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
4301	2025-03-28	AI-driven balance evaluation: a comparative study between blind and non-blind individuals using the mini-BESTest 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2695 PMID:40134862	研究论文	本研究首次使用mini-BESTest和惯性测量单元分析盲人平衡能力，并通过机器学习模型预测评分	首次使用mini-BESTest和惯性测量单元分析盲人平衡能力，并开发机器学习模型预测评分	惯性数据无法区分三个评估水平，且样本量较小（29名参与者）	分析盲人和非盲人的平衡能力差异，并开发客观评估方法	盲人和非盲人的平衡能力	数字病理学	NA	惯性测量单元，机器学习，深度学习	机器学习模型，深度学习模型	惯性测量数据	29名盲人和非盲人参与者
4302	2025-03-28	Facial expression recognition using visible and IR by early fusion of deep learning with attention mechanism 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2676 PMID:40134864	研究论文	本文提出了一种结合可见光和红外图像特征的早期融合方法，用于面部表情识别，通过引入注意力机制和深度学习方法提高了识别准确率	在ResNet-18架构中引入注意力机制，并提出多模态早期融合方法，结合CNN和迁移学习技术，显著提高了面部表情识别的准确率	仅使用了VIRI和NVIE两个公开数据库，可能在其他数据集上的泛化能力有待验证	解决面部表情识别中因表情变化和不同表情相似性带来的挑战	可见光和红外图像中的面部表情	计算机视觉	NA	深度学习，迁移学习	ResNet-18 with attention mechanism, CNN	可见光和红外图像	VIRI和NVIE数据库中的面部表情图像
4303	2025-03-28	Fake news detection: state-of-the-art review and advances with attention to Arabic language aspects 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2693 PMID:40134874	review	本文全面回顾了假新闻的类型、领域、特征、生命周期及检测方法，特别关注了阿拉伯语假新闻检测的最新进展	特别关注阿拉伯语假新闻检测的挑战与解决方案，包括复杂的语法、多样的方言及标注数据稀缺问题	阿拉伯语假新闻检测领域的研究相对较少，且缺乏足够的标注数据集	探讨假新闻检测的最新方法，特别是针对阿拉伯语的检测技术	假新闻，尤其是阿拉伯语假新闻	natural language processing	NA	machine learning, deep learning, transformer-based techniques	NA	text	NA
4304	2025-03-28	Protein language model-based prediction for plant miRNA encoded peptides 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2733 PMID:40134870	研究论文	提出了一种基于蛋白质语言模型的植物miRNA编码肽预测方法pLM4PEP，该方法整合了ESM2肽嵌入与机器学习技术	利用蛋白质语言模型ESM2改进植物miPEPs的特征表示，相较于依赖人工编码特征的传统方法具有显著优势	训练数据中已知植物miPEPs的数量有限可能影响模型性能	开发更准确的植物miRNA编码肽预测方法	植物miRNA编码肽(miPEPs)及其他生物活性肽	生物信息学	NA	蛋白质语言模型(ESM2)、机器学习	pLM4PEP（集成ESM2与机器学习）	蛋白质序列数据	未明确说明具体样本量，但使用了包含其他生物活性肽的多样化数据集
4305	2025-03-28	DeepSpoofNet: a framework for securing UAVs against GPS spoofing attacks 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2714 PMID:40134872	研究论文	提出DeepSpoofNet框架，用于保护无人机免受GPS欺骗攻击	结合高级特征选择技术和强大的神经网络架构，提出一种混合NN模型（ANOVA + CNN-BiLSTM），显著提高了GPS欺骗攻击检测的准确性和性能	当前最先进研究中存在的挑战包括数据集不平衡、特征选择次优以及在资源受限环境中的攻击检测准确性	解决无人机GPS欺骗攻击检测中的挑战	无人机（UAVs）及其GPS接收器	机器学习	NA	深度学习、特征选择	CNN、BiLSTM、混合NN模型	GPS信号数据	NA
