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
13501	2025-01-31	Enhanced ResNet-50 for garbage classification: Feature fusion and depth-separable convolutions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317999 PMID:39869568	研究论文	本文提出了一种基于ResNet-50网络的垃圾图像分类模型，通过特征融合和深度可分离卷积提高分类准确性和计算效率	提出了冗余加权特征融合模块和深度可分离卷积，有效减少了模型参数数量并提高了计算效率，同时在Focal Loss中加入了权重因子以解决类别不平衡问题	NA	开发一种合理有效的垃圾图像分类方法，以提高分类准确性、鲁棒性和检测速度	垃圾图像	计算机视觉	NA	深度学习	ResNet-50	图像	TrashNet数据集
13502	2025-01-31	Dual-hybrid intrusion detection system to detect False Data Injection in smart grids 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316536 PMID:39869576	研究论文	本文提出了一种新型的双混合入侵检测系统（IDS），用于检测智能电网中的虚假数据注入攻击（FDIAs）	结合了混合特征选择和深度学习分类器，使用粒子群优化（PSO）和灰狼优化（GWO）进行特征选择，并整合了卷积神经网络（CNN）和长短期记忆网络（LSTM）来捕捉数据的空间和时间特征	未来研究应关注整合真实世界智能电网数据进行验证，开发自适应学习机制，探索其他生物启发优化算法，并解决大规模部署中的实时处理和可扩展性挑战	提高智能电网中入侵检测系统（IDS）的准确性和鲁棒性	智能电网中的虚假数据注入攻击（FDIAs）	机器学习	NA	混合特征选择，深度学习	CNN, LSTM	智能电网数据	工业控制系统（ICS）网络攻击数据集（电力系统数据集），包含多种FDIA场景的模拟数据
13503	2025-01-31	Alzheimer's disease image classification based on enhanced residual attention network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317376 PMID:39869613	研究论文	本文提出了一种基于增强残差注意力网络（ERAN）的深度学习模型，用于阿尔茨海默病的医学图像分类	结合残差学习、注意力机制和软阈值技术，提升了模型的特征表示能力和分类准确率	未提及模型在其他数据集上的泛化能力及临床应用的可行性	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病的医学图像	计算机视觉	老年病	深度学习	增强残差注意力网络（ERAN）	图像	未提及具体样本数量
13504	2025-01-31	Advancements in Artificial Intelligence in Noninvasive Cardiac Imaging: A Comprehensive Review 2025-Jan, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70087 PMID:39871619	综述	本文综述了人工智能在无创心脏影像学中的技术进步及其对诊断流程和患者预后的影响	探讨了AI在心脏影像学中的应用，包括提高图像质量、加速处理时间和提升诊断准确性，以及识别传统方法可能忽略的细微心脏异常	存在数据标准化、法规遵从性和患者安全等挑战	评估人工智能在心脏影像学中的应用及其对诊断和患者预后的影响	心脏影像学中的各种成像模式，包括超声心动图、磁共振成像（MRI）、计算机断层扫描（CT）和核成像	医学影像	心血管疾病	机器学习和深度学习算法	NA	图像	NA
13505	2025-01-31	Can the number of confirmed COVID-19 cases be predicted more accurately by including lifestyle data? An exploratory study for data-driven prediction of COVID-19 cases in metropolitan cities using deep learning models 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251314528 PMID:39872000	研究论文	本文探讨了通过包含生活方式数据是否能更准确地预测COVID-19确诊病例数，并使用了深度学习模型进行探索性数据分析	首次尝试将多种生活方式数据（如公共交通使用、电影院观影、汽车旅馆住宿）纳入COVID-19确诊病例数的预测模型中	研究仅针对韩国的大都市区，可能不适用于其他地区或国家	探索生活方式数据对COVID-19确诊病例数预测准确性的影响	韩国大都市区（如首尔和釜山）的COVID-19确诊病例数	机器学习	COVID-19	深度学习	DNN, RNN	时间序列数据、生活方式数据	首尔（960万人口）和釜山（340万人口）
