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
12961	2025-02-28	An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion 2025-Jan-27, Entropy (Basel, Switzerland) DOI:10.3390/e27020136 PMID:40003132	研究论文	本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM	提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度	NA	解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量	随机数熵源	机器学习	NA	快速傅里叶变换（FFT），软注意力机制	FFT-ATT-LSTM	随机序列数据	NA
12962	2025-02-28	Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020037 PMID:39997540	研究论文	本文提出了一种语义引导的Transformer网络（SGTN），用于高光谱图像中的作物分类，旨在提高分类精度和鲁棒性	提出了多尺度空间-光谱信息提取（MSIE）模块和语义引导注意力（SGA）模块，结合两阶段特征提取结构，有效克服了现有深度学习方法的局限性	未提及具体的数据集规模限制或模型计算复杂度问题	提高高光谱遥感图像中作物分类的精度和鲁棒性	高光谱遥感图像中的农作物	计算机视觉	NA	高光谱遥感	Transformer	图像	Indian Pines、Pavia University和Salinas基准数据集
12963	2025-02-28	Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review 2025-Jan-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020038 PMID:39997539	综述	本文全面回顾了基于机器学习的乳腺密度估计方法，重点关注从乳腺X线照片中估计乳腺密度的技术	强调机器学习方法在乳腺密度估计中的应用，特别是传统机器学习和深度学习方法，如支持向量机（SVMs）和卷积神经网络（CNNs）	当前研究存在主观性和成本效率低的问题	改进乳腺密度估计方法，以提高乳腺癌的早期检测和诊断	乳腺X线照片	计算机视觉	乳腺癌	机器学习	SVM, CNN	图像	NA
12964	2025-02-28	Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020032 PMID:39997534	研究论文	本研究利用人工智能从无人机图像和遥感数据中检测与气候相关的自然灾害	创建了一个新的数据集，优化了机器学习模型，并首次将荒漠化作为深度学习检测的自然灾害之一	研究仅考虑了洪水和荒漠化两种自然灾害，且数据集规模相对较小	优化深度学习模型以检测与气候相关的自然灾害	洪水和荒漠化自然灾害	计算机视觉	NA	深度学习	CNN, DenseNet201, VGG16, ResNet50	图像	6334张无人机和卫星图像
12965	2025-02-28	GCNet: A Deep Learning Framework for Enhanced Grape Cluster Segmentation and Yield Estimation Incorporating Occluded Grape Detection with a Correction Factor for Indoor Experimentation 2025-Jan-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11020034 PMID:39997536	研究论文	本文提出了一种名为GCNet的深度学习框架，用于增强葡萄串分割和产量估计，通过引入遮挡葡萄检测和校正因子来解决室内实验中的挑战	GCNet框架结合了深度学习技术和校正因子，首次在葡萄串分割中引入了遮挡调整，提高了在叶子和葡萄串紧凑情况下的分割精度，为农业室内成像分析设定了新标准	该研究主要针对室内实验环境，未涉及户外自然环境下的葡萄产量估计	提高葡萄产量估计的准确性，特别是在室内环境下	葡萄串	计算机视觉	NA	深度学习	GCNet	图像	NA
12966	2025-02-28	Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization 2025-Jan-24, Entropy (Basel, Switzerland) DOI:10.3390/e27020116 PMID:40003113	研究论文	本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力	提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征	模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据	通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作	中文社交媒体数据	自然语言处理	NA	深度学习	DSI-BTCNN（双通道卷积神经网络）	文本	定制数据集
12967	2025-02-28	Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning 2025-Jan, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241303907 PMID:39726256	研究论文	本文开发了一种深度学习模型，用于从H&E染色切片中定量分析大鼠脾脏的相关区域，包括动脉周围淋巴鞘、滤泡、生发中心和边缘区	创新点在于无需免疫组化染色，直接利用H&E染色切片通过深度学习模型高精度识别脾脏各区域	目前仅应用于正常大鼠脾脏，未来需扩展至其他淋巴组织	提高免疫系统增强组织病理学评估的准确性和精确性，同时提升病理学家的工作效率	大鼠脾脏	数字病理学	NA	深度学习	深度学习模型	图像	正常大鼠脾脏切片
