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
3101	2025-02-05	Deep learning for enhanced risk management: a novel approach to analyzing financial reports 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2661 PMID:39896001	研究论文	本文提出了一种混合金融风险预测模型（HFRP），结合卷积神经网络（CNN）和长短期记忆网络（LSTM），以提高金融风险预测的准确性和稳定性	提出了结合CNN和LSTM的混合金融风险预测模型（HFRP），显著提高了金融风险预测的准确性和稳定性	未提及具体的数据集大小或样本来源，可能影响模型的泛化能力	提高金融风险预测的准确性和稳定性，以支持更好的风险管理决策	金融报告中的定量和定性数据	机器学习	NA	CNN, LSTM	混合模型（HFRP）	文本数据	未提及具体样本数量	NA	NA	NA	NA
3102	2025-02-05	Hybrid deep learning approach for brain tumor classification using EfficientNetB0 and novel quantum genetic algorithm 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2556 PMID:39896007	研究论文	本文提出了一种结合深度学习与量子遗传算法的新方法，用于脑肿瘤的自动多类分类	结合预训练的EfficientNetB0模型与量子遗传算法，提出了一种新的特征选择方法，显著提高了脑肿瘤分类的准确性和可靠性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	开发一种高精度、高可靠性的脑肿瘤自动分类方法	脑肿瘤	医学影像	脑肿瘤	深度学习与量子遗传算法结合	EfficientNetB0与量子遗传算法	图像	未提及具体样本数量	NA	NA	NA	NA
3103	2025-02-05	Foreign object debris detection in lane images using deep learning methodology 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2570 PMID:39896023	研究论文	本文提出了一种基于视频的深度学习方法，用于检测机场跑道上的外来物碎片（FOD），以提高检测的准确性和鲁棒性	提出了一种新的视频深度学习方法，结合对象分类和定位模块，有效降低了雷达检测的高成本	未提及具体的数据集规模和实验环境限制	降低机场跑道外来物碎片检测的成本，提高检测效率和安全性	机场跑道上的外来物碎片（FOD）	计算机视觉	NA	深度学习	NA	视频	大规模视频数据集	NA	NA	NA	NA
3104	2025-02-05	Modified MobileNetV2 transfer learning model to detect road potholes 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2519 PMID:39896032	研究论文	本文提出了一种改进的MobileNetV2迁移学习模型，用于检测道路坑洞	引入了一种改进的MobileNetV2（MMNV2）模型，通过在MobileNetV2框架中添加一个五层预训练网络，提高了分类、检测和预测的准确性	NA	提高道路坑洞检测的准确性和效率	道路坑洞	计算机视觉	NA	迁移学习、深度学习	改进的MobileNetV2（MMNV2）	图像	5000张道路图像	NA	NA	NA	NA
3105	2025-02-05	EFNet: estimation of left ventricular ejection fraction from cardiac ultrasound videos using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2506 PMID:39896038	研究论文	本文提出了一种名为EFNet的深度学习方法，用于从心脏超声视频中直接估计左心室射血分数（EF）	EFNet结合了卷积神经网络（CNN）和Transformer模型，并引入了残差Transformer模块（RTM），以分析心脏超声视频的时空特征	方法的性能可能受到超声视频质量和操作者依赖性的影响	开发一种精确且可解释的深度学习方法，用于从心脏超声视频中自动预测左心室射血分数	心脏超声视频	计算机视觉	心血管疾病	深度学习	CNN, Transformer	视频	EchoNet-Dynamic数据集	NA	NA	NA	NA
3106	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
3107	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
3108	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
3109	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
3110	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
3111	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
3112	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
3113	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
3114	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
3115	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
3116	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
3117	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
3118	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）
3119	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
3120	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