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
9081	2025-01-15	Synergistic integration of brain networks and time-frequency multi-view feature for sleep stage classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00328-0 PMID:39802081	研究论文	本文提出了一种结合脑网络和时间-频率多视图特征的睡眠阶段分类方法，旨在提高分类准确性	提出了一种跨注意力融合机制，用于自适应地整合复杂的睡眠特征，并开发了一个多视图特征融合网络，结合了脑连接性和时间-频谱元素	未明确提及具体局限性	提高睡眠阶段分类的准确性	多导睡眠图（PSG）信号及其转换的图和时间-频率表示	机器学习	NA	多视图特征提取和跨注意力融合机制	多视图特征融合网络	多导睡眠图信号	ISRUC公共数据集
9082	2025-01-15	Enhanced diabetic retinopathy detection using U-shaped network and capsule network-driven deep learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103052 PMID:39802427	研究论文	本研究探索了一种结合UNet++和胶囊网络（CapsNet）架构的混合方法，用于提高青光眼的检测准确性	结合UNet++和CapsNet架构，利用UNet++进行语义分割，CapsNet识别层次模式，提高了青光眼检测的敏感性和准确性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高青光眼的检测准确性	青光眼	计算机视觉	青光眼	Histogram Equalization, Contrast Limited Adaptive Histogram Equalization (CLAHE)	UNet++, CapsNet	图像	基准数据集（未提及具体数量）
9083	2025-01-15	Comparative analysis and enhancing rainfall prediction models for monthly rainfall prediction in the Eastern Thailand 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103094 PMID:39802428	研究论文	本研究评估了泰国东部地区的降雨预测模型，通过分析海洋尼诺指数（ONI）的最佳滞后时间，比较了五种深度学习模型，并开发了一种新的混合深度学习模型	开发了一种新的混合深度学习模型，针对厄尔尼诺和南方涛动（ENSO）的不同条件，提高了在厄尔尼诺、拉尼娜和中性事件三种不同气候阶段的预测准确性	NA	评估和增强泰国东部地区月度降雨预测模型	泰国东部地区的五个选定气象站的月度降雨数据	机器学习	NA	深度学习	RNN, LSTM, GRU, LSTM+LSTM, LSTM+GRU	气象数据	五个选定气象站的月度降雨数据
9084	2025-01-15	Preliminary study on detection and diagnosis of focal liver lesions based on a deep learning model using multimodal PET/CT images 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100624 PMID:39803389	研究论文	本研究开发并验证了一种基于多模态PET/CT成像的深度学习模型，用于检测和分类肝脏局灶性病变（FLL）	利用多模态PET/CT图像结合深度学习模型进行肝脏局灶性病变的检测和分类，提高了诊断的敏感性和准确性	样本量相对较小（150名患者），且仅在一家机构进行，可能影响模型的泛化能力	开发并验证一种深度学习模型，用于检测和分类肝脏局灶性病变	肝脏局灶性病变（FLL）患者	数字病理学	肝脏疾病	18F-FDG PET/CT成像	深度学习模型	多模态PET/CT图像	150名患者（46名良性肝结节患者，51名恶性肝结节患者，53名无FLL患者）
9085	2025-01-15	Differentiating Choroidal Melanomas and Nevi Using a Self-Supervised Deep Learning Model Applied to Clinical Fundoscopy Images 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100647 PMID:39802204	研究论文	本研究测试了自监督深度学习模型RETFound在区分脉络膜黑色素瘤和痣方面的有效性	使用自监督深度学习模型RETFound进行脉络膜黑色素瘤和痣的区分，并在大规模不平衡数据集上验证其性能	研究仅基于单一中心的数据，未来计划在外部大规模队列上进行验证	验证自监督深度学习模型在脉络膜黑色素瘤和痣区分中的有效性	4255名患者的超广角眼底图像，包括18510张脉络膜黑色素瘤图像、8671张痣图像和1192张健康眼图像	数字病理学	脉络膜黑色素瘤	自监督深度学习	RETFound	图像	4255名患者的27333张眼底图像
9086	2025-01-15	Deep learning in disease vector image identification 2025-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.8473 PMID:39422093	综述	本文探讨了深度学习在病媒图像识别中的巨大潜力，并全面总结了当前深度学习在病媒识别中的应用现状	结合深度学习与病媒识别，自动化病媒识别过程，减少对专家的依赖	未提及具体的技术实现细节和实验结果的局限性	探索深度学习在病媒识别中的应用，以提升疾病控制效率	病媒图像	计算机视觉	NA	深度学习	NA	图像	NA
9087	2025-01-15	Drone imagery dataset for early-season weed classification in maize and tomato crops 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111203 PMID:39802837	研究论文	本文介绍了一个用于早期季节杂草分类的无人机图像数据集，专注于玉米和番茄作物	提供了一个包含两个作物生长阶段的RGB图像数据集，旨在提高早期杂草分类的准确性	数据集中未明确提及杂草种类的具体名称，可能影响特定杂草分类的研究	推动基于无人机的杂草检测和映射技术，促进精准农业的发展	玉米和番茄作物中的杂草	计算机视觉	NA	无人机成像	CNN, ViT	图像	67,558张标记图像（31,002张来自早期生长阶段，36,556张来自更高级生长阶段）
