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
7541	2025-01-28	Precision Imaging for Early Detection of Esophageal Cancer 2025-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010090 PMID:39851364	研究论文	本研究探讨了利用高光谱成像（HSI）和人工智能（AI）技术提高早期食管癌（ECA）检测的准确性	结合高光谱成像和Yolov5模型，显著提高了早期食管癌检测的准确性和召回率	研究中使用的数据集可能不足以代表所有类型的早期食管癌病例	提高早期食管癌的诊断准确性	早期食管癌	计算机视觉	食管癌	高光谱成像（HSI）	Yolov5	图像	3984张白光图像（WLIs）和3666张窄带图像（NBIs）
7542	2025-01-31	EEG-Based ADHD Classification Using Autoencoder Feature Extraction and ResNet with Double Augmented Attention Mechanism 2025-Jan-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15010095 PMID:39851462	研究论文	本研究旨在通过脑电图（EEG）信号分析，利用深度学习技术改进ADHD的诊断	提出了一种基于双增强注意力机制的ResNet模型，结合自编码器进行特征提取和Reptile搜索算法进行特征选择，以提高ADHD诊断的准确性	研究主要基于EEG数据，可能未涵盖ADHD的所有诊断维度	建立一种客观的ADHD诊断方法	儿童ADHD患者	机器学习	ADHD	EEG信号分析	ResNet	EEG信号	未明确提及样本数量
7543	2025-01-31	Precise Crop Pest Detection Based on Co-Ordinate-Attention-Based Feature Pyramid Module 2025-Jan-20, Insects IF:2.7Q1 DOI:10.3390/insects16010103 PMID:39859684	研究论文	本文提出了一种基于坐标注意力的特征金字塔网络（CAFPN），用于精确检测农作物害虫，并通过动态样本选择策略提高检测精度	设计了基于坐标注意力的特征金字塔网络（CAFPN），并引入了动态样本选择策略，以解决小尺寸害虫检测中的特征提取和样本选择问题	未提及具体局限性	提高农作物害虫的检测精度，特别是小尺寸害虫的识别	农作物害虫	计算机视觉	NA	深度学习	CAFPN（基于坐标注意力的特征金字塔网络）	图像	AgriPest 21数据集和IP102数据集
7544	2025-01-31	Intelligent Intrusion Detection System Against Various Attacks Based on a Hybrid Deep Learning Algorithm 2025-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s25020580 PMID:39860948	研究论文	本文提出了一种基于混合深度学习算法的智能入侵检测系统，旨在提高物联网环境中的安全性	采用多阶段特征提取过程，结合自编码器（AEs）、长短期记忆网络（LSTM）和卷积神经网络（CNN）的优势，有效处理物联网安全数据并识别复杂网络威胁	未提及具体的数据集规模或实验环境的具体限制	提高现有深度学习模型的性能，增强物联网环境中的入侵检测能力	物联网（IoT）环境中的安全数据	机器学习	NA	SMOTE（合成少数类过采样技术）	自编码器（AEs）、长短期记忆网络（LSTM）、卷积神经网络（CNN）	非结构化数据	NA
7545	2025-01-31	A Deep Learning Approach for Mental Fatigue State Assessment 2025-Jan-19, Sensors (Basel, Switzerland) DOI:10.3390/s25020555 PMID:39860925	研究论文	本研究利用深度学习技术，通过分析原始ECG数据、2D频谱特征和受试者的生理信息，评估运动活动中的精神疲劳状态	采用混合深度神经网络模型，结合ResNet和Bi-LSTM进行特征提取，并使用transformer进行特征融合，相较于传统方法和其他深度学习方法，显著提高了疲劳识别的准确性	NA	准确识别运动活动中的精神疲劳状态	运动活动中的精神疲劳	机器学习	NA	深度学习	ResNet, Bi-LSTM, transformer	ECG数据, 2D频谱特征, 生理信息	NA
