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
301	2025-03-04	Corrigendum to "A case for the use of deep learning algorithms for individual and population level assessments of mental health disorders: Predicting depression among China's elderly" [J. Affect. Disord. Volume 369, 15 January 2025, Pages 329-337] 2025-Jun-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.070 PMID:40024843	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
302	2025-04-10	Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning 2025-Jun, Cancer innovation DOI:10.1002/cai2.70002 PMID:40151333	研究论文	本研究旨在通过深度学习评估乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并评估新辅助系统治疗（NST）在减少手术干预需求方面的潜力	提出了一种名为BIME的生存回归模型，该模型在治疗推荐中显示出最强的保护效果，并通过高级统计方法（如PSM和IPTW）减少了治疗分配中的偏差	需要进一步研究结合全面的预后评估以优化手术选择过程并完善其临床实用性	评估NSM和MRM对乳腺癌患者生存结果的影响，并探索NST在减少手术干预中的作用	乳腺癌患者	机器学习	乳腺癌	深度学习，PSM，IPTW	BIME	临床数据	NA
303	2025-04-09	Predicting the risk of ischemic stroke in patients with atrial fibrillation using heterogeneous drug-protein-disease network-based deep learning 2025-Jun, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0242570 PMID:40191603	research paper	开发了一种可解释的深度学习模型ABioSPath，用于预测心房颤动患者一年内缺血性中风的风险	通过整合药物-蛋白质-疾病通路与真实世界临床数据，ABioSPath模型能够识别药物作用机制和共病传播，提供个体化的中风风险评估	模型仅基于香港43家医院的数据，可能在其他地区或人群中的适用性有限	预测心房颤动患者一年内缺血性中风的风险	心房颤动患者	machine learning	cardiovascular disease	deep learning	ABioSPath	electronic health record data	7859名心房颤动患者
304	2025-04-05	Radioisotope compositional analysis using Monte Carlo γ-ray simulations and regression neural network 2025-Jun, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.111746 PMID:40020474	research paper	本文开发了一种基于回归的卷积神经网络（CNN），用于预测模拟混合源光谱中的源及其比例，并与传统的库最小二乘算法进行了比较	采用回归CNN预测混合放射性同位素的光谱组成，相比传统线性方法具有更高的准确性和效率	研究基于模拟数据，实际环境中的噪声和干扰可能影响模型性能	开发高效自动化的γ光谱分析工具，用于放射性同位素的识别和定量分析	6种不同的放射性同位素及其混合光谱	machine learning	NA	Monte Carlo γ-ray simulations, GEANT4软件包	CNN	γ-ray光谱数据	6种同位素的综合模拟数据集
305	2025-03-22	Low-speed impact localization of wind turbine blades with a single sensor utilizing multiscale feature fusion convolutional neural networks 2025-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107598 PMID:39955861	研究论文	本文提出了一种基于深度学习的单传感器冲击定位方法，用于风力涡轮机叶片的低速冲击定位	设计了一种多尺度特征融合卷积神经网络，并结合卷积块注意力模块，从单传感器信号中自适应提取特征，实现精确的区域级源定位	NA	开发一种用于评估和定位复合材料结构（如风力涡轮机叶片）冲击的方法	风力涡轮机叶片的低速冲击响应	机器学习	NA	完全集成经验模态分解与自适应噪声	多尺度特征融合卷积神经网络	声发射信号	钢球跌落实验模拟的风力涡轮机叶片翼梁低速冲击响应
306	2025-03-19	StopSpamX: A multi modal fusion approach for spam detection in social networking 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103227 PMID:40093577	研究论文	本文提出了一种多模态融合方法StopSpamX，用于社交网络中的垃圾信息检测	结合了多种最先进的词嵌入技术和深度学习混合融合分类器技术，包括GRU、LSTM和CNN，以提高垃圾信息检测的性能	未提及具体的数据集大小或实验环境的限制	实现一个无垃圾信息的社交网络环境	社交网络平台（如Twitter、Instagram、Youtube、Facebook、Whatsapp）上的数据	自然语言处理	NA	Word2Vec, GloVe, FastText, GRU, LSTM, CNN	混合融合分类器（基于文本的分类器和组合分类器）	文本	未提及具体样本数量
