深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
15321	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA	NA	NA	NA	NA
15322	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集	NA	NA	NA	NA
15323	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录	NA	NA	NA	NA
15324	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量	NA	NA	NA	NA
15325	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集	NA	NA	NA	NA
15326	2025-02-20	Artificial intelligence in the management of metabolic disorders: a comprehensive review 2025-Feb-19, Journal of endocrinological investigation IF:3.9Q2 DOI:10.1007/s40618-025-02548-x PMID:39969797	综述	本文综述了人工智能在代谢性疾病管理中的重要作用，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍	本文综合探讨了AI在代谢性疾病管理中的多种应用，如早期诊断、个性化治疗、风险评估和生物标志物发现，并强调了AI与临床实践结合的革命性潜力	本文提到AI实施中的挑战和伦理考虑，如数据隐私、模型可解释性和偏见缓解，但未深入探讨具体解决方案	探讨人工智能在代谢性疾病管理中的应用及其潜力	代谢性疾病，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍	自然语言处理, 计算机视觉, 机器学习	代谢性疾病	机器学习(ML), 深度学习(DL), 自然语言处理(NLP), 强化学习	NA	NA	NA	NA	NA	NA	NA
15327	2025-02-20	Deep learning for augmented process monitoring of scalable perovskite thin-film fabrication 2025-Feb-18, Energy & environmental science IF:32.4Q1 DOI:10.1039/d4ee03445g PMID:39830789	研究论文	本文展示了深度学习在增强大面积钙钛矿薄膜制造过程监控中的应用	利用深度学习增强成像方法，实现材料成分监控、薄膜质量早期评估及过程控制建议生成	研究基于中等规模数据集，可能在大规模应用中存在限制	提高钙钛矿光伏材料的大面积制造可重复性	钙钛矿薄膜的制造过程	机器学习	NA	深度学习	NA	图像数据	中等规模数据集	NA	NA	NA	NA
15328	2025-02-20	Integrating State-Space Modeling, Parameter Estimation, Deep Learning, and Docking Techniques in Drug Repurposing: A Case Study on COVID-19 Cytokine Storm 2025-Feb-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf035 PMID:39965087	研究论文	本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，探索药物再利用在COVID-19细胞因子风暴中的应用	结合数学建模、PID控制器、深度学习和分子对接技术，提出了一种综合方法用于快速识别关键调控蛋白和药物再利用	研究主要针对COVID-19的细胞因子风暴，未广泛验证其他病毒或疾病的应用效果	开发快速有效的治疗方法，以应对SARS-CoV-2变种带来的挑战	COVID-19细胞因子风暴中的关键调控蛋白（如ACE2）	药物再利用	COVID-19	状态空间建模、参数估计、深度学习、分子对接	深度学习模型	蛋白质相互作用数据、药物-靶点相互作用数据	NA	NA	NA	NA	NA
15329	2025-02-20	Dual-Domain Self-Supervised Deep Learning with Graph Convolution for Low-Dose Computed Tomography Reconstruction 2025-Feb-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01314-4 PMID:39966223	研究论文	本文提出了一种名为DDoS的双域自监督深度学习框架，用于低剂量计算机断层扫描（LDCT）图像的去噪和重建	DDoS框架结合了图卷积和多通道注意力模块，能够在sinogram域和图像域同时进行去噪，有效提升了LDCT图像的信噪比	尽管DDoS框架在实验中表现出色，但其在临床环境中的实际应用仍需进一步验证	提高低剂量计算机断层扫描（LDCT）图像的信噪比，以满足诊断所需的图像质量	低剂量计算机断层扫描（LDCT）图像	计算机视觉	NA	深度学习	图卷积网络（GCN）	图像	两个大规模LDCT数据集	NA	NA	NA	NA
