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
221	2025-05-03	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本文提出了一种基于先进深度学习技术的系统，用于从MRI图像中预测儿童脑部疾病	使用了多种先进的CNN模型（如EfficientNetB0、InceptionResNetV2等）并结合数据可视化技术进行特征提取，显著提高了疾病预测的准确率	研究仅基于MRI图像，未考虑其他临床数据或多种模态数据的融合	开发高效准确的AI系统以辅助儿童脑部疾病的诊断和管理	儿童脑部疾病的MRI图像	数字病理学	儿童脑部疾病	MRI成像	CNN（包括EfficientNetB0、InceptionResNetV2等多种变体）	图像	未明确提及具体样本数量
222	2025-05-03	Causality-driven candidate identification for reliable DNA methylation biomarker discovery 2025-Jan-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56054-y PMID:39814752	研究论文	提出了一种基于因果驱动的深度正则化框架，用于可靠地识别DNA甲基化生物标志物候选	结合因果思维、深度学习和生物先验知识，通过对比方案和空间关系正则化处理非因果混杂因素	未明确提及具体局限性	提高DNA甲基化生物标志物发现的可靠性，减少资源浪费	DNA甲基化生物标志物候选	生物信息学	多种人类疾病	DNA甲基化测序	深度学习	DNA甲基化数据	涉及多种人类疾病、样本来源和测序技术的模拟和应用
223	2025-05-03	Abnormality detection in nailfold capillary images using deep learning with EfficientNet and cascade transfer learning 2025-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85277-8 PMID:39814806	研究论文	本研究利用基于EfficientNet和级联迁移学习的深度学习方法，开发了一种自动检测甲襞毛细血管图像异常的临床筛查工具	提出了一个基于EfficientNet-B0和级联迁移学习的鲁棒框架，显著提高了分类器在区分正常和异常甲襞毛细血管图像方面的性能	数据集中正常图像仅占6%，可能导致模型在正常样本上的泛化能力不足	开发一种自动化的临床筛查工具，用于检测甲襞毛细血管图像中的异常	甲襞毛细血管图像	数字病理学	心血管疾病, 糖尿病, 风湿病	深度学习	EfficientNet-B0, CNN	图像	225名参与者的甲襞毛细血管图像
224	2025-05-03	Exploring the subtle and novel renal pathological changes in diabetic nephropathy using clustering analysis with deep learning 2025-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84588-6 PMID:39814818	研究论文	使用深度学习的聚类分析方法探索糖尿病肾病中细微且新颖的肾脏病理变化	采用不变信息聚类(IIC)和可视化技术(Grad-CAM和GAN)识别糖尿病肾病早期病理变化	样本来源仅限于金泽医科大学的45名患者，可能影响结果的普遍性	通过早期诊断减少慢性肾脏病(CKD)的数量	糖尿病和非糖尿病患者的肾小球图像	数字病理学	糖尿病肾病	IIC, Grad-CAM, GAN	IIC, Cycle-GAN	图像	45名患者的13,251张肾小球图像（糖尿病病例7,799张，非糖尿病病例5,542张）
225	2025-05-03	Fast and accurate deep learning scans for signatures of natural selection in genomes using FASTER-NN 2025-Jan-15, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07480-7 PMID:39814854	research paper	介绍了一种名为FASTER-NN的深度学习模型，用于在基因组中快速准确地检测自然选择的特征	FASTER-NN通过扩张卷积处理等位基因频率和基因组位置，提高了检测自然选择的敏感性，且执行时间不受样本大小和染色体长度的影响	未提及具体的局限性	开发一种能够精确检测自然选择特征的深度学习分类器	基因组中的自然选择特征	machine learning	NA	CNN	FASTER-NN	genomic data	NA
226	2025-05-03	Efficient evidence selection for systematic reviews in traditional Chinese medicine 2025-Jan-15, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02430-z PMID:39815209	研究论文	介绍了一种新颖的精确优先综合信息提取和选择程序，以提高中医实践中证据选择的效率和准确性	结合了深度学习模型（Evi-BERT与基于规则的方法）、布尔逻辑算法和扩展检索策略，自动且准确地选择潜在证据，减少人工干预	方法的全部潜力需要进一步验证	提高中医系统评价和临床指南中证据选择的效率和准确性	中医相关的系统评价	自然语言处理	NA	Evi-BERT与基于规则的方法、布尔逻辑算法	BERT	文本	十篇高质量、随机选择的中医相关系统评价
227	2025-05-03	Signatures of H3K4me3 modification predict cancer immunotherapy response and identify a new immune checkpoint-SLAMF9 2025-Jan-15, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-024-03093-6 PMID:39815269	研究论文	本研究通过分析H3K4me3修饰模式，构建了一个预测癌症免疫治疗反应的风险评分系统，并发现SLAMF9在免疫抑制和免疫治疗抵抗中的作用	首次构建了基于H3K4me3修饰模式的风险评分系统（H3K4me3-RS），并发现SLAMF9作为新的免疫检查点基因	研究主要基于生物信息学分析，实验验证部分仅限于小鼠黑色素瘤模型	探索H3K4me3修饰与抗肿瘤免疫之间的调控关系，并开发预测免疫治疗反应的生物标志物系统	肺癌腺癌（LUAD）患者和多种癌症类型的样本	癌症免疫学	肺癌	RNA-seq, 深度学习分析	PCA, 深度学习模型	基因表达数据	12,159个癌症样本（来自26种癌症类型）和725个癌症样本（来自5个免疫治疗队列）
