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
6021	2025-02-28	An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion 2025-Jan-27, Entropy (Basel, Switzerland) DOI:10.3390/e27020136 PMID:40003132	研究论文	本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM	提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度	NA	解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量	随机数熵源	机器学习	NA	快速傅里叶变换（FFT），软注意力机制	FFT-ATT-LSTM	随机序列数据	NA
6022	2025-02-28	Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020037 PMID:39997540	研究论文	本文提出了一种语义引导的Transformer网络（SGTN），用于高光谱图像中的作物分类，旨在提高分类精度和鲁棒性	提出了多尺度空间-光谱信息提取（MSIE）模块和语义引导注意力（SGA）模块，结合两阶段特征提取结构，有效克服了现有深度学习方法的局限性	未提及具体的数据集规模限制或模型计算复杂度问题	提高高光谱遥感图像中作物分类的精度和鲁棒性	高光谱遥感图像中的农作物	计算机视觉	NA	高光谱遥感	Transformer	图像	Indian Pines、Pavia University和Salinas基准数据集
6023	2025-02-28	Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020038 PMID:39997539	综述	本文全面回顾了基于机器学习的乳腺密度估计方法，重点关注从乳腺X线照片中估计乳腺密度的技术	强调机器学习方法在乳腺密度估计中的应用，特别是传统机器学习和深度学习方法，如支持向量机（SVMs）和卷积神经网络（CNNs）	当前研究存在主观性和成本效率低的问题	改进乳腺密度估计方法，以提高乳腺癌的早期检测和诊断	乳腺X线照片	计算机视觉	乳腺癌	机器学习	SVM, CNN	图像	NA
6024	2025-02-28	Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020032 PMID:39997534	研究论文	本研究利用人工智能从无人机图像和遥感数据中检测与气候相关的自然灾害	创建了一个新的数据集，优化了机器学习模型，并首次将荒漠化作为深度学习检测的自然灾害之一	研究仅考虑了洪水和荒漠化两种自然灾害，且数据集规模相对较小	优化深度学习模型以检测与气候相关的自然灾害	洪水和荒漠化自然灾害	计算机视觉	NA	深度学习	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星图像
6025	2025-02-28	GCNet: A Deep Learning Framework for Enhanced Grape Cluster Segmentation and Yield Estimation Incorporating Occluded Grape Detection with a Correction Factor for Indoor Experimentation 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020034 PMID:39997536	研究论文	本文提出了一种名为GCNet的深度学习框架，用于增强葡萄串分割和产量估计，通过引入遮挡葡萄检测和校正因子来解决室内实验中的挑战	GCNet框架结合了深度学习技术和校正因子，首次在葡萄串分割中引入了遮挡调整，提高了在叶子和葡萄串紧凑情况下的分割精度，为农业室内成像分析设定了新标准	该研究主要针对室内实验环境，未涉及户外自然环境下的葡萄产量估计	提高葡萄产量估计的准确性，特别是在室内环境下	葡萄串	计算机视觉	NA	深度学习	GCNet	图像	NA
6026	2025-02-28	Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization 2025-Jan-24, Entropy (Basel, Switzerland) DOI:10.3390/e27020116 PMID:40003113	研究论文	本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力	提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征	模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据	通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作	中文社交媒体数据	自然语言处理	NA	深度学习	DSI-BTCNN（双通道卷积神经网络）	文本	定制数据集
6027	2025-02-28	Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning 2025-Jan, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241303907 PMID:39726256	研究论文	本文开发了一种深度学习模型，用于从H&E染色切片中定量分析大鼠脾脏的相关区域，包括动脉周围淋巴鞘、滤泡、生发中心和边缘区	创新点在于无需免疫组化染色，直接利用H&E染色切片通过深度学习模型高精度识别脾脏各区域	目前仅应用于正常大鼠脾脏，未来需扩展至其他淋巴组织	提高免疫系统增强组织病理学评估的准确性和精确性，同时提升病理学家的工作效率	大鼠脾脏	数字病理学	NA	深度学习	深度学习模型	图像	正常大鼠脾脏切片