15330	2025-02-20	A dataset for surface defect detection on complex structured parts based on photometric stereo 2025-Feb-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04454-6 PMID:39956811	研究论文	本文提出了一种基于深度学习和光度立体视觉的表面缺陷检测技术，并创建了金属表面缺陷数据集（MSDD）	提出了一种新的缺陷检测技术，结合了光度立体视觉和深度学习，并创建了一个包含多种缺陷类型的金属表面缺陷数据集	NA	解决工业缺陷检测中的阴影和表面反射问题，特别是在非平面零件上的检测	金属表面缺陷	计算机视觉	NA	光度立体视觉	FCOS, YOLOv5, YOLOv8, RT-DETR	图像	138,585张单通道图像和9,239张混合图像	NA	NA	NA	NA
15331	2025-02-20	Helmet material design for mitigating traumatic axonal injuries through AI-driven constitutive law enhancement 2025-Feb-16, Communications engineering DOI:10.1038/s44172-025-00370-0 PMID:39956866	研究论文	本文通过AI驱动的本构定律增强，优化头盔衬里材料设计，以减少创伤性轴索损伤	利用深度学习模型预测不同衬里材料保护下假人头部的峰值旋转速度和加速度，并通过材料优化显著降低脑损伤风险	研究主要针对250至500焦耳冲击能量范围内的脑损伤风险，未涵盖所有可能的冲击条件	提高运动头盔对脑损伤的保护效率	头盔衬里材料	机器学习	脑损伤	深度学习	深度学习模型	模拟数据	NA	NA	NA	NA	NA
15332	2025-02-20	Global Daily Column Average CO2 at 0.1° × 0.1° Spatial Resolution Integrating OCO-3, GOSAT, CAMS with EOF and Deep Learning 2025-Feb-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04135-w PMID:39952969	研究论文	本研究通过整合CAMS、GOSAT和OCO-3卫星数据，利用DINEOF和DINCAE方法重建了高时空分辨率的全球二氧化碳柱平均浓度数据集	结合DINEOF和DINCAE两种先进的数据重建方法，填补了卫星观测数据中的缺失，生成了高分辨率、无间隙的全球二氧化碳柱平均浓度数据集	未提及具体的数据覆盖时间范围或长期稳定性验证	解决卫星观测数据中的缺失问题，生成高时空分辨率的全球二氧化碳分布数据	全球二氧化碳柱平均浓度	机器学习	NA	DINEOF, DINCAE	卷积自编码器	卫星观测数据	整合了CAMS、GOSAT和OCO-3卫星的观测数据	NA	NA	NA	NA
15333	2025-02-20	Necessity and impact of specialization of large foundation model for medical segmentation tasks 2025-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.17470 PMID:39431952	研究论文	本文探讨了大型基础模型在医学图像分割任务中的专业化需求及其影响，评估了MedSAM及其轻量版LiteMedSAM在盆腔MR图像分割中的表现	通过评估现成的医学基础模型MedSAM在特定医学图像分割任务中的表现，揭示了进一步专业化微调的必要性和性能提升	现成的MedSAM和LiteMedSAM在非连续或非凸结构上的表现较差，且不同边界框输入的提示方案影响有限	评估大型基础模型在医学图像分割中的临床效用，并探索通过专业化微调提升性能的潜力	盆腔MR图像中的解剖结构	计算机视觉	NA	深度学习	MedSAM, LiteMedSAM, nnU-Net	图像	589张盆腔MR图像，80%用于训练，20%用于测试	NA	NA	NA	NA
15334	2025-02-20	Investigating the Use of Generative Adversarial Networks-Based Deep Learning for Reducing Motion Artifacts in Cardiac Magnetic Resonance 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S492163 PMID:39963324	研究论文	本文评估了基于生成对抗网络（GANs）的深度学习技术在减少心脏磁共振（CMR）电影序列中运动伪影方面的有效性	首次将GANs应用于CMR电影序列中的运动伪影减少，展示了其在临床应用中优化CMR运动伪影管理的潜力	研究主要基于模拟的运动伪影数据，真实世界数据的样本量相对较小	评估GANs在减少CMR电影序列中运动伪影方面的有效性	心脏磁共振（CMR）电影序列中的运动伪影	计算机视觉	心血管疾病	深度学习	GAN	图像	2000对清晰和模糊图像用于训练，200对用于测试，100张模拟运动伪影图像和37张真实世界运动伪影图像用于评估	NA	NA	NA	NA
15335	2025-02-19	Bean leaf image dataset annotated with leaf dimensions, segmentation masks, and camera calibration 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111328 PMID:39959655	研究论文	本文介绍了一个包含6981张普通豆叶图像的数据库，这些图像附有基准标记和已知叶片尺寸的注释	提供了一个包含详细注释的叶片图像数据库，包括图像分割、已知区域、基准标记区域、标记姿态、拍摄条件和相机校准信息	NA	开发用于叶片尺寸测量及相关问题的深度学习算法	普通豆叶	计算机视觉	NA	NA	NA	图像	6981张图像，涉及612片普通豆叶	NA	NA	NA	NA