4306	2025-03-28	Automatic cassava disease recognition using object segmentation and progressive learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2721 PMID:40134883	研究论文	本研究开发了一种基于深度学习的框架，用于在现实条件下早期、准确且高效地检测木薯病害	提出了一种结合自监督对象分割技术和渐进学习算法（PLA）的方法，利用三元组损失和分类损失学习鲁棒的特征嵌入	NA	开发一种适用于大规模农业使用的木薯病害检测方法	木薯病害	计算机视觉	植物病害	自监督对象分割技术，渐进学习算法（PLA）	深度学习	图像	Kaggle竞赛中的Cassava Leaf Disease Classification (CLDC)数据集
4307	2025-03-28	Optimal intrusion detection for imbalanced data using Bagging method with deep neural network optimized by flower pollination algorithm 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2745 PMID:40134887	研究论文	本文提出了一种基于元启发式和深度学习技术的新型入侵检测系统（IDS），用于处理物联网网络中的不平衡数据问题	结合花授粉算法（FPA）和深度神经网络（DNN）的混合方法，并采用RB Bagging策略处理类别不平衡问题	未明确提及具体局限性	开发高效的入侵检测系统以管理物联网网络中的风险和漏洞	物联网网络中的入侵检测	机器学习	NA	花授粉算法（FPA），深度神经网络（DNN）	DNN	网络流量数据	四个公共数据集（NSL-KDD, UNSW NB-15, CIC-IDS-2017, BoT-IoT）
4308	2025-03-28	Development of a cryptocurrency price prediction model: leveraging GRU and LSTM for Bitcoin, Litecoin and Ethereum 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2675 PMID:40134889	research paper	该研究开发了一种利用GRU和LSTM模型预测比特币、莱特币和以太坊价格的加密货币价格预测模型	比较了GRU和LSTM在加密货币价格预测中的表现，发现GRU模型优于LSTM	未考虑社交媒体趋势和交易量等可能影响加密货币价格的其他变量	开发高精度的加密货币价格预测模型	比特币(BTC)、莱特币(LTC)和以太坊(ETH)三种主要加密货币	machine learning	NA	NA	GRU, LSTM	time-series data	历史价格数据来自CryptoDataDownload，按80:20的比例划分训练集和测试集
4309	2025-03-28	Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias 2024-Dec-09, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awae388 PMID:39657969	研究论文	本文介绍了一种基于神经病理学的多标签深度学习框架，用于识别和量化阿尔茨海默病、血管性痴呆和路易体痴呆的生物标志物	提出了创新的DeepSPARE指数和可解释的热图，用于可视化不同痴呆类型的脑部改变模式	模型在路易体痴呆上的表现相对较低（平衡准确率0.623）	开发非侵入性神经影像学指标，用于区分不同类型的痴呆症	423名痴呆患者和361名对照参与者的生前T1加权MRI扫描	数字病理学	阿尔茨海默病、血管性痴呆、路易体痴呆	T1加权MRI扫描	深度学习框架	MRI图像	784名参与者（来自NACC和ADNI数据集）
4310	2025-03-28	Bone density measurement in patients with spinal metastatic tumors using chest quantitative CT deep learning model 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100641 PMID:40134559	研究论文	本研究开发了一种基于3DResUNet架构的深度学习模型，用于从定量计算机断层扫描（QCT）中预测脊柱转移瘤患者的椎体体积骨密度（vBMD）	使用3DResUNet架构的深度学习模型首次应用于脊柱转移瘤患者的vBMD预测，提高了骨质疏松筛查的能力	研究样本量有限（749例），且仅针对脊柱转移瘤患者，可能不适用于其他人群	开发一种深度学习模型，用于预测脊柱转移瘤患者的椎体体积骨密度（vBMD），以增强骨质疏松筛查能力	脊柱转移瘤患者	数字病理学	脊柱转移瘤	定量计算机断层扫描（QCT）	3DResUNet	医学影像	749例脊柱转移瘤患者（训练集599例，测试集150例）
