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
2801	2025-02-05	Edge and texture aware image denoising using median noise residue U-net with hand-crafted features 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2449 PMID:39896035	研究论文	本文提出了一种结合中值噪声残差U-Net和手工特征的方法，用于边缘和纹理感知的图像去噪	在U-Net的输入层中加入手工特征，提高了模型的学习能力，并通过中值滤波器和图像梯度信息估计噪声，提升了去噪性能	模型在有限训练数据集上训练，未使用图像增强技术，可能影响泛化能力	提高图像去噪的性能，特别是在高噪声水平下	噪声图像	计算机视觉	NA	中值滤波，梯度信息提取	U-Net	图像	NA	NA	NA	NA	NA
2802	2025-02-05	The value of AI for assessing longitudinal brain metastases treatment response 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae216 PMID:39896076	研究论文	本文探讨了AI在评估脑转移瘤治疗反应中的价值，比较了手动和自动（基于深度学习）的病灶轮廓绘制方法	使用自动轮廓绘制和体积测量方法，提高了评估的稳定性和结果预测能力，减少了观察者间的变异性	研究样本量较小（49名患者），且为回顾性研究，可能影响结果的普遍性	提高脑转移瘤患者治疗后随访的准确性和效率，优化治疗决策	脑转移瘤患者	数字病理学	脑转移瘤	深度学习	NA	MRI图像	49名患者，184次MRI研究，448个病灶	NA	NA	NA	NA
2803	2025-02-05	Dynamics of spindle assembly and position checkpoints: Integrating molecular mechanisms with computational models 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.021 PMID:39897055	综述	本文综述了有丝分裂检查点的分子机制与计算模型的整合，探讨了从简单蛋白质相互作用到全系统模拟的数学模型框架	通过计算模型揭示检查点动态的多尺度特性，包括驱动纺锤体组装检查点（SAC）激活的双稳态开关和纺锤体位置检查点（SPOC）信号的空间组织原则	在整合空间和时间尺度、优化参数估计以及提高空间建模精度方面仍存在挑战	通过计算模型深入理解有丝分裂检查点的系统级行为，为癌症研究和治疗开发提供理论基础	有丝分裂检查点的分子机制和系统级行为	计算生物学	癌症	单分子成像、数据驱动算法、深度学习	常微分方程、随机模拟、基于规则的模型、化学组织理论	分子相互作用数据、活细胞成像数据	NA	NA	NA	NA	NA
2804	2025-02-05	Explainable deep learning identifies patterns and drivers of freshwater harmful algal blooms 2025-Jan, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100522 PMID:39897111	研究论文	本文开发了一种可解释的深度学习方法，用于识别淡水有害藻华的模式和驱动因素	结合LSTM模型和解释技术，能够捕捉复杂模式并提供对关键藻华驱动因素的可解释性见解	数据可用性不均和藻类过程的强区域特异性可能导致模型泛化能力受限	解决淡水有害藻华（HABs）建模中的关键挑战，包括区域特异性和数据限制	中国湖泊和水库中的藻类密度	机器学习	NA	LSTM模型	LSTM	时间序列数据	102个中国湖泊和水库的三年数据	NA	NA	NA	NA
2805	2025-02-05	Quantifying the Characteristics of Diabetic Retinopathy in Macular Optical Coherence Tomography Angiography Images: A Few-Shot Learning and Explainable Artificial Intelligence Approach 2025-Jan, Cureus DOI:10.7759/cureus.76746 PMID:39897224	研究论文	本文探讨了使用少样本学习和可解释人工智能方法在糖尿病视网膜病变（DR）分期分类中的应用，以提高光学相干断层扫描血管成像（OCTA）图像的准确性	结合少样本学习（FSL）和自注意力机制的可解释人工智能（XAI）方法，解决了在数据有限的情况下进行DR分期分类的挑战	研究样本量较小，仅包含206张OCTA图像，可能影响模型的泛化能力	提高糖尿病视网膜病变（DR）分期分类的准确性，特别是在数据有限的情况下	糖尿病视网膜病变（DR）患者的光学相干断层扫描血管成像（OCTA）图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	ResNet-50, DenseNet-161, MobileNet-v2, MTUNet	图像	206张OCTA图像（104例非增殖性糖尿病视网膜病变和102例增殖性糖尿病视网膜病变）	NA	NA	NA	NA
