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
8981	2024-11-15	A multi-verse optimizer-based CNN-BiLSTM pixel-level detection model for peanut aflatoxins 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141393 PMID:39342735	研究论文	本研究开发了一种基于多宇宙优化器的CNN-BiLSTM融合模型，用于高光谱图像中花生黄曲霉毒素的像素级检测	本研究创新性地使用了多宇宙优化器算法优化CNN-BiLSTM模型，显著提高了黄曲霉毒素检测的准确性和召回率	NA	提高高光谱图像中黄曲霉毒素像素级检测的准确性	花生中的黄曲霉毒素	计算机视觉	NA	多宇宙优化器	CNN-BiLSTM	高光谱图像	不同浓度的黄曲霉毒素光谱数据
8982	2024-11-15	Application of machine vision in food computing: A review 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141238 PMID:39368204	综述	本文基于实际应用案例，综述了机器视觉在食品计算中的研究现状和前景	探讨了基于传统机器学习和深度学习方法的图像识别技术在食品计算中的应用	NA	为食品行业与人工智能技术的融合和交叉提供坚实的理论基础和技术指导	食品计算中的图像识别技术	计算机视觉	NA	机器视觉	传统机器学习方法和深度学习方法	图像	NA
8983	2024-11-15	Integrating different detection techniques and data analysis methods for comprehensive food authenticity verification 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141471 PMID:39368208	综述	本文综述了用于食品真实性验证的先进检测技术和数据分析方法的整合	强调了复杂数据处理方法和多种技术整合在增强食品真实性测试中的关键作用	未具体提及	评估不同数据处理技术的优缺点，并探讨其潜在协同作用	食品真实性检测技术及其数据处理方法	机器学习	NA	机器学习和深度学习	NA	数据	NA
8984	2024-11-15	Image quality improvement in single plane-wave imaging using deep learning 2025-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107479 PMID:39366205	研究论文	本文提出了一种利用深度学习技术在单平面波成像中提高图像质量的方法	本文提出了一种新的方法，通过考虑单平面波的射频信号特性，使用1D U-Net、2D U-Net及其组合的编码器-解码器模型，生成高质量的超声图像	本文未提及具体的研究局限性	提高单平面波成像中的空间分辨率和对比度	超声图像的质量	计算机视觉	NA	深度学习	U-Net	图像	使用了一个公开的大规模SPWI/CPWC数据集
8985	2024-11-15	Reconstruction of reflection ultrasound computed tomography with sparse transmissions using conditional generative adversarial network 2025-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107486 PMID:39426346	研究论文	本文提出了一种基于条件生成对抗网络（UCT-GAN）的深度学习框架，用于从稀疏传输数据中高效重建反射超声计算机断层扫描（UCT）图像	利用条件生成对抗网络（UCT-GAN）从稀疏传输数据中高效重建高质量的反射UCT图像	NA	提高反射超声计算机断层扫描（UCT）图像重建的效率和质量	反射UCT图像	计算机视觉	乳腺癌	超声计算机断层扫描（UCT）	条件生成对抗网络（GAN）	图像	使用8次传输的数据进行实验，结果与512次传输的数据重建图像相当
8986	2024-11-08	In-vitro blood purification using tiny pinch holographic optical tweezers based on deep learning 2025-Jan-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116781 PMID:39293268	研究论文	本文介绍了一种基于深度学习的全息光学镊子用于体外血液净化的新方法	首次提出了可编程的非接触式血液净化系统，用于精确检测和提取血液成分	NA	开发一种高效的血液净化系统，用于精确分离血液成分	血液中的不同细胞和人工颗粒	计算机视觉	NA	全息光学镊子	深度学习模型	图像	新收集并标注的血液成分目标检测数据集
8987	2024-11-06	Determination of antioxidant capacity and phenolic content of haskap berries (Lonicera caerulea L.) by attenuated total reflectance-Fourier transformed-infrared spectroscopy 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141283 PMID:39293384	研究论文	研究使用衰减全反射-傅里叶变换红外光谱（ATR-FTIR）分析不同地区栽培的蓝靛果（Lonicera caerulea L.）的总酚含量（TPC）和抗氧化能力（TAC）	开发了基于FT-IR光谱的偏最小二乘回归（PLSR）和深度学习模型，用于预测蓝靛果的总酚含量和抗氧化能力，并发现深度学习模型具有更好的预测能力	研究样本量较小，仅使用了22个蓝靛果样本	探索使用ATR-FTIR光谱技术快速评估蓝靛果的总酚含量和抗氧化能力	蓝靛果的总酚含量和抗氧化能力	NA	NA	衰减全反射-傅里叶变换红外光谱（ATR-FTIR）	偏最小二乘回归（PLSR）和深度学习模型	光谱数据	22个蓝靛果样本
