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	2025-02-28	A conditional denoising VAE-based framework for antimicrobial peptides generation with preserving desirable properties 2025-Feb-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf069 PMID:39932977	研究论文	本研究提出了一种基于去噪变分自编码器（VAE）的模型，用于生成具有理想理化性质的抗菌肽（AMPs）	该模型结合了关键特征（如分子量、等电点、疏水性等），并采用位置编码和Transformer架构以提高生成准确性，同时引入去噪机制以在有限训练数据下保持性能	模型在训练数据有限的情况下可能仍面临性能挑战	开发一种能够生成具有理想理化性质的抗菌肽的模型，以应对抗生素耐药性问题	抗菌肽（AMPs）	机器学习	细菌感染	去噪变分自编码器（VAE）	VAE, Transformer	序列数据	NA
6482	2025-02-28	Exploring Applications of Artificial Intelligence in Critical Care Nursing: A Systematic Review 2025-Feb-04, Nursing reports (Pavia, Italy) DOI:10.3390/nursrep15020055 PMID:39997791	系统综述	本文系统评估了人工智能在重症监护护理领域的当前应用	本文综合分析了多种AI技术在重症监护护理中的应用，包括经典模型、机器学习方法、深度学习架构和生成式AI工具	研究中的异质性限制了得出关于AI在重症监护护理中应用效果的明确结论	评估人工智能在重症监护护理中的应用及其对患者结果的影响	重症监护护理中的患者和护理实践	医疗保健	重症监护	多种AI技术，包括逻辑回归、支持向量机、随机森林、神经网络和生成式AI工具如ChatGPT	多种模型，包括经典模型、机器学习模型、深度学习模型和生成式AI模型	结构化数据（如生命体征和实验室结果）和非结构化数据（如护理记录和患者历史），以及音频数据	24项研究，涉及1364篇初步筛选的文章
6483	2025-02-27	First-in-Men Online Adaptive Robotic Stereotactic Body Radiation Therapy: Toward Ultrahypofractionation for High-Risk Prostate Cancer Patients 2025-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101701 PMID:39866592	研究论文	本文介绍了针对高风险前列腺癌患者的在线自适应机器人立体定向放射治疗的发展、临床前验证和临床测试	首次在人体中应用在线自适应机器人立体定向放射治疗，针对高风险前列腺癌患者，探索超分割放疗的可行性	研究样本量较小，仅为60例，且仅针对低体积转移前列腺癌患者，结果可能不具有普遍性	探索在线自适应放射治疗在高风险前列腺癌患者中的应用，以减少精囊的计划靶区（PTV）边缘	高风险前列腺癌患者，特别是精囊包含在靶区内的患者	数字病理	前列腺癌	在线自适应放射治疗，CT-on-rails，深度学习自动轮廓	深度学习	CT图像	60例低体积转移前列腺癌患者
6484	2025-02-28	Advancing MRI Reconstruction: A Systematic Review of Deep Learning and Compressed Sensing Integration 2025-Feb-01, ArXiv PMID:39975448	综述	本文系统回顾了深度学习与压缩感知在MRI重建中的集成应用	深度学习与压缩感知的结合显著提高了MRI重建的速度和准确性	未提及具体的技术限制或挑战	探讨深度学习在MRI重建中的应用及其潜力	MRI图像重建	医学影像	NA	深度学习, 压缩感知	NA	图像	NA
6485	2025-02-28	Diagnosis of Alzheimer's disease using transfer learning with multi-modal 3D Inception-v4 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1577 PMID:39995734	研究论文	本研究提出了一种基于多模态特征和迁移学习的3D Inception-v4模型，用于阿尔茨海默病的诊断	引入了多模态三维Inception-v4模型，并采用迁移学习方法结合MRI和临床评分数据进行AD诊断	未提及具体局限性	解决基于多模态特征的阿尔茨海默病诊断问题	阿尔茨海默病患者	计算机视觉	老年病	迁移学习	3D Inception-v4	MRI图像和临床评分数据	使用ADNI数据库的数据进行预训练，并使用独立验证数据进行微调
6486	2025-02-28	Biomechanical Risk Classification in Repetitive Lifting Using Multi-Sensor Electromyography Data, Revised National Institute for Occupational Safety and Health Lifting Equation, and Deep Learning 2025-Feb-01, Biosensors DOI:10.3390/bios15020084 PMID:39996986	研究论文	本研究通过多传感器肌电图数据、修订版NIOSH提升方程和深度学习技术，对重复提升任务中的生物力学风险进行分类	结合高精度可穿戴传感器和深度学习模型，实现了实时、动态的风险评估，显著提升了工作场所安全协议	研究样本量较小，仅包含25名参与者，可能影响结果的普遍性	准确评估重复提升任务中的生物力学风险，以改善职业人体工程学和风险管理	25名参与者在进行重复提升任务时的肌肉性能	机器学习	肌肉骨骼疾病	肌电图（EMG）	CNN, MLP, LSTM	时间序列肌电图数据	25名参与者，超过700万个数据点
6487	2025-02-28	Towards Trustworthy AI in Healthcare: Epistemic Uncertainty Estimation for Clinical Decision Support 2025-Jan-31, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15020058 PMID:39997335	研究论文	本文探讨了在医疗决策支持系统中实现可信赖AI的重要性，特别是通过估计认知不确定性来提高系统的可靠性	提出了使用Spectral Normalized Neural Gaussian Process (SNGP)模型来量化知识不确定性，相比传统的神经网络集成方法，提供了更可靠的不确定性估计	研究主要基于低维玩具数据集和MIMIC3研究中的电子健康记录（EHR）数据，可能无法完全代表所有临床场景	提高AI在医疗决策支持系统中的可靠性和可信赖性	电子健康记录（EHR）数据，特别是重症监护病房住院患者的死亡率预测	机器学习	NA	Spectral Normalized Neural Gaussian Process (SNGP), 神经网络集成 (ENN)	Encoder-Only Transformer, SNGP, ENN	时间序列数据（EHR）	MIMIC3研究中的电子健康记录（EHR）数据
6488	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
6489	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
6490	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
6491	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
6492	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
6493	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
6494	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
6495	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
6496	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
6497	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
6498	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）
6499	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
6500	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