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
1261	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
1262	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
1263	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
1264	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
1265	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
1266	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
1267	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）
1268	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
1269	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
1270	2025-02-03	Statin use and longitudinal bone marrow lesion burden: analysis of knees without osteoarthritis from the Osteoarthritis Initiative study 2025-Jan-31, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04878-6 PMID:39890641	研究论文	本研究探讨了他汀类药物使用与无骨关节炎参与者膝关节骨髓病变（BML）体积纵向变化之间的关系	首次在无基线膝关节骨关节炎的参与者中，使用深度学习算法定量测量MRI基础上的BML体积，并分析他汀类药物使用对BML体积变化的影响	研究仅针对无基线膝关节骨关节炎的参与者，可能不适用于已有骨关节炎的患者	确定他汀类药物使用与无放射学膝关节骨关节炎参与者中基于MRI的BML体积纵向变化之间的关联	无放射学膝关节骨关节炎的参与者	数字病理学	骨关节炎	MRI, 深度学习算法	深度学习	图像	1502个膝关节（751个他汀类药物使用者和751个非使用者）
1271	2025-02-03	DICOM LUT is a Key Step in Medical Image Preprocessing Towards AI Generalizability 2025-Jan-31, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01418-5 PMID:39890738	研究论文	本研究探讨了医学图像预处理对深度学习模型性能的影响，特别是直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换在胸部X光片（CXR）中的应用	揭示了直方图均衡化增强对模型性能的显著影响，特别是在泛化能力方面，并指出仅使用HE增强数据集训练的模型在外部验证集上表现较差，表明可能存在过拟合和信息丢失	研究仅针对胸部X光片，未涵盖其他类型的医学图像	探讨医学图像预处理技术对深度学习模型性能的影响，特别是对泛化能力的影响	胸部X光片（CXR）	计算机视觉	肺气肿	直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换	深度学习分类器	图像	内部CXR数据集生成的两个基线数据集，并在两个外部数据集上进行评估
1272	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
1273	2025-02-03	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	本研究评估了Segment Anything Model (SAM)系列深度学习架构在机器人垃圾分类中分离高度可变物体的能力，提出了一种基于SAM架构的通用视觉垃圾分类两步程序	提出了一种基于SAM架构的两步程序，消除了开发专用垃圾分类和分割算法的必要性，并显著减少了适应不同用例的时间和成本	NA	评估深度学习架构在机器人垃圾分类中的应用能力，以提高生产率和降低费用	高度可变物体	计算机视觉	NA	深度学习	SAM, FastSAM, MobileSAMv2, EfficientSAM, MobileNetV2, VGG19, Dense-Net, Squeeze-Net, ResNet, Inception-v3	图像	四个用例（漂浮垃圾、城市垃圾、电子垃圾和智能垃圾桶）
1274	2025-02-03	Expanding genomic prediction in plant breeding: harnessing big data, machine learning, and advanced software 2025-Jan-30, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2024.12.009 PMID:39890501	综述	本文回顾了提高基因组选择（GS）效率的关键因素，重点关注统计机器学习方法和软件	强调了深度学习模型在基因组预测中的独特优势，并介绍了支持GS方法的最新数据管理工具	未提及具体的实验验证或实际应用案例	提高植物育种中基因组选择的效率	植物育种中的基因组数据	机器学习	NA	基因组选择（GS）	深度学习（DL）	基因组数据	NA
1275	2025-02-03	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	本文介绍了一种利用深度学习和分子表面电子属性的流形嵌入来预测药物诱导肝毒性的方法	创新点在于将分子表面的局部电子属性映射到低维流形嵌入，并将其作为深度学习模型的分子输入	未提及具体局限性	研究目的是预测药物诱导的肝毒性（DILI）	研究对象是药物分子	机器学习	肝病	深度学习	深度学习模型	分子数据	NA
1276	2025-02-03	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	本研究开发了一种基于YOLOv8算法的深度学习模型，用于肺病变的术中细胞学图像分割，以提高肺癌细胞识别的速度和准确性	首次将YOLOv8算法应用于肺癌细胞学图像的分割和识别，实现了像素级别的图像分割和快速定位	模型在测试集上的平均像素精度和平均交并比分别为0.80和0.70，仍有提升空间	开发一种自动化方法，用于快速定位和识别肺癌细胞学图像中的病变区域	肺癌细胞学图像，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	深度学习	YOLOv8	图像	未明确提及具体样本数量
1277	2025-02-02	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	本文提出了一种基于深度学习的多模态框架，用于利用开源电动汽车数据进行电池健康状态评估	提出了一个深度学习驱动的多模态框架，能够有效利用历史车辆数据进行电池健康状态评估，并公开了300辆电动汽车的现场数据以促进进一步研究	研究依赖于特定数据集，可能限制了模型的泛化能力	开发高效、准确且成本效益高的电池健康状态评估方法，以提升电动汽车电池管理系统的性能	300辆不同类型的电动汽车的运营数据	机器学习	NA	深度学习	多模态框架	运营数据	300辆电动汽车的三年运营数据
1278	2025-02-02	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	本文提出了一种混合注意力卷积神经网络（HACNN）模型，用于在资源受限设备上进行鳄梨成熟度分类	结合了空间、通道和自注意力模块的混合注意力机制，以增强局部特征并捕捉全局关系，从而进行更全面的特征提取	尽管ShuffleNetV1（1.0x）模型消耗资源最少，但其测试准确率仅为82.89%，不足以满足实际应用需求	提高在资源受限设备上鳄梨成熟度分类的准确性和可行性	鳄梨成熟度分类	计算机视觉	NA	混合注意力机制	HACNN, EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large	图像	14,000张图像
1279	2025-02-02	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	本文通过系统综述探讨了创造性项目学习对医学生元认知和知识获取的影响	本文创新性地总结了创造性项目学习在医学教育中的应用及其对学生学习效果的积极影响	研究存在任务要求高、认知和情感强度大、与学生专业身份不匹配等挑战	探讨创造性项目学习对医学生教育成果的影响	医学生	医学教育	NA	系统综述与定性合成	NA	定量、定性及混合方法研究数据	17项研究（2010年至2022年发表）
1280	2025-02-02	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 (ViT)在分类全景X光片中磨牙是否具有分叉受累(FI)方面的性能，并与几种常用的传统深度学习模型进行了比较	首次将Vision Transformer (ViT)应用于全景X光片中的分叉受累分类，并展示了其相较于传统深度学习模型的优越性能	研究仅使用了全景X光片数据，未结合CBCT等更高精度的影像数据	评估Vision Transformer (ViT)在全景X光片中分类磨牙分叉受累的性能	磨牙的分叉受累分类	计算机视觉	牙科疾病	深度学习	Vision Transformer (ViT), Multi-Layer Perceptron (MLP), VGGNet, GoogLeNet	图像	506张全景X光片中的1,568颗牙齿图像