228	2025-05-03	Optimizing pain management in breast cancer care: Utilizing 'All of Us' data and deep learning to identify patients at elevated risk for chronic pain 2025-Jan, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing IF:2.4Q1 DOI:10.1111/jnu.13009 PMID:39056443	研究论文	本研究利用深度学习方法和'All of Us'数据开发了一个预测模型，用于识别乳腺癌患者中慢性疼痛高风险人群	创新点在于结合时间序列和静态数据，使用基于Transformer的时间序列分类器进行预测	NA	开发预测模型以识别乳腺癌患者中慢性疼痛高风险人群	乳腺癌患者	机器学习	乳腺癌	深度学习	Transformer-based time-series classifier	人口统计、诊断和社会调查数据	1131名患者
229	2025-05-03	An examination of daily CO2 emissions prediction through a comparative analysis of machine learning, deep learning, and statistical models 2025-Jan, Environmental science and pollution research international DOI:10.1007/s11356-024-35764-8 PMID:39800837	research paper	比较分析机器学习、深度学习和统计模型在预测每日CO2排放中的性能	首次比较了14种不同模型在预测每日CO2排放中的表现，并应用差分和集成技术提升模型性能	仅覆盖了四个主要污染地区，未考虑其他潜在影响因素	评估不同模型在预测每日CO2排放中的准确性和适用性	中国、印度、美国和欧盟27国及英国的每日CO2排放数据	machine learning	NA	差分、集成学习（bagging和voting）	ARMA, ARIMA, SARMA, SARIMA, SVM, RF, GB, ANN, GRU, LSTM, BILSTM, CNN-RNN	时间序列数据	2022年1月1日至2023年9月30日的每日CO2排放数据
230	2025-05-03	An ensemble deep learning framework for energy demand forecasting using genetic algorithm-based feature selection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310465 PMID:39813218	研究论文	提出了一种集成深度学习方法，结合遗传算法进行特征选择，用于能源需求预测	集成遗传算法与多种预测模型（LSTM、BiLSTM、GRU）进行特征选择，并使用堆叠集成技术结合预测结果	未提及模型在实际应用中的泛化能力或在不同地理区域的适用性	提高能源需求预测的准确性和鲁棒性	历史能源消耗数据、天气变量和时间特征	机器学习	NA	遗传算法、深度学习	LSTM、BiLSTM、GRU、集成学习	时间序列数据	数据集被分为工作日和周末子集，进行了十次模拟
231	2025-05-03	Dynamics and triggers of misinformation on vaccines 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316258 PMID:39813203	research paper	该研究分析了2016至2021年间意大利社交媒体上关于疫苗的辩论，探讨了虚假信息的动态和触发因素	揭示了虚假信息不仅是新闻生态系统的寄生虫，而且是一种能够压倒主流媒体疫苗相关内容生产的自主力量	研究仅关注意大利的社交媒体平台，可能无法完全代表其他地区的情况	探讨疫苗相关虚假信息的动态和触发因素，以及其对公众参与的影响	意大利社交媒体平台（Facebook、Instagram、Twitter、YouTube）上的疫苗辩论内容	natural language processing	NA	symbolic transfer entropy analysis, deep learning models	deep learning	text	6年（2016-2021）的意大利社交媒体数据
232	2025-05-03	A framework for assessing reliability of observer annotations of aerial wildlife imagery, with insights for deep learning applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316832 PMID:39813190	研究论文	提出一个评估空中野生动物图像观察者标注可靠性的框架，并探讨其对深度学习应用的影响	通过聚类多个观察者的标注并选择模式分类，计算个体观察者与聚合标注集之间的一致性指标，评估标注可靠性	样本量有限，可能影响结果的普遍性	评估空中野生动物图像观察者标注的可靠性，以提高深度学习模型的训练数据质量	新墨西哥州迁徙水禽的无人机图像	计算机视觉	NA	NA	深度学习	图像	12张无人机图像
233	2025-05-03	A novel multi-user collaborative cognitive radio spectrum sensing model: Based on a CNN-LSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316291 PMID:39813223	研究论文	提出了一种基于CNN-LSTM模型的多用户协作认知无线电频谱感知模型，以提高频谱感知的准确性和效率	结合CNN的局部特征提取能力和LSTM处理序列数据的优势，并引入多头自注意力机制，优化了动态复杂环境下的模型适应性和鲁棒性	NA	提升多用户协作认知无线电系统中的频谱感知性能	认知无线电系统中的多用户协作频谱感知	机器学习	NA	NA	CNN-LSTM	序列数据	不同数量的次级用户（16、24、32、40、48）
