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
6321	2025-03-01	Study on the prediction performance of AIDS monthly incidence in Xinjiang based on time series and deep learning models 2025-Feb-25, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-21982-3 PMID:40001115	研究论文	本研究旨在通过时间序列和深度学习模型预测新疆地区艾滋病月发病率，为艾滋病防控提供科学依据	比较了多种模型（包括ARIMA、EGARCH、TGARCH、ETS、XGBoost和LSTM）在预测艾滋病月发病率方面的表现，发现ETS (A, A, A)模型表现最佳，并探讨了深度学习模型在时间序列预测中的潜力	XGBoost模型和ARIMA (2,1,2)模型在处理时间序列数据时可能存在局限性，未来需要改进或组合模型以提高预测性能	识别预测新疆地区艾滋病月发病率的最佳模型，为艾滋病防控提供科学依据	新疆地区2004年1月至2020年12月的艾滋病月发病率数据	机器学习	艾滋病	时间序列分析、深度学习	ARIMA、EGARCH、TGARCH、ETS、XGBoost、LSTM	时间序列数据	2004年1月至2020年12月的月发病率数据
6322	2025-03-01	Hypoglycemia Prediction in Type 1 Diabetes With Electrocardiography Beat Ensembles 2025-Feb-25, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251319347 PMID:40001289	研究论文	本文提出了一种使用卷积神经网络和集成学习从心电图信号中预测1型糖尿病患者低血糖的方法	无需识别心电图信号中的基准点，直接使用卷积神经网络从原始心电图信号中提取形态信息，并通过集成学习聚合多个心电图节拍的预测结果	模型在不同个体间的预测效果差异较大，且需要更大规模的纵向数据来进一步提高预测准确性	开发一种非侵入性的低血糖预测方法，以替代现有的侵入性传感器	1型糖尿病患者	机器学习	糖尿病	卷积神经网络（CNN），集成学习	CNN	心电图信号，连续血糖监测（CGM）数据	10名1型糖尿病患者，14天的数据
6323	2025-03-01	Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation 2025-Feb-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01876 PMID:39908426	研究论文	本文使用变分自编码器（VAE）生成SELFIES分子字符串的异常示例，以测试分子表示的鲁棒性	利用VAE生成异常SELFIES字符串，探索分子表示可靠性的影响因素，并提出改进建议	研究仅限于SELFIES字符串的异常生成，未涉及其他分子表示方法	测试和验证分子表示的鲁棒性	SELFIES分子字符串	机器学习	NA	变分自编码器（VAE）	VAE	分子字符串	NA
6324	2025-03-01	Novel model for medium to long term photovoltaic power prediction using interactive feature trend transformer 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90654-4 PMID:39994308	研究论文	本文提出了一种名为交互特征趋势变换器（IFTformer）的混合深度学习模型，用于提高中长期的太阳能光伏发电功率预测准确性	设计了独特的混合深度学习模型IFTformer，结合了深度孤立森林（DIF）和局部异常因子（LOF）进行数据预处理，并利用ProSparse自注意力机制进行信息交互，提升了中长期光伏功率预测的准确性和鲁棒性	未提及具体的数据集规模或模型在不同环境下的泛化能力	提高中长期光伏发电功率预测的准确性，以应对光伏发电的随机性和波动性对电网稳定性的影响	太阳能光伏发电系统的输出功率	机器学习	NA	深度学习	IFTformer（交互特征趋势变换器）	时间序列数据	未提及具体样本数量
6325	2025-03-01	Deep-DPC: Deep learning-assisted label-free temporal imaging discovery of anti-fibrotic compounds by controlling cell morphology 2025-Feb-24, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.028 PMID:40010605	研究论文	本文介绍了一种名为deep-DPC的新方法，结合无标记时间序列数字相位对比成像、细胞形态分析和无监督机器学习，动态控制和监测细胞形态，用于抗纤维化化合物的发现	deep-DPC方法首次将无标记时间序列数字相位对比成像与细胞形态分析及无监督机器学习结合，动态监测细胞形态变化，为抗纤维化药物发现提供了新策略	NA	开发一种结合深度学习和动态细胞形态分析的方法，用于抗纤维化化合物的发现	纤维化过程中的细胞形态变化	数字病理学	纤维化	无标记时间序列数字相位对比成像	神经网络	图像	12,000张图像用于训练，1,400种化合物生成的超过100,000张图像
