深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
201	2025-10-07	Among Artificial Intelligence/Machine Learning Methods, Automated Gradient-Boosting Models Accurately Score Intraoral Plaque in Non-Standardized Images 2024, Journal of the California Dental Association DOI:10.1080/19424396.2024.2422146 PMID:39990046	研究论文	开发并测试用于非标准化口腔图像的自动图像选择和牙菌斑评分方法	首次实现无需深度学习模型即可对非标准化牙菌斑图像进行准确自动评分	需要手动图像分割，样本量相对有限	开发自动牙菌斑评分系统用于儿童预防试验	435张照片中的1650颗乳牙（D、E、F、G牙齿）	计算机视觉	口腔疾病	图像处理，机器学习	支持向量机，梯度提升	图像	435张照片中的1650颗牙齿	Python, OpenCV, Scikit-learn, Jupyter Notebooks	支持向量机-高斯，梯度提升分类和回归模型	AUC-ROC, R2, 训练时间	未明确指定
202	2025-02-26	Exploring the application of knowledge transfer to sports video data 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1460429 PMID:39989920	研究论文	本研究探讨了知识转移在体育视频数据中的应用，特别是零样本学习（ZSL）和球员重识别技术	利用预训练的重识别模型提取特征嵌入，在零样本学习环境下评估其在橄榄球联赛和篮网球中的应用，展示了在动态体育环境中部分模型的有效性	非部分模型在背景干扰下表现不佳，且需要大量资源来重现结果	探索更高效的方法，以在不同体育项目中应用AI和计算机视觉技术，减少数据标注和模型训练成本	橄榄球联赛和篮网球的体育视频数据	计算机视觉	NA	零样本学习（ZSL）	预训练的重识别模型	视频	橄榄球联赛近35,000帧和篮网球近14,000帧的广播视频剪辑	NA	NA	NA	NA
203	2025-02-26	Multiomics Research: Principles and Challenges in Integrated Analysis 2024, Biodesign research DOI:10.34133/bdr.0059 PMID:39990095	综述	本文综述了多组学研究的基本原则和挑战，强调了数据整合在揭示生物系统复杂相互作用和调控机制中的必要性	探讨了深度学习、图神经网络（GNNs）和生成对抗网络（GANs）等最新计算方法在多组学数据合成和解释中的应用，并提出了大语言模型在多组学分析中的潜力	需要大量的计算资源和复杂的模型调优	指导研究人员在多组学研究中导航原则和挑战，以促进整合生物分析的发展	多组学数据	生物信息学	NA	多组学技术（基因组学、转录组学、蛋白质组学、代谢组学等）	深度学习、图神经网络（GNNs）、生成对抗网络（GANs）	多组学数据	NA	NA	NA	NA	NA
204	2025-10-07	Deep learning performance on MRI prostate gland segmentation: evaluation of two commercially available algorithms compared with an expert radiologist 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.015002 PMID:38404754	研究论文	评估两种商业深度学习算法与放射科专家在前列腺MRI腺体分割任务中的性能对比	在真实临床多中心环境中验证商业AI算法性能，未进行内部训练直接测试	样本量相对有限（123例患者），仅评估两种商业算法	验证商业AI算法在前列腺MRI分割中的临床实用性	前列腺腺体	医学影像分析	前列腺癌	MRI	深度学习算法	MRI图像	123例患者，来自7家医院，8台扫描仪（1.5T和3T）	NA	NA	Dice相似系数	NA
205	2025-10-07	Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography 2024, Frontiers in ophthalmology DOI:10.3389/fopht.2024.1497848 PMID:39963427	研究论文	本研究提出一种增强型变分自编码器方法，用于量化视网膜神经节细胞损失的空间模式并追踪其在视神经病变中的进展	开发了包含编码器、显示解码器和增强解码器的bVAE架构，能够分解GCL厚度图为显示潜变量和增强潜变量，首次实现对视神经损伤空间模式的动态追踪和病因分类	仅使用光学相干断层扫描数据，未来需要整合其他影像模态提升诊断能力	开发深度学习模型以可视化和量化视神经病变中视网膜神经节细胞变薄的空间模式	822名受试者的10,701个OCT黄斑扫描数据	计算机视觉	视神经病变	光学相干断层扫描	变分自编码器,XGBoost	医学影像	10,701个OCT扫描来自822名受试者	NA	增强型变分自编码器	RMSE,SSIM,AUC	NA
