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
1061	2025-03-13	A large-scale open image dataset for deep learning-enabled intelligent sorting and analyzing of raw coal 2025-Mar-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04719-0 PMID:40057526	研究论文	本文介绍了一个大规模开源的原煤图像数据集DsCGF，用于支持深度学习驱动的原煤智能分选和分析	提出了一个大规模、多层次的标注原煤图像数据集，填补了智能选煤领域缺乏准确大规模数据的空白	数据集仅涵盖中国三个代表性矿区的样本，可能无法完全代表其他地区的原煤特征	推动中国能源转型，实现碳达峰和碳中和战略目标下的智能选煤技术发展	原煤图像	计算机视觉	NA	深度学习	NA	图像	超过27万张可见光图像，来自中国三个代表性矿区
1062	2025-03-13	Research on the performance of the SegFormer model with fusion of edge feature extraction for metal corrosion detection 2025-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92531-6 PMID:40057599	研究论文	本文提出了一种基于边缘特征提取的SegFormer金属腐蚀检测方法，旨在提高金属腐蚀边界和小腐蚀区域的准确分割	引入了边缘特征提取模块（EEM）和特征融合模块（FFM），通过逐步上采样解码层设计，增强了模型对小腐蚀区域的检测能力	NA	提高金属腐蚀检测的准确性和效率	金属腐蚀图像	计算机视觉	NA	NA	SegFormer	图像	公共金属表面腐蚀图像数据集、BSData缺陷数据集、自建管道腐蚀坑图像数据集
1063	2025-03-13	Probabilistic and deep learning approaches for conductivity-driven nanocomposite classification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91057-1 PMID:40055396	研究论文	本研究提出了一种结合贝叶斯技术和深度学习的混合方法，用于改进纳米复合材料的分类，特别是评估其导电性能	提出了一种结合贝叶斯网络（BN）和基于Transformer架构的循环神经网络（RNN）的混合模型，以量化并报告认知不确定性，从而提高分类准确性	研究主要关注方法学上的进展，实验结果的广泛适用性尚未验证	改进纳米复合材料的分类方法，特别是评估其导电性能	纳米复合材料	机器学习	NA	贝叶斯网络（BN），循环神经网络（RNN），Transformer架构	贝叶斯网络（BN），循环神经网络（RNN）	NA	NA
1064	2025-03-11	Author Correction: Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92132-3 PMID:40055395	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1065	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
1066	2025-03-13	Leveraging YOLO deep learning models to enhance plant disease identification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92143-0 PMID:40055410	研究论文	本文介绍了一种利用YOLO深度学习模型增强植物病害识别的新方法	采用YOLOv3和YOLOv4模型进行水果植物病害识别，特别是YOLOv4在准确性和速度上表现出色	数据不平衡、症状变异、实时性能和高昂的注释成本可能影响模型的准确性和应用	提高植物病害的早期自动化识别，以精确保护作物	健康的桃子和草莓叶子，以及受细菌斑点影响的桃子叶子和受焦枯病影响的草莓叶子	计算机视觉	植物病害	深度学习	YOLOv3, YOLOv4	图像	来自公开的Plant Village数据集的数据
1067	2025-03-13	Hybrid neural network method for damage localization in structural health monitoring 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92396-9 PMID:40055427	研究论文	本文探讨了一种基于数值数据的创新方法，用于大型结构中的裂纹检测，强调评估混合RNN-CNN模型与之前使用的纯CNN模型的比较	提出了一种结合RNN和CNN的混合模型，通过减少复杂性和参数数量，实现了更高效的结构裂纹检测	实验结果显示准确率为78.9%，略低于传统CNN模型的性能	研究目的是通过混合RNN-CNN模型提高结构健康监测中的裂纹检测能力	大型结构中的裂纹	机器学习	NA	NA	RNN-CNN混合模型	数值数据	NA
1068	2025-03-13	Continuous nursing symptom management in cancer chemotherapy patients using deep learning 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92762-7 PMID:40055437	研究论文	本文评估了深度学习平台在化疗患者症状管理中的效果，旨在提高患者的生活质量	使用深度学习平台进行化疗患者的症状管理，显著减少了焦虑和抑郁，并提高了生活质量	研究为非随机对照试验，可能存在选择偏倚	评估深度学习平台在化疗患者症状管理中的效果	144名化疗患者	机器学习	癌症	深度学习	NA	NA	144名化疗患者（干预组72人，对照组72人）
1069	2025-03-13	Development of DeepPQK and DeepQK sequence-based deep learning models to predict protein-ligand affinity and application in the directed evolution of ferulic esterase DLfae4 2025-Mar-05, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141790 PMID:40054795	研究论文	本研究开发了基于序列的深度学习模型DeepPQK和DeepQK，用于预测蛋白质-配体结合亲和力，并应用于阿魏酸酯酶DLfae4的定向进化	开发了两种新的深度学习模型DeepPQK和DeepQK，通过整合局部和全局上下文特征来预测蛋白质-配体结合亲和力，克服了传统方法依赖蛋白质晶体结构的局限性	NA	预测蛋白质-配体结合亲和力并指导酶的定向进化	蛋白质-配体结合亲和力	机器学习	NA	深度学习	CNN	蛋白质序列、口袋氨基酸和配体	2016核心数据集
