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
9001	2025-03-01	MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction 2025-Feb-28, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00697-4 PMID:40019659	研究论文	本文介绍了一种创新的深度学习架构，旨在增强药物-靶标相互作用（DTI）亲和力的预测	该模型巧妙地结合了图神经网络、预训练的大规模蛋白质模型和注意力机制，以提高性能	NA	提高药物-靶标相互作用（DTI）亲和力的预测精度	药物分子和蛋白质靶标	机器学习	NA	深度学习	图神经网络（GNN）、双向长短期记忆网络（BiLSTM）	分子结构图和蛋白质序列	两个公开数据集
9002	2025-03-01	Progress on intelligent metasurfaces for signal relay, transmitter, and processor 2025-Feb-25, Light, science & applications DOI:10.1038/s41377-024-01729-2 PMID:39994200	综述	本文综述了智能超表面在无线通信中作为信号中继、发射器和处理器的新范式	智能超表面通过集成深度学习算法，能够主动适应不断变化的环境，无需人工干预，提供了一种绿色无线通信的新方法	实际应用中存在关键问题，如增益超表面和知识迁移等新方向的挑战	探讨智能超表面在无线通信中的应用，以提高数据速率并减少硬件和能源消耗	智能超表面	无线通信	NA	深度学习算法	NA	NA	NA
9003	2025-03-01	Preoperative prediction of the Lauren classification in gastric cancer using automated nnU-Net and radiomics: a multicenter study 2025-Feb-25, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01923-9 PMID:40000513	研究论文	本研究开发并验证了一种基于nnU-Net结合放射组学的深度学习模型，用于胃癌的自动分割和Lauren分类的术前预测	结合nnU-Net和放射组学技术，实现了胃癌的自动分割和Lauren分类的术前预测，减少了医生手动分割的错误和工作量	研究结果在不同测试集上的AUC值略有差异，且放射组学模型和组合模型的AUC值无显著统计学差异	开发并验证一种深度学习模型，用于胃癌的自动分割和Lauren分类的术前预测	胃癌患者	数字病理学	胃癌	nnU-Net, 放射组学	nnU-Net, LASSO	CT图像	433名胃癌患者
9004	2025-03-01	A deep learning based prediction model for effective elastic properties of porous materials 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90016-0 PMID:40000677	研究论文	本文提出了一种基于深度学习的预测模型，用于预测多孔材料的有效弹性性能	通过算法随机生成多孔微结构模型，并使用高效的四叉树算法计算其力学性能，进而建立基于神经网络的机器学习算法来预测多孔材料的力学性能	NA	分析多孔材料的力学性能，提供一种新的基于微结构图像的预测方法	多孔材料	机器学习	NA	神经网络	神经网络	图像	大量机器学习样本数据
9005	2025-03-01	Advanced financial security system using smart contract in private ethereum consortium blockchain with hybrid optimization strategy 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89404-3 PMID:40000696	研究论文	本文提出了一种基于深度学习的智能合约，应用于私有以太坊联盟区块链中，以提供金融安全保障	结合了动态蝴蝶-台球优化算法（DB-BOA）和自适应深度时间上下文网络（ADTCN）来增强智能合约的安全性	未提及具体的数据集大小或实验环境的具体限制	提高金融交易的安全性和效率，减少传统股票市场中的中介环节	金融交易数据	区块链技术	NA	智能合约，区块链技术	ADTCN	金融交易数据	未提及具体样本大小
9006	2025-03-01	Enhancing resilience of distributed DC microgrids against cyber attacks using a transformer-based Kalman filter estimator 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90959-4 PMID:40000702	研究论文	本文提出了一种新颖的数据驱动方法，旨在增强分布式直流微电网对各种网络攻击的抵御能力，包括故障检测与隔离（FDI）攻击、拒绝服务（DoS）攻击和延迟攻击	开发了一种基于Transformer的卡尔曼滤波器（TKF）估计器，结合了自回归积分滑动平均（ARIMA）模型和深度学习技术（特别是Transformer和LSTM网络），用于高维数据提取	未来的研究方向建议集中在结合先进的滤波技术和深度学习模型，以进一步增强系统在管理微电网操作中的非线性和不确定性方面的适应性和有效性	增强分布式直流微电网对网络攻击的抵御能力	分布式直流微电网	机器学习	NA	ARIMA模型、Transformer、LSTM网络	Transformer-based Kalman Filter (TKF) estimator	信号传输数据	NA
9007	2025-03-01	Deep learning-based debris flow hazard detection and recognition system: a case study 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86471-4 PMID:40000712	研究论文	本文提出了一种基于深度学习的泥石流灾害自动检测与识别系统	利用3D卷积神经网络(CNN)提取视频特征，结合多层感知器(MLP)进行泥石流灾害检测，并使用另一个CNN进行验证，实现了泥石流灾害的自动检测与识别	NA	开发一种能够自动检测和识别泥石流灾害的系统，以提高地质灾害监测和预警能力	泥石流灾害	计算机视觉	NA	深度学习	3D CNN, MLP, CNN	视频	新标注的图像数据集Debrisflow23
