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
2901	2025-04-08	CGLoop: a neural network framework for chromatin loop prediction 2025-Apr-05, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11531-y PMID:40186170	research paper	提出了一种基于深度学习的神经网络框架CGLoop，用于预测Hi-C接触矩阵中的染色质环	结合了CNN、CBAM和BiGRU来捕获染色质环相关的重要特征，并采用基于密度的聚类方法过滤预测结果	仅在GM12878、K562、IMR90和mESC等几种细胞系上进行了验证	预测全基因组相互作用中产生的染色质环，以深入理解3D基因组结构和功能	染色质环	machine learning	NA	Hi-C接触矩阵分析	CNN, CBAM, BiGRU	Hi-C接触矩阵	GM12878、K562、IMR90和mESC等细胞系
2902	2025-04-08	Short-Term Residential Load Forecasting Framework Based on Spatial-Temporal Fusion Adaptive Gated Graph Convolution Networks 2025-Apr-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3551778 PMID:40184286	研究论文	提出了一种基于时空融合自适应门控图卷积网络的短期住宅负荷预测框架	引入了时空融合图构建和创新的门控自适应融合图卷积机制，动态建模时空相关性	未提及具体的数据集规模或实际应用中的潜在限制	提高现代电网中波动性和间歇性电力负荷的预测准确性	住宅短期电力负荷	机器学习	NA	时空融合图卷积网络（STFGCN）、门控时间卷积网络（Gated TCN）	STFAG-GCNs	时空数据	NA
2903	2025-04-08	A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86635-2 PMID:40185767	研究论文	本文提出了一种基于微调卷积神经网络（CNN）的模型，用于准确分类阿尔茨海默病（AD）	采用迁移学习技术，利用预训练的CNN架构（AlexNet、GoogleNet和MobileNetV2）和多种优化器（如Adam、SGD和RMSprop），显著提高了AD分类的准确率	模型对计算资源和数据仍有较高要求，且未提及在更广泛数据集上的泛化能力	通过早期诊断提高阿尔茨海默病的识别准确率，以改善治疗管理和疾病进展的洞察	阿尔茨海默病患者	数字病理学	老年病	MRI扫描	CNN（AlexNet、GoogleNet、MobileNetV2）	图像	Kaggle MRI数据集和OASIS数据库
2904	2025-04-08	Deep learning prediction of mammographic breast density using screening data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95275-5 PMID:40185813	研究论文	本研究探讨了使用深度学习模型对乳腺密度进行客观评估的方法	采用深度学习模型InceptionV3对乳腺密度进行四分类预测，并证明其优于放射科医生的准确性和一致性	放射科医生在脂肪和分散类别上表现优于模型，但模型在高密度类别上表现更优	开发一种客观评估乳腺密度的深度学习工具	乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习	InceptionV3	图像	9,621名女性的57,282张乳腺X线摄影图像
2905	2025-04-08	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	research paper	提出了一种新颖的并行提升神经网络框架（PBNN），用于日前太阳辐照度预测，结合了提升算法和前馈神经网络	提出了一种新的并行提升神经网络框架（PBNN），结合了三种提升决策树算法（XgBoost、CatBoost和RF回归器）作为基础学习器，并通过前馈神经网络（FFNN）分配最优权重以生成最终预测	虽然PBNN在性能上有所提升，但其计算复杂度可能仍然较高，且依赖于特征选择算法的准确性	提高日前太阳辐照度预测的准确性，以支持光伏系统的可靠运行	太阳辐照度数据	machine learning	NA	并行提升神经网络（PBNN）、互信息（MI）算法	PBNN、XgBoost、CatBoost、RF、FFNN	太阳辐照度数据	两个地理数据集（伊斯兰堡和圣地亚哥）
2906	2025-04-08	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	research paper	提出了一种改进的深度学习模型，用于准确预测电动汽车与认知无线电网络整合中的能源需求并实现节能	结合经验模态分解、CNN和海鸥优化算法（EMD-CNN-SOA），提高了能源需求预测的准确性	未提及具体的数据集来源或实验环境限制	解决电动汽车能源需求预测和节能问题，减轻电网负担并降低充电成本	电动汽车和认知无线电网络	machine learning	NA	Empirical Mode Decomposition, Seagull Optimization Algorithm	EMD-CNN-SOA, CNN, LSTM, RNN	NA	NA
2907	2025-04-08	Accurate cross-species 5mC detection for Oxford Nanopore sequencing in plants with DeepPlant 2025-Apr-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58576-x PMID:40185832	research paper	开发了一个名为DeepPlant的深度学习模型，用于提高植物中5mC检测的准确性，特别是在CHH位点	结合Bi-LSTM和Transformer架构，显著提高了CHH检测的准确性，并在CpG和CHG基序上表现良好	缺乏高甲基化阳性样本的稀缺性限制了CHH甲基化检测的泛化能力	提高植物中5mC检测的准确性，特别是在CHH位点	植物中的5mC甲基化	machine learning	NA	Oxford Nanopore sequencing, bisulfite-sequencing	Bi-LSTM, Transformer	sequencing data	nine species
