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
641	2025-02-28	Explained Deep Learning Framework for COVID-19 Detection in Volumetric CT Images Aligned with the British Society of Thoracic Imaging Reporting Guidance: A Pilot Study 2025-Feb-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01444-3 PMID:40011345	研究论文	本研究介绍了一种多类深度学习模型，用于在CT图像中识别英国胸科影像学会（BSTI）的COVID-19分类，并评估了其性能	该研究首次将深度学习模型与BSTI的COVID-19检测报告指南对齐，并引入了后验视觉解释性特征以提高结果的可解释性	模型在检测'不确定'COVID-19类别时表现不佳，移除该类别后模型准确率显著提高	开发一种符合BSTI指南的深度学习模型，用于COVID-19的自动检测	疑似COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	3D ResNet	CT图像	56例CT图像
642	2025-02-28	An Analysis of the Efficacy of Deep Learning-Based Pectoralis Muscle Segmentation in Chest CT for Sarcopenia Diagnosis 2025-Feb-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01443-4 PMID:40011347	研究论文	本研究探讨了基于深度学习的胸肌分割在胸部CT中对肌肉减少症诊断的有效性	首次比较了ResNet-UNet、Recurrent Residual UNet和UNet3+模型在胸部CT图像中分割和测量胸肌面积的效果，并验证了胸肌面积与L3水平肌肉面积的相关性	研究仅基于特定患者群体的CT图像，可能无法推广到所有人群	评估胸部CT图像中胸肌分割的准确性及其在肌肉减少症诊断中的应用	1644名患者的4932张胸部CT图像和294名患者的腹部CT数据	计算机视觉	肌肉减少症	深度学习	ResNet-UNet, Recurrent Residual UNet, UNet3+	CT图像	1644名患者的4932张胸部CT图像和294名患者的腹部CT数据
643	2025-02-28	Investigation of Inter-Patient, Intra-Patient, and Patient-Specific Based Training in Deep Learning for Classification of Heartbeat Arrhythmia 2025-Feb-26, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00777-y PMID:40011388	研究论文	本研究探讨了在深度学习中使用不同训练范式（患者间、患者内和患者特定）对心电图（ECG）信号分类的影响	详细研究了三种训练范式对基于CNN的深度学习模型在心电图心律失常分类中的影响，并发现患者特定训练范式在所有指标上表现最佳	缺乏统一的数据库划分标准，导致不同研究之间的公平比较困难	评估不同训练范式对心电图心律失常分类的深度学习模型性能的影响	心电图信号	机器学习	心血管疾病	深度学习	CNN	心电图信号	标准心律失常数据集
644	2025-02-28	Attentive feature interaction based persistent homology-augmented network for esophageal cancer lesion detection 2025-Feb-26, Medical physics IF:3.2Q1 DOI:10.1002/mp.17707 PMID:40012097	研究论文	本文提出了一种结合持久同调（PH）和特征交互的新框架，用于从3D CT图像中识别食管癌病变，旨在通过结合PH的拓扑信息和有效的特征交互机制来增强现有深度学习模型的预测能力	提出了一种结合持久同调和特征交互的新框架，通过持久图交叉注意力编码器（PDCAE）和重校准引导模块（RGM）来增强模型的预测能力	未来的研究需要探索更多可以利用拓扑关系的下游任务	增强现有深度学习模型在食管癌病变检测中的预测能力	食管癌病变	计算机视觉	食管癌	持久同调（PH）	CNN, ViT	3D CT图像	NA
645	2025-02-28	Comparative analysis of machine learning and deep learning algorithms for knee arthritis detection using YOLOv8 models 2025-Feb-26, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308770 PMID:40012222	研究论文	本文比较了机器学习和深度学习算法在膝关节关节炎检测中的应用，特别是使用YOLOv8模型的效果	本研究首次将YOLOv8分类模型应用于膝关节关节炎检测，并展示了其在检测准确率上的优越性	研究仅使用了1650张图像，样本量相对较小，可能影响模型的泛化能力	比较不同机器学习和深度学习算法在膝关节关节炎检测中的表现，寻找最优模型	膝关节关节炎的检测	计算机视觉	关节炎	YOLOv8分类模型	k-NN, SVM, GBM, DenseNet, EfficientNet, InceptionV3, YOLOv8n-cls, YOLOv8s-cls, YOLOv8m-cls, YOLOv8l-cls, YOLOv8x-cls	图像	1650张图像，分为正常、可疑、轻度、中度和重度五个类别
