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
7721	2025-01-29	Preserved brain youthfulness: longitudinal evidence of slower brain aging in superagers 2025-Jan-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01531-x PMID:39871070	研究论文	本文研究了超级老人（具有卓越认知能力的老年人）是否具有生物上更年轻的大脑，基于其结构完整性	通过深度学习模型预测大脑年龄，并比较超级老人与普通老年人的大脑年龄差距（BAG）及其变化率，揭示了超级老人在大脑老化状态和速度上的优势	样本量相对较小，且仅关注了大脑结构，未涉及其他可能的生物学或环境因素	探讨超级老人是否具有生物上更年轻的大脑，以及其大脑老化状态和速度	153名老年人（61-93岁），其中63名被分类为超级老人，90名为普通老年人	机器学习	老年疾病	深度学习	深度学习模型	大脑结构数据	153名老年人（61-93岁），其中63名超级老人和90名普通老年人，64名在两年后进行了随访
7722	2025-01-29	Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning 2025-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56297-9 PMID:39843414	研究论文	本文提出了一种新的ANN架构，该架构结合了生物树突的结构化连接和受限采样特性，以克服传统深度学习算法的局限性	引入了生物树突的结构化连接和受限采样特性，提出了一种新的ANN架构，使得网络在图像分类任务中表现更优，且使用更少的可训练参数	NA	提高人工神经网络的学习精度、鲁棒性和参数效率	人工神经网络（ANNs）	机器学习	NA	NA	ANN	图像	NA
7723	2025-01-26	NuFold: end-to-end approach for RNA tertiary structure prediction with flexible nucleobase center representation 2025-Jan-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56261-7 PMID:39837861	研究论文	本文介绍了一种名为NuFold的新型计算方法，利用先进的深度学习架构准确预测RNA的三级结构	NuFold采用端到端的深度神经网络，结合核苷碱基中心表示法，能够灵活处理核糖环的构象，并在构建RNA局部几何结构方面表现出色	未明确提及具体局限性	解决RNA三级结构预测的挑战，填补RNA序列与结构数据之间的差距	RNA的三级结构	机器学习	NA	深度学习	深度神经网络	RNA序列	未明确提及样本数量
7724	2025-01-29	Deep Drug-Target Binding Affinity Prediction Base on Multiple Feature Extraction and Fusion 2025-Jan-21, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c08048 PMID:39866608	研究论文	本文提出了一种基于多特征提取和融合的深度药物-靶标结合亲和力预测模型BTDHDTA，旨在提高药物发现中的预测准确性	BTDHDTA模型通过双向门控循环单元（GRU）、Transformer编码器和扩张卷积提取药物和靶标的全局、局部及其相关性特征，并引入结合卷积神经网络和高速公路连接的模块来融合药物和蛋白质的深层特征	模型在特征提取和融合过程中可能仍存在一定的计算复杂性和数据依赖性	提高药物-靶标结合亲和力（DTA）预测的准确性，以促进药物发现	药物和靶标数据	机器学习	NA	深度学习	BTDHDTA（结合GRU、Transformer编码器、扩张卷积和CNN的模型）	序列数据	三个基准数据集（Davis、KIBA和Metz）以及3137种FDA批准药物与SARS-CoV-2复制相关蛋白的结合亲和力预测
7725	2025-01-28	Plant Detection in RGB Images from Unmanned Aerial Vehicles Using Segmentation by Deep Learning and an Impact of Model Accuracy on Downstream Analysis 2025-Jan-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010028 PMID:39852341	研究论文	本文提出了一种基于深度学习的图像分割方法，用于从无人机获取的图像中检测五种植物，并探讨了模型精度对后续分析的影响	通过结合无人机图像和深度学习算法，提出了一种新的植物检测方法，并分析了模型精度对纹理特征估计的影响	不同分辨率和标记质量的图像对模型性能的影响可能导致对田间种植模式特性的错误结论	提高无人机图像中植物检测的准确性，并评估其对后续纹理特征分析的影响	五种植物	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	12个正射影像和17个来自Roboflow服务的数据集