6028	2025-02-28	Deep Learning Model-Based Detection of Anemia from Conjunctiva Images 2025-Jan, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2025.31.1.57 PMID:39973037	研究论文	本研究提出了一种基于深度学习模型的无创贫血检测方法，通过分析结膜图像来诊断贫血	利用智能手机拍摄的结膜图像，结合深度学习技术，实现了无创贫血检测，避免了传统血液检测的不便	样本量相对较小（764张原始图像），且依赖于图像质量和设备性能	开发一种无创、高效的贫血检测方法	贫血患者和非贫血患者的结膜图像	计算机视觉	贫血	深度学习	VGG16, ResNet-50, InceptionV3, 深度卷积生成对抗网络（DCGAN）	图像	764张原始结膜图像，增强至4,315张
6029	2025-02-28	Trustworthy diagnosis of Electrocardiography signals based on out-of-distribution detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317900 PMID:39999066	研究论文	本文提出了一种基于分布外检测的心电图信号可信诊断方法，旨在提高对已知和未知心脏疾病的诊断准确性	结合卷积神经网络和注意力机制增强特征提取，并利用Energy和ReAct技术识别分布外心脏疾病，提高诊断的可信度	方法在未知类型心脏疾病上的表现仍需进一步验证和优化	提高心电图信号诊断的准确性和可信度，特别是对分布外心脏疾病的识别	心电图信号	机器学习	心血管疾病	深度学习	CNN, 注意力机制	心电图信号	MIT-BIH心律失常数据库和INCART 12导联心律失常数据库
6030	2025-02-28	Chinese medical named entity recognition utilizing entity association and gate context awareness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319056 PMID:39999103	研究论文	本文提出了一种结合实体关联和门控上下文感知的中文医学命名实体识别方法	使用RoBERTa-wwm-ext模型提取上下文特征和语义信息，并结合多头注意力机制和循环神经网络捕捉实体间依赖关系	当前方法在上下文感知和实体间相关性考虑上存在不足	提高中文医学文本中命名实体识别的效率和准确性	中文医学文本中的命名实体	自然语言处理	NA	RoBERTa-wwm-ext, 多头注意力机制, 循环神经网络, 条件随机场	RoBERTa-wwm-ext, RNN, CRF	文本	MCSCSet和CMeEE数据集
6031	2025-02-28	Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1462636 PMID:40007740	研究论文	本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍	使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型	结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05）	开发预测中年CSVD患者认知障碍的模型	145名CSVD患者和99名对照受试者	数字病理学	脑小血管病	深度学习、放射组学	Unet、LASSO	影像数据	244名受试者（145名CSVD患者和99名对照）
6032	2025-02-28	Advancing arabic dialect detection with hybrid stacked transformer models 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1498297 PMID:40007884	研究论文	本文提出了一种基于两种Transformer模型的混合堆叠模型，用于提高阿拉伯方言的分类性能	提出了一种新颖的堆叠模型，结合了Bert-Base-Arabertv02和Dialectal-Arabic-XLM-R-Base两种Transformer模型，以捕捉更广泛的语言特征	NA	提高阿拉伯方言的分类性能，以增强自然语言处理（NLP）应用的效果	阿拉伯方言	自然语言处理	NA	深度学习	Transformer, LSTM, GRU, CNN	文本	使用了IADD和Shami数据集进行模型评估
6033	2025-02-28	KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1525029 PMID:40008124	研究论文	本文提出了一种基于知识图谱和图正则化集成的深度学习模型KGRDR，用于预测药物与疾病之间的潜在相互作用	KGRDR模型结合了多相似性集成和知识图谱学习，通过图正则化方法整合药物和疾病的多种相似性信息，有效消除噪声数据，并利用注意力机制融合相似性特征和拓扑特征，最终使用图卷积网络预测药物-疾病关联	未明确提及具体局限性	优化药物开发，加速新治疗方案的开发，降低成本并减轻风险	药物与疾病之间的相互作用	机器学习	NA	深度学习	图卷积网络（GCN）	药物和疾病的相似性信息、生物医学知识图谱	未明确提及具体样本数量
