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
5241	2025-03-13	A direct learning approach for detection of hotspots in microwave hyperthermia treatments 2025-Mar-11, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03343-9 PMID:40067423	研究论文	本文提出了一种使用深度学习在微波热疗中检测乳腺组织温度是否超过阈值的方法	提出了一种深度卷积编码器-解码器架构的模型，用于处理微波热疗中的温度监测问题，并展示了数据驱动方法在温度监测应用中的强大正则化能力	模型主要基于模拟数据进行训练和测试，尽管也使用了商业软件中的电磁热模拟数据，但实际临床数据的应用和验证仍需进一步研究	研究微波热疗中乳腺组织温度是否超过阈值的检测方法	乳腺组织	计算机视觉	乳腺癌	深度学习	深度卷积编码器-解码器	图像	模拟数据和商业软件中的电磁热模拟数据
5242	2025-03-13	Applications of Artificial Intelligence in Constrictive Pericarditis: A Short Literature Review 2025-Mar-11, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-025-02222-x PMID:40067491	review	本文综述了人工智能在缩窄性心包炎（CP）诊断和治疗中的应用	利用认知机器学习和深度学习算法（如ResNet50）在区分CP与限制性心肌病方面取得了AUC超过0.95的成果	AI应用在CP中的发展仍处于初期，主要由于获取大规模高质量超声心动图数据集的挑战，以及模型的泛化性和可解释性问题	探讨人工智能在缩窄性心包炎诊断和治疗中的应用潜力	缩窄性心包炎（CP）患者	machine learning	cardiovascular disease	深度学习算法（ResNet50）	ResNet50	超声心动图数据	NA
5243	2025-03-13	Vision Mamba and xLSTM-UNet for medical image segmentation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88967-5 PMID:40059111	研究论文	本文介绍了一种名为VMAXL-UNet的新型医学图像分割网络，该网络结合了结构化状态空间模型（SSM）和轻量级LSTM（xLSTM），旨在解决传统卷积神经网络（CNN）和基于Transformer的模型在医学图像分割中的局限性	VMAXL-UNet网络通过集成Visual State Space（VSS）和ViL模块，有效地融合了局部边界细节和全局语义上下文，显著提高了分割精度和鲁棒性	尽管VMAXL-UNet在多个数据集上表现出色，但其在高分辨率图像上的计算效率仍需进一步验证	开发一种高效的医学图像分割方法，以克服传统CNN和Transformer模型在捕捉长距离依赖性和计算复杂性方面的不足	医学图像	计算机视觉	NA	结构化状态空间模型（SSM），轻量级LSTM（xLSTM）	VMAXL-UNet	图像	ISIC17, ISIC18, CVC-ClinicDB, Kvasir数据集
5244	2025-03-13	Dual-Modality Virtual Biopsy System Integrating MRI and MG for Noninvasive Predicting HER2 Status in Breast Cancer 2025-Mar-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.039 PMID:40068996	研究论文	本研究开发并验证了一种基于深度学习的决策视觉生物标志物系统（DM-VBS），用于通过MRI和乳腺X线摄影（MG）的放射组学和深度学习特征预测乳腺癌HER2状态	创新点在于整合了MRI和MG的双模态数据，构建了四个子模型，并通过XGBoost模型进行三元分类，以预测HER2状态	研究未明确提及对HER2-zero和HER2-low组之间的区分能力，且样本量相对有限	开发并验证一种非侵入性预测乳腺癌HER2状态的深度学习系统	乳腺癌患者	数字病理	乳腺癌	MRI, 乳腺X线摄影（MG）	XGBoost, 深度学习模型	图像	550名患者
5245	2025-03-13	Quantitative Magnetic Resonance Imaging Methods for the Assessment and Prediction of Treatment Response to Transarterial Chemoembolization in Hepatocellular Carcinoma 2025-Mar-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.042 PMID:40068997	综述	本文综述了定量磁共振成像（qMRI）在预测和评估肝细胞癌（HCC）患者对经动脉化疗栓塞（TACE）治疗反应中的最新应用	探讨了多种qMRI方法在预测TACE治疗反应中的应用，包括肝细胞特异性对比增强MRI、扩散成像、灌注成像、磁共振波谱（MRS）、血氧水平依赖功能MRI（BOLD-fMRI）、磁共振弹性成像（MRE）和人工智能（AI）	BOLD-fMRI和MRE仍缺乏关键定量参数的模型，AI模型的附加价值需要通过更大规模的前瞻性研究验证	评估和预测肝细胞癌患者对TACE治疗的反应	肝细胞癌（HCC）患者	数字病理	肝癌	定量磁共振成像（qMRI）	AI模型（包括放射组学或深度学习）	磁共振成像数据	NA
5246	2025-03-13	A large-scale open image dataset for deep learning-enabled intelligent sorting and analyzing of raw coal 2025-Mar-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04719-0 PMID:40057526	研究论文	本文介绍了一个大规模开源的原煤图像数据集DsCGF，用于支持深度学习驱动的原煤智能分选和分析	提出了一个大规模、多层次的标注原煤图像数据集，填补了智能选煤领域缺乏准确大规模数据的空白	数据集仅涵盖中国三个代表性矿区的样本，可能无法完全代表其他地区的原煤特征	推动中国能源转型，实现碳达峰和碳中和战略目标下的智能选煤技术发展	原煤图像	计算机视觉	NA	深度学习	NA	图像	超过27万张可见光图像，来自中国三个代表性矿区