6326	2025-03-01	Confocal Laser Endomicroscopy: Enhancing Intraoperative Decision Making in Neurosurgery 2025-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040499 PMID:40002650	研究论文	本文探讨了共聚焦激光内镜显微镜（CLE）在神经外科手术中增强术中决策的应用	CLE技术实现了手术中实时高分辨率细胞成像，减少了对耗时冰冻切片分析的依赖，并与深度学习算法和远程病理平台集成，促进了自动化图像解释和远程专家咨询	需要解决运动伪影、改进训练协议和扩大适用荧光探针范围等挑战	提高神经外科手术中肿瘤切除的安全性和临床效果	脑肿瘤，特别是高级别胶质瘤（HGGs）	数字病理	脑肿瘤	共聚焦激光内镜显微镜（CLE）	深度学习算法	图像	NA
6327	2025-03-01	Deep Learning-Based Periapical Lesion Detection on Panoramic Radiographs 2025-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040510 PMID:40002661	研究论文	本研究旨在评估基于人工智能的Diagnocat系统在检测全景X光片上的根尖周病变的准确性	使用卷积神经网络（CNN）在全景X光片上自动检测根尖周病变，并评估其诊断准确性	系统在检测某些特定牙齿（如中切牙、智齿和犬齿）上的根尖周病变时表现出较低的敏感性和诊断准确性	评估人工智能系统在全景X光片上检测根尖周病变的准确性	616颗牙齿，包括308颗有明显根尖周透射影的牙齿和308颗无根尖周病变的牙齿	数字病理学	牙科疾病	卷积神经网络（CNN）	CNN	图像	357张全景X光片中的616颗牙齿
6328	2025-03-01	Microservice Workflow Scheduling with a Resource Configuration Model Under Deadline and Reliability Constraints 2025-Feb-19, Sensors (Basel, Switzerland) DOI:10.3390/s25041253 PMID:40006482	研究论文	本文提出了一种在容器环境中考虑截止时间和可靠性约束的微服务工作流调度方法，旨在优化资源成本和确保服务质量	引入了图深度学习模型（DeepMCC）和可靠性微服务工作流调度算法（RMWS），结合启发式租赁和部署策略，显著降低了云资源租赁成本并提高了可靠性	实验仅在四个科学工作流数据集上进行，可能无法完全代表所有实际应用场景	优化微服务工作流在容器环境中的调度，以满足截止时间和可靠性约束	微服务工作流和容器环境	机器学习	NA	图深度学习	DeepMCC	科学工作流数据	四个科学工作流数据集
6329	2025-03-01	Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146 2025-Feb-18, Life (Basel, Switzerland) DOI:10.3390/life15020316 PMID:40003734	correction	本文是对先前发表的关于皮肤病变分析和癌症检测的综述文章的更正	NA	NA	NA	NA	digital pathology	skin cancer	NA	NA	NA	NA
6330	2025-03-01	A Study on Systematic Improvement of Transformer Models for Object Pose Estimation 2025-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s25041227 PMID:40006456	研究论文	本研究提出了一种基于Transformer架构的深度学习模型，用于计算机视觉中的物体姿态估计，通过调整注意力层和引入低秩权重分解来减少内存消耗并提高训练效率	通过调整Transformer的注意力层和引入低秩权重分解，显著减少了GPU内存使用，并提高了多物体姿态估计的性能	改进后的模型虽然减少了内存使用，但增加了模型权重参数的数量	改进Transformer模型在物体姿态估计中的性能，特别是减少内存消耗和提高训练效率	物体姿态估计	计算机视觉	NA	深度学习	Transformer	图像	NA