7546	2025-01-31	Variational Autoencoder-based Model Improves Polygenic Prediction in Blood Cell Traits 2025-Jan-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.13.632820 PMID:39868173	研究论文	本研究通过应用先进的深度学习技术，改进了多基因风险评分（PRS）的预测能力，特别是在血细胞特征方面	提出了基于变分自编码器（VAE）的PRS模型（VAE-PRS），在16个血细胞特征中的14个上优于现有最先进方法，并能捕捉高维数据中的交互效应	研究主要基于生物银行数据，可能在其他类型的数据集上表现不同	提高多基因风险评分（PRS）的预测能力，以更好地理解个体遗传倾向	血细胞特征	机器学习	NA	深度学习	变分自编码器（VAE）	基因组数据	生物银行数据
7547	2025-01-31	Biomarker Investigation Using Multiple Brain Measures from MRI Through Explainable Artificial Intelligence in Alzheimer's Disease Classification 2025-Jan-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010082 PMID:39851356	研究论文	本研究通过可解释的人工智能（XAI）方法，比较了两种深度学习模型在阿尔茨海默病分类中的表现，并评估了它们与已知生物标志物的关联	提出了一种基于梯度加权类激活映射的新型XAI指标，用于定量评估模型决策与已知AD生物标志物的关联，并比较了不同成像模态（MRI与连接性）对模型解释性的影响	研究样本量较小（132个脑区），且仅针对阿尔茨海默病，未涉及其他神经退行性疾病	开发更全面和可信的深度学习模型，以增强其在神经退行性疾病诊断支持工具中的适用性	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI	ResNet18, BC-GCN-SE	图像	132个脑区
7548	2025-01-31	Depression Detection and Diagnosis Based on Electroencephalogram (EEG) Analysis: A Systematic Review 2025-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020210 PMID:39857094	综述	本文系统回顾了基于脑电图（EEG）分析的抑郁症检测与诊断方法，强调了EEG在人工智能驱动方法中的关键作用	本文通过整合EEG与机器学习和深度学习技术，系统分析了利用EEG信号识别抑郁症生物标志物的方法，并提出了未来研究方向	现有数据集的局限性以及诊断模型的可靠性和预测性仍需改进	提高抑郁症诊断的精确性、可扩展性和自动化水平	抑郁症患者	机器学习	抑郁症	EEG分析	机器学习和深度学习模型	EEG信号	NA
7549	2025-01-31	Machine Learning-Based Alzheimer's Disease Stage Diagnosis Utilizing Blood Gene Expression and Clinical Data: A Comparative Investigation 2025-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020211 PMID:39857095	研究论文	本研究利用血液基因表达和临床生物标志物样本，对阿尔茨海默病（AD）的多阶段诊断进行了比较分析，并应用了机器学习技术	首次使用血液基因表达数据进行多分类的AD阶段诊断，并提出了新的机器学习数据增强技术来处理高维低样本量（HDLSS）数据	数据样本量较小且高度不平衡，可能影响模型的泛化能力	比较血液基因表达和临床生物标志物在阿尔茨海默病多阶段诊断中的效果	阿尔茨海默病神经影像倡议（ADNI）参与者的血液基因表达和临床生物标志物样本	机器学习	阿尔茨海默病	机器学习、深度学习、数据增强	XGBoost、SFBS、深度学习分类器、支持向量机（SVM）、梯度提升（GB）、随机森林（RF）	基因表达数据、临床数据	ADNI参与者的血液基因表达和临床生物标志物样本
7550	2025-01-31	Advancements in Obstructive Sleep Apnea Diagnosis and Screening Through Artificial Intelligence: A Systematic Review 2025-Jan-17, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13020181 PMID:39857208	系统性综述	本文系统性回顾了过去十年中利用人工智能（AI）技术进行阻塞性睡眠呼吸暂停（OSA）筛查和诊断的研究	本文首次系统性评估了AI算法在OSA诊断和筛查中的应用，展示了AI在提高诊断准确性、敏感性和特异性方面的显著优势	由于算法的异质性，研究结果需要进一步的严格验证和数据集标准化	评估AI算法在OSA诊断和筛查中的应用潜力	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	机器学习（ML）和深度学习（DL）算法	逻辑回归等	人体测量指标、影像、心电图信号、呼吸信号、血氧测定信号等	109,046名患者
