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
1121	2025-06-08	Adaptively temporal graph convolution model for epidemic prediction of multiple age groups 2022-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2021.07.007 PMID:40477716	research paper	提出了一种自适应时间图卷积模型（ATGCN），用于COVID-19和流感的多元时间序列预测，并在不同年龄组中表现出色	ATGCN模型通过图学习方法捕捉多年龄组的接触模式，在短期和长期预测任务中均优于自回归模型和深度序列学习模型	未明确提及模型在其他传染病预测中的泛化能力，且未讨论计算复杂度或实时预测的可行性	探索深度学习在传染病预测领域的应用，特别是针对多年龄组的多元时间序列预测	COVID-19和流感的确诊病例数据，重点关注不同年龄组之间的传播模式	machine learning	COVID-19, influenza	graph-based deep learning approach	ATGCN (adaptively temporal graph convolution model)	multivariate time series data	两个数据集（COVID-19和流感），具体样本量未明确说明
1122	2025-06-08	Automatic engagement estimation in smart education/learning settings: a systematic review of engagement definitions, datasets, and methods 2022, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-022-00212-y PMID:40477985	review	本文系统回顾了智能教育/学习环境中自动参与度估计的最新发展，包括参与度定义、数据集和基于机器学习的方法	提出了一个清晰的分类法来定义参与度，并总结了机器学习方法在自动参与度识别中的应用	存在一些关键挑战，如认知和个性化参与度问题，以及可能影响实际应用的机器学习问题	为研究人员提供关于自动参与度估计的见解，以增强智能学习中的自动参与度识别方法	学习者的参与度	machine learning	NA	machine learning, deep learning	NA	dataset	47篇研究文章
1123	2025-06-08	AFCM-LSMA: New intelligent model based on Lévy slime mould algorithm and adaptive fuzzy C-means for identification of COVID-19 infection from chest X-ray images 2021-Aug, Advanced engineering informatics IF:8.0Q1 DOI:10.1016/j.aei.2021.101317 PMID:40477230	研究论文	提出了一种基于Lévy黏菌算法和自适应模糊C均值的新型智能模型AFCM-LSMA，用于从胸部X光图像中识别COVID-19感染	结合自适应模糊C均值(AFCM)和改进的基于Lévy分布的黏菌算法(SMA)，提出了一种新的优化模型AFCM-LSMA，用于COVID-19的快速诊断	NA	开发一个稳健的模型，从胸部X光图像中提取COVID-19的高级特征，以帮助快速诊断	胸部X光图像	计算机视觉	COVID-19	Lévy黏菌算法，自适应模糊C均值	AFCM-LSMA	图像	NA
1124	2025-06-08	Scientific production and thematic breakthroughs in smart learning environments: a bibliometric analysis 2021, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-020-00145-4 PMID:40477293	研究论文	本文通过文献计量学方法分析了智能学习环境领域的研究趋势、学者生产力和主题焦点	提供了智能学习环境领域的全面概览，包括研究热点、主题焦点和未来方向	仅基于Scopus数据库的1081篇同行评议文章，可能未涵盖所有相关研究	分析智能学习环境领域的研究趋势、学者生产力和主题焦点	智能学习环境领域的科学出版物	教育技术	NA	文献计量分析	NA	文本	1081篇同行评议文章
1125	2025-06-08	Deep Learning and Particle Swarm Optimisation-Based Techniques for Visually Impaired Humans' Text Recognition and Identification 2021, Augmented human research DOI:10.1007/s41133-021-00051-5 PMID:40477829	研究论文	本文提出了一种结合深度学习和粒子群优化的方法，用于视觉障碍者的文本识别与识别	结合深度神经网络和粒子群优化技术，用于复杂退化图像中的文本识别	未提及具体样本量或实际应用中的性能表现	开发一种能够帮助视觉障碍者在自然场景中识别文本的系统	视觉障碍者	计算机视觉	NA	梯度图像方法、对比度图像方法、自适应图像映射、笔画宽度变换、Gabor变换	深度神经网络、粒子群优化	图像	使用IIIT5K数据集进行开发
1126	2025-06-07	im7G-DCT: A two-branch strategy model based on improved DenseNet and transformer for m7G site prediction 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108473 PMID:40245811	研究论文	本文提出了一种基于改进的DenseNet和Transformer的两分支策略模型im7G-DCT，用于预测m7G位点	采用两分支策略并行提取局部和全局特征，深入挖掘m7G位点序列的潜在特征信息，提高了预测准确率	NA	准确识别mRNA中的m7G位点，为临床应用和治疗策略开发提供支持	mRNA中的N-7甲基鸟苷(m7G)位点	生物信息学	癌症、神经退行性疾病、病毒感染	深度学习	改进的DenseNet和Transformer	RNA序列数据	NA
