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
8721	2025-01-26	An efficient and lightweight detection method for stranded elastic needle defects in complex industrial environments using VEE-YOLO 2025-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85721-9 PMID:39843892	研究论文	本文提出了一种名为VEE-YOLO的高效轻量级检测方法，用于复杂工业环境中的弹性针缺陷检测	引入YOLOv8-n作为核心网络，提出VEE-YOLO模型，通过GSConv增强特征提取，改进特征提取质量，并使用EIoU Loss替代CIoU Loss以提高检测性能	未提及具体局限性	提高复杂工业环境中小尺寸、密集排列零件的缺陷检测性能	弹性针缺陷	计算机视觉	NA	深度学习	YOLOv8-n, VEE-YOLO	图像	未提及具体样本数量
8722	2025-01-26	Memristor-based feature learning for pattern classification 2025-Jan-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56286-y PMID:39837872	研究论文	本文提出了一种基于忆阻器漂移扩散动力学的特征学习技术，用于模式分类任务	利用单个忆阻器的动态响应来学习特征，显著减少了模型参数和计算操作，相比深度模型分别减少了2和4个数量级	需要进一步验证在不同应用场景下的通用性和稳定性	通过半导体物理直接实现特征学习，以减少模型与硬件之间的差异	忆阻器芯片	机器学习	NA	忆阻器漂移扩散动力学	NA	NA	180纳米忆阻器芯片
8723	2025-01-26	Design of an integrated model with temporal graph attention and transformer-augmented RNNs for enhanced anomaly detection 2025-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85822-5 PMID:39837915	研究论文	本文提出了一种集成模型，结合时间图注意力和Transformer增强的RNNs，用于增强复杂环境中摄像头监控系统的异常检测	结合RNNs与GATs有效建模跨摄像头的长期依赖关系，采用Transformer-Augmented RNN通过自注意力机制改进时间建模，使用多模态变分自编码器融合视频、音频和运动传感器信息，并应用原型网络进行少样本学习	未明确提及具体限制	提高复杂环境中摄像头监控系统的异常检测效率和准确性	摄像头监控系统中的异常检测	计算机视觉	NA	深度学习模型，包括RNNs、GATs、Transformer-Augmented RNN、多模态变分自编码器、原型网络	RNNs、GATs、Transformer-Augmented RNN、多模态变分自编码器、原型网络	视频、音频、运动传感器数据	未明确提及具体样本数量
8724	2025-01-26	Research on credit risk of listed companies: a hybrid model based on TCN and DilateFormer 2025-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86371-7 PMID:39837952	研究论文	本文提出了一种基于TCN和DilateFormer的混合模型，用于提高上市公司信用风险评估的准确性	结合Transformer和CNN的概念，提出了一种新的混合模型TCN-DilateFormer，以增强对长时间金融数据的捕捉能力并解决高维金融数据的挑战	未提及具体局限性	提高上市公司信用风险评估的准确性	上市公司的信用风险	机器学习	NA	NA	TCN-DilateFormer	金融数据	未提及具体样本数量
8725	2025-01-26	College students' entrepreneurship education path and management strategy of start-up enterprises using causal attribution theory 2025-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86797-z PMID:39837953	研究论文	本研究旨在通过因果归因理论提升大学生创业教育的有效性，并提高初创企业的安全系数	结合深度学习和人工智能技术分析初创企业的风险影响因素，并提出基于因果归因理论的教育路径和管理策略	未提及具体样本量或数据来源的局限性	提升大学生创业教育的效果和初创企业的管理策略	大学生创业教育和初创企业	机器学习	NA	深度学习（DL）和人工智能（AI）	NA	问卷数据和文献数据	未提及具体样本量
8726	2025-01-26	A comparative study on different machine learning approaches with periodic items for the forecasting of GPS satellites clock bias 2025-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87328-6 PMID:39838080	研究论文	本文比较了四种考虑周期性变化的机器学习模型在预测GPS卫星时钟偏差方面的效果	本文创新性地将周期性变化因素纳入机器学习模型，以提高GPS卫星时钟偏差的预测精度	研究仅基于国际GNSS服务预报实验的精确卫星时钟偏差数据，未涉及其他数据源或实际应用场景	提高GPS卫星时钟偏差的预测精度，以增强实时定位的准确性	GPS卫星时钟偏差	机器学习	NA	NA	BPNN, WNN, LSTM, GRU	时间序列数据	国际GNSS服务预报实验的精确卫星时钟偏差数据
