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
661	2025-04-06	Machine learning fusion for glioma tumor detection 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89911-3 PMID:40175410	研究论文	本文介绍了一种用于神经胶质瘤检测和分级的机器学习框架	提出了一种结合深度学习的神经胶质瘤分类系统，实现了高准确率（99.21%）、特异性（98.3%）和敏感性（97.83%）	需要进一步的研究和验证以完善系统并确保其临床适用性	开发准确高效的肿瘤检测系统以改善患者护理和提高生存率	神经胶质瘤	计算机视觉	脑肿瘤	磁共振成像	深度学习模型	图像	NA
662	2025-04-04	Publisher Correction: Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95242-0 PMID:40175436	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
663	2025-04-06	Investigation on potential bias factors in histopathology datasets 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89210-x PMID:40175463	research paper	该研究探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差	首次对TCGA数据集中站点特异性偏差进行了深入分析，并评估了两种前沿DNN模型在此问题上的表现	研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法涵盖所有潜在偏差来源	调查数字病理学数据集中导致模型性能偏差的潜在因素	TCGA数据集中的数字病理学图像	digital pathology	NA	deep learning	KimiaNet, EfficientNet	medical images	TCGA数据集中的样本
664	2025-04-06	Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network 2025-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92641-1 PMID:40175474	研究论文	本文提出了一种用于草莓采摘机器人分级的草莓重量估计方法，结合点云补全和多模态融合网络	提出了一种针对对称物体的多模态点云补全方法，并开发了名为MMF-Net的多模态融合回归模型，显著提高了草莓重量估计的准确率	方法主要针对对称物体，可能不适用于非对称水果或物体的重量估计	提高草莓采摘机器人分级的准确性和效率	草莓	计算机视觉	NA	RGB-D成像、点云补全、多模态融合	MMF-Net（结合EfficientNet和PointNet）	RGB-D图像、点云数据	1521组草莓RGB-D图像
665	2025-04-06	Leveraging Fine-Scale Variation and Heterogeneity of the Wetland Soil Microbiome to Predict Nutrient Flux on the Landscape 2025-Apr-02, Microbial ecology IF:3.3Q2 DOI:10.1007/s00248-025-02516-1 PMID:40175811	研究论文	本研究通过高通量测序数据开发多样性图谱，揭示湿地土壤细菌的模式，并将氮循环基因的功能基因拷贝数与测量的营养通量速率联系起来，预测微生物组合组成对营养通量的影响	利用深度学习模型提高通量速率的预测准确性，并展示土壤细菌组合作为营养循环生物指示剂的潜力	研究仅关注美国湿地，可能不适用于其他地区的生态系统	阐明湿地土壤细菌的模式，并预测微生物组合组成对营养通量的影响	湿地土壤微生物组合	微生物生态学	NA	高通量测序	深度学习	测序数据	从表层土壤（0-5厘米）收集的土壤核心样本
666	2025-04-06	Forecasting motion trajectories of elbow and knee joints during infant crawling based on long-short-term memory (LSTM) networks 2025-Apr-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01360-1 PMID:40176123	研究论文	本研究探讨了使用LSTM网络预测婴儿爬行运动轨迹的可行性，以促进对爬行康复训练机器人主动控制的理解	首次将LSTM网络应用于预测婴儿爬行这一多变且复杂的运动轨迹，为康复训练机器人控制提供新方法	研究仅针对健康婴儿，未涉及运动障碍婴儿；样本量较小（20名）	探索LSTM网络预测婴儿爬行轨迹的可行性，为康复训练机器人控制提供技术支持	20名健康婴儿（8-15个月大）的肘关节和膝关节运动轨迹	机器学习	运动障碍	LSTM网络	LSTM	时间序列数据（关节角度）	20名健康婴儿（11男9女）的58,782个时间步数据
667	2025-04-06	A compact deep learning approach integrating depthwise convolutions and spatial attention for plant disease classification 2025-Apr-02, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01325-4 PMID:40176127	研究论文	提出一种轻量级深度学习模型LWDSC-SA，用于植物病害分类，结合深度可分离卷积和空间注意力机制以提高特征提取能力并保持计算效率	整合空间注意力和深度可分离卷积，提升模型在资源受限环境中的部署能力，同时在PlantVillage数据集上达到98.7%的准确率	模型仅在PlantVillage数据集上进行测试，未在其他多样化的真实农业场景中验证	开发高效轻量的植物病害分类模型以支持农业生产力	14种植物物种的叶片病害图像	计算机视觉	植物病害	深度学习	LWDSC-SA（深度可分离卷积与空间注意力结合的轻量模型）	图像	55,000张图像（涵盖38个病害类别）
