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
6981	2025-03-06	A Novel Sequence-to-Sequence-Based Deep Learning Model for Multistep Load Forecasting 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3329466 PMID:38241098	研究论文	本文提出了一种基于序列到序列（Seq2Seq）的深度学习模型，用于多步负荷预测，以优化能源资源分配和辅助决策过程	提出了一种基于时间序列分解策略的Seq2Seq深度学习模型，该模型由一系列基本块组成，每个基本块包括一个编码器和两个解码器，并通过残差连接	未提及模型的局限性	开发一种新的深度学习模型，用于多步负荷预测，以提高能源管理的效率和决策的准确性	电力系统中的负荷预测	机器学习	NA	时间序列分解策略	Seq2Seq, TCN, LSTM	时间序列数据	多个真实世界数据集中的案例
6982	2025-03-06	Deep Face Leakage: Inverting High-Quality Faces From Gradients Using Residual Optimization 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3533210 PMID:40036427	研究论文	本文提出了一种名为DFLeak的方法，通过残差优化从梯度中反演高质量面部图像，以增强协作学习中的面部数据泄露效果	引入了一种优越的初始化方法来稳定反演过程，并提出了一种无先验面部恢复（PFFR）结果的残差优化方法，以丰富面部细节	未明确提及具体限制	提高从梯度中反演面部图像的质量，以增强协作学习中的隐私保护效果	面部图像	计算机视觉	NA	梯度反演攻击	NA	图像	未明确提及样本数量
6983	2025-03-06	Identification of benign and malignant breast nodules on ultrasound: comparison of multiple deep learning models and model interpretation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1517278 PMID:40040727	研究论文	本研究开发了一种弱监督深度学习算法，用于区分超声图像中的良性和恶性乳腺肿瘤，无需图像注释	提出了一种无需图像注释的弱监督深度学习算法，用于乳腺肿瘤的超声诊断	研究中使用的数据集可能有限，且未涉及其他类型的肿瘤或不同成像技术	开发一种弱监督深度学习算法，以提高乳腺肿瘤超声诊断的准确性	乳腺超声图像中的良性和恶性结节	计算机视觉	乳腺癌	深度学习	DenseNet121, ResNet50, EfficientNetb0, Vision Transformer	图像	3049张乳腺超声图像（良性1320张，恶性1729张）
6984	2025-03-06	A bibliometric analysis of studies on artificial intelligence in neuroscience 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1474484 PMID:40040909	研究论文	本文通过文献计量分析探讨了人工智能在神经科学领域的研究趋势和影响	首次对1983年至2024年间发表的1,208篇相关研究进行系统性分析，揭示了该领域的快速增长和国际合作趋势	未深入探讨AI模型在神经科学中的伦理问题和数据隐私问题	评估人工智能在神经科学中的应用现状和未来方向	神经科学领域的人工智能研究	机器学习	神经系统疾病	文献计量分析	深度学习, 机器学习	文献数据	1,208篇研究论文
6985	2025-03-06	TAL-SRX: an intelligent typing evaluation method for KASP primers based on multi-model fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1539068 PMID:40041015	研究论文	本文提出了一种基于多模型融合的KASP引物分型效果智能评估方法TAL-SRX，旨在提高分子标记辅助育种中优秀标记的大规模筛选效率	通过结合深度学习和传统机器学习算法，提出了一种新的KASP引物分型效果评估方法，并引入了Transformer算法来捕捉高维特征空间中的全局依赖关系	未明确提及方法的局限性	提高KASP引物分型效果评估的智能化和准确性，以支持分子标记辅助育种	KASP引物的分型效果	机器学习	NA	深度学习，传统机器学习	ANN, LSTM, Transformer	KASP测试结果数据	3399组棉花品种资源材料的KASP测试结果
