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
13141	2025-02-17	Prediction of InSAR deformation time-series using improved LSTM deep learning model 2025-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83084-1 PMID:39948371	研究论文	本研究开发了一种改进的LSTM模型，用于预测InSAR变形时间序列，并在印度Khetri铜带的Mine-A的26个TSX/TDX数据集上进行了验证	提出了一种改进的LSTM模型（mLSTM），用于预测InSAR变形时间序列，并在性能上优于传统的RNN和LSTM模型	研究仅基于单一参考PSI导出的变形时间序列结果，可能限制了模型的泛化能力	开发一种改进的LSTM模型，用于预测矿山开采引起的地表变形时间序列	矿山开采引起的地表变形	机器学习	NA	InSAR	LSTM, RNN, mLSTM	时间序列数据	26个TSX/TDX数据集
13142	2025-02-17	Robust CRW crops leaf disease detection and classification in agriculture using hybrid deep learning models 2025-Feb-13, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01332-5 PMID:39948565	研究论文	本文提出了一种用于玉米、水稻和小麦作物病害检测的Slender-CNN模型，通过整合不同维度的并行卷积层来准确识别多尺度病变	设计了Slender-CNN模型，能够同时处理多种作物的病害检测，并在资源有限的环境中表现出色	模型在特定作物上的准确率仍有提升空间，且未涉及其他作物或更广泛的病害类型	开发一种适用于多种作物的病害检测模型，以解决农民资源有限和数字素养低的问题	玉米、水稻和小麦作物的病害检测	计算机视觉	植物病害	深度学习	Slender-CNN	图像	未明确说明样本数量，但涉及玉米、水稻和小麦作物的健康与感染类别
13143	2025-02-17	Advancing Pancreatic Cancer Prediction with a Next Visit Token Prediction Head on Top of Med-BERT 2025-Feb-04, Cancers IF:4.5Q1 DOI:10.3390/cancers17030516 PMID:39941883	研究论文	本文提出了一种基于Med-BERT的胰腺癌预测方法，通过将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以提高胰腺癌预测的准确性	将疾病预测任务重新表述为令牌预测任务和下一次访问掩码令牌预测任务，以更好地利用Med-BERT的预训练任务格式，从而在少量数据和完全监督设置下提高预测准确性	研究主要关注胰腺癌，未涉及其他类型的癌症或疾病	提高胰腺癌预测的准确性，尤其是在少量数据的情况下	电子健康记录（EHRs）中的胰腺癌预测	自然语言处理	胰腺癌	Med-BERT	Med-BERT-Sum, Med-BERT-Mask	电子健康记录（EHRs）	10到500个样本
13144	2025-02-17	Development of Nipple Trauma Evaluation System With Deep Learning 2025-Feb, Journal of human lactation : official journal of International Lactation Consultant Association IF:2.1Q2 DOI:10.1177/08903344241303867 PMID:39718190	研究论文	本研究旨在开发一种基于深度学习的乳头创伤评估系统，以支持母乳喂养	首次将深度学习技术应用于母乳喂养支持领域，开发了自动检测和分类乳头创伤的系统	研究中未提及样本的多样性或模型的泛化能力，可能限制了系统的广泛应用	开发一种能够自动检测和分类乳头创伤的深度学习系统	乳头创伤图像	计算机视觉	NA	深度学习	对象检测和分类模型	图像	753张图像
13145	2025-02-17	Development of deep learning auto-encoder algorithms for predicting alcohol use in Korean adolescents based on cross-sectional data 2025-Feb, Social science & medicine (1982) DOI:10.1016/j.socscimed.2025.117690 PMID:39892039	研究论文	本研究旨在开发基于机器学习和深度学习模型的韩国青少年饮酒预测算法，并识别重要特征	利用深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）结合，突破了传统回归方法的限制，提供了对韩国青少年饮酒关键风险因素的新见解	研究基于横截面数据，可能无法捕捉随时间变化的动态风险因素	开发预测韩国青少年饮酒的算法，并识别重要特征	韩国青少年	机器学习	NA	深度学习自编码器（Auto-encoder）和多种机器学习算法（如逻辑回归、决策树等）	Auto-encoder, Logistic regression, Ridge, LASSO, Elasticnet, Decision tree, Random forest, AdaBoost, XGBoost	横截面数据	41,239名韩国青少年
13146	2025-02-17	An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients 2025-Jan-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17030423 PMID:39941791	研究论文	本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划	提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影	研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据	比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能	脑肿瘤患者	数字病理学	脑肿瘤	光谱MRI (sMRI)	自监督深度学习模型	MRI图像	30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试
