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
561	2025-05-17	Bi-VesTreeFormer: A bidirectional topology-aware transformer framework for coronary vFFR estimation 2025-May-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102564 PMID:40373576	研究论文	提出了一种名为Bi-VesTreeFormer的双向拓扑感知Transformer框架，用于冠状动脉虚拟FFR（vFFR）估计	提出了一种新型双向拓扑感知Transformer网络（Bi-VesTreeFormer），能够全自动提取血管树的拓扑狭窄特征并捕捉分支间的全局依赖关系，同时引入了上下文vFFR解码器以建立相邻分支FFR值的相关性	NA	开发一种高效、非侵入性的冠状动脉虚拟FFR估计方法	冠状动脉狭窄患者	数字病理学	心血管疾病	计算流体动力学，深度学习	Transformer（Bi-VesTreeFormer）	冠状动脉中心线数据	43名冠状动脉狭窄患者的FFR数据和15,000条模拟冠状动脉中心线数据
562	2025-05-17	A deep learning framework for reconstructing Breast Amide Proton Transfer weighted imaging sequences from sparse frequency offsets to dense frequency offsets 2025-May-09, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102563 PMID:40373577	研究论文	提出一种深度学习框架，用于从稀疏频率偏移重建乳腺酰胺质子转移加权成像序列的密集频率偏移	利用时间序列卷积提取APT成像序列的短程和长程空间及频率特征，显著减少扫描时间	研究仅针对特定频率偏移范围（±6.5 ppm），未验证在其他偏移范围的泛化性	缩短酰胺质子转移加权成像的采集时间，提高临床适用性	乳腺酰胺质子转移加权成像序列	医学影像分析	乳腺癌	酰胺质子转移技术（APT）	seq2seq模型	医学影像	29个密集频率偏移（从7到-7，间隔0.5 ppm）
563	2025-05-17	SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer 2025-May-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107607 PMID:40375420	研究论文	介绍了一种名为SurvGraph的基于图的深度学习网络，用于利用全切片病理图像进行胃癌生存预测	SurvGraph采用混合图构建方法，整合了多种特征类型，并利用多头注意力图网络进行生存预测	NA	提高胃癌患者的生存预测准确性	胃癌患者	数字病理	胃癌	图表示学习	多头注意力图网络	图像	708名胃癌患者，来自三个独立队列
564	2025-05-17	Automatic and precise identification of volatile organic compounds from gas chromatography in prolonged atmospheric monitoring 2025-May-08, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466035 PMID:40373387	研究论文	提出了一种基于人工智能的ResGRU模型，用于自动精确识别气相色谱中的挥发性有机化合物（VOCs）	ResGRU模型在保留时间定位上的平均绝对误差比传统机器学习或深度学习模型小2.76至38.19倍，且能精确识别微弱的色谱峰并对异常色谱图具有出色的适应性	NA	为长期大气监测中的VOCs提供自动精确识别方法，以支持气候变化研究、空气质量评估、污染源识别和公共健康预警系统	挥发性有机化合物（VOCs）	机器学习	NA	气相色谱	ResGRU	色谱数据	来自上海、湖北和江苏四个监测站点的真实数据
565	2025-05-17	Towards Precision in Sarcopenia Assessment: The Challenges of Multimodal Data Analysis in the Era of AI 2025-May-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094428 PMID:40362666	综述	本文探讨了人工智能在提高肌肉减少症评估精确度中的潜力，特别是通过整合临床、人体测量和分子数据	利用AI技术整合多模态数据，探索新的生物标志物，以提高肌肉减少症的诊断精确度	需要大规模、标准化的研究来验证AI驱动的生物标志物签名	提高肌肉减少症的诊断精确度和管理效果	肌肉减少症患者	机器学习	老年病	AI、机器学习和深度学习	NA	临床、人体测量和分子数据	NA
