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
1241	2025-07-08	Trees vs neural networks for enhancing tau lepton real-time selection in proton-proton collisions 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04767-x PMID:40594382	研究论文	本文介绍了在质子-质子对撞机中用于实时选择（触发）强子衰变tau轻子的监督学习技术	通过实施传统机器学习决策树和先进的深度学习模型（如多层感知器或残差神经网络），观察到与标准基于规则的tau触发器相比性能的显著提升	NA	提高质子-质子对撞中低能tau轻子分类的新现象搜索的灵敏度	强子衰变的tau轻子	机器学习	NA	监督学习技术	决策树、多层感知器（MLP）、残差神经网络	质子-质子对撞数据	NA
1242	2025-07-08	Deep learning framework for hourly air pollutants forecasting using encoding cyclical features across multiple monitoring sites in Beijing 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05472-5 PMID:40594555	研究论文	本文提出了一种基于深度学习的北京多监测站点每小时空气污染物预测框架	开发了结合未编码和编码特征的DNN和CNN模型，用于多元时间序列预测，特别是在预测空气污染浓度方面	研究仅基于北京10个监测站点的数据，可能无法完全代表其他地区的空气污染情况	构建一个可靠的中国空气污染预测和评估系统	六种空气污染物（CO、NO、O、SO、PM2.5、PM10）	机器学习	NA	深度神经网络（DNN）和卷积神经网络（CNN）	DNN, CNN	时间序列数据	10个国家级空气质量监测站点2013年3月1日至2017年2月28日的每小时数据
1243	2025-07-08	EmoTrans attention based emotion recognition using EEG signals and facial analysis with expert validation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98404-2 PMID:40594901	研究论文	本文提出了一种基于EEG信号和面部分析的EmoTrans模型，用于情绪识别，并通过专家验证提高了模型的有效性	EmoTrans模型整合了EEG信号和面部视频数据，采用注意力机制优先处理最相关特征，显著提高了情绪分类的准确性	研究依赖于DEAP数据集，样本量相对有限（32名参与者的EEG数据和22名参与者的面部视频数据）	通过多模态数据分析提高情绪识别的准确性和生态效度	人类情绪状态（如快乐、兴奋、平静、痛苦等）	情感计算	NA	EEG信号分析、面部视频分析	注意力机制模型	生理信号（EEG）、视频	32名参与者的EEG数据（40段1分钟电影片段）和22名参与者的面部视频数据
1244	2025-07-08	Hybrid transfer learning and self-attention framework for robust MRI-based brain tumor classification 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09311-5 PMID:40595383	research paper	提出一种结合迁移学习和自注意力机制的混合模型，用于提高基于MRI的脑肿瘤分类准确性	结合预训练的DenseNet201 CNN模型和Transformer架构，克服计算强度、细节检测和噪声敏感性等挑战	未提及具体局限性	开发一种稳健的计算机辅助诊断系统，以提高脑肿瘤诊断的准确性和效率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI	DenseNet201, Transformer, VGG19, InceptionV3, Xception, MobileNetV2, ResNet50V2	image	3000张MRI图像（Br35H数据集）
1245	2025-07-08	Attention residual network for medical ultrasound image segmentation 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04086-1 PMID:40595803	研究论文	提出了一种用于医学超声图像分割的注意力残差网络模型（ARU-Net）	在编码器部分引入残差连接增强模型学习能力，集成空间混合卷积模块提升全局信息提取能力，并在跳跃连接的特征融合阶段引入通道注意力机制和多卷积自注意力机制以抑制噪声	未提及模型在更大规模或更多样化数据集上的泛化能力	提高医学超声图像中病变区域分割的准确性	乳腺和甲状腺的超声图像	数字病理	乳腺癌, 甲状腺疾病	深度学习	ARU-Net（基于U-Net改进的注意力残差网络）	图像	公开的乳腺超声和甲状腺超声数据集（具体样本数量未提及）
1246	2025-07-08	Long-wave infrared computational multispectral metasurface and spectral reconstruction method 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06599-1 PMID:40596247	research paper	展示了一种在长波红外光谱（8-11.5微米）工作的计算多光谱超表面，采用3×3光子晶体阵列架构	设计的光子晶体阵列在长波红外光谱中实现了75.8%的峰值透射率和41.37%的宽带能量利用效率，通道间透射率相关系数为0.17，优于传统光栅系统	NA	开发下一代红外多光谱系统的硬件-算法协同设计框架	长波红外光谱（8-11.5微米）	光学工程	NA	光子晶体阵列架构	深度学习网络	光谱数据	NA
1247	2025-07-08	Multimodal deep learning-based radiomics for meningioma consistency prediction: integrating T1 and T2 MRI in a multi-center study 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01787-x PMID:40596910	研究论文	本研究开发了一种基于多模态深度学习的放射组学模型，用于预测脑膜瘤的质地，整合了T1和T2 MRI数据	结合放射组学和深度学习特征，提高了脑膜瘤质地预测的准确性和稳健性	研究为回顾性设计，样本量相对有限（204例患者）	提高脑膜瘤术前评估和手术规划的准确性	脑膜瘤患者	数字病理学	脑膜瘤	MRI	深度学习放射组学模型（DLR_Model）	MRI图像	204例脑膜瘤患者（来自两个医疗中心）