8727	2025-01-26	A multi-modal deep learning model for prediction of Ki-67 for meningiomas using pretreatment MR images 2025-Jan-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00811-1 PMID:39838113	研究论文	本研究开发并验证了一种基于基线磁共振成像（MRI）的深度学习网络，用于预测脑膜瘤患者的Ki-67状态	利用多模态深度学习模型预测Ki-67状态，并通过Kaplan-Meier生存分析探讨模型在肿瘤生长预测中的应用	研究为回顾性设计，可能存在选择偏差	开发一种有效的工具，用于早期预测Ki-67和肿瘤体积增长，以辅助个体化患者管理	脑膜瘤患者	数字病理	脑膜瘤	深度学习	多模态深度学习模型	MRI图像	1239名患者，来自三家医院
8728	2025-01-22	Publisher Correction: Speech-based personality prediction using deep learning with acoustic and linguistic embeddings 2025-Jan-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86466-1 PMID:39833270	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8729	2025-01-26	Energy consumption prediction using modified deep CNN-Bi LSTM with attention mechanism 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41507 PMID:39850437	研究论文	本文提出了一种改进的深度CNN-Bi LSTM模型，结合注意力机制，用于家庭能源消耗预测	结合了深度CNN和Bi-LSTM模型，并引入注意力机制，以提高时间序列数据的预测准确性	未提及模型在其他数据集或实际应用中的泛化能力	提高家庭能源消耗预测的准确性，以优化能源生成和存储	家庭能源消耗数据	机器学习	NA	深度学习	CNN-Bi LSTM	时间序列数据	NA
8730	2025-01-26	Challenges and applications of artificial intelligence in infectious diseases and antimicrobial resistance 2025-Jan-07, npj antimicrobials and resistance DOI:10.1038/s44259-024-00068-x PMID:39843587	综述	本文探讨了人工智能在传染病和抗菌药物耐药性领域的应用及其挑战	强调了人工智能在病原体检测、耐药性预测和药物发现中的创新应用	指出了人工智能在该领域应用中仍需改进的地方	研究人工智能在传染病控制和抗菌药物耐药性中的应用	传染病和抗菌药物耐药性	机器学习	传染病	机器学习和深度学习	NA	NA	NA
8731	2025-01-26	The value of 18F-fluorodeoxyglucose positron emission tomography-based radiomics in non-small cell lung cancer 2025 Jan-Mar, Tzu chi medical journal IF:1.4Q2 DOI:10.4103/tcmj.tcmj_124_24 PMID:39850392	综述	本文综述了基于18F-氟脱氧葡萄糖正电子发射断层扫描（F-FDG PET）的放射组学在非小细胞肺癌（NSCLC）中的应用及其价值	总结了F-FDG PET放射组学在NSCLC中的应用，包括转移检测、组织病理学分型、驱动突变表征、治疗反应评估和生存结果评估，并探讨了基于F-FDG PET的深度学习的价值	当前研究缺乏对F-FDG PET放射组学潜在生物学意义的深入基础研究，且临床应用的重复性有待验证	探讨F-FDG PET放射组学在NSCLC精准医学中的应用价值	非小细胞肺癌（NSCLC）	数字病理学	肺癌	F-FDG PET	深度学习	医学影像	NA
8732	2025-01-26	Artificial Intelligence in Diagnosis and Management of Nail Disorders: A Narrative Review 2025 Jan-Feb, Indian dermatology online journal IF:1.9Q3 DOI:10.4103/idoj.idoj_460_24 PMID:39850679	综述	本文综述了人工智能在甲病诊断和管理中的应用，包括其在诊断甲真菌病、甲下黑色素瘤、甲银屑病、甲襞毛细血管镜及系统性疾病的甲表现中的作用	本文首次全面回顾了人工智能在甲病学领域的应用，特别是深度学习卷积神经网络在甲图像解读中的高敏感性和特异性	数据稀缺、图像异质性、可解释性问题、法规遵从性和工作流程整合不良等问题阻碍了人工智能在甲病学实践中的无缝应用	探讨人工智能在甲病诊断和管理中的应用及其潜力	甲病，包括甲真菌病、甲下黑色素瘤、甲银屑病、甲襞毛细血管镜及系统性疾病的甲表现	数字病理	NA	深度学习卷积神经网络（CNNs）	CNN	图像	NA
8733	2025-01-26	Optimizing predictions of environmental variables and species distributions on tidal flats by combining Sentinel-2 images and their deep-learning features with OBIA 2025, International journal of remote sensing IF:3.0Q2 DOI:10.1080/01431161.2024.2423909 PMID:39850715	研究论文	本研究结合Sentinel-2影像及其深度学习特征与基于对象的图像分析（OBIA），优化了潮滩环境变量和物种分布的预测	首次将深度学习特征与OBIA结合，显著提高了潮滩环境变量和物种分布的预测精度	光谱对比度有限，且预测精度仍有提升空间	优化潮滩环境变量和物种分布的预测	潮滩沉积物特性和大型底栖动物	计算机视觉	NA	深度学习，基于对象的图像分析（OBIA）	卷积自编码器，随机森林	图像	2018至2020年荷兰瓦登海的Pinkegat和Zoutkamperlaag潮盆数据
