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	2025-03-14	An intelligent ransomware based cyberthreat detection model using multi head attention-based recurrent neural networks with optimization algorithm in IoT environment 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92711-4 PMID:40065000	研究论文	本文提出了一种基于多头注意力机制的循环神经网络与优化算法相结合的智能勒索软件检测模型，用于物联网环境中的网络安全	提出了一种新颖的多头注意力机制循环神经网络与增强型大猩猩部队优化算法相结合的模型（MHARNN-EGTOCRD），用于检测和分类物联网环境中的勒索软件攻击	实验验证仅在勒索软件检测数据集上进行，未涉及其他类型网络攻击的检测	开发一种高效可靠的勒索软件检测机制，以应对物联网环境中的网络安全威胁	物联网环境中的勒索软件攻击	机器学习	NA	深度学习（DL）和机器学习（ML）方法	多头注意力机制循环神经网络（MHARNN）与长短期记忆网络（LSTM）结合	勒索软件检测数据集	NA
5242	2025-03-14	Enhancing cybersecurity through script development using machine and deep learning for advanced threat mitigation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92676-4 PMID:40065042	研究论文	本文探讨了利用机器学习和深度学习方法增强脚本开发的网络安全，通过使用Fashion MNIST数据集和卷积神经网络模型，展示了这些技术在提升网络安全方面的有效性	本文的创新点在于将机器学习和深度学习技术应用于脚本开发中，以自动化和智能化的方式提升网络安全，这在传统安全措施难以应对复杂威胁的背景下具有重要意义	本文的局限性在于仅使用了Fashion MNIST数据集进行实验，可能无法全面反映所有网络安全场景的复杂性	研究目的是通过机器学习和深度学习技术提升脚本开发的网络安全	研究对象是脚本开发过程中的网络安全问题	机器学习	NA	机器学习和深度学习	卷积神经网络（CNN）	图像数据（Fashion MNIST数据集）	Fashion MNIST数据集
5243	2025-03-14	Rolling bearing remaining useful life prediction using deep learning based on high-quality representation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93165-4 PMID:40065075	研究论文	本文提出了一种基于深度学习的方法，用于预测滚动轴承的剩余使用寿命（RUL），以提高旋转机械的可靠性和性能	结合一维深度卷积自编码器（1D-DCAE）和多层双向长短期记忆网络（Bi-LSTM）与时间模式注意力机制（TPA），有效提取振动信号中的高质量健康指标（HIs）并捕捉时间依赖性	实验仅在PHM2012轴承数据集上进行，未涉及其他数据集或实际工业环境中的验证	提高滚动轴承剩余使用寿命（RUL）预测的准确性和鲁棒性	滚动轴承	机器学习	NA	深度学习	1D-DCAE, Bi-LSTM, TPA	振动信号	PHM2012轴承数据集
5244	2025-03-14	The optimization of youth football training using deep learning and artificial intelligence 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93159-2 PMID:40065080	研究论文	本研究旨在通过利用先进的深度学习和人工智能技术提高青少年足球训练的效果和成果	构建了基于深度学习卷积神经网络（CNNs）的青少年足球训练关键点检测模型，并分析了人工智能在校园足球训练中的应用场景	研究中未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高青少年足球训练的效果和成果	青少年足球训练	机器学习	NA	深度学习卷积神经网络（CNNs）	CNN	图像	五家技术公司和三十名体育教师
5245	2025-03-14	An improved transformer based traffic flow prediction model 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92425-7 PMID:40065142	研究论文	本文提出了一种改进的基于Transformer的交通流量预测模型，旨在解决现有深度学习模型在交通流量预测中的局限性	提出了IEEAFormer技术，通过嵌入层捕捉交通数据中的隐含信息，采用时间环境感知自注意力机制替代传统的多头自注意力机制，并使用独特的图掩码矩阵和平行空间自注意力架构同时捕捉数据中的长短期空间依赖关系	未提及具体局限性	提高交通流量预测的准确性，以提升城市交通系统的效率	交通流量数据	机器学习	NA	Transformer架构，时间环境感知自注意力机制，图掩码矩阵	IEEAFormer	交通流量数据	四个真实世界的交通数据集
