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
1	2025-05-09	Identification of geographic origins of Morus alba Linn. through surfaced enhanced Raman spectrometry and machine learning algorithms 2023, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2180433 PMID:36803175	研究论文	本研究通过表面增强拉曼光谱（SERS）和机器学习算法，成功识别了桑叶的地理来源	结合SERS光谱和深度学习算法CNN，首次建立了桑叶地理来源预测的新方法	研究仅涵盖中国五个省份的桑叶样本，可能无法代表所有地理来源的多样性	开发一种低成本、非侵入性的方法，用于快速识别桑叶的地理来源，以评估其药用品质	桑叶（Morus alba Linn.）	机器学习	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	来自中国五个省份（安徽、广东、河北、河南和江苏）的桑叶样本
2	2025-05-08	Cross-convolutional transformer for automated multi-organs segmentation in a variety of medical images 2023-01-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acb19a PMID:36623323	research paper	提出了一种基于跨卷积变换器的深度学习方法，用于多种医学图像中的多器官自动分割	设计了新颖的跨卷积自注意力机制和多尺度特征边缘融合模块，以整合局部和全局上下文，增强图像语义特征理解	仅在三种不同模态的数据集上进行了验证，可能需要更多样化的数据集来证明其泛化能力	开发一种通用的、准确的医学图像多器官分割方法	医学图像中的多器官分割	digital pathology	NA	deep learning	cross-convolutional transformer network (CFormer)	image	三个不同数据集：Synapse数据集（腹部多器官CT图像）、ACDC数据集（心脏亚结构MRI）、ISIC 2017数据集（皮肤癌图像）
3	2025-05-02	International Importation Risk Estimation of SARS-CoV-2 Omicron Variant with Incomplete Mobility Data 2023, Transboundary and emerging diseases IF:3.5Q1 DOI:10.1155/2023/5046932 PMID:40303718	research paper	开发了一个基于深度神经网络的模型，用于评估Omicron BQ.1从西非传入其他国家的风险	利用不完全的人口流动数据，首次应用深度神经网络模型估计病毒输入风险	依赖不完全的人口流动数据，可能影响模型准确性	评估Omicron BQ.1从西非传入其他国家的风险	Omicron BQ.1病毒及其传播风险	machine learning	COVID-19	deep neural networks	DNN	population mobility data	西非到其他非非洲国家的人口流动数据
4	2025-04-25	Spikebench: An open benchmark for spike train time-series classification 2023-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010792 PMID:36626366	研究论文	提出了一个名为Spikebench的开放基准测试，用于评估尖峰序列时间序列分类的性能	基于开放获取的神经活动数据集，创建了一个包含多种学习任务的尖峰序列分类基准测试，并展示了基于手工特征工程的方法与深度学习模型性能相当	未提及具体的局限性	为神经解码领域提供多样化和具有挑战性的基准测试	神经尖峰序列	机器学习	NA	时间序列特征工程	决策树集成和深度神经网络	时间序列数据	基于多个开放获取的神经活动数据集
5	2025-04-25	Exploration of the intelligent-auxiliary design of architectural space using artificial intelligence model 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282158 PMID:36867635	research paper	探讨利用人工智能模型进行建筑空间智能辅助设计的综合方法	通过深度学习和语义网络分析，建立建筑空间智能辅助模型，实现设计方案的自动生成	随着网络节点数量的增加，模型在测试数据集和训练数据集上的拟合度下降	提升建筑设计行业的智能化水平和设计效率	建筑空间设计	machine learning	NA	Deep Learning	语义网络和内部结构分析模型	3D模型数据	UrbanScene3D数据集中的3D模型
