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
1081	2025-03-25	A high performance hybrid LSTM CNN secure architecture for IoT environments using deep learning 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94500-5 PMID:40114016	研究论文	提出了一种高性能的LSTM-CNN混合安全架构，用于优化物联网环境中的实时入侵检测	结合LSTM层学习时间依赖性和CNN层分解空间特征，提高了威胁识别的效率	未提及具体在哪些物联网设备或场景中进行了测试	优化物联网环境中的实时入侵检测，提高安全性	物联网环境中的网络入侵行为	机器学习	NA	深度学习	LSTM-CNN混合模型	网络流量数据	BoT-IoT数据集，包含DDoS、僵尸网络、侦察和数据泄露等多种网络攻击类型
1082	2025-03-25	TPNET: A time-sensitive small sample multimodal network for cardiotoxicity risk prediction 2025-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3552819 PMID:40106240	research paper	该研究开发了一个名为TPNET的时间敏感小样本多模态网络，用于预测癌症治疗相关心功能障碍（CTRCD）的风险	结合组织多普勒成像（TDI）特征与深度学习技术，开发了TPNET模型，用于预测CTRCD，并通过集成梯度（IG）归因分析识别关键致病标志	样本量较小（270名患者），且仅针对乳腺癌患者	预测癌症治疗相关心功能障碍（CTRCD）的风险	乳腺癌患者	digital pathology	cardiovascular disease	TDI, deep learning	TPNET	multimodal data (TDI, function, clinical data)	270名患者
1083	2025-03-25	A novel self-supervised graph clustering method with reliable semi-supervision 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107418 PMID:40120553	research paper	提出了一种基于可靠半监督的新型自监督图聚类方法（SSGC-RSS），用于解决图数据中的噪声和稀疏性问题	模型通过上游的双解码器图自编码器与联合聚类优化，以及下游基于高可靠性样本的半监督图注意力编码网络，创新性地解决了噪声和稀疏性问题	未明确提及具体局限性，但可能涉及对特定图数据类型的适应性或计算复杂度	提升复杂图数据聚类任务的性能	图数据	machine learning	NA	自监督学习、半监督学习	双解码器图自编码器、图注意力编码网络	图数据	在Cora、Citeseer和Pubmed等多个图数据集上进行了实验
1084	2025-03-25	Deformation-invariant neural network and its applications in distorted image restoration and analysis 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107378 PMID:40121786	研究论文	提出了一种变形不变神经网络（DINN）框架，用于处理几何失真图像的恢复和分析问题	引入了拟共形变换网络（QCTN）作为DINN的核心组件，能够输出拟共形映射以改善几何失真图像	未提及具体的数据集规模或在不同类型几何失真上的泛化能力	解决几何失真图像的成像任务问题	几何失真图像	计算机视觉	NA	拟共形映射	DINN（包含QCTN组件）	图像	NA
1085	2025-03-25	Contactless Intelligent Anti-interference Lung Nodule Detection Method for Early Disease Detection 2025-Mar-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550199 PMID:40067715	研究论文	提出了一种基于人工智能的抗干扰肺结节检测方法Yolov8-AH，用于在干扰条件下提高肺CT图像中肺结节检测的准确性	结合了自适应门控稀疏注意力(AGSA)和哈尔小波下采样(HWD)模块的Yolov8模型，显著提高了在干扰条件下的检测准确率	未提及模型在临床实际应用中的验证情况	提高在干扰条件下肺CT图像中肺结节检测的准确性	肺CT图像中的肺结节	计算机视觉	肺癌	CT扫描	Yolov8-AH (基于Yolov8结合AGSA和HWD模块)	医学图像(CT)	NA
1086	2025-03-25	SENSITIVITY BASED MODEL AGNOSTIC SCALABLE EXPLANATIONS OF DEEP LEARNING 2025-Mar-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639516 PMID:40093081	research paper	该论文提出了一种模型无关的可解释AI框架SensX，用于解释深度学习模型的决策机制，并在准确性和计算效率上优于现有技术	SensX框架在解释性AI领域实现了更高的准确性和计算效率，能够处理超过15万个特征的大规模模型，并揭示了模型中的偏差	未明确提及具体局限性，但可能在大规模应用中仍存在计算资源需求	开发一种能够解释深度学习模型决策机制的通用框架，以支持科学假设发展和模型验证	深度学习模型（特别是视觉变换器ViT）和单细胞RNA-seq数据	machine learning	NA	single-cell RNA-seq	DNN, ViT	gene expression data, image	NA
