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
1601	2025-04-08	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-Apr-06, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	介绍了一种AI辅助的可穿戴髋关节能量收集器（HJEH），用于将髋关节运动的机械能转化为电能并监测人体运动	结合电磁发电机（EMG）和独立式摩擦电纳米发电机（FS-TENG）实现能量收集和运动传感，并利用深度学习算法处理信号以提高运动检测准确性	NA	开发一种可穿戴设备，用于能量收集和人体运动监测	髋关节运动和人体运动监测	可穿戴技术	老年疾病	电磁发电机（EMG）、独立式摩擦电纳米发电机（FS-TENG）、深度学习算法	深度学习	运动信号	NA
1602	2025-04-08	Optimization on multifractal loss landscapes explains a diverse range of geometrical and dynamical properties of deep learning 2025-Apr-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58532-9 PMID:40185730	research paper	该论文提出了一个理论框架，将深度学习中的损失景观复杂性建模为多重分形，以解释优化器在复杂景观中导航的能力	引入多重分形模型统一解释损失景观的几何特征和优化动力学，提出分数扩散理论说明优化过程如何引导向平滑解空间	未提及具体实验验证或实际应用案例	理解深度学习优化器在复杂损失景观中的动态导航机制	深度学习中的损失景观和优化过程	machine learning	NA	NA	deep neural networks	NA	NA
1603	2025-04-08	TransBind allows precise detection of DNA-binding proteins and residues using language models and deep learning 2025-Apr-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07534-w PMID:40185915	research paper	介绍了一种名为TransBind的深度学习框架，用于直接从单一蛋白质序列预测DNA结合蛋白及其结合残基	TransBind是一种无需多序列比对的深度学习框架，利用预训练蛋白质语言模型特征，有效解决了数据不平衡问题，并在准确性和计算效率上显著优于现有方法	未明确提及具体局限性，但可能对某些特殊蛋白质类型的适用性有待验证	开发一种更准确、高效的DNA结合蛋白及其结合残基预测方法	DNA结合蛋白及其结合残基	machine learning	NA	deep learning, protein language models	language models	protein sequence	未明确提及具体样本数量，但使用了多种实验数据集进行验证
1604	2025-04-08	CT-based radiomics deep learning signatures for non-invasive prediction of metastatic potential in pheochromocytoma and paraganglioma: a multicohort study 2025-Apr-05, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01952-4 PMID:40185919	research paper	该研究开发并验证了基于CT的放射组学深度学习特征，用于无创预测嗜铬细胞瘤和副神经节瘤的转移潜能	结合放射组学特征和深度学习模型（ResNet），构建了一个能够术前预测PPGL转移潜能的组合模型	研究为回顾性分析，样本量相对有限（249例患者）	开发非侵入性预测嗜铬细胞瘤和副神经节瘤转移潜能的方法	嗜铬细胞瘤和副神经节瘤（PPGL）患者	digital pathology	pheochromocytoma and paraganglioma	CT imaging, radiomics, deep learning	SVM, ResNet-50	CT images	249例PPGL患者（训练集138例，测试集1 71例，测试集2 40例）
1605	2025-04-08	CGLoop: a neural network framework for chromatin loop prediction 2025-Apr-05, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11531-y PMID:40186170	research paper	提出了一种基于深度学习的神经网络框架CGLoop，用于预测Hi-C接触矩阵中的染色质环	结合了CNN、CBAM和BiGRU来捕获染色质环相关的重要特征，并采用基于密度的聚类方法过滤预测结果	仅在GM12878、K562、IMR90和mESC等几种细胞系上进行了验证	预测全基因组相互作用中产生的染色质环，以深入理解3D基因组结构和功能	染色质环	machine learning	NA	Hi-C接触矩阵分析	CNN, CBAM, BiGRU	Hi-C接触矩阵	GM12878、K562、IMR90和mESC等细胞系
1606	2025-04-08	Short-Term Residential Load Forecasting Framework Based on Spatial-Temporal Fusion Adaptive Gated Graph Convolution Networks 2025-Apr-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3551778 PMID:40184286	研究论文	提出了一种基于时空融合自适应门控图卷积网络的短期住宅负荷预测框架	引入了时空融合图构建和创新的门控自适应融合图卷积机制，动态建模时空相关性	未提及具体的数据集规模或实际应用中的潜在限制	提高现代电网中波动性和间歇性电力负荷的预测准确性	住宅短期电力负荷	机器学习	NA	时空融合图卷积网络（STFGCN）、门控时间卷积网络（Gated TCN）	STFAG-GCNs	时空数据	NA
