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
1081	2025-04-29	Variational mode directed deep learning framework for breast lesion classification using ultrasound imaging 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99009-5 PMID:40274985	research paper	提出了一种基于超声的乳腺病变分类框架，利用二维变分模态分解（2D-VMD）提供自解释特征，引导带有混合池化和注意力机制的CNN进行增强分类	利用2D-VMD提供自解释特征，结合混合池化和注意力机制的CNN，无需分割病变即可实现高精度分类	未提及具体的数据集样本量差异可能影响模型泛化能力	提高乳腺病变分类的准确性和解释性	乳腺超声图像中的良性和恶性病变	digital pathology	breast cancer	2D-VMD, CNN	CNN with mixed pooling and attention mechanisms	ultrasound images	两个公共乳腺超声数据集和一个内部数据集（具体数量未提及）
1082	2025-04-29	Attack resilient IoT security framework using multi head attention based representation learning with improved white shark optimization algorithm 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98180-z PMID:40274990	研究论文	提出了一种基于多头注意力和改进白鲨优化算法的物联网安全框架，用于增强网络安全检测和迁移模型	结合多头注意力和改进白鲨优化算法，提出了一种新型的入侵检测方法MHAID-IWSOA	实验仅在Edge-IIoT数据集上进行，未在其他数据集上验证	提高物联网网络中的网络安全检测和迁移能力	物联网网络中的异常或网络攻击	机器学习	NA	多头注意力机制、改进白鲨优化算法、双向门控循环单元	BiGRU-MHA	网络数据	Edge-IIoT数据集
1083	2025-04-29	Leveraging TME features and multi-omics data with an advanced deep learning framework for improved Cancer survival prediction 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98565-0 PMID:40275021	研究论文	本研究整合多组学数据和先进的深度学习框架，以提高癌症生存预测的准确性	利用单细胞RNA测序（scRNA-seq）增强的自归一化网络（Self-Normalizing Network）模型，结合多组学数据，显著提高了胶质瘤预后预测的准确性	研究样本量相对有限（620例），且仅针对胶质瘤，可能限制了模型的泛化能力	提高胶质瘤患者的生存预测准确性并识别潜在治疗靶点	胶质母细胞瘤（GBM）和低级别胶质瘤（LGG）患者	数字病理学	胶质瘤	单细胞RNA测序（scRNA-seq）、多组学数据整合	自归一化网络（Self-Normalizing Network）	转录组、拷贝数变异（CNV）、体细胞突变（MUT）、微生物（MIC）数据	620个样本
1084	2025-04-29	TCAINet an RGB T salient object detection model with cross modal fusion and adaptive decoding 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98423-z PMID:40275036	research paper	提出了一种名为TCAINet的新型RGB-T显著目标检测网络，通过跨模态融合和自适应解码提升复杂场景下的检测性能	集成了通道注意力机制(CA)、增强的跨模态融合模块(CAF)和自适应解码器(AAD)，优化了多模态信息的融合与处理	在高噪声环境下的性能仍有提升空间，且特征加权策略的灵活性可能不足	提升RGB-T显著目标检测网络在复杂场景下的性能	RGB-T显著目标检测	computer vision	NA	深度学习方法	TCAINet (包含CA、CAF和AAD模块)	RGB-T图像数据	NA
1085	2025-04-29	A novel approach for music genre identification using ZFNet, ELM, and modified electric eel foraging optimizer 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98766-7 PMID:40275047	research paper	提出了一种结合深度学习和元启发式算法的新方法用于音乐流派识别	整合了预训练的ZFNet、ELM和新开发的MEEFO算法，优化分类性能	NA	自动将音乐作品分类到一个或多个预定义的流派中	音乐流派识别	machine learning	NA	metaheuristic algorithm	ZFNet, ELM, MEEFO	audio signals	GTZAN和Ballroom两个基准数据集