13506	2025-01-31	Utilizing a Wireless Radar Framework in Combination With Deep Learning Approaches to Evaluate Obstructive Sleep Apnea Severity in Home-Setting Environments 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S486261 PMID:39872870	研究论文	本研究旨在验证一种结合深度学习技术的无线雷达框架，用于在家庭环境中筛查阻塞性睡眠呼吸暂停（OSA）的风险	提出了一种无需接触传感器的无线雷达框架，结合深度学习技术，用于家庭环境中的OSA筛查	需要进一步优化和验证雷达总睡眠时间功能，以实现独立应用	验证无线雷达框架结合深度学习技术在家庭环境中筛查OSA风险的可行性	80名参与者在147个夜晚的家庭睡眠参数	机器学习	阻塞性睡眠呼吸暂停	深度学习	深度神经决策树	连续波信号	80名参与者，147个夜晚的睡眠数据
13507	2025-01-31	Automatic classification of temporomandibular joint disorders by magnetic resonance imaging and convolutional neural networks 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.06.001 PMID:39873009	研究论文	本研究利用卷积神经网络对颞下颌关节疾病进行分类和严重程度分析	使用YOLO深度学习技术高效识别颞下颌关节的关键区域，并通过HSV格式处理图像，简化年龄和左右耳信息	NA	通过卷积神经网络自动分类和严重程度分析颞下颌关节疾病	颞下颌关节磁共振成像数据	计算机视觉	颞下颌关节疾病	磁共振成像	卷积神经网络（CNN）	图像	NA
13508	2025-01-31	Establishment and evaluation of a deep learning-based tooth wear severity grading system using intraoral photographs 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.05.013 PMID:39873059	研究论文	本研究旨在开发一种基于深度学习的系统，利用口腔内照片自动确定牙齿磨损程度	结合Mask R-CNN架构、U-Net和SGE注意力机制，构建了牙齿分割模型，并采用优化的视觉Transformer模型进行牙齿磨损程度分类	研究中未提及模型在不同人群或不同拍摄条件下的泛化能力	开发一种自动诊断系统，用于确定牙齿磨损程度	牙齿磨损程度	计算机视觉	NA	深度学习	Mask R-CNN, U-Net, 视觉Transformer	图像	388张口腔内照片，2774张单个牙齿图像
13509	2025-01-31	Deep learning system for the differential diagnosis of oral mucosal lesions through clinical photographic imaging 2025-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.10.019 PMID:39873061	研究论文	本研究开发了一种基于卷积神经网络（CNN）的诊断模型，用于通过临床摄影图像对口腔黏膜病变进行五种不同诊断的分类，以辅助临床医生进行准确的鉴别诊断	该研究首次开发了一种能够对口腔溃疡及相关病变的临床照片进行五种不同诊断分类的CNN模型，展示了区分良性和恶性潜在病变的能力	主要挑战是数据集小且不平衡，未来工作可能包括扩大少数类别、纳入更多口腔黏膜病变诊断、采用迁移学习和交叉验证以优化图像分类模型	开发一种基于CNN的诊断模型，用于通过临床摄影图像对口腔黏膜病变进行五种不同诊断的分类，以辅助临床医生进行准确的鉴别诊断	口腔黏膜病变的临床摄影图像	计算机视觉	口腔疾病	卷积神经网络（CNN）	CNN	图像	506张五种不同诊断的临床图像
13510	2025-01-31	Towards automated recipe genre classification using semi-supervised learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317697 PMID:39874282	研究论文	本研究提出了一个名为3A2M+的烹饪食谱数据集，并利用半监督学习技术进行食谱流派分类	提出了一个包含两百万条烹饪食谱的数据集3A2M+，并扩展了命名实体识别（NER）列表以解决食谱描述中缺失的命名实体问题	数据集虽然庞大，但仍可能存在未覆盖的食谱流派或实体	实现自动化食谱流派分类，解决在线食谱分类的挑战	烹饪食谱	自然语言处理	NA	半监督学习，命名实体识别（NER）	传统机器学习模型，深度学习模型，预训练语言模型	文本	两百万条烹饪食谱
