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
4861	2025-04-29	Variational mode directed deep learning framework for breast lesion classification using ultrasound imaging 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99009-5 PMID:40274985	research paper	提出了一种基于超声的乳腺病变分类框架，利用二维变分模态分解（2D-VMD）提供自解释特征，引导带有混合池化和注意力机制的CNN进行增强分类	利用2D-VMD提供自解释特征，结合混合池化和注意力机制的CNN，无需分割病变即可实现高精度分类	未提及具体的数据集样本量差异可能影响模型泛化能力	提高乳腺病变分类的准确性和解释性	乳腺超声图像中的良性和恶性病变	digital pathology	breast cancer	2D-VMD, CNN	CNN with mixed pooling and attention mechanisms	ultrasound images	两个公共乳腺超声数据集和一个内部数据集（具体数量未提及）
4862	2025-04-29	Attack resilient IoT security framework using multi head attention based representation learning with improved white shark optimization algorithm 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98180-z PMID:40274990	研究论文	提出了一种基于多头注意力和改进白鲨优化算法的物联网安全框架，用于增强网络安全检测和迁移模型	结合多头注意力和改进白鲨优化算法，提出了一种新型的入侵检测方法MHAID-IWSOA	实验仅在Edge-IIoT数据集上进行，未在其他数据集上验证	提高物联网网络中的网络安全检测和迁移能力	物联网网络中的异常或网络攻击	机器学习	NA	多头注意力机制、改进白鲨优化算法、双向门控循环单元	BiGRU-MHA	网络数据	Edge-IIoT数据集
4863	2025-04-29	Leveraging TME features and multi-omics data with an advanced deep learning framework for improved Cancer survival prediction 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98565-0 PMID:40275021	研究论文	本研究整合多组学数据和先进的深度学习框架，以提高癌症生存预测的准确性	利用单细胞RNA测序（scRNA-seq）增强的自归一化网络（Self-Normalizing Network）模型，结合多组学数据，显著提高了胶质瘤预后预测的准确性	研究样本量相对有限（620例），且仅针对胶质瘤，可能限制了模型的泛化能力	提高胶质瘤患者的生存预测准确性并识别潜在治疗靶点	胶质母细胞瘤（GBM）和低级别胶质瘤（LGG）患者	数字病理学	胶质瘤	单细胞RNA测序（scRNA-seq）、多组学数据整合	自归一化网络（Self-Normalizing Network）	转录组、拷贝数变异（CNV）、体细胞突变（MUT）、微生物（MIC）数据	620个样本
4864	2025-04-29	TCAINet an RGB T salient object detection model with cross modal fusion and adaptive decoding 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98423-z PMID:40275036	research paper	提出了一种名为TCAINet的新型RGB-T显著目标检测网络，通过跨模态融合和自适应解码提升复杂场景下的检测性能	集成了通道注意力机制(CA)、增强的跨模态融合模块(CAF)和自适应解码器(AAD)，优化了多模态信息的融合与处理	在高噪声环境下的性能仍有提升空间，且特征加权策略的灵活性可能不足	提升RGB-T显著目标检测网络在复杂场景下的性能	RGB-T显著目标检测	computer vision	NA	深度学习方法	TCAINet (包含CA、CAF和AAD模块)	RGB-T图像数据	NA
4865	2025-04-29	A novel approach for music genre identification using ZFNet, ELM, and modified electric eel foraging optimizer 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98766-7 PMID:40275047	research paper	提出了一种结合深度学习和元启发式算法的新方法用于音乐流派识别	整合了预训练的ZFNet、ELM和新开发的MEEFO算法，优化分类性能	NA	自动将音乐作品分类到一个或多个预定义的流派中	音乐流派识别	machine learning	NA	metaheuristic algorithm	ZFNet, ELM, MEEFO	audio signals	GTZAN和Ballroom两个基准数据集