1086	2025-04-29	A novel temporal classification prototype network for few-shot bearing fault detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98963-4 PMID:40275051	research paper	提出了一种名为时序分类原型网络（TCPN）的新方法，用于解决工业轴承故障检测中数据稀缺的问题	提出了时序分类原型网络（TCPN）和增强时序卷积网络（ETCN），以及基于相似度度量的ContractSim分类器（CSC），在数据稀缺条件下保持训练效果和泛化能力	未提及具体的数据稀缺程度对模型性能的影响，以及在实际工业环境中的适用性	解决工业轴承故障检测中数据稀缺导致的深度学习模型训练不足和泛化问题	工业轴承故障信号	machine learning	NA	Fourier变换	TCPN, ETCN, CSC	时序信号数据	四个标准轴承数据集
1087	2025-04-29	Exploring the potential and limitations of deep learning and explainable AI for longitudinal life course analysis 2025-Apr-24, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-22705-4 PMID:40275204	研究论文	探讨深度学习和可解释AI在纵向生命历程分析中的潜力与局限性	比较了多种深度学习架构与传统方法在稀疏纵向数据上的表现，并评估了SHAP值在解释性方面的局限性	SHAP值的解释性与因果关系存在不一致，且没有一种模型在所有场景中表现最佳	评估深度学习和可解释AI在生命历程数据分析中的应用效果	模拟的纵向生命历程数据	机器学习	NA	深度学习、可解释AI（XAI）	CNN、RNN（基于注意力机制）、XGBoost、逻辑回归	模拟数据	NA
1088	2025-04-29	Multitemporal river flow discharge prediction: A new framework for integrated environmental management and flood control 2025-Apr-24, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125372 PMID:40279745	研究论文	本研究提出了一种先进的通用数据处理组方法（AUGMDH）模型，用于预测不同时间尺度的河流流量，并与CNN模型在准确性上进行了比较	引入了AUGMDH模型，该模型在多时间尺度河流流量预测中优于传统的CNN模型，并在准确性、可靠性和计算效率方面表现更优	未提及具体的数据来源和样本量，可能影响模型的泛化能力	提高多时间尺度河流流量预测的准确性和可靠性，以支持水资源管理和洪水控制	河流流量数据	机器学习	NA	AUGMDH模型和CNN模型	AUGMDH, CNN	时间序列数据	NA
1089	2025-04-29	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Apr-24, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	本研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症（MS）病变分类和分层的精确度	结合了深度学习重建技术和双注意力机制（空间和通道注意力模块），以增强特征提取，特别是在皮层灰质和脑干等难以检测的区域	未提及模型在小样本或不同MRI设备上的泛化能力	提高多发性硬化症病变的检测和分类精度	多发性硬化症（MS）患者的MRI图像	数字病理学	多发性硬化症	MRI（T2加权成像）	CNN（卷积神经网络）	图像	四个公开数据集（具体样本量未提及）
1090	2025-04-29	Improved prediction of chlorophyll-a concentrations using advancing graph neural network variants 2025-Apr-24, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179481 PMID:40280091	研究论文	提出一种基于深度学习的框架，用于长期叶绿素a浓度模拟，结合了不规则测量的水质观测数据和恒定时间步长的气候数据	引入了先进的图神经网络（GNN）架构，如ChebNet和GCN，用于编码连续气候数据，并提出了一个门控机制来整合两个模块的输出	研究仅基于韩国汉江上游流域的每日数据集，可能在其他地区的适用性有限	提高叶绿素a浓度的预测准确性，以更好地估计有害藻华	叶绿素a浓度及其影响因素（天气和理化因素）	机器学习	NA	深度学习，图神经网络	GNN, ChebNet, GCN, LSTM	多模态数据（水质观测数据和气候数据）	韩国汉江上游流域的每日数据集