2806	2025-02-05	Automatic etiological classification of stroke thrombus digital photographs using a deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1534845 PMID:39897943	研究论文	本研究开发了一种基于深度学习的模型，用于自动分类缺血性中风血栓的病因，利用机械取栓术获取的血栓数字图像	首次将深度学习技术应用于中风血栓的自动病因分类，结合图像分割和分类网络，提高了分类的准确性和精确性	样本量相对较小（166例患者），且仅在一个医院进行，可能限制了模型的泛化能力	开发一种自动分类缺血性中风血栓病因的深度学习模型	接受机械取栓术的大血管闭塞中风患者	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	图像	166例患者	NA	NA	NA	NA
2807	2025-10-07	A combined model integrating radiomics and deep learning based on multiparametric magnetic resonance imaging for classification of brain metastases 2025-Jan, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241292528 PMID:39552295	研究论文	本研究开发了一种结合影像组学和深度学习的多参数MRI模型，用于区分肺腺癌和非肺腺癌脑转移瘤	首次将影像组学与深度学习通过分类概率平均方法结合，构建深度迁移学习影像组学模型	回顾性研究设计，样本来源单一	探索基于多参数MRI的深度迁移学习影像组学在脑转移瘤分类中的可行性	342名患者的1389个脑转移瘤病灶	医学影像分析	脑转移瘤	多参数磁共振成像	CNN, 机器学习算法	医学影像	342名患者，1389个脑转移瘤病灶（训练集273人/1179病灶，测试集69人/210病灶）	NA	预训练卷积神经网络	AUC, 校准曲线, 决策曲线分析	NA
2808	2025-02-03	Automating container damage detection with the YOLO-NAS deep learning model 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251314084 PMID:39887245	研究论文	本研究利用YOLO-NAS深度学习模型自动化检测集装箱损伤，以提高全球供应链中的产品质量、物流效率和安全性	首次将YOLO-NAS模型应用于集装箱损伤检测，解决了海港复杂条件下的高速、高精度需求	尽管YOLO-NAS在实时评估能力上表现优异，但其他模型如Fmask-RCNN和MobileNetV2在训练精度上较高，但缺乏实时评估能力	开发自动化集装箱损伤检测解决方案，以提高港口物流的效率和安全性	集装箱损伤检测	计算机视觉	NA	深度学习	YOLO-NAS	图像	NA	NA	NA	NA	NA
2809	2025-02-03	MMnc: Multi-modal interpretable representation for non-coding RNA classification and class annotation 2025-Jan-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf051 PMID:39891346	研究论文	本文介绍了一种名为MMnc的可解释深度学习方法，用于将非编码RNA分类到功能组中	MMnc利用基于注意力的多模态数据集成方法，整合序列、二级结构和表达等多种数据源，确保学习有意义的表示，并处理部分样本中缺失的数据源	NA	旨在通过深度学习技术对非编码RNA进行功能分类和注释	非编码RNA	机器学习	NA	深度学习	基于注意力的多模态数据集成模型	序列、二级结构、表达数据	NA	NA	NA	NA	NA
2810	2025-10-07	Femtojoule optical nonlinearity for deep learning with incoherent illumination 2025-Jan-31, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads4224 PMID:39888986	研究论文	本文提出了一种与不相干照明兼容的非线性光学微器件阵列，用于实现低功耗光学神经网络	通过将液晶单元与硅光电二极管在单像素级别集成，实现了低至100飞焦耳/像素的超低开关能量非线性光学器件	NA	开发适用于光学神经网络的高能效、高度并行的光学非线性组件	光学神经网络中的非线性激活函数器件	计算机视觉	NA	光学器件集成技术	光学神经网络	光学图像	超过50万个像素的器件阵列	NA	多层神经网络	开关能量（100飞焦耳/像素）	NA
