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
6061	2025-03-29	Mathematical expression exploration with graph representation and generative graph neural network 2025-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107405 PMID:40147161	研究论文	本文提出了一种基于图表示和生成图神经网络的数学表达式探索方法，名为GraphDSR	采用有向无环图（DAG）表示数学表达式，并结合生成图神经网络进行符号回归任务，避免了树表示中的冗余子结构	未明确提及具体局限性	解决符号回归任务，探索数学表达式的更优表示和生成方法	数学表达式	机器学习	NA	生成图神经网络，强化学习	GNN	图数据	110个基准测试
6062	2025-03-29	Prediction of Water Chemical Oxygen Demand with Multi-Scale One-Dimensional Convolutional Neural Network Fusion and Ultraviolet-Visible Spectroscopy 2025-Mar-20, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030191 PMID:40136845	研究论文	提出了一种基于多尺度一维卷积神经网络融合和紫外-可见光谱的水化学需氧量预测方法	设计了一种新颖的多尺度一维卷积神经网络融合模型，用于光谱特征提取和COD预测，显著提高了预测精度	未提及具体的数据集规模或模型在不同水质条件下的泛化能力	提高水化学需氧量(COD)的预测准确性，以实现更可靠和高效的水质监测	水质监测中的化学需氧量(COD)	机器学习	NA	紫外-可见光谱(UV-Vis)	多尺度一维卷积神经网络(MS-1D-CNN)	光谱数据	未提及具体样本数量
6063	2025-03-29	Machine Learning for Human Activity Recognition: State-of-the-Art Techniques and Emerging Trends 2025-Mar-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030091 PMID:40137203	综述	本文全面回顾了人类活动识别（HAR）的技术，重点关注基于传感器、视觉和混合方法的整合	探讨了传统机器学习方法与深度学习的最新进展，如卷积和循环神经网络、注意力机制及强化学习框架	HAR仍面临环境变化处理、模型可解释性及复杂现实场景中高识别准确率的挑战	提升HAR技术的可靠性和适用性，以应对多样化领域的应用需求	人类活动识别技术及其应用	机器学习	NA	传感器技术、深度学习	CNN, LSTM, 注意力机制, 强化学习框架	RGB图像/视频、深度传感器数据、运动捕捉系统数据、可穿戴设备数据、雷达和Wi-Fi信道状态信息	NA
6064	2025-03-29	Comparative Evaluation of Deep Learning Models for Diagnosis of Helminth Infections 2025-Mar-20, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15030121 PMID:40137437	研究论文	本研究评估了深度学习模型在准确分类蛔虫和绦虫卵显微图像中的效果，提出了一种技术增强的临床诊断方法	使用先进的深度学习模型（ConvNeXt Tiny、EfficientNet V2 S和MobileNet V3 S）进行蛔虫卵分类，展示了高准确率	研究未提及模型在真实临床环境中的泛化能力或对不同种类寄生虫卵的适用性	评估深度学习模型在寄生虫感染诊断中的效果，提高诊断准确性和效率	蛔虫（Ascaris）和绦虫（Taenia）的卵以及未感染的卵	计算机视觉	寄生虫感染	深度学习	ConvNeXt Tiny, EfficientNet V2 S, MobileNet V3 S	图像	包含蛔虫、绦虫和未感染卵的多样化数据集
6065	2025-03-29	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Mar-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	research paper	本研究探讨了DenseNet架构在头颈癌患者预后预测中的表现，并与现有先进深度学习模型进行了比较	使用优化的DenseNet架构和图像融合策略，在外部测试集上表现优于现有先进模型	研究仅针对口咽癌患者，结果可能不适用于其他类型的头颈癌	比较DenseNet架构与现有先进深度学习模型在头颈癌预后预测中的性能	口咽癌患者的PET和CT图像数据	digital pathology	oropharyngeal cancer	PET和CT图像分析	DenseNet	image	889名口咽癌患者（489名来自HECKTOR 2022数据集，400名来自研究中心的额外数据集）