4866	2025-04-29	A novel temporal classification prototype network for few-shot bearing fault detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98963-4 PMID:40275051	research paper	提出了一种名为时序分类原型网络（TCPN）的新方法，用于解决工业轴承故障检测中数据稀缺的问题	提出了时序分类原型网络（TCPN）和增强时序卷积网络（ETCN），以及基于相似度度量的ContractSim分类器（CSC），在数据稀缺条件下保持训练效果和泛化能力	未提及具体的数据稀缺程度对模型性能的影响，以及在实际工业环境中的适用性	解决工业轴承故障检测中数据稀缺导致的深度学习模型训练不足和泛化问题	工业轴承故障信号	machine learning	NA	Fourier变换	TCPN, ETCN, CSC	时序信号数据	四个标准轴承数据集
4867	2025-04-29	Exploring the potential and limitations of deep learning and explainable AI for longitudinal life course analysis 2025-Apr-24, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-22705-4 PMID:40275204	研究论文	探讨深度学习和可解释AI在纵向生命历程分析中的潜力与局限性	比较了多种深度学习架构与传统方法在稀疏纵向数据上的表现，并评估了SHAP值在解释性方面的局限性	SHAP值的解释性与因果关系存在不一致，且没有一种模型在所有场景中表现最佳	评估深度学习和可解释AI在生命历程数据分析中的应用效果	模拟的纵向生命历程数据	机器学习	NA	深度学习、可解释AI（XAI）	CNN、RNN（基于注意力机制）、XGBoost、逻辑回归	模拟数据	NA
4868	2025-04-29	DICCA-DTA: Diffusion and Contextualized Capsule Attention guided Factorized Cross-Pooling for Drug-Target Affinity prediction 2025-Apr-23, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108472 PMID:40288256	研究论文	提出了一种名为DICCA-DTA的新框架，用于预测药物-靶标亲和力，通过改进分子信息的上下文整合和药物-靶标相互作用的全面表示	结合扩散同构网络和上下文胶囊注意力网络，以及因子化交叉池化机制，动态优化药物-蛋白质相互作用建模，提高预测准确性和可解释性	未提及具体的数据集限制或模型计算复杂度问题	改进药物-靶标亲和力预测，以加速药物发现和再利用	药物分子和蛋白质靶标	机器学习	癌症	扩散同构网络(DIN)和上下文胶囊注意力网络(CCAN)	DIN, CCAN, FCP	分子图和蛋白质序列	Davis、KIBA、Metz和BindingDB数据集，以及DrugBank数据库中的癌症相关蛋白质相互作用案例
4869	2025-04-29	Challenging Reaction Prediction Models to Generalize to Novel Chemistry 2025-Apr-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.5c00055 PMID:40290152	research paper	本文探讨了深度学习模型在有机反应产物预测中的泛化能力，特别是在面对新化学领域时的表现	提出了一系列更具挑战性的评估方法，包括对新专利、新作者以及时间分割数据的测试，以揭示当前反应预测模型的能力和局限	当前模型在分布外领域的表现仍有不足，特别是在面对新反应类型的发现时	评估和改进深度学习模型在有机反应预测中的泛化能力	有机反应预测模型	machine learning	NA	deep learning	SMILES-based deep learning model	chemical reaction data	NA
4870	2025-04-29	Optimal Control of Specification in LPG Blend: A Deep Learning and PSO-Driven Framework for Minimizing Off-Spec Production 2025-Apr-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10068 PMID:40290953	研究论文	本文提出了一种结合深度学习和粒子群优化的两阶段方法，用于预测和优化液化石油气（LPG）混合过程中的产品规格，以减少不合格产品的生产	结合LSTM深度学习模型和粒子群优化（PSO）技术，首次在LPG混合过程中实现预测与优化的协同作用，并考虑了不同烃类组分对输入变量的差异影响	研究仅针对特定炼油厂的LPG生产过程，未考虑原油类型对LPG规格的影响	优化LPG混合过程中的产品规格控制，减少不合格产品的生产	液化石油气（LPG）的混合生产过程	机器学习	NA	LSTM, PSO	LSTM	历史测量数据	年度数据集（具体数量未提及）