6986	2025-03-06	Evaluating inter- and intra-rater reliability in assessing upper limb compensatory movements post-stroke: creating a ground truth through video analysis? 2024-Dec-20, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01506-7 PMID:39702329	研究论文	本研究通过视频分析评估职业和物理治疗师在评估中风后上肢补偿运动时的评分者间和评分者内可靠性	使用深度学习方法和广义线性混合效应模型评估补偿运动的可靠性，为自动评估补偿运动建立基础	研究结果的可信区间较宽，可能影响结果的可靠性，且仅基于治疗师的评分无法推荐建立自动评估补偿运动的基准	评估职业和物理治疗师在评估中风后上肢补偿运动时的评分者间和评分者内可靠性	七名轻度至中度上肢运动障碍的中风患者	数字病理	中风	视频分析	广义线性混合效应模型	视频	七名中风患者和二十二名治疗师
6987	2025-03-06	Lazy Resampling: Fast and information preserving preprocessing for deep learning 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108422 PMID:39395305	研究论文	本文介绍了一种名为Lazy Resampling的软件，旨在优化深度学习中的预处理步骤，减少信息损失并简化流程设计	Lazy Resampling通过将空间预处理操作重新表述为图形管道，减少了管道执行时间和信号退化，使裁剪等操作变为非破坏性	尽管Lazy Resampling在减少信息损失和简化流程设计方面表现出色，但其在医学影像等领域的广泛应用仍需进一步验证	优化深度学习中的预处理步骤，减少信息损失并简化流程设计	医学影像数据	计算机视觉	NA	深度学习	UNet	图像	Medical Segmentation Decathlon数据集
6988	2025-03-06	Fully Automated Region-Specific Human-Perceptive-Equivalent Image Quality Assessment: Application to 18 F-FDG PET Scans 2024-Dec-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005526 PMID:39466652	研究论文	本文提出了一种全自动框架，用于对全身18 F-FDG PET扫描进行区域图像质量评估（IQA）	该框架能够在日常临床图像采集过程中即时识别低质量扫描，并在人工智能驱动的18 F-FDG PET分析模型开发中通过拒绝低质量图像和带有伪影的图像来构建干净的数据集	研究样本量相对较小，且未对不同模型之间的性能差异进行深入分析	开发一种全自动且与人类感知等效的模型，用于对18 F-FDG PET图像进行区域图像质量评估	87名患者的174张18 F-FDG PET图像	数字病理学	NA	深度学习（DL）和放射组学机器学习（radiomics-ML）	深度学习模型和机器学习模型	图像	87名患者的174张18 F-FDG PET图像
6989	2025-03-06	Lightweight Transformer exhibits comparable performance to LLMs for Seizure Prediction: A case for light-weight models for EEG data 2024-Dec, Proceedings : ... IEEE International Conference on Big Data. IEEE International Conference on Big Data DOI:10.1109/bigdata62323.2024.10825319 PMID:40041397	研究论文	本文提出了一种轻量级Transformer架构，用于实时EEG数据的癫痫发作预测，并与多种深度学习模型进行了性能比较	提出了一种轻量级Transformer架构，具有更小的模型尺寸和更低的计算负载，能够在实时推理中表现优异	EEG传感器数据质量的可变性、不同癫痫和发作特征、缺乏标注数据集和ML-ready基准	开发一种能够在有限硬件计算能力下实时推理的轻量级模型，用于癫痫发作预测	癫痫患者的EEG数据	机器学习	癫痫	深度学习	Transformer, ResNet, ViT, LLM	EEG数据	MLSPred-Bench数据集，包含12个基准测试