2908	2025-04-08	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	research paper	本文提出了一种结合文本和图像处理的混合模型HTIC，用于多模态数据的分类任务	HTIC模型采用复杂的深度学习架构，结合VGG16进行图像分类和Roberta与MYSQL进行文本分类，通过多模态特征提取层确保不同类型数据的兼容性	未明确提及具体局限性	提高多模态数据分类的准确性、可解释性和应用性	多模态数据（文本和图像）	machine learning	NA	深度学习、多模态特征提取	HTIC（混合文本图像分类模型）、VGG16、Roberta、CNN	文本、图像	五个不同的数据集（包括NFT数据集）
2909	2025-04-08	The analysis of optimization in music aesthetic education under artificial intelligence 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96436-2 PMID:40185937	research paper	探讨人工智能环境下深度学习技术在音乐审美教育中的优化应用	结合AI和深度学习算法，提出具有更高准确性的音乐情感识别方法，为音乐审美教育提供新方向	未提及具体实验样本的多样性和规模，可能影响结果的普遍性	优化音乐审美教育方法，探索AI时代音乐教育的新发展方向	不同年龄段和音乐素养水平的学生	machine learning	NA	deep learning	NA	NA	NA
2910	2025-04-08	Wild horseshoe crab image denoising based on CNN-transformer architecture 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96218-w PMID:40185943	research paper	提出了一种基于CNN-Transformer混合架构的野马马蹄蟹图像去噪方法	结合多头转置注意力机制、门控机制和深度可分离卷积，优化了野马马蹄蟹图像的去噪质量	未提及模型在极端噪声条件下的表现	提高野马马蹄蟹图像的去噪效果，以支持其追踪与定位	野马马蹄蟹的图像	computer vision	NA	CNN-Transformer混合模型	CNN, ViT	image	未明确提及样本数量
2911	2025-04-08	Tunnel face rock mass class rapid identification based on TBM cutterhead vibration monitoring and deep learning model 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96875-x PMID:40186002	研究论文	基于TBM刀盘振动监测和深度学习模型，开发了一种端到端的隧道工作面岩体等级快速识别方法	结合1DCNN、BiLSTM和自注意力机制的优势，提出了一种新的深度学习模型，能够自动提取信号中的时空域特征，无需中断正常掘进过程即可快速识别岩体等级	缺乏对长隧道段连续振动记录的获取，且对TBM刀盘振动监测的研究较少	优化TBM操作参数和选择后续隧道支护措施	TBM隧道工作面的岩体条件	机器学习	NA	深度学习	1DCNN, BiLSTM, 自注意力机制	振动信号	NA
2912	2025-04-08	Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli 2025-Apr-03, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.03.155 PMID:40187420	research paper	本研究开发了一种结合面部表情和身体姿势的多模态识别模型，用于抑郁症的快速初步筛查	结合面部表情和身体姿势变化，利用深度学习技术开发端到端多模态识别模型，提高抑郁症检测效率	样本量相对较小（146名受试者），可能影响模型的泛化能力	通过分析情绪刺激下的面部表情和身体姿势变化，提高抑郁症的早期识别效率	抑郁症患者和健康对照组（各73名）	digital pathology	geriatric disease	深度学习技术、OpenFace序列分析	ResNet-50、决策级融合模型	视频图像（面部表情和身体姿势）	146名受试者（73名抑郁症患者和73名健康对照组）
2913	2025-04-08	Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus 2025-Apr-03, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.03.001 PMID:40189954	研究论文	利用深度学习算法优化培养基，提高兽疫链球菌生产透明质酸的效率	采用深度学习算法优化培养基成分，显著提高了透明质酸的生产效率	未提及实验是否在其他菌株或条件下验证过	提高兽疫链球菌生产透明质酸的效率	兽疫链球菌	机器学习	NA	深度学习	DL	实验数据	初始训练数据集OA01-18，54种候选优化培养基OM01-54
2914	2025-04-08	Compact Model Training by Low-Rank Projection With Energy Transfer 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	提出了一种名为LRPET的新训练方法，用于从头开始训练低秩压缩网络，并实现竞争性性能	通过交替执行随机梯度下降训练和权重矩阵的低秩流形投影，并结合能量转移和BN校正，提高了低秩压缩网络的性能	未明确提及具体限制，但可能包括对特定网络架构的依赖或计算资源需求	开发一种高效的深度神经网络低秩压缩方法	深度神经网络	机器学习	NA	低秩投影与能量转移（LRPET）	CNN, Transformer	图像	CIFAR-10和ImageNet数据集