9088	2025-01-15	A dataset of blood slide images for AI-based diagnosis of malaria 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111190 PMID:39802838	研究论文	本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集	提供了一个包含厚薄血涂片图像的基准数据集，支持使用卷积神经网络构建计算模型	数据集仅来自乌干达的几家医院，可能不具有全球代表性	提高疟疾筛查的效率和准确性	疟疾诊断	数字病理学	疟疾	显微镜检查	CNN	图像	3000张厚血涂片图像和1000张薄血涂片图像
9089	2025-01-15	De novo generation of dual-target compounds using artificial intelligence 2025-Jan-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111526 PMID:39801837	研究论文	本文介绍了基于人工智能的方法来设计能够与多个治疗靶点蛋白相互作用的化合物化学结构	使用遗传算法和生成对抗网络框架下的强化学习进行分子结构生成，设计出能够与支气管哮喘的两个治疗靶点相互作用的化合物	仅合成了10种化合物，并对其中的39种人类蛋白进行了结合实验，样本量较小	开发能够与多个治疗靶点相互作用的化合物，以支持多药理学药物发现	支气管哮喘的治疗靶点腺苷A2a受体（ADORA2A）和磷酸二酯酶4D（PDE4D）	机器学习	支气管哮喘	遗传算法、生成对抗网络（GAN）、强化学习	GAN	化学结构数据	10种合成化合物，39种人类蛋白的结合实验
9090	2025-01-15	A two-stage deep learning-based hybrid model for daily wind speed forecasting 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41026 PMID:39801963	研究论文	本文提出了一种基于两阶段深度学习的混合模型，用于每日风速预测	首次将TVFEMD与GB和LSTM模型结合，创建了TVFEMD-GB-LSTM混合模型，用于风速预测	未提及具体的研究局限性	提高风速预测的准确性，以优化风力涡轮机的设置效率	风速数据	机器学习	NA	TVFEMD, GB, LSTM	TVFEMD-GB-LSTM混合模型	时间序列数据	未提及具体样本数量
9091	2025-01-15	SecEdge: A novel deep learning framework for real-time cybersecurity in mobile IoT environments 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40874 PMID:39801973	研究论文	本文提出了一种名为SecEdge的新型深度学习框架，旨在增强移动物联网环境中的实时网络安全	SecEdge框架集成了基于Transformer的模型和Graph Neural Networks (GNNs)，结合联邦学习以确保数据隐私并减少延迟，同时采用自适应学习机制持续更新模型参数以应对不断变化的网络威胁	研究仅在模拟环境中进行评估，未在实际移动物联网环境中进行测试	增强移动物联网环境中的实时网络安全	移动物联网环境中的网络安全	机器学习	NA	深度学习	Transformer, GNN, 联邦学习	网络流量数据	NSL-KDD, UNSW-NB15, 和 CICIDS2017 数据集
9092	2025-01-15	Improving the resolution of solar energy potential maps derived from global DSMs for rooftop solar panel placement using deep learning 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41193 PMID:39802030	研究论文	本研究旨在通过深度学习提高全球数字高程模型（DEM）生成的年度太阳能潜力地图（ASM）的分辨率，以辅助屋顶太阳能板的放置	使用深度学习算法（EDSR网络）提高LiDAR和Copernicus DEM生成的ASM的分辨率，特别是在城市区域	研究主要关注城市区域，可能不适用于其他地形或区域	提高太阳能潜力地图的分辨率，以更准确地定位屋顶太阳能板	全球数字高程模型（DEM）和LiDAR数据	计算机视觉	NA	深度学习	EDSR网络, U-Net	图像	NA
9093	2025-01-15	Are we fitting data or noise? Analysing the predictive power of commonly used datasets in drug-, materials-, and molecular-discovery 2025-Jan-14, Faraday discussions IF:3.3Q2 DOI:10.1039/d4fd00091a PMID:39308206	研究论文	本文分析了在药物发现、分子发现和材料发现中常用的机器学习数据集，通过引入基于估计或实际实验误差的噪声，推导了这些数据集的最大和实际性能界限，并与文献中领先的机器学习模型报告的性能进行了比较	通过引入噪声来估计数据集的性能界限，并提供了Python包NoiseEstimator和基于Web的应用程序，帮助从业者理解数据集的局限性并设定现实的机器学习模型性能期望	研究主要关注化学科学中的数据集，可能不适用于其他领域的数据集	分析常用机器学习数据集的预测能力，并评估其性能界限	药物发现、分子发现和材料发现中的机器学习数据集	机器学习	NA	NA	NA	化学数据	九个常用数据集