566	2025-05-17	A Multi-Modal Graph Neural Network Framework for Parkinson's Disease Therapeutic Discovery 2025-May-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094453 PMID:40362692	研究论文	本研究整合了大规模蛋白质-蛋白质相互作用网络与多模态图神经网络（GNN），以识别和优先考虑帕金森病（PD）的多靶点药物再利用候选物	采用新颖的功能中心性指数识别PD相互作用组中的关键节点，并利用GNN模型结合分子描述符、网络拓扑和不确定性量化预测候选药物	NA	加速发现帕金森病及其他多因素神经退行性疾病的多靶点疗法	帕金森病（PD）的蛋白质-蛋白质相互作用网络和多靶点药物再利用候选物	机器学习	帕金森病	多模态图神经网络（GNN）	GNN	蛋白质-蛋白质相互作用网络数据、分子描述符	NA
567	2025-05-17	Research Progress on Data-Driven Industrial Fault Diagnosis Methods 2025-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s25092952 PMID:40363389	review	本文系统回顾了当前主流的工业故障诊断方法，探讨了工业大数据的来源、常用数据集及相关平台构建，并深入分析了数据驱动的故障诊断技术在工业应用中的发展	重点探讨了深度学习算法在故障诊断中的关键作用，以及大数据环境下大型模型在提升诊断智能化和泛化能力方面的潜力	未提及具体实验验证或案例研究，主要集中于理论和方法论的探讨	探讨数据驱动的工业故障诊断方法的研究进展及未来发展方向	工业故障诊断方法及相关技术	machine learning	NA	深度学习算法	大型模型	工业大数据	NA
568	2025-05-17	Detection of Local Prostate Cancer Recurrence from PET/CT Scans Using Deep Learning 2025-May-06, Cancers IF:4.5Q1 DOI:10.3390/cancers17091575 PMID:40361501	研究论文	本研究利用深度学习技术，基于[F]-PSMA-1007 PET/CT扫描数据，开发了用于检测前列腺癌局部复发的AI模型	通过限制分析区域至膀胱周围并使用不同手术状态下的专门模型，提高了检测准确性	1404例样本量不足，所有模型在训练数据上表现优异但在验证数据上准确率不足，存在过拟合问题	开发基于AI的前列腺癌局部复发检测方法	前列腺癌患者	数字病理	前列腺癌	PET/CT扫描	人工神经网络	医学影像	1404例[F]-PSMA-1007 PET/CT扫描数据
569	2025-05-17	Multi-Head Attention-Based Framework with Residual Network for Human Action Recognition 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092930 PMID:40363367	研究论文	提出了一种结合残差网络和多头注意力机制的深度学习框架，用于高效且鲁棒的人类动作识别	整合了ResNet-18进行空间特征提取和Bi-LSTM进行时间特征提取，并引入多头注意力机制以增强关键运动细节的优先级，同时提出基于光流的运动帧选择策略以减少冗余并提高效率	NA	开发一个高效且鲁棒的人类动作识别框架，以解决复杂时间模式、类内变异性和类间相似性带来的挑战	人类动作	计算机视觉	NA	光流	ResNet-18, Bi-LSTM, 多头注意力机制	视频	UCF-101数据集
570	2025-05-17	Multimodal MRI Image Fusion for Early Automatic Staging of Endometrial Cancer 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092932 PMID:40363369	研究论文	本研究利用深度学习和多模态MRI图像融合技术，自动化子宫内膜癌的早期分期，并与放射科医生的诊断性能进行比较	采用Swin transformer模型及其专有的SW-MSA模块进行多平面MRI图像融合，实现了高精度的子宫内膜癌早期自动分类	研究样本量较小（122例患者），且为回顾性研究	开发一种自动化子宫内膜癌早期分期的方法，并评估其诊断性能	122例经病理证实的早期子宫内膜癌患者	数字病理	子宫内膜癌	MRI	Swin transformer	图像	122例患者（68例FIGO IA期，54例FIGO IB期）