668	2025-04-06	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-Apr-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	本研究利用深度学习整合蛋白质组学和蛋白质相互作用数据，揭示阿尔茨海默病中Aβ与tau蛋白相互作用的新型调节因子	首次应用深度学习网络整合方法BIONIC分析Aβ-tau相互作用在阿尔茨海默病中的调节机制，发现GPNMB+小胶质细胞的新调节作用	研究主要基于ROSMAP队列数据，需要在其他独立队列中进行验证	揭示阿尔茨海默病中Aβ与tau蛋白相互作用的调节机制	阿尔茨海默病患者蛋白质组数据和蛋白质相互作用网络	数字病理学	阿尔茨海默病	蛋白质组学分析、蛋白质相互作用网络分析	深度学习模型(BIONIC)	蛋白质组数据、基因表达数据	ROSMAP队列数据(具体样本量未明确说明)
669	2025-04-06	Deep learning-based reconstruction and superresolution for MR-guided thermal ablation of malignant liver lesions 2025-Apr-02, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00869-x PMID:40176185	研究论文	本研究评估了深度学习增强的T1加权VIBE序列（DL-VIBE）在MR引导的肝脏恶性肿瘤热消融过程中对图像质量和手术参数的影响，并与标准VIBE（SD-VIBE）进行了比较	使用深度学习算法（DL-VIBE）对术中SD-VIBE序列进行后处理，以减少噪声并提高清晰度，显著改善了图像质量和手术效率	样本量较小（34例患者），且研究时间范围有限（2021年9月至2023年2月）	评估深度学习增强的MR序列在肝脏恶性肿瘤热消融中的效果	34名接受MR引导微波消融的肝脏恶性肿瘤患者	数字病理	肝癌	MR-guided microwave ablation, deep learning algorithm	深度学习算法	MR图像	34名患者（平均年龄65.4岁，13名女性）
670	2025-04-06	Global Clue-Guided Cross-Memory Quaternion Transformer Network for Multisource Remote Sensing Data Classification 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3406735 PMID:38875091	研究论文	提出一种名为GCCQTNet的多模态联合分类框架，用于多源遥感数据分类	设计了独立挤压扩展式融合结构和跨记忆四元数变换器结构，以克服多模态数据的异质性并探索其互补性	未明确提及具体局限性	解决多源遥感数据分类中的异质性问题并探索其互补性	多源遥感数据（高光谱图像HSI、合成孔径雷达SAR和激光雷达LiDAR）	计算机视觉	NA	深度学习	Transformer	遥感图像	三个公开的多源遥感数据集
671	2025-04-06	Leveraging Unsupervised Data and Domain Adaptation for Deep Regression in Low-Cost Sensor Calibration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409364 PMID:38889022	研究论文	本文提出了一种利用无监督数据和领域自适应技术进行深度回归的方法，用于低成本传感器的校准	将传感器校准任务转化为半监督领域自适应问题，并提出了新的解决方案，包括使用直方图损失对抗协变量偏移和样本加权处理标签差距	NA	提高低成本空气质量传感器的校准精度	低成本空气质量传感器	机器学习	NA	深度回归	NA	传感器数据	NA
672	2025-04-06	A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3404276 PMID:38848227	research paper	本文提出了一种新颖的分层跨流聚合神经网络（HiCA），用于3D牙齿表面模型的语义分割	设计了上下文跨流聚合（CA）模块和判别性跨流聚合（DA）模块，以从多视角输入中学习更具区分性的点/单元级表示	未明确提及具体限制	提高3D牙齿模型语义分割的准确性和效率，以支持个性化正畸治疗计划	3D牙齿表面模型	computer vision	NA	深度学习	HiCA网络（基于多流架构）	3D模型数据	公共和内部真实患者牙齿模型数据集
673	2025-04-06	Learning Disentangled Priors for Hyperspectral Anomaly Detection: A Coupling Model-Driven and Data-Driven Paradigm 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401589 PMID:38833391	research paper	提出了一种结合模型驱动和数据驱动的方法，通过学习解耦先验（LDP）来提高高光谱异常检测的准确性	结合模型驱动的低秩表示方法和数据驱动的深度学习技术，通过学习解耦先验来捕获完整的先验知识	未提及具体局限性	提高高光谱图像中异常检测的准确性和泛化能力	高光谱图像中的背景和异常对象	computer vision	NA	低秩表示（LRR）和深度学习	deep unfolding architecture	hyperspectral images	多个广泛认可的数据集