6066	2025-03-29	Recovering Image Quality in Low-Dose Pediatric Renal Scintigraphy Using Deep Learning 2025-Mar-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030088 PMID:40137200	研究论文	本研究提出了一种先进的图像增强策略，旨在解决儿科肾闪烁扫描中减少辐射剂量的挑战	评估了四种去噪神经网络在低剂量儿科肾闪烁扫描中的应用，发现UDnCNN在信噪比和多尺度结构相似性之间取得了最佳平衡	研究仅基于公开数据库的数据，未涉及实际临床环境中的验证	开发一种深度学习方法来提高低剂量儿科肾闪烁扫描的图像质量，以减少患者的辐射暴露	儿科肾闪烁扫描图像	数字病理	儿科肾病	深度学习	DnCNN, UDnCNN, DUDnCNN, AttnGAN	图像	来自公共动态肾闪烁扫描数据库的数据
6067	2025-03-29	Deep Learning-Based Semantic Segmentation for Objective Colonoscopy Quality Assessment 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030084 PMID:40137196	research paper	本研究旨在通过专门训练的深度学习语义分割神经网络客观评估结肠镜检查的整体质量	提出了一种基于深度学习的语义分割方法，能够识别和量化结肠黏膜、残留物和伪影的百分比，提供比波士顿肠道准备量表更全面和客观的评估	Cohen's Kappa值为0.28，表明与专家评估的一致性仅为一般水平	客观评估结肠镜检查的质量	结肠镜检查视频帧	digital pathology	NA	深度学习语义分割	semantic segmentation network	image	数千个结肠镜检查视频帧
6068	2025-03-29	Automatic Segmentation of Plants and Weeds in Wide-Band Multispectral Imaging (WMI) 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030085 PMID:40137197	研究论文	本文提出了一种基于宽带多光谱图像的植物和杂草自动分割算法，结合PIF-Net和优化的U-Net模型	结合PIF-Net进行特征提取与融合，并优化U-Net模型以实现高精度语义分割	研究仅基于CAVIAR数据集的多光谱图像场景，未在其他数据集上验证	开发一种高效的植物和杂草分割算法，以推动精准农业中的深度学习应用	植物和杂草	计算机视觉	NA	宽带多光谱成像(WMI)	PIF-Net, U-Net	多光谱图像	CAVIAR数据集中的场景
6069	2025-03-29	MSBiLSTM-Attention: EEG Emotion Recognition Model Based on Spatiotemporal Feature Fusion 2025-Mar-13, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030178 PMID:40136832	研究论文	提出了一种基于时空特征融合的EEG情感识别模型MSBiLSTM-Attention	结合多尺度卷积、双向长短期记忆网络和注意力机制，实现EEG信号的自动特征提取和分类	需要进一步验证模型在其他数据集上的泛化能力	提高基于EEG信号的情感识别准确率	EEG信号	机器学习	NA	深度学习	MSBiLSTM-Attention (多尺度CNN + BiLSTM + 注意力机制)	EEG信号	SEED数据集
6070	2025-03-29	Enhancing Single-Cell and Bulk Hi-C Data Using a Generative Transformer Model 2025-Mar-12, Biology DOI:10.3390/biology14030288 PMID:40136544	研究论文	本文提出了一种基于Transformer的深度学习模型HiCENT，用于提升单细胞和批量Hi-C数据的质量	开发了HiCENT模型，首次将Transformer架构应用于Hi-C数据的增强，显著提升了单细胞和批量Hi-C数据的质量	未明确提及模型在不同细胞类型或物种间的泛化能力	解决Hi-C数据（特别是单细胞Hi-C数据）中测序深度不足和噪声高的问题，提升染色质相互作用数据的质量	批量Hi-C数据和单细胞Hi-C数据	生物信息学	NA	Hi-C技术	Transformer	基因组相互作用数据	GM12878细胞系和五个人类细胞系的Hi-C数据
