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
9301	2025-02-21	Deep convolutional neural network-based enhanced crowd density monitoring for intelligent urban planning on smart cities 2025-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90430-4 PMID:39962323	研究论文	本文提出了一种基于深度卷积神经网络的增强型人群密度监测技术，用于智能城市规划	提出了DCNNCDM-IUP技术，结合SE-DenseNet和ConvLSTM方法，通过红狐优化算法进行超参数选择，提高了人群密度监测的准确性	未提及具体的数据集规模或实际应用中的潜在挑战	开发一种高效的人群密度监测技术，以支持智能城市的交通管理、公共安全和城市规划	智能城市中的人群密度监测	计算机视觉	NA	深度学习（DL）、高斯滤波（GF）、红狐优化（RFO）	SE-DenseNet、ConvLSTM	图像、时间序列数据	未提及具体样本数量
9302	2025-02-21	Comparison of YOLO-based sorghum spike identification detection models and monitoring at the flowering stage 2025-Feb-17, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01338-z PMID:39962585	研究论文	本研究比较了基于YOLO的高粱穗识别检测模型，并评估了其在开花期的监测效果	首次对不同高度和天气条件下的YOLO模型性能进行了比较研究，并确定了YOLOv8m为最有效的模型	研究仅基于2023年采集的图像数据，未考虑更多年份或更广泛的环境条件	评估数据集大小对模型准确性的影响，并预测高粱开花期	高粱开花期的穗识别	计算机视觉	NA	无人机图像采集	YOLOv5, YOLOv8, YOLOv9, YOLOv10	图像	200到350张图像，分别在15米和30米高度采集
9303	2025-02-21	Exploring autonomous methods for deepfake detection: A detailed survey on techniques and evaluation 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42273 PMID:39968137	综述	本文对深度伪造检测的自主方法进行了详细调查，分析了相关技术和评估方法	本文综合了2018年至2024年间的最新研究，探讨了利用先进机器学习、计算机视觉和音频分析技术的创新检测方法	研究仅限于2018年至2024年间的最新研究，可能未涵盖早期的重要进展	提高数字生态系统的安全性和意识，通过推进对自主检测和评估方法的理解	深度伪造媒体（图像、视频和音频）	计算机视觉	NA	深度学习模型	NA	图像、视频、音频	NA
9304	2025-02-21	Multi-Skin disease classification using hybrid deep learning model 2025-Feb-02, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241312628 PMID:39973858	研究论文	本文提出了一种混合深度学习模型，用于多皮肤疾病的分类，旨在通过计算机辅助诊断技术提高皮肤癌的早期识别和分类	结合了区域生长分割与改进的蜂蜜獾优化器进行皮肤病变提取，并采用MobileSkinNetV2深度学习模型进行分类，显著提高了分类准确率和精确度	NA	提高皮肤癌的早期识别和分类，以改善患者的生存机会	皮肤病变图像	计算机视觉	皮肤癌	深度学习	MobileSkinNetV2	图像	ISIC数据集
9305	2025-02-21	Deep learning-based AI model for sinusitis diagnosis 2025-Feb-02, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241309799 PMID:39973859	研究论文	本研究开发了一种基于深度学习的AI辅助诊断模型，用于提高鼻窦炎的诊断准确性和可及性	使用深度学习技术构建鼻窦炎分类模型，并采用sigmoid函数替代softmax函数，提高了模型的预测准确性	研究仅基于回顾性数据，未进行前瞻性验证，且样本来源单一	开发一种AI辅助诊断模型，以提高鼻窦炎的诊断准确性和可及性	鼻窦炎患者和正常人的CT图像	计算机视觉	鼻窦炎	CT扫描	深度学习模型	图像	5000张鼻窦CT图像，包括1000张正常图像和4000张鼻窦炎图像（每种鼻窦炎类型1000张）
9306	2025-02-21	Application of one-class classification using deep learning technique improves the classification of subvisible particles 2025-Feb, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.11.023 PMID:39615881	研究论文	本研究探讨了深度学习技术如何提高一类分类器在亚可见颗粒分类中的性能	首次将深度学习技术与一类分类器结合，用于亚可见颗粒的分类，显著提高了分类效果	研究仅针对特定类型的蛋白质聚集体（免疫球蛋白G和清蛋白衍生的聚集体）进行了测试，未涵盖所有可能的亚可见颗粒类型	提高亚可见颗粒分类的准确性和效率	亚可见颗粒，特别是免疫球蛋白G和清蛋白衍生的聚集体	计算机视觉	NA	深度学习	一类分类器	图像	使用了硅油（SO）和两种蛋白质聚集体（免疫球蛋白G衍生的聚集体和清蛋白衍生的聚集体）的数据集
9307	2025-02-21	Diagnosis Anthracnose of Chili Pepper Using Convolutional Neural Networks Based Deep Learning Models 2025-Feb, The plant pathology journal DOI:10.5423/PPJ.OA.11.2024.0178 PMID:39916419	研究论文	本研究应用深度学习模型（MobileNet、ResNet50v2和Xception）通过迁移学习诊断辣椒炭疽病，旨在确定准确和高效疾病诊断所需的最小数据集大小	通过迁移学习方法，评估不同数据集大小对模型性能的影响，为农业应用中的数据可用性和模型性能平衡提供实用指南	需要大量标注数据集，获取成本较高	研究辣椒炭疽病的早期和准确检测方法，以减少产量损失和市场价值下降	辣椒（Capsicum annuum L.）	计算机视觉	植物病害	迁移学习	CNN（MobileNet、ResNet50v2、Xception）	图像	500、1,000、2,000、3,000和4,000个样本
