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
7701	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
7702	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
7703	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
7704	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
7705	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
7706	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
7707	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
7708	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
7709	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
7710	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
7711	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
7712	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
7713	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
7714	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
7715	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
7716	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
7717	2025-01-31	A Deep-Learning Method for Remaining Useful Life Prediction of Power Machinery via Dual-Attention Mechanism 2025-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s25020497 PMID:39860867	研究论文	本文提出了一种基于双注意力机制的深度学习方法，用于预测动力机械的剩余使用寿命（RUL）	提出了一种多特征融合模型，结合了卷积神经网络（CNN）、通道注意力机制、门控循环单元（GRU）和自注意力机制，以更全面地提取和整合时空特征	现有模型在全面特征提取方面存在困难，尤其是在捕捉动力机械复杂行为时，非线性退化模式在不同操作条件下出现	提高动力机械剩余使用寿命（RUL）预测的可靠性和准确性	动力机械	机器学习	NA	深度学习	CNN, GRU, 双注意力机制	时间序列数据	C-MAPSS数据集
7718	2025-01-31	LightweightUNet: Multimodal Deep Learning with GAN-Augmented Imaging Data for Efficient Breast Cancer Detection 2025-Jan-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010073 PMID:39851348	研究论文	本文提出了一种名为LightweightUNet的混合深度学习分类器，用于乳腺癌的准确分类，并通过多模态方法验证了其性能	提出了创新的LightweightUNet混合深度学习分类器，具有较低的计算成本和自适应特性，使用深度可分离卷积，并通过GAN生成合成图像增强数据集	未提及具体的局限性	开发一种高效、自动且精确的乳腺癌检测方法	乳腺癌检测	计算机视觉	乳腺癌	GAN（生成对抗网络）	LightweightUNet	图像	13,000张图像（来自两种模态：乳腺X光成像和超声成像），并使用StyleGAN3生成10,000张合成超声图像
7719	2025-01-31	Topology Design of Soft Phononic Crystals for Tunable Band Gaps: A Deep Learning Approach 2025-Jan-15, Materials (Basel, Switzerland) DOI:10.3390/ma18020377 PMID:39859848	研究论文	本文提出了一种基于深度学习的框架，用于设计具有可调带隙的软声子晶体拓扑结构	使用条件变分自编码器和多层感知器构建深度学习框架，实现从带隙到拓扑布局的映射关系，提高了设计的智能性和灵活性	NA	探索软声子晶体的拓扑设计，以实现可调带隙	软声子晶体	机器学习	NA	深度学习	条件变分自编码器（CVAE）、多层感知器（MLP）	NA	NA
7720	2025-01-31	Predicting Semen Analysis Parameters from Testicular Ultrasonography Images Using Deep Learning Algorithms: An Innovative Approach to Male Infertility Diagnosis 2025-Jan-15, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14020516 PMID:39860522	研究论文	本研究评估了基于深度学习算法的人工智能在预测睾丸超声图像中的精液分析参数方面的有效性	首次使用深度学习算法从睾丸超声图像中预测精液分析参数，为男性不育诊断提供了创新方法	研究样本量有限，且所有操作由同一操作者完成，可能存在操作者偏差	评估人工智能在男性不育诊断中的应用效果	18-54岁因不育问题就诊的男性患者	计算机视觉	男性不育	深度学习	VGG-16	图像	2022年2月至2023年4月期间就诊的男性患者