4311	2025-03-28	Assessing deep learning reconstruction for faster prostate MRI: visual vs. diagnostic performance metrics 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10771-y PMID:38724765	research paper	评估深度学习重建在加速前列腺MRI中的视觉与诊断性能指标	将诊断性深度学习纳入评估框架，提供临床相关指标，以评估重建模型的诊断质量	深度学习重建虽然提高了视觉质量，但可能降低诊断准确性	评估深度学习重建在前列腺MRI中的视觉和诊断性能	1535名患者的前列腺MRI数据	digital pathology	prostate cancer	深度学习重建（DLRecon）和诊断性深度学习检测（DLDetect）	DL	MRI图像	1535名患者
4312	2025-03-28	Deep learning nomogram for predicting neoadjuvant chemotherapy response in locally advanced gastric cancer patients 2024-11, Abdominal radiology (New York) DOI:10.1007/s00261-024-04331-7 PMID:38796795	研究论文	开发并验证了一种基于深度学习放射组学的列线图模型，用于预测局部晚期胃癌患者对新辅助化疗的反应	结合手工放射组学特征、深度学习特征和临床特征构建列线图模型，提高了预测新辅助化疗反应的准确性	研究为回顾性设计，可能存在选择偏倚，且样本量相对有限	预测局部晚期胃癌患者对新辅助化疗的治疗反应	局部晚期胃癌患者	数字病理	胃癌	多期对比增强CT成像	EfficientNet V2	CT图像	322名胃癌患者
4313	2025-03-28	Longitudinal ultrasound-based AI model predicts axillary lymph node response to neoadjuvant chemotherapy in breast cancer: a multicenter study 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10786-5 PMID:38724768	研究论文	开发基于纵向乳腺超声和超声医师腋窝超声诊断的深度学习放射组学模型，用于预测乳腺癌新辅助化疗后腋窝淋巴结反应	结合纵向超声图像和深度学习特征，开发融合模型以预测腋窝淋巴结反应，性能优于传统超声医师诊断	研究局限于三个中心的数据，样本量可能不足以代表广泛人群	预测乳腺癌患者新辅助化疗后腋窝淋巴结的反应	乳腺癌患者	数字病理学	乳腺癌	超声成像，深度学习放射组学	随机森林，支持向量机	超声图像	2016年11月至2022年12月间三个中心招募的乳腺癌患者
4314	2025-03-28	Message-Passing Monte Carlo: Generating low-discrepancy point sets via graph neural networks 2024-Oct, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409913121 PMID:39325425	研究论文	本文提出了一种名为消息传递蒙特卡洛(MPMC)的新型低差异点集生成方法，利用图神经网络工具实现	首次将几何深度学习方法应用于低差异点集生成，提出MPMC点集并在低维和小点数情况下达到最优或接近最优差异	目前主要适用于低维和小规模点集的情况	开发更有效的低差异点集生成方法以提高数值积分、计算机视觉等领域的性能	低差异点集的生成方法	机器学习	NA	几何深度学习	图神经网络(GNN)	空间点集数据	低维和小规模点集
4315	2025-03-28	An initial game-theoretic assessment of enhanced tissue preparation and imaging protocols for improved deep learning inference of spatial transcriptomics from tissue morphology 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae476 PMID:39367648	研究论文	本文探讨了通过改进组织制备和成像协议来增强深度学习从组织形态学推断空间转录组学的性能	提出了采用临床实施标准的组织处理和成像实践（永久切片、自动组织染色和临床级扫描）以显著提高模型性能的新方法	研究仅针对13名病理T III期结直肠癌患者进行，样本量较小	研究旨在通过改进组织制备和成像协议，提高深度学习从组织形态学推断空间转录组学的性能，并降低大规模空间分析的成本	13名病理T III期结直肠癌患者的组织样本	数字病理	结直肠癌	空间转录组学（ST）、Visium CytAssist检测	Inceptionv3	全切片图像（WSI）	13名病理T III期结直肠癌患者的组织样本