646	2025-02-28	Deep learning enhanced light sheet fluorescence microscopy for in vivo 4D imaging of zebrafish heart beating 2025-Feb-25, Light, science & applications DOI:10.1038/s41377-024-01710-z PMID:39994185	研究论文	本文提出了一种深度学习增强的光片荧光显微镜（LSFM）方法，用于斑马鱼心脏跳动的体内4D成像，解决了长时间高时空分辨率成像中的挑战	开发了一种名为U-net集成变压器（UI-Trans）的卷积神经网络（CNN）-变压器网络，能够有效减少复杂噪声和散射耦合的退化，并在细节学习和全局特征理解方面优于现有深度学习网络	NA	研究目的是通过深度学习增强的光片荧光显微镜技术，实现斑马鱼心脏跳动的长时间高时空分辨率成像	斑马鱼心脏	计算机视觉	NA	光片荧光显微镜（LSFM）	CNN-Transformer网络（UI-Trans）	图像	斑马鱼心脏
647	2025-02-28	scFTAT: a novel cell annotation method integrating FFT and transformer 2025-Feb-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06061-z PMID:39994539	研究论文	本文提出了一种新的单细胞注释方法scFTAT，结合了FFT和增强型Transformer，用于解决单细胞RNA测序数据的高稀疏性和大规模数据手动注释的挑战	scFTAT模型创新性地整合了FFT和增强型Transformer，通过LDA减少数据稀疏性，并采用核近似、位置编码增强和注意力增强模块等技术进行微调，提高了训练性能	NA	开发一种高效且鲁棒的单细胞数据注释方法，以解决现有方法在高稀疏性和大规模数据手动注释方面的不足	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	六个典型数据集（包括人类和小鼠组织）
648	2025-02-28	Evaluating Undersampling Schemes and Deep Learning Reconstructions for High-Resolution 3D Double Echo Steady State Knee Imaging at 7 T: A Comparison Between GRAPPA, CAIPIRINHA, and Compressed Sensing 2025-Feb-25, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001168 PMID:40009727	研究论文	本文评估了不同欠采样方案和深度学习重建方法在7T高分辨率3D双回波稳态膝关节成像中的应用，比较了GRAPPA、CAIPIRINHA和压缩感知（CS）的效果	本研究首次在7T高场强下，结合压缩感知欠采样和深度学习重建技术，实现了快速、高分辨率的3D DESS膝关节成像，且图像质量无明显下降	研究样本量较小，仅包括20名志愿者的40个膝关节，且未评估不同欠采样方案对临床诊断准确性的影响	评估不同欠采样方案和深度学习重建方法在高分辨率3D DESS膝关节成像中的效果，以确定最佳欠采样方案及其极限	20名志愿者的40个膝关节	医学影像	膝关节疾病	3D双回波稳态（DESS）磁共振成像，压缩感知（CS），深度学习（DL）重建	深度学习算法	3D磁共振图像	20名志愿者的40个膝关节
649	2025-02-28	Three-dimensional, multimodal synchrotron data for machine learning applications 2025-Feb-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04605-9 PMID:39994193	研究论文	本文介绍了一个独特的多模态同步辐射数据集，用于开发先进的深度学习和数据融合管道	提供了一个多分辨率、多模态的三维数据集，可用于开发超分辨率、多模态数据融合和3D重建算法	数据集仅针对锌掺杂的Zeolite 13X样品，可能限制了其广泛适用性	开发用于医学和物理科学的机器学习技术	锌掺杂的Zeolite 13X样品	机器学习	NA	多分辨率微X射线计算机断层扫描、空间分辨X射线衍射计算机断层扫描	深度学习	三维图像数据	一个锌掺杂的Zeolite 13X样品
