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
2801	2025-04-26	Automatic prediction of stroke treatment outcomes: latest advances and perspectives 2025-May, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00462-y PMID:40271393	综述	本文综述了深度学习在预测中风治疗结果中的最新进展和应用	利用多模态信息（包括最终梗死数据）来更好地预测长期功能结果	医学图像分析领域内常见的数据标准化挑战	预测中风干预的结果以促进临床决策和改善患者护理	中风患者	数字病理学	心血管疾病	深度学习	NA	脑部扫描、医疗报告、EEG、ECG、EMG等传感器信息	NA
2802	2025-04-26	A multimodal deep learning-based algorithm for specific fetal heart rate events detection 2025-Apr-28, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0334 PMID:39484683	研究论文	开发了一种基于多模态深度学习的算法，用于检测特定的胎儿心率事件，以增强胎儿健康的自动监测和智能评估	结合多种特征提取技术和深度学习算法，提出了一种多模型深度神经网络和预融合深度学习模型，用于准确分类来自胎心宫缩图信号的多模态参数	在分类四种不同的减速模式时，准确率为67.0%，其中晚期减速的准确率为80.9%，延长减速的准确率为98.9%	开发一种算法，用于检测特定的胎儿心率事件，以增强胎儿健康的自动监测和智能评估	胎儿心率（FHR）和子宫收缩信号	机器学习	胎儿健康监测	深度学习	多模型深度神经网络和预融合深度学习模型	信号数据	基于专家标记的数据
2803	2025-04-26	Food Freshness Prediction Platform Utilizing Deep Learning-Based Multimodal Sensor Fusion of Volatile Organic Compounds and Moisture Distribution 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00254 PMID:40123082	研究论文	开发了一种结合多维传感技术和基于深度学习的动态融合方法，用于精确监测牛肉的腐败过程	引入自注意力机制和SENet缩放特征到多模态深度学习模型中，自适应融合并聚焦传感器的重要特征	实际应用中，单源数据的局限性和多模态数据交叉验证的挑战可能影响准确性	提高食品新鲜度预测的准确性，特别是牛肉的腐败监测	牛肉	机器学习	NA	表面增强拉曼散射(SERS)、低场核磁共振(LF-NMR)	多模态深度学习模型	挥发性有机化合物(VOCs)和水分分布数据	未明确提及具体样本数量
2804	2025-04-26	NiO/ZnO Nanocomposites for Multimodal Intelligent MEMS Gas Sensors 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02789 PMID:40126565	研究论文	开发了一种基于NiO/ZnO纳米复合材料的多模态智能MEMS气体传感器，用于提高对多种挥发性有机化合物（VOCs）的敏感性和选择性	通过精确调控NiO和ZnO纳米复合比例，实现了对不同VOCs的材料特异性选择性，并结合多任务深度学习模型进行实时定量检测	NA	提高气体传感器阵列对多种VOCs的敏感性和选择性，特别是在多变环境条件下	挥发性有机化合物（VOCs），特别是乙二醇（EG）和柠檬烯（LM）	传感器技术	NA	纳米复合材料制备，多任务深度学习	多任务深度学习模型	气体传感器数据	NA
2805	2025-04-26	Spider-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Speed via Magnetic Induction 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c00403 PMID:40152352	research paper	本文设计并制造了一种基于蜘蛛感知机制的双模式离子凝胶传感器，集成了风速和压力检测功能	结合蜘蛛的感知机制，开发了具有双模式检测功能的离子凝胶传感器，能够同时检测风速和压力，并在智能运动识别系统中结合深度学习算法达到96.83%的准确率	NA	开发多功能、高灵敏度、宽检测范围和优异耐久性的柔性传感器	风速和压力检测传感器	flexible sensors	NA	magnetic induction, capacitive design, deep learning algorithms	deep learning	impedance signal, capacitive signal	NA
2806	2025-04-26	FusionXNet: enhancing EEG-based seizure prediction with integrated convolutional and Transformer architectures 2025-Apr-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adce33 PMID:40245880	研究论文	提出了一种结合CNN和Transformer的混合模型FusionXNet，用于提升基于EEG的癫痫发作预测性能	设计了令牌合成单元，结合CNN的局部特征提取和Transformer的全局注意力机制，提升了EEG信号的特征表示能力	模型仅在公开数据集上进行了验证，未说明在其他数据集上的泛化能力	开发一种混合模型以提高癫痫发作预测的准确性和可靠性	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	CNN与Transformer混合模型	EEG信号数据	波士顿儿童医院和麻省理工学院的公开数据集