13511	2025-01-31	Identification of diabetic retinopathy lesions in fundus images by integrating CNN and vision mamba models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318264 PMID:39874303	研究论文	本文提出了一种结合卷积神经网络（CNN）和视觉Mamba模型的深度学习模型，用于准确识别和分类眼底图像中的糖尿病视网膜病变病变	本文的创新点在于结合了卷积神经网络和视觉Mamba模型，利用双向状态空间方法和位置嵌入来实现视觉数据样本的位置敏感性，并满足全局关系上下文的条件	未明确提及具体局限性	研究目的是通过深度学习模型准确识别和分类糖尿病视网膜病变病变，以辅助临床诊断和治疗	研究对象是眼底图像中的糖尿病视网膜病变病变	计算机视觉	糖尿病视网膜病变	深度学习	CNN, 视觉Mamba模型	图像	未明确提及具体样本数量
13512	2025-01-31	Using machine and deep learning to predict short-term complications following trigger digit release surgery 2025-Jan, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100171 PMID:39876951	研究论文	本研究评估了机器学习和深度学习技术在预测扳机指释放手术后短期并发症方面的能力	首次将机器学习和深度学习技术应用于预测扳机指释放手术后的短期并发症	研究样本量相对较小，且仅使用了回顾性数据	评估机器学习和深度学习技术在预测扳机指释放手术后短期并发症方面的能力	扳机指释放手术患者	机器学习	手部疾病	机器学习、深度学习	Random Forest (RF), Elastic-Net Regression (ENet), Extreme Gradient Boosted Tree (XGBoost), Neural Network (NN)	临床数据	1209例扳机指释放手术病例
13513	2025-01-31	AI-guided virtual biopsy: Automated differentiation of cerebral gliomas from other benign and malignant MRI findings using deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae225 PMID:39877747	研究论文	本研究开发了一种自动化算法，通过深度学习非侵入性地区分脑胶质瘤与其他颅内病变，以防止误诊并确保在进一步评估胶质瘤前进行准确分析	利用深度学习技术自动区分脑胶质瘤与其他颅内病变，提供了一种非侵入性的诊断方法	研究样本量有限，且仅针对特定类型的颅内病变进行了验证	开发一种自动化算法，用于非侵入性地区分脑胶质瘤与其他颅内病变	1280名患有各种颅内病变的患者，包括胶质瘤、脑转移瘤、炎症性病变、脑出血和脑膜瘤	数字病理学	脑胶质瘤	深度学习	XGBoost	MRI图像	1280名患者，包括218名胶质瘤患者、514名脑转移瘤患者、366名炎症性病变患者、99名脑出血患者和83名脑膜瘤患者
13514	2025-01-30	MHNet: Multi-view High-Order Network for Diagnosing Neurodevelopmental Disorders Using Resting-State fMRI 2025-Jan-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01399-5 PMID:39875742	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13515	2025-01-30	End-to-End Deep Learning Prediction of Neoadjuvant Chemotherapy Response in Osteosarcoma Patients Using Routine MRI 2025-Jan-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01424-7 PMID:39875741	研究论文	本研究旨在开发一种端到端的深度学习模型，利用常规磁共振成像（MRI）预测骨肉瘤（OS）患者的新辅助化疗（NACT）反应	提出了一种结合ResUNet和3D-ResNet-18的端到端深度学习模型，用于自动肿瘤分割和NACT疗效预测	研究样本量较小（112例患者），且未发现年龄、性别、碱性磷酸酶水平、肿瘤大小或位置在两组间有显著差异	预测骨肉瘤患者对新辅助化疗的反应	112例经组织学确认的骨肉瘤患者	计算机视觉	骨肉瘤	MRI	ResUNet, 3D-ResNet-18	图像	112例患者