650	2025-02-28	An enhanced denoising system for mammogram images using deep transformer model with fusion of local and global features 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89451-w PMID:39994276	研究论文	本文提出了一种名为DeepTFormer的新型去噪网络架构，利用Transformer模型进行图像去噪，特别适用于乳腺X光图像	DeepTFormer结合了Transformer模型和卷积层，通过局部-全局特征提取模块有效捕捉噪声图像的局部和全局信息，提升了去噪效果	未提及具体局限性	解决低层次计算机视觉中的图像去噪问题，特别是乳腺X光图像的去噪	乳腺X光图像	计算机视觉	乳腺癌	深度学习	Transformer模型与CNN结合	图像	未提及具体样本数量
651	2025-02-28	CTDNN-Spoof: compact tiny deep learning architecture for detection and multi-label classification of GPS spoofing attacks in small UAVs 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90809-3 PMID:39994281	研究论文	本文提出了一种名为CTDNN-Spoof的紧凑型深度学习架构，用于检测和小型无人机（UAV）中的GPS欺骗攻击的多标签分类	提出了一种新的紧凑型深度学习架构CTDNN-Spoof，用于实时检测和分类GPS欺骗攻击，超越了传统方法在精度和适应性上的表现	模型在不同标签上的准确率有所波动，且仅在小样本集上进行了验证	提高小型无人机在GPS欺骗攻击下的安全性	小型无人机（UAV）	机器学习	NA	深度学习	CTDNN-Spoof（紧凑型深度神经网络）	GPS信号数据	未明确说明样本数量，但使用了验证集进行评估
652	2025-02-28	An integrated CSPPC and BiLSTM framework for malicious URL detection 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91148-z PMID:39994324	研究论文	本文提出了一种基于BiLSTM的恶意URL检测模型CSPPC-BiLSTM，通过集成CBAM和SPP模块，显著提高了检测准确率	提出了一种新的恶意URL检测模型CSPPC-BiLSTM，通过集成CBAM和SPP模块，增强了模型的上下文信息捕捉能力和多尺度特征提取能力	模型在特定数据集上表现良好，但在更广泛的数据集上的泛化能力仍需进一步验证	提高恶意URL检测的准确率，增强网络安全	恶意URL	自然语言处理	NA	深度学习	BiLSTM, CBAM, SPP	文本	两个数据集：Grambedding（平衡）和Mendeley AK Singh 2020 phish（不平衡）
653	2025-02-28	Super-resolution mapping of anisotropic tissue structure with diffusion MRI and deep learning 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90972-7 PMID:39994322	研究论文	本文提出了一种基于深度学习的方法，用于提高扩散磁共振成像（diffusion MRI）数据的空间分辨率，特别是在获取纤维取向分布函数（fODF）方面	该方法通过深度学习技术提高了扩散MRI数据的空间分辨率，相比传统的样条插值方法，能够生成更接近真实高分辨率数据的结果	尽管在低信噪比条件下表现优异，但该方法仍依赖于高质量的数据集，且需要进一步的验证和优化	提高扩散MRI数据的空间分辨率，以更精确地映射脑白质中的轴突纤维束	扩散MRI数据，特别是纤维取向分布函数（fODF）	医学影像处理	中枢神经系统疾病	扩散磁共振成像（diffusion MRI），深度学习	深度学习模型	扩散MRI数据	来自Human Connectome Project的高质量数据
654	2025-02-28	Optimizing depression detection in clinical doctor-patient interviews using a multi-instance learning framework 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90117-w PMID:39994325	研究论文	本文提出了一种基于多实例学习（MIL）框架的抑郁症检测方法，旨在提高临床医患访谈中抑郁症检测的客观性和效率	首次将多实例学习（MIL）框架应用于文本访谈数据领域，解决了长文本中文本表示不足和信息提取无效的问题，并改进了聚合策略，引入了两个超参数以适应文本情感领域的不确定性	NA	提高抑郁症检测的客观性和效率	临床医患访谈中的文本数据	自然语言处理	抑郁症	多实例学习（MIL）框架	MT5和RoBERTa的集成模型（multi-MTRB）	文本	DAIC-WOZ和E-DAIC数据集