5246	2025-03-14	SNPeBoT: a tool for predicting transcription factor allele specific binding 2025-Mar-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06094-4 PMID:40065237	研究论文	本文介绍了一个名为SNPeBoT的工具，用于预测转录因子等位基因特异性结合	使用深度学习模型预测单核苷酸多态性（SNP）对转录因子结合的影响，并展示了其相较于现有工具在准确性和等位基因特异性结合（ASB）召回率上的提升	NA	预测SNP对转录因子结合的影响，以发现与非编码突变相关的疾病	转录因子及其等位基因特异性结合事件	机器学习	NA	ChIP-seq, PBM	CNN	DNA序列数据	来自113个转录因子的18211个E-score数据
5247	2025-03-14	Convolutional block attention gate-based Unet framework for microaneurysm segmentation using retinal fundus images 2025-Mar-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01625-0 PMID:40065294	研究论文	本文提出了一种基于CBAM-AG U-Net模型的微动脉瘤分割方法，用于视网膜眼底图像中的微动脉瘤自动识别	结合了卷积块注意力模块（CBAM）和注意力门（AG）的U-Net架构，增强了特征提取和分割精度	未提及模型在其他数据集上的泛化能力或实际临床应用的验证	提高糖尿病视网膜病变中微动脉瘤的自动识别和分割精度	视网膜眼底图像中的微动脉瘤	计算机视觉	糖尿病视网膜病变	深度学习	CBAM-AG U-Net	图像	IDRiD数据集
5248	2025-03-14	Advancing AI-driven thematic analysis in qualitative research: a comparative study of nine generative models on Cutaneous Leishmaniasis data 2025-Mar-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02961-5 PMID:40065373	研究论文	本研究比较了九种生成模型在皮肤利什曼病数据上的主题分析效果，探讨了AI在定性研究中的应用	首次系统评估了多种生成模型在皮肤利什曼病心理社会影响分析中的表现，并提出了结合AI与人类专家的标准化未来研究框架	研究仅基于单一疾病（皮肤利什曼病）的数据，未涵盖其他疾病或更广泛的主题分析场景	探讨AI生成模型在定性研究主题分析中的效果，特别是对皮肤利什曼病心理社会影响的分析	皮肤利什曼病患者的心理社会影响	自然语言处理	皮肤利什曼病	生成模型	Llama 3.1 405B, Claude 3.5 Sonnet, NotebookLM, Gemini 1.5 Advanced Ultra, ChatGPT o1-Pro, ChatGPT o1, GrokV2, DeepSeekV3, Gemini 2.0 Advanced	文本	448名参与者的回答
5249	2025-03-14	Automated deep learning-based assessment of tumour-infiltrating lymphocyte density determines prognosis in colorectal cancer 2025-Mar-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06254-3 PMID:40065354	研究论文	本文开发了一种基于深度神经网络的自动化方法，用于评估结直肠癌H&E切片中的肿瘤浸润淋巴细胞（TILs）密度，以确定患者的预后	首次展示了完全自动化的iTIL评估系统，能够在多个独立患者队列中泛化应用，用于结直肠癌患者的风险分层	NA	研究目的是通过自动化评估肿瘤浸润淋巴细胞（TILs）密度来预测结直肠癌患者的预后	结直肠癌患者	数字病理学	结直肠癌	深度神经网络	深度神经网络	图像	发现队列353例，验证队列1070例和885例
5250	2025-03-14	Precise engineering of gene expression by editing plasticity 2025-Mar-10, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03516-7 PMID:40065399	研究论文	本文通过深度学习模型预测和利用转录顺式调控元件（CREs），精确调控基因表达，并提出了'编辑可塑性'的新概念，用于评估启动子编辑改变基因表达的潜力	提出了'编辑可塑性'的新概念，并通过深度学习模型预测和验证CREs，实现了对基因表达的精确调控	研究主要集中在作物上，未涉及其他生物体	通过精确调控基因表达，改进作物性状	作物中的转录顺式调控元件（CREs）	机器学习	NA	UMI-STARR-seq	深度学习模型	序列数据	12,000个合成序列