2811	2025-10-07	Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87226-x PMID:39885307	研究论文	本研究提出基于Segment Anything Model系列架构的两步式通用视觉废物分拣方法	结合SAM系列模型进行废物对象提取与多种分类架构进行精确分拣，无需开发专用检测分割算法	NA	评估深度学习架构在机器人废物分拣中处理高度可变物体的能力	工业废物分拣	计算机视觉	NA	深度学习	SAM系列模型,CNN	图像	NA	NA	Segment Anything Model,FastSAM,MobileSAMv2,EfficientSAM,MobileNetV2,VGG19,DenseNet,SqueezeNet,ResNet,Inception-v3	准确率	NA
2812	2025-10-07	Multi-modal framework for battery state of health evaluation using open-source electric vehicle data 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56485-7 PMID:39880811	研究论文	提出基于深度学习的多模态框架，利用开源电动汽车数据评估电池健康状态	首次分析300辆电动汽车三年运行数据，揭示现场数据与实验室数据的差异对健康状态评估的影响，并提出多模态深度学习框架	研究基于特定电动汽车数据集，未明确说明模型在其他车型或环境下的泛化能力	开发高效、准确且成本效益高的电池健康状态评估方法	300辆不同类型电动汽车的电池系统	机器学习	NA	深度学习	深度学习模型	多模态传感器数据，历史车辆运行数据	300辆电动汽车的三年运行数据	NA	多模态深度学习框架	NA	NA
2813	2025-10-07	Enhanced hybrid attention deep learning for avocado ripeness classification on resource constrained devices 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87173-7 PMID:39880865	研究论文	提出一种混合注意力卷积神经网络模型用于在资源受限设备上实现鳄梨成熟度分类	结合空间、通道和自注意力模块的混合注意力机制，在保持模型轻量化的同时增强局部特征并捕获全局关系	ShuffleNetV1版本测试准确率仅82.89%，不足以满足实际应用需求	开发适用于资源受限设备的鳄梨成熟度分类深度学习模型	鳄梨果实	计算机视觉	NA	深度学习	CNN	图像	14000张图像	TensorFlow, TensorFlow Lite	EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large	准确率	智能手机（具体型号未指定）
2814	2025-10-07	Learning by making - student-made models and creative projects for medical education: systematic review with qualitative synthesis 2025-Jan-29, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06716-8 PMID:39881268	系统综述	对医学生通过制作创意项目（如手工模型、绘图和概念图）进行学习的效果进行系统评价和定性综合	首次系统评价创意项目式学习对医学生元认知和知识获取的影响，并识别出增强学习、协作学习和深度学习等关键主题	纳入研究数量有限（17项），存在任务要求高、认知情感强度大、与学生专业身份不匹配等挑战	评估创意项目式学习在医学教育中对学生元认知和知识获取的影响	医学生	医学教育	NA	系统评价、内容分析、叙事综合	NA	定量、定性和混合方法研究数据	17项研究（2010-2022年发表）	NA	NA	混合方法评估工具（MMAT）	NA