4871	2025-04-29	Computational models for prediction of m6A sites using deep learning 2025-Apr-21, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.011 PMID:40268153	研究论文	该研究利用深度学习模型预测RNA中的m6A修饰位点，并比较了不同方法的性能	首次全面验证了多种深度学习方法在m6A位点预测中的应用，包括专为生物序列设计的预训练模型	未提及模型在实际生物样本中的验证效果	开发更准确的m6A修饰位点预测方法	真核生物mRNA中的m6A修饰位点	机器学习	NA	深度学习	预训练模型及其他基础深度学习方法	生物序列数据	基准数据集（具体数量未说明）
4872	2025-04-29	Low-Light Image and Video Enhancement for More Robust Computer Vision Tasks: A Review 2025-Apr-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040125 PMID:40278041	综述	本文综述了低光照图像和视频增强技术及其在计算机视觉任务中的应用	比较了传统和基于深度学习的增强方法，并分析了光照增强如何提高计算机视觉任务的鲁棒性	监督学习方法虽然效果最佳，但缺乏真实世界数据和对新数据的鲁棒性，需要转向零样本学习	探讨低光照增强技术在计算机视觉任务中的应用和效果	低光照图像和视频	计算机视觉	NA	NA	监督学习、零样本学习	图像、视频	NA
4873	2025-04-29	Deep Learning-Based Estimation of Myocardial Material Parameters from Cardiac MRI 2025-Apr-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040433 PMID:40281793	研究论文	本研究提出了一种基于深度学习的方法，从常规心脏磁共振成像数据中快速准确地估计左心室心肌材料参数	利用深度学习直接从心脏MRI数据估计心肌材料参数，避免了传统有限元方法中耗时的迭代优化过程	在病理样本上的预测误差较高，表明在建模病变心肌组织方面存在挑战	开发一种计算效率高且准确的心肌材料参数估计方法，以推进计算建模和临床应用	左心室心肌材料参数	医学影像分析	心血管疾病	心脏磁共振成像(CMRI)	ResNet18	医学影像	1288名健康受试者和少量病理样本(包括ARV和HCM病例)
4874	2025-04-29	Histology-Specific Treatment Strategies and Survival Prediction in Lung Cancer Patients with Spinal Metastases: A Nationwide Analysis 2025-Apr-21, Cancers IF:4.5Q1 DOI:10.3390/cancers17081374 PMID:40282550	research paper	本研究评估了肺癌脊柱转移患者的治疗模式、生存结果和预后因素，并整合了深度学习生存预测模型	整合了深度学习生存预测模型来评估肺癌脊柱转移患者的预后，并提出了组织学特异性治疗策略	研究为回顾性队列研究，可能存在选择偏倚，且未考虑所有潜在混杂因素	评估肺癌脊柱转移患者的治疗模式、生存结果和预后因素，以优化治疗策略	非小细胞肺癌（NSCLC）和小细胞肺癌（SCLC）脊柱转移患者	digital pathology	lung cancer	深度学习生存预测模型	SurvTrace	临床数据	428,919名肺癌患者，其中5.1%发展为脊柱转移
4875	2025-04-29	Mutual Information Neural-Estimation-Driven Constellation Shaping Design and Performance Analysis 2025-Apr-21, Entropy (Basel, Switzerland) DOI:10.3390/e27040451 PMID:40282686	研究论文	本文提出了基于互信息神经估计（MINE）的几何、概率及联合星座成形方案，以最大化互信息（MI）	首次引入MINE模块，通过反向传播有效估计和最大化互信息，无需明确了解信道状态信息	仅优化发射端，未考虑接收端的复杂性	提高高速相干通信系统中的星座成形性能，以满足日益增长的容量需求	无线和光通信中的星座成形设计	通信技术	NA	深度学习（DL）	MINE-GCS, MINE-PCS, MINE-JCS	信号数据	通过仿真验证，具体样本数量未提及