8734	2025-01-26	Characterization of saffron from different origins by HS-GC-IMS and authenticity identification combined with deep learning 2024-Dec-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101981 PMID:39850938	研究论文	本文开发了一种结合顶空气相色谱-离子迁移谱（HS-GC-IMS）和卷积神经网络（CNN）的方法，用于快速识别藏红花的来源和掺假	首次将HS-GC-IMS与CNN结合，用于藏红花的来源和掺假识别，实现了高准确率的预测	未提及样本的具体来源和数量，可能影响模型的泛化能力	开发一种快速可靠的策略，用于识别藏红花的来源和掺假	藏红花	机器学习	NA	HS-GC-IMS	CNN	图像	NA
8735	2025-01-26	Accurate size-based protein localization from cryo-ET tomograms 2024-Dec, Journal of structural biology: X DOI:10.1016/j.yjsbx.2024.100104 PMID:39044770	研究论文	本文提出了一种基于大小的蛋白质定位方法，用于从冷冻电子断层扫描（cryo-ET）图像中快速准确地挑选蛋白质颗粒	该方法不需要外部模板或用户提供的标签，且计算效率高，适用于非专用CPU硬件	未提及具体局限性	提高冷冻电子断层扫描图像分析中蛋白质颗粒挑选的准确性和效率	冷冻电子断层扫描图像中的蛋白质颗粒	计算机视觉	NA	冷冻电子断层扫描（cryo-ET）和子断层图平均（STA）	NA	3D图像	不同类型的样本的断层图
8736	2025-01-26	Evolutionary Strategies AI Addresses Multiple Technical Challenges in Deep Learning Deployment: Proof-of-Principle Demonstration for Neuroblastoma Brain Metastasis Detection 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01165-z PMID:38886289	研究论文	本文探讨了深度神经进化（DNE）在解决放射学AI中的过拟合和泛化性问题上的应用，特别是在神经母细胞瘤脑转移检测中的表现	展示了DNE在多样化外部验证集上的泛化能力，证明了其在小数据集上的准确预测能力	DNE的泛化能力尚未在其他疾病或更大规模的数据集上得到验证	解决放射学AI中的过拟合和泛化性问题，提升AI在临床实践中的应用	神经母细胞瘤脑转移的MRI图像	计算机视觉	神经母细胞瘤	深度神经进化（DNE）	卷积神经网络（CNN）	图像	60张MRI图像用于训练，超过50个机构的多样化图像用于测试
8737	2025-01-26	Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease 2024-Oct, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101022 PMID:39850238	研究论文	本文提出了一种基于深度学习的药物筛选算法，用于从传统中药方剂中发现阿尔茨海默病的潜在治疗化合物	使用四种深度神经网络模型在疾病和靶点水平上进行阿尔茨海默病药物筛选，并通过实验验证了高评分化合物的效果	研究主要基于传统中药方剂，未涉及其他类型的药物库	开发阿尔茨海默病的潜在治疗药物	阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	深度学习	深度神经网络（DNN）	化合物数据	Kaixinsan (KXS) 方剂中的化合物
8738	2025-01-26	Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions 2024-09-06, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31090389 PMID:39330017	综述	本文综述了人工智能在头颈癌（HNC）护理中的创新、应用及未来方向	探讨了人工智能与影像技术、基因组学和电子健康记录的整合，及其在早期检测、生物标志物发现和治疗规划中的作用	数据质量、算法偏见和跨学科合作的必要性等挑战仍然存在	探讨人工智能在头颈癌护理中的应用及未来发展方向	头颈癌（HNC）	自然语言处理	头颈癌	深度学习、自然语言处理	NA	影像、基因组数据、电子健康记录	NA
8739	2025-01-26	A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception 2024-08-28, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31090374 PMID:39330002	研究论文	本文提出了一种新型的多特征融合多任务（MFFMT）模型，用于乳腺癌超声图像分类，并通过病变区域感知来提高分类性能	设计了上下文病变增强感知（CLEP）模块和多特征融合（MFF）模块，以更好地捕捉病变区域的局部和全局特征关系，并缓解信息共享冲突	未提及具体局限性	提高乳腺癌超声图像分类的准确性，辅助乳腺癌诊断和个性化治疗	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	多任务学习（MTL）模型	图像	两个公共乳腺癌超声图像数据集
8740	2025-01-26	Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1485903 PMID:39850216	研究论文	本文提出了一种改进的SIS-YOLOv8模型，用于提高复杂农业气候下的作物病害监测效率	引入了三个关键模块：Fusion-Inception Conv模块、C2f-SIS模块和SPPF-IS模块，以增强模型在复杂背景下的特征提取能力和泛化能力，同时通过Dep Graph剪枝方法减少了模型参数	模型在复杂气候条件下的鲁棒性仍需进一步验证，且未涉及其他作物或病害的测试	提高农业作物病害监测的自动化和精确性	马铃薯和番茄的病害监测	计算机视觉	NA	深度学习	SIS-YOLOv8	图像	NA