13147	2025-02-17	Retrospectively Quantified T2 Improves Detection of Clinically Significant Peripheral Zone Prostate Cancer 2025-Jan-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17030381 PMID:39941750	研究论文	本研究评估了结合深度学习估计的T2映射与传统T2加权图像在检测临床显著性前列腺癌（csPCa）中的附加价值	利用深度学习从临床获取的T1和T2加权图像估计T2映射，结合传统T2加权图像，提高了对临床显著性前列腺癌的检测能力	研究样本量较小（76例），且为回顾性分析，可能存在选择偏倚	评估深度学习估计的T2映射在检测临床显著性前列腺癌中的附加价值	76例外周带前列腺病变，包括临床显著性和非显著性病例	数字病理学	前列腺癌	多参数MRI（mpMRI），深度学习	Logistic回归，高斯过程分类器	图像	76例外周带前列腺病变
13148	2025-02-17	Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling 2025-Jan-20, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2025.01.008 PMID:39842544	研究论文	本研究使用多种动态深度学习算法，基于视频超声心动图开发预测模型，并评估不同样本量对模型性能的影响	比较了3D卷积神经网络、视频视觉变换器以及混合卷积神经网络和长短期记忆模型在监督学习和半监督学习中的表现，特别是在不同样本量下的性能	研究主要关注模型性能的比较，未涉及实际临床应用效果的验证	开发并评估基于视频超声心动图的预测模型，探索样本量对模型性能的影响	视频超声心动图数据	计算机视觉	心血管疾病	深度学习	3D CNN, Video Vision Transformers, CNN+LSTM	视频	200、400、800个视频数据集
13149	2025-02-17	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	本文提出了一种基于流的截断去噪扩散模型（FTDDM），用于提高磁共振波谱成像（MRSI）的超分辨率	通过截断扩散链并使用基于归一化流的网络估计截断步骤，显著缩短了扩散过程，同时实现了多尺度超分辨率	尽管采样速度提高了9倍以上，但模型的训练和评估依赖于特定数据集，可能限制了其泛化能力	开发一种能够从低分辨率数据生成高分辨率MRSI的后处理方法，以克服时间和灵敏度限制	高分辨率磁共振波谱成像（MRSI）	计算机视觉	癌症	深度学习	FTDDM（基于流的截断去噪扩散模型）	图像	25名高级别胶质瘤患者的H-MRSI数据集
13150	2025-02-17	AI predictive models and advancements in microdissection testicular sperm extraction for non-obstructive azoospermia: a systematic scoping review 2025, Human reproduction open IF:8.3Q1 DOI:10.1093/hropen/hoae070 PMID:39764557	系统范围综述	本文综述了人工智能（AI）模型在预测非梗阻性无精子症（NOA）患者进行显微睾丸精子提取（m-TESE）手术中精子获取成功率方面的准确性和潜力	首次系统评估了AI模型在预测m-TESE手术结果中的应用，整合了临床、激素、组织病理学和遗传因素	研究设计的异质性、样本量小、缺乏验证研究以及仅依赖PubMed和Scopus两个数据库可能限制了研究结果的广泛适用性	评估AI模型在预测NOA患者m-TESE手术中精子获取成功率的准确性和潜力	非梗阻性无精子症（NOA）患者	生殖医学	非梗阻性无精子症	机器学习、深度学习、逻辑回归	AI预测模型	临床数据、激素水平、组织病理学评估、遗传参数	45项研究，具体样本量未明确
13151	2025-02-16	Unsupervised cross talk suppression for self-interference digital holography 2025-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.544342 PMID:39951778	研究论文	本文提出了一种基于循环一致性生成对抗网络（CycleGAN）的无监督串扰抑制方法，用于自干涉数字全息术	创新点在于提出了一种无需配对训练数据的无监督学习方法，通过显著性约束避免图像内容失真	在实际实验中，获取配对数据集以完成训练是困难的	研究目的是提高自干涉数字全息术在非相干成像领域的分辨率	自干涉数字全息术中的串扰信息	计算机视觉	NA	自干涉数字全息术	CycleGAN	图像	NA
13152	2025-02-16	Fourier-inspired single-pixel holography 2025-Feb-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.547399 PMID:39951780	研究论文	本文介绍了一种名为傅里叶启发的单像素全息术（FISH）的有效数字全息术方法，该方法使用单像素探测器而非传统相机来捕捉光场信息	FISH结合了傅里叶单像素成像和离轴全息技术，能够直接获取有用信息，而无需在空间域记录全息图并在傅里叶域过滤不需要的项，此外，还采用深度学习技术联合优化采样掩模和成像增强模型，以在低采样率下实现高质量结果	NA	探索并验证一种新的数字全息术方法，以在低采样率下实现高质量的单像素相位成像	光场信息的捕捉与成像	计算机视觉	NA	傅里叶单像素成像、离轴全息技术、深度学习	深度学习模型	光场信息	NA
13153	2025-02-16	A deep learning model to predict dose distributions for breast cancer radiotherapy 2025-Feb-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-01942-4 PMID:39937302	研究论文	本文提出了一种基于3D U-Net的深度学习模型，用于准确预测乳腺癌放射治疗的剂量分布	该模型采用了双编码器组合注意力（DECA）模块、跨阶段部分+Resnet+注意力（CRA）模块、难度感知和关键区域损失等创新技术	研究仅针对乳腺癌患者，未涉及其他类型的癌症	提高乳腺癌放射治疗的剂量分布预测精度和规划效率	乳腺癌患者	计算机视觉	乳腺癌	深度学习	3D U-Net	3D图像	176名乳腺癌患者