1127	2025-06-07	Convolutional Neural Network approach to classify mitochondrial morphologies 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108477 PMID:40273826	研究论文	介绍了一种基于深度学习的软件MitoClass，用于自动分类线粒体网络的形态	利用CNN架构开发了MitoClass软件，能够快速、准确地对线粒体形态进行分类	NA	开发一种高效的方法，定量评估细胞群体中线粒体形状的变化	线粒体网络的形态	计算机视觉	NA	超分辨率成像	CNN	图像	NA
1128	2025-06-07	iEnhancer-DS: Attention-based improved densenet for identifying enhancers and their strength 2025-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108484 PMID:40349379	研究论文	提出了一种基于深度学习的多任务框架iEnhancer-DS，用于增强子识别及其强度分类	结合改进的DenseNet模块和自注意力机制，动态评估特征重要性并分配权重，提高了增强子识别和强度预测的性能	未提及具体的数据集规模或多样性限制	开发计算方法来快速准确地识别增强子及其强度	DNA序列中的增强子及其强度	生物信息学	NA	one-hot编码和核苷酸化学性质(NCP)	改进的DenseNet和自注意力机制	DNA序列数据	NA
1129	2025-06-07	Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144311 PMID:40334489	研究论文	本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济高效地预测大米中的抗性淀粉(RS)含量	创新性地将CNN与数据增强技术结合，并利用SHAP方法解释模型，显著提高了预测精度并缩小了关键波长范围	深度学习模型的'黑箱'特性虽然通过SHAP得到部分解释，但可能仍存在其他未被发现的局限性	开发一种快速、经济高效的大米抗性淀粉含量预测方法	大米中的抗性淀粉(RS)	机器学习	NA	近红外光谱(NIR)	CNN	光谱数据	NA
1130	2025-06-07	Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144649 PMID:40349518	综述	本文综述了机器学习和深度学习模型在超声波辅助新型溶剂提取植物活性成分中的应用进展	利用机器学习和深度学习模型解决超声波辅助提取中的挑战，包括加速新型溶剂筛选、促进活性成分发现、优化复杂提取过程、深入分析提取机制以及实时监控超声波设备	模型可解释性、数据集标准化和工业可扩展性等挑战	推动超声波辅助提取技术的智能化转型	植物活性成分	机器学习	NA	超声波辅助提取(UAE)	机器学习和深度学习模型	NA	NA
1131	2025-06-07	Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144678 PMID:40359792	review	本文综述了智能手机集成的纳米酶技术在食品安全快速现场检测中的应用及其进展	探讨了智能手机与纳米酶技术结合用于实时生物传感的创新点，以及与AI、ML、DL和3D打印技术结合的潜力	讨论了提高灵敏度、实现多重检测和现场应用验证等关键挑战	旨在推动智能食品安全系统的发展，实现实时现场检测以确保食品质量和公共健康	食源性病原体、污染物、食品添加剂、营养素及有害残留物（如农药和兽药）	食品安全	NA	纳米酶技术、AI、ML、DL、3D打印	NA	实时生物传感数据	NA
1132	2025-06-07	Digital image-based chemometrics for food analysis: a practical tutorial and roadmap 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144531 PMID:40367821	综述	本文综述了数字图像在食品分析中的应用，提供了从单变量方法到多变量分类/校准方法的路线图，并通过三个案例研究展示了其在食品安全和质量方面的潜力	介绍了混合颜色描述符、色度图、深度学习架构和时间分辨RGB成像等最新进展，提高了这些技术在食品科学中的稳健性和适用性	该领域面临关键挑战，特别是缺乏方法学标准化，文献中多样化的应用证明了这一点	开发食品质量控制中的分析方法	食品	化学计量学	NA	数字图像处理	深度学习架构	图像	NA
1133	2025-06-07	EffiCOVID-net: A highly efficient convolutional neural network for COVID-19 diagnosis using chest X-ray imaging 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.008 PMID:40252941	research paper	提出了一种名为EffiCOVID-Net的高效卷积神经网络，用于通过胸部X光影像诊断COVID-19	EffiCOVID-Net结合了多样化的特征学习单元，采用包含(3×3)滤波器和循环连接的EffiCOVID块，以提取复杂特征同时保持空间完整性	该模型最适合作为辅助工具而非独立的诊断方法	开发一种高效且准确的深度学习模型，用于COVID-19的早期诊断	COVID-19患者的胸部X光影像	computer vision	COVID-19	deep learning	CNN	image	两个公开可用的COVID-19胸部X光数据集