8988	2024-11-06	Rapid determination of total phenolic content and antioxidant capacity of maple syrup using Raman spectroscopy and deep learning 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141289 PMID:39303472	研究论文	使用拉曼光谱和深度学习快速测定枫糖浆的总酚含量和抗氧化能力	结合便携式拉曼光谱仪和深度学习模型，实现了对枫糖浆抗氧化特性的现场快速分析	NA	开发一种快速、准确的方法来测定枫糖浆的总酚含量和抗氧化能力	枫糖浆的总酚含量和抗氧化能力	机器学习	NA	拉曼光谱	深度学习模型	光谱数据	36种不同颜色的枫糖浆样本，共收集了360个光谱数据
8989	2024-11-06	Adulteration detection of multi-species vegetable oils in camellia oil using Raman spectroscopy: Comparison of chemometrics and deep learning methods 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141314 PMID:39303476	研究论文	本文比较了化学计量学和深度学习方法在检测山茶油中多种植物油掺假方面的应用	深度学习模型在掺假水平定量预测方面优于化学计量学方法	不同掺假山茶油之间存在误分类	比较化学计量学和深度学习方法在山茶油掺假检测中的应用	山茶油中的多种植物油掺假	机器学习	NA	拉曼光谱	ConvLSTM	光谱数据	不同掺假水平的山茶油样本
8990	2024-11-02	Interpreting hourly mass concentrations of PM2.5 chemical components with an optimal deep-learning model 2025-May, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.03.037 PMID:39481927	研究论文	本文开发了一种优化的深度学习模型，用于获取PM2.5化学成分的小时质量浓度，无需复杂的化学分析	该模型考虑了大气状态指标，并展示了优于典型机器学习模型和全球再分析数据集的性能	NA	开发一种能够准确获取PM2.5化学成分信息的方法，以改进空气污染监测和源识别	PM2.5化学成分的小时质量浓度	机器学习	NA	深度学习	深度学习模型	多变量数据	NA
8991	2024-10-30	CineVN: Variational network reconstruction for rapid functional cardiac cine MRI 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30260 PMID:39188085	研究论文	本文开发了一种用于快速功能性心脏电影MRI重建的方法	提出了一种基于深度学习的重建方法CineVN，结合变分网络和共轭梯度下降，提高了图像质量和数据一致性	NA	开发一种高加速比、高时空分辨率和低时间模糊的心脏电影MRI重建方法	健康受试者和患者的心脏功能参数和心肌应变	计算机视觉	心血管疾病	MRI	变分网络	图像	18名健康受试者和46名患者
8992	2024-10-30	Automated MRI-based segmentation of intracranial arterial calcification by restricting feature complexity 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30283 PMID:39221515	研究论文	开发了一种基于MRI的自动分割和检测颅内动脉钙化的深度学习模型	提出了一种新的变分自编码器框架下的深度学习模型，并引入了一种理论基础上的不相似性损失来细化从MRI中提取的网络特征，限制其复杂性，从而提高分割精度和检测钙化的鲁棒性	NA	开发一种自动化的深度学习模型，用于MRI图像中颅内动脉钙化的分割和检测	颅内动脉钙化	计算机视觉	NA	深度学习	变分自编码器	图像	113名受试者
8993	2024-10-30	Accelerated CEST imaging through deep learning quantification from reduced frequency offsets 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30269 PMID:39270056	研究论文	本文通过深度学习方法从减少的频率偏移中加速CEST成像，缩短CEST采集时间	利用Z谱下采样结合深度学习构建CEST图谱，显著减少扫描时间	仅在3T磁共振环境下测试，未涵盖其他磁场强度	缩短CEST成像的采集时间	脑部CEST图像和胶质母细胞瘤病理模拟	计算机视觉	NA	CEST成像	U-NET	图像	18名志愿者和模拟的胶质母细胞瘤病理