307	2025-03-19	Prediction of lymph node metastasis in papillary thyroid carcinoma using non-contrast CT-based radiomics and deep learning with thyroid lobe segmentation: A dual-center study 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100639 PMID:40093877	研究论文	本研究旨在通过深度学习放射组学（DLRad）和临床特征开发预测乳头状甲状腺癌（PTC）患者淋巴结转移（LNM）的模型	结合深度学习放射组学和临床特征，开发了一个新的预测模型，用于预测PTC患者的LNM，并在双中心研究中验证了其性能	研究样本量相对较小，且仅使用了非对比CT数据，可能限制了模型的泛化能力	开发并验证一个预测PTC患者LNM的模型	228名PTC患者的271个甲状腺叶	数字病理学	甲状腺癌	非对比CT	深度学习	图像	271个甲状腺叶（来自228名PTC患者）
308	2025-03-14	"Optimizing sEMG Gesture Recognition with Stacked Autoencoder Neural Network for Bionic Hand" 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103207 PMID:40071216	研究论文	本研究提出了一种使用堆叠自编码器神经网络（SAE）进行表面肌电图（sEMG）手势识别的新方法	利用堆叠自编码器神经网络进行层次表示学习，从原始sEMG信号中提取有意义的特征，提高了手势分类的精度和鲁棒性	NA	优化sEMG手势识别，以增强仿生手的控制技术	表面肌电图（sEMG）信号	机器学习	NA	MODWT分解（最大重叠离散小波变换）	堆叠自编码器神经网络（SAE）	sEMG信号	NA
309	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
310	2025-03-08	Kellgren-Lawrence grading of knee osteoarthritis using deep learning: Diagnostic performance with external dataset and comparison with four readers 2025-Jun, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100580 PMID:40046240	研究论文	本研究评估了深度学习模型在外部数据集上对膝关节骨关节炎的Kellgren-Lawrence (KL)分级诊断性能，并与四位读者进行了比较	使用深度学习模型在外部数据集上评估膝关节骨关节炎的KL分级，并与多位人类读者进行比较，展示了深度学习在医学影像诊断中的潜力	研究样本量较小（208例膝关节X光片），且仅使用了单一外部数据集进行验证	评估深度学习模型在膝关节骨关节炎KL分级中的诊断性能	膝关节骨关节炎的X光片	计算机视觉	骨关节炎	深度学习	深度学习模型	图像	208例膝关节X光片
311	2025-03-05	IM- LTS: An Integrated Model for Lung Tumor Segmentation using Neural Networks and IoMT 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103201 PMID:40026592	研究论文	本文提出了一种集成模型IM-LTS，用于使用神经网络和医疗物联网进行肺肿瘤分割	结合了MobileNetV2和U-NET两种架构，并采用迁移学习技术，使用预训练的神经网络作为U-NET模型的编码器进行分割	未提及具体的数据集大小和样本类型，可能影响模型的泛化能力	开发一种高精度的肺肿瘤分割和分类模型，以支持早期疾病诊断	肺肿瘤	数字病理学	肺癌	深度学习，迁移学习	MobileNetV2, U-NET, 支持向量机	CT图像	NA
312	2025-02-23	QuantumNet: An enhanced diabetic retinopathy detection model using classical deep learning-quantum transfer learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103185 PMID:39981059	研究论文	本文介绍了一种名为QuantumNet的混合模型，结合了经典深度学习和量子迁移学习，用于增强糖尿病视网膜病变（DR）的检测	QuantumNet结合了经典深度学习模型和量子计算的优势，通过量子迁移学习提高了DR检测的准确性和资源效率	NA	提高糖尿病视网膜病变的检测准确性和效率	糖尿病视网膜病变（DR）	医学影像	糖尿病视网膜病变	量子迁移学习	CNN, ResNet50, MobileNetV2, 变分量子分类器	图像	APTOS 2019 blindness detection dataset on Kaggle
313	2025-02-09	Design and structure of overlapping regions in PCA via deep learning 2025-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2024.12.007 PMID:39917768	研究论文	本文提出了一种基于深度学习模型的SmartCut算法，用于设计重叠区域并提高PCA实验的成功率	利用深度学习模型从大量合成数据中识别重叠区域的潜在序列表示，并开发了SmartCut算法以提高合成成功率	未提及具体局限性	提高基因组合成中重叠区域设计的成功率	DNA序列的重叠区域	机器学习	NA	PCA（聚合酶循环组装）	深度学习模型	DNA序列数据	未提及具体样本数量
314	2025-02-08	Attention-enhanced corn disease diagnosis using few-shot learning and VGG16 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103172 PMID:39911906	研究论文	本文提出了一种基于注意力机制和少样本学习的玉米病害诊断方法，使用预训练的VGG16卷积神经网络进行微调，并在玉米病害数据集上实现了98.25%的分类准确率	结合注意力机制和少样本学习，减少了模型对大规模标注数据的依赖，适用于实际农业应用	未提及模型在其他作物病害上的泛化能力	开发一种高效且准确的玉米病害早期诊断方法	玉米病害	计算机视觉	植物病害	少样本学习	VGG16	图像	未明确提及样本数量