674	2025-04-06	Brain-Inspired Learning, Perception, and Cognition: A Comprehensive Review 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401711 PMID:38809737	review	本文全面回顾了受大脑启发的深度学习算法在微观、介观、宏观和超宏观层面对学习、感知和认知的研究	从多个视角系统总结了大脑启发的学习和建模研究，并提出了未来AI技术的十大开放问题	未涉及具体实验验证或实际应用案例	推动受大脑启发的新一代AI技术发展	大脑认知机制及其在AI中的应用	machine learning	NA	NA	brain-inspired deep learning algorithms	NA	NA
675	2025-04-06	Spectral Tensor Layers for Communication-Free Distributed Deep Learning 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3394861 PMID:38809740	研究论文	提出了一种用于无通信分布式深度学习的谱张量层	通过张量形式表示数据并替换传统神经网络中的矩阵乘积为张量乘积，实现了无通信成本的分布式学习	NA	解决分布式深度学习中的通信成本问题	深度学习模型在分布式环境下的优化	机器学习	NA	谱张量网络	传统神经网络	图像	MNIST, CIFAR-10, ImageNet-1K, ImageNet-21K数据集
676	2025-04-06	Deep Geometric Learning With Monotonicity Constraints for Alzheimer's Disease Progression 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3394598 PMID:38771688	research paper	该研究提出了一种结合拓扑空间变换、ODE-RGRU和轨迹估计的新型几何学习方法，用于建模阿尔茨海默病的纵向MRI生物标志物和认知评分	提出了一种结合三个模块的新型几何学习方法，并开发了集成流形映射和单调性约束的训练算法，以反映测量转变的不可逆性	ODE-RGRU在从不完整样本中推断正定对称矩阵时存在局限性，可能导致特征逆转现象	预测阿尔茨海默病的临床进展	阿尔茨海默病的纵向MRI生物标志物和认知评分	digital pathology	geriatric disease	structural magnetic resonance imaging (MRI)	ODE-RGRU, RNN	image, time-series data	NA
677	2025-04-06	An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3392355 PMID:38748522	research paper	提出了一种名为自适应多尺度注意力深度神经网络的新技术，用于处理表格数据，以提高分类和回归任务的性能	通过并行多级特征加权，自适应多尺度注意力能够成功学习特征注意力，从而在七种不同分类任务和四种回归任务中实现高性能	与浅层学习技术相比，深度学习在表格结构化数据上的性能仍存在一定限制	提高表格数据在分类和回归任务中的性能	表格数据	machine learning	NA	adaptive multiscale attention deep neural network	deep neural network	tabular data	小、中、大和非常大的数据集
678	2025-04-06	Deep Probabilistic Principal Component Analysis for Process Monitoring 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	research paper	提出了一种新颖的深度概率主成分分析（DePPCA）模型，结合了概率建模和深度学习的优势，用于工业过程监控和故障检测	结合了概率建模和深度学习的优势，提出了DePPCA模型，具有分层深度结构和端到端微调阶段	未提及具体的数据集限制或模型在更广泛工业场景中的适用性	提高工业过程监控和故障检测的准确性和效率	工业过程监控和故障检测	machine learning	NA	probabilistic modeling, deep learning	DePPCA	process data	Tennessee Eastman (TE) process和multiphase flow (MPF) facility的数据
679	2025-04-06	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	本文开发了一种基于光电容积图和多重近红外传感器的非侵入性血糖检测系统	结合光电容积图和多重近红外传感器方法，开发了一种新型指尖血糖检测系统，解决了单一方法的局限性	研究样本量较小（10名参与者），可能影响结果的普遍性	开发一种更准确、非侵入性的血糖检测方法	人类血糖水平	生物医学工程	糖尿病	光电容积图（PPG）、多重近红外传感器、深度学习	轻量级深度学习模型	光电容积图信号、近红外传感器数据	10名参与者，每人提供约700段10秒左右的数据
680	2025-04-06	A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and FGFR1 Inhibitors 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412987 PMID:39921455	research paper	提出了一种多任务自监督深度学习框架MTSSMol，用于预测分子性质并识别FGFR1的潜在抑制剂	提出了一种多任务自监督预训练策略，利用约1000万个未标记的药物样分子进行预训练，以识别FGFR1的潜在抑制剂	未提及具体的局限性	增强分子表示学习并识别潜在的药物候选物，以加速药物发现过程	药物样分子及其与FGFR1的相互作用	计算机辅助药物发现	NA	分子对接（RoseTTAFold All-Atom）和分子动力学模拟	图神经网络（GNNs）	分子数据	约1000万个未标记的药物样分子