7726	2025-01-28	Deep Learning in Oral Hygiene: Automated Dental Plaque Detection via YOLO Frameworks and Quantification Using the O'Leary Index 2025-Jan-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020231 PMID:39857115	研究论文	本研究利用先进的YOLO架构自动检测牙菌斑的三个阶段（新、成熟和过度成熟），并通过O'Leary指数进行量化，以增强早期干预并减少对人工视觉评估的依赖	首次将YOLOv9、YOLOv10和YOLOv11等YOLO架构应用于牙菌斑检测，并在不同成像条件下验证了其可行性	研究样本量较小（177人），且仅使用了RGB图像，未涉及其他类型的医学影像数据	通过自动检测牙菌斑阶段，优化临床工作流程，支持早期诊断，并减轻低资源社区的口腔健康负担	牙菌斑的三个阶段（新、成熟和过度成熟）	计算机视觉	口腔疾病	YOLO架构	YOLOv9, YOLOv10, YOLOv11	RGB图像	177人，共531张RGB图像
7727	2025-01-29	A Feature-Enhanced Small Object Detection Algorithm Based on Attention Mechanism 2025-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s25020589 PMID:39860960	研究论文	本文提出了一种基于注意力机制的特征增强小目标检测算法，旨在解决无人机图像中小目标检测的挑战	使用YOLOv8s作为基础框架，引入多层次特征融合算法和注意力机制，改进小目标特征提取，并采用动态检测头和Slideloss、ShapeIoU等技术提升检测性能	未提及算法在极端环境或复杂背景下的表现，也未讨论计算资源消耗和实时性	提升无人机图像中小目标检测的准确性和召回率	无人机图像中的小目标	计算机视觉	NA	多层次特征融合算法、注意力机制、动态检测头、Slideloss、ShapeIoU	YOLOv8s	图像	VisDrone2019和AI-TODv1.5数据集
7728	2025-01-28	Blink Detection Using 3D Convolutional Neural Architectures and Analysis of Accumulated Frame Predictions 2025-Jan-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11010027 PMID:39852340	研究论文	本文提出并比较了用于检测视频帧序列中眨眼的深度学习架构，并提出了结合形态学处理和水域分割的帧预测累加器来检测眨眼及其起止帧	提出了两种不同的3D卷积神经网络（简单的3D CNN和3D ResNet）以及结合分类器的3D自编码器，并引入了帧预测累加器结合形态学处理和水域分割的新方法	样本量相对较小，仅涉及9名参与者的训练数据和8名参与者的测试数据	开发一种有效的眨眼检测方法，用于临床条件和疲劳状态的评估	视频帧序列中的眨眼	计算机视觉	NA	深度学习	3D CNN, 3D ResNet, 3D autoencoder	视频	9名参与者的训练数据和8名参与者的测试数据，共162,400帧和1172次眨眼
7729	2025-01-28	Deep Learning-Based Glioma Segmentation of 2D Intraoperative Ultrasound Images: A Multicenter Study Using the Brain Tumor Intraoperative Ultrasound Database (BraTioUS) 2025-Jan-19, Cancers IF:4.5Q1 DOI:10.3390/cancers17020315 PMID:39858097	研究论文	本研究旨在开发一种基于卷积神经网络（CNN）的模型，用于多中心数据集中的胶质瘤分割，以增强术中超声（ioUS）图像的可解释性	利用多中心数据集开发CNN模型进行胶质瘤分割，支持多中心ioUS图像分割的可行性	未来工作需增强分割细节并探索实时临床应用	开发CNN模型用于胶质瘤分割，以增强术中超声图像的可解释性	胶质瘤患者	数字病理	胶质瘤	CNN	nnU-Net	2D图像	197名受试者（训练集141名，测试集56名，外部验证集53名）
