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
1181	2025-03-19	Optimized attention-enhanced U-Net for autism detection and region localization in MRI 2025-Mar-14, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111970 PMID:40096789	研究论文	本研究提出了一种利用优化深度学习方法和注意力机制进行自闭症检测及区域定位的框架	结合了Symmetric Structured MobileNet with Attention Mechanism (SSM-AM)和Refreshing Awareness-aided Election-Based Optimization (RA-EBO)进行自闭症分类，并利用Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)进行异常区域定位	NA	通过MRI图像进行自闭症的早期检测和区域定位，以改善干预效果	自闭症谱系障碍（ASD）患者	计算机视觉	自闭症	MRI图像处理	Symmetric Structured MobileNet with Attention Mechanism (SSM-AM), Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)	MRI图像	公开数据集ABIDE
1182	2025-03-19	An optimal federated learning-based intrusion detection for IoT environment 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93501-8 PMID:40082567	研究论文	本文提出了一种基于联邦学习的最优入侵检测方法，用于物联网环境中的网络安全	采用联邦学习训练深度学习分类器，结合Chimp优化算法选择最优特征，提高了入侵检测的准确率	未提及具体的数据集规模或实验环境的局限性	提高物联网网络中入侵检测的准确性和效率	物联网网络中的入侵检测系统	机器学习	NA	联邦学习, Chimp优化算法	深度学习分类器	网络数据	使用MQTT基准数据集进行实验
1183	2025-03-19	Multilabel classification for defect prediction in software engineering 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93242-8 PMID:40082581	研究论文	本文探讨了在软件工程中使用多标签分类进行缺陷预测的方法	将缺陷预测从传统的多类分类问题转变为多标签分类问题，考虑了缺陷可能同时属于多个类别的情况	未提及具体的数据集大小或来源，可能影响结果的普适性	提高软件缺陷预测的准确性和效率	软件缺陷报告	机器学习	NA	机器学习、深度学习	Multinomial Naive Bayes, Logistic Regression, Random Forest, MLP, CNN	文本	NA
1184	2025-03-19	A dual branch model for predicting microseismic magnitude time series named DTFNet 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93272-2 PMID:40082632	研究论文	本文提出了一种名为DTFNet的双分支模型，用于预测微震震级时间序列，以提高煤矿岩爆的智能预警准确性	DTFNet模型结合了时间序列分解和深度学习，通过二次分解和双分支结构有效建模微震时间序列数据，并深度提取微震震级数据的特征	未明确提及具体局限性	提高煤矿岩爆的智能预警准确性	微震震级时间序列数据	机器学习	NA	互补集合经验模态分解、排列熵、变分模态分解	DTFNet（双分支时间序列预测模型）	时间序列数据	多个工作面的微震监测目录
1185	2025-03-19	Exploring the significance of the frontal lobe for diagnosis of schizophrenia using explainable artificial intelligence and group level analysis 2025-Mar-13, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111969 PMID:40096788	研究论文	本文通过可解释的人工智能和群体水平分析，探讨了额叶在精神分裂症诊断中的重要性	使用可解释的深度学习方法（Grad-CAM）和群体水平分析，识别精神分裂症患者的重要脑区，并在额叶中发现了显著的分类特征	未提及样本的具体数量或多样性，可能影响结果的普适性	研究精神分裂症诊断中额叶的作用，并帮助临床医生制定治疗方案	精神分裂症患者和健康对照组（CN）	数字病理学	精神分裂症	功能性磁共振成像（fMRI）、结构性磁共振成像（sMRI）	深度学习（Grad-CAM）	MRI图像（sMRI和fMRI）	NA