1091	2025-04-29	Deep learning approach in undergraduate nursing students and their relationship with learning outcomes: A latent profile analysis 2025-Apr-23, Nurse education in practice IF:3.3Q1 DOI:10.1016/j.nepr.2025.104379 PMID:40279950	研究论文	本研究通过潜在剖面分析识别本科护理学生的深度学习方式，并分析其影响因素及与学习成果的关系	首次在护理教育领域应用潜在剖面分析识别学生的深度学习方式异质性，并关联学习成果	横断面设计无法推断因果关系，样本仅来自两所医学院校	探索护理学生深度学习方式的分类模式及其教育干预意义	中国两所医科大学891名本科护理学生	教育心理学	NA	潜在剖面分析(LPA)、方差分析、多项逻辑回归	BCH方法	量表数据	891名护理学生
1092	2025-04-29	Reduction of radiation exposure in chest radiography using deep learning-based noise reduction processing: A phantom and retrospective clinical study 2025-Apr-23, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102958 PMID:40280035	研究论文	本研究评估了基于深度学习的智能降噪技术（INR）在胸部平面X射线摄影中减少患者辐射剂量的效果	首次在临床环境中验证了INR技术能在保持图像质量的同时显著降低胸部X射线摄影的辐射剂量	研究样本量有限（100例患者），且仅评估了特定制造商的INR技术	评估智能降噪技术在胸部X射线摄影中降低辐射剂量的效果	胸部X射线图像（使用Lungman体模和100例患者临床影像）	数字病理	肺癌	深度学习降噪处理	深度学习（具体架构未说明）	X射线图像	100例患者胸部X射线影像（前后对照研究）
1093	2025-04-29	DICCA-DTA: Diffusion and Contextualized Capsule Attention guided Factorized Cross-Pooling for Drug-Target Affinity prediction 2025-Apr-23, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108472 PMID:40288256	研究论文	提出了一种名为DICCA-DTA的新框架，用于预测药物-靶标亲和力，通过改进分子信息的上下文整合和药物-靶标相互作用的全面表示	结合扩散同构网络和上下文胶囊注意力网络，以及因子化交叉池化机制，动态优化药物-蛋白质相互作用建模，提高预测准确性和可解释性	未提及具体的数据集限制或模型计算复杂度问题	改进药物-靶标亲和力预测，以加速药物发现和再利用	药物分子和蛋白质靶标	机器学习	癌症	扩散同构网络(DIN)和上下文胶囊注意力网络(CCAN)	DIN, CCAN, FCP	分子图和蛋白质序列	Davis、KIBA、Metz和BindingDB数据集，以及DrugBank数据库中的癌症相关蛋白质相互作用案例
1094	2025-04-29	Challenging Reaction Prediction Models to Generalize to Novel Chemistry 2025-Apr-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.5c00055 PMID:40290152	research paper	本文探讨了深度学习模型在有机反应产物预测中的泛化能力，特别是在面对新化学领域时的表现	提出了一系列更具挑战性的评估方法，包括对新专利、新作者以及时间分割数据的测试，以揭示当前反应预测模型的能力和局限	当前模型在分布外领域的表现仍有不足，特别是在面对新反应类型的发现时	评估和改进深度学习模型在有机反应预测中的泛化能力	有机反应预测模型	machine learning	NA	deep learning	SMILES-based deep learning model	chemical reaction data	NA
1095	2025-04-29	Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint clinical assessment in shoulder CT scans 2025-Apr-22, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103131 PMID:40279875	research paper	提出了一种创新的深度学习框架，用于处理肩部CT扫描，实现骨骼分割和关节临床评估	采用级联CNN架构（3D CEL-UNet和3D Arthro-Net）同时进行语义分割和三重分类，提高了肩关节骨结构病理分析的全面性和准确性	研究基于回顾性数据集，可能需要在更大规模的前瞻性研究中进一步验证	开发一种高效的人工智能工具，以优化肩关节置换术的术前规划流程	肩部CT扫描中的近端肱骨和肩胛骨	digital pathology	osteoarthritis	CT扫描	3D CEL-UNet, 3D Arthro-Net	3D医学影像	571例具有不同程度肩关节骨关节炎相关病理的CT扫描