7730	2025-01-23	Predicting metabolite response to dietary intervention using deep learning 2025-Jan-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56165-6 PMID:39827177	研究论文	本文开发了一种名为McMLP的深度学习方法，用于预测个体对饮食干预的代谢物反应	McMLP方法填补了现有预测方法在深度学习领域的空白，并在合成数据和真实数据上均优于现有方法	NA	开发一种能够基于个体肠道微生物组成准确预测代谢物反应的方法，以实现精准营养	个体对特定食物和营养素的代谢物反应	机器学习	NA	深度学习	McMLP（耦合多层感知器）	合成数据和真实数据	六项饮食干预研究的数据
7731	2025-01-28	TBF-YOLOv8n: A Lightweight Tea Bud Detection Model Based on YOLOv8n Improvements 2025-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s25020547 PMID:39860916	研究论文	本文提出了一种基于YOLOv8n改进的轻量级茶叶芽检测模型TBF-YOLOv8n，旨在提高茶叶芽检测的效率和精度	通过引入高效的分布式移位卷积（DSConv）改进C2f模块，结合坐标注意力（CA）机制、SIOU_Loss函数和动态样本上采样算子（DySample），显著提升了模型的检测精度和效率	未提及模型在实际茶园环境中的泛化能力和对不同光照、遮挡等复杂条件的适应性	解决深度学习检测模型计算复杂度高的问题，推动茶叶产业的智能化升级	茶叶芽	计算机视觉	NA	深度学习	YOLOv8n改进模型（TBF-YOLOv8n）	图像	未明确提及具体样本数量
7732	2025-01-29	Zero-Shot Traffic Identification with Attribute and Graph-Based Representations for Edge Computing 2025-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s25020545 PMID:39860913	研究论文	本文提出了一种基于流量行为和属性表示的零样本学习框架AG-ZSL，用于通用加密流量分类	AG-ZSL框架通过捕获基于突发流量交互图的流量行为嵌入和从流量属性描述中学习属性嵌入，最小化共享特征空间中的嵌入距离，实现了对已知和未知流量的有效分类	NA	解决细粒度流量识别在处理未见样本时的挑战，提升网络边缘的安全和高效流量管理	加密流量	机器学习	NA	零样本学习	K-Nearest Neighbors	流量数据	IoT数据集
7733	2025-01-29	The Application of an Intelligent Agaricus bisporus-Harvesting Device Based on FES-YOLOv5s 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020519 PMID:39860890	研究论文	本研究设计了一种基于机器视觉的智能双孢菇采摘设备，采用FES-YOLOv5s深度学习目标检测模型进行精准识别与定位，并通过S曲线加减速电机控制算法实现高效采摘	创新点在于结合FES-YOLOv5s深度学习模型和S曲线加减速电机控制算法，显著提高了采摘效率和精度，同时减少了振动和损伤	研究未涉及设备在不同环境条件下的适应性测试，也未讨论设备的长期稳定性和维护成本	旨在解决双孢菇人工采摘效率低、损伤大、成本高的问题，开发智能采摘设备	双孢菇	计算机视觉	NA	深度学习	FES-YOLOv5s	图像	未明确说明样本数量
7734	2025-01-28	Improving Industrial Quality Control: A Transfer Learning Approach to Surface Defect Detection 2025-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s25020527 PMID:39860894	研究论文	本文开发了一种结合偏转测量和强光照明图像采集、深度学习模型以及在线网络的自动缺陷检测和分类系统，用于加热设备涂漆表面的质量控制	通过结合双模态信息在决策层面进行融合，使用预训练网络（ResNet-50和Inception V3）进行迁移学习，提高了缺陷分类的准确性	未提及系统在实际工业环境中的长期稳定性和适应性	自动化加热设备涂漆表面的质量控制	加热设备的涂漆表面	计算机视觉	NA	偏转测量和强光照明图像采集	ResNet-50, Inception V3	图像	未明确提及样本数量
7735	2025-01-29	GenVarLoader: An accelerated dataloader for applying deep learning to personalized genomics 2025-Jan-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.15.633240 PMID:39868273	研究论文	本文介绍了GenVarLoader，一种用于加速个性化基因组学深度学习的工具	GenVarLoader通过新的内存映射格式存储个性化基因组数据，实现了比现有方法快约1000倍的吞吐量和约2000倍的压缩率	NA	提高个性化基因组学中深度学习模型的应用效率	个性化基因组数据	机器学习	NA	深度学习	NA	基因组数据	NA