6	2025-04-13	Development and Validation of a Deep Learning Algorithm to Differentiate Colon Carcinoma From Acute Diverticulitis in Computed Tomography Images 2023-01-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.53370 PMID:36705919	研究论文	开发并验证了一种深度学习算法，用于在CT图像中区分结肠癌和急性憩室炎	提出了一种3D卷积神经网络(CNN)模型，能够显著提高放射科医生在区分结肠癌和急性憩室炎方面的诊断准确性	研究样本仅包括2005年至2020年间接受手术的患者，可能无法代表所有病例	开发并评估能够区分结肠癌和急性憩室炎的AI支持系统	结肠癌和急性憩室炎患者	数字病理学	结肠癌/急性憩室炎	3D卷积神经网络	3D CNN	CT图像	585名患者(267例AD，318例CC)
7	2025-04-11	Quality assessment of VHH models 2023, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2172613 PMID:36752327	研究论文	本研究评估和比较了不同建模方法在预测重链抗体（VHH）结构质量方面的表现	比较了传统同源建模与深度学习建模方法（如AlphaFold 2和NanoNet）在VHH结构预测中的表现，并通过分子动力学模拟评估了预测模型的动态特性	研究中使用的实验结构数据有限，且动态特性评估仅针对一个VHH模型进行	评估不同建模方法在预测重链抗体（VHH）结构质量方面的准确性	重链抗体（VHH）的结构模型	结构生物学	NA	同源建模、深度学习建模（AlphaFold 2、NanoNet）、分子动力学模拟	Modeller、ModWeb、SwissModel、RoseTTAfold、AlphaFold 2、NanoNet	蛋白质序列和结构数据	约一千个公开可用的VHH实验结构
8	2025-04-10	Harnessing the power of AI: Advanced deep learning models optimization for accurate SARS-CoV-2 forecasting 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287755 PMID:37471397	research paper	该研究利用先进的深度学习模型预测SARS-CoV-2病例，评估了多种模型的性能，并确定了最适合马来西亚特定情况的模型架构	研究评估了多种深度学习模型（如LSTM、Bi-directional LSTM、CNN等）在SARS-CoV-2病例预测中的性能，并优化了模型以提高预测准确性	研究可能受限于数据集的覆盖范围和时效性，且模型性能可能因地区差异而有所不同	开发高效且精确的SARS-CoV-2病例预测工具，以指导公共卫生政策和措施	SARS-CoV-2病例数据、人口统计数据及相关社会经济因素	machine learning	COVID-19	深度学习模型优化	LSTM, Bi-directional LSTM, CNN, CNN-LSTM, Multilayer Perceptron, GRU, RNN	结构化数据（确诊病例数据、人口统计数据、社会经济因素）	NA
9	2025-04-06	ConceptExplainer: Interactive Explanation for Deep Neural Networks from a Concept Perspective 2023-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2022.3209384 PMID:36155466	研究论文	介绍了一种名为ConceptExplainer的视觉分析系统，用于从概念角度为深度神经网络提供交互式解释	提出了一种基于概念的交互式解释方法，能够灵活地描述模型的全局和局部行为，并通过视觉分析系统帮助用户理解和探索概念空间	未提及具体的技术限制或系统性能的局限性	解决深度神经网络解释性不足的问题，提供更直观和灵活的解释方法	深度神经网络的行为解释	计算机视觉	NA	视觉分析	深度神经网络	图像	NA
10	2025-04-06	A Kalman Variational Autoencoder Model Assisted by Odometric Clustering for Video Frame Prediction and Anomaly Detection 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3229620 PMID:37015405	研究论文	本文提出了一种结合里程计数据的视频帧预测方法，用于异常检测	提出了一种结合里程计聚类和卡尔曼变分自编码器的模型，用于动态任务相关的特征学习	实验数据仅限于封闭环境和特定道路场景，可能影响模型的泛化能力	开发一种多模态信息融合的视频帧预测方法，用于自动驾驶车辆的异常检测	自动驾驶车辆的多模态传感器数据	计算机视觉	NA	动态贝叶斯网络框架，深度学习	卡尔曼变分自编码器，马尔可夫跳跃粒子滤波器	视频，里程计数据	使用来自封闭环境车辆和University of Alcalá DriveSet数据集的部分数据
