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
5621	2025-04-26	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2025-Apr-25, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	开发了一种数据驱动的连续睡眠深度测量方法——有序睡眠深度（OSD），并评估其与觉醒概率的关联及其与年龄、性别、睡眠呼吸障碍（SDB）和认知障碍的关系	提出了一种基于深度学习的连续睡眠深度测量方法，优于传统的离散睡眠分期方法	未提及具体局限性	开发并验证一种数据驱动的连续睡眠深度测量方法	18,116名患者的21,787份多导睡眠图记录	机器学习	睡眠呼吸障碍、认知障碍	深度学习	CNN	EEG信号	18,116名患者的21,787份多导睡眠图记录
5622	2025-04-26	Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction 2025-Apr-25, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11197-4 PMID:40279083	研究论文	本研究提出了一种新型混合深度学习模型Graph-Aware AURALSTM，用于高精度预测分子性质	结合多种图神经网络架构（GCNs、GATs、GINs）并行结构，全面捕捉分子的多维结构特征，并通过BiLSTM评估时间关系以增强分子特征分类	未提及具体局限性	提高分子性质预测的准确性	分子数据	机器学习	NA	GNN（Graph Neural Network）、GCN（Graph Convolutional Networks）、GAT（Graph Attention Networks）、GIN（Graph Isomorphism Networks）、BiLSTM	AURALSTM（Attentive Unified Representation Architecture-Long Short-Term Memory）	分子结构数据	八个基准数据集
5623	2025-04-26	The use of ChatGPT in the dermatological field: a narrative review 2025-Apr-24, Clinical and experimental dermatology IF:3.7Q1 DOI:10.1093/ced/llae546 PMID:39690824	综述	本文探讨了ChatGPT在皮肤病学领域的应用及其对皮肤健康管理的潜在影响	探索了ChatGPT这一先进语言模型在皮肤病学中的创新应用及其与医疗领域的协同关系	讨论了与使用ChatGPT相关的伦理和法律问题，但未深入具体解决方案	研究ChatGPT在皮肤病学中的应用及其对医疗诊断和治疗的潜在贡献	ChatGPT在皮肤病学中的应用及其效率与准确性的初步数据	自然语言处理	皮肤病	NA	ChatGPT	文本	NA
5624	2025-04-26	Reparameterization lightweight residual network for super-resolution of brain MR images 2025-Apr-24, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc935 PMID:40185120	研究论文	本文提出了一种基于BSRN和结构重参数化的轻量级超分辨率MRI模型，用于提高脑部MR图像的分辨率	结合结构重参数化技术，在训练时采用多分支结构，在推理时将其整合为单个3×3卷积，显著降低计算复杂度和存储需求	实验仅在IXI数据集上进行验证，未在其他数据集或实际临床环境中测试	开发一种轻量级的超分辨率方法，用于提高脑部MR图像的质量	脑部磁共振图像(MRI)	计算机视觉	NA	深度学习	BSRN结合结构重参数化	医学图像(MRI)	IXI数据集
5625	2025-04-26	Unrolling Plug-and-Play Gradient Graph Laplacian Regularizer for Image Restoration 2025-Apr-24, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3562425 PMID:40272955	研究论文	本文提出了一种基于图拉普拉斯正则化的可解释性网络，用于图像恢复任务，如去噪和插值	引入了一种新的ℓ范数图平滑先验——梯度图拉普拉斯正则化器（GGLR），并通过展开不同复杂度的ADMM算法构建了可解释性网络	更复杂的展开网络需要更多的标记数据来训练更多参数	解决通用深度学习网络在图像恢复中缺乏数学可解释性、需要大量训练数据和协变量偏移脆弱性的问题	图像恢复（去噪和插值）	计算机视觉	NA	ADMM算法、图学习模块	展开式前馈网络	图像	NA
5626	2025-04-26	In Vitro Diagnosis of Parkinson's Disease Based on Facial Expression and Behavioral Gait Data 2025-Apr-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3563902 PMID:40272952	研究论文	提出了一种基于面部表情和行为步态的新型多模态体外诊断方法，用于帕金森病的早期检测	使用轻量级深度学习模型进行特征提取和特征融合，提高了诊断准确性和易用性，并建立了最大的多模态帕金森病数据集	未提及方法在临床环境中的实际应用效果和长期稳定性	开发一种非侵入性、低成本的帕金森病早期体外诊断方法	帕金森病患者的面部表情和行为步态数据	数字病理学	帕金森病	深度学习	轻量级深度学习模型	面部表情和行为步态数据	与医院合作建立的最大多模态帕金森病数据集，具体样本量未提及
5627	2025-04-26	PlantCareNet: an advanced system to recognize plant diseases with dual-mode recommendations for prevention 2025-Apr-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01366-9 PMID:40264213	研究论文	介绍了一种名为PlantCareNet的自动化端到端植物病害诊断系统，该系统不仅能精确诊断病害，还能提供交互式预防指导	结合深度学习算法和专家知识框架，提供双重模式的病害诊断和预防建议	NA	开发一个能够精确诊断植物病害并提供预防措施的自动化系统	植物病害	计算机视觉	植物病害	深度学习	CNN	图像	五个知名数据集