6034	2025-02-28	Artificial intelligence in drug development: reshaping the therapeutic landscape 2025, Therapeutic advances in drug safety IF:3.4Q2 DOI:10.1177/20420986251321704 PMID:40008227	研究论文	本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑	人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计	AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力	研究人工智能在药物研发中的应用及其对治疗领域的重塑	药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测	机器学习	NA	机器学习、深度学习、神经网络	NA	NA	NA
6035	2025-02-28	Deep learning enhances the prediction of HLA class I-presented CD8+ T cell epitopes in foreign pathogens 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00971-y PMID:40008296	研究论文	本文开发了一个名为MUNIS的深度学习模型，用于预测HLA-I类分子呈递的CD8+ T细胞表位，以提高T细胞疫苗的开发效率	MUNIS模型在预测肽段呈递和CD8 T细胞表位免疫优势层次方面表现出优于现有模型的性能，并且能够减少实验负担，加速CD8 T细胞表位的识别	NA	提高T细胞疫苗开发中的CD8 T细胞表位预测准确性	HLA-I类分子呈递的CD8+ T细胞表位	机器学习	NA	深度学习	MUNIS	肽段数据	651,237个独特的HLA-I类配体
6036	2025-02-28	Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1564325 PMID:40012552	correction	本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态	NA	NA	更正先前发表的文章中的错误	NA	digital pathology	lung cancer	NA	deep learning	PET/CT images	NA
6037	2025-02-28	MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning 2024-Nov-22, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2431664 PMID:39576667	研究论文	本研究开发了一个结合预训练蛋白质语言模型和深度学习技术的计算框架，用于分类次级主动转运蛋白中的氨基酸和肽转运蛋白，并预测其与溶质载体蛋白的功能关联	首次将预训练蛋白质语言模型与多窗口深度学习技术结合，用于次级主动转运蛋白的功能分类和溶质载体蛋白的预测	研究仅基于已知的次级主动转运蛋白数据集，可能无法涵盖所有未知的转运蛋白类型	开发一个计算框架，用于分类和预测次级主动转运蛋白的功能	次级主动转运蛋白，特别是氨基酸和肽转运蛋白	生物信息学	癌症	蛋白质语言模型（ProtTrans, ESM-1b, ESM-2），深度学习	深度学习神经网络	蛋白质序列数据	448个次级主动转运蛋白，包括36个溶质载体蛋白
6038	2025-02-28	In vivo evaluation of complex polyps with endoscopic optical coherence tomography and deep learning during routine colonoscopy: a feasibility study 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78891-5 PMID:39537775	研究论文	本研究评估了在常规结肠镜检查中使用内窥镜光学相干断层扫描（OCT）和深度学习技术评估复杂息肉的可行性	结合OCT和深度学习技术，提供了一种新的非侵入性方法来评估结肠息肉的浸润深度，并在多个组织学亚型之间进行了细致的比较	样本量较小（35个息肉，32名患者），且为初步临床研究，需要更大规模的研究来验证结果	评估内窥镜OCT探头在常规结肠镜检查中评估结肠息肉的可行性	接受内窥镜治疗的大型结肠息肉患者	数字病理学	结肠癌	内窥镜光学相干断层扫描（OCT）	深度学习模型	图像	35个息肉，32名患者
6039	2024-11-17	Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology 2024-Nov-08, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00745-0 PMID:39511421	研究论文	开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学中对神经母细胞瘤进行形态学分类和分子特征分析	首次使用注意力机制的多实例学习和自监督学习方法，结合H&E染色全切片图像，对神经母细胞瘤进行病理分类和MYCN扩增状态评估	NA	开发一种人工智能辅助的神经母细胞瘤分类方法	神经母细胞瘤的病理分类和MYCN扩增状态评估	数字病理学	神经母细胞瘤	注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL)	深度学习模型	图像	迄今为止报道的最大队列的全切片图像
6040	2025-02-28	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012423 PMID:39255309	研究论文	本文提出了一种基于深度自编码器的行为模式识别方法，用于分析斑马鱼的高维行为数据，优于传统的统计方法	使用半监督深度自编码器提取斑马鱼的“正常”行为模式，并识别出传统方法未能捕捉到的化学物质诱导的异常行为	研究主要基于斑马鱼模型，可能无法直接推广到其他生物系统	开发一种更有效的方法来分析斑马鱼的高维行为数据，以识别化学物质暴露引起的行为变化	斑马鱼幼虫	机器学习	NA	深度自编码器	自编码器	行为数据	未暴露于有毒物质的斑马鱼幼虫行为数据