6071	2025-03-29	Deep learning-based automated detection and diagnosis of gouty arthritis in ultrasound images of the first metatarsophalangeal joint 2025-Mar-08, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4495 PMID:40146981	research paper	本研究开发了一种基于深度学习的模型，用于自动检测和诊断第一跖趾关节超声图像中的痛风性关节炎	使用深度残差卷积神经网络（CNN）和Grad-CAM可视化技术，优化了不同残差块数量的ResNet18模型，实现了高精度的痛风性关节炎自动诊断	研究为回顾性研究，样本量相对较小（260名患者），可能影响模型的泛化能力	开发一种自动检测和诊断痛风性关节炎的深度学习模型	第一跖趾关节的超声图像	digital pathology	gouty arthritis	ultrasound imaging	ResNet18 CNN	image	260名患者（149名痛风患者，111名对照组）的2401张超声图像
6072	2025-03-29	GM-CBAM-ResNet: A Lightweight Deep Learning Network for Diagnosis of COVID-19 2025-Mar-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030076 PMID:40137188	研究论文	提出了一种名为GM-CBAM-ResNet的轻量级深度学习网络，用于基于心电图（ECG）图像诊断COVID-19	通过将卷积模块替换为Ghost模块（GM）并在ResNet的残差模块中添加卷积块注意力模块（CBAM），构建了轻量级网络GM-CBAM-ResNet	未提及具体的数据集规模或多样性限制	开发一种轻量级深度学习网络，用于快速准确诊断COVID-19	COVID-19患者的心电图图像	计算机视觉	COVID-19	深度学习	GM-CBAM-ResNet, ResNet, GM-ResNet, CBAM-ResNet	图像	使用公开的'ECG Images dataset of Cardiac and COVID-19 Patients'数据集
6073	2025-03-29	Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model 2025-Mar, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00733-1 PMID:39604646	研究论文	本文开发了一种基于预训练蛋白质语言模型的深度学习模型PIC，用于预测人类必需蛋白质（HEPs），并在人类、细胞系和小鼠三个层面上提供了全面的预测结果	通过微调预训练的蛋白质语言模型，开发了PIC模型，不仅显著优于现有方法，还首次在人类、细胞系和小鼠三个层面上预测HEPs，并定义了蛋白质必需性评分	未提及具体的数据集大小或实验验证的详细范围	开发一种高效、准确的计算方法来预测人类必需蛋白质（HEPs）	人类必需蛋白质（HEPs）	自然语言处理	乳腺癌	深度学习，蛋白质语言模型	PIC（基于预训练蛋白质语言模型的深度学习模型）	蛋白质序列	617,462个人类微蛋白质
6074	2025-03-29	Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy 2025-Mar, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00748-8 PMID:39715829	research paper	本文介绍了一种基于动态图卷积网络的深度学习框架DySPred，用于利用大规模真实世界药物警戒数据预测免疫检查点抑制剂（ICI）在人群水平的毒性特征	DySPred框架能够准确预测不同人口群体和癌症类型的毒性风险，在小样本情况下表现稳健，并能揭示毒性随时间变化的趋势	未明确提及具体局限性	开发一种方法用于人群水平的ICI诱导毒性特征分析，以促进癌症免疫治疗的进步	免疫检查点抑制剂（ICI）疗法及其诱导的毒性特征	machine learning	cancer	动态图卷积网络	DySPred (基于GCN的深度学习框架)	药物警戒数据	大规模真实世界数据（未提供具体数量）
6075	2025-03-29	Integration of longitudinal load-bearing tissue MRI radiomics and neural network to predict knee osteoarthritis incidence 2025-Mar, Journal of orthopaedic translation IF:5.9Q1 DOI:10.1016/j.jot.2025.01.007 PMID:40144553	研究论文	本研究开发并测试了一种结合负重组织MRI影像组学和临床变量的模型（LBTC-RM），用于预测膝关节骨关节炎（KOA）的发生	首次整合纵向负重组织MRI影像组学和神经网络算法预测KOA发生，提供了一种更可解释且临床适用的早期KOA检测方法	需要未来在不同人群中进一步验证以增强其临床适用性和普适性	开发预测膝关节骨关节炎（KOA）发生的模型	700个基线时无放射学KOA的膝关节，包含2164个4年随访期间的膝关节MRI	数字病理学	膝关节骨关节炎	MRI影像组学	神经网络	MRI图像	总开发队列1082例（542例病例 vs 540例对照），总测试队列1082例（534例病例 vs 548例对照）
