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
561	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
562	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
563	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
564	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
565	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
566	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
567	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
568	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
569	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
570	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量	NA	NA	NA	NA
571	2025-10-07	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本研究提出了一种利用真实世界电子健康记录开发预测性精准医学模型的新方法	利用大型真实世界数据库中的纵向数据格式预测15项生化检测的未来值，并进行广泛的传统机器学习与深度学习算法性能比较	NA	开发预测性精准医学模型，实现个性化医疗	电子健康记录中的生化检测数据	机器学习	NA	生化检测	统计机器学习,深度学习	电子健康记录	大型真实世界数据库	NA	NA	NA	NA
572	2025-10-07	Unraveling trends in schistosomiasis: deep learning insights into national control programs in China 2024, Epidemiology and health IF:2.2Q2 DOI:10.4178/epih.e2024039 PMID:38514196	研究论文	本研究使用深度学习模型分析中国血吸虫病控制项目的进展和时空变化趋势	提出基于分层积分差分方程框架的卷积神经网络模型(CNN-IDE)用于血吸虫病时空动态建模	研究仅基于安徽省的数据，可能无法完全代表其他地区的血吸虫病流行情况	评估中国国家血吸虫病控制项目的效果并预测疾病流行趋势	中国安徽省长江沿岸血吸虫病流行区的村级流行病学数据	机器学习	血吸虫病	横断面调查	CNN	寄生虫学数据,环境数据	1997-2015年安徽省村级调查数据	NA	CNN-IDE	MSPE,CRPS	NA
573	2025-10-07	Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements 2024-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2023.09.014 PMID:37734638	研究论文	开发基于深度学习模型从黄斑OCTA血管密度测量估计中心视野的方法	首次使用深度学习模型从OCTA血管密度图像直接估计10-2视野图参数，相比传统线性回归模型显著提升预测精度	样本量相对有限（1051个样本），仅针对中心视野评估，未包含周边视野数据	开发能够从OCTA图像准确估计视野损失的深度学习模型	健康眼、青光眼疑似者和青光眼患者的10-2视野和OCTA配对数据	医学影像分析	青光眼	光学相干断层扫描血管成像（OCTA）	深度学习模型	黄斑en face血管密度图像	1051个10-2视野OCTA配对样本（包含健康眼、青光眼疑似者和青光眼患者）	NA	NA	平均绝对误差（MAE）, R2（皮尔逊相关系数平方）	NA
574	2025-02-14	Blinking characteristics analyzed by a deep learning model and the relationship with tear film stability in children with long-term use of orthokeratology 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1517240 PMID:39935789	研究论文	本研究使用深度学习模型观察长期使用角膜塑形镜（ortho-K）儿童的眨眼特征，并评估其与泪膜稳定性的相关性	提出了一种基于U-Net和Swin-Transformer的深度学习系统，用于观察眨眼特征，并首次定义了相对IPH%来量化不完全眨眼的程度	样本量较小（31名儿童，58只眼），且为回顾性研究，可能存在选择偏倚	研究长期使用角膜塑形镜儿童的眨眼特征及其与泪膜稳定性的关系	长期使用角膜塑形镜的儿童	计算机视觉	眼科疾病	深度学习	U-Net, Swin-Transformer	视频	31名儿童（58只眼）	NA	NA	NA	NA
575	2025-02-14	End-to-end 3D instance segmentation of synthetic data and embryo microscopy images with a 3D Mask R-CNN 2024, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2024.1497539 PMID:39944885	研究论文	本文介绍了一种3D Mask R-CNN的改进版本，用于3D实例分割，并在合成数据和胚胎显微镜图像上进行了验证	开发了自定义的TensorFlow操作，用于3D非最大抑制和3D裁剪与调整大小，从而实现了对3D数据的高效训练和推理	在最嘈杂的对象上，3D Mask R-CNN的表现存在局限性	解决3D图像分析中的实例分割问题，特别是在医学和显微镜图像中的应用	合成数据和胚胎显微镜图像	计算机视觉	NA	3D Mask R-CNN	CNN	3D图像	合成数据和胚胎显微镜图像	NA	NA	NA	NA