6990	2025-03-06	Sensorless End-to-End Freehand 3-D Ultrasound Reconstruction With Physics-Guided Deep Learning 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3465214 PMID:39302786	研究论文	本文提出了一种无需传感器的自由手3D超声重建方法，利用物理引导的深度学习技术	设计了一种新颖的物理启发深度学习网络（PLPPI），无需3D卷积即可进行自由手3D超声重建，显著提高了重建质量并减少了计算资源需求	未提及具体局限性	改进自由手3D超声重建的质量，并减少训练和推理所需的计算资源	自由手3D超声成像	计算机视觉	NA	深度学习	物理引导的深度学习网络（PLPPI）	超声图像	未提及具体样本数量
6991	2025-03-06	Novel multi-omics deconfounding variational autoencoders can obtain meaningful disease subtyping 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae512 PMID:39413796	研究论文	本文提出了四种基于变分自编码器（VAE）的去混淆框架，用于多组学数据的聚类分析，有效减少混淆因素的影响并保留真实的生物学模式	提出了四种新的VAE去混淆框架，特别是条件多组学VAE（cXVAE），能够有效处理模拟的混淆效应并恢复生物学驱动的聚类结构	部分策略（如对抗训练）在去除混淆因素方面效果不佳	开发新的去混淆框架，用于多组学数据的聚类分析，以优化精准医学中的患者分层	多组学数据	机器学习	癌症	变分自编码器（VAE）	VAE, cXVAE	多组学数据	来自The Cancer Genome Atlas的真实多组学数据，50次重复实验
6992	2025-03-06	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-Sep-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文介绍了一种利用自发荧光显微镜和深度学习技术对无标记组织进行虚拟双折射成像和虚拟刚果红染色的方法，以展示淀粉样蛋白沉积	创新点在于使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本，从而克服传统染色方法的局限性	研究主要局限于心脏组织，未涉及其他器官或组织类型	研究目的是开发一种无需化学染色的方法来可视化组织中的淀粉样蛋白沉积	研究对象为无标记的人体组织，特别是心脏组织中的淀粉样蛋白沉积	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及样本数量，但涉及心脏组织
6993	2025-03-06	PTransIPs: Identification of Phosphorylation Sites Enhanced by Protein PLM Embeddings 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377362 PMID:38483806	研究论文	本研究开发了一个名为PTransIPs的深度学习框架，用于识别磷酸化位点，该框架在独立测试中表现优于现有最先进方法	PTransIPs首次将蛋白质预训练语言模型（PLM）嵌入应用于此任务，结合了Transformer架构和卷积神经网络，并采用了TIM损失函数进行优化	NA	开发一个深度学习框架以准确识别磷酸化位点，从而揭示细胞内的分子机制和病毒感染过程中的关键点	磷酸化位点	生物信息学	NA	深度学习	Transformer, CNN	蛋白质序列和结构数据	NA
6994	2025-03-06	Preliminary Results: Comparison of Convolutional Neural Network Architectures as an Auxiliary Clinical Tool Applied to Screening Mammography in Mexican Women 2024-Jun, Journal of medical and biological engineering IF:1.6Q4 DOI:10.1007/s40846-024-00868-6 PMID:40027073	研究论文	本研究开发了一种新型卷积神经网络（CNN）用于乳腺X光片的良恶性分类，并与使用迁移学习的预训练CNN模型进行比较	开发了一种新型CNN模型，并在墨西哥女性乳腺X光片数据集上进行了训练和验证，填补了该领域的数据和工具空白	研究样本量相对较小，且仅使用了两个数据库的数据	开发并验证一种新型CNN模型，用于乳腺X光片的良恶性分类	乳腺X光片	计算机视觉	乳腺癌	卷积神经网络（CNN）	CNN, DenseNet121, MobileNetV2, ResNet50, VGG16	图像	1,070张乳腺X光片（来自235名墨西哥患者）和MIAS数据库中的乳腺X光片
