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
101	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
102	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）
103	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
104	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
105	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
106	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）
107	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）
108	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
109	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
110	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)
111	2025-04-29	Histology-Specific Treatment Strategies and Survival Prediction in Lung Cancer Patients with Spinal Metastases: A Nationwide Analysis 2025-Apr-21, Cancers IF:4.5Q1 DOI:10.3390/cancers17081374 PMID:40282550	research paper	本研究评估了肺癌脊柱转移患者的治疗模式、生存结果和预后因素，并整合了深度学习生存预测模型	整合了深度学习生存预测模型来评估肺癌脊柱转移患者的预后，并提出了组织学特异性治疗策略	研究为回顾性队列研究，可能存在选择偏倚，且未考虑所有潜在混杂因素	评估肺癌脊柱转移患者的治疗模式、生存结果和预后因素，以优化治疗策略	非小细胞肺癌（NSCLC）和小细胞肺癌（SCLC）脊柱转移患者	digital pathology	lung cancer	深度学习生存预测模型	SurvTrace	临床数据	428,919名肺癌患者，其中5.1%发展为脊柱转移
112	2025-04-29	Mutual Information Neural-Estimation-Driven Constellation Shaping Design and Performance Analysis 2025-Apr-21, Entropy (Basel, Switzerland) DOI:10.3390/e27040451 PMID:40282686	研究论文	本文提出了基于互信息神经估计（MINE）的几何、概率及联合星座成形方案，以最大化互信息（MI）	首次引入MINE模块，通过反向传播有效估计和最大化互信息，无需明确了解信道状态信息	仅优化发射端，未考虑接收端的复杂性	提高高速相干通信系统中的星座成形性能，以满足日益增长的容量需求	无线和光通信中的星座成形设计	通信技术	NA	深度学习（DL）	MINE-GCS, MINE-PCS, MINE-JCS	信号数据	通过仿真验证，具体样本数量未提及
113	2025-04-29	MAF-MixNet: Few-Shot Tea Disease Detection Based on Mixed Attention and Multi-Path Feature Fusion 2025-Apr-21, Plants (Basel, Switzerland) DOI:10.3390/plants14081259 PMID:40284147	research paper	提出了一种名为MAF-MixNet的新型少样本端到端检测网络，用于复杂田间条件下的茶叶病害检测	设计了混合注意力分支(MA-Branch)和多路径特征融合模块(MAFM)，有效解决了有限样本下特征提取不足的瓶颈	未提及具体局限性	开发一种能够在少量标注数据下实现稳健检测的茶叶病害检测方法	茶叶病害（炭疽病和褐斑病）	computer vision	plant disease	few-shot learning	MAF-MixNet (基于混合注意力和多路径特征融合的CNN变体)	image	5-shot和10-shot场景下的测试
114	2025-04-29	A Vision-Based Method for Detecting the Position of Stacked Goods in Automated Storage and Retrieval Systems 2025-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s25082623 PMID:40285312	research paper	提出了一种基于机器视觉的检测算法，用于自动化存储和检索系统中货物堆叠位置的检测	集成了托盘表面物体检测网络（STEGNet）与箱体边缘检测算法，引入了高效门控金字塔特征网络（EG-FPN）和轻量级注意力机制	未提及具体局限性	为现代物流系统中的自动化货物堆叠监控提供可靠解决方案	自动化存储和检索系统中的货物堆叠	computer vision	NA	机器视觉、深度学习	STEGNet、EG-FPN	image	GY-WSBW-4D数据集和WSGID-B数据集
