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
1201	2025-03-14	Rolling bearing remaining useful life prediction using deep learning based on high-quality representation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93165-4 PMID:40065075	研究论文	本文提出了一种基于深度学习的方法，用于预测滚动轴承的剩余使用寿命（RUL），以提高旋转机械的可靠性和性能	结合一维深度卷积自编码器（1D-DCAE）和多层双向长短期记忆网络（Bi-LSTM）与时间模式注意力机制（TPA），有效提取振动信号中的高质量健康指标（HIs）并捕捉时间依赖性	实验仅在PHM2012轴承数据集上进行，未涉及其他数据集或实际工业环境中的验证	提高滚动轴承剩余使用寿命（RUL）预测的准确性和鲁棒性	滚动轴承	机器学习	NA	深度学习	1D-DCAE, Bi-LSTM, TPA	振动信号	PHM2012轴承数据集
1202	2025-03-14	The optimization of youth football training using deep learning and artificial intelligence 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93159-2 PMID:40065080	研究论文	本研究旨在通过利用先进的深度学习和人工智能技术提高青少年足球训练的效果和成果	构建了基于深度学习卷积神经网络（CNNs）的青少年足球训练关键点检测模型，并分析了人工智能在校园足球训练中的应用场景	研究中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	提高青少年足球训练的效果和成果	青少年足球训练	机器学习	NA	深度学习卷积神经网络（CNNs）	CNN	图像	五家技术公司和三十名体育教师
1203	2025-03-14	An improved transformer based traffic flow prediction model 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92425-7 PMID:40065142	研究论文	本文提出了一种改进的基于Transformer的交通流量预测模型，旨在解决现有深度学习模型在交通流量预测中的局限性	提出了IEEAFormer技术，通过嵌入层捕捉交通数据中的隐含信息，采用时间环境感知自注意力机制替代传统的多头自注意力机制，并使用独特的图掩码矩阵和平行空间自注意力架构同时捕捉数据中的长短期空间依赖关系	未提及具体局限性	提高交通流量预测的准确性，以提升城市交通系统的效率	交通流量数据	机器学习	NA	Transformer架构，时间环境感知自注意力机制，图掩码矩阵	IEEAFormer	交通流量数据	四个真实世界的交通数据集
1204	2025-03-13	Intelligent optoelectrowetting digital microfluidic system for real-time selective parallel manipulation of biological droplet arrays 2025-Mar-11, Lab on a chip IF:6.1Q2 DOI:10.1039/d4lc00804a PMID:39660615	研究论文	本文提出了一种结合光电润湿技术和深度学习算法的智能控制系统，用于实时选择性并行操作生物液滴阵列	结合光电润湿技术与深度学习算法，实现液滴的实时检测、自动生成虚拟电极控制移动，以及液滴阵列的高效跟踪	当前技术依赖于操作员手动定位液滴、绘制光学图案和预设液滴移动路径，缺乏实时反馈和独立液滴控制能力，可能导致液滴失控和污染	开发一种智能控制系统，用于自动化操作离散液滴，提高数字微流控技术在生物医学等领域的应用	生物液滴阵列	数字病理学	NA	光电润湿技术、深度学习算法	目标检测算法、跟踪算法	图像	NA
1205	2025-03-13	Quantitative Magnetic Resonance Imaging Methods for the Assessment and Prediction of Treatment Response to Transarterial Chemoembolization in Hepatocellular Carcinoma 2025-Mar-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.042 PMID:40068997	综述	本文综述了定量磁共振成像（qMRI）在预测和评估肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）治疗反应中的最新应用	探讨了多种qMRI方法在预测TACE治疗反应中的应用，包括肝细胞特异性对比增强MRI、扩散成像、灌注成像、磁共振波谱（MRS）、血氧水平依赖功能MRI（BOLD-fMRI）、磁共振弹性成像（MRE）和人工智能（AI）	BOLD-fMRI和MRE仍缺乏关键定量参数的模型，AI模型的附加价值需要通过更大规模的前瞻性研究验证	评估和预测肝细胞癌患者对TACE治疗的反应	肝细胞癌（HCC）患者	数字病理	肝癌	定量磁共振成像（qMRI）	AI模型（包括放射组学或深度学习）	磁共振成像数据	NA
1206	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
1207	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
1208	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
1209	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
1210	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
1211	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）
1212	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
1213	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
1214	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
1215	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA
1216	2025-03-12	Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06395 PMID:40016179	研究论文	本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法	首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量	研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果	开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台	金纳米颗粒（AuNPs）	计算机视觉	NA	暗场散射光显微镜	深度学习模型（分类和回归模型）	图像	4个不同浓度的样本
1217	2025-03-12	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类	提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能	研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证	开发一种精确的脑肿瘤分类方法，以指导临床决策	脑肿瘤的多模态图像（CT和MRI）数据集	计算机视觉	脑肿瘤	深度学习	MobileNetV2, ResNet, Inceptionv3, VGG16	图像	9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类
1218	2025-03-12	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Mar-10, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假	提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测	NA	开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉	山茶油及其掺假物	机器学习	NA	激发-发射矩阵荧光光谱（EEMF）	ResTransformer（结合残差模块和Transformer的深度学习模型）	光谱数据	NA
1219	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
1220	2025-03-12	Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment 2025-Mar-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57721-w PMID:40057512	研究论文	本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估	JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER	当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估	提高核磁共振光谱的重建质量和评估效率	核磁共振光谱	机器学习	NA	深度学习	JTF-Net	光谱数据	NA