1186	2025-03-19	Deep Learning for Odor Prediction on Aroma-Chemical Blends 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c07078 PMID:40092758	研究论文	本文探讨了深度学习技术在预测香气化学混合物嗅觉品质方面的应用	提出了图神经网络模型，用于准确预测香气化学混合物的嗅觉品质，并分析了模型架构变化对预测性能的显著影响	研究主要集中于分子对的预测，未涉及更复杂的混合物	探索深度学习在预测香气化学混合物嗅觉品质中的应用	香气化学混合物	机器学习	NA	深度学习	图神经网络	分子对数据	NA
1187	2025-03-19	DeepEpiIL13: Deep Learning for Rapid and Accurate Prediction of IL-13-Inducing Epitopes Using Pretrained Language Models and Multiwindow Convolutional Neural Networks 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10960 PMID:40092768	研究论文	本文介绍了一种名为DeepEpilL13的新型深度学习框架，用于快速准确地预测IL-13诱导的表位	DeepEpilL13结合了预训练语言模型和多窗口卷积神经网络（CNN），能够从蛋白质序列中有效探索与IL-13诱导相关的局部和全局序列模式	NA	提高IL-13诱导表位预测的效率和准确性，以推动针对过敏性炎症、COVID-19相关细胞因子风暴及相关疾病的靶向治疗	IL-13诱导的表位	自然语言处理	COVID-19	深度学习	预训练语言模型和多窗口卷积神经网络（CNN）	蛋白质序列	基准数据集和独立的SARS-CoV-2数据集
1188	2025-03-19	Deep Learning-Assisted Triboelectric Sensor for Complex Gesture Recognition 2025-Mar-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10150 PMID:40092790	研究论文	本文提出了一种基于人工智能的手势识别系统，结合摩擦电传感器、Arduino信号处理模块和深度学习模块，用于复杂手势识别	将摩擦电技术与深度学习相结合，特别是使用一维卷积神经网络（CNN），实现了超过95%的12种不同手势识别准确率	未提及具体样本量或实验场景的局限性	开发一种灵活、高效且准确的手势识别系统，以满足物联网和5G技术的需求	手势识别系统	机器学习	NA	摩擦电传感器技术	一维卷积神经网络（CNN）	传感器信号	NA
1189	2025-03-19	DDCSR: A Novel End-to-End Deep Learning Framework for Cortical Surface Reconstruction from Diffusion MRI 2025-Mar-05, ArXiv PMID:40093365	研究论文	本文提出了一种名为DDCSR的端到端深度学习框架，用于从扩散MRI数据直接进行皮质表面重建	首次实现了直接从扩散MRI数据进行皮质表面重建，克服了传统方法依赖T1加权数据和跨模态配准的局限性	未提及具体的样本量或数据来源的多样性限制	提高从扩散MRI数据进行皮质表面重建的准确性和效率	扩散MRI数据	数字病理学	NA	扩散MRI	深度学习框架	MRI图像	NA
1190	2025-03-19	Measurement noise scaling laws for cellular representation learning 2025-Mar-04, ArXiv PMID:40093368	研究论文	本文探讨了测量噪声对深度学习模型性能的影响，并提出了一个信息论指标来评估细胞表示模型的质量	首次将测量噪声作为性能扩展轴，并发现其遵循独特的对数规律，同时提出了一个通用的信息论指标来评估模型质量	研究主要基于生物单细胞基因组数据，虽然结果在图像分类模型中也有体现，但尚未广泛验证于其他领域	研究测量噪声对深度学习模型性能的影响，并探索其在数据生成和整理中的指导作用	生物单细胞基因组数据和图像分类模型	机器学习	NA	单细胞基因组学	表示学习模型	基因组数据和图像数据	多个数据集，具体样本数量未明确
1191	2025-03-19	BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.018 PMID:39617656	研究论文	本文提出了一种基于Mamba和多视角提取的骨转移分割框架BMSMM-Net，旨在提高骨转移的快速、精确分割	BMSMM-Net框架集成了新提出的Bottleneck Gating Mamba层（BGM）、Skip-Mamba（SKM）模块和多视角提取（MPE）模块，增强了长程依赖性和多尺度特征融合能力	NA	提高骨转移的自动分割精度，以改善患者预后和生存率	骨转移病灶	计算机视觉	骨转移	深度学习	BMSMM-Net	医学图像	BM-Seg数据集