6076	2025-03-29	Multimodal Deep Learning Model for Cylindrical Grasp Prediction Using Surface Electromyography and Contextual Data During Reaching 2025-Feb-27, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030145 PMID:40136799	research paper	该研究提出了一种多模态深度学习模型，用于结合表面肌电信号和上下文数据预测圆柱形抓握动作	整合了表面肌电信号和上下文信息的多模态模型，相比传统单模态方法能更好地预测真实场景中的抓握动作	仅针对圆柱形抓握这一特定抓握类型进行研究，未涵盖其他常见抓握类型	改进人机交互系统中抓握动作的预测精度	人体抓握动作（特别是圆柱形抓握）	machine learning	NA	表面肌电信号(EMG)采集	CNN（用于EMG处理）和全连接网络（用于上下文信息处理）的混合架构	生物电信号（EMG）和上下文数据	未明确说明受试者数量
6077	2025-03-29	Concealed Weapon Detection Using Thermal Cameras 2025-Feb-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030072 PMID:40137184	研究论文	本文提出了一种利用热成像和深度学习的两阶段方法，用于隐蔽手枪检测，为执法和监控应用提供潜在的实时解决方案	提出了一种轻量级算法，适用于低端嵌入式设备，并创建了一个针对隐蔽场景定制的热数据集	实验数据集可能不够广泛，且仅针对手枪检测	开发一种高效、可靠的隐蔽武器检测技术，以提升公共安全	隐蔽手枪	计算机视觉	NA	热成像和深度学习	NA	热成像图像	定制热数据集（具体数量未提及）
6078	2025-03-29	Explainable Siamese Neural Networks for Detection of High Fall Risk Older Adults in the Community Based on Gait Analysis 2025-Feb-22, Journal of functional morphology and kinesiology IF:2.6Q1 DOI:10.3390/jfmk10010073 PMID:40137325	research paper	该研究提出了一种基于步态分析的深度学习新方法，用于检测社区中高跌倒风险的老年人	将生物力学时间序列数据转化为视觉表示，并应用CNN和SNN进行跌倒风险评估，同时利用Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他人群中的泛化能力	提高老年人跌倒风险预测的准确性，以实施及时预防措施	社区中的老年人	machine learning	geriatric disease	gait analysis	CNN, SNN, RF	time-series data, visual representations	NA
6079	2025-03-29	A Narrative Review on the Role of Artificial Intelligence (AI) in Colorectal Cancer Management 2025-Feb, Cureus DOI:10.7759/cureus.79570 PMID:40144438	review	本文综述了人工智能（AI）在结直肠癌管理中的作用及其潜在优势	探讨了AI在结直肠癌筛查、病理评估、精准手术和术后护理中的创新应用	多中心研究和随机试验的缺乏限制了AI在标准实践中全面评估和整合的可能性	评估AI在结直肠癌管理中的应用及其对临床实践的潜在影响	结直肠癌患者，特别是35岁以上的成年患者	digital pathology	colorectal cancer	deep learning	NA	NA	122篇文献（包括随机对照试验、队列研究、荟萃分析等）
6080	2025-03-29	TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers 2025-Jan-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536476 PMID:40031370	研究论文	提出了一种名为TriCvT-DTI的新方法，通过结合分子图像、化学序列特征和药物图表示来预测药物-靶标相互作用	结合了分子图像、化学序列特征和药物图表示，采用双向多头注意力机制和卷积视觉变换器（CvTs）来全面捕捉药物的结构、空间和功能特征	未明确提及具体局限性	提高药物-靶标相互作用预测的准确性和效率	药物和靶标之间的相互作用	机器学习	NA	卷积视觉变换器（CvTs）和双向多头注意力机制	TriCvT-DTI	分子图像、化学序列特征、图表示	三个数据集：Human、C. elegans和Davis