2807	2025-04-26	Informing Deep Learning of Sensing Data with Physics and Chemistry 2025-Apr-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c01075 PMID:40275811	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2808	2025-04-26	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2025-Apr-25, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	开发了一种数据驱动的连续睡眠深度测量方法——有序睡眠深度（OSD），并评估其与觉醒概率的关联及其与年龄、性别、睡眠呼吸障碍（SDB）和认知障碍的关系	提出了一种基于深度学习的连续睡眠深度测量方法，优于传统的离散睡眠分期方法	未提及具体局限性	开发并验证一种数据驱动的连续睡眠深度测量方法	18,116名患者的21,787份多导睡眠图记录	机器学习	睡眠呼吸障碍、认知障碍	深度学习	CNN	EEG信号	18,116名患者的21,787份多导睡眠图记录
2809	2025-04-26	AI-Driven TENGs for Self-Powered Smart Sensors and Intelligent Devices 2025-Apr-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417414 PMID:40277838	综述	本文探讨了人工智能驱动的摩擦纳米发电机（TENGs）在自供电智能传感器和智能设备中的协同潜力	将人工智能与TENGs结合，通过优化材料、制造工艺及嵌入机器学习和深度学习算法，提升能量收集、预测性维护和动态性能优化	当前面临材料优化、制造技术、设计策略和输出稳定性等挑战	探索AI驱动的TENG系统在可持续能源收集和智能传感中的应用	摩擦纳米发电机（TENGs）及其与人工智能的结合	可持续能源与智能传感	NA	机器学习和深度学习算法	NA	机械运动数据	NA
2810	2025-04-26	Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction 2025-Apr-25, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11197-4 PMID:40279083	研究论文	本研究提出了一种新型混合深度学习模型Graph-Aware AURALSTM，用于高精度预测分子性质	结合多种图神经网络架构（GCNs、GATs、GINs）并行结构，全面捕捉分子的多维结构特征，并通过BiLSTM评估时间关系以增强分子特征分类	未提及具体局限性	提高分子性质预测的准确性	分子数据	机器学习	NA	GNN（Graph Neural Network）、GCN（Graph Convolutional Networks）、GAT（Graph Attention Networks）、GIN（Graph Isomorphism Networks）、BiLSTM	AURALSTM（Attentive Unified Representation Architecture-Long Short-Term Memory）	分子结构数据	八个基准数据集
2811	2025-04-26	The use of ChatGPT in the dermatological field: a narrative review 2025-Apr-24, Clinical and experimental dermatology IF:3.7Q1 DOI:10.1093/ced/llae546 PMID:39690824	综述	本文探讨了ChatGPT在皮肤病学领域的应用及其对皮肤健康管理的潜在影响	探索了ChatGPT这一先进语言模型在皮肤病学中的创新应用及其与医疗领域的协同关系	讨论了与使用ChatGPT相关的伦理和法律问题，但未深入具体解决方案	研究ChatGPT在皮肤病学中的应用及其对医疗诊断和治疗的潜在贡献	ChatGPT在皮肤病学中的应用及其效率与准确性的初步数据	自然语言处理	皮肤病	NA	ChatGPT	文本	NA
2812	2025-04-26	Reparameterization lightweight residual network for super-resolution of brain MR images 2025-Apr-24, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc935 PMID:40185120	研究论文	本文提出了一种基于BSRN和结构重参数化的轻量级超分辨率MRI模型，用于提高脑部MR图像的分辨率	结合结构重参数化技术，在训练时采用多分支结构，在推理时将其整合为单个3×3卷积，显著降低计算复杂度和存储需求	实验仅在IXI数据集上进行验证，未在其他数据集或实际临床环境中测试	开发一种轻量级的超分辨率方法，用于提高脑部MR图像的质量	脑部磁共振图像(MRI)	计算机视觉	NA	深度学习	BSRN结合结构重参数化	医学图像(MRI)	IXI数据集
2813	2025-04-26	Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration 2025-Apr-24, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3562425 PMID:40272955	研究论文	本文提出了一种基于图拉普拉斯正则化的可解释性网络，用于图像恢复任务，如去噪和插值	引入了一种新的ℓ范数图平滑先验——梯度图拉普拉斯正则化器（GGLR），并通过展开不同复杂度的ADMM算法构建了可解释性网络	更复杂的展开网络需要更多的标记数据来训练更多参数	解决通用深度学习网络在图像恢复中缺乏数学可解释性、需要大量训练数据和协变量偏移脆弱性的问题	图像恢复（去噪和插值）	计算机视觉	NA	ADMM算法、图学习模块	展开式前馈网络	图像	NA