5247	2025-03-13	Research on the performance of the SegFormer model with fusion of edge feature extraction for metal corrosion detection 2025-Mar-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92531-6 PMID:40057599	研究论文	本文提出了一种基于边缘特征提取的SegFormer金属腐蚀检测方法，旨在提高金属腐蚀边界和小腐蚀区域的准确分割	引入了边缘特征提取模块（EEM）和特征融合模块（FFM），通过逐步上采样解码层设计，增强了模型对小腐蚀区域的检测能力	NA	提高金属腐蚀检测的准确性和效率	金属腐蚀图像	计算机视觉	NA	NA	SegFormer	图像	公共金属表面腐蚀图像数据集、BSData缺陷数据集、自建管道腐蚀坑图像数据集
5248	2025-03-13	Probabilistic and deep learning approaches for conductivity-driven nanocomposite classification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91057-1 PMID:40055396	研究论文	本研究提出了一种结合贝叶斯技术和深度学习的混合方法，用于改进纳米复合材料的分类，特别是评估其导电性能	提出了一种结合贝叶斯网络（BN）和基于Transformer架构的循环神经网络（RNN）的混合模型，以量化并报告认知不确定性，从而提高分类准确性	研究主要关注方法学上的进展，实验结果的广泛适用性尚未验证	改进纳米复合材料的分类方法，特别是评估其导电性能	纳米复合材料	机器学习	NA	贝叶斯网络（BN），循环神经网络（RNN），Transformer架构	贝叶斯网络（BN），循环神经网络（RNN）	NA	NA
5249	2025-03-11	Author Correction: Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92132-3 PMID:40055395	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5250	2025-03-13	SwinConvNeXt: a fused deep learning architecture for Real-time garbage image classification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91302-7 PMID:40055407	研究论文	本文提出了一种名为SwinConvNeXt的融合深度学习架构，用于实时垃圾图像分类	结合了增强的Swin Transformer、改进的ConvNeXt和空间注意力机制，有效提取垃圾图像的全局和局部特征，提高了分类准确性	模型在处理视觉相似度高且大小不一的物体时可能存在挑战	开发一种高效且可持续的实时垃圾管理系统	垃圾图像	计算机视觉	NA	深度学习	SwinConvNeXt	图像	公开的垃圾分类数据集
5251	2025-03-13	Leveraging YOLO deep learning models to enhance plant disease identification 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92143-0 PMID:40055410	研究论文	本文介绍了一种利用YOLO深度学习模型增强植物病害识别的新方法	采用YOLOv3和YOLOv4模型进行水果植物病害识别，特别是YOLOv4在准确性和速度上表现出色	数据不平衡、症状变异、实时性能和高昂的注释成本可能影响模型的准确性和应用	提高植物病害的早期自动化识别，以精确保护作物	健康的桃子和草莓叶子，以及受细菌斑点影响的桃子叶子和受焦枯病影响的草莓叶子	计算机视觉	植物病害	深度学习	YOLOv3, YOLOv4	图像	来自公开的Plant Village数据集的数据
5252	2025-03-13	Hybrid neural network method for damage localization in structural health monitoring 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92396-9 PMID:40055427	研究论文	本文探讨了一种基于数值数据的创新方法，用于大型结构中的裂纹检测，强调评估混合RNN-CNN模型与之前使用的纯CNN模型的比较	提出了一种结合RNN和CNN的混合模型，通过减少复杂性和参数数量，实现了更高效的结构裂纹检测	实验结果显示准确率为78.9%，略低于传统CNN模型的性能	研究目的是通过混合RNN-CNN模型提高结构健康监测中的裂纹检测能力	大型结构中的裂纹	机器学习	NA	NA	RNN-CNN混合模型	数值数据	NA
5253	2025-03-13	Continuous nursing symptom management in cancer chemotherapy patients using deep learning 2025-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92762-7 PMID:40055437	研究论文	本文评估了深度学习平台在化疗患者症状管理中的效果，旨在提高患者的生活质量	使用深度学习平台进行化疗患者的症状管理，显著减少了焦虑和抑郁，并提高了生活质量	研究为非随机对照试验，可能存在选择偏倚	评估深度学习平台在化疗患者症状管理中的效果	144名化疗患者	机器学习	癌症	深度学习	NA	NA	144名化疗患者（干预组72人，对照组72人）