1087	2025-03-25	3D full-dose brain-PET volume recovery from low-dose data through deep learning: quantitative assessment and clinical evaluation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11225-1 PMID:39609283	research paper	提出一种深度学习方法来从低剂量PET数据中恢复全剂量PET体积，以降低放射性示踪剂剂量同时保持诊断质量	提出了一种名为空间感知噪声减少网络（SANR）的3D深度学习方法，用于从低剂量PET数据中恢复全剂量PET体积	研究为回顾性研究，且样本量相对有限（456名参与者）	降低PET成像中的放射性示踪剂剂量，同时保持诊断质量	低剂量PET成像数据	digital pathology	Alzheimer's disease	deep learning	SANR (spatially aware noise reduction network)	3D PET volumes	456名参与者，使用三种不同的PET扫描仪和两种不同的示踪剂进行扫描
1088	2025-03-22	Author Correction: A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93621-1 PMID:40113839	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1089	2025-03-24	This Microtubule Does Not Exist: Super-Resolution Microscopy Image Generation by a Diffusion Model 2025-Mar, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400672 PMID:39400948	研究论文	本文探讨了扩散模型在超分辨率显微镜图像生成中的应用，展示了生成图像与实验图像的相似性，并证明了生成模型在数据增强中的实用性	首次将扩散模型应用于超分辨率显微镜图像生成，并展示了其在数据增强中的潜力	生成模型的训练依赖于少量实验图像，可能限制了生成图像的多样性和泛化能力	探索扩散模型在超分辨率显微镜图像生成中的应用，并评估其在数据增强中的效果	超分辨率显微镜图像	计算机视觉	NA	扩散模型	扩散模型	图像	少量实验图像
1090	2025-03-23	Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography 2025-Mar-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01922-w PMID:40106066	研究论文	开发了一种基于课程学习和分块方法的深度学习模型，用于乳腺X光检查中的乳腺癌检测，利用弱注释和强注释，并通过Grad-CAM提供可解释的人工智能	结合课程学习和分块方法，利用有限数量的强注释数据进行训练，提高了模型性能和可解释性	需要进一步验证模型在更大规模数据集上的泛化能力	开发一种高效的深度学习模型，用于乳腺X光检查中的乳腺癌检测	乳腺X光检查图像	计算机视觉	乳腺癌	深度学习	基于分块的深度学习模型	图像	1976张乳腺X光检查图像（来自三个中心），外部测试数据集包含4276张乳腺X光检查图像
1091	2025-03-23	Design of thin, wideband electromagnetic absorbers with polarization and angle insensitivity using deep learning 2025-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94116-9 PMID:40108286	研究论文	本文介绍了一种利用深度学习设计薄型、宽带电磁波吸收器的新方法，该吸收器具有极化和角度不敏感性	利用生成对抗网络（GAN）和多层感知器（MLP）网络设计薄型、宽带电磁波吸收器，覆盖8-12 GHz频率范围，具有高吸收率和极化和角度不敏感性	NA	设计一种薄型、宽带电磁波吸收器，适用于大规模生产	电磁波吸收器	机器学习	NA	生成对抗网络（GAN），多层感知器（MLP）	GAN, MLP	数值全波电磁模拟数据	NA
1092	2025-03-23	Prediction and analysis of tumor infiltrating lymphocytes across 28 cancers by TILScout using deep learning 2025-Mar-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00866-0 PMID:40108446	研究论文	本文介绍了TILScout，一种利用深度学习从全切片图像中计算肿瘤浸润淋巴细胞（TILs）分数的泛癌方法	TILScout在验证集和独立测试集上分别达到了0.9787和0.9628的准确率，以及0.9988和0.9934的AUC，超越了之前的研究	NA	预测和分析28种癌症中的肿瘤浸润淋巴细胞（TILs）	28种癌症的全切片图像	数字病理学	癌症	深度学习	NA	图像	NA
1093	2025-03-23	Seasonal forecasting of the hourly electricity demand applying machine and deep learning algorithms impact analysis of different factors 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91878-0 PMID:40102500	研究论文	本文提出了基于机器学习和深度学习算法的短期季节性预测模型，用于预测新英格兰控制区（ISO-NE-CA）的每小时电力需求	结合了多种机器学习和深度学习技术（如自适应神经模糊推理系统、长短期记忆网络、门控循环单元和人工神经网络），并分析了温度对电力需求的影响	模型在不同季节和场景下的准确性存在差异，特别是在秋季和春季的预测精度较低	提高短期电力需求预测的精度，分析温度对电力需求的影响	新英格兰控制区（ISO-NE-CA）的每小时电力需求	机器学习	NA	自适应神经模糊推理系统（ANFIS）、长短期记忆网络（LSTM）、门控循环单元（GRU）、人工神经网络（ANN）	ANFIS、LSTM、GRU、ANN	时间序列数据	NA
1094	2025-03-23	Deep transfer learning for seismic characterization of strike-slip faults in karstified carbonates from the northern Tarim basin 2025-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94134-7 PMID:40102580	研究论文	本文提出了一种利用深度迁移学习和Unet模型检测塔里木盆地北部走滑断层的方法	提出了一种构建断层标签的方法，并引入了深度迁移学习工作流程来检测塔里木盆地北部的走滑断层	构建实际断层标签和获取大量断层标签仍存在挑战	优化井轨迹和开发计划，提高走滑断层的地震特征识别	塔里木盆地北部的走滑断层	地球物理	NA	深度迁移学习	Unet	地震数据	塔里木盆地北部的走滑断层数据
