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
8941	2025-01-22	An extrapolation-driven network architecture for physics-informed deep learning 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106998 PMID:39657525	研究论文	本文提出了一种基于外推驱动的网络架构，用于物理信息深度学习，以解决当前物理信息神经网络（PINN）在时间依赖偏微分方程（PDE）求解中的一些弱点	通过设计具有特殊特性的外推控制函数并结合校正项，构建了一种新的神经网络架构，该架构的网络参数与时间变量耦合，称为外推驱动网络架构	虽然本文提出的方法在数值实验中表现良好，但其在大规模实际应用中的有效性和稳定性仍需进一步验证	改进物理信息神经网络（PINN）在时间依赖偏微分方程（PDE）求解中的性能	时间依赖偏微分方程（PDE）	机器学习	NA	物理信息神经网络（PINN）	外推驱动网络架构	数值数据	NA
8942	2025-01-22	M4Net: Multi-level multi-patch multi-receptive multi-dimensional attention network for infrared small target detection 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107026 PMID:39657528	研究论文	本文提出了一种名为M4Net的多层次多补丁多感受野多维度注意力网络，用于红外小目标检测	设计了多层次多补丁多感受野多维度注意力网络（M4Net），通过多层次特征提取模块（MFEM）、多补丁注意力模块（MPAM）、多感受野模块（MRFM）和多维度交互模块（MDIM）来增强网络的学习能力，解决了传统方法依赖手动特征设置和深度学习在深层丢失目标的问题	未提及具体的数据集大小和实验环境限制	提高红外小目标检测的准确性和鲁棒性	红外小目标	计算机视觉	NA	深度学习	多层次多补丁多感受野多维度注意力网络（M4Net）	红外图像	未提及具体样本数量
8943	2025-01-22	Explainable exercise recommendation with knowledge graph 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106954 PMID:39667214	研究论文	本文提出了一种基于知识图谱的可解释性练习推荐系统KG4EER，旨在提高学生的学习效率	KG4EER通过构建包含知识概念、学生和练习三个主要实体及其相互关系知识图谱，实现了练习的个性化推荐，并提供了推荐解释	未明确提及具体局限性	解决现有推荐系统在推荐合适练习和提供解释方面的不足	学生和练习资源	自然语言处理	NA	知识图谱构建	KG4EER	文本	三个真实世界的数据集
8944	2025-01-22	A comprehensive review on genomic insights and advanced technologies for mastitis prevention in dairy animals 2025-Feb, Microbial pathogenesis IF:3.3Q2 DOI:10.1016/j.micpath.2024.107233 PMID:39694196	review	本文综述了基因组学及其相关技术在预防奶牛乳腺炎中的应用，包括全基因组学、表观遗传学、蛋白质组学和转录组学，并探讨了人工智能和CRISPR等先进技术在提高诊断、预防和治疗策略方面的潜力	整合了基因组学、人工智能和CRISPR等先进技术，提供了对乳腺炎流行病学、病原体进化的深入理解，并提出了更有效的诊断、预防和治疗策略	未提及具体的研究样本数量和数据来源，可能缺乏实证研究的支持	探讨基因组学和先进技术在预防奶牛乳腺炎中的应用，以提高牛奶产量和农场盈利能力	奶牛乳腺炎	基因组学	乳腺炎	全基因组学、表观遗传学、蛋白质组学、转录组学、CRISPR	CNN	基因组数据、蛋白质数据、转录组数据	NA
8945	2025-01-22	Error compensated MOF-based ReRAM array for encrypted logical operations 2025-Jan-21, Dalton transactions (Cambridge, England : 2003) DOI:10.1039/d4dt02880e PMID:39625410	研究论文	本文报告了一种基于金属有机框架（MOF）的电阻式随机存取存储器（ReRAM）阵列的大规模制造，展示了其在加密逻辑操作中的应用	利用非理想的MOF基ReRAM阵列进行低误差信息读取和加密逻辑操作，展示了其在实际应用中的潜力	ReRAM阵列的电子参数存在50%的变异，这可能影响其一致性和可靠性	探索MOF基ReRAM阵列在信息存储和加密逻辑操作中的应用	6×6单元的MOF基ReRAM阵列	电子工程	NA	ReRAM技术	深度学习	电子参数	6×6单元的ReRAM阵列
8946	2025-01-22	Recognition and classification of facial expression using artificial intelligence as a key of early detection in neurological disorders 2025-Jan-21, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0125 PMID:39829206	review	本文探讨了利用人工智能（AI）进行面部表情识别和分类在神经退行性疾病早期检测中的潜力	本文创新性地将AI驱动的面部表情分析应用于神经退行性疾病的早期检测和监控，特别是阿尔茨海默病和帕金森病	本文为叙述性综述，未涉及具体实验数据或样本分析，可能缺乏实证支持	研究目的是探讨AI技术在神经退行性疾病早期检测中的应用及其潜力	研究对象为神经退行性疾病患者，特别是阿尔茨海默病和帕金森病患者	computer vision	geriatric disease	deep learning, computer vision	NA	image	NA