13516	2025-01-29	Machine learning and deep learning to improve prevention of anastomotic leak after rectal cancer surgery 2025-Jan-27, World journal of gastrointestinal surgery IF:1.8Q2 DOI:10.4240/wjgs.v17.i1.101772 PMID:39872776	研究论文	本文探讨了机器学习和深度学习在预测和预防直肠癌手术后吻合口漏（AL）中的应用	利用AI技术分析临床数据，识别术前和术中的风险因素，提供术中反馈，以减少AL的发生	未提及具体的数据集大小或模型验证的详细结果	提高直肠癌手术后吻合口漏的预防效果	直肠癌手术患者	机器学习	直肠癌	机器学习和深度学习	NA	临床数据	NA
13517	2025-01-30	Deep 3D-DIC using a coarse-to-fine network for robust and accurate 3D shape and displacement measurements 2025-Jan-27, Optics express IF:3.2Q2 DOI:10.1364/OE.549759 PMID:39876362	研究论文	本文提出了一种基于深度学习的3D数字图像相关（3D-DIC）方法，通过粗到细的网络G-RAFT实现大范围且精确的图像位移估计	提出了一种新的学习型3D-DIC方法，结合GMA网络和RAFT-DIC技术，解决了传统方法在大位移估计和精度上的不足	虽然方法在复杂表面场景中表现出色，但未明确提及其在其他特定场景或数据上的适用性	解决传统数字图像相关方法在三维测量中的局限性，特别是大位移估计和精度问题	三维形状和位移测量	计算机视觉	NA	深度学习，数字图像相关（DIC）	G-RAFT, GMA, RAFT-DIC	图像	未明确提及具体样本数量
13518	2025-01-30	Deep learning-based polarization 3D imaging method for underwater targets 2025-Jan-27, Optics express IF:3.2Q2 DOI:10.1364/OE.541298 PMID:39876365	研究论文	本文提出了一种基于深度学习的偏振3D成像方法，用于水下目标的3D形状重建	提出了一种基于Attention UNet的网络框架，用于水下偏振图像的3D重建，解决了方位角模糊问题并减少了纹理损失	缺乏公开的水下偏振3D成像数据集，需要自行模拟Jerlov Type I水条件进行数据采集	开发高精度的水下3D成像技术，解决光在水中的吸收和散射问题	水下目标的3D形状重建	计算机视觉	NA	偏振成像	Attention UNet	图像	模拟Jerlov Type I水条件下采集的水下偏振图像数据集
13519	2025-01-30	Accurate deep learning based method for real-time directly modulated laser modeling 2025-Jan-27, Optics express IF:3.2Q2 DOI:10.1364/OE.549604 PMID:39876387	研究论文	本文介绍了一种基于深度学习的实时直接调制激光器建模方法，旨在通过降低计算复杂度实现高精度	采用双向长短期记忆网络（BiLSTM）并结合高级特征重校准和非线性拟合技术，提出了一种新的数据驱动方法，用于实时模拟直接调制激光器的动态行为	未提及具体局限性	开发一种高精度且计算复杂度低的直接调制激光器实时建模方法	直接调制激光器（DMLs）	机器学习	NA	深度学习	BiLSTM, LSTM, RNN	NA	NA
13520	2025-01-30	Predicting Chern numbers in photonic crystals using generative adversarial network-based data augmentation 2025-Jan-27, Optics express IF:3.2Q2 DOI:10.1364/OE.544553 PMID:39876434	研究论文	本文提出了一种基于生成对抗网络（GAN）的数据增强方法，用于预测二维光子晶体的Chern数，解决了训练数据不足的问题	提出了一种数值到图像的生成对抗网络（GAN）数据增强方法，显著提高了Chern数预测的准确性	方法主要针对二维光子晶体，尚未验证在其他复杂物理系统中的适用性	通过深度学习结合麦克斯韦方程，预测二维光子晶体的Chern数，以实现光子功能传输和控制的优化	二维光子晶体	机器学习	NA	生成对抗网络（GAN）	GAN	数值数据、图像数据	未明确说明样本数量