1096	2025-04-29	Optimal Control of Specification in LPG Blend: A Deep Learning and PSO-Driven Framework for Minimizing Off-Spec Production 2025-Apr-22, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10068 PMID:40290953	研究论文	本文提出了一种结合深度学习和粒子群优化的两阶段方法，用于预测和优化液化石油气（LPG）混合过程中的产品规格，以减少不合格产品的生产	结合LSTM深度学习模型和粒子群优化（PSO）技术，首次在LPG混合过程中实现预测与优化的协同作用，并考虑了不同烃类组分对输入变量的差异影响	研究仅针对特定炼油厂的LPG生产过程，未考虑原油类型对LPG规格的影响	优化LPG混合过程中的产品规格控制，减少不合格产品的生产	液化石油气（LPG）的混合生产过程	机器学习	NA	LSTM, PSO	LSTM	历史测量数据	年度数据集（具体数量未提及）
1097	2025-04-29	Computational models for prediction of m6A sites using deep learning 2025-Apr-21, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.011 PMID:40268153	研究论文	该研究利用深度学习模型预测RNA中的m6A修饰位点，并比较了不同方法的性能	首次全面验证了多种深度学习方法在m6A位点预测中的应用，包括专为生物序列设计的预训练模型	未提及模型在实际生物样本中的验证效果	开发更准确的m6A修饰位点预测方法	真核生物mRNA中的m6A修饰位点	机器学习	NA	深度学习	预训练模型及其他基础深度学习方法	生物序列数据	基准数据集（具体数量未说明）
1098	2025-04-29	Low-Light Image and Video Enhancement for More Robust Computer Vision Tasks: A Review 2025-Apr-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11040125 PMID:40278041	综述	本文综述了低光照图像和视频增强技术及其在计算机视觉任务中的应用	比较了传统和基于深度学习的增强方法，并分析了光照增强如何提高计算机视觉任务的鲁棒性	监督学习方法虽然效果最佳，但缺乏真实世界数据和对新数据的鲁棒性，需要转向零样本学习	探讨低光照增强技术在计算机视觉任务中的应用和效果	低光照图像和视频	计算机视觉	NA	NA	监督学习、零样本学习	图像、视频	NA
1099	2025-04-29	Causal recurrent intervention for cross-modal cardiac image segmentation 2025-Apr-21, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102549 PMID:40279865	research paper	提出了一种名为因果循环干预（CRI）的方法，用于解决跨模态心脏图像分割中的跨域混淆问题	通过建立结构因果模型，将不同高维变化整合到单一因果关系中，并区分稳定和动态因素，从而解决跨域混淆问题	实验样本量相对较小（1697例），且未提及在其他类型医学图像上的泛化能力	提高跨模态心脏图像分割的性能，以满足临床和深度学习需求	跨模态心脏图像	digital pathology	cardiovascular disease	跨模态图像分割	structural causal model	image	1697例跨模态心脏图像样本
1100	2025-04-29	Deep Learning-Based Estimation of Myocardial Material Parameters from Cardiac MRI 2025-Apr-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12040433 PMID:40281793	研究论文	本研究提出了一种基于深度学习的方法，从常规心脏磁共振成像数据中快速准确地估计左心室心肌材料参数	利用深度学习直接从心脏MRI数据估计心肌材料参数，避免了传统有限元方法中耗时的迭代优化过程	在病理样本上的预测误差较高，表明在建模病变心肌组织方面存在挑战	开发一种计算效率高且准确的心肌材料参数估计方法，以推进计算建模和临床应用	左心室心肌材料参数	医学影像分析	心血管疾病	心脏磁共振成像(CMRI)	ResNet18	医学影像	1288名健康受试者和少量病理样本(包括ARV和HCM病例)