9308	2025-02-21	Lung cancer diagnosis with GAN supported deep learning models 2025-Jan-31, Bio-medical materials and engineering IF:1.0Q4 DOI:10.1177/09592989241308775 PMID:39973181	研究论文	本研究旨在通过先进的深度学习技术，包括特别开发的CNN模型，对良性、恶性和正常的肺部CT图像进行分类，以提高诊断准确性	使用GAN平衡数据集，并开发了自定义CNN模型，结合Faster R-CNN区域提议方法，显著提高了分类准确性和检测性能	未提及模型在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果	提高肺癌诊断的准确性，探索深度学习在医学图像分析中的应用	肺部CT图像	计算机视觉	肺癌	GAN, CNN, Faster R-CNN	CNN, VGG19, AlexNet, InceptionV3, ResNet50, Faster R-CNN	图像	1097张肺部CT图像
9309	2025-02-21	MANSHIP: Mobile-based assistive notification service for hearing-impaired people using a hybrid deep learning model 2025-Jan-31, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241309702 PMID:39973861	研究论文	本研究介绍了一种结合VGG16和ResNet-50的混合深度学习模型，用于高效的声音波分析和分类，并开发了一个基于移动设备的辅助通知系统MANSHIP，以检测环境声音并提醒严重或完全听力损失的人潜在危险	结合VGG16和ResNet-50的混合深度学习模型，用于声音波分析和分类，并开发了一个基于移动设备的辅助通知系统MANSHIP	未提及具体局限性	提高听力损失者的安全性，减少事故风险	严重或完全听力损失的人	机器学习	听力损失	深度学习	VGG16, ResNet-50	声音数据	综合城市声音数据集
9310	2025-02-21	Automated Segmentation of Trunk Musculature with a Deep CNN Trained from Sparse Annotations in Radiation Therapy Patients with Metastatic Spine Disease 2025-Jan-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.13.25319967 PMID:39974027	研究论文	本研究提出了一种深度学习方法，用于从临床CT图像中分割躯干肌肉的完整体积，使用稀疏注释数据进行训练	使用稀疏注释数据训练的2D nnU-Net模型成功分割了癌症患者临床CT数据中20个胸腰椎肌肉的整个体积，显著提高了分割效率和泛化能力	模型仅在148名癌症患者的CT图像上进行了训练和验证，可能需要更多样化的数据集来进一步提高模型的泛化能力	量化由于疾病或治疗引起的肌肉变化，并支持生物力学建模以评估椎体负荷，从而改善椎体骨折风险的个性化评估	148名癌症患者的临床CT图像	数字病理学	脊柱转移性疾病	CT成像	2D nnU-Net	图像	148名癌症患者的2,009张轴向CT图像
9311	2025-02-21	DABiG: Breath pattern classification using the hybrid deep learning with optimal feature selection 2025-Jan-17, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241303368 PMID:39973879	研究论文	本文提出了一种利用陀螺仪和加速度计读数进行呼吸模式分类的综合方法，采用混合深度学习机制DABiG	引入了自适应黑猩猩优化算法（AdCO）进行特征选择，并结合双向门控循环单元（BiGRU）和时空注意力机制提升分类精度	未提及样本的具体数量及多样性，可能影响模型的泛化能力	通过呼吸模式分类反映个体的情感和身体健康状况	从个体获取的呼吸模式数据	机器学习	NA	自适应黑猩猩优化算法（AdCO），双向门控循环单元（BiGRU）	混合深度学习机制DABiG	传感器数据（陀螺仪和加速度计读数）	NA
9312	2025-02-21	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-Dec-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探讨了使用深度学习增强的跨膜肌电图（tmEMG）在睡眠呼吸暂停诊断中的应用	本文创新性地使用带有注意力机制的深度学习模型（transformer）来建模tmEMG数据，以区分来自对照组、神经源性患者和睡眠呼吸暂停患者的肌电信号	研究数据集相对较小，可能影响模型的泛化能力	研究目的是通过深度学习技术提高睡眠呼吸暂停的诊断准确性	研究对象包括健康对照组、中度至重度阻塞性睡眠呼吸暂停（OSA）患者和肌萎缩侧索硬化症（ALS）患者	机器学习	睡眠呼吸暂停	跨膜肌电图（tmEMG）	transformer	肌电信号	177例经口肌电图记录，包括6名健康对照、5名中度至重度OSA患者和5名ALS患者
9313	2025-02-21	TPepPro: a deep learning model for predicting peptide-protein interactions 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae708 PMID:39585721	研究论文	本文提出了一种基于Transformer的深度学习模型TPepPro，用于预测肽-蛋白质相互作用	TPepPro结合了局部蛋白质序列特征提取和全局蛋白质结构特征提取的策略，并优化了结构特征神经网络的架构，显著减少了计算资源的需求	NA	开发一种高效预测肽-蛋白质相互作用的模型，以支持氨基酸药物的应用	肽-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列和结构特征	19,187对肽-蛋白质复合物
