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
6481	2025-03-14	A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement 2025-Mar-13, Network (Bristol, England) DOI:10.1080/0954898X.2025.2461046 PMID:40079096	研究论文	本文提出了一种基于深度学习的多目标函数，用于在多载波NOMA系统中自动分配能效功率，采用混合启发式改进方法	提出了混合缝纫训练和狐猴优化算法（HSTLO）来优化系统参数，并开发了扩张密集循环神经网络（DDRNN）模型以增强系统性能	未提及具体的数据集或实验环境，可能限制了结果的普适性	提高多载波NOMA系统的能效（EE）并优化系统性能	多载波NOMA系统	机器学习	NA	混合启发式优化算法、深度学习	扩张密集循环神经网络（DDRNN）	NA	NA
6482	2025-03-14	Pd-Modified Microneedle Array Sensor Integration with Deep Learning for Predicting Silica Aerogel Properties in Real Time 2025-Mar-12, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17680 PMID:40019213	研究论文	本研究开发了一种集成Pd/Au传感器和深度学习算法的系统，用于实时预测硅气凝胶的物理特性	利用电化学阻抗数据、频率和时间参数，结合深度学习模型，实时预测硅气凝胶的物理特性，显著提高了生产过程的优化和监控效率	研究主要针对硅气凝胶，未涉及其他材料的预测	通过人工智能预测材料特性，优化硅气凝胶的生产过程	硅气凝胶的物理特性，包括孔径、孔体积和表面积	机器学习	NA	电化学阻抗测量	深度神经网络	电化学阻抗数据、频率和时间参数	NA
6483	2025-03-14	Protein-ligand interaction prediction based on heterogeneity maps and data enhancement 2025-Mar-12, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2475229 PMID:40072484	研究论文	本文提出了一种基于异构图和数据增强的蛋白质-配体相互作用预测模型HGEF-Net，旨在提高药物发现和重定位的效率	提出了异质信息学习模块和多层次对比学习的数据增强策略，以及异质注意力整合框架，有效融合分子内和分子间特征，提升模型在稀疏、不平衡数据集上的性能	NA	提高蛋白质-配体相互作用预测的准确性和效率，以支持药物发现和重定位	蛋白质-配体相互作用	机器学习	NA	深度学习	HGEF-Net	分子数据	BindingDB数据集和Davis数据集
6484	2025-03-14	Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement 2025-Mar-12, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01760-2 PMID:40072715	研究论文	本研究探讨了超分辨率深度学习图像重建（SR-DLR）在心肌CT晚期增强（CT-LE）中的图像质量和噪声改善效果	首次将超分辨率深度学习图像重建（SR-DLR）应用于心肌CT晚期增强（CT-LE）的图像重建，显著降低了图像噪声并提高了图像质量	研究样本量较小，仅包括30名患者，且为回顾性分析	比较SR-DLR与传统DLR（C-DLR）和混合迭代重建（hybrid IR）在心肌CT晚期增强中的图像质量和噪声表现	30名接受心肌CT晚期增强检查的患者	医学影像	心血管疾病	超分辨率深度学习图像重建（SR-DLR）	深度学习模型	CT图像	30名患者
6485	2025-03-14	Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning 2025-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3541643 PMID:40072865	研究论文	本文提出了一种结合学习的新生儿特定子空间模型和模型驱动的深度学习方法，以实现快速且稳定的新生儿脑部MR成像	通过结合新生儿特定子空间模型和深度学习方法，解决了新生儿MRI应用中训练数据不足的问题，实现了快速且稳定的图像重建	需要进一步开发以提高MRI在新生儿成像应用中的实用性	实现快速且稳定的新生儿脑部MR成像	新生儿脑部MR图像	计算机视觉	NA	MR成像	深度网络	图像	dHCP数据集和来自四个独立医疗中心的测试数据