8947	2025-01-22	PEDRA-EFB0: colorectal cancer prognostication using deep learning with patch embeddings and dual residual attention 2025-Jan-21, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03292-3 PMID:39833600	研究论文	本文提出了一种名为PEDRA-EFB0的深度学习架构，用于结直肠癌CT扫描的特征提取和生存预测	PEDRA-EFB0架构集成了patch embeddings和双残差注意力机制，以增强特征提取和生存预测的准确性	未明确提及具体局限性	提高结直肠癌CT扫描的特征提取和生存预测的准确性	结直肠癌CT扫描数据	计算机视觉	结直肠癌	深度学习	CNN	CT图像	未明确提及样本数量
8948	2025-01-22	Performance analysis of image retrieval system using deep learning techniques 2025-Jan-20, Network (Bristol, England) DOI:10.1080/0954898X.2025.2451388 PMID:39832139	研究论文	本文提出了一种基于深度学习的图像检索系统，用于提高图像检索的效率和准确性	提出了一种新的基于RETCNN的CBIR系统，能够同时处理彩色图像和灰度图像，并显著减少检索时间	未提及系统在处理大规模数据集时的性能表现	提高图像检索系统的检索效率和准确性	通用图像（GI）和医学图像（MI）	计算机视觉	NA	深度学习	RETCNN	图像	未提及具体样本数量
8949	2025-01-22	Application of Deep Learning Accelerated Image Reconstruction in T2-weighted Turbo Spin Echo Imaging of the Brain at 7T 2025-Jan-20, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8662 PMID:39832954	研究论文	本研究评估了在7T磁共振成像中使用深度学习加速图像重建技术，应用于T2加权涡轮自旋回波成像	首次在7T磁共振成像中应用深度学习技术进行图像重建，显著提高了图像质量	研究样本量较小，仅包括30名患者	解决7T磁共振成像中成像时间长和运动敏感性的问题	30名连续临床7T脑部MRI患者	计算机视觉	NA	深度学习加速图像重建	深度神经网络	图像	30名7T脑部MRI患者
8950	2025-01-22	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2025-Jan-19, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种基于计算机视觉的新框架，用于自动分类橄榄球比赛中的头对头撞击和非头对头撞击	首次将计算机视觉框架应用于橄榄球比赛中的头对头撞击检测，并进行了评估	未来研究应探索该框架在其他头部接触机制中的应用，以及实时识别潜在事件以进行临床评估的实用性	开发并评估一种基于计算机视觉的框架，用于自动检测橄榄球比赛中的头对头撞击	橄榄球比赛中的头对头撞击和非头对头撞击	计算机视觉	NA	深度学习网络、目标检测算法、三维卷积神经网络	CNN	视频	训练集341个视频片段，测试集670个视频片段
8951	2025-01-22	Integrating Deep Learning Derived Morphological Traits and Molecular Data for Total-Evidence Phylogenetics: Lessons from Digitized Collections 2025-Jan-18, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae072 PMID:39826140	研究论文	本文探讨了将分子数据与从昆虫标本图像中通过深度学习提取的形态特征相结合，以生成全证据系统发育树，并揭示了其中的挑战	结合深度学习提取的形态特征与分子数据进行全证据系统发育分析，揭示了不同数据集划分和深度度量损失函数对结果的影响	深度学习提取的形态特征在单独使用时表现不如分子分析，且数据获取的资源需求较大	探索深度学习提取的形态特征与分子数据结合在全证据系统发育分析中的应用	昆虫标本图像	计算机视觉	NA	深度学习	NA	图像	NA
8952	2025-01-22	Prediction of tissue and clinical thrombectomy outcome in acute ischaemic stroke using deep learning 2025-Jan-18, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf013 PMID:39827468	研究论文	本研究引入了一种深度学习方法，用于预测急性缺血性卒中患者对血栓切除术的个体反应	提出了一个深度学习模型，能够预测血栓切除术后的组织和临床结果，包括成功和不成功再灌注两种情况下的模拟，量化了干预的潜在个体益处	当前成像方法可能无法完全捕捉脑缺血的动态特性，且缺乏对血栓切除术益处的患者特异性评估	开发预测模型以量化急性缺血性卒中患者对血栓切除术的个体反应	405名接受血栓切除术的缺血性卒中患者	数字病理学	心血管疾病	深度学习	深度学习模型	多模态CT成像和临床特征	405名缺血性卒中患者（训练集304名，内部测试集50名，外部测试集51名）
8953	2025-01-22	A two-tier optimization strategy for feature selection in robust adversarial attack mitigation on internet of things network security 2025-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85878-3 PMID:39824955	研究论文	本文提出了一种用于物联网网络安全中鲁棒对抗攻击缓解的两层优化策略（TTOS-RAAM）模型	引入了结合CGWO和CVAE的两层优化策略，并采用ICAVO模型进行参数调整，以提高对抗攻击检测的准确性	未明确说明模型在其他数据集上的泛化能力	识别物联网中的对抗攻击行为，提高网络安全	物联网网络中的对抗攻击	机器学习	NA	深度学习	CVAE, CGWO, ICAVO	网络数据	RT-IoT2022数据集