571	2025-05-17	Multiscale Two-Stream Fusion Network for Benggang Classification in Multi-Source Images 2025-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s25092924 PMID:40363361	研究论文	提出了一种基于多尺度特征和双流融合网络（MS-TSFN）的崩岗分类方法，用于多源图像中的崩岗识别	采用双流融合网络结合注意力机制的特征融合块，实现了多源图像中多尺度特征的深度融合	未提及具体的数据集规模限制或模型泛化能力测试	提高崩岗在多源图像中的识别精度	中国南方丘陵和山区的崩岗	计算机视觉	NA	无人机采集的DOM和DSM数据、Canny边缘检测	ResNeSt、MS-TSFN	多源图像（DOM和DSM）	未明确提及具体样本数量
572	2025-05-17	Entropy-driven deep learning framework for epilepsy detection using electro encephalogram signals 2025-May-05, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.003 PMID:40334975	研究论文	本文提出了一种结合熵度量和深度学习的新型癫痫检测方法，通过EEG信号实现自动识别	结合多元熵特征（如mvMPE和mvMFE）与ResNet-BiLSTM模型，利用UMAP进行非线性降维，提升了癫痫检测的准确性和鲁棒性	未提及模型在跨中心或不同EEG设备上的泛化性能	开发一种鲁棒且高效的癫痫自动检测方法	癫痫患者的EEG信号	机器学习	癫痫	自适应小波去噪、UMAP降维	ResNet-BiLSTM	EEG信号	NA
573	2025-05-17	Decoding Poultry Welfare from Sound-A Machine Learning Framework for Non-Invasive Acoustic Monitoring 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092912 PMID:40363349	研究论文	本研究提出了一种结合信号级统计分析与机器学习和深度学习分类器的集成分析框架，用于在福利评估背景下解释鸡的叫声	该研究创新性地将信号级统计分析、机器学习和深度学习分类器相结合，用于非侵入性声学监测家禽福利，并强调了模型的可解释性	研究仅评估了三种互补数据集，可能无法涵盖所有家禽福利相关的声音情况	开发一种可扩展的、基于生物学的实时家禽福利监测工具	鸡的叫声	机器学习	NA	声学监测	Random Forest, HistGradientBoosting, CatBoost, TabNet, LSTM	声音信号	三个互补数据集（健康相关叫声、行为呼叫类型和应激诱导声学反应）
574	2025-05-17	A Novel 3D Approach with a CNN and Swin Transformer for Decoding EEG-Based Motor Imagery Classification 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092922 PMID:40363359	研究论文	本文提出了一种结合CNN和Swin Transformer的新型端到端解码网络，用于提高基于EEG的运动想象分类的准确性	将EEG信号转换为三维数据结构，结合一维和二维卷积进行时空特征提取，并使用3D Swin Transformer模块进行深度特征探索	方法在不同BCI任务中的适用性及临床实施的潜力有待进一步探索	提高基于EEG的运动想象分类的准确性	脑电图(EEG)信号	脑机接口	肌肉或神经损伤	EEG信号处理	CNN和Swin Transformer	EEG信号	BCI Competition IV-2a数据集
575	2025-05-17	Efficient Deep Learning Model Compression for Sensor-Based Vision Systems via Outlier-Aware Quantization 2025-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s25092918 PMID:40363355	research paper	提出了一种针对传感器视觉系统的高效深度学习模型压缩方法，通过异常值感知量化（OAQ）提高量化精度	提出异常值感知量化（OAQ）方法，有效重塑权重分布以减少异常值对量化精度的影响，并与现有量化方案正交兼容	未提及具体在哪些传感器或实际应用场景中的限制	优化资源受限环境下传感器视觉系统中的深度学习模型效率	深度学习模型的量化方法	computer vision	NA	量化方法（OAQ）	CNN（如ResNet20）	image	未明确提及具体样本数量