206	2025-10-07	Adaptive spatial-channel feature fusion and self-calibrated convolution for early maize seedlings counting in UAV images 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1496801 PMID:39980762	研究论文	提出基于DINO的RC-Dino深度学习方法，通过自适应空间特征融合和自校准卷积提升无人机图像中早期玉米幼苗计数精度	提出新型自校准卷积层RSCconv和自适应空间特征融合模块ASCFF，增强特征表示能力和判别能力	未明确说明方法在其他作物或复杂环境下的泛化能力	提高无人机图像中早期玉米幼苗计数的准确性和鲁棒性	早期玉米幼苗	计算机视觉	NA	无人机成像技术	基于DINO的目标检测模型	无人机图像	1,233张标注图像，包含83,404个个体标注	PyTorch（基于DINO实现推断）	DINO, Faster R-CNN, RetinaNet, YOLOX, Deformable DETR	平均精度(AP), 召回率(Recall), 决定系数(R²)	NA
207	2025-10-07	Efficient and accurate identification of maize rust disease using deep learning model 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1490026 PMID:39980760	研究论文	开发了一种基于深度学习的玉米锈病识别模型，能够高效准确地区分普通玉米锈病和南方玉米锈病	在YOLOv8s主干网络中集成SimAM模块和BiFPN进行尺度融合，并使用DWConv实现简化检测	NA	实现玉米锈病的准确识别和分类，支持田间大规模锈病爆发的有效检测和管理	玉米锈病图像	计算机视觉	植物病害	深度学习	CNN	图像	NA	NA	YOLOv8s, SimAM, BiFPN, DWConv	准确率, 平均准确率, 召回率, F1值, 帧率	移动手机部署
208	2025-02-21	Enhancing Human Activity Recognition in Smart Homes with Self-Supervised Learning and Self-Attention 2024-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s24030884 PMID:38339601	研究论文	本文提出了一种基于自监督学习和自注意力机制的新型AttCLHAR模型，用于智能家居环境中的人类活动识别，特别是在标注数据有限或无标注的情况下	结合了自监督学习框架SimCLR和自注意力机制，并引入了锐度感知最小化（SAM）以增强模型的泛化能力	需要进一步验证在更大规模和多样化数据集上的性能	提高智能家居环境中人类活动识别的准确性和效率，特别是在标注数据有限的情况下	智能家居环境中的老年人日常活动	机器学习	老年疾病	自监督学习，自注意力机制，锐度感知最小化（SAM）	AttCLHAR（结合SimCLR和自注意力机制）	环境传感器数据	三个CASAS智能家居数据集（Aruba-1, Aruba-2, Milan）	NA	NA	NA	NA
209	2025-02-21	Optimizing classification of diseases through language model analysis of symptoms 2024-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-51615-5 PMID:38233458	研究论文	本文研究了使用语言模型和深度学习技术从症状中自动化预测疾病的方法	探索了两种MCN-BERT模型和一种BiLSTM模型，每种模型使用不同的超参数优化方法，以从症状描述中预测疾病	NA	自动化疾病预测，支持早期检测和更及时的治疗，扩展远程诊断能力	症状描述和疾病标签	自然语言处理	NA	深度学习	MCN-BERT, BiLSTM	文本	Dataset-1: 1,200个数据点；Dataset-2: 23,516条推文	NA	NA	NA	NA
210	2025-02-21	Spatiotemporal convolutional long short-term memory for regional streamflow predictions 2024-Jan-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2023.119585 PMID:38016234	研究论文	本文提出了一种结合CNN和LSTM的深度学习架构，用于同时预测美国86个流域的日径流量	创新点在于使用CNN编码空间模式，LSTM学习时间关系，有效结合了时空信息	未提及具体局限性	研究目的是改进区域尺度的降雨-径流（RR）建模	研究对象是美国86个流域的日径流量	机器学习	NA	深度学习	CNN-LSTM	时间序列数据（降水、最高温度、最低温度）	86个流域的一年数据	NA	NA	NA	NA
211	2025-02-21	Long short-term memory (LSTM)-based news classification model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301835 PMID:38814925	研究论文	本研究使用单向和双向长短期记忆（LSTM）深度学习网络进行中文新闻分类，并探讨了上下文信息对文本分类的影响，达到了较高的准确率	使用双向LSTM网络进行特征提取，结合单向LSTM网络进行特征整合，构建了一个高效的中文新闻分类模型	未提及模型在其他语言或更大数据集上的泛化能力	研究中文新闻分类的深度学习模型	中文新闻文章	自然语言处理	NA	word2vec, Adam优化器, dropout	LSTM, BiLSTM	文本	未提及具体样本数量	NA	NA	NA	NA
212	2025-02-21	TASA: Temporal Attention With Spatial Autoencoder Network for Odor-Induced Emotion Classification Using EEG 2024, 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.2024.3399326 PMID:38722724	研究论文	本文提出了一种名为TASA的深度学习架构，用于使用脑电图（EEG）预测气味诱导的情绪	TASA架构通过两阶段学习框架改进，利用自编码器模块学习电极间的空间信息，并通过LSTM-MSA捕捉时间动态	NA	研究气味诱导的情绪分类	人类脑电图（EEG）数据	机器学习	NA	EEG	LSTM, 多头自注意力机制（MSA）	脑电图（EEG）数据	现有嗅觉EEG数据集	NA	NA	NA	NA
