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
9341	2025-01-31	Disorder-induced enhancement of lithium-ion transport in solid-state electrolytes 2025-Jan-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56322-x PMID:39865086	研究论文	本文通过建立和应用深度学习势能模拟不同无序程度的锂硫磷酸盐电解质系统，揭示了无序驱动的扩散动力学显著增强了室温导电性	利用深度学习势能模拟无序电解质系统，揭示了无序对离子导电性的增强作用，并应用机器学习结构指纹“软度”分类无序诱导的“软”跳跃锂离子	研究主要集中于锂硫磷酸盐电解质系统，未涉及其他类型的固体电解质	研究固体电解质中离子传导机制，特别是结构无序对离子导电性的影响，以开发高性能全固态锂离子电池	锂硫磷酸盐电解质系统	机器学习	NA	深度学习势能模拟	深度学习	模拟数据	不同无序程度的锂硫磷酸盐电解质系统
9342	2025-01-31	The predictive value of radiomics and deep learning for synchronous distant metastasis in clear cell renal cell carcinoma 2025-Jan-25, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-01806-x PMID:39862356	研究论文	本研究旨在开发和验证一个结合CT影像组学和深度学习方法的预测模型，用于准确预测透明细胞肾细胞癌（ccRCC）患者的同步远处转移（SDM）	结合影像组学和深度学习技术，构建了一个综合预测模型，用于预测ccRCC患者的SDM，展示了较高的临床适用性	样本量相对较小，训练和验证队列分别为143和62名患者，可能影响模型的泛化能力	开发并验证一个预测模型，用于预测ccRCC患者的SDM	透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	CT影像组学、深度学习	支持向量机（SVM）、ResNet101	CT图像	训练队列143名ccRCC患者，验证队列62名ccRCC患者
9343	2025-01-31	Physical unclonable in-memory computing for simultaneous protecting private data and deep learning models 2025-Jan-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56412-w PMID:39863590	研究论文	本文提出了一种名为RePACK的三重数据保护方案，用于保护神经网络输入、权重和结构信息，以解决基于电阻随机存取内存的计算内存技术中的数据安全问题	提出了RePACK方案，利用二分排序编码方案和全片上物理不可克隆功能来存储数据，显著提高了枚举复杂度	实验仅在40纳米电阻内存计算内存芯片上进行，尚未在更广泛的硬件平台上验证	开发安全、稳健且高效的边缘神经网络加速器	神经网络输入、权重和结构信息	机器学习	NA	电阻随机存取内存计算内存技术	NA	神经网络数据	128列计算内存核心
9344	2025-01-31	DeepExtremeCubes: Earth system spatio-temporal data for assessing compound heatwave and drought impacts 2025-Jan-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04447-5 PMID:39863624	研究论文	本文介绍了DeepExtremeCubes数据库，旨在分析复合热浪和干旱极端事件对陆地生态系统的影响	提出了一个专门用于分析复合热浪和干旱极端事件影响的数据集，包含超过40,000个全球采样的小数据立方体	数据复杂性可能挑战机器学习模型的有效性	预测气候极端事件对陆地生态系统的影响	持久性自然植被	机器学习	NA	NA	NA	图像、气象数据、地形图	超过40,000个全球采样的小数据立方体，空间覆盖范围为2.5 x 2.5公里
9345	2025-01-31	Improvement of flipped classroom teaching in colleges and universities based on virtual reality assisted by deep learning 2025-Jan-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87450-5 PMID:39863690	研究论文	本文设计了一种基于虚拟现实（VR）和对比语言-图像预训练（CLIP）算法的高校翻转课堂新模式，旨在解决翻转课堂在个性化教学和互动效果提升方面的局限性	通过跨模态数据融合，将学生操作行为与教学内容深度结合，并通过智能反馈机制提升教学效果	未明确提及具体局限性	通过VR技术和智能反馈增强个性化学习体验，提高教学效率和自主学习效果，促进互动教学模式的创新	高校翻转课堂	教育技术	NA	虚拟现实（VR）、对比语言-图像预训练（CLIP）算法	NA	视频、图像、跨模态数据	未明确提及样本量