13154	2025-02-16	OHID-1: A New Large Hyperspectral Image Dataset for Multi-Classification 2025-Feb-12, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04542-7 PMID:39939330	研究论文	本文介绍了一个新的大规模高光谱图像数据集OHID-1，旨在提升高光谱图像分类性能并挑战现有算法	OHID-1数据集提供了更复杂的特征和更高的分类复杂性，包含7个类别标签，覆盖更广的区域	NA	提升高光谱图像分类性能并挑战现有高光谱图像处理算法	高光谱图像数据集OHID-1	计算机视觉	NA	NA	NA	高光谱图像	10幅高光谱图像，来自中国珠海市不同区域
13155	2025-02-16	Steering drilling wellbore trajectory prediction based on the NOA-LSTM-FCNN method 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89826-z PMID:39939666	研究论文	本文提出了一种基于NOA-LSTM-FCNN方法的导向钻井井眼轨迹预测方法，旨在解决复杂地质条件下井眼轨迹难以准确预测的问题	结合NOA、LSTM和FCNN，提出了一种新的井眼轨迹预测方法，显著提高了预测精度	NA	提高复杂地质条件下井眼轨迹的预测精度	井眼轨迹数据	机器学习	NA	NA	LSTM, FCNN	井眼轨迹数据	NA
13156	2025-02-16	A machine learning model for detecting and quantifying tropical cyclone related disturbance and recovery in estuaries 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89196-6 PMID:39939689	研究论文	本研究开发了一种基于机器学习的模型，用于检测和量化热带气旋对河口生态系统造成的干扰及其恢复时间	利用LSTM深度学习模型检测干扰并量化其严重性，同时开发基于高斯滤波的算法评估恢复时间	模型主要关注河口水质的变化，未全面考虑其他生态系统因素	开发一种能够检测和量化热带气旋对河口生态系统干扰及其恢复时间的模型	河口生态系统，特别是水质变化	机器学习	NA	LSTM深度学习模型，高斯滤波算法	LSTM	时间序列数据	NOAA国家河口研究保护区系统的数据
13157	2025-02-16	Universal attention guided adversarial defense using feature pyramid and non-local mechanisms 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89267-8 PMID:39939692	研究论文	本文提出了一种通用的注意力引导对抗防御方法，通过特征金字塔和非局部机制增强深度神经网络对对抗样本的防御能力	提出了两种防御模块：基于特征金字塔的注意力空间引导（FPAS）模块和基于注意力的非局部（ANL）模块，分别用于对抗注意力转移攻击和注意力衰减攻击	未明确提及具体局限性	提高深度神经网络对对抗样本的防御能力，特别是在高安全领域中的应用	对抗样本及其对深度神经网络的影响	机器学习	NA	NA	Wide-ResNet	图像	未明确提及具体样本数量
13158	2025-02-14	Author Correction: An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2025-Feb-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00827-7 PMID:39939705	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13159	2025-02-16	Optical Microscopy and Deep Learning for Absolute Quantification of Nanoparticles on a Macroscopic Scale and Estimating Their Number Concentration 2025-Feb-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05555 PMID:39886935	研究论文	本文提出了一种简单且绝对的方法来估计纳米颗粒的数量浓度，通过光学显微镜和深度学习技术实现宏观尺度上的纳米颗粒绝对定量	创新点在于结合光学显微镜和人工神经网络，提出了一种称为蒸发体积分析（EVA）的新方法，能够在宏观尺度上对纳米颗粒进行绝对定量	讨论了EVA的理论限制，如检测限、定量限和最佳工作范围	研究目的是开发一种简单且绝对的方法来估计纳米颗粒的数量浓度	研究对象是纳米颗粒，特别是60 nm Tm掺杂的光子上转换纳米颗粒、80 nm Nile红掺杂的聚苯乙烯纳米颗粒和90 nm银纳米颗粒	计算机视觉	NA	光学显微镜、人工神经网络	人工神经网络	图像	每个液滴中的数千个纳米颗粒
13160	2025-02-16	Deep Learning-Driven Single-Lead ECG Classification: A Rapid Approach for Comprehensive Cardiac Diagnostics 2025-Feb-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030384 PMID:39941314	研究论文	本研究探讨了使用先进深度学习模型对单导联心电图数据进行分类的潜力，以解决资源有限或偏远地区对可访问、早期和准确心脏诊断的迫切需求	研究从传统的多导联心电图分析转向单导联心电图数据，探索了深度学习模型在心脏疾病分类中的应用，并评估了五种最先进的深度学习架构的性能	研究中未提及数据集的多样性和样本量，可能影响模型的泛化能力	解决资源有限或偏远地区对可访问、早期和准确心脏诊断的需求	单导联心电图数据	机器学习	心血管疾病	深度学习	Inception, DenseNet201, MobileNetV2, NASNetLarge, VGG16	心电图数据	NA