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
7221	2025-04-09	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	结合Transformer和LSTM网络，利用双向LSTM和Transformer编码器层在多阶段进行特征提取，提高了预测准确性和预测时间范围	模型在临床数据和模拟数据上的表现存在差异，可能需要进一步优化以适应更广泛的临床场景	提高血糖预测的准确性和预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖水平	机器学习	糖尿病	深度学习	Transformer和LSTM	连续血糖监测数据	临床数据和模拟数据
7222	2025-04-09	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究提出了一种基于Vision Transformer深度学习模型和智能手机录音的实时打鼾检测方法	首次利用深度学习模型预测家庭录制的智能手机音频中的打鼾情况，并采用Vision Transformer架构	研究样本量相对较小，且依赖智能手机录音质量	开发一种实时打鼾检测方法，用于家庭睡眠监测	214名参与者的睡眠呼吸声音数据	机器学习	睡眠相关疾病	智能手机音频记录	Vision Transformer	音频	214名参与者（85,600个时段）
7223	2025-04-09	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出了一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法，用于整合多模态成像数据以提高神经影像诊断和预后的准确性	引入动态跨模态注意力模块，有效融合空间和时间脑数据，克服现有多模态融合技术的局限性	尚未应用于其他图像类型和临床数据，未来需要进一步验证	提高神经影像诊断和预后的准确性	阿尔茨海默病等脑部疾病	神经影像	阿尔茨海默病	结构MRI (sMRI) 和功能MRI (fMRI)	CNN, GRU, 动态跨模态注意力模块	多模态成像数据	Human Connectome Project (HCP) 数据集，包含行为数据、fMRI和sMRI
7224	2025-04-09	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出了一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP，用于解决多组学基因数据中的特征提取、数据融合和小样本学习问题	引入可解释的半监督加权SPCA模块、基于样本相似性网络的双模态测试和方差信息的多组学数据融合框架，以及结合一维卷积和KAN的预测方法	未明确提及具体局限性，但提到需要处理小样本量和过拟合风险	精准肿瘤学中的药物反应预测	细胞系对特征药物的反应	机器学习	癌症	多组学基因数据分析	SPCA, KAN, 一维卷积	多组学基因数据	五组真实数据实验
7225	2025-04-09	Isfahan Artificial Intelligence Event 2023: Lesion Segmentation and Localization in Magnetic Resonance Images of Patients with Multiple Sclerosis 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_55_24 PMID:40191684	research paper	该文章介绍了2023年伊斯法罕人工智能活动中关于多发性硬化症患者磁共振图像中病灶分割和定位的挑战	利用深度学习技术进行多发性硬化症患者磁共振图像中病灶的精确分割和定位	未提及具体方法的性能比较和详细数据集信息	通过病灶分割和定位帮助医生确定多发性硬化症的严重程度和进展	多发性硬化症患者的磁共振图像	computer vision	多发性硬化症	磁共振成像(MRI)	U-net及其他复杂网络	image	NA
7226	2025-04-09	An imaging and genetic-based deep learning network for Alzheimer's disease diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532470 PMID:40191788	research paper	提出了一种基于MRI和SNP数据的多模态深度学习分类网络，用于阿尔茨海默病（AD）诊断和轻度认知障碍（MCI）进展预测	利用CNN提取全脑结构特征，Transformer网络捕获遗传特征，并采用基于交叉Transformer的网络进行全面的特征融合，同时引入基于注意力图的可解释性方法分析AD相关结构和风险变异及其相互关系	数据集规模有限，大多数AD研究依赖于影像遗传学领域的统计方法	提高AD诊断和MCI进展预测的准确性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	digital pathology	geriatric disease	MRI, SNP	CNN, Transformer	image, genetic	1,541名来自ADNI数据库的受试者
7227	2025-04-09	A phenotypic drug discovery approach by latent interaction in deep learning 2024-Oct, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240720 PMID:40191531	research paper	本文提出了一种基于深度学习的潜在相互作用表型药物发现方法，通过端到端的方式利用药物和病毒遗传信息的文本表示进行高维潜在表示转换	该方法能够隐式考虑上位性和化学-遗传相互作用等复杂性，并处理数据稀缺的普遍挑战，为机制知识有限情况下的药物发现提供了有前景的替代方案	虽然展示了深度学习在数据稀缺场景中的可行性，但对潜在机制的理解仍有限	解决传统药物发现方法中高阶相互作用被忽视的问题，开发新的计算方法	药物和病毒的遗传信息	machine learning	NA	deep learning, data augmentation	deep learning model	text	NA