1248	2025-07-08	An Efficient Deep Learning Framework for Automated Epileptic Seizure Detection: Toward Scalable and Clinically Applicable Solutions 2025-Jul, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22983 PMID:40620110	研究论文	提出了一种基于图卷积神经网络(GCNN)的高效癫痫发作检测框架，旨在提供可扩展且适用于临床的解决方案	与依赖局部特征或复杂特征工程的传统方法不同，该GCNN方法显式编码了EEG电极间的空间依赖性，从而捕获更全面的时空特征	NA	开发高效的癫痫发作自动检测方法，推动基于EEG的癫痫诊断并改善患者预后	癫痫患者的EEG信号	数字病理学	癫痫	EEG信号处理	GCNN	EEG信号	CHB-MIT头皮EEG数据库和自收集的SH-SDU数据库
1249	2025-07-07	Lateral connection convolutional neural networks for obstructive sleep apnea hypopnea classification 2025-Jul-06, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2524478 PMID:40618219	research paper	提出了一种新型的卷积神经网络架构LCCNN，用于阻塞性睡眠呼吸暂停低通气综合征（OSAHS）的分类	引入了侧向连接层以实现神经元的语义排列，提高了模型的可解释性，并通过竞争层以无监督方式更新滤波器	模型仍需要标记数据，而数据标记过程耗时、费力且成本高	提高阻塞性睡眠呼吸暂停低通气综合征（OSAHS）分类的准确性和模型可解释性	阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者数据	machine learning	阻塞性睡眠呼吸暂停低通气综合征	CNN	LCCNN（Lateral Connection CNN）	生理信号数据	University College Dublin数据库（UCD）和Physionet Challenge数据库（PCD）
1250	2025-07-07	Quantifying features from X-ray images to assess early stage knee osteoarthritis 2025-Jul-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03405-y PMID:40616750	研究论文	本研究提出了一种自动评估膝骨关节炎严重程度的系统，结合预训练的深度学习模型和图像处理技术，提取并量化关键的膝骨关节炎成像生物标志物	整合预训练DL模型与图像处理技术，自动检测和量化关节间隙狭窄和骨赘，无需昂贵的训练过程和大规模标注数据	系统在JSN检测、骨赘识别和KOA分类的准确率分别为88%、80%和73%，仍有提升空间	开发一种自动化系统，用于早期膝骨关节炎的严重程度评估	膝骨关节炎患者的X射线图像	数字病理学	膝骨关节炎	CLAHE对比度增强、DexiNed边缘提取、阈值降噪	预训练DL模型	X射线图像	NA
1251	2025-07-07	MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework 2025-Jul-05, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2527899 PMID:40616778	研究论文	本文提出了一种基于MRI的优化注意力深度学习框架2DRK-MSCAN，用于多发性硬化症的早期准确检测	结合了EfficientNetV2L骨干网络、U型编码器-解码器架构、深度扩散残差核和多尺度蛇形卷积注意力机制，提高了检测的准确性和鲁棒性	临床验证仍在进行中	开发并评估一种新型深度学习框架，用于MRI数据中多发性硬化症病变的早期准确检测	多发性硬化症病变	计算机视觉	多发性硬化症	MRI	2DRK-MSCAN（结合EfficientNetV2L、U型编码器-解码器、深度扩散残差核和多尺度蛇形卷积注意力机制）	图像	三个公开可用的基于MRI的脑肿瘤数据集
1252	2025-07-07	A self-supervised robotic system for autonomous contact-based spatial mapping of semiconductor properties 2025-Jul-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7071 PMID:40614181	研究论文	提出一种自监督机器人系统，用于自主接触式半导体特性的空间映射	通过自监督神经网络驱动的机器人系统，实现了高精度和高通量的接触式表征技术自动化	当前方法缺乏可靠的像素级精确定位，并且需要大量标记数据	提高接触式材料表征技术的测量质量、可靠性和通量	半导体光电导特性的空间映射	机器人技术	NA	自监督学习	神经网络	空间映射数据	3025个独特预测位点的钙钛矿薄膜成分梯度
1253	2025-07-07	Deep Learning Automated Measurements of Expanded Polystyrene Beads Size Using Low-Resolution Micrography 2025-Jul-04, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70019 PMID:40616216	研究论文	本研究提出了一种基于深度学习的自动化方法，用于测量低分辨率显微图像中发泡聚苯乙烯珠粒的大小	利用深度学习模型自动测量低分辨率显微图像中的发泡聚苯乙烯珠粒大小，替代传统手动测量方法	研究仅针对两种密度的发泡聚苯乙烯泡沫(8.5和24 kg/m)进行了验证	开发一种可靠且精确的发泡聚苯乙烯珠粒尺寸自动测量方法	发泡聚苯乙烯泡沫的珠粒微观结构	计算机视觉	NA	显微成像	深度学习	图像	两种密度的发泡聚苯乙烯泡沫样品(8.5和24 kg/m)