8954	2025-01-22	Deep learning approach based on a patch residual for pediatric supracondylar subtle fracture detection 2025-Jan-16, Biomolecules & biomedicine DOI:10.17305/bb.2024.11341 PMID:39829118	研究论文	本文提出了一种基于深度学习的方法，用于自动检测和定位儿童肱骨髁上细微骨折	引入了一种多尺度补丁残差网络（MPR），结合CNN和生成对抗网络，利用健康样本学习正常骨骼分布，减少对标记骨折数据的依赖	标记的儿童肱骨髁上骨折样本稀缺且难以获取	开发一种自动检测和定位儿童肱骨髁上细微骨折的深度学习模型	儿童肱骨髁上骨折	计算机视觉	骨折	深度学习	CNN, 生成对抗网络	医学图像	来自两家不同医院的数据集，应用了数据增强技术
8955	2025-01-22	AxonFinder: Automated segmentation of tumor innervating neuronal fibers 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41209 PMID:39807499	研究论文	本研究提出了一种基于深度学习的自动化轴突分割方法AxonFinder，用于前列腺肿瘤微环境中的轴突分割	利用U-Net模型与ResNet-101编码器结合的多重成像方法，实现了对不规则形态轴突的高精度自动化分割	研究依赖于手动标注的数据集，可能存在标注误差	开发一种自动化工具，用于前列腺肿瘤微环境中轴突的精确分割和分析	前列腺肿瘤微环境中的轴突	数字病理学	前列腺癌	多重成像	U-Net with ResNet-101 encoder	全片图像	来自低、中、高风险前列腺癌患者的全片图像数据集
8956	2025-01-22	Using image augmentation techniques and convolutional neural networks to identify insect infestations on tomatoes 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41480 PMID:39834448	研究论文	本研究旨在利用卷积神经网络和图像增强技术识别番茄上的昆虫侵扰	通过图像增强技术增加数据集规模，并利用卷积神经网络实现高精度的害虫识别	原始数据库规模较小，未增强图像时模型准确率较低（50-60%）	开发高精度的深度学习模型，用于检测影响作物的害虫，以帮助农民	番茄作物上的昆虫害虫图像	计算机视觉	NA	图像增强技术	卷积神经网络（CNN）	图像	5894张增强后的图像（80%训练，20%验证）
8957	2025-01-22	The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis 2025-Jan-13, Developmental cell IF:10.7Q1 DOI:10.1016/j.devcel.2024.12.038 PMID:39818206	研究论文	本研究通过大规模并行报告实验和核糖体分析，揭示了斑马鱼胚胎发生早期5' UTR在翻译调控中的调控景观	首次提出了基于5' UTR的翻译调控定量模型，并开发了深度学习模型DaniO5P来预测母源和合子5' UTR异构体的活性	研究主要集中于斑马鱼胚胎发生早期，可能不适用于其他发育阶段或物种	研究5' UTR在斑马鱼胚胎发生早期翻译调控中的作用	斑马鱼胚胎发生早期的5' UTR序列	自然语言处理	NA	大规模并行报告实验、核糖体分析	深度学习模型DaniO5P	序列数据	18,154个序列
8958	2025-01-22	Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway 2025-Jan, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70048 PMID:39834043	研究论文	本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果	首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制	研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证	阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制	慢性轻度应激（CMS）诱导的抑郁症模型大鼠	机器学习	抑郁症	机器/深度学习方法	NA	行为数据、蛋白质和mRNA表达数据	抑郁症模型大鼠
8959	2025-01-22	End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network 2025-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034857 PMID:39835828	研究论文	本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本	提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场	研究仍处于初期阶段，尚未在实际应用中广泛验证	预测水下声学传输损失，以应用于水下探测和实时水下监测等领域	水下声学传播	机器学习	NA	深度学习	U-Net	声学数据	NA
8960	2025-01-22	LD-informed deep learning for Alzheimer's gene loci detection using WGS data 2024-Dec-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.19.24313993 PMID:39371140	研究论文	本研究介绍了一种名为Deep-Block的多阶段深度学习框架，用于从大规模全基因组测序数据中识别与阿尔茨海默病显著相关的遗传区域	Deep-Block框架结合了生物学知识，采用三阶段方法：基于连锁不平衡（LD）模式的基因组分割、使用稀疏注意力机制选择相关LD块、应用TabNet和随机森林算法量化单核苷酸多态性（SNP）特征重要性	研究主要针对非西班牙裔白人参与者，可能限制了结果的普适性	识别与阿尔茨海默病显著相关的遗传区域	7,416名非西班牙裔白人参与者（3,150名认知正常的老年人，4,266名阿尔茨海默病患者）	机器学习	阿尔茨海默病	全基因组测序（WGS）	TabNet, 随机森林	基因组数据	7,416名非西班牙裔白人参与者