11	2025-04-06	Unrolled Variational Bayesian Algorithm for Image Blind Deconvolution 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3224322 PMID:37015435	研究论文	本文介绍了一种用于图像盲去卷积的变分贝叶斯算法（VBA）	提出了一种结合平滑先验和仿射约束的VBA通用框架，并将其整合到神经网络范式中，采用展开方法进行训练	NA	开发一种高效的图像盲去卷积方法	灰度/彩色图像和多种核形状	计算机视觉	NA	变分贝叶斯算法（VBA）	神经网络	图像	涉及多种灰度/彩色图像和核形状的实验
12	2025-04-06	Consensus Sparsity: Multi-Context Sparse Image Representation via L∞-Induced Matrix Variate 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3231083 PMID:37015496	研究论文	提出了一种基于L∞诱导矩阵变量的共识稀疏性概念，并构建了一个多上下文稀疏图像表示框架	首次提出共识稀疏性（Con-sparsity）概念，并通过L∞诱导矩阵变量实现多上下文稀疏性的一致学习	未明确说明计算复杂度或实时性能方面的限制	改进稀疏表示在图像处理中的应用，实现多上下文稀疏性的一致学习	图像数据	计算机视觉	NA	L∞-induced matrix variate, Bayesian inference	MCSIR框架	图像	NA
13	2025-04-06	Transition Is a Process: Pair-to-Video Change Detection Networks for Very High Resolution Remote Sensing Images 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3226418 PMID:37015527	研究论文	本文提出了一种针对高分辨率遥感图像的成对到视频变化检测（P2V-CD）框架，通过构建伪过渡视频来丰富时间信息，并将变化检测视为视频理解问题	提出了一个更明确和复杂的时间建模方法，通过构建伪过渡视频来丰富时间信息，并将变化检测问题转化为视频理解问题，同时采用解耦的编码器进行空间和时间识别	未提及具体的样本量或数据集的详细描述，可能影响方法的泛化性评估	解决现有深度学习变化检测方法中的时间建模不完整和时空耦合问题	高分辨率遥感图像	计算机视觉	NA	深度学习	P2V-CD框架	图像	NA
14	2025-04-06	Channel Contribution in Deep Learning Based Automatic Sleep Scoring-How Many Channels Do We Need? 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2022.3227040 PMID:37015588	研究论文	本文探讨了基于深度学习的自动睡眠评分中不同通道的贡献，以及多通道多模态模型在睡眠评分中的表现	研究了单通道EEG模型的特征是否可提升多通道多模态模型的性能，并利用可解释性方法评估不同通道的贡献	未明确提及具体的数据集规模或实验范围的局限性	研究多通道多模态模型在睡眠评分中的性能提升及通道贡献	多通道多模态睡眠信号数据	机器学习	NA	深度学习	CNN, 通道注意力网络	多模态睡眠信号数据	NA
15	2025-04-06	Physics-Informed Deep Learning for Musculoskeletal Modeling: Predicting Muscle Forces and Joint Kinematics From Surface EMG 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2022.3226860 PMID:37015568	研究论文	本文提出了一种基于物理信息的深度学习框架，用于肌肉骨骼建模，通过将物理知识作为软约束引入数据驱动模型，预测肌肉力和关节运动学	结合物理知识与深度学习，提出了一种新的肌肉骨骼建模框架，解决了传统物理模型速度慢和数据驱动模型无法反映神经力学过程的局限性	实验验证仅基于健康受试者的数据，未涉及功能受损患者	开发一种能够实时预测肌肉力和关节运动学的肌肉骨骼建模方法	肌肉力和关节运动学的预测	机器学习	NA	表面肌电图(sEMG)	CNN	生物信号数据	一个基准数据集和六名健康受试者的自收集数据集