576	2025-05-17	A Transfer Learning Framework for Predicting and Interpreting Drug Responses via Single-Cell RNA-Seq Data 2025-May-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094365 PMID:40362602	research paper	该研究提出了一个基于迁移学习的框架，用于通过单细胞RNA测序数据预测和解释药物反应	设计了一个共享编码器将批量和单细胞测序数据对齐到统一的潜在空间，并通过稀疏解码器增强模型的可解释性	临床样本获取有限，且scRNA-seq药物反应数据的系统性收集和利用仍有限	提高药物反应预测的准确性和可解释性	单细胞RNA测序数据	machine learning	cancer	scRNA-seq	transfer learning	RNA sequencing data	五个scRNA-seq数据集
577	2025-05-17	Aircraft Wake Vortex Recognition Method Based on Improved Inception-VGG16 Hybrid Network 2025-May-04, Sensors (Basel, Switzerland) DOI:10.3390/s25092909 PMID:40363346	研究论文	提出了一种基于改进的Inception-VGG16混合网络的飞机尾涡识别方法	结合改进的InceptionB和InceptionC模块进行多尺度特征并行提取，后端采用VGG16的层次结构进行深度特征提取，显著提高了分类准确率	未提及模型在其他机场或不同气象条件下的泛化能力	解决飞机尾涡准确识别的挑战	飞机尾涡	计算机视觉	NA	深度学习	Inception-VGG16混合网络	二维多普勒雷达径向速度数据	3530个风场样本
578	2025-05-17	Deep Learning-Based Synthetic CT for Personalized Treatment Modality Selection Between Proton and Photon Therapy in Thoracic Cancer 2025-May-03, Cancers IF:4.5Q1 DOI:10.3390/cancers17091553 PMID:40361479	研究论文	本研究开发了一种基于深度学习的合成CT（sCT）工作流程，用于在胸部癌症治疗中比较质子与光子疗法的优势	利用深度学习预测的sCT仅基于诊断CT（dCT）进行治疗方案比较，为临床决策提供支持	研究样本量较小（训练集46例，测试集15例），可能影响模型的泛化能力	开发个性化治疗模式选择工具，优化胸部癌症患者的放射治疗方案	胸部癌症患者	数字病理	胸部癌症	深度学习	U-Net	CT图像	46例训练样本（公共数据库）+15例测试样本（机构患者）
579	2025-05-17	Role and Potential of Artificial Intelligence in Biomarker Discovery and Development of Treatment Strategies for Amyotrophic Lateral Sclerosis 2025-May-02, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26094346 PMID:40362582	review	本文探讨了人工智能在肌萎缩侧索硬化症（ALS）生物标志物发现和治疗策略开发中的角色和潜力	综述了AI在ALS生物标志物发现、诊断准确性和治疗开发中的创新应用，包括AlphaFold和深度学习模型在蛋白质组学和神经影像学中的革命性进展	未提及具体研究样本量或实验验证结果	探索AI在ALS生物标志物发现和治疗策略开发中的应用	肌萎缩侧索硬化症（ALS）	machine learning	neurodegenerative disease	omics, neuroimaging	deep learning	omics data, neuroimaging data	NA
580	2025-05-17	Exploring Smartphone-Based Edge AI Inferences Using Real Testbeds 2025-May-02, Sensors (Basel, Switzerland) DOI:10.3390/s25092875 PMID:40363312	研究论文	本文探讨了基于智能手机的边缘AI在实时计算机视觉推理中的竞争力	研究了智能手机集群在边缘AI中的应用潜力，特别是在实时计算机视觉推理任务中的性能表现	实验仅使用了五款低/中端智能手机和三款SBC，样本范围和多样性有限	评估智能手机集群在边缘AI实时计算机视觉推理中的性能表现	智能手机集群和单板计算机(SBC)在边缘AI任务中的性能比较	计算机视觉	NA	深度学习模型推理	预训练DL模型	图像流数据	8个异构边缘节点(5款智能手机和3款SBC)