9094	2025-01-15	Applications of and issues with machine learning in medicine: Bridging the gap with explainable AI 2025-Jan-14, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01342 PMID:39647859	综述	本文探讨了机器学习在医学中的应用及其挑战，特别是通过可解释AI（XAI）技术来解决模型透明性问题	强调了可解释AI（XAI）在提高机器学习模型透明性和可解释性方面的潜力，以促进其在医疗决策中的信任和接受	机器学习模型的'黑箱'问题仍然是一个重大挑战，可能阻碍其在临床实践中的广泛应用	探讨机器学习在医学中的应用，并推动可解释AI技术的发展，以提高模型的透明性和可解释性	机器学习模型及其在医学中的应用	机器学习	NA	卷积神经网络（CNN）、变换器（Transformers）	CNN, Transformers	患者数据	NA
9095	2025-01-15	Flow Matching for Optimal Reaction Coordinates of Biomolecular Systems 2025-Jan-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01139 PMID:39699247	研究论文	本文提出了一种名为FMRC的深度学习算法，用于识别生物分子可逆动力学中的最优反应坐标	FMRC基于可分解性和可聚合性的数学原理，将其重新表述为条件概率框架，利用深度生成模型进行高效的数据驱动优化	FMRC未明确学习已建立的转移算子或其本征函数	识别生物分子可逆动力学中的最优反应坐标	生物分子系统	机器学习	NA	深度生成模型	FMRC	NA	三个逐渐复杂的生物分子系统
9096	2025-01-15	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	本研究利用深度学习技术从心电图中识别心脏壁运动异常（WMA），以提高检测准确性	开发了一种新的深度学习模型（ECG-WMA-Net），该模型在检测WMA方面优于传统的心电图解释和Q波指数	研究依赖于加州和乔治亚州的患者数据，可能限制了结果的普适性	提高心脏壁运动异常的检测准确性	35,210名加州患者和2,338名乔治亚州患者的心电图和超声心动图数据	机器学习	心血管疾病	深度学习	深度神经网络（ECG-WMA-Net）	心电图（ECG）和超声心动图数据	35,210名加州患者和2,338名乔治亚州患者
9097	2025-01-15	Computer vision based automatic evaluation method of Y2O3 steel coating performance with SEM image 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-85061-0 PMID:39799187	研究论文	本研究介绍了一种基于深度学习的自动评估方法，用于分析扫描电子显微镜（SEM）下的钢微观结构，旨在解决研究人员手动标记和主观评估的局限性	利用先进的计算机视觉算法，特别是名为Tang Rui Detect（TRD）的模型，实现了对钢微观结构特征的高效准确检测和量化，简化了损失函数设计并改进了训练过程	未提及具体局限性	开发一种自动化评估方法，以提高钢微观结构分析的效率和可靠性	钢材料的微观结构	计算机视觉	NA	深度学习	TRD	图像	未提及具体样本数量
9098	2025-01-15	Harnessing advanced hybrid deep learning model for real-time detection and prevention of man-in-the-middle cyber attacks 2025-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85547-5 PMID:39799192	研究论文	本文介绍了一种名为AEXB模型的混合深度学习方法，用于实时检测和防止智能家居环境中的中间人（MitM）网络攻击	结合了AutoEncoder的特征提取能力和XGBoost的分类能力，显著提高了检测精度并减少了误报	未提及模型在其他数据集或环境中的泛化能力	开发一种更先进、自适应的入侵检测系统，以应对智能家居环境中日益增长的安全风险	智能家居环境中的网络通信数据	机器学习	NA	AutoEncoder, XGBoost, Recursive Feature Elimination (RFE), 相关性分析	混合深度学习模型	网络通信数据	使用了Intrusion Detection in Smart Home (IDSH)数据集
9099	2025-01-15	Deep learning for predicting prognostic consensus molecular subtypes in cervical cancer from histology images 2025-Jan-11, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00778-5 PMID:39799271	研究论文	本研究提出了一种端到端的深度学习框架，用于从H&E染色的组织切片中预测HPV阳性宫颈鳞状细胞癌的共识分子亚型	引入了Digital-CMS评分，通过数字化的全切片图像（WSI）提供新的临床优势，揭示了肿瘤微环境差异对患者预后的影响，并识别了作为CMS亚型潜在替代标志物的组织学模式	研究仅针对HPV阳性的宫颈鳞状细胞癌，未涵盖其他类型的宫颈癌	预测宫颈癌的共识分子亚型，以改善患者预后和潜在治疗靶点的识别	HPV阳性的宫颈鳞状细胞癌患者	数字病理学	宫颈癌	深度学习	NA	图像	545例宫颈鳞状细胞癌患者
9100	2025-01-15	Enhanced Pneumonia Detection in Chest X-Rays Using Hybrid Convolutional and Vision Transformer Networks 2025-Jan-09, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056326685250101113959 PMID:39806960	研究论文	本研究旨在通过结合卷积神经网络（CNN）和改进的Swin Transformer模块的混合深度学习模型，增强胸部X光片中的肺炎检测	提出了一种结合CNN和改进Swin Transformer模块的混合模型，能够有效捕捉局部和全局特征，显著提高肺炎检测的准确性	未来研究需要进一步优化模型架构，探索更先进的图像处理技术和可解释的AI方法	提高肺炎检测的准确性，减少误分类，为资源有限的地区提供可部署的诊断解决方案	胸部X光片	计算机视觉	肺炎	深度学习	混合模型（CNN + Swin Transformer）	图像	由广州妇女儿童医疗中心提供的数据集