9008	2025-03-01	Fusing temporal and structural information via subgraph sampling and multi-head attention for information cascade prediction 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91752-z PMID:40000738	研究论文	本文提出了一种基于子图的信息级联预测模型CasSubTS，通过融合时间和结构信息来预测信息级联	CasSubTS模型通过在不同时间步从级联图中采样子图来捕捉动态节点变化，并结合入度和出度作为结构特征，使用多头图注意力网络学习多尺度结构信息，同时采用注意力机制聚合节点的重要时间信息，并通过通道注意力优先融合时空特征	未明确提及具体局限性	开发一种有效的信息级联预测方法，以应对在线社交网络中信息级联的爆炸性增长	信息级联	自然语言处理	NA	多头图注意力网络、Bi-GRU模型、多层感知机	CasSubTS	图数据	两个真实世界数据集和一个合成数据集
9009	2025-03-01	Deep neural networks and fractional grey lag Goose optimization for music genre identification 2025-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91203-9 PMID:40000796	研究论文	本文提出了一种基于深度学习和元启发式算法的新方法，用于提高音乐风格分类的性能	结合了预训练的ZFNet模型提取音频信号的高级特征，使用ResNeXt模型进行分类，并采用分数阶灰雁优化算法（FGLGO）优化ResNeXt参数，以提高模型性能	未明确提及具体局限性	提高音乐风格分类的准确性和效率	音乐风格分类	自然语言处理	NA	深度学习，元启发式算法	ZFNet, ResNeXt, FGLGO	音频信号	两个基准数据集：ISMIR2004和扩展的Ballroom数据集
9010	2025-03-01	Hypoglycemia Prediction in Type 1 Diabetes With Electrocardiography Beat Ensembles 2025-Feb-25, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251319347 PMID:40001289	研究论文	本文提出了一种使用卷积神经网络和集成学习从心电图信号中预测1型糖尿病患者低血糖的方法	无需识别心电图信号中的基准点，直接使用卷积神经网络从原始心电图信号中提取形态信息，并通过集成学习聚合多个心电图节拍的预测结果	模型在不同个体间的预测效果差异较大，且需要更大规模的纵向数据来进一步提高预测准确性	开发一种非侵入性的低血糖预测方法，以替代现有的侵入性传感器	1型糖尿病患者	机器学习	糖尿病	卷积神经网络（CNN），集成学习	CNN	心电图信号，连续血糖监测（CGM）数据	10名1型糖尿病患者，14天的数据
9011	2025-03-01	Novel model for medium to long term photovoltaic power prediction using interactive feature trend transformer 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90654-4 PMID:39994308	研究论文	本文提出了一种名为交互特征趋势变换器（IFTformer）的混合深度学习模型，用于提高中长期的太阳能光伏发电功率预测准确性	设计了独特的混合深度学习模型IFTformer，结合了深度孤立森林（DIF）和局部异常因子（LOF）进行数据预处理，并利用ProSparse自注意力机制进行信息交互，提升了中长期光伏功率预测的准确性和鲁棒性	未提及具体的数据集规模或模型在不同环境下的泛化能力	提高中长期光伏发电功率预测的准确性，以应对光伏发电的随机性和波动性对电网稳定性的影响	太阳能光伏发电系统的输出功率	机器学习	NA	深度学习	IFTformer（交互特征趋势变换器）	时间序列数据	未提及具体样本数量
9012	2025-03-01	Deep-DPC: Deep learning-assisted label-free temporal imaging discovery of anti-fibrotic compounds by controlling cell morphology 2025-Feb-24, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.028 PMID:40010605	研究论文	本文介绍了一种名为deep-DPC的新方法，结合无标记时间序列数字相位对比成像、细胞形态分析和无监督机器学习，动态控制和监测细胞形态，用于抗纤维化化合物的发现	deep-DPC方法首次将无标记时间序列数字相位对比成像与细胞形态分析及无监督机器学习结合，动态监测细胞形态变化，为抗纤维化药物发现提供了新策略	NA	开发一种结合深度学习和动态细胞形态分析的方法，用于抗纤维化化合物的发现	纤维化过程中的细胞形态变化	数字病理学	纤维化	无标记时间序列数字相位对比成像	神经网络	图像	12,000张图像用于训练，1,400种化合物生成的超过100,000张图像
9013	2025-03-01	Confocal Laser Endomicroscopy: Enhancing Intraoperative Decision Making in Neurosurgery 2025-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040499 PMID:40002650	研究论文	本文探讨了共聚焦激光内镜显微镜（CLE）在神经外科手术中增强术中决策的应用	CLE技术实现了手术中实时高分辨率细胞成像，减少了对耗时冰冻切片分析的依赖，并与深度学习算法和远程病理平台集成，促进了自动化图像解释和远程专家咨询	需要解决运动伪影、改进训练协议和扩大适用荧光探针范围等挑战	提高神经外科手术中肿瘤切除的安全性和临床效果	脑肿瘤，特别是高级别胶质瘤（HGGs）	数字病理	脑肿瘤	共聚焦激光内镜显微镜（CLE）	深度学习算法	图像	NA