8994	2024-10-28	Deep-learning-assisted thermogalvanic hydrogel fiber sensor for self-powered in-nostril respiratory monitoring 2025-Jan-15, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2024.09.132 PMID:39288575	研究论文	本文介绍了一种基于深度学习辅助的热电水凝胶纤维传感器，用于自供电的鼻内呼吸监测	开发了一种自供电的鼻内水凝胶传感器，利用温度差异产生热电信号，并通过深度学习识别呼吸模式	NA	开发一种自供电的鼻内传感器，用于长期、无刺激、抗干扰的呼吸监测	呼吸模式监测	生物电子	NA	热电技术	深度学习	时间序列数据	NA
8995	2024-10-24	A spectral bias-error stepwise correction method of plasma image-spectrum fusion based on deep learning for improving the performance of LIBS 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126872 PMID:39276577	研究论文	提出了一种基于深度学习的等离子体图像-光谱融合的谱偏差-误差逐步校正方法，以提高激光诱导击穿光谱（LIBS）的性能	利用多维等离子体信息融合和物理模型与算法模型的结合，提出了一种新的谱偏差-误差逐步校正方法	NA	提高激光诱导击穿光谱（LIBS）在复杂检测条件下的稳定性	铝合金样品的光谱	机器学习	NA	激光诱导击穿光谱（LIBS）	深度学习	光谱数据	三种复杂检测条件下的铝合金样品
8996	2024-10-24	Rapid and accurate identification of Gastrodia elata Blume species based on FTIR and NIR spectroscopy combined with chemometric methods 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126910 PMID:39305761	研究论文	研究利用傅里叶变换红外光谱（FTIR）和近红外光谱（NIR）结合化学计量学方法，快速准确地识别天麻（Gastrodia elata Blume）的不同品种	采用深度学习模型ResNet，无需复杂的谱图预处理，实现了100%的训练和测试集准确率，外部验证集也达到高准确率	外部验证集基于NIR的分类错误仅有一例，未出现过度拟合	有效识别天麻的不同品种，具有重要的理论和实践意义	天麻的不同品种及其活性成分含量	机器学习	NA	傅里叶变换红外光谱（FTIR），近红外光谱（NIR）	ResNet	光谱数据	三种天麻品种
8997	2024-10-24	A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100597 PMID:39435136	研究论文	本研究开发并验证了一种用于白内障手术中瞳孔分析的计算框架	提出了一种创新的计算框架，结合深度学习技术自动评估瞳孔形态变化，并能检测和补偿瞳孔遮挡	研究基于回顾性手术视频分析，未来需在实际手术中进一步验证	开发和验证一种自动评估白内障手术中瞳孔形态变化的计算框架	白内障手术中的瞳孔分析	计算机视觉	NA	深度学习	特征金字塔网络模型	视频	5700张手术视频帧，来自190例白内障手术
8998	2024-10-19	Development and Validation of a Deep Learning Algorithm for Differentiation of Choroidal Nevi from Small Melanoma in Fundus Photographs 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100613 PMID:39421390	研究论文	开发并验证了一种深度学习算法，用于区分眼底照片中的小脉络膜黑色素瘤和痣	该算法在区分小脉络膜黑色素瘤和痣方面表现优于眼科医生，达到了0.88的AUC值	需要进一步研究以验证其在临床环境中的实用性	开发和验证一种能够区分小脉络膜黑色素瘤和痣的深度学习算法	眼底照片中的小脉络膜黑色素瘤和痣	计算机视觉	眼科疾病	深度学习	神经网络	图像	802张图像，来自688名患者
8999	2024-10-11	Estimating Uncertainty of Geographic Atrophy Segmentations with Bayesian Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100587 PMID:39380882	研究论文	本文研究了使用贝叶斯深度学习方法量化地理萎缩分割不确定性的方法	本文引入了两种近似贝叶斯深度学习技术（蒙特卡罗 dropout 和集成方法）来评估地理萎缩语义分割的不确定性，并展示了这些方法在提高模型性能方面的优势	本文未详细讨论贝叶斯深度学习方法在实际临床应用中的可行性和效率	量化深度学习分割地理萎缩（GA）的不确定性	地理萎缩（GA）的OCT图像分割	计算机视觉	老年性疾病	贝叶斯深度学习	CNN	图像	126只眼睛，来自87名参与者
9000	2024-09-25	Machine and Deep Learning Methods for Predicting 3D Genome Organization 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4136-1_22 PMID:39283464	综述	本文综述了用于预测3D基因组组织的三种类型交互（增强子-启动子交互、染色质交互和TAD边界）的计算工具，并分析了它们的优缺点	本文讨论了机器学习方法在填补3D基因组交互缺失和提高分辨率方面的应用	当前的3D结构目录仍不完整且不可靠，受限于技术、工具和数据分辨率	探讨计算工具在预测3D基因组交互中的应用及其未来研究方向	3D基因组组织中的三种类型交互（增强子-启动子交互、染色质交互和TAD边界）	机器学习	NA	ChIP-seq, DNAse-seq	NA	基因组数据	NA