7228	2025-04-09	An automated approach for predicting HAMD-17 scores via divergent selective focused multi-heads self-attention network 2024-07, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2024.110984 PMID:38806119	研究论文	介绍了一种名为DSFMANet的深度学习模型，用于自动预测抑郁症患者的HAMD-17评分	提出了一种多分支结构的自注意力网络，通过人工配置不同分支的注意力焦点因子，实现了对不同子频带的注意力分布	未提及具体的数据集规模或模型在其他疾病上的泛化能力	提高抑郁症诊断的准确性，为临床决策提供支持	抑郁症患者的HAMD-17评分	机器学习	抑郁症	深度学习	DSFMANet（多分支自注意力网络）	EEG信号	NA
7229	2025-04-09	Regulated Behavior in Living Cells with Highly Aligned Configurations on Nanowrinkled Graphene Oxide Substrates: Deep Learning Based on Interplay of Cellular Contact Guidance 2024-01-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.2c09815 PMID:38099607	研究论文	研究通过纳米皱纹石墨烯氧化物基底调控细胞行为，并利用深度学习技术解析细胞反应	开发了高度有序的纳米皱纹石墨烯氧化物表面，结合深度学习技术精确解析细胞行为	研究仅针对L929成纤维细胞和HT22海马神经元细胞，未涉及其他细胞类型	探索纳米拓扑结构对细胞行为的调控机制及其在组织工程中的应用	L929成纤维细胞和HT22海马神经元细胞	数字病理学	NA	深度学习	DL网络	图像	L929成纤维细胞和HT22海马神经元细胞
7230	2025-04-09	Altered Motor Activity Patterns within 10-Minute Timescale Predict Incident Clinical Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230928 PMID:38393904	研究论文	研究通过运动活动的分形模式变化预测临床阿尔茨海默病的发生	首次在10分钟时间尺度内发现运动活动分形模式变化与阿尔茨海默病临床发病的最强关联	研究仅基于运动活动数据，未结合其他生物标志物	确定运动活动分形调节(FMAR)在哪些时间尺度的变化最能预测阿尔茨海默病的临床发病	1,077名参与者，其中270人在随访期间出现临床阿尔茨海默病	数字病理学	阿尔茨海默病	活动记录仪(actigraphy)和深度学习	DeepSurv, Cox模型, 随机生存森林	时间序列运动活动数据	1,077名参与者，随访长达15年
7231	2025-04-08	Evaluation of Caries Detection on Bitewing Radiographs: A Comparative Analysis of the Improved Deep Learning Model and Dentist Performance 2025-Apr-07, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.13470 PMID:40191981	研究论文	本研究评估了改进的深度学习模型YOLOv9c在咬翼X光片上检测龋齿的性能，并与牙医的表现进行了比较	优化了YOLOv9c模型的主干架构，减少了模型大小和计算需求，并在龋齿检测任务中超越了牙医的表现	研究仅评估了11种YOLO模型，可能未涵盖所有先进的深度学习模型	比较深度学习模型与牙医在咬翼X光片上检测龋齿的性能	咬翼X光片上的牙釉质和牙本质龋齿	计算机视觉	口腔疾病	YOLO系列目标检测模型	YOLOv9c	图像	未明确提及具体样本数量
7232	2025-04-08	Optimal selection of a probabilistic machine learning model for predicting high run chase outcomes in T-20 international cricket 2025-Apr-07, Journal of sports sciences IF:2.3Q2 DOI:10.1080/02640414.2025.2488157 PMID:40192186	研究论文	本研究评估了多种概率机器学习模型在预测T20国际板球比赛中高得分追逐结果的有效性	首次系统地比较了多种贝叶斯概率模型在板球高得分追逐预测中的表现，并确定CAWNB模型为最优选择	研究仅限于T20板球比赛，未考虑其他板球赛制，且未探索混合贝叶斯深度学习方法	评估不同概率机器学习模型在板球高得分追逐预测中的性能	T20国际板球比赛中的高得分追逐情景	机器学习	NA	蒙特卡洛模拟，非参数统计检验	Naïve Bayes, Bayesian Network, BRNN, HNB, CFWNB, CAWNB	比赛数据	NA
7233	2025-04-08	Skull CT metadata for automatic bone age assessment by using three-dimensional deep learning framework 2025-Apr-07, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03469-3 PMID:40192774	研究论文	本研究开发了一种基于三维深度学习框架的头骨CT元数据自动骨龄评估方法，并探索了新的头骨标记物	提出了一种新的三维深度学习框架，用于头骨CT元数据的骨龄评估，并探索了新的头骨标记物	模型在老年组中表现出较大的误差	开发一种准确的三维深度学习框架，用于头骨CT元数据的骨龄评估	头骨CT元数据	计算机视觉	NA	CT扫描	三维深度学习框架	图像	1,085名患者（385,175个头骨CT切片），外加101名患者作为外部验证集