12968	2025-02-28	Deep Learning Model-Based Detection of Anemia from Conjunctiva Images 2025-Jan, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2025.31.1.57 PMID:39973037	研究论文	本研究提出了一种基于深度学习模型的无创贫血检测方法，通过分析结膜图像来诊断贫血	利用智能手机拍摄的结膜图像，结合深度学习技术，实现了无创贫血检测，避免了传统血液检测的不便	样本量相对较小（764张原始图像），且依赖于图像质量和设备性能	开发一种无创、高效的贫血检测方法	贫血患者和非贫血患者的结膜图像	计算机视觉	贫血	深度学习	VGG16, ResNet-50, InceptionV3, 深度卷积生成对抗网络（DCGAN）	图像	764张原始结膜图像，增强至4,315张
12969	2025-02-28	Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1462636 PMID:40007740	研究论文	本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍	使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型	结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05）	开发预测中年CSVD患者认知障碍的模型	145名CSVD患者和99名对照受试者	数字病理学	脑小血管病	深度学习、放射组学	Unet、LASSO	影像数据	244名受试者（145名CSVD患者和99名对照）
12970	2025-02-28	Advancing arabic dialect detection with hybrid stacked transformer models 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1498297 PMID:40007884	研究论文	本文提出了一种基于两种Transformer模型的混合堆叠模型，用于提高阿拉伯方言的分类性能	提出了一种新颖的堆叠模型，结合了Bert-Base-Arabertv02和Dialectal-Arabic-XLM-R-Base两种Transformer模型，以捕捉更广泛的语言特征	NA	提高阿拉伯方言的分类性能，以增强自然语言处理（NLP）应用的效果	阿拉伯方言	自然语言处理	NA	深度学习	Transformer, LSTM, GRU, CNN	文本	使用了IADD和Shami数据集进行模型评估
12971	2025-02-28	KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1525029 PMID:40008124	研究论文	本文提出了一种基于知识图谱和图正则化集成的深度学习模型KGRDR，用于预测药物与疾病之间的潜在相互作用	KGRDR模型结合了多相似性集成和知识图谱学习，通过图正则化方法整合药物和疾病的多种相似性信息，有效消除噪声数据，并利用注意力机制融合相似性特征和拓扑特征，最终使用图卷积网络预测药物-疾病关联	未明确提及具体局限性	优化药物开发，加速新治疗方案的开发，降低成本并减轻风险	药物与疾病之间的相互作用	机器学习	NA	深度学习	图卷积网络（GCN）	药物和疾病的相似性信息、生物医学知识图谱	未明确提及具体样本数量
12972	2025-02-28	Artificial intelligence in drug development: reshaping the therapeutic landscape 2025, Therapeutic advances in drug safety IF:3.4Q2 DOI:10.1177/20420986251321704 PMID:40008227	研究论文	本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑	人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计	AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力	研究人工智能在药物研发中的应用及其对治疗领域的重塑	药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测	机器学习	NA	机器学习、深度学习、神经网络	NA	NA	NA
12973	2025-02-28	Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1564325 PMID:40012552	correction	本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态	NA	NA	更正先前发表的文章中的错误	NA	digital pathology	lung cancer	NA	deep learning	PET/CT images	NA
12974	2025-02-27	Brain analysis to approach human muscles synergy using deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10228-y PMID:39996071	研究论文	本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用	结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号	NA	改进康复方法和脑机接口	脑信号和肌肉运动	机器学习	NA	EEG, EMG	神经网络, 卷积网络	信号数据	NA