9014	2025-03-01	Deep Learning-Based Periapical Lesion Detection on Panoramic Radiographs 2025-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040510 PMID:40002661	研究论文	本研究旨在评估基于人工智能的Diagnocat系统在检测全景X光片上的根尖周病变的准确性	使用卷积神经网络（CNN）在全景X光片上自动检测根尖周病变，并评估其诊断准确性	系统在检测某些特定牙齿（如中切牙、智齿和犬齿）上的根尖周病变时表现出较低的敏感性和诊断准确性	评估人工智能系统在全景X光片上检测根尖周病变的准确性	616颗牙齿，包括308颗有明显根尖周透射影的牙齿和308颗无根尖周病变的牙齿	数字病理学	牙科疾病	卷积神经网络（CNN）	CNN	图像	357张全景X光片中的616颗牙齿
9015	2025-03-01	Microservice Workflow Scheduling with a Resource Configuration Model Under Deadline and Reliability Constraints 2025-Feb-19, Sensors (Basel, Switzerland) DOI:10.3390/s25041253 PMID:40006482	研究论文	本文提出了一种在容器环境中考虑截止时间和可靠性约束的微服务工作流调度方法，旨在优化资源成本和确保服务质量	引入了图深度学习模型（DeepMCC）和可靠性微服务工作流调度算法（RMWS），结合启发式租赁和部署策略，显著降低了云资源租赁成本并提高了可靠性	实验仅在四个科学工作流数据集上进行，可能无法完全代表所有实际应用场景	优化微服务工作流在容器环境中的调度，以满足截止时间和可靠性约束	微服务工作流和容器环境	机器学习	NA	图深度学习	DeepMCC	科学工作流数据	四个科学工作流数据集
9016	2025-03-01	Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146 2025-Feb-18, Life (Basel, Switzerland) DOI:10.3390/life15020316 PMID:40003734	correction	本文是对先前发表的关于皮肤病变分析和癌症检测的综述文章的更正	NA	NA	NA	NA	digital pathology	skin cancer	NA	NA	NA	NA
9017	2025-03-01	A Study on Systematic Improvement of Transformer Models for Object Pose Estimation 2025-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s25041227 PMID:40006456	研究论文	本研究提出了一种基于Transformer架构的深度学习模型，用于计算机视觉中的物体姿态估计，通过调整注意力层和引入低秩权重分解来减少内存消耗并提高训练效率	通过调整Transformer的注意力层和引入低秩权重分解，显著减少了GPU内存使用，并提高了多物体姿态估计的性能	改进后的模型虽然减少了内存使用，但增加了模型权重参数的数量	改进Transformer模型在物体姿态估计中的性能，特别是减少内存消耗和提高训练效率	物体姿态估计	计算机视觉	NA	深度学习	Transformer	图像	NA
9018	2025-03-01	Evaluating Synthetic Diffusion MRI Maps created with Diffusion Denoising Probabilistic Models 2025-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.06.621173 PMID:39574701	研究论文	本研究训练了潜在扩散模型（LDM）和去噪扩散概率模型（DDPM），专门用于生成合成扩散张量成像（DTI）图	将生成式AI模型应用于医学和神经影像数据，生成高质量的合成DTI图，并通过数据增强提高分类器性能	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	评估生成式AI模型在生成合成DTI图方面的效果，并探索其在神经科学研究和临床诊断中的应用	合成扩散张量成像（DTI）图	计算机视觉	NA	潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）	CNN、ViT	3D DTI扫描	未明确提及具体样本数量
9019	2025-03-01	A Non-Invasive Approach for Facial Action Unit Extraction and Its Application in Pain Detection 2025-Feb-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020195 PMID:40001714	研究论文	本文提出了一种基于3D面部标志的非侵入性面部动作单元（AU）提取方法，并将其应用于疼痛检测	使用3D面部标志而非面部图像进行AU检测，保护患者隐私的同时保持高准确性	未提及具体的数据集规模或多样性限制	开发一种保护隐私的面部动作单元提取方法，并应用于疼痛检测	面部动作单元（AUs）及其强度	计算机视觉	NA	3D面部标志提取，轻量级神经网络	轻量级神经网络（NN），深度学习模型	视频记录中的3D面部标志	未提及具体样本数量
9020	2025-03-01	Objective Pain Assessment Using Deep Learning Through EEG-Based Brain-Computer Interfaces 2025-Feb-17, Biology DOI:10.3390/biology14020210 PMID:40001978	研究论文	本研究开发了一种基于脑电图（EEG）的疼痛检测系统，利用深度学习模型进行疼痛分类和检测	采用脑机接口技术结合深度学习模型进行疼痛分类和检测，相比传统机器学习模型有更高的准确率	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种可靠的疼痛分类和检测系统，以支持临床治疗策略的制定	基于脑电图（EEG）的疼痛信号	脑机接口	NA	脑电图（EEG）	卷积神经网络（CNN）、循环神经网络（RNN）	脑电图（EEG）信号	未明确提及样本数量