7234	2025-04-08	Phantom-based evaluation of image quality in Transformer-enhanced 2048-matrix CT imaging at low and ultralow doses 2025-Apr-07, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01755-z PMID:40193009	研究论文	比较标准512矩阵、标准1024矩阵和基于Swin2SR的2048矩阵幻影图像在不同扫描协议下的质量	使用Swin2SR超分辨率模型生成2048矩阵图像，相比标准512和1024矩阵图像，提高了空间分辨率并降低了图像噪声	研究仅基于Catphan 600幻影，未涉及真实患者数据	评估Transformer增强的2048矩阵CT图像在低剂量和超低剂量下的图像质量	Catphan 600幻影	医学影像	NA	多排CT扫描、超分辨率重建	Swin2SR、SRCNN	CT图像	Catphan 600幻影
7235	2025-04-08	Optimization on multifractal loss landscapes explains a diverse range of geometrical and dynamical properties of deep learning 2025-Apr-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58532-9 PMID:40185730	research paper	该论文提出了一个理论框架，将深度学习中的损失景观复杂性建模为多重分形，以解释优化器在复杂景观中导航的能力	引入多重分形模型统一解释损失景观的几何特征和优化动力学，提出分数扩散理论说明优化过程如何引导向平滑解空间	未提及具体实验验证或实际应用案例	理解深度学习优化器在复杂损失景观中的动态导航机制	深度学习中的损失景观和优化过程	machine learning	NA	NA	deep neural networks	NA	NA
7236	2025-04-08	CT-based radiomics deep learning signatures for non-invasive prediction of metastatic potential in pheochromocytoma and paraganglioma: a multicohort study 2025-Apr-05, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01952-4 PMID:40185919	research paper	该研究开发并验证了基于CT的放射组学深度学习特征，用于无创预测嗜铬细胞瘤和副神经节瘤的转移潜能	结合放射组学特征和深度学习模型（ResNet），构建了一个能够术前预测PPGL转移潜能的组合模型	研究为回顾性分析，样本量相对有限（249例患者）	开发非侵入性预测嗜铬细胞瘤和副神经节瘤转移潜能的方法	嗜铬细胞瘤和副神经节瘤（PPGL）患者	digital pathology	pheochromocytoma and paraganglioma	CT imaging, radiomics, deep learning	SVM, ResNet-50	CT images	249例PPGL患者（训练集138例，测试集1 71例，测试集2 40例）
7237	2025-04-08	Short-Term Residential Load Forecasting Framework Based on Spatial-Temporal Fusion Adaptive Gated Graph Convolution Networks 2025-Apr-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3551778 PMID:40184286	研究论文	提出了一种基于时空融合自适应门控图卷积网络的短期住宅负荷预测框架	引入了时空融合图构建和创新的门控自适应融合图卷积机制，动态建模时空相关性	未提及具体的数据集规模或实际应用中的潜在限制	提高现代电网中波动性和间歇性电力负荷的预测准确性	住宅短期电力负荷	机器学习	NA	时空融合图卷积网络（STFGCN）、门控时间卷积网络（Gated TCN）	STFAG-GCNs	时空数据	NA
7238	2025-04-08	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	research paper	提出了一种新颖的并行提升神经网络框架（PBNN），用于日前太阳辐照度预测，结合了提升算法和前馈神经网络	提出了一种新的并行提升神经网络框架（PBNN），结合了三种提升决策树算法（XgBoost、CatBoost和RF回归器）作为基础学习器，并通过前馈神经网络（FFNN）分配最优权重以生成最终预测	虽然PBNN在性能上有所提升，但其计算复杂度可能仍然较高，且依赖于特征选择算法的准确性	提高日前太阳辐照度预测的准确性，以支持光伏系统的可靠运行	太阳辐照度数据	machine learning	NA	并行提升神经网络（PBNN）、互信息（MI）算法	PBNN、XgBoost、CatBoost、RF、FFNN	太阳辐照度数据	两个地理数据集（伊斯兰堡和圣地亚哥）
7239	2025-04-08	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	research paper	提出了一种改进的深度学习模型，用于准确预测电动汽车与认知无线电网络整合中的能源需求并实现节能	结合经验模态分解、CNN和海鸥优化算法（EMD-CNN-SOA），提高了能源需求预测的准确性	未提及具体的数据集来源或实验环境限制	解决电动汽车能源需求预测和节能问题，减轻电网负担并降低充电成本	电动汽车和认知无线电网络	machine learning	NA	Empirical Mode Decomposition, Seagull Optimization Algorithm	EMD-CNN-SOA, CNN, LSTM, RNN	NA	NA
7240	2025-04-08	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	research paper	本文提出了一种结合文本和图像处理的混合模型HTIC，用于多模态数据的分类任务	HTIC模型采用复杂的深度学习架构，结合VGG16进行图像分类和Roberta与MYSQL进行文本分类，通过多模态特征提取层确保不同类型数据的兼容性	未明确提及具体局限性	提高多模态数据分类的准确性、可解释性和应用性	多模态数据（文本和图像）	machine learning	NA	深度学习、多模态特征提取	HTIC（混合文本图像分类模型）、VGG16、Roberta、CNN	文本、图像	五个不同的数据集（包括NFT数据集）