7736	2025-01-29	Automated Audit and Self-Correction Algorithm for Seg-Hallucination Using MeshCNN-Based On-Demand Generative AI 2025-Jan-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010081 PMID:39851355	研究论文	本文提出了一种自动化Seg-Hallucination监测和校正算法（ASHSC），利用3D器官掩码信息进行医学图像分割的自我校正	提出了一种不依赖真实标签的自动化Seg-Hallucination监测和校正算法，结合了基于网格的卷积神经网络和生成式人工智能	算法仅在CT图像上进行了验证，未涉及其他类型的医学影像数据	提高医学图像分割的效率和可靠性，减少Seg-Hallucination对定量分析和成像生物标志物的影响	CT图像中的3D器官掩码	计算机视觉	NA	生成式人工智能	MeshCNN	3D CT图像	554个CT扫描（280个用于训练，274个用于性能评估）
7737	2025-01-29	Time Series Data Augmentation for Energy Consumption Data Based on Improved TimeGAN 2025-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s25020493 PMID:39860862	研究论文	本文提出了一种基于改进TimeGAN模型的时间序列数据增强方法，用于优化制造过程中的能源消耗数据预测	在TimeGAN模型中加入了多头自注意力机制层，以提高预测准确性	未提及具体的数据收集限制或模型在其他数据集上的泛化能力	优化能源管理效率，减少企业维护成本	制造过程中的能源消耗数据	机器学习	NA	时间序列数据增强	改进的TimeGAN模型，混合CNN-GRU模型	时间序列数据	未提及具体样本数量
7738	2025-01-28	Milk Composition Is Predictive of Low Milk Supply Using Machine Learning Approaches 2025-Jan-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020191 PMID:39857075	研究论文	本研究旨在通过机器学习方法预测低乳量，并探讨低乳量与正常乳量母亲之间乳汁成分的差异	首次将机器学习算法应用于低乳量的预测，结合乳汁成分及母婴特征，开发出高精度的预测模型	样本量相对较小，仅包含164名女性，可能影响模型的泛化能力	研究低乳量的预测方法，以支持母乳喂养和确保婴儿营养	58名低乳量母亲和106名正常乳量母亲	机器学习	NA	机器学习算法	深度学习和梯度提升机	乳汁成分数据及母婴特征数据	164名女性（58名低乳量，106名正常乳量）
7739	2025-01-29	A Novel CNN-Based Framework for Alzheimer's Disease Detection Using EEG Spectrogram Representations 2025-Jan-14, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15010027 PMID:39852219	研究论文	本文提出了一种基于CNN的深度学习框架，用于通过EEG频谱图表示来检测阿尔茨海默病	提出了一种新的深度学习框架，结合了先进的预处理技术和基于FFT的频谱图的CNN分类，用于EEG信号的分类	未提及具体局限性	开发一种自动化的方法来诊断阿尔茨海默病和其他痴呆症，如额颞叶痴呆	阿尔茨海默病（AD）、额颞叶痴呆（FTD）和对照组（CN）的EEG信号	机器学习	阿尔茨海默病	EEG频谱图表示	CNN	EEG信号	未提及具体样本数量
7740	2025-01-28	An Efficient 3D Convolutional Neural Network for Dose Prediction in Cancer Radiotherapy from CT Images 2025-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020177 PMID:39857061	研究论文	本文提出了一种基于3D卷积神经网络的模型，用于从CT图像中预测癌症放疗的剂量分布	提出了一种定制的3D卷积神经网络模型，采用U-Net架构，并使用基于剂量-体积直方图的损失函数来训练模型，确保预测的剂量浓度在放疗中具有高度意义	模型仅在头颈癌患者的数据集上进行了训练和测试，可能不适用于其他类型的癌症	构建一个高性能的深度学习模型，用于预测癌症放疗的剂量分布，并开发易于操作的软件	头颈癌患者的CT图像	计算机视觉	头颈癌	3D卷积神经网络	U-Net	CT图像	200名头颈癌患者用于训练，100名用于测试，40名用于验证