655	2025-02-28	The intelligent fault identification method based on multi-source information fusion and deep learning 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90823-5 PMID:39994344	研究论文	本文提出了一种基于多源信息融合和深度学习的智能断层识别方法，通过分析遥感影像、数字高程模型和地质图数据，提取断层的频谱、地形、地貌和结构特征，并利用深度学习技术实现智能断层识别	采用多源信息融合方法，结合多种数据源提取断层特征，并通过深度学习技术实现智能断层识别，提高了断层识别的准确性和智能化水平	研究仅应用于金寨县南部地区，未在其他区域进行验证，可能限制了方法的普适性	提高断层识别的准确性和智能化水平，实现快速、精确的断层识别	断层	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像、数字高程模型、地质图	NA
656	2025-02-28	Explainable hybrid transformer for multi-classification of lung disease using chest X-rays 2025-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90607-x PMID:39994381	研究论文	本文提出了一种可解释的混合Transformer网络结构（LungMaxViT），用于胸部X光片的多分类肺病诊断	结合CNN初始阶段块与SE块，提出了一种新的混合Transformer网络结构，提高了特征识别能力，并在多个肺病分类任务中表现优异	NA	提高胸部X光片的多分类肺病诊断准确率	胸部X光片	计算机视觉	肺癌	深度学习	Transformer, CNN, SE block	图像	基于两个公开数据集（COVID-19数据集和Chest X-ray 14数据集）
657	2025-02-28	Real-world feasibility, accuracy and acceptability of automated retinal photography and AI-based cardiovascular disease risk assessment in Australian primary care settings: a pragmatic trial 2025-Feb-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01436-1 PMID:39994433	研究论文	本文评估了在澳大利亚初级保健环境中使用自动视网膜摄影和基于人工智能的心血管疾病风险评估系统的实际准确性、可行性和可接受性	使用仅基于视网膜图像的AI系统进行心血管疾病风险评估，与传统WHO风险评估方法相比，显示出相似的预测准确性	研究样本仅限于澳大利亚维多利亚州的两个普通诊所，可能限制了结果的普遍性	评估自动视网膜摄影和AI心血管疾病风险评估系统在初级保健环境中的实际应用效果	45-70岁之间最近接受过心血管疾病风险评估的澳大利亚成年人	数字病理	心血管疾病	自动视网膜摄影和深度学习算法	深度学习算法	视网膜图像	361名参与者，其中339人获得了rpCVD风险评分
658	2025-02-28	Tensor-powered insights into neural dynamics 2025-Feb-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07711-x PMID:39994447	研究论文	本文介绍了一种基于张量空间的新型解码方法——最小二乘运动张量机（LS-STM），用于解码高维神经信息	提出了一种基于张量空间的解码方法LS-STM，相比传统的向量化方法，能够更好地处理高维张量域中的信息	未明确提及具体局限性	解码高维神经信息，提升神经信号解码的效率和准确性	人类和小鼠的神经信号数据	机器学习	NA	张量计算	LS-STM	神经信号数据	人类和小鼠的数据
659	2025-02-28	A method for phenotyping lettuce volume and structure from 3D images 2025-Feb-24, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01347-y PMID:39994691	研究论文	本文提出了一种基于植物几何特征的方法，用于从3D图像中估计莴苣的莲座结构和体积	提出了一种新的方法，通过创建紧密的包围壳来保留莲座结构的高细节，并填补3D相机不可见区域的表面孔洞	现有模型通常针对特定数据集，缺乏领域适应性，且受限于开放数据集的可用性	开发一种有效的方法来监测莴苣的生长，特别是估计其体积和结构	莴苣植物	计算机视觉	NA	RGBD相机	线性回归模型	3D图像	402个莴苣植物的点云数据集
660	2025-02-28	Social associations across species during nocturnal bird migration 2025-Feb-24, Current biology : CB IF:8.1Q1 DOI:10.1016/j.cub.2024.12.033 PMID:39818216	研究论文	本研究探讨了夜间迁徙的陆地鸟类如何利用社会信息进行迁徙，并首次提供了跨物种社会关联的定量证据	首次使用深度学习技术分析夜间迁徙鸟类的飞行中的发声，揭示了跨物种的社会关联	研究未探讨社会关联减少对鸟类种群的具体影响	探索夜间迁徙鸟类在飞行中如何利用社会信息进行迁徙决策	27种北美陆地鸟类的夜间迁徙	生态学	NA	深度学习	NA	音频数据	超过18,000小时的夜间鸟类迁徙音频和超过175,000次飞行中的发声