6331	2025-03-01	Prediction of Vertical Ground Reaction Forces Under Different Running Speeds: Integration of Wearable IMU with CNN-xLSTM 2025-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s25041249 PMID:40006478	研究论文	本研究通过整合可穿戴IMU与CNN-xLSTM模型，预测不同跑步速度下的垂直地面反作用力（GRFs）	首次在生物力学研究中应用xLSTM模型，并仅使用下肢关节角度数据预测跑步时的GRFs	研究仅针对健康男性跑步者，样本量较小，且未考虑其他可能影响GRFs的因素	探索使用深度学习模型预测跑步时的垂直地面反作用力，以替代传统的实验室测力板方法	12名健康男性跑步者的下肢关节角度和垂直地面反作用力数据	机器学习	NA	IMU传感器数据采集	CNN-xLSTM	关节角度数据	12名健康男性跑步者
6332	2025-03-01	Evaluating Synthetic Diffusion MRI Maps created with Diffusion Denoising Probabilistic Models 2025-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.06.621173 PMID:39574701	研究论文	本研究训练了潜在扩散模型（LDM）和去噪扩散概率模型（DDPM），专门用于生成合成扩散张量成像（DTI）图	将生成式AI模型应用于医学和神经影像数据，生成高质量的合成DTI图，并通过数据增强提高分类器性能	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	评估生成式AI模型在生成合成DTI图方面的效果，并探索其在神经科学研究和临床诊断中的应用	合成扩散张量成像（DTI）图	计算机视觉	NA	潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）	CNN、ViT	3D DTI扫描	未明确提及具体样本数量
6333	2025-03-01	A Non-Invasive Approach for Facial Action Unit Extraction and Its Application in Pain Detection 2025-Feb-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020195 PMID:40001714	研究论文	本文提出了一种基于3D面部标志的非侵入性面部动作单元（AU）提取方法，并将其应用于疼痛检测	使用3D面部标志而非面部图像进行AU检测，保护患者隐私的同时保持高准确性	未提及具体的数据集规模或多样性限制	开发一种保护隐私的面部动作单元提取方法，并应用于疼痛检测	面部动作单元（AUs）及其强度	计算机视觉	NA	3D面部标志提取，轻量级神经网络	轻量级神经网络（NN），深度学习模型	视频记录中的3D面部标志	未提及具体样本数量
6334	2025-03-01	Objective Pain Assessment Using Deep Learning Through EEG-Based Brain-Computer Interfaces 2025-Feb-17, Biology DOI:10.3390/biology14020210 PMID:40001978	研究论文	本研究开发了一种基于脑电图（EEG）的疼痛检测系统，利用深度学习模型进行疼痛分类和检测	采用脑机接口技术结合深度学习模型进行疼痛分类和检测，相比传统机器学习模型有更高的准确率	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种可靠的疼痛分类和检测系统，以支持临床治疗策略的制定	基于脑电图（EEG）的疼痛信号	脑机接口	NA	脑电图（EEG）	卷积神经网络（CNN）、循环神经网络（RNN）	脑电图（EEG）信号	未明确提及样本数量
6335	2025-03-01	A Multimodal Pain Sentiment Analysis System Using Ensembled Deep Learning Approaches for IoT-Enabled Healthcare Framework 2025-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s25041223 PMID:40006452	研究论文	本研究介绍了一种多模态情感分析系统，用于在物联网（IoT）支持的医疗框架中评估和识别人类疼痛情感	开发了一种结合图像和音频的疼痛情感分析模型的多模态系统，提高了疼痛强度评估的准确性	NA	提高疼痛情感识别的准确性，支持实时患者护理中的决策	人类疼痛情感	自然语言处理	NA	深度学习	CNN	图像, 音频	2D Face Set Database, UNBC-McMaster database, BioVid database, VIVAE database