234	2025-05-03	Deep learning methods for improving the accuracy and efficiency of pathological image analysis 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504241306830 PMID:39814425	研究论文	本研究提出了一种结合U-Net和EfficientNetV2的深度学习模型，用于提高病理图像分析的准确性和效率	开发了一种新的热图生成算法，结合了精细的图像预处理、数据增强策略、集成学习、注意力机制和深度特征融合技术	NA	提高病理图像分析的准确性和效率	病理图像	数字病理	NA	深度学习	U-Net, EfficientNetV2	图像	NA
235	2025-05-03	Machine Learning Approaches for Neuroblastoma Risk Prediction and Stratification 2025, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2024056447 PMID:39819432	研究论文	本文探讨了机器学习在神经母细胞瘤风险预测和分层中的应用及其潜力	利用大规模生物和临床数据，机器学习模型能够检测传统方法常忽视的复杂模式，从而实现更个性化的治疗和更好的患者预后	数据规模有限、模型可解释性、数据变异性以及临床整合困难等问题阻碍了更广泛的应用	通过机器学习改进神经母细胞瘤的早期诊断、风险评估和治疗决策	神经母细胞瘤患者	机器学习	神经母细胞瘤	支持向量机、随机森林、深度学习	SVM、随机森林、深度学习模型	生物和临床数据	NA
236	2025-05-03	UAV target tracking method based on global feature interaction and anchor-frame-free perceptual feature modulation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314485 PMID:39820190	研究论文	提出了一种基于全局特征交互和无锚框感知特征调制的无人机目标跟踪方法，以提高跟踪精度和速度	在深度互相关操作中进行特征融合，并引入全局注意力机制以增强模型视野范围和特征细化能力，同时设计了无锚框感知特征调制机制以减少计算量并生成高质量锚框	NA	提高无人机视角下目标跟踪的精度和速度兼容性	无人机视角下的目标跟踪	计算机视觉	NA	深度学习	Siamese网络	视频流	UAV123@10fps, UAV20L, DTB70等无人机跟踪数据集
237	2025-05-03	Automatic classification of mobile apps to ensure safe usage for adolescents 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313953 PMID:39820808	研究论文	本文提出了一种利用深度学习技术（特别是注意力卷积神经网络）对移动应用进行分类的创新方法，旨在保护青少年免受不当内容的影响	采用基于双向编码器表示变换器嵌入的注意力卷积神经网络（A-CNNs）对移动应用进行分类，该方法在准确率和召回率上优于其他模型	NA	确保青少年移动设备使用的安全性，防止他们接触暴力视频、色情内容、仇恨言论和网络欺凌等不当内容	移动应用（M-APPs）	自然语言处理	NA	深度学习	A-CNNs, 双向编码器表示变换器	文本	NA
238	2025-05-03	Deep learning-based skin lesion analysis using hybrid ResUNet++ and modified AlexNet-Random Forest for enhanced segmentation and classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315120 PMID:39820868	研究论文	本文提出了一种基于深度学习的混合方法，用于皮肤病变的增强分割和分类	结合ResUNet++和改进的AlexNet-Random Forest模型，提高了皮肤病变的分割和分类精度	仅使用了Ham10000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	提高皮肤癌早期诊断的准确性和效率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	ResUNet++, AlexNet-Random Forest	图像	Ham10000数据集
239	2025-05-03	Novel deep reinforcement learning based collision avoidance approach for path planning of robots in unknown environment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312559 PMID:39821118	研究论文	提出了一种基于深度强化学习的机器人路径规划碰撞避免方法	结合Q学习和深度学习的新型强化学习算法，提高了在复杂环境中的路径规划效率和碰撞避免能力	在狭窄通道环境中的收敛速度相对较慢（400次迭代）	解决机器人在未知环境中的路径规划和碰撞避免问题	移动机器人	机器学习	NA	深度强化学习	Q-learning	环境传感器数据	在杂乱环境和狭窄通道环境中进行测试
240	2025-05-03	Investigating the performance of multivariate LSTM models to predict the occurrence of Distributed Denial of Service (DDoS) attack 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313930 PMID:39823417	研究论文	本文探讨了多元LSTM模型在预测分布式拒绝服务（DDoS）攻击中的性能	比较了多种深度学习模型和传统机器学习模型在DDoS攻击预测中的表现，并证明了LSTM网络在此类时间序列数据中的优越性	无法完全避免服务器受到DDoS攻击，只能在一定程度上预防	评估不同模型在预测DDoS攻击中的性能	DDoS攻击的网络流量数据	机器学习	NA	深度学习、机器学习	LSTM, DNN, Random Forest, AdaBoost, Gaussian Naive Bayes	网络流量数据	使用CICDDoS2019基准数据集，包含88个特征（其中22个被选用）