6486	2025-03-14	Deep learning based on ultrasound images predicting cervical lymph node metastasis in postoperative patients with differentiated thyroid carcinoma 2025-Mar-12, The British journal of radiology DOI:10.1093/bjr/tqaf047 PMID:40073229	研究论文	本研究开发了一种基于超声图像的深度学习模型，用于预测分化型甲状腺癌术后患者的颈淋巴结转移	创新地使用淋巴结超声图像的深度学习来预测分化型甲状腺癌术后患者的颈淋巴结状态	NA	开发基于超声图像的深度学习模型，预测分化型甲状腺癌术后患者的颈淋巴结转移	分化型甲状腺癌术后患者的颈淋巴结	计算机视觉	甲状腺癌	深度学习	ResNet50	超声图像	330名患者的352个淋巴结
6487	2025-03-14	Multiple perception contrastive learning for automated ovarian tumor classification in CT images 2025-Mar-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-04879-y PMID:40074925	研究论文	本文提出了一种利用监督对比学习和多感知编码器（MP Encoder）的自动化诊断方法，用于卵巢肿瘤CT图像的分类	引入了T-Pro技术增强数据多样性，模拟语义扰动以提高模型的泛化能力，并结合多尺度感知模块（MSP Module）和多注意力模块（MA Module）提升模型对卵巢肿瘤复杂形态和细微特征的敏感性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	开发自动化且可靠的诊断技术，以提高卵巢肿瘤的分类准确性	卵巢肿瘤CT图像	计算机视觉	卵巢癌	监督对比学习	多感知编码器（MP Encoder）	CT图像	未提及具体样本数量
6488	2025-03-14	In-depth and high-throughput spatial proteomics for whole-tissue slice profiling by deep learning-facilitated sparse sampling strategy 2025-Mar-11, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00764-y PMID:40064869	研究论文	本文介绍了一种通过深度学习辅助的稀疏采样策略（S4P）实现高分辨率空间蛋白质组学的方法，用于全组织切片的深度和高通量分析	开发了一种新的稀疏采样策略（S4P），结合计算辅助图像重建方法，显著减少了样本数量，实现了厘米级样本的高分辨率空间蛋白质组学分析	当前蛋白质组学方法的多重检测能力有限，高空间分辨率的全组织切片映射需要大量的质谱匹配时间	实现高分辨率、深度覆盖的空间蛋白质组学分析，以揭示组织和器官中细胞的异质性分布及其功能	小鼠大脑组织	数字病理学	NA	质谱（MS）	深度学习	图像	小鼠大脑组织，映射超过9000种蛋白质
6489	2025-03-14	Advancements in machine learning and biomarker integration for prenatal Down syndrome screening 2025-Mar-10, Turkish journal of obstetrics and gynecology IF:1.0Q4 DOI:10.4274/tjod.galenos.2025.12689 PMID:40062699	综述	本文综述了机器学习和生物标志物整合在产前唐氏综合症筛查中的应用及其进展	通过整合母体血清标志物、颈项透明层测量和超声图像，结合随机森林和深度学习卷积神经网络等算法，将检测率提高到85%以上，同时保持低假阳性率	需要进一步研究以优化算法，验证其在不同人群中的有效性，并将这些前沿方法纳入常规临床实践	提高产前唐氏综合症筛查的准确性和早期检测能力	唐氏综合症患者及其正常发育的同龄人的基因组数据	机器学习	唐氏综合症	非侵入性产前检测	随机森林, 深度学习卷积神经网络	基因组数据, 超声图像	NA
6490	2025-03-14	Myocardial perfusion imaging SPECT left ventricle segmentation with graphs 2025-Mar-10, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00728-5 PMID:40063231	研究论文	本研究评估了在心肌灌注成像SPECT左心室分割过程中，先验信息整合与深度学习方法的比较，以及四种准直技术对五个不同数据集的影响	提出了一种新的基于连续图的分割方法，结合心脏几何的先验信息自动分割左心室体积，并比较了不同准直技术对分割结果的影响	研究样本量较小，仅包含80名患者，且未涉及更多类型的准直器	评估先验信息整合对分割方法性能的提升，以及不同准直技术对心脏几何投影的影响	心肌灌注成像SPECT中的左心室分割	计算机视觉	心血管疾病	SPECT, 连续最大流最小割算法(CMF), 均匀流形逼近与投影(UMAP)	基于图的分割方法	图像	80名患者，包括40名来自混合黑箱准直器，10名来自多针孔(MPH)，10名来自低能量高分辨率(LEHR)，10名来自CardioC，10名来自CardioD准直器