5628	2025-04-26	Profiling electric signals of electrogenic probiotic bacteria using self-attention analysis 2025-Apr-22, Applied microbiology and biotechnology IF:3.9Q2 DOI:10.1007/s00253-025-13425-1 PMID:40263148	研究论文	通过自组装电路检测两种产电益生菌在鸡胚绒毛尿囊膜和小鼠肠道内产生的电信号，并利用自注意力机制分析其差异	首次使用自注意力机制分析产电益生菌的电信号谱，揭示了两种菌的独特信号特征	研究仅针对两种益生菌，样本范围有限	开发评估益生菌治疗效果的电信号特征分析方法	产电益生菌Leuconostoc mesenteroides和Lactococcus lactis	生物电信号分析	NA	自组装电路检测、自注意力机制分析	自注意力机制	电信号数据	两种益生菌在鸡胚绒毛尿囊膜和小鼠肠道内的样本
5629	2025-04-26	Effective integration of drone technology for mapping and managing palm species in the Peruvian Amazon 2025-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58358-5 PMID:40263254	研究论文	本文开发了一种结合无人机技术和深度学习的方法，用于精确绘制和管理秘鲁亚马逊地区经济重要的棕榈树种	结合可见光谱无人机影像和深度学习，实现了在景观尺度上对棕榈树种的高精度检测，显著降低了成本和时间	方法在密集簇生的棕榈树检测中平均总体得分仅为74%，存在一定的识别误差	开发精确、景观尺度的物种级方法，评估经济重要的亚马逊棕榈树的分布和丰度	秘鲁亚马逊地区的三种经济重要的棕榈树种，尤其是Mauritia flexuosa	计算机视觉	NA	可见光谱无人机影像和深度学习	深度学习	图像	两个社区的棕榈树资源
5630	2025-04-26	Frailty identification using a sensor-based upper-extremity function test: a deep learning approach 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73854-2 PMID:40263276	研究论文	本研究通过结合生物力学和深度学习的方法，提高了老年人衰弱预测的准确性	使用传感器辅助的上肢功能测试和深度学习模型（LSTM）进行衰弱预测，肌肉共收缩被识别为关键预测因子	需要更大规模和更多样化的人群进行进一步验证以确认结果的普遍性	提高老年人衰弱预测的准确性	312名参与者（126名非衰弱，145名衰弱前期，41名衰弱）	机器学习	老年疾病	传感器辅助的上肢功能测试，肌肉力计算	LSTM, SVM, logistic regression	生物力学数据	312名参与者
5631	2025-04-26	Real-space heterogeneous reconstruction, refinement, and disentanglement of CryoEM conformational states with HetSIREN 2025-Apr-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59135-0 PMID:40263313	research paper	提出了一种基于深度学习的CryoEM异构体重建和细化方法HetSIREN，能够在真实空间中重构或细化CryoEM体积	HetSIREN是一种基于空间的方法，允许空间聚焦分析，并引入了具有高分析能力的正弦超网络，能够细化图像姿态并解决异构体分析中的纠缠问题	NA	开发一种能够更准确重建和细化CryoEM体积的深度学习方法	大分子构象	computational biology	NA	Cryo-electron microscopy (CryoEM)	deep learning, sinusoidal hypernetworks	image	NA
5632	2025-04-26	An air target intention data extension and recognition model based on deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98438-6 PMID:40263364	研究论文	提出了一种基于深度学习的空中目标意图数据扩展与识别模型IDERDL，用于解决空中目标意图识别中的数据稀缺和时间特征提取不足的问题	首次考虑了意图数据的稀缺性以及时间性，提出了基于去噪扩散模型的数据生成方法和基于扩张因果卷积的时间块，以提高战术意图识别能力	未明确提及模型在复杂战场环境中的泛化能力或实时性表现	提高空中目标意图识别的准确性和效率	空中目标的意图数据	机器学习	NA	去噪扩散模型、知识蒸馏、图注意力机制	IDERDL（基于深度学习的复合模型）	时序数据、特征编码数据	NA（未明确提及具体样本量）
5633	2025-04-26	Recognition of chlorophyll rings using YOLOv8 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98659-9 PMID:40263370	研究论文	本研究利用YOLOv8模型识别中尺度海洋涡旋外围的高叶绿素浓度区域（叶绿素环）	YOLOv8模型在叶绿素环识别中展现出卓越的泛化能力和高精度，超越了Swin-Transformer和ResNet等其他模型	NA	分析叶绿素浓度数据，研究海洋生态系统中叶绿素的分布和动态变化	中尺度海洋涡旋外围的叶绿素环	计算机视觉	NA	深度学习	YOLOv8	图像	NA