4876	2025-04-29	MAF-MixNet: Few-Shot Tea Disease Detection Based on Mixed Attention and Multi-Path Feature Fusion 2025-Apr-21, Plants (Basel, Switzerland) DOI:10.3390/plants14081259 PMID:40284147	research paper	提出了一种名为MAF-MixNet的新型少样本端到端检测网络，用于复杂田间条件下的茶叶病害检测	设计了混合注意力分支(MA-Branch)和多路径特征融合模块(MAFM)，有效解决了有限样本下特征提取不足的瓶颈	未提及具体局限性	开发一种能够在少量标注数据下实现稳健检测的茶叶病害检测方法	茶叶病害（炭疽病和褐斑病）	computer vision	plant disease	few-shot learning	MAF-MixNet (基于混合注意力和多路径特征融合的CNN变体)	image	5-shot和10-shot场景下的测试
4877	2025-04-29	A Vision-Based Method for Detecting the Position of Stacked Goods in Automated Storage and Retrieval Systems 2025-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s25082623 PMID:40285312	research paper	提出了一种基于机器视觉的检测算法，用于自动化存储和检索系统中货物堆叠位置的检测	集成了托盘表面物体检测网络（STEGNet）与箱体边缘检测算法，引入了高效门控金字塔特征网络（EG-FPN）和轻量级注意力机制	未提及具体局限性	为现代物流系统中的自动化货物堆叠监控提供可靠解决方案	自动化存储和检索系统中的货物堆叠	computer vision	NA	机器视觉、深度学习	STEGNet、EG-FPN	image	GY-WSBW-4D数据集和WSGID-B数据集
4878	2025-04-29	ProAttUnet: Advancing protein secondary structure prediction with deep learning via U-Net dual-pathway feature fusion and ESM2 pretrained protein language model 2025-Apr-21, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108429 PMID:40288255	研究论文	提出了一种名为ProAttUnet的新方法，通过结合ESM2预训练蛋白质语言模型和双路径U-Net特征融合，提升了蛋白质二级结构预测的性能	整合了SOTA模型ESM2获取残基嵌入和接触图，采用独特的双路径U-Net框架和交叉注意力机制，并引入GCU_SE模块以增强模型性能	NA	提升基于单序列的蛋白质二级结构预测模型的性能	蛋白质序列	生物信息学	NA	深度学习	U-Net, ESM2	蛋白质序列数据	五个测试集（SPOT-2016, SPOT-2016-HQ, SPOT-2018, SPOT-2018-HQ, TEST2018）
4879	2025-04-29	Deep Learning-Based Fault Diagnosis via Multisensor-Aware Data for Incipient Inter-Turn Short Circuits (ITSC) in Wind Turbine Generators 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082599 PMID:40285287	研究论文	提出了一种基于深度学习的多传感器感知数据方法，用于风力涡轮发电机早期匝间短路故障诊断	结合传统基线机器学习算法和先进深度网络架构，利用电流、振动和轴向磁通传感器信号诊断七种不同的ITSC故障类型	未提及具体数据集的规模或在实际风电场环境中的验证情况	提高风力涡轮发电机早期匝间短路故障诊断的准确性和稳定性	风力涡轮发电机的匝间短路故障	机器学习	NA	深度学习框架	深度网络架构	多传感器信号（电流、振动、轴向磁通）	未明确提及具体样本数量
4880	2025-04-29	Forced Oscillation Detection via a Hybrid Network of a Spiking Recurrent Neural Network and LSTM 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082607 PMID:40285296	research paper	提出了一种结合脉冲循环神经网络(SRNN)和长短期记忆网络(LSTM)的混合网络，用于检测电力系统中的强制振荡	通过结合SRNN的计算和能效优势与LSTM的时间依赖性捕捉能力，提出了一种新型混合网络，有效区分强制振荡与自然振荡	未明确提及具体局限性	提高电力系统稳定性监测中强制振荡检测的准确性和效率	电力系统中的振荡数据	machine learning	NA	backpropagation-through-time (BPTT)优化算法	混合网络(SRNN + LSTM)	时间序列数据	模拟和真实振荡数据集