6491	2025-03-14	Linear attention based spatiotemporal multi graph GCN for traffic flow prediction 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93179-y PMID:40065014	研究论文	本研究提出了一种名为LASTGCN的新型深度学习模型，用于交通流量预测，该模型结合了多因素融合单元、多图卷积网络和线性注意力机制	LASTGCN模型引入了多因素融合单元动态整合气象因素，采用多图卷积网络处理空间相关性，并使用线性注意力机制RWKV块高效处理历史交通数据	模型在实时应用中的适应性需要进一步优化	提高交通流量预测的准确性和鲁棒性，特别是在长期预测方面	高速公路交通数据	机器学习	NA	深度学习	GCN, RWKV	交通数据	真实世界的高速公路交通数据集
6492	2025-03-14	Enhancing SLAM algorithm with Top-K optimization and semantic descriptors 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90968-3 PMID:40065015	研究论文	本文提出了一种结合Top-K优化的SLAM算法，用于高效处理LiDAR点云数据，生成语义描述符和全局语义地图	该算法通过Top-K优化减少了计算复杂度，提高了处理速度，并在保持推理准确性和效率的同时，显著节省了边缘设备深度学习算法的计算资源	NA	解决边缘设备在处理LiDAR点云数据时面临的计算挑战，提高机器人的语义理解能力和姿态估计精度	LiDAR点云数据	计算机视觉	NA	Top-K优化	SLAM算法	点云数据	NA
6493	2025-03-14	An intelligent ransomware based cyberthreat detection model using multi head attention-based recurrent neural networks with optimization algorithm in IoT environment 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92711-4 PMID:40065000	研究论文	本文提出了一种基于多头注意力机制的循环神经网络与优化算法相结合的智能勒索软件检测模型，用于物联网环境中的网络安全	提出了一种新颖的多头注意力机制循环神经网络与增强型大猩猩部队优化算法相结合的模型（MHARNN-EGTOCRD），用于检测和分类物联网环境中的勒索软件攻击	实验验证仅在勒索软件检测数据集上进行，未涉及其他类型网络攻击的检测	开发一种高效可靠的勒索软件检测机制，以应对物联网环境中的网络安全威胁	物联网环境中的勒索软件攻击	机器学习	NA	深度学习（DL）和机器学习（ML）方法	多头注意力机制循环神经网络（MHARNN）与长短期记忆网络（LSTM）结合	勒索软件检测数据集	NA
6494	2025-03-14	Enhancing cybersecurity through script development using machine and deep learning for advanced threat mitigation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92676-4 PMID:40065042	研究论文	本文探讨了利用机器学习和深度学习方法增强脚本开发的网络安全，通过使用Fashion MNIST数据集和卷积神经网络模型，展示了这些技术在提升网络安全方面的有效性	本文的创新点在于将机器学习和深度学习技术应用于脚本开发中，以自动化和智能化的方式提升网络安全，这在传统安全措施难以应对复杂威胁的背景下具有重要意义	本文的局限性在于仅使用了Fashion MNIST数据集进行实验，可能无法全面反映所有网络安全场景的复杂性	研究目的是通过机器学习和深度学习技术提升脚本开发的网络安全	研究对象是脚本开发过程中的网络安全问题	机器学习	NA	机器学习和深度学习	卷积神经网络（CNN）	图像数据（Fashion MNIST数据集）	Fashion MNIST数据集
6495	2025-03-14	Rolling bearing remaining useful life prediction using deep learning based on high-quality representation 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93165-4 PMID:40065075	研究论文	本文提出了一种基于深度学习的方法，用于预测滚动轴承的剩余使用寿命（RUL），以提高旋转机械的可靠性和性能	结合一维深度卷积自编码器（1D-DCAE）和多层双向长短期记忆网络（Bi-LSTM）与时间模式注意力机制（TPA），有效提取振动信号中的高质量健康指标（HIs）并捕捉时间依赖性	实验仅在PHM2012轴承数据集上进行，未涉及其他数据集或实际工业环境中的验证	提高滚动轴承剩余使用寿命（RUL）预测的准确性和鲁棒性	滚动轴承	机器学习	NA	深度学习	1D-DCAE, Bi-LSTM, TPA	振动信号	PHM2012轴承数据集