9346	2025-01-31	Predicting and synthesizing terahertz spoof surface plasmon polariton devices with a convolutional neural network model 2025-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86806-1 PMID:39856181	研究论文	本研究提出了一种基于卷积神经网络（CNN）的模型，用于预测和合成太赫兹频段的欺骗表面等离子体极化子（SSPP）器件	首次使用CNN预测SSPP及其强度，并允许设计者自由选择入射介质材料和指定入射角度	未提及具体样本量或数据集的详细描述	预测和设计太赫兹频段的传感器和吸收器	金属多级光栅结构（MMGS）的SSPP	电磁学	NA	卷积神经网络（CNN），严格耦合波分析（RCWA），快速傅里叶分解（FFF）	CNN	电磁谱数据	NA
9347	2025-01-31	Attention-based interactive multi-level feature fusion for named entity recognition 2025-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86718-0 PMID:39856193	研究论文	本文提出了一种基于注意力的交互式多层次特征融合框架（AIMFF），用于改进命名实体识别（NER）任务	提出了一种新的注意力机制，能够从不同角度获取多层次特征，并交互式地捕捉不同特征之间的依赖关系	未提及具体局限性	改进命名实体识别（NER）任务，通过多层次特征融合提升模型性能	命名实体识别（NER）任务中的实体，如人名（PER）、地名（LOC）和组织名（ORG）	自然语言处理	NA	深度学习技术	基于注意力的交互式多层次特征融合框架（AIMFF）	文本	在三个数据集上进行了实验
9348	2025-01-31	A multimodal transformer system for noninvasive diabetic nephropathy diagnosis via retinal imaging 2025-Jan-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01393-1 PMID:39856403	研究论文	本文开发了一种基于transformer的深度学习系统，用于通过非侵入性多模态数据（眼底图像和临床特征）检测糖尿病肾病（DN）和非糖尿病肾病（NDRD）	提出了一种新的transformer-based深度学习系统Trans-MUF，用于非侵入性诊断糖尿病肾病和非糖尿病肾病，避免了传统活检的需求	研究主要基于回顾性和前瞻性数据集，虽然展示了良好的泛化能力，但仍需进一步验证其在不同临床环境中的适用性	改革传统的活检诊断模式，通过非侵入性方法自动区分糖尿病肾病和非糖尿病肾病	糖尿病肾病（DN）和非糖尿病肾病（NDRD）患者	数字病理学	糖尿病肾病	深度学习	transformer	图像, 临床特征	内部回顾性数据集、前瞻性数据集和多中心、跨机器、多操作者数据集
9349	2025-01-31	Distributed training of foundation models for ophthalmic diagnosis 2025-Jan-22, Communications engineering DOI:10.1038/s44172-025-00341-5 PMID:39843622	研究论文	本文提出了一种分布式深度学习框架，结合自监督和领域自适应联邦学习，用于从光学相干断层扫描图像中增强眼病的检测	该框架采用自监督的掩码预训练策略开发了一个强大的基础编码器，并在本地、集中和联邦学习设置下进行了性能比较，结果显示自监督方法显著提高了曲线下面积	NA	提高眼病（如糖尿病视网膜病变和年龄相关性黄斑变性）的检测和诊断效率	光学相干断层扫描图像	计算机视觉	眼病	自监督学习、联邦学习	深度学习	图像	七个光学相干断层扫描数据集
9350	2025-01-31	Equitable artificial intelligence for glaucoma screening with fair identity normalization 2025-Jan-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01432-5 PMID:39833503	研究论文	本文提出了一种公平身份归一化（FIN）模块，用于提高青光眼筛查中深度学习模型在不同身份群体间的公平性	开发了公平身份归一化（FIN）模块，以均衡不同身份群体的特征重要性，从而提高模型性能的公平性	未明确提及具体的研究局限性	提高青光眼筛查中深度学习模型在不同种族和民族群体间的公平性	青光眼患者和非青光眼患者	计算机视觉	青光眼	光学相干断层扫描（OCT）	深度学习模型	图像	未明确提及具体样本数量