5251	2025-03-14	A CT-based interpretable deep learning signature for predicting PD-L1 expression in bladder cancer: a two-center study 2025-Mar-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00849-1 PMID:40065444	研究论文	本研究构建并评估了一种基于CT影像的深度学习签名，用于预测膀胱癌患者中程序性细胞死亡配体1的表达状态	使用卷积神经网络和放射组学机器学习技术生成预测模型，并通过Shapley加性解释技术解释深度学习签名的内部预测过程	研究为回顾性研究，样本量相对较小（190例患者），且仅来自两个医院	预测膀胱癌患者中程序性细胞死亡配体1的表达状态	膀胱癌患者	数字病理学	膀胱癌	CT成像	卷积神经网络（CNN）	CT影像	190例患者（训练集127例，外部验证集63例）
5252	2025-03-14	Development of a deep learning-based model for guiding a dissection during robotic breast surgery 2025-Mar-10, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-01981-3 PMID:40065440	研究论文	本文开发了一种基于深度学习的模型，用于指导机器人乳房手术中的解剖平面	首次开发了用于机器人乳房手术的深度学习模型，以指导初学者和受训者的解剖平面	研究仅基于10个手术视频，样本量较小	开发一种深度学习模型，用于指导机器人乳房切除术中的解剖平面	机器人乳房切除术的手术视频	计算机视觉	乳腺癌	深度学习	深度学习模型	视频	10个手术视频，共8834张图像
5253	2025-03-14	Dementia Overdiagnosis in Younger, Higher Educated Individuals Based on MMSE Alone: Analysis Using Deep Learning Technology 2025-Mar-10, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e20 PMID:40065710	研究论文	本研究探讨了单独使用MMSE与结合其他认知评估在预测痴呆诊断中的效果，旨在提高痴呆诊断的准确性	通过深度学习技术分析MMSE单独使用与结合其他认知测试的效果，发现结合多种认知评估能显著提高诊断精度，特别是在年轻和受教育程度较高的人群中	研究仅基于主观认知抱怨的参与者，可能不适用于所有人群	提高痴呆诊断的准确性	2863名有主观认知抱怨的参与者	机器学习	老年疾病	随机森林模型	随机森林	认知评估数据	2863名参与者
5254	2025-03-14	TIMS2Rescore: A Data Dependent Acquisition-Parallel Accumulation and Serial Fragmentation-Optimized Data-Driven Rescoring Pipeline Based on MS2Rescore 2025-Mar-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00609 PMID:39915959	研究论文	本文介绍了一种名为TIMS2Rescore的数据驱动重评分工作流程，专为timsTOF仪器的DDA-PASEF数据优化	结合了新的timsTOF MSPIP光谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep，并直接接受Bruker原始质谱数据和多种搜索引擎的搜索结果	未明确提及具体局限性	提高质谱分析中蛋白质鉴定的准确性和效率，以更好地理解人类生物学、发现疾病生物标志物、识别治疗靶点和探索病原体相互作用	血浆蛋白质组学、免疫肽组学（HLA I类和II类）和宏蛋白质组学数据集	质谱分析	NA	质谱分析（MS）、离子迁移率、并行积累和串行碎片化（PASEF）	深度学习模型	质谱数据	未明确提及具体样本数量
5255	2025-03-14	EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs 2025-Mar-06, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141538 PMID:40043997	研究论文	本文提出了一种名为EVlncRNA-net的双通道深度学习框架，用于准确预测实验验证的长非编码RNA（lncRNA）	EVlncRNA-net结合了图卷积网络（GCN）和卷积神经网络（CNN）两种表示学习模块，通过创新的图构建方法和节点编码技术，将lncRNA序列转化为图形格式并进行处理，从而实现了对lncRNA序列的鲁棒特征表示	实验验证的成本较高，限制了验证的lncRNA数量	开发预测工具以优先考虑潜在功能性的lncRNA进行低通量验证	人类、小鼠和植物的lncRNA	自然语言处理	NA	高通量RNA测序（HTlncRNAs）	GCN, CNN	序列数据	NA