7551	2025-01-31	Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning 2025-Jan-17, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010141 PMID:39858535	研究论文	本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用（PPI）预测的计算方法的最新进展，重点关注机器学习和深度学习技术	通过整合三维空间和生化特征，结构基础的PPI预测方法提供了更高的生物准确性，并提供了对功能位点的洞察	高分辨率结构数据的有限性和有效负采样的需求仍然是挑战	提高蛋白质-蛋白质相互作用预测的准确性，并推动药物发现、生物标志物识别和个性化医学的进展	蛋白质-蛋白质相互作用	机器学习	NA	机器学习和深度学习	ML和DL	蛋白质结构数据	NA
7552	2025-01-31	A Comprehensive Survey of Deep Learning Approaches in Image Processing 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020531 PMID:39860903	综述	本文深入探讨了深度学习在图像处理中的应用，从早期创新到最新进展，分析了架构设计和学习范式的演变，以及模型效率、泛化能力和鲁棒性的提升	全面总结了深度学习在图像处理中的关键进展，并提出了未来可能的研究方向，如量子计算、神经形态架构和联邦学习的结合	未涉及具体实验数据或模型性能的详细对比	探讨深度学习在图像处理中的演变及其未来发展方向	深度学习在图像处理中的应用	计算机视觉	NA	深度学习	NA	图像	NA
7553	2025-01-31	Abundant repressor binding sites in human enhancers are associated with the fine-tuning of gene regulation 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111658 PMID:39868043	研究论文	本研究利用深度学习技术解析HepG2增强子中的正负活性区域，揭示了抑制性结合位点在基因调控中的精细调节作用	首次将深度学习应用于增强子区域的正负活性划分，并发现人类增强子中丰富的抑制性结合位点与基因表达的精细调控相关	研究主要基于HepG2细胞系，可能无法完全代表其他细胞类型或组织中的增强子调控机制	探究增强子中转录因子结合位点对基因表达的调控机制	HepG2细胞系中的增强子区域	机器学习	NA	深度学习	NA	基因序列数据	HepG2细胞系中的增强子区域
7554	2025-01-31	Deep learning uncovers histological patterns of YAP1/TEAD activity related to disease aggressiveness in cancer patients 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111638 PMID:39868035	研究论文	本文利用深度学习技术从H&E染色组织切片中预测YAP1/TEAD活性，并探讨其与癌症患者疾病侵袭性的关系	首次将深度学习应用于组织切片，预测YAP1/TEAD活性，并验证其在多个癌症中的稳健性	需要进一步验证该方法在不同癌症类型中的普适性和临床应用的可行性	开发一种可重复且成本效益高的方法来测量Hippo信号通路的激活状态，以增强治疗效果	癌症患者的H&E染色组织切片	数字病理学	癌症	深度学习	NA	图像	七个独立的验证队列
7555	2025-01-31	LEHP-DETR: A model with backbone improved and hybrid encoding innovated for flax capsule detection 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111558 PMID:39877068	研究论文	本文提出了一种名为LEHP-DETR的改进模型，用于亚麻籽胶囊的检测，通过引入多个新模块显著提升了检测性能	引入了RepNCSPELAN4模块、ADown模块、Context Aggregation模块和TFE模块，并设计了HWD-ADown模块、HiLo-AIFI模块和DSSFF模块，显著提升了模型性能	未提及模型的泛化能力或其他数据集的测试结果	开发一种高效且准确的亚麻籽胶囊检测模型	亚麻籽胶囊	计算机视觉	NA	深度学习	LEHP-DETR	图像	未明确提及样本数量