1134	2025-06-07	Computational models for prediction of m6A sites using deep learning 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.011 PMID:40268153	研究论文	本文综述了基于机器学习和深度学习的m6A位点预测方法，并在基准数据集上验证了多种深度学习方法的有效性	验证了多种深度学习方法在m6A位点预测中的应用，包括专门为生物序列设计的预训练模型和其他基础深度学习方法	未提及具体的数据集规模或实验细节，可能影响结果的普适性	准确识别m6A修饰位点，以理解其功能和潜在机制	真核生物mRNA中的N6-甲基腺苷(m6A)修饰位点	机器学习	NA	深度学习	预训练模型和其他基础深度学习方法	生物序列数据	NA
1135	2025-06-07	Motion-Compensated Multishot Pancreatic Diffusion-Weighted Imaging With Deep Learning-Based Denoising 2025-Jul-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001148 PMID:39823511	研究论文	本文提出了一种结合运动补偿扩散编码梯度(MCGs)和深度学习去噪的多重扩散加权成像(msDWI)方法，用于改善胰腺DWI的图像质量和定量准确性	创新点在于结合了CODE生成的MCGs和深度学习去噪技术，以减少运动伪影并最小化回波时间损失	样本量较小(22例患者)，且研究仅在一家机构进行	提高胰腺扩散加权成像(DWI)的图像质量和定量准确性	胰腺	医学影像	胰腺疾病	多重扩散加权成像(msDWI)、运动补偿扩散编码梯度(MCGs)、深度学习去噪	深度学习	MRI图像	22例患者
1136	2025-06-07	Learning to Explore Sample Relationships 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	research paper	本文提出了一种名为BatchFormerV1和BatchFormerV2的模块，用于增强深度神经网络在学习样本关系方面的能力	提出了BatchFormer模块，使深度神经网络能够以可学习的方式探索样本关系，并进一步扩展到像素/补丁级别的密集表示	探索实例级关系对密集预测的影响有限，且训练和测试阶段存在不一致性	解决深度学习在数据稀缺情况下的样本关系探索问题	深度神经网络中的样本关系	computer vision	NA	deep learning	BatchFormerV1, BatchFormerV2	image	超过十个流行数据集
1137	2025-06-07	Hard-Aware Instance Adaptive Self-Training for Unsupervised Cross-Domain Semantic Segmentation 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3552484 PMID:40100655	research paper	提出了一种用于无监督跨域语义分割的硬感知实例自适应自训练框架	开发了一种新颖的伪标签生成策略，包含实例自适应选择器和硬感知伪标签增强，以及区域自适应正则化	未明确提及具体限制	解决标记训练数据与未标记测试数据之间的差异问题，提升无监督域适应（UDA）在语义分割任务中的性能	语义分割任务中的跨域数据	computer vision	NA	self-training, unsupervised domain adaptation (UDA)	NA	image	GTA5 → Cityscapes, SYNTHIA → Cityscapes, Cityscapes → Oxford RobotCar 数据集
1138	2025-06-07	Generating Inverse Feature Space for Class Imbalance in Point Cloud Semantic Segmentation 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553051 PMID:40106253	research paper	提出了一种名为InvSpaceNet的网络框架，通过生成逆特征空间来缓解点云语义分割中数据不平衡导致的认知偏差	设计了双分支训练架构，结合实例平衡采样数据的特征表示和逆采样数据的认知校正，生成逆特征空间以优化分割性能	未明确提及具体限制，但可能依赖于特定数据集和计算资源	解决点云语义分割中数据不平衡导致的认知偏差问题	点云数据	computer vision	NA	深度学习	InvSpaceNet	点云	四个大型基准数据集（S3DIS, ScanNet v2, Toronto-3D, SemanticKITTI）
1139	2025-06-07	GDRNPP: A Geometry-Guided and Fully Learning-Based Object Pose Estimator 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3553485 PMID:40117145	research paper	介绍了一种完全基于学习的物体姿态估计器GDRNPP，通过几何引导的直接回归网络和姿态细化模块，实现了端到端的6D姿态估计	提出了一个完全基于学习的物体姿态估计器GDRNPP，无需依赖传统技术，实现了端到端的训练，并在精度和速度上超越了现有方法	NA	解决计算机视觉中刚性物体6D姿态估计的挑战，提高姿态估计的精度和速度	刚性物体的6D姿态	computer vision	NA	CNN	GDRN, GDRNPP	image	NA
1140	2025-06-07	ONNXPruner: ONNX-Based General Model Pruning Adapter 2025-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3554560 PMID:40131753	research paper	提出了一种名为ONNXPruner的通用模型剪枝适配器，用于简化ONNX格式模型在不同深度学习框架和硬件平台上的剪枝过程	ONNXPruner通过节点关联树自动适应各种模型架构，并引入树级评估方法，提升了剪枝性能	未提及具体剪枝算法在不同模型上的性能对比	推动模型剪枝的实际应用	ONNX格式的深度学习模型	machine learning	NA	模型剪枝	ONNX格式模型	NA	多个模型和数据集