5256	2025-03-14	The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers 2025-Mar-01, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00767-0 PMID:40025245	研究论文	本研究探讨了IDH野生型胶质母细胞瘤的影像特征、肿瘤位置的空间模式与基因变异之间的关系，以及可能的突变事件序列	揭示了胶质母细胞瘤突变产生的独特影像特征，并发现肿瘤位置和空间分布与基因谱相关，提供了非侵入性肿瘤分析和个性化治疗的潜在途径	研究为回顾性分析，样本量有限，且仅针对IDH野生型胶质母细胞瘤	研究胶质母细胞瘤的影像特征、空间模式与基因变异之间的关系，以改善患者管理和治疗结果	357例IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数MRI和靶向基因测序	机器学习和深度学习模型	影像和基因数据	357例IDH野生型胶质母细胞瘤患者
5257	2025-03-14	Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives 2025-Feb-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01257 PMID:39916476	评论	本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景	文章强调了人工智能，特别是机器学习和深度学习，在加速药物发现过程中的创新应用，包括生成式AI用于数据合成	文章指出了人工智能在天然产物药物发现中的局限性，并探讨了未来的研究方向	研究目的是探讨人工智能如何加速天然产物药物发现，并分析其在这一领域的应用前景	研究对象是天然产物及其在药物发现中的应用	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	生物数据	NA
5258	2025-03-14	Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data 2025-Feb-19, ArXiv PMID:40034133	研究论文	本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建	RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题	尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制	研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法	研究对象是MRI图像，特别是低场输入下的图像重建	计算机视觉	NA	神经风格迁移（NST）	NA	图像	NA
5259	2025-03-14	PhysioEx: a new Python library for explainable sleep staging through deep learning 2025-Feb-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adaf73 PMID:39874654	研究论文	本文介绍了一个名为PhysioEx的Python库，旨在通过深度学习和可解释AI支持睡眠分期分析	PhysioEx提供了一个可扩展和模块化的API，用于标准化和自动化睡眠分期流程，并支持低资源设备和高性能计算集群	未明确提及具体局限性	开发一个标准化的平台，结合深度学习和可解释AI进行睡眠分期分析	睡眠分期	机器学习	睡眠障碍	深度学习（DL）和可解释AI（XAI）	预训练模型	单通道EEG和多通道EEG-EOG-EMG配置	基于Sleep Heart Health Study数据集的预训练模型
5260	2025-03-14	Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels 2025-Feb-06, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07122-4 PMID:39912940	研究论文	本研究提出并验证了一种基于3D扩散概率模型的全身PET图像去噪方法，该方法在多种扫描仪、示踪剂和剂量水平下表现出色	提出了3D Denoising Diffusion Probabilistic Model (3D DDPM)作为全身PET图像去噪的通用解决方案，相比传统方法在多样化的PET协议下表现更优	NA	提高全身PET图像的质量，解决传统深度学习方法在处理多样化PET协议时的不足	全身PET图像	计算机视觉	癌症	3D Denoising Diffusion Probabilistic Model (3D DDPM)	3D DDPM	图像	来自四种扫描仪、四种示踪剂类型和六种剂量水平的数据集