1254	2025-07-07	The continuous evolution of biomolecular force fields 2025-Jul-03, Structure (London, England : 1993) DOI:10.1016/j.str.2025.05.013 PMID:40527321	综述	本文综述了生物分子力场的最新进展，包括极化力场、机器学习势和粗粒化模型，并探讨了未来的发展方向	结合深度学习革命，提出了生物分子力场参数化的新机遇和方法	未具体提及实验验证或特定应用案例的局限性	提高生物分子力场的准确性和应用范围，以促进生物和治疗发现	生物分子力场	计算生物学	NA	深度学习	机器学习势、粗粒化模型	NA	NA
1255	2025-07-07	Accurate prediction of synergistic drug combination using a multi-source information fusion framework 2025-Jul-03, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02302-y PMID:40611149	研究论文	提出了一种名为MultiSyn的多源信息融合框架，用于准确预测协同药物组合	利用属性图神经网络整合蛋白质-蛋白质相互作用网络与多组学数据，并通过异构图变换器学习分子结构的多视角表示	未明确提及具体样本量或实验范围的局限性	开发一种准确预测协同药物组合的计算方法，以支持复杂疾病治疗	药物组合及其协同效应	机器学习	复杂疾病	深度学习方法，包括图神经网络和异构图变换器	属性图神经网络、异构图变换器	多组学数据、蛋白质-蛋白质相互作用网络、药物分子结构	NA
1256	2025-07-07	Integration of metaheuristic based feature selection with ensemble representation learning models for privacy aware cyberattack detection in IoT environments 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05545-5 PMID:40595948	研究论文	本文提出了一种结合元启发式特征选择与集成表示学习模型的隐私感知网络攻击检测技术，用于物联网环境	提出了一种自适应元启发式特征选择与集成学习模型（AMFS-ELPPCD），结合了AHHO特征选择、BiGRU、WAE和DBN等集成模型，并通过SGO优化超参数	实验仅在CICIDS-2017和NSLKDD两个数据集上进行验证，可能缺乏更广泛的数据集验证	提高物联网环境中的网络攻击检测准确性和隐私保护能力	物联网环境中的网络攻击数据	机器学习	NA	Z-score归一化、AHHO特征选择、BiGRU、WAE、DBN、SGO超参数优化	集成学习模型（BiGRU、WAE、DBN）	网络攻击数据	CICIDS-2017和NSLKDD数据集
1257	2025-07-07	A deep learning model for early diagnosis of alzheimer's disease combined with 3D CNN and video Swin transformer 2025-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05568-y PMID:40603911	research paper	提出了一种结合3D CNN和视频Swin Transformer的深度学习模型3D-CNN-VSwinFormer，用于阿尔茨海默病的早期诊断	模型结合了3D CNN和视频Swin Transformer，通过3D CBAM模块和单参与者3D MRI图像提取特征，避免了数据泄露和2D切片无法捕捉全局空间信息的问题	仅使用了ADNI数据集进行验证，可能在其他数据集上的泛化能力有待验证	提高阿尔茨海默病的早期诊断效率和准确性	阿尔茨海默病患者和认知正常个体	digital pathology	geriatric disease	3D MRI	3D CNN, Video Swin Transformer	3D MRI image	ADNI数据集中的参与者
1258	2025-07-07	Clinical decision support using pseudo-notes from multiple streams of EHR data 2025-Jul-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01777-x PMID:40604255	research paper	提出了一种名为MEME的深度学习框架，用于临床决策支持，通过将电子健康记录（EHR）转换为伪笔记，减少跨系统概念协调的需求	MEME框架首次将EHR数据转换为伪笔记，并利用自注意力机制学习多嵌入的上下文重要性，显著提升了临床决策支持的预测性能	由于文本序列化的特性，MEME在外部非标准化EHR数据库中的表现虽强，但可能仍受数据质量影响	开发一种能够处理异构EHR数据的深度学习框架，以支持临床决策	电子健康记录（EHR）数据	machine learning	NA	deep learning, self-attention mechanism	MEME (Multiple Embedding Model for EHR)	tabular EHR data, text	400,019次急诊科就诊
1259	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1260	2025-07-07	Impact of deep learning denoising on kinetic modelling for low-dose dynamic PET: application to single- and dual-tracer imaging protocols 2025-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07182-6 PMID:40069458	研究论文	探讨深度学习去噪技术在低剂量动态PET成像中对动力学建模的影响，应用于单示踪剂和双示踪剂成像协议	首次将基于静态[18F]FDG PET图像训练的深度学习去噪模型应用于动态[18F]FDG和[18F]FGln PET成像，显著降低了剂量需求并保持了定量准确性	在极低剂量(4 MBq)下对乳腺病灶中[18F]FGln的定量准确性有所下降	提高低剂量动态PET成像的定量准确性	动态PET成像数据	医学影像分析	NA	深度学习去噪(DL-DN), 动态PET成像	深度学习框架	PET影像数据	16例[18F]FDG PET研究数据