2814	2025-04-26	In Vitro Diagnosis of Parkinson's Disease Based on Facial Expression and Behavioral Gait Data 2025-Apr-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3563902 PMID:40272952	研究论文	提出了一种基于面部表情和行为步态的新型多模态体外诊断方法，用于帕金森病的早期检测	使用轻量级深度学习模型进行特征提取和特征融合，提高了诊断准确性和易用性，并建立了最大的多模态帕金森病数据集	未提及方法在临床环境中的实际应用效果和长期稳定性	开发一种非侵入性、低成本的帕金森病早期体外诊断方法	帕金森病患者的面部表情和行为步态数据	数字病理学	帕金森病	深度学习	轻量级深度学习模型	面部表情和行为步态数据	与医院合作建立的最大多模态帕金森病数据集，具体样本量未提及
2815	2025-04-26	COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties 2025-Apr-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00205 PMID:40272990	research paper	本文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对性质的贡献	引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标	目前主要应用于分类任务，如结合位点识别，且准确性有限（40-45%）	开发一种可解释的深度学习模型，用于识别蛋白质序列中关键单体对性质的贡献	抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白	natural language processing	NA	深度学习（DL）、可解释人工智能（XAI）	DL	protein sequences	主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集
2816	2025-04-26	Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy 2025-Apr-24, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.269389 PMID:40274371	研究论文	研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗（PRRT）在转移性神经内分泌肿瘤（NETs）中的药代动力学、剂量学模式及吸收剂量（AD）-效应关系，以开发未来个性化剂量引导治疗策略	揭示了不同治疗周期和不同NET亚组的剂量学行为，并建立了eGFR与AD之间的关系模型，有助于早期预测肾功能	样本量较小（30例患者），且未观察到高于2级的肾毒性	优化PRRT的个性化治疗方案，并探索剂量-效应关系	转移性神经内分泌肿瘤（NETs）患者	放射治疗与核医学	神经内分泌肿瘤	SPECT/CT成像、蒙特卡洛剂量率映射、深度学习算法	深度学习算法（用于肾脏分割）	医学影像（SPECT/CT、MRI）及临床数据	30例患者（其中22例完成所有周期的SPECT/CT成像）
2817	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Apr-24, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2818	2025-04-26	PlantCareNet: an advanced system to recognize plant diseases with dual-mode recommendations for prevention 2025-Apr-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01366-9 PMID:40264213	研究论文	介绍了一种名为PlantCareNet的自动化端到端植物病害诊断系统，该系统不仅能精确诊断病害，还能提供交互式预防指导	结合深度学习算法和专家知识框架，提供双重模式的病害诊断和预防建议	NA	开发一个能够精确诊断植物病害并提供预防措施的自动化系统	植物病害	计算机视觉	植物病害	深度学习	CNN	图像	五个知名数据集
2819	2025-04-26	Zero-shot and few-shot multimodal plastic waste classification with vision-language models 2025-Apr-23, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.114815 PMID:40273572	研究论文	本文探讨了利用视觉-语言模型（VLMs）进行建筑和拆除塑料废弃物按树脂类型分类的应用	使用VLMs进行零样本和小样本学习，无需大量标注数据即可分类未见过的塑料类别	零样本分类的准确率（70.15%）仍低于完全监督学习的基准	提高塑料废弃物分类的数据效率和可扩展性	建筑和拆除塑料废弃物	计算机视觉	NA	视觉-语言模型（VLMs）	VLMs	图像和文本	未明确提及具体样本数量
2820	2025-04-26	A sustainable industrial waste control with AI for predicting CO2 for climate change monitoring 2025-Apr-23, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125338 PMID:40273781	研究论文	本研究提出了一种结合AI和元宇宙框架的先进方法，用于预测和监测工业废物碳排放，以支持可持续废物管理和气候变化监测	结合了卷积神经网络和长短期记忆网络的混合深度学习模型，以及梯度提升机，用于建模复杂的时空依赖和非线性关系，并在元宇宙环境中实现动态交互式气候监测	未提及具体的数据来源和样本量，可能影响模型泛化能力	开发AI驱动的工具来预测和监测工业碳排放，支持气候变化应对决策	工业碳排放数据和能源使用模式	机器学习	NA	深度学习、梯度提升机	CNN、LSTM、GBM	能源使用数据、工业社会因素数据	NA