9314	2025-02-21	Ligand identification in CryoEM and X-ray maps using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并展示了其在X射线晶体学中的同等效果	冷冻电镜图的标准化和配体质量评估存在挑战	提高结构导向药物设计中的配体识别准确性	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	深度学习	3D点云处理模型	3D密度图	NA
9315	2025-02-21	Ligand Identification in CryoEM and X-ray Maps Using Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.610022 PMID:39257821	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜（cryoEM）密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并展示了其与现有X射线晶体学机器学习方法相当的性能	冷冻电镜图谱的标准化和配体质量评估仍存在挑战	提高结构导向药物设计中的配体识别准确性	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	深度学习	3D点云处理模型	3D密度图	NA
9316	2025-02-21	3D-BCLAM: A Lightweight Neurodynamic Model for Assessing Student Learning Effectiveness 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237856 PMID:39686393	研究论文	本文提出了一种轻量级的神经动力学模型3D-BCLAM，用于评估学生的学习效果	创新性地结合了双向卷积长短期记忆（BCL）和动态注意力机制，以极低的计算成本高效捕捉时间序列中的情感动态变化	NA	评估学生的学习效果，深入理解学习过程，准确诊断学习障碍，并制定有效的教学策略	学生的学习效果	机器学习	NA	NA	3D-BCLAM（结合双向卷积长短期记忆和动态注意力机制）	时间序列数据	NA
9317	2025-02-21	Deep learning in image segmentation for cancer 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.839 PMID:39503190	研究论文	本文探讨了深度学习在癌症成像中的作用，特别是其在自动图像分割中的应用	展示了基于U-Net和卷积神经网络的架构在CT扫描中的身体成分分析和MRI图像中的直肠肿瘤分割中的速度和准确性提升	需要进一步研究以解决不同成像系统间图像质量差异的问题	研究深度学习在癌症图像分割中的应用	CT扫描和MRI图像	计算机视觉	癌症	深度学习	U-Net, CNN	图像	NA
9318	2025-02-21	Making sense of missense: challenges and opportunities in variant pathogenicity prediction 2024-Dec-01, Disease models & mechanisms IF:4.0Q1 DOI:10.1242/dmm.052218 PMID:39676521	研究论文	本文讨论了变异致病性预测的计算工具及其在临床变异解释中的应用	介绍了不依赖已知变异分类进行训练的模型，如AlphaMissense，这些模型能克服当前临床数据库的偏差，并更好地泛化到新的未分类变异	AlphaMissense作为一个大型深度学习模型，缺乏可解释性，不评估变异的功能影响，且提供的致病性评分不是疾病特异性的	提高变异解释计算工具的可解释性和精确性，以推进临床遗传学的发展	变异致病性预测模型	机器学习	NA	深度学习	AlphaMissense, AlphaFold	功能数据和临床数据	NA
9319	2025-02-21	Improved prediction of post-translational modification crosstalk within proteins using DeepPCT 2024-11-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae675 PMID:39570595	研究论文	本文提出了一种名为DeepPCT的深度学习算法，用于预测蛋白质内的翻译后修饰（PTM）交叉对话	DeepPCT结合了AlphaFold2预测的蛋白质结构，通过序列和结构嵌入以及交叉注意力技术，构建了深度学习分类器，显著提高了预测准确性	尽管DeepPCT在预测PTM交叉对话方面表现出色，但其性能仍可能受到蛋白质结构预测准确性的限制	提高蛋白质内翻译后修饰（PTM）交叉对话的预测准确性	蛋白质内的翻译后修饰（PTM）交叉对话	机器学习	NA	深度学习，图神经网络，随机森林模型	深度学习分类器，图神经网络，随机森林模型	蛋白质序列和结构数据	NA
9320	2025-02-21	Deep Learning-Assisted Assessing of Single Circulating Tumor Cell Viability via Cellular Morphology 2024-10-22, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03334 PMID:39384089	研究论文	本文提出了一种基于卷积神经网络的深度学习模型，用于通过细胞形态学评估单个循环肿瘤细胞（CTC）的活力	利用深度学习模型从细胞形态学特征中准确识别和评估单个CTC的活力，为癌症诊断、预后评估和疗效判断提供了新的非侵入性方法	由于CTC在人体血液中极为稀少，样本获取和标注可能存在挑战	开发一种高效、准确且非侵入性的方法，用于评估单个CTC的活力	循环肿瘤细胞（CTCs）	数字病理学	癌症	细胞计数试剂盒-8（CCK-8）	卷积神经网络（CNN）	图像	未明确提及具体样本数量