1192	2025-03-19	CryoSamba: Self-supervised deep volumetric denoising for cryo-electron tomography data 2025-Mar, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2024.108163 PMID:39710216	研究论文	本文介绍了CryoSamba，一种基于自监督深度学习的模型，用于去噪冷冻电子断层扫描（cryo-ET）图像	CryoSamba通过深度学习插值平均运动补偿的邻近平面，增强单连续2D平面，模仿增加曝光，从而增强相干信号并减少高频噪声，显著提高断层扫描对比度和信噪比	NA	提高冷冻电子断层扫描图像的信噪比和对比度，以便更好地进行3D断层扫描视觉解释	冷冻电子断层扫描图像	计算机视觉	NA	深度学习	自监督深度学习模型	3D体积数据	NA
1193	2025-03-19	Real-time quantification of activated sludge concentration and viscosity through deep learning of microscopic images 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100527 PMID:40083746	研究论文	本文介绍了一种通过深度学习分析显微镜图像实时量化活性污泥浓度和粘度的系统	创新点在于使用Xception卷积神经网络架构，从显微镜图像中实时定量识别活性污泥的混合液悬浮固体（MLSS）和表观粘度	研究仅在实验室规模的序批式反应器中进行，尚未在实际废水处理厂中验证	研究目的是开发一种实时在线测量活性污泥参数的方法，以支持未来智能废水处理厂的运行	研究对象是活性污泥的混合液悬浮固体（MLSS）和表观粘度	计算机视觉	NA	深度学习	Xception卷积神经网络	显微镜图像	41482张高质量图像
1194	2025-03-19	Explainable deep learning algorithm for identifying cerebral venous sinus thrombosis-related hemorrhage (CVST-ICH) from spontaneous intracerebral hemorrhage using computed tomography 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103128 PMID:40093990	研究论文	本研究开发了一种可解释的深度学习模型，用于基于非增强计算机断层扫描（NCCT）快速识别由脑静脉窦血栓形成（CVST）引起的脑出血（ICH）	提出了一种基于迁移学习的3D U-Net模型，结合分割和分类，仅使用入院时的平扫CT进行CVST-ICH的识别，并采用多种可解释性方法（如Grad-CAM++、SHAP、IG和遮挡）来理解模型的注意力	需要更大样本量的前瞻性验证	开发一种可解释的深度学习模型，用于快速识别CVST-ICH与自发性脑出血（sICH）	CVST-ICH患者和自发性脑出血（sICH）患者	数字病理学	脑静脉窦血栓形成（CVST）	非增强计算机断层扫描（NCCT）	3D U-Net	CT图像	内部数据集包括102名CVST-ICH患者和306名sICH患者，外部数据集包括38名CVST-ICH患者和119名sICH患者
1195	2025-03-19	Deep learning-based model for prediction of early recurrence and therapy response on whole slide images in non-muscle-invasive bladder cancer: a retrospective, multicentre study 2025-Mar, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103125 PMID:40093987	研究论文	本研究旨在开发和验证基于深度学习的早期复发预测模型（ERPM）和治疗反应预测模型（TRPM），以辅助非肌层浸润性膀胱癌（NMIBC）患者的临床决策	首次在NMIBC患者中开发并验证了基于全切片图像的深度学习模型，用于预测早期复发和治疗反应	研究为回顾性研究，需要进一步的前瞻性验证	开发并验证基于深度学习的预测模型，以辅助NMIBC患者的临床决策	非肌层浸润性膀胱癌（NMIBC）患者	数字病理学	膀胱癌	深度学习	多实例学习和集成学习模型	全切片图像（H&E染色和免疫组化染色）	1275名患者的4395张全切片图像