9351	2025-01-28	Precision Imaging for Early Detection of Esophageal Cancer 2025-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010090 PMID:39851364	研究论文	本研究探讨了利用高光谱成像（HSI）和人工智能（AI）技术提高早期食管癌（ECA）检测的准确性	结合高光谱成像和Yolov5模型，显著提高了早期食管癌检测的准确性和召回率	研究中使用的数据集可能不足以代表所有类型的早期食管癌病例	提高早期食管癌的诊断准确性	早期食管癌	计算机视觉	食管癌	高光谱成像（HSI）	Yolov5	图像	3984张白光图像（WLIs）和3666张窄带图像（NBIs）
9352	2025-01-31	EEG-Based ADHD Classification Using Autoencoder Feature Extraction and ResNet with Double Augmented Attention Mechanism 2025-Jan-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15010095 PMID:39851462	研究论文	本研究旨在通过脑电图（EEG）信号分析，利用深度学习技术改进ADHD的诊断	提出了一种基于双增强注意力机制的ResNet模型，结合自编码器进行特征提取和Reptile搜索算法进行特征选择，以提高ADHD诊断的准确性	研究主要基于EEG数据，可能未涵盖ADHD的所有诊断维度	建立一种客观的ADHD诊断方法	儿童ADHD患者	机器学习	ADHD	EEG信号分析	ResNet	EEG信号	未明确提及样本数量
9353	2025-01-31	Precise Crop Pest Detection Based on Co-Ordinate-Attention-Based Feature Pyramid Module 2025-Jan-20, Insects IF:2.7Q1 DOI:10.3390/insects16010103 PMID:39859684	研究论文	本文提出了一种基于坐标注意力的特征金字塔网络（CAFPN），用于精确检测农作物害虫，并通过动态样本选择策略提高检测精度	设计了基于坐标注意力的特征金字塔网络（CAFPN），并引入了动态样本选择策略，以解决小尺寸害虫检测中的特征提取和样本选择问题	未提及具体局限性	提高农作物害虫的检测精度，特别是小尺寸害虫的识别	农作物害虫	计算机视觉	NA	深度学习	CAFPN（基于坐标注意力的特征金字塔网络）	图像	AgriPest 21数据集和IP102数据集
9354	2025-01-31	Intelligent Intrusion Detection System Against Various Attacks Based on a Hybrid Deep Learning Algorithm 2025-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s25020580 PMID:39860948	研究论文	本文提出了一种基于混合深度学习算法的智能入侵检测系统，旨在提高物联网环境中的安全性	采用多阶段特征提取过程，结合自编码器（AEs）、长短期记忆网络（LSTM）和卷积神经网络（CNN）的优势，有效处理物联网安全数据并识别复杂网络威胁	未提及具体的数据集规模或实验环境的具体限制	提高现有深度学习模型的性能，增强物联网环境中的入侵检测能力	物联网（IoT）环境中的安全数据	机器学习	NA	SMOTE（合成少数类过采样技术）	自编码器（AEs）、长短期记忆网络（LSTM）、卷积神经网络（CNN）	非结构化数据	NA
9355	2025-01-31	A Deep Learning Approach for Mental Fatigue State Assessment 2025-Jan-19, Sensors (Basel, Switzerland) DOI:10.3390/s25020555 PMID:39860925	研究论文	本研究利用深度学习技术，通过分析原始ECG数据、2D频谱特征和受试者的生理信息，评估运动活动中的精神疲劳状态	采用混合深度神经网络模型，结合ResNet和Bi-LSTM进行特征提取，并使用transformer进行特征融合，相较于传统方法和其他深度学习方法，显著提高了疲劳识别的准确性	NA	准确识别运动活动中的精神疲劳状态	运动活动中的精神疲劳	机器学习	NA	深度学习	ResNet, Bi-LSTM, transformer	ECG数据, 2D频谱特征, 生理信息	NA