1607	2025-04-08	A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86635-2 PMID:40185767	研究论文	本文提出了一种基于微调卷积神经网络（CNN）的模型，用于准确分类阿尔茨海默病（AD）	采用迁移学习技术，利用预训练的CNN架构（AlexNet、GoogleNet和MobileNetV2）和多种优化器（如Adam、SGD和RMSprop），显著提高了AD分类的准确率	模型对计算资源和数据仍有较高要求，且未提及在更广泛数据集上的泛化能力	通过早期诊断提高阿尔茨海默病的识别准确率，以改善治疗管理和疾病进展的洞察	阿尔茨海默病患者	数字病理学	老年病	MRI扫描	CNN（AlexNet、GoogleNet、MobileNetV2）	图像	Kaggle MRI数据集和OASIS数据库
1608	2025-04-08	Deep learning prediction of mammographic breast density using screening data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95275-5 PMID:40185813	研究论文	本研究探讨了使用深度学习模型对乳腺密度进行客观评估的方法	采用深度学习模型InceptionV3对乳腺密度进行四分类预测，并证明其优于放射科医生的准确性和一致性	放射科医生在脂肪和分散类别上表现优于模型，但模型在高密度类别上表现更优	开发一种客观评估乳腺密度的深度学习工具	乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习	InceptionV3	图像	9,621名女性的57,282张乳腺X线摄影图像
1609	2025-04-08	Parallel boosting neural network with mutual information for day-ahead solar irradiance forecasting 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95891-1 PMID:40185800	research paper	提出了一种新颖的并行提升神经网络框架（PBNN），用于日前太阳辐照度预测，结合了提升算法和前馈神经网络	提出了一种新的并行提升神经网络框架（PBNN），结合了三种提升决策树算法（XgBoost、CatBoost和RF回归器）作为基础学习器，并通过前馈神经网络（FFNN）分配最优权重以生成最终预测	虽然PBNN在性能上有所提升，但其计算复杂度可能仍然较高，且依赖于特征选择算法的准确性	提高日前太阳辐照度预测的准确性，以支持光伏系统的可靠运行	太阳辐照度数据	machine learning	NA	并行提升神经网络（PBNN）、互信息（MI）算法	PBNN、XgBoost、CatBoost、RF、FFNN	太阳辐照度数据	两个地理数据集（伊斯兰堡和圣地亚哥）
1610	2025-04-08	Improved deep learning model for accurate energy demand prediction and conservation in electric vehicles integrated with cognitive radio networks 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94650-6 PMID:40185809	research paper	提出了一种改进的深度学习模型，用于准确预测电动汽车与认知无线电网络整合中的能源需求并实现节能	结合经验模态分解、CNN和海鸥优化算法（EMD-CNN-SOA），提高了能源需求预测的准确性	未提及具体的数据集来源或实验环境限制	解决电动汽车能源需求预测和节能问题，减轻电网负担并降低充电成本	电动汽车和认知无线电网络	machine learning	NA	Empirical Mode Decomposition, Seagull Optimization Algorithm	EMD-CNN-SOA, CNN, LSTM, RNN	NA	NA
1611	2025-04-08	Accurate cross-species 5mC detection for Oxford Nanopore sequencing in plants with DeepPlant 2025-Apr-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58576-x PMID:40185832	research paper	开发了一个名为DeepPlant的深度学习模型，用于提高植物中5mC检测的准确性，特别是在CHH位点	结合Bi-LSTM和Transformer架构，显著提高了CHH检测的准确性，并在CpG和CHG基序上表现良好	缺乏高甲基化阳性样本的稀缺性限制了CHH甲基化检测的泛化能力	提高植物中5mC检测的准确性，特别是在CHH位点	植物中的5mC甲基化	machine learning	NA	Oxford Nanopore sequencing, bisulfite-sequencing	Bi-LSTM, Transformer	sequencing data	nine species
1612	2025-04-08	A performance-driven hybrid text-image classification model for multimodal data 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95674-8 PMID:40185890	research paper	本文提出了一种结合文本和图像处理的混合模型HTIC，用于多模态数据的分类任务	HTIC模型采用复杂的深度学习架构，结合VGG16进行图像分类和Roberta与MYSQL进行文本分类，通过多模态特征提取层确保不同类型数据的兼容性	未明确提及具体局限性	提高多模态数据分类的准确性、可解释性和应用性	多模态数据（文本和图像）	machine learning	NA	深度学习、多模态特征提取	HTIC（混合文本图像分类模型）、VGG16、Roberta、CNN	文本、图像	五个不同的数据集（包括NFT数据集）
1613	2025-04-08	The analysis of optimization in music aesthetic education under artificial intelligence 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96436-2 PMID:40185937	research paper	探讨人工智能环境下深度学习技术在音乐审美教育中的优化应用	结合AI和深度学习算法，提出具有更高准确性的音乐情感识别方法，为音乐审美教育提供新方向	未提及具体实验样本的多样性和规模，可能影响结果的普遍性	优化音乐审美教育方法，探索AI时代音乐教育的新发展方向	不同年龄段和音乐素养水平的学生	machine learning	NA	deep learning	NA	NA	NA