1196	2025-03-18	DenseFormer-MoE: A Dense Transformer Foundation Model with Mixture of Experts for Multi-Task Brain Image Analysis 2025-Mar-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	本文提出了一种结合密集卷积网络、视觉Transformer和专家混合（MoE）的Dense Transformer基础模型（DenseFormer-MoE），用于多任务脑图像分析	该模型通过结合密集卷积网络、视觉Transformer和MoE，逐步学习和整合T1加权磁共振图像（sMRI）的局部和全局特征，以应对多任务学习中的优化冲突	模型主要针对T1加权磁共振图像，未涉及其他类型的脑图像数据	开发一个适用于多种脑图像分析任务的基础模型	T1加权磁共振图像（sMRI）	计算机视觉	脑部疾病	Masked Autoencoder, 自监督学习	DenseFormer-MoE, Vision Transformer, Densenet	图像	多个知名脑成像数据集，包括UK Biobank (UKB), Alzheimer's Disease Neuroimaging Initiative (ADNI), 和 Parkinson's Progression Markers Initiative (PPMI)
1197	2025-03-18	Deep Learning-Based Contrast Boosting in Low-Contrast Media Pre-TAVR CT Imaging 2025-Mar-12, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251322054 PMID:40071690	研究论文	本研究探讨了基于深度学习的对比增强（DL-CB）在低对比剂（low-CM）CT中对图像质量和测量可靠性的影响，用于经导管主动脉瓣置换术（TAVR）前的评估	首次在低对比剂CT中应用深度学习技术进行对比增强，显著提高了图像质量和测量可靠性	研究为回顾性研究，样本量较小（n=68），且仅限于肾功能不全患者	评估深度学习对比增强技术在低对比剂CT中的效果，用于TAVR前的图像评估	肾功能不全的TAVR候选者	医学影像	心血管疾病	深度学习对比增强（DL-CB）	深度学习	CT图像	68名肾功能不全的TAVR候选者
1198	2025-03-18	Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction 2025-Mar-04, ArXiv PMID:38711427	研究论文	本文提出了一种框架，用于计算从概率黑箱图像重建算法得出的预测边界，以提供关于受试者真实状态的可证明有效的统计声明	该框架通过使用临床相关指标表示重建扫描，并利用共形预测（CP）校准真实指标的边界，提供了比传统基于像素的边界方法更好的语义解释	需要先前的校准数据集来校准边界，可能限制了其在新数据集上的应用	提供关于受试者真实状态的可证明有效的统计声明	稀疏视图计算机断层扫描（CT）图像	计算机视觉	NA	共形预测（CP）	概率黑箱图像重建算法	图像	NA
1199	2025-03-17	AI-Based 3D Liver Segmentation and Volumetric Analysis in Living Donor Data 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01468-9 PMID:40087225	研究论文	本研究探讨了深度学习在活体肝移植中的3D肝脏分割和体积分析的应用	使用多种U-Net变体模型进行术前和术后的肝脏分割，并评估其性能，同时进行体积分析以测量肝脏切除和再生率	样本量较小，仅包含55名捐赠者的数据	评估深度学习模型在活体肝移植中的肝脏分割和体积分析的准确性和临床应用性	活体肝移植捐赠者的腹部CT数据	计算机视觉	肝病	深度学习	3D U-Net, RU-Net, DU-Net, RDU-Net	3D CT图像	55名捐赠者的腹部CT数据
1200	2025-03-17	Self-training EEG discrimination model with weakly supervised sample construction: An age-based perspective on ASD evaluation 2025-Mar-10, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107337 PMID:40088831	研究论文	本研究开发了一个名为STEM的自训练EEG判别模型框架，用于在标记样本有限的情况下优化自闭症谱系障碍（ASD）的评估	STEM框架通过自训练模型和伪标签样本构建，解决了标记样本有限和个体差异的问题，特别是在ASD评估中表现出色	研究主要依赖于有限的标记样本，且样本来自ASD可疑儿童，可能限制了模型的泛化能力	优化EEG判别模型，提高ASD评估的准确性和适应性	自闭症谱系障碍（ASD）可疑儿童的静息态EEG数据	脑机接口	自闭症谱系障碍	自训练模型，伪标签样本构建	AutoEncoder, BiGRU, 多任务学习模型（MAC）	EEG数据	175名不同年龄组的ASD可疑儿童