315	2025-01-31	A multi-dimensional student performance prediction model (MSPP): An advanced framework for accurate academic classification and analysis 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103148 PMID:39866196	研究论文	本文提出了一种多维学生表现预测模型（MSPP），旨在通过深度学习和先进的数据预处理技术提高学生学术分类的准确性	MSPP模型结合了自适应超参数调整和先进的图神经网络层，能够处理不平衡和时间序列的教育数据集，并通过AI特征提供可解释性	NA	提高学生表现预测的准确性，以支持定制化干预措施，提升学习效果	学生学术数据	机器学习	NA	深度学习	图神经网络（GNN）	结构化训练记录	NA
316	2025-01-31	An easy-to-use three-dimensional protein-structure-prediction online platform "DPL3D" based on deep learning algorithms 2025-Jun, Current research in structural biology IF:2.7Q3 DOI:10.1016/j.crstbi.2024.100163 PMID:39867105	研究论文	本文介绍了一个基于深度学习算法的易于使用的三维蛋白质结构预测在线平台DPL3D	开发了一个用户友好的平台DPL3D，能够预测和可视化突变蛋白质的三维结构，并集成了多种先进的蛋白质结构预测软件	平台依赖于现有的蛋白质晶体结构数据，对于缺乏这些数据的蛋白质，预测准确性可能受限	开发一个易于使用的在线平台，用于预测和可视化突变蛋白质的三维结构，以促进生物发现	突变蛋白质的三维结构	生物信息学	NA	深度学习算法	AlphaFold 2, RoseTTAFold, RoseTTAFold All-Atom, trRosettaX-Single	蛋白质晶体结构数据	210,180个分子结构，包括52,248个人类蛋白质
317	2025-01-31	Deep learning driven silicon wafer defect segmentation and classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103158 PMID:39877475	研究论文	本文探讨了使用深度学习方法对硅片缺陷进行分割和分类，以提高集成电路制造中的自动化检测效率	结合深度学习模型进行硅片缺陷的自动分割与分类，并集成具有问答能力的LLM以增强交互性	未提及具体数据集规模及模型泛化能力的验证	实现硅片缺陷的自动化检测与分类，提高集成电路制造的质量	硅片缺陷	计算机视觉	NA	深度学习	CNN（推测）	图像	未提及具体样本数量
318	2025-01-25	Enhancing semantic segmentation for autonomous vehicle scene understanding in indian context using modified CANet model 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103131 PMID:39846010	研究论文	本文提出了一种改进的CANet模型，用于增强自动驾驶车辆在印度复杂交通环境中的语义分割能力	提出了一种结合U-Net和LinkNet元素的改进CANet模型，引入了多尺度上下文模块（MCM）以捕捉多尺度的上下文信息	NA	提高自动驾驶车辆在复杂交通环境中的语义分割准确性	印度驾驶数据集（IDD）中的道路场景	计算机视觉	NA	深度学习	改进的CANet（结合U-Net和LinkNet元素）	图像	印度驾驶数据集（IDD）
319	2025-01-23	HybNet: A hybrid deep models for medicinal plant species identification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103126 PMID:39830878	研究论文	本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率	本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面	深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力	研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别	研究对象为药用植物物种的图像数据	计算机视觉	NA	深度学习	CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层	图像	自建的药用植物数据集，具体样本数量未提及
320	2025-01-16	Deep learning radiomics analysis for prediction of survival in patients with unresectable gastric cancer receiving immunotherapy 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100626 PMID:39807092	研究论文	本研究旨在通过结合影像学和临床病理变量，利用深度学习放射组学分析预测接受免疫治疗的不可切除胃癌患者的生存期	采用多模态集成方法，结合CT影像数据和临床病理变量，构建深度学习模型预测患者生存期，并构建了列线图进行验证	样本量相对较小，且仅在中国人民解放军总医院的两个医疗中心进行，可能限制了结果的普适性	预测接受免疫治疗的不可切除胃癌患者的生存期	不可切除胃癌患者	数字病理	胃癌	深度学习	多模态集成模型	CT影像数据和临床病理数据	训练队列79名患者，外部验证队列97名患者