6496	2025-03-14	The optimization of youth football training using deep learning and artificial intelligence 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93159-2 PMID:40065080	研究论文	本研究旨在通过利用先进的深度学习和人工智能技术提高青少年足球训练的效果和成果	构建了基于深度学习卷积神经网络（CNNs）的青少年足球训练关键点检测模型，并分析了人工智能在校园足球训练中的应用场景	研究中未提及样本的具体数量和多样性，可能影响模型的泛化能力	提高青少年足球训练的效果和成果	青少年足球训练	机器学习	NA	深度学习卷积神经网络（CNNs）	CNN	图像	五家技术公司和三十名体育教师
6497	2025-03-14	An improved transformer based traffic flow prediction model 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92425-7 PMID:40065142	研究论文	本文提出了一种改进的基于Transformer的交通流量预测模型，旨在解决现有深度学习模型在交通流量预测中的局限性	提出了IEEAFormer技术，通过嵌入层捕捉交通数据中的隐含信息，采用时间环境感知自注意力机制替代传统的多头自注意力机制，并使用独特的图掩码矩阵和平行空间自注意力架构同时捕捉数据中的长短期空间依赖关系	未提及具体局限性	提高交通流量预测的准确性，以提升城市交通系统的效率	交通流量数据	机器学习	NA	Transformer架构，时间环境感知自注意力机制，图掩码矩阵	IEEAFormer	交通流量数据	四个真实世界的交通数据集
6498	2025-03-14	The radiogenomic and spatiogenomic landscapes of glioblastoma and their relationship to oncogenic drivers 2025-Mar-01, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00767-0 PMID:40025245	研究论文	本研究探讨了IDH野生型胶质母细胞瘤的影像特征、肿瘤位置的空间模式与基因变异之间的关系，以及可能的突变事件序列	揭示了胶质母细胞瘤突变产生的独特影像特征，并发现肿瘤位置和空间分布与基因谱相关，提供了非侵入性肿瘤分析和个性化治疗的潜在途径	研究为回顾性分析，样本量有限，且仅针对IDH野生型胶质母细胞瘤	研究胶质母细胞瘤的影像特征、空间模式与基因变异之间的关系，以改善患者管理和治疗结果	357例IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数MRI和靶向基因测序	机器学习和深度学习模型	影像和基因数据	357例IDH野生型胶质母细胞瘤患者
6499	2025-03-14	Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives 2025-Feb-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01257 PMID:39916476	评论	本文探讨了人工智能在天然产物药物发现中的当前应用及未来前景	文章强调了人工智能，特别是机器学习和深度学习，在加速药物发现过程中的创新应用，包括生成式AI用于数据合成	文章指出了人工智能在天然产物药物发现中的局限性，并探讨了未来的研究方向	研究目的是探讨人工智能如何加速天然产物药物发现，并分析其在这一领域的应用前景	研究对象是天然产物及其在药物发现中的应用	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	生物数据	NA
6500	2025-03-14	Regularization by Neural Style Transfer for MRI Field-Transfer Reconstruction with Limited Data 2025-Feb-19, ArXiv PMID:40034133	研究论文	本文提出了一种新的MRI重建框架RNST，通过神经风格迁移（NST）引擎与去噪器结合，实现在数据有限情况下的磁场转移重建	RNST框架结合了神经风格迁移和去噪技术，能够在不需要配对训练数据的情况下，从低场输入生成高质量图像，解决了数据有限环境下的重建问题	尽管RNST在风格和内容图像不完全对齐时仍保持鲁棒性，但在临床环境中，精确的参考匹配不可用时，其适用性可能受到限制	研究目的是开发一种在数据有限情况下进行MRI磁场转移重建的新方法	研究对象是MRI图像，特别是低场输入下的图像重建	计算机视觉	NA	神经风格迁移（NST）	NA	图像	NA