1614	2025-04-08	Wild horseshoe crab image denoising based on CNN-transformer architecture 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96218-w PMID:40185943	research paper	提出了一种基于CNN-Transformer混合架构的野马马蹄蟹图像去噪方法	结合多头转置注意力机制、门控机制和深度可分离卷积，优化了野马马蹄蟹图像的去噪质量	未提及模型在极端噪声条件下的表现	提高野马马蹄蟹图像的去噪效果，以支持其追踪与定位	野马马蹄蟹的图像	computer vision	NA	CNN-Transformer混合模型	CNN, ViT	image	未明确提及样本数量
1615	2025-04-08	Tunnel face rock mass class rapid identification based on TBM cutterhead vibration monitoring and deep learning model 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96875-x PMID:40186002	研究论文	基于TBM刀盘振动监测和深度学习模型，开发了一种端到端的隧道工作面岩体等级快速识别方法	结合1DCNN、BiLSTM和自注意力机制的优势，提出了一种新的深度学习模型，能够自动提取信号中的时空域特征，无需中断正常掘进过程即可快速识别岩体等级	缺乏对长隧道段连续振动记录的获取，且对TBM刀盘振动监测的研究较少	优化TBM操作参数和选择后续隧道支护措施	TBM隧道工作面的岩体条件	机器学习	NA	深度学习	1DCNN, BiLSTM, 自注意力机制	振动信号	NA
1616	2025-04-08	Multimodal depression recognition and analysis: Facial expression and body posture changes via emotional stimuli 2025-Apr-03, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.03.155 PMID:40187420	research paper	本研究开发了一种结合面部表情和身体姿势的多模态识别模型，用于抑郁症的快速初步筛查	结合面部表情和身体姿势变化，利用深度学习技术开发端到端多模态识别模型，提高抑郁症检测效率	样本量相对较小（146名受试者），可能影响模型的泛化能力	通过分析情绪刺激下的面部表情和身体姿势变化，提高抑郁症的早期识别效率	抑郁症患者和健康对照组（各73名）	digital pathology	geriatric disease	深度学习技术、OpenFace序列分析	ResNet-50、决策级融合模型	视频图像（面部表情和身体姿势）	146名受试者（73名抑郁症患者和73名健康对照组）
1617	2025-04-08	Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus 2025-Apr-03, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.03.001 PMID:40189954	研究论文	利用深度学习算法优化培养基，提高兽疫链球菌生产透明质酸的效率	采用深度学习算法优化培养基成分，显著提高了透明质酸的生产效率	未提及实验是否在其他菌株或条件下验证过	提高兽疫链球菌生产透明质酸的效率	兽疫链球菌	机器学习	NA	深度学习	DL	实验数据	初始训练数据集OA01-18，54种候选优化培养基OM01-54
1618	2025-04-08	Compact Model Training by Low-Rank Projection With Energy Transfer 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	提出了一种名为LRPET的新训练方法，用于从头开始训练低秩压缩网络，并实现竞争性性能	通过交替执行随机梯度下降训练和权重矩阵的低秩流形投影，并结合能量转移和BN校正，提高了低秩压缩网络的性能	未明确提及具体限制，但可能包括对特定网络架构的依赖或计算资源需求	开发一种高效的深度神经网络低秩压缩方法	深度神经网络	机器学习	NA	低秩投影与能量转移（LRPET）	CNN, Transformer	图像	CIFAR-10和ImageNet数据集
1619	2025-04-08	Supervise-Assisted Self-Supervised Deep-Learning Method for Hyperspectral Image Restoration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386809 PMID:38722728	研究论文	提出了一种监督辅助的自监督深度学习方法，用于高光谱图像（HSI）的恢复	结合监督学习和自监督学习，引入噪声自适应损失函数，利用噪声退化HSI的内部统计信息进行恢复	未明确提及具体限制，但可能面临复杂噪声场景下的泛化能力挑战	解决高光谱图像恢复中的分布差距和噪声干扰问题	高光谱图像（HSI）	计算机视觉	NA	深度学习	监督辅助的自监督深度学习网络	高光谱图像	未明确提及具体样本数量，但使用了大量训练数据集
1620	2025-04-08	Prior Visual-Guided Self-Supervised Learning Enables Color Vignetting Correction for High-Throughput Microscopic Imaging 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471907 PMID:39412976	研究论文	本文提出了一种自监督深度学习算法VCLUT，用于校正彩色显微图像中的复杂渐晕效应	利用显微图像同质性和渐晕径向衰减特性开发自监督算法，具有跨不同渐晕强度泛化能力和超快计算特性	未明确说明算法在极端光照条件下的表现	开发适用于高通量显微成像的鲁棒渐晕校正方法	彩色显微图像中的渐晕效应	数字病理学	NA	自监督深度学习	对抗生成网络(GAN)	显微图像	五种不同生物标本数据+病理学数据集