6995	2025-03-06	From Basic to Extra Features: Hypergraph Transformer Pretrain-then-Finetuning for Balanced Clinical Predictions on EHR 2024-Jun, Proceedings of machine learning research PMID:40041452	研究论文	本文提出了一种名为HTP-Star的模型，利用超图结构和预训练-微调框架来建模电子健康记录（EHR）数据，并设计了两种技术以增强模型在微调过程中的鲁棒性	HTP-Star模型通过超图结构和预训练-微调框架，实现了对EHR数据的建模，并能够无缝整合额外特征，同时在微调过程中增强了模型的鲁棒性	未明确提及具体限制	研究目的是通过深度学习模型改进对电子健康记录（EHR）数据的处理，以实现更平衡的临床预测	电子健康记录（EHR）数据	机器学习	NA	超图结构、预训练-微调框架	HTP-Star	电子健康记录（EHR）数据	两个真实的EHR数据集
6996	2025-03-06	Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review 2024-Apr-19, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02366-4 PMID:38637466	综述	本文总结了当前关于后颅窝分割的文献，重点介绍了各种分割技术及其优缺点，以及文献中报道的各种研究的目标和结果	系统性地回顾了后颅窝相关病理的分割技术，涵盖了从手动分割到深度学习的演变	文献搜索仅限于PubMed、Embase、Cochrane和Web of Science，可能未涵盖所有相关研究	评估后颅窝体积/病理的分割技术及其优缺点	后颅窝相关病理，如Chiari畸形、三叉神经痛、术后儿童小脑性缄默综合征和Crouzon综合征	数字病理学	后颅窝相关病理	手动分割、半自动分割、全自动分割（基于图谱、卷积神经网络）	卷积神经网络（CNN）	图像	52篇文献
6997	2025-03-06	Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning 2024-04, The Journal of hand surgery, European volume DOI:10.1177/17531934231209876 PMID:37882645	研究论文	本研究开发了一种深度学习模型，用于从四维计算机断层扫描（4DCT）数据集中自动分割和标记腕骨	首次实现了从4DCT扫描中自动分割和标记腕骨的深度学习模型	未提及具体的数据集大小或模型性能的详细评估	实现4DCT在诊断腕韧带损伤中的应用，减少数据分析时间	腕骨	计算机视觉	腕韧带损伤	4DCT	深度学习模型	4DCT扫描数据	NA
6998	2025-03-06	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的方法，用于自动分类乳腺癌组织图像中的HER2状态	利用金字塔采样技术分析不同空间尺度的形态特征，有效管理计算负载，并提供对细胞和组织层面细节的详细检查	研究仅基于523个核心图像的数据集，样本量相对较小	提高乳腺癌HER2状态分类的准确性和评估速度	乳腺癌组织图像	数字病理学	乳腺癌	深度学习	NA	图像	523个核心图像
6999	2025-03-06	Analysis of the pattern recognition algorithm of broadband satellite modulation signal under deformable convolutional neural networks 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0234068 PMID:32658924	研究论文	本研究旨在分析在低信噪比或信道非理想条件下，基于深度学习的卫星调制信号识别性能受不同参数估计的影响	构建了基于可变形卷积神经网络（DCNN）的宽带卫星调制信号模式识别模型，并与其他模型（如VGG、AlexNet、ResNe）进行了比较，显示出更高的识别准确率和更短的训练时间	研究主要基于模拟数据，未涉及实际卫星信号的复杂环境	分析不同参数估计对卫星调制信号识别性能的影响	宽带卫星调制信号	机器学习	NA	深度学习	DCNN	信号数据	数据长度达到4000
7000	2025-03-06	Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0235980 PMID:32678855	研究论文	本研究基于改进的教学-学习优化算法（MTLBO）和深度学习多层前馈神经网络（BP神经网络）建立了预制建筑项目风险管理系统的模型，以提高大型预制建筑项目施工期间的风险管理需求	通过使用信息熵对传统的教学-学习优化算法（TLBO）进行改进，并结合BP神经网络建立了MTLBO-BP神经网络预测模型，该模型在全局搜索能力和避免局部最优方面表现更优	未提及具体的研究局限性	提高预制建筑项目施工期间的风险管理需求，提供智能管理和决策支持	预制建筑项目的风险管理系统	机器学习	NA	深度学习，BP神经网络，MTLBO算法	BP神经网络，MTLBO-BP神经网络	NA	NA