12975	2025-02-27	A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients 2025-Feb-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04849-4 PMID:40009155	研究论文	本文介绍了一种基于深度学习的psi CT网络，用于预测肝细胞癌（HCC）患者肝切除术后早期复发	结合DenseNet和注意力机制，模型能自动聚焦于对患者生存有显著影响的区域，并通过CAM技术可视化这些区域	研究为回顾性，且样本量相对有限，可能影响模型的泛化能力	开发一种可靠的方法来预测HCC患者肝切除术后早期复发	肝细胞癌（HCC）患者	数字病理	肝癌	深度学习	DenseNet	CT扫描图像	302例患者，来自五个中心
12976	2025-02-27	Ultrasound Thyroid Nodule Segmentation Algorithm Based on DeepLabV3+ with EfficientNet 2025-Feb-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01436-3 PMID:40000546	研究论文	本文提出了一种基于DeepLabV3+与EfficientNet的超声甲状腺结节分割算法，旨在提高超声图像中甲状腺结节分割的准确性	首次将EfficientNet-B7作为DeepLabV3+架构的主干网络应用于甲状腺结节分割	NA	提高超声图像中甲状腺结节分割的准确性	超声图像中的甲状腺结节	计算机视觉	甲状腺疾病	深度学习	DeepLabV3+ with EfficientNet-B7	图像	来自郑州大学第一附属医院的数据集及两个公共数据集
12977	2025-02-27	The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis 2025-Feb-19, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002148 PMID:39998988	meta-analysis	本文通过系统回顾和荟萃分析评估了人工智能结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能	首次将基于计算机视觉的AI算法应用于胆道镜检查，以提高诊断准确性	研究数量有限，仅包含五项研究，且样本量相对较小	评估AI结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能	不确定性和恶性胆道狭窄	computer vision	biliary strictures	deep learning	CNN	image	675 lesions (2,685,674 cholangioscopic images)
12978	2025-02-27	De novo design of Ras isoform selective binders 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610300 PMID:39975043	研究论文	本文利用深度学习方法设计了针对Ras异构体的特异性结合剂，以研究其在生物学和疾病中的不同作用	首次使用深度学习方法设计出针对Ras异构体的特异性结合剂，解决了传统方法难以针对Ras C端无序且高电荷区域产生抗体的难题	未提及具体样本量或实验验证的广泛性	研究Ras异构体在癌症中的不同作用，并开发特异性结合剂	Ras异构体（KRAS4A, KRAS4B, HRAS, NRAS）	机器学习	癌症	深度学习	NA	NA	NA
12979	2025-02-27	Development of deep learning-based mobile application for the identification of Coccidia species in pigs using microscopic images 2025-Feb, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2024.110376 PMID:39675168	研究论文	开发了一种基于深度学习的移动应用程序，用于通过显微镜图像自动识别猪体内的Coccidia物种	采用深度学习技术开发移动应用程序，自动识别猪体内的Coccidia物种，减少对专家人员的依赖	研究仅限于印度东北山区常见的六种Coccidia物种，未涵盖所有可能的物种	开发一种能够自动识别猪体内Coccidia物种的移动应用程序，以减少经济损失和提高诊断效率	猪体内的Coccidia物种，特别是E. debliecki, E. perminuta, E. porci, E. spinosa, E. suis, 和 Isospora suis	计算机视觉	寄生虫病	卷积神经网络（CNN）	EfficientNetB0, EfficientNetB1, MobileNet, MobileNetV2	显微镜图像	未明确提及具体样本数量，但涉及印度东北山区的猪
12980	2025-02-27	Diagnostic value of deep learning reconstruction-based subtraction CT-FFR in patients with calcified-related stenosis or stent implantation 2025-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1366 PMID:39995698	研究论文	本研究探讨了基于深度学习重建的减法CT-FFR在钙化相关狭窄或支架植入患者中的诊断价值	首次将深度学习重建技术应用于减法CT-FFR，提高了钙化相关狭窄和冠状动脉支架应用的诊断性能	样本量较小，仅包括30名患者，且未进行长期随访	探索减法CT-FFR在钙化相关狭窄和冠状动脉支架应用中的诊断价值	钙化相关狭窄或支架植入患者	数字病理学	心血管疾病	CT-FFR, 深度学习重建 (DLR), 混合迭代重建 (HIR)	深度学习	CT图像	30名患者，52个钙化相关病变和14个冠状动脉支架