1095	2025-03-23	LUNETR: Language-Infused UNETR for precise pancreatic tumor segmentation in 3D medical image 2025-Mar-15, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107414 PMID:40117980	研究论文	本文提出了一种名为LUNETR的多模态编码器模型，结合文本和图像信息进行精确的医学图像分割，特别是针对胰腺肿瘤的3D医学图像分割	LUNETR模型通过结合自动编码语言模型和跨注意力机制，有效利用文本和图像数据之间的语义关联，提高了胰腺微肿瘤的精确定位能力，并设计了多尺度聚合注意力模块（MSAA）以增强模型从胰腺组织中提取微病变特征的能力	多模态医学数据集的稀缺性可能限制了模型的泛化能力	提高胰腺肿瘤及其附近血管的精确分割能力，以辅助胰腺癌的临床诊断	胰腺肿瘤及其附近血管	数字病理	胰腺癌	CT扫描	UNETR	3D医学图像和病理报告文本	135名胰腺癌患者的CT图像和相应病理报告
1096	2025-03-23	AI-driven biomarker discovery: enhancing precision in cancer diagnosis and prognosis 2025-Mar-13, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02064-7 PMID:40082367	评论	本文探讨了人工智能在癌症诊断和预后中生物标志物发现的应用，旨在提高精准医学的效果	利用深度学习和机器学习技术从大规模数据集中发现生物标志物，推动早期诊断和精准治疗	数据质量、算法透明度以及隐私相关的伦理问题	通过人工智能技术改进癌症早期诊断和精准治疗，提高患者生存率	癌症患者	机器学习	癌症	深度学习、机器学习	NA	大规模数据集	NA
1097	2025-03-23	Leveraging Network Target Theory for Efficient Prediction of Drug-Disease Interactions: A Transfer Learning Approach 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409130 PMID:39874191	研究论文	本研究提出了一种基于网络靶标理论的新型迁移学习模型，通过整合深度学习技术和多样化的生物分子网络来预测药物-疾病相互作用	该模型利用网络技术整合现有知识，提取更精确的药物特征，解决了大规模正负样本平衡的挑战，并在多种评估指标上表现出色	NA	加速药物发现和开发创新疗法	药物-疾病相互作用	机器学习	癌症	深度学习	迁移学习模型	生物分子网络数据	7,940种药物和2,986种疾病，共88,161种药物-疾病相互作用
1098	2025-03-23	Epigenetic Impacts of Non-Coding Mutations Deciphered Through Pre-Trained DNA Language Model at Single-Cell Resolution 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413571 PMID:39888214	研究论文	本文介绍了一种名为Methven的深度学习框架，用于在单细胞分辨率下预测非编码突变对DNA甲基化的影响	Methven框架结合DNA序列和单细胞ATAC-seq数据，利用预训练的DNA语言模型，能够准确预测短程和长程调控相互作用，并在分类和回归任务中表现出色	现有工具在预测能力和捕捉动态、细胞类型特异性调控变化方面存在局限	研究非编码突变对DNA甲基化的影响，以理解疾病机制	非编码突变及其对DNA甲基化的影响	机器学习	类风湿性关节炎	单细胞ATAC-seq	深度学习框架	DNA序列数据	NA
1099	2025-03-22	Deep Learning Neural Network Based on PSO for Leukemia Cell Disease Diagnosis from Microscope Images 2025-Mar-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01474-x PMID:40113730	研究论文	本文提出了一种基于粒子群优化（PSO）的深度学习神经网络方法，用于从显微镜图像中诊断白血病细胞疾病	结合深度学习和PSO方法进行特征提取和优化，使用多种机器学习算法进行分析，提高了白血病细胞诊断的准确性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高白血病细胞疾病的诊断准确性	显微镜图像中的白血病细胞	计算机视觉	白血病	深度学习，粒子群优化（PSO）	GoogLeNet, ResNet-50, 决策树（DT）, 支持向量机（SVM）, K近邻（K-NN）	图像	NA
1100	2025-03-22	Safe-by-Design Strategies for Intranasal Drug Delivery Systems: Machine and Deep Learning Solutions to Differentiate Epithelial Tissues via Attenuated Total Reflection Fourier Transform Infrared Spectroscopy 2025-Mar-14, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.4c00643 PMID:40109738	研究论文	本研究结合衰减全反射傅里叶变换红外光谱（ATR-FTIR）与机器学习和深度学习技术，有效区分鼻至脑上皮组织，开发了鼻内药物递送系统的安全设计模型	首次将ATR-FTIR光谱与机器学习和深度学习技术结合，用于区分鼻至脑上皮组织，并开发了安全设计模型	研究基于离体猪组织实验，可能无法完全反映人体组织的复杂性	开发鼻内药物递送系统的安全设计模型，提高组织识别的精确性	嗅觉上皮（OE）、呼吸上皮（RE）和气管组织	机器学习	NA	ATR-FTIR光谱	前馈神经网络（FNN）、支持向量机（SVM）、去噪自编码器	光谱数据	离体猪组织样本