16	2025-04-06	Multiscale Convolutional Transformer for EEG Classification of Mental Imagery in Different Modalities 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2022.3229330 PMID:37015688	研究论文	提出了一种多尺度卷积Transformer模型，用于解码不同模态下的心理想象任务中的EEG信号分类	在空间、频谱和时间域上应用多头注意力机制，克服了现有EEG-based transformer模型仅关注时间域的局限性，并能够学习多种类型的神经表征	未明确提及具体局限性，但暗示现有BCI系统存在类别数量有限和分类性能低的问题	开发一个通用模型来学习各种类型的神经表征，提高脑机接口系统中EEG信号分类的准确性和多样性	基于运动想象、视觉想象和言语想象任务的EEG信号	脑机接口	NA	EEG源定位，多尺度卷积Transformer	Transformer，CNN	EEG信号	私有EEG数据集、BCI competition IV 2a数据集和亚利桑那州立大学数据集
17	2025-04-06	Time-Division Multiplexing Light Field Display With Learned Coded Aperture 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3203210 PMID:37015682	研究论文	本文提出了一种新颖的编码时分复用技术，用于解决传统立体显示中的视觉疲劳问题，并通过深度学习优化光场显示流程	首次使用深度学习优化光场显示流程，提出编码时分复用技术以解决传统立体显示的视觉疲劳问题	未提及具体样本量或实验规模，可能影响结果的普遍性	解决传统立体显示中的视觉疲劳问题，提高光场显示的质量	光场显示技术及其在立体显示中的应用	计算机视觉	NA	深度学习，傅里叶光学	深度学习模型（未具体说明）	光场数据	NA
18	2025-04-06	SIR: Self-Supervised Image Rectification via Seeing the Same Scene From Multiple Different Lenses 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3231087 PMID:37018554	research paper	提出了一种基于自监督学习的图像矫正方法SIR，通过从不同镜头观察同一场景来实现图像矫正	提出了一种新的自监督学习方案，无需真实失真参数或正常图像作为监督信号，通过多镜头一致性实现图像矫正	可能对特定失真模型的通用性有限，且缺乏对失真和矫正过程的显式建模	提高图像矫正模型在真实世界鱼眼图像上的泛化能力	失真图像及其矫正结果	computer vision	NA	自监督学习	共享编码器和多个预测头的网络架构	图像	合成数据集和真实世界鱼眼图像
19	2025-04-06	TRNR: Task-Driven Image Rain and Noise Removal With a Few Images Based on Patch Analysis 2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3232943 PMID:37018333	research paper	提出了一种基于补丁分析的任务驱动图像去雨和去噪方法（TRNR），以减少对大型标注数据集的依赖	引入了补丁分析策略和N-frequency-K-shot学习任务，提高了图像利用率，使神经网络能在少量数据下有效学习	未明确提及具体限制，但实验仅基于少量图像（如Rain100H数据集的20%训练集）	减少深度学习模型对大型标注数据集的依赖，提高图像去雨和去噪的效率	图像去雨和去噪	computer vision	NA	patch analysis策略，N-frequency-K-shot学习任务	Multi-Scale Residual Network (MSResNet)	image	少量图像（如Rain100H数据集的20%训练集）
20	2025-04-06	Detection of Brain Abnormalities in Parkinson's Rats by Combining Deep Learning and Motion Tracking 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3237916 PMID:37021880	研究论文	结合深度学习和运动追踪技术检测帕金森病大鼠的脑部异常	提出了一种端到端的CNN-BGRU深度学习模型，用于从3D坐标信息中提取时空信息并进行分类	研究仅使用了6-OHDA处理的大鼠模型，未涉及其他帕金森病动物模型或人类患者数据	开发一种新的临床检测帕金森综合征的方法	6-OHDA处理的帕金森病大鼠模型和健康大鼠	计算机视觉	帕金森病	三维运动捕捉技术	CNN-BGRU	3D坐标信息	未明确提及样本数量，仅提到病鼠和健康鼠