15336	2025-10-07	EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00667-2 PMID:39578307	研究论文	提出一种结合残差块和空洞卷积的混合深度学习模型EfficientNet-resDDSC，用于从单细胞数据推断基因因果关系	在EfficientNet-B0基础结构中引入残差块增强低层特征提取能力，结合深度可分离卷积和空洞卷积扩大感受野而不增加计算量	NA	构建基因调控网络以揭示基因间的因果关系	单细胞RNA测序数据中的基因调控关系	机器学习	乳腺癌	单细胞RNA测序(scRNA-seq)	CNN	基因表达数据	四个数据集	NA	EfficientNet-B0, EfficientNet-resDDSC	NA	NA
15337	2025-10-07	Deep Learning Based Detection of Large Vessel Occlusions in Acute Ischemic Stroke Using High-Resolution Photon Counting Computed Tomography and Conventional Multidetector Computed Tomography 2025-Mar, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01471-7 PMID:39585389	研究论文	本研究探讨光子计数计算机断层扫描（PCCT）与传统多排探测器CT在基于深度学习的急性缺血性脑卒中大血管闭塞检测中的性能差异	首次研究PCCT图像质量对深度学习大血管闭塞检测算法性能的影响，并比较了与传统CT的性能差异	无法排除灌注缺损的存在，缺乏CT灌注成像数据，M2段闭塞样本量有限	评估PCCT与传统CT在深度学习辅助大血管闭塞检测中的性能差异	急性缺血性脑卒中患者的大血管闭塞	医学影像分析	急性缺血性脑卒中	计算机断层扫描血管成像（CTA），光子计数计算机断层扫描（PCCT）	深度学习	医学影像	443例病例（267例无闭塞，176例闭塞），其中PCCT扫描150例，传统CT扫描293例	NA	新型深度学习架构（商业原型）	灵敏度，特异性	Syngo.via version VB80软件平台
15338	2025-10-07	Enhancing patient representation learning with inferred family pedigrees improves disease risk prediction 2025-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae297 PMID:39723811	研究论文	提出ALIGATEHR方法，通过推断家族谱系增强患者表征学习，改善疾病风险预测	首次在电子健康记录分析中显式建模推断的家族关系，结合图注意力网络和基于注意力的医学本体表示	依赖推断的家族关系而非确证的家族史数据	改进电子健康记录中的疾病风险预测	电子健康记录中的患者及其推断的家族关系	医疗健康数据分析	炎症性肠病（克罗恩病和溃疡性结肠炎）	电子健康记录分析	图注意力网络	纵向电子健康记录诊断数据	NA	NA	图注意力网络	疾病风险预测准确性	NA
15339	2025-10-07	Enhancing Semantic Segmentation in High-Resolution TEM Images: A Comparative Study of Batch Normalization and Instance Normalization 2025-Feb-17, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae093 PMID:39405188	研究论文	本研究比较了批归一化和实例归一化在透射电子显微镜图像语义分割中的性能差异	首次系统比较批归一化和实例归一化在TEM图像语义分割任务中的表现，发现实例归一化具有更优性能	研究仅使用了两种网络架构和两个数据集，可能需要更多样化的验证	评估不同归一化方法对TEM图像语义分割模型性能的影响	高分辨率透射电子显微镜图像	计算机视觉	NA	透射电子显微镜	CNN	图像	两个不同的数据集	NA	U-Net, ResNet	Dice系数, 交并比	NA
15340	2025-02-19	Harnessing the synergy of statistics and deep learning for BCI competition 4 dataset 4: a novel approach 2025-Feb-15, Brain informatics DOI:10.1186/s40708-025-00250-5 PMID:39954182	研究论文	本文提出了一种结合统计分析和深度学习的创新方法，用于处理BCI竞赛4数据集4中的ECoG信号，以识别手指运动模式	结合统计分析预处理数据，并设计了一个新的神经网络模型BC4D4，该模型在BCI竞赛4数据集4上取得了优于现有技术的性能	NA	提高从ECoG信号中识别手指运动模式的准确性和效率	BCI竞赛4数据集4中的ECoG信号	机器学习	NA	ECoG信号处理	CNN（卷积神经网络）和Dense神经网络	ECoG信号	BCI竞赛4数据集4	NA	NA	NA	NA