4316	2025-03-28	Prediction of future dementia among patients with mild cognitive impairment (MCI) by integrating multimodal clinical data 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36728 PMID:39281465	研究论文	本研究评估了多模态机器学习方法，特别是集成集成（EI）框架，在预测轻度认知障碍（MCI）患者未来痴呆发展方面的能力	使用EI框架来利用多模态数据的互补性和共识性，这是之前痴呆相关预测研究未充分捕捉的	NA	预测轻度认知障碍（MCI）患者未来痴呆的发展	轻度认知障碍（MCI）患者	机器学习	老年病	结构磁共振成像（MRI）和正电子发射断层扫描（PET）	集成集成（EI）框架、XGBoost、深度学习	临床和影像数据	来自TADPOLE挑战的数据
4317	2025-03-28	Deep learning for the harmonization of structural MRI scans: a survey 2024-Aug-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01280-6 PMID:39217355	综述	本文综述了深度学习在结构MRI扫描协调中的应用，分析了该领域的最新技术及其优缺点	深入分析了基于深度学习的图像协调方法，包括U-Net、GANs、VAEs等多种网络架构，并探讨了解缠表示学习在协调中的关键作用	缺乏对不同方法之间全面定量比较的研究	探讨深度学习在医学图像协调中的应用，为研究人员和从业者提供选择合适架构的指南	结构MRI扫描	数字病理	NA	深度学习	U-Net, GANs, VAEs, transformer-based approaches	MRI图像	NA
4318	2025-03-28	Using deep learning to improve the intelligibility of a target speaker in noisy multi-talker environments for people with normal hearing and hearing loss 2024-07-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0028007 PMID:39082692	研究论文	本研究开发了一种基于深度学习的算法，用于在嘈杂的多说话者环境中提取目标说话者的声音，以提高正常听力和听力损失人群的语音可懂度	提出了一种准因果深度学习算法，能够根据简短的注册话语从多个并发说话者和背景噪声中提取目标说话者的声音，且该算法能泛化到未见过的说话者、不同说话者数量和相对说话者水平以及不同的语音语料库	算法在更复杂或不同的噪声环境中的表现尚未验证	提高嘈杂多说话者环境中的语音可懂度	正常听力和听力损失人群	机器学习	听力损失	深度学习	NA	语音	正常听力和听力损失听众参与的双盲句子识别测试
4319	2025-03-28	Impact of AI for Digital Breast Tomosynthesis on Breast Cancer Detection and Interpretation Time 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230318 PMID:38568095	research paper	开发并验证了一种用于数字乳腺断层合成（DBT）图像的AI模型，以提高乳腺癌诊断准确性和减少放射科医生的阅读时间	AI模型在乳腺癌检测中显示出比放射科医生更高的诊断准确性，并显著减少了阅读时间	研究为回顾性设计，可能影响结果的普遍性	开发AI模型以提高乳腺癌诊断的准确性和效率	258名女性的DBT图像，包括65例癌症病例	digital pathology	breast cancer	deep learning	deep learning AI algorithm	image	258名女性（平均年龄56岁±13.41）的DBT图像，来自14个机构
4320	2025-03-28	Developing deep learning-based strategies to predict the risk of hepatocellular carcinoma among patients with nonalcoholic fatty liver disease from electronic health records 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104626 PMID:38521180	研究论文	本研究开发了基于深度学习的策略，利用电子健康记录数据预测非酒精性脂肪肝患者患肝细胞癌的风险	提出了一种新颖的后向掩蔽方案来处理延迟诊断问题，并评估了纵向信息长度对疾病预测的影响，同时探讨了时间变化协变量建模和迁移学习对算法性能的提升	研究可能受到数据中性别偏差的影响，且模型在跨性别评估时表现下降	研究上述问题对深度学习性能的影响程度，并开发策略来应对这些挑战，以提高非酒精性脂肪肝患者肝细胞癌风险的预测	非酒精性脂肪肝患者	机器学习	肝细胞癌	深度学习	深度学习模型	电子健康记录	220,838名患者