5634	2025-04-26	Revolutionizing Alzheimer's disease detection with a cutting-edge CAPCBAM deep learning framework 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98476-0 PMID:40263406	研究论文	本文介绍了一种名为CAPCBAM的深度学习框架，用于阿尔茨海默病的早期和准确诊断	CAPCBAM框架创新性地结合了Capsule Networks和Convolutional Block Attention Module (CBAM)，通过双重注意力策略提升了模型泛化能力和减少了信息损失	尽管Capsule Networks和注意力机制已有研究，但CAPCBAM的整合方式仍需进一步验证其广泛适用性	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI图像分析	CAPCBAM（结合Capsule Networks和CBAM）	图像	ADNI数据集
5635	2025-04-26	Vocal performance evaluation of the intelligent note recognition method based on deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99357-2 PMID:40263420	研究论文	本研究旨在优化音符识别能力并提高声乐表演评估的准确性	结合门控循环单元和注意力机制优化CNN模型，提出A-GRCNN模型，显著提升了音符识别和声乐表演评估的准确性	未提及模型在其他音乐风格或复杂场景下的泛化能力	优化音符识别技术并提高声乐表演评估的准确性	音乐音符识别和声乐表演评估	机器学习	NA	深度学习	CNN, GRU, 注意力机制	音频信号	NA
5636	2025-04-26	The shallowest transparent and interpretable deep neural network for image recognition 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92945-2 PMID:40263436	research paper	本文介绍了一种完全透明的深度学习模型Shallow-ProtoPNet，用于图像识别，该模型通过透明的原型层和全连接层实现决策过程的透明化	Shallow-ProtoPNet不使用任何黑盒部分作为基线，是完全透明的深度学习模型，且仅包含两层（一个透明卷积层和一个全连接层），是现有最浅的透明深度神经网络	模型在X射线图像数据集上的性能与其他不完全透明的可解释模型相当，但未提及在其他类型数据集上的表现	开发一种完全透明的深度学习模型，以提高模型决策过程的可信度	X射线图像	computer vision	NA	NA	Shallow-ProtoPNet（基于原型的网络）	image	NA
5637	2025-04-26	Deep learning based adaptive and automatic measurement of palpebral margin in eyelid morphology 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93975-6 PMID:40263452	研究论文	本文提出了一种基于深度学习的自适应自动测量方法DeepAAM，用于眼睑形态的量化评估	首次引入Margin Iris Intersectant Angle (MIA)作为创新评估指标，并通过注意力机制和多种算法增强U-Net架构，提高了测量精度	模型在实际应用中仍面临挑战，且精度有待进一步提高	提高眼睑形态测量的准确性和自动化程度，以支持眼周整形手术的疾病治疗和手术规划	眼睑形态	计算机视觉	眼疾	深度学习	U-Net	图像	NA
5638	2025-04-26	Habesha cultural cloth classification using deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98269-5 PMID:40263488	研究论文	使用深度学习方法对埃塞俄比亚哈贝沙文化服饰进行分类	首次应用CNN模型（VGG16、VGG19和ResNet50v2）对哈贝沙克米斯刺绣设计进行识别和分类	样本量相对较小，仅包含320张原始图像，虽通过数据增强扩展到3,270张，但可能仍不足以覆盖所有可能的变体	识别和分类哈贝沙克米斯刺绣设计的质量	埃塞俄比亚哈贝沙文化服饰（哈贝沙克米斯）的刺绣设计	计算机视觉	NA	数字图像处理、CNN	VGG16、VGG19、ResNet50v2	图像	320张原始图像，通过数据增强扩展到3,270张
5639	2025-04-26	Efficient human activity recognition on edge devices using DeepConv LSTM architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98571-2 PMID:40263516	research paper	该研究旨在通过TinyML在边缘设备上部署轻量级深度学习模型进行人类活动识别（HAR）	DeepConv LSTM模型通过有效捕捉空间和时间特征，在轻量级模型中表现最佳，准确率达到98.24%，F1分数为98.23%	研究未提及模型在更复杂或多样化活动识别场景中的表现	开发并部署轻量级深度学习模型以实现高效的实时人类活动识别	人类活动识别（HAR）	machine learning	NA	TinyML	DeepConv LSTM, 2D CNN, 1D CNN	sensor data	NA
5640	2025-04-26	Deep learning based ensemble model for accurate tomato leaf disease classification by leveraging ResNet50 and MobileNetV2 architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98015-x PMID:40263518	研究论文	本文提出了一种基于深度学习的集成模型，结合MobileNetV2和ResNet50架构，用于番茄叶片病害的精确分类	通过修改输出层（如GlobalAverage Pooling2D、Batch Normalization、Dropout和Dense层）优化特征提取，并融合两种模型的互补特征	NA	开发一种高精度的番茄叶片病害分类方法，以支持智能农业和可持续耕作	番茄叶片的病害分类	计算机视觉	植物病害	深度学习	ResNet50和MobileNetV2的集成模型	图像	11,000张标注图片，涵盖10种病害类别