9356	2025-01-31	Variational Autoencoder-based Model Improves Polygenic Prediction in Blood Cell Traits 2025-Jan-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.13.632820 PMID:39868173	研究论文	本研究通过应用先进的深度学习技术，改进了多基因风险评分（PRS）的预测能力，特别是在血细胞特征方面	提出了基于变分自编码器（VAE）的PRS模型（VAE-PRS），在16个血细胞特征中的14个上优于现有最先进方法，并能捕捉高维数据中的交互效应	研究主要基于生物银行数据，可能在其他类型的数据集上表现不同	提高多基因风险评分（PRS）的预测能力，以更好地理解个体遗传倾向	血细胞特征	机器学习	NA	深度学习	变分自编码器（VAE）	基因组数据	生物银行数据
9357	2025-01-31	Biomarker Investigation Using Multiple Brain Measures from MRI Through Explainable Artificial Intelligence in Alzheimer's Disease Classification 2025-Jan-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010082 PMID:39851356	研究论文	本研究通过可解释的人工智能（XAI）方法，比较了两种深度学习模型在阿尔茨海默病分类中的表现，并评估了它们与已知生物标志物的关联	提出了一种基于梯度加权类激活映射的新型XAI指标，用于定量评估模型决策与已知AD生物标志物的关联，并比较了不同成像模态（MRI与连接性）对模型解释性的影响	研究样本量较小（132个脑区），且仅针对阿尔茨海默病，未涉及其他神经退行性疾病	开发更全面和可信的深度学习模型，以增强其在神经退行性疾病诊断支持工具中的适用性	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI	ResNet18, BC-GCN-SE	图像	132个脑区
9358	2025-01-31	Depression Detection and Diagnosis Based on Electroencephalogram (EEG) Analysis: A Systematic Review 2025-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020210 PMID:39857094	综述	本文系统回顾了基于脑电图（EEG）分析的抑郁症检测与诊断方法，强调了EEG在人工智能驱动方法中的关键作用	本文通过整合EEG与机器学习和深度学习技术，系统分析了利用EEG信号识别抑郁症生物标志物的方法，并提出了未来研究方向	现有数据集的局限性以及诊断模型的可靠性和预测性仍需改进	提高抑郁症诊断的精确性、可扩展性和自动化水平	抑郁症患者	机器学习	抑郁症	EEG分析	机器学习和深度学习模型	EEG信号	NA
9359	2025-01-31	Machine Learning-Based Alzheimer's Disease Stage Diagnosis Utilizing Blood Gene Expression and Clinical Data: A Comparative Investigation 2025-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15020211 PMID:39857095	研究论文	本研究利用血液基因表达和临床生物标志物样本，对阿尔茨海默病（AD）的多阶段诊断进行了比较分析，并应用了机器学习技术	首次使用血液基因表达数据进行多分类的AD阶段诊断，并提出了新的机器学习数据增强技术来处理高维低样本量（HDLSS）数据	数据样本量较小且高度不平衡，可能影响模型的泛化能力	比较血液基因表达和临床生物标志物在阿尔茨海默病多阶段诊断中的效果	阿尔茨海默病神经影像倡议（ADNI）参与者的血液基因表达和临床生物标志物样本	机器学习	阿尔茨海默病	机器学习、深度学习、数据增强	XGBoost、SFBS、深度学习分类器、支持向量机（SVM）、梯度提升（GB）、随机森林（RF）	基因表达数据、临床数据	ADNI参与者的血液基因表达和临床生物标志物样本
9360	2025-01-31	Advancements in Obstructive Sleep Apnea Diagnosis and Screening Through Artificial Intelligence: A Systematic Review 2025-Jan-17, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13020181 PMID:39857208	系统性综述	本文系统性回顾了过去十年中利用人工智能（AI）技术进行阻塞性睡眠呼吸暂停（OSA）筛查和诊断的研究	本文首次系统性评估了AI算法在OSA诊断和筛查中的应用，展示了AI在提高诊断准确性、敏感性和特异性方面的显著优势	由于算法的异质性，研究结果需要进一步的严格验证和数据集标准化	评估AI算法在OSA诊断和筛查中的应用潜力	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	机器学习（ML）和深度学习（DL）算法	逻辑回归等	人体测量指标、影像、心电图信号、呼吸信号、血氧测定信号等	109,046名患者