2915	2025-04-08	Supervise-Assisted Self-Supervised Deep-Learning Method for Hyperspectral Image Restoration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386809 PMID:38722728	研究论文	提出了一种监督辅助的自监督深度学习方法，用于高光谱图像（HSI）的恢复	结合监督学习和自监督学习，引入噪声自适应损失函数，利用噪声退化HSI的内部统计信息进行恢复	未明确提及具体限制，但可能面临复杂噪声场景下的泛化能力挑战	解决高光谱图像恢复中的分布差距和噪声干扰问题	高光谱图像（HSI）	计算机视觉	NA	深度学习	监督辅助的自监督深度学习网络	高光谱图像	未明确提及具体样本数量，但使用了大量训练数据集
2916	2025-04-08	Personalized deep learning auto-segmentation models for adaptive fractionated magnetic resonance-guided radiation therapy of the abdomen 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17580 PMID:39699250	研究论文	本研究探讨了利用患者特异性自动分割方法改进腹部癌症患者在分次磁共振引导放疗中的自动分割效果	提出了基于患者特异性数据的自动分割模型，通过整合治疗计划和先前分次的MR图像，优化了分次治疗中的自动分割效果	研究样本量有限（151名患者），且仅针对特定类型的腹部癌症	改进分次磁共振引导放疗中的自动分割方法，以减少手动轮廓校正的时间消耗	腹部癌症患者的分次磁共振引导放疗数据	数字病理	腹部癌症	磁共振成像（MRI）	深度学习自动分割模型	图像	151名腹部癌症患者的151份计划MR图像和215份分次MR图像
2917	2025-04-08	Deep learning-aided diagnosis of acute abdominal aortic dissection by ultrasound images 2025-Apr, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02311-y PMID:39821588	research paper	研究探讨了深度学习在超声图像中诊断急性腹主动脉夹层的能力	使用深度学习模型（Densenet-169和VGG-16）辅助诊断急性腹主动脉夹层，并与人类读者进行比较	样本量较小（374张超声图像），且仅使用了两种深度学习模型	提高急性腹主动脉夹层的早期诊断准确率，特别是在急诊环境中	急性腹主动脉夹层（AD）患者的超声图像	digital pathology	cardiovascular disease	ultrasound imaging	Densenet-169, VGG-16	image	374张超声图像（90%训练集，10%测试集）
2918	2025-04-08	Impact of deep learning reconstructions on image quality and liver lesion detectability in dual-energy CT: An anthropomorphic phantom study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17651 PMID:39887750	research paper	评估深度学习图像重建（DLIR）在双能CT（DECT）中对图像质量和肝血管性病变检测的影响	首次在DECT中使用DLIR算法评估其对肝血管性病变检测的影响，并与传统重建方法进行比较	研究基于人体模型，未涉及真实患者数据，可能无法完全反映临床情况	评估DLIR在DECT中对图像质量和肝血管性病变检测的影响	模拟的肝血管性肝细胞癌（HCC）病变	digital pathology	liver cancer	dual-energy CT (DECT), deep learning image reconstruction (DLIR)	DLIR	CT image	一个人体模型（BMI为23 kg/m²），包含模拟的肝血管性病变
2919	2025-04-08	Fast In Vivo Two-Photon Fluorescence Imaging via Lateral and Axial Resolution Restoration With Self-Supervised Learning 2025-Apr, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400489 PMID:39909559	research paper	提出了一种基于自监督学习的横向和轴向分辨率恢复（LARR）深度学习框架，以解决双光子荧光（TPF）成像中分辨率与速度之间的矛盾	开发了LARR框架，通过自监督训练方案计算恢复稀疏采样的TPF图像，实现4倍轴向和16倍横向分辨率增强	未提及具体局限性	解决双光子荧光成像中高分辨率与高速度之间的矛盾	双光子荧光（TPF）成像系统	computer vision	NA	双光子荧光（TPF）成像	自监督学习框架	图像	未提及具体样本数量
2920	2025-04-08	Novel pre-spatial data fusion deep learning approach for multimodal volumetric outcome prediction models in radiotherapy 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17672 PMID:39928034	研究论文	提出了一种新颖的预空间数据融合深度学习方法，用于放射治疗中的多模态体积结果预测模型	提出了一种名为联合早期预空间（JEPS）融合的新技术，解决了多模态模型输入中结构不兼容的问题	研究样本量相对较小（222例），且性能提升在统计上不显著	提高放射治疗前总体生存期（OS）预测的准确性	头颈部癌症患者	数字病理学	头颈部癌症	3D CNN, 数据融合技术	3D CNN, Cox Proportional Hazards模型, 密集神经网络	CT影像, 剂量数组, 结构集, 表格数据	222例头颈部癌症患者