5254	2025-03-13	Development of DeepPQK and DeepQK sequence-based deep learning models to predict protein-ligand affinity and application in the directed evolution of ferulic esterase DLfae4 2025-Mar-05, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141790 PMID:40054795	研究论文	本研究开发了基于序列的深度学习模型DeepPQK和DeepQK，用于预测蛋白质-配体结合亲和力，并应用于阿魏酸酯酶DLfae4的定向进化	开发了两种新的深度学习模型DeepPQK和DeepQK，通过整合局部和全局上下文特征来预测蛋白质-配体结合亲和力，克服了传统方法依赖蛋白质晶体结构的局限性	NA	预测蛋白质-配体结合亲和力并指导酶的定向进化	蛋白质-配体结合亲和力	机器学习	NA	深度学习	CNN	蛋白质序列、口袋氨基酸和配体	2016核心数据集
5255	2025-03-13	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	本文介绍了一种基于物理信息的深度学习框架SPINN，用于建模和推断粒子扩散动力学	SPINN框架集成了随机微分方程，能够自主探索参数空间并以单帧分辨率区分确定性和随机性成分	NA	提高随机动力学的时空分辨率，以准确表征不同的随机过程	单粒子轨迹数据	机器学习	NA	深度学习	SPINN	轨迹数据	NA
5256	2025-03-13	TopoQA: a topological deep learning-based approach for protein complex structure interface quality assessment 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf083 PMID:40062613	研究论文	本文提出了一种基于拓扑深度学习的蛋白质复合物结构界面质量评估方法TopoQA，利用持久同调（PH）捕捉残基周围的原子级拓扑信息，并通过图神经网络（GNN）增强复杂高阶结构的学习	TopoQA首次将持久同调与图神经网络结合，用于蛋白质复合物界面质量评估，显著提升了模型性能，并提供了蛋白质结构表示学习的新范式	尽管TopoQA在多个数据集上表现优异，但其性能仍需在更多样化的蛋白质复合物结构上进行验证	开发一种无需已知天然结构即可评估预测蛋白质复合物质量的模型，以支持蛋白质结构生成和模型选择	蛋白质复合物结构界面	生物信息学	NA	持久同调（PH）、图神经网络（GNN）	TopoQA	蛋白质结构数据	DBM55-AF2、HAF2和ABAG-AF3三个数据集
5257	2025-03-13	Inferring gene regulatory networks from time-series scRNA-seq data via GRANGER causal recurrent autoencoders 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf089 PMID:40062616	研究论文	本文介绍了一种名为GRANGER的无监督深度学习方法，用于从时间序列单细胞RNA测序数据中推断基因调控网络	GRANGER方法整合了多种先进技术，包括循环变分自编码器、GRANGER因果关系、稀疏性诱导惩罚和基于负二项分布的损失函数，以处理时间序列scRNA-seq数据中的高噪声和数据稀疏问题	尽管GRANGER在处理时间序列scRNA-seq数据方面表现出色，但其在更广泛的应用场景中的有效性和鲁棒性仍需进一步验证	研究目的是开发一种能够准确处理时间序列单细胞RNA测序数据的方法，以推断基因调控网络	研究对象是时间序列单细胞RNA测序数据，特别是来自小鼠全脑的scRNA-seq数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	循环变分自编码器	时间序列单细胞RNA测序数据	来自小鼠全脑的scRNA-seq数据
5258	2025-03-13	Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores 2025-Mar, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028241294088 PMID:39558586	研究论文	本文提出了一种结合激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型的方法，用于预测铁矿石中的总铁含量	使用CNN模型辅助LIBS技术，显著提高了总铁含量预测的准确性，并减少了建模时间	未提及具体局限性	提高LIBS技术在铁矿石总铁含量预测中的准确性	铁矿石样品	机器学习	NA	激光诱导击穿光谱（LIBS）	卷积神经网络（CNN）	光谱数据	339批来自五个国家的铁矿石样品，收集了2034个代表性光谱
5259	2025-03-13	Using a flipped classroom teaching and learning approach to promote scientific literacy skill development and retention 2025-Mar, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.13938 PMID:39625998	研究论文	本文探讨了翻转课堂在促进科学素养技能发展和保留方面的效果	通过翻转课堂环境评估科学素养技能的发展，并首次在四个月后重新评估这些技能的保留情况	样本量较小（n=57和n=46），且仅针对特定课程的学生，可能限制了结果的普遍性	评估翻转课堂对科学素养技能发展的影响及其长期保留效果	二年级运动学专业学生	教育技术	NA	翻转课堂教学法	NA	问卷数据	57名学生（学期初和学期末），46名学生（四个月后）
5260	2025-03-13	Deep-Learning-Enabled Fast Raman Identification of the Twist Angle of Bi-Layer Graphene 2025-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202411833 PMID:39871720	研究论文	本文提出了一种结合拉曼光谱和深度学习的数据驱动策略，用于快速、无损地解码和预测双层石墨烯的扭转角度	利用深度学习处理高维拉曼数据，提取隐藏信息以实现精确的扭转角度识别，并将该方法扩展到二维平面，实现单个样品内的精确定向映射	NA	开发一种高效、无损的方法来识别双层石墨烯的扭转角度，并推广到其他角度依赖的二维材料研究	双层石墨烯（TBG）	材料光谱学与分析	NA	拉曼光谱	深度学习模型	拉曼光谱数据	NA