2815	2025-10-07	Enhancing furcation involvement classification on panoramic radiographs with vision transformers 2025-Jan-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05431-6 PMID:39881302	研究论文	本研究评估了Vision Transformer在全景X光片上分类根分叉病变的性能，并与传统深度学习模型进行比较	首次将Vision Transformer应用于根分叉病变分类任务，并证明其优于传统深度学习模型	研究样本量相对有限，仅包含1,568张牙齿图像	评估Vision Transformer在全景X光片上分类根分叉病变的性能	从506张全景X光片中获取的1,568张牙齿图像	计算机视觉	牙科疾病	全景X光成像	Vision Transformer, MLP, CNN	医学图像	1,568张牙齿图像（来自506张全景X光片）	NA	Vision Transformer, VGGNet, GoogLeNet, MLP	准确率, 精确率, 召回率, F1分数, 交叉熵损失, AUC	NA
2816	2025-10-07	Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03800-4 PMID:39663331	研究论文	本文提出了一种通过分子表面流形嵌入量子信息来预测药物诱导肝毒性的深度学习方法	利用分子表面电子属性的流形嵌入作为分子表示，将量子信息编码用于深度学习的药物毒性预测	NA	开发基于深度学习的药物诱导肝毒性预测方法	药物分子	机器学习	药物性肝损伤	量子化学计算，流形嵌入	深度学习	分子电子属性数据	NA	NA	NA	交叉验证	NA
2817	2025-10-07	Deep Learning-Based Identification of Echocardiographic Abnormalities From Electrocardiograms 2025-Jan, JACC. Asia DOI:10.1016/j.jacasi.2024.10.012 PMID:39886205	研究论文	开发基于深度学习的模型，从心电图综合预测超声心动图异常	首次使用深度学习模型从心电图全面预测12种超声心动图发现，涵盖左心异常、瓣膜性心脏病和右心异常	研究仅包含8个中心的数据，外部验证中心较少	开发能够从心电图全面预测超声心动图异常的深度学习模型	229,439对配对的心电图和超声心动图数据集	机器学习	心血管疾病	心电图，超声心动图	CNN，逻辑回归	心电图信号，超声心动图数据	229,439对配对数据，来自8个中心	NA	卷积神经网络	AUC，准确率，灵敏度，特异性	NA
2818	2025-10-07	Automated recognition and segmentation of lung cancer cytological images based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317996 PMID:39888907	研究论文	基于YOLOv8算法开发用于肺癌细胞学图像自动识别和分割的深度学习模型	首次将YOLOv8算法应用于肺癌细胞学图像的实例分割，实现像素级标注和快速定位	NA	开发自动化的肺癌细胞学图像识别和分割方法，提高诊断效率和一致性	肺部病变的细胞学图像，包括胸水细胞学和支气管肺泡灌洗液细胞学图像	计算机视觉	肺癌	细胞学检查	YOLO	图像	NA	NA	YOLOv8	平均像素精度, 平均交并比, 准确率, AUC	NA
2819	2025-10-07	GGSYOLOv5: Flame recognition method in complex scenes based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317990 PMID:39888970	研究论文	提出一种基于深度学习的复杂场景火焰识别方法GGSYOLOv5	在YOLOv5网络中引入全局注意力机制和无参数注意力机制，并使用分组随机卷积替换原始卷积	NA	开发能够在复杂场景中实时准确识别火焰的检测系统	火焰图像	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv5, GGSYOLOv5	准确率, FPS	Jetson Nano嵌入式开发板
2820	2025-02-01	Bayesian deep learning applied to diabetic retinopathy with uncertainty quantification 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41802 PMID:39882466	研究论文	本文提出了一种基于贝叶斯深度学习的糖尿病视网膜病变分类方法，并通过不确定性量化提高了诊断的准确性和可靠性	使用贝叶斯卷积神经网络（CNN）结合变分推断（VI）和蒙特卡洛dropout（MC-dropout）方法，量化模型预测的不确定性	未提及具体局限性	提高糖尿病视网膜病变分类的准确性和可靠性	糖尿病视网膜病变（DR）	医学影像分析	糖尿病视网膜病变	贝叶斯深度学习	CNN, BCNN-VI, BCNN-MC-dropout	图像	APTOS 2019和Messidor-2两个基准数据集	NA	NA	NA	NA