1070	2025-03-13	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	本文介绍了一种基于物理信息的深度学习框架SPINN，用于建模和推断粒子扩散动力学	SPINN框架集成了随机微分方程，能够自主探索参数空间并以单帧分辨率区分确定性和随机性成分	NA	提高随机动力学的时空分辨率，以准确表征不同的随机过程	单粒子轨迹数据	机器学习	NA	深度学习	SPINN	轨迹数据	NA
1071	2025-03-13	TopoQA: a topological deep learning-based approach for protein complex structure interface quality assessment 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf083 PMID:40062613	研究论文	本文提出了一种基于拓扑深度学习的蛋白质复合物结构界面质量评估方法TopoQA，利用持久同调（PH）捕捉残基周围的原子级拓扑信息，并通过图神经网络（GNN）增强复杂高阶结构的学习	TopoQA首次将持久同调与图神经网络结合，用于蛋白质复合物界面质量评估，显著提升了模型性能，并提供了蛋白质结构表示学习的新范式	尽管TopoQA在多个数据集上表现优异，但其性能仍需在更多样化的蛋白质复合物结构上进行验证	开发一种无需已知天然结构即可评估预测蛋白质复合物质量的模型，以支持蛋白质结构生成和模型选择	蛋白质复合物结构界面	生物信息学	NA	持久同调（PH）、图神经网络（GNN）	TopoQA	蛋白质结构数据	DBM55-AF2、HAF2和ABAG-AF3三个数据集
1072	2025-03-13	Inferring gene regulatory networks from time-series scRNA-seq data via GRANGER causal recurrent autoencoders 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf089 PMID:40062616	研究论文	本文介绍了一种名为GRANGER的无监督深度学习方法，用于从时间序列单细胞RNA测序数据中推断基因调控网络	GRANGER方法整合了多种先进技术，包括循环变分自编码器、GRANGER因果关系、稀疏性诱导惩罚和基于负二项分布的损失函数，以处理时间序列scRNA-seq数据中的高噪声和数据稀疏问题	尽管GRANGER在处理时间序列scRNA-seq数据方面表现出色，但其在更广泛的应用场景中的有效性和鲁棒性仍需进一步验证	研究目的是开发一种能够准确处理时间序列单细胞RNA测序数据的方法，以推断基因调控网络	研究对象是时间序列单细胞RNA测序数据，特别是来自小鼠全脑的scRNA-seq数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	循环变分自编码器	时间序列单细胞RNA测序数据	来自小鼠全脑的scRNA-seq数据
1073	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
1074	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）
1075	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
1076	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
1077	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
1078	2025-03-13	Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review 2025-Mar, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70728 PMID:40059400	综述	本文通过范围综述评估了在肿瘤学领域利用人工智能的临床研究中人口统计数据报告的透明性和参与者的多样性	首次系统评估了肿瘤学AI研究中人口统计数据的透明性和多样性，揭示了当前研究中种族和民族数据的不足	仅纳入了2016年至2021年间发表的研究，且仅分析了PubMed数据库中的文献，可能遗漏了其他数据库中的相关研究	评估肿瘤学AI临床研究中人口统计数据报告的透明性和参与者的多样性	2016年至2021年间发表的利用AI的肿瘤学临床研究	人工智能	肿瘤学	NA	NA	人口统计数据	220项研究，其中118项符合条件，47项（40%）公开了至少一个训练或验证数据集
1079	2025-03-13	Automated Detection of Keratorefractive Laser Surgeries on Optical Coherence Tomography Using Deep Learning 2025-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20250204-04 PMID:40067669	研究论文	本文报告了一种基于深度学习的神经网络，用于在眼前段光学相干断层扫描（AS-OCT）上自动检测不同类型的角膜屈光激光手术，并区分这些手术中的近视和远视治疗	首次使用深度学习神经网络在AS-OCT上自动检测多种角膜屈光激光手术，并区分近视和远视治疗	未提及算法的泛化能力及在不同设备或数据集上的表现	开发一种自动化工具，用于从AS-OCT扫描中准确分类患者的角膜屈光激光手术历史，以支持治疗计划、人工晶状体计算和角膜扩张评估	2,278只眼睛的14,948次扫描，来自1,166名患者	计算机视觉	眼科疾病	深度学习	神经网络	图像	14,948次眼睛扫描，来自1,166名患者的2,278只眼睛
1080	2025-03-13	Enhancing single-cell classification accuracy using image conversion and deep learning 2025-Mar, Yi chuan = Hereditas DOI:10.16288/j.yczz.24-213 PMID:40068952	研究论文	本文提出了一种创新的单细胞分类方法scIC，通过将单细胞转录组测序数据转换为图像形式并结合深度学习技术进行细胞分类	将单细胞转录组测序数据转换为图像形式，并结合卷积神经网络（CNN）和残差网络（ResNet）构建高效分类模型	现有方法在细胞类型识别、特征选择和批次效应校正方面仍存在局限性，难以满足复杂生物学研究的需求	提高单细胞分类的准确性，解决单细胞数据分析中的关键挑战	小鼠皮肤基底细胞、小鼠淋巴细胞、人类神经元细胞和小鼠脊髓细胞	数字病理学	NA	单细胞转录组测序（scRNA-seq）	CNN, ResNet	图像	四种细胞类型的scRNA-seq数据