213	2025-02-21	Reservoir parameters prediction based on spatially transferred long short-term memory network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296506 PMID:38289937	研究论文	本文提出了一种基于空间转移的长短期记忆网络的储层参数预测方法，以解决数据短缺问题	提出了一种基于转移学习的长短期记忆神经网络模型，通过共享神经网络结构中的部分参数，将历史数据的知识转移到新井预测中	由于检测成本、技术难度和复杂地质参数的限制，难以获得深度学习所需的大量数据	提高在数据短缺情况下的储层参数预测准确性	油气储层	机器学习	NA	转移学习	LSTM	地质数据	基于两个区块数据集进行测试	NA	NA	NA	NA
214	2025-02-21	W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276155 PMID:38442101	研究论文	本文提出了一种名为W-WaveNet的多站点水质预测模型，结合了自适应图卷积和CNN-LSTM，用于处理水质数据的时间和空间相关性	W-WaveNet模型首次将自适应图卷积与CNN-LSTM结合，能够处理多站点水质数据中的非对齐空间相关性，适用于不同时间跨度的水质数据处理	模型仅在两个真实河流段的多站点水质数据上进行了验证，可能需要更多数据集的测试以验证其普适性	研究目的是开发一种能够同时考虑时间和空间相关性的多站点水质预测模型	多站点水质数据	机器学习	NA	自适应图卷积、CNN-LSTM	W-WaveNet	水质数据	两个真实河流段的多站点水质数据	NA	NA	NA	NA
215	2025-02-21	Modeling opening price spread of Shanghai Composite Index based on ARIMA-GRU/LSTM hybrid model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299164 PMID:38478502	研究论文	本研究旨在通过结合ARIMA模型与深度学习技术（LSTM和GRU），提高上海综合指数开盘价差预测的准确性	提出了一种结合ARIMA模型与深度学习技术（LSTM和GRU）的混合模型，用于预测上海综合指数的开盘价差	研究仅针对上海综合指数的开盘价差，未涉及其他股票指数或市场	提高上海综合指数开盘价差的预测准确性	上海综合指数的开盘价差	机器学习	NA	ARIMA, LSTM, GRU	ARIMA-LSTM, ARIMA-GRU	时间序列数据	1990年12月20日至2023年6月2日的上海综合指数数据	NA	NA	NA	NA
216	2025-02-21	Leveraging transfer learning with deep learning for crime prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296486 PMID:38630687	研究论文	本研究利用迁移学习与深度学习相结合的方法进行犯罪预测，旨在提高预测的准确性和效率	提出了基于BiLSTM的迁移学习架构，用于跨区域犯罪知识的转移，并在多个犯罪数据集上验证了其优越性	需要大量的犯罪数据和资源来训练最先进的深度学习模型，这可能限制了其广泛应用	提高犯罪预测的准确性和效率，以增强执法机构在控制和预防犯罪方面的能力	芝加哥、纽约和拉合尔的犯罪数据集	机器学习	NA	迁移学习、深度学习	BiLSTM、CNN-LSTM、SMA、WMA、EMA	犯罪数据	多个犯罪数据集（芝加哥、纽约、拉合尔）	NA	NA	NA	NA
217	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者	NA	NA	NA	NA
218	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及	NA	NA	NA	NA
219	2025-10-07	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究开发了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型	提出多类型并行特征嵌入框架，结合集成梯度方法进行特征可视化，相比传统统计映射能显示更局部的差异模式	样本量相对有限且存在类别不平衡，数据来自多个中心可能存在扫描仪差异	自动区分额颞叶痴呆的三种临床表型，为早期精确诊断和干预规划提供帮助	277名FTD患者（包括173名行为变异型FTD、63名非流利变异型PPA和41名语义变异型PPA）	医学影像分析	神经退行性疾病	结构MRI	深度神经网络	医学影像	277名FTD患者	NA	多类型并行特征嵌入框架	平衡准确度	NA
220	2025-10-07	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	开发基于基线MRI的自动化深度学习流程，用于直肠癌EMVI分类和治疗反应预测	提出全自动管道结合nnUNet分割和MLNet多级特征学习，无需手动分割和特征工程	回顾性研究，样本量有限（509例患者）	通过基线MRI实现直肠癌EMVI自动分类和完全缓解预测	直肠癌患者	数字病理	直肠癌	扩散加权成像，T2加权成像	CNN	医学影像	来自9个中心的509名患者	nnUNet	nnUNet, 3D ResNet10, MLNet	AUC	NA