7556	2025-01-31	Validation of a Fingertip Home Sleep Apnea Testing System Using Deep Learning AI and a Temporal Event Localization Analysis 2025-Jan-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae317 PMID:39821673	研究论文	本文验证了TipTraQ，一种紧凑型家庭睡眠呼吸暂停测试系统，通过深度学习AI和时态事件定位分析评估其性能	TipTraQ系统结合了指尖穿戴设备、移动应用和基于云的深度学习AI系统，利用PPG和加速度计传感器进行睡眠呼吸暂停评估	研究仅在两个医疗中心进行，样本量相对较小，可能限制了结果的普遍性	验证TipTraQ系统在家庭睡眠呼吸暂停测试中的准确性和可靠性	疑似阻塞性睡眠呼吸暂停（OSA）的患者	数字病理学	阻塞性睡眠呼吸暂停	PPG（红光、红外光和绿光通道）和加速度计传感器	深度学习AI	传感器数据	240名参与者用于内部验证，112名参与者用于外部验证
7557	2025-01-31	FE-YOLO: An Efficient Deep Learning Model Based on Feature-Enhanced YOLOv7 for Microalgae Identification and Detection 2025-Jan-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10010062 PMID:39851778	研究论文	本文提出了一种基于特征增强YOLOv7的高效深度学习模型FE-YOLO，用于微藻的识别与检测	通过集成CAGS注意力模块增强特征提取能力，并使用SIoU算法替代CIoU损失函数以解决收敛不稳定的问题	NA	提高微藻细胞识别与检测的准确性和效率	微藻细胞	计算机视觉	NA	深度学习	YOLOv7, FE-YOLO	图像	包含7种微藻的6300张图像
7558	2025-01-31	Overview of Deep Learning and Nondestructive Detection Technology for Quality Assessment of Tomatoes 2025-Jan-16, Foods (Basel, Switzerland) DOI:10.3390/foods14020286 PMID:39856952	综述	本文系统综述了基于机械特性、电磁特性和电化学传感器的无损检测技术原理及其在番茄质量评估中的应用，并探讨了深度学习在数据分析中的应用	结合深度学习技术，系统总结了无损检测技术在番茄质量评估中的应用，并展望了未来发展方向	讨论了无损检测技术与深度学习在番茄质量评估中的局限性和未来期望	提供无损检测技术在番茄质量评估中的系统概述，并探讨深度学习在其中的应用	番茄	农业工程	NA	无损检测技术	深度学习	机械特性、电磁特性、电化学传感器数据	NA
7559	2025-01-31	Artificial Intelligence and Neuroscience: Transformative Synergies in Brain Research and Clinical Applications 2025-Jan-16, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14020550 PMID:39860555	review	本文探讨了人工智能（AI）与神经科学的融合如何重新定义我们对大脑的理解，并在研究、诊断和治疗方面开辟新的可能性	AI的前沿算法，从深度学习到神经形态计算，正在通过分析复杂的神经数据集（如神经影像、电生理学和基因组分析）革新神经科学	挑战包括数据整合问题、伦理考虑以及许多AI系统的“黑箱”性质，强调了透明、公平和跨学科方法的必要性	探索AI与神经科学的融合如何推动脑科学的发展，并在医疗、技术等领域带来前所未有的进步	神经科学中的复杂神经数据集，包括神经影像、电生理学和基因组分析	神经科学	NA	深度学习、神经形态计算	NA	神经影像、电生理学、基因组分析	NA
7560	2025-01-31	Enhanced Neural Architecture for Real-Time Deep Learning Wavefront Sensing 2025-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s25020480 PMID:39860850	研究论文	本研究提出了一种基于卷积神经网络（CNN）的增强型波前传感神经网络（WFSNet），用于实时深度学习波前传感（DLWFS）	引入了一种新颖的多目标神经架构搜索（MNAS）方法，旨在实现WFSNet在误差和浮点运算（FLOPs）方面的帕累托最优性	仅在室内实验中验证了有效性，尚未在真实大气湍流环境中进行测试	实现实时深度学习波前传感，以应对大气湍流引起的动态随机波前畸变	波前传感神经网络（WFSNet）	计算机视觉	NA	卷积神经网络（CNN）	EfficientNet-B0	图像	NA