115	2025-04-29	ProAttUnet: Advancing protein secondary structure prediction with deep learning via U-Net dual-pathway feature fusion and ESM2 pretrained protein language model 2025-Apr-21, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108429 PMID:40288255	研究论文	提出了一种名为ProAttUnet的新方法，通过结合ESM2预训练蛋白质语言模型和双路径U-Net特征融合，提升了蛋白质二级结构预测的性能	整合了SOTA模型ESM2获取残基嵌入和接触图，采用独特的双路径U-Net框架和交叉注意力机制，并引入GCU_SE模块以增强模型性能	NA	提升基于单序列的蛋白质二级结构预测模型的性能	蛋白质序列	生物信息学	NA	深度学习	U-Net, ESM2	蛋白质序列数据	五个测试集（SPOT-2016, SPOT-2016-HQ, SPOT-2018, SPOT-2018-HQ, TEST2018）
116	2025-04-29	One for multiple: Physics-informed synthetic data boosts generalizable deep learning for fast MRI reconstruction 2025-Apr-20, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103616 PMID:40279827	research paper	提出了一种名为PISF的物理信息合成数据学习框架，用于快速MRI重建，通过单一训练模型实现多场景下的通用深度学习	PISF框架通过将2D图像重建分解为多个1D基本问题，并使用合成数据进行训练，显著减少对真实MRI数据的依赖，同时保持或超越匹配真实数据集训练的模型性能	尽管PISF在多种场景下表现出色，但其在更广泛的解剖结构或更复杂的病理条件下的通用性仍需进一步验证	提升深度学习在快速MRI重建中的通用性和广泛应用	MRI图像重建	digital pathology	NA	MRI	DL	image	4种采样模式、5种解剖结构、6种对比度、5种厂商、7个中心的MRI数据，以及2种神经和2种心血管患者群体的验证
117	2025-04-29	Deep Learning-Based Fault Diagnosis via Multisensor-Aware Data for Incipient Inter-Turn Short Circuits (ITSC) in Wind Turbine Generators 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082599 PMID:40285287	研究论文	提出了一种基于深度学习的多传感器感知数据方法，用于风力涡轮发电机早期匝间短路故障诊断	结合传统基线机器学习算法和先进深度网络架构，利用电流、振动和轴向磁通传感器信号诊断七种不同的ITSC故障类型	未提及具体数据集的规模或在实际风电场环境中的验证情况	提高风力涡轮发电机早期匝间短路故障诊断的准确性和稳定性	风力涡轮发电机的匝间短路故障	机器学习	NA	深度学习框架	深度网络架构	多传感器信号（电流、振动、轴向磁通）	未明确提及具体样本数量
118	2025-04-29	Forced Oscillation Detection via a Hybrid Network of a Spiking Recurrent Neural Network and LSTM 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082607 PMID:40285296	research paper	提出了一种结合脉冲循环神经网络(SRNN)和长短期记忆网络(LSTM)的混合网络，用于检测电力系统中的强制振荡	通过结合SRNN的计算和能效优势与LSTM的时间依赖性捕捉能力，提出了一种新型混合网络，有效区分强制振荡与自然振荡	未明确提及具体局限性	提高电力系统稳定性监测中强制振荡检测的准确性和效率	电力系统中的振荡数据	machine learning	NA	backpropagation-through-time (BPTT)优化算法	混合网络(SRNN + LSTM)	时间序列数据	模拟和真实振荡数据集
119	2025-04-29	Deep Layered Network Based on Rotation Operation and Residual Transform for Building Segmentation from Remote Sensing Images 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082608 PMID:40285301	研究论文	提出了一种基于旋转操作和残差变换的深度分层网络C_ASegformer，用于高分辨率遥感图像中的建筑物分割	设计了深度分层增强融合模块(DLEF)整合不同感受野的层次信息，引入三重注意力模块(TA)通过多方向旋转操作和残差变换建立建筑物与环境间的依赖关系，并提出多级扩张连接模块(MDC)以低计算成本捕获多尺度上下文关系	未明确提及研究局限性	提升高分辨率遥感图像中建筑物分割的精度	高分辨率遥感图像中的建筑物	计算机视觉	NA	深度学习	C_ASegformer（基于Transformer的改进模型）	遥感图像	三个数据集（马萨诸塞州数据集、INRIA数据集和WHU数据集）
120	2025-04-29	Overview of Research on Digital Image Denoising Methods 2025-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s25082615 PMID:40285303	综述	本文综述了传统图像去噪方法和基于深度神经网络的图像去噪方法，并进行了比较分析	提供了传统与深度学习方法在图像去噪领域的全面对比，并指出了未来研究方向	未提出新的去噪算法，主要是对现有方法的总结和比较	比较和总结图像去噪领域的不同方法	二维振幅图像	计算机视觉	NA	NA	深度神经网络	图像	公共去噪数据集