576	2025-02-14	Application of deep learning for real-time detection, localization, and counting of the malignant invasive weed Solanum rostratum Dunal 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1486929 PMID:39944948	研究论文	本文介绍了一种名为TrackSolanum的深度学习网络模型，用于实时检测、定位和计数恶性入侵杂草Solanum rostratum Dunal（SrD）	设计了TrackSolanum网络模型，结合了检测、跟踪、定位和计数四个模块，实现了对SrD的实时检测和精确管理	模型在不同高度的无人机视频中表现有所差异，特别是在3米高度时，精度和召回率有所下降	开发一种能够实时检测、定位和计数SrD的技术，以支持对SrD的危害评估和精确管理	恶性入侵杂草Solanum rostratum Dunal（SrD）	计算机视觉	NA	深度学习	YOLO_EAND, DeepSort	视频	无人机视频（2米和3米高度）	NA	NA	NA	NA
577	2025-10-07	Deep IDA: a deep learning approach for integrative discriminant analysis of multi-omics data with feature ranking-an application to COVID-19 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae060 PMID:39027641	研究论文	提出一种用于多组学数据整合判别分析的深度学习方法Deep IDA，通过非线性变换实现最大关联和最大分离，并应用于COVID-19研究	开发了能够处理两个或更多数据视图复杂非线性关系的深度学习方法，并提出基于集成学习的特征排序方法以提高结果可解释性	未明确说明样本量的具体限制或模型在其他疾病数据集上的泛化能力	开发多组学数据整合分析方法以更好理解复杂疾病的病理生物学	COVID-19患者的多组学数据	机器学习	COVID-19	RNA测序，代谢组学，蛋白质组学	深度学习	多组学数据	两个大型真实世界数据集	PyTorch	Deep IDA	NA	NA
578	2025-10-07	Late-Life High Blood Pressure and Enlarged Perivascular Spaces in the Putaminal Regions of Community-Dwelling Japanese Older Persons 2024-01, Journal of geriatric psychiatry and neurology IF:2.9Q2 DOI:10.1177/08919887231195235 PMID:37537887	研究论文	本研究探讨了日本社区老年人群晚期高血压与脑部豆状核区域血管周围间隙扩大的关联	首次在大型社区老年人群中系统分析血压水平与血管周围间隙体积的定量关系，并采用自主研发的深度学习软件进行精确测量	横断面研究设计无法确定因果关系，研究对象仅限于日本社区老年人群	确定血压与脑部血管周围间隙体积的关联并分析相关因素的交互作用	9296名65岁及以上社区居住的日本老年人	数字病理	老年疾病	脑磁共振成像	深度学习	医学影像	9296名社区老年受试者	自主研发软件	NA	协方差分析，多元回归分析，趋势P值	NA
579	2025-02-12	Enhancing plant disease detection through deep learning: a Depthwise CNN with squeeze and excitation integration and residual skip connections 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1505857 PMID:39925367	研究论文	本研究提出了一种改进的深度卷积神经网络（CNN）结合压缩激励（SE）模块和改进的残差跳跃连接，用于植物病害检测	提出了一种结合SE模块和改进残差跳跃连接的深度CNN模型，增强了特征提取和分类性能，同时保持计算效率	未提及具体的数据集规模或模型在不同环境下的泛化能力	开发高效准确的自动化系统，用于植物病害检测，以增强作物保护和产量优化	多种植物物种和病害类别	计算机视觉	植物病害	深度卷积神经网络（CNN）	深度CNN结合SE模块和残差跳跃连接	图像	未提及具体样本数量	NA	NA	NA	NA
580	2025-02-12	Diagnosis and detection of bone fracture in radiographic images using deep learning approaches 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1506686 PMID:39927268	研究论文	本文探讨了使用深度学习算法在X光图像中自动检测和诊断骨折的方法	提出了结合DenseNet201和VGG16的深度学习模型，用于骨折检测，并在验证阶段达到了97%的准确率	现有骨折检测和诊断方法的局限性，需要进一步改进深度学习模型	开发一种自动化的骨折检测方法，以提高骨折诊断的准确性	X光图像中的骨折	计算机视觉	骨折	深度学习	VGG16, ResNet152V2, DenseNet201	图像	10,580张X光图像	NA	NA	NA	NA