6336	2025-03-01	A Comprehensive AI Framework for Superior Diagnosis, Cranial Reconstruction, and Implant Generation for Diverse Cranial Defects 2025-Feb-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020188 PMID:40001707	研究论文	本文提出了一种综合AI框架，用于改进颅骨缺陷的诊断、重建和植入物生成	提出了CRIGNet这一新型深度学习模型，并在包含2160张图像的多样化数据集上进行了严格训练，确保了诊断各种缺陷模式的鲁棒性	现有方法面临数据集多样性不足、缺乏整合预处理、重建和植入物生成的综合流程等固有局限	改进颅骨缺陷的诊断、重建和植入物生成流程，提高准确性和效率	颅骨缺陷	数字病理	NA	深度学习	CRIGNet	CT图像	2160张图像
6337	2025-03-01	Mixed-Supervised Learning for Cell Classification 2025-Feb-16, Sensors (Basel, Switzerland) DOI:10.3390/s25041207 PMID:40006436	研究论文	本文提出了一种结合半监督学习和人类在环的混合监督方法，用于细胞分类	提出了一种混合监督方法，结合了半监督学习和人类在环的机制，通过样本选择机制将高置信度的未标记样本分配给自动半监督优化，不可靠的样本则进行在线标注校正	未提及具体局限性	提高基于组织病理学图像的细胞分类准确性，用于肿瘤识别和癌症诊断	细胞分类	数字病理学	癌症	深度学习	混合监督模型	图像	LUSC、BloodCell和PanNuke数据集
6338	2025-03-01	Intracranial Aneurysm Segmentation with a Dual-Path Fusion Network 2025-Feb-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020185 PMID:40001704	研究论文	本文介绍了一种名为双路径融合网络（DPF-Net）的深度学习架构，用于改进颅内动脉瘤（IAs）的自动分割	DPF-Net通过独特的保留分辨率细节分支和交叉融合模块，有效结合了语义信息和细节特征，提高了分割精度	NA	提高颅内动脉瘤自动分割的精度，以支持临床诊断	颅内动脉瘤（IAs）	计算机视觉	颅内动脉瘤	深度学习	双路径融合网络（DPF-Net）	医学影像	CADA数据集和BraTS 2020 MRI数据集
6339	2025-03-01	Challenging Cognitive Load Theory: The Role of Educational Neuroscience and Artificial Intelligence in Redefining Learning Efficacy 2025-Feb-15, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15020203 PMID:40002535	系统综述	本文系统综述了认知负荷理论（CLT）、教育神经科学（EdNeuro）、人工智能（AI）和机器学习（ML）在优化学习环境中的综合影响	结合AI驱动的自适应学习系统和神经生理学工具（如EEG和fNIRS），动态调整教学策略，提升个性化教育效果	实际应用中存在数据隐私、伦理问题、算法偏见和可扩展性等挑战	探讨AI和ML如何通过管理认知负荷和提供个性化教学来提升学习效能	K-12学生和成人学习者	教育技术	NA	EEG, fNIRS, fMRI, ECG, GSR	CNN, RNN, SVM	神经生理数据	103篇相关论文
6340	2025-03-01	Disentangling Multiannual Air Quality Profiles Aided by Self-Organizing Map and Positive Matrix Factorization 2025-Feb-14, Toxics IF:3.9Q1 DOI:10.3390/toxics13020137 PMID:39997952	研究论文	本文提出了一种结合自组织映射（SOM）算法、层次聚类分析（HCA）和正矩阵分解（PMF）的方法，用于解析多年多地的空气质量数据	创新点在于结合了SOM、HCA和PMF方法，能够在单次处理中解析多年多地的数据，而无需预先分离地点和年份	未提及具体的数据集大小或处理时间，可能在实际应用中存在计算资源需求较高的问题	研究目的是解析多年多地的空气质量数据，以识别污染物来源及其随时间的变化	研究对象是多年多地的空气质量数据	环境科学	NA	自组织映射（SOM）、层次聚类分析（HCA）、正矩阵分解（PMF）	SOM、HCA、PMF	空气质量数据	未提及具体样本数量