型，结合多任务学习框架和自适应优化方法，显著提高了夏普比率的预测准确性	模型主要基于美国历史股票价格和收益数据进行验证，可能在其他市场或不同时间段的表现有所不同	提高金融市场中夏普比率的预测准确性，以优化投资组合管理和投资策略	美国历史股票价格和收益数据	机器学习	NA	深度学习	Temporal Fusion Transformer (TFT)	实时市场传感器数据、金融指标	美国历史股票价格和收益数据的综合数据集
959	2025-02-16	Towards Explainable Artificial Intelligence for GNSS Multipath LSTM Training Models 2025-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s25030978 PMID:39943617	研究论文	本文提出了一种结合RNN和LSTM的可解释框架，用于GNSS多路径效应的检测和分析	结合RNN和LSTM与层间相关性传播（LRP）技术，创建了一个可解释的多路径检测框架，并发现LRP相关性分数与信号异常之间的相关性	未提及具体局限性	提高GNSS应用中深度学习模型的可解释性，并开发更可靠的导航系统	GNSS信号的多路径效应、载噪比和卫星仰角	机器学习	NA	层间相关性传播（LRP）	LSTM	GNSS信号数据	未提及具体样本数量
960	2025-02-16	A Prestressed Concrete Cylinder Pipe Broken Wire Detection Algorithm Based on Improved YOLOv5 2025-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s25030977 PMID:39943616	研究论文	本文研究了一种基于改进YOLOv5的预应力混凝土圆柱管断丝检测算法，旨在提高断丝检测的效率和准确性	提出了轻量级算法YOLOv5-Break，通过使用MobileNetV3替换YOLOv5网络主干、引入动态卷积和坐标注意力机制，以及采用Focal_EIoU损失函数，显著降低了模型的计算复杂度和内存占用，同时保持了高精度	算法在特定数据集上表现优异，但在其他类型或规模的数据集上的泛化能力尚未验证	开发一种高效且轻量化的预应力混凝土圆柱管断丝检测算法，以替代传统耗时费力的检测方法	预应力混凝土圆柱管（PCCP）的断丝检测	计算机视觉	NA	连续小波变换（CWT）	YOLOv5-Break（基于YOLOv5的改进模型）	时频谱图	自建的断丝数据集