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
901	2025-02-19	Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series 2025-Feb-15, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-025-00489-y PMID:39955293	研究论文	本文介绍了一种名为DeepSpiro的深度学习新方法，旨在通过肺活量时间序列早期预测慢性阻塞性肺疾病（COPD）的未来风险	DeepSpiro方法结合了SpiroSmoother、SpiroEncoder、SpiroExplainer和SpiroPredictor四个关键组件，能够通过关键斑块的凹度预测未诊断的高风险患者的疾病风险，预测时间跨度可达1-5年甚至更长	NA	早期预测慢性阻塞性肺疾病（COPD）的未来风险	肺活量时间序列数据	机器学习	慢性阻塞性肺疾病	深度学习	DeepSpiro	时间序列数据	UK Biobank数据集
902	2025-02-19	Exploration of contemporary modernization in UWSNs in the context of localization including opportunities for future research in machine learning and deep learning 2025-Feb-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89916-y PMID:39955359	综述	本文探讨了水下无线传感器网络（UWSNs）中的定位技术现代化，包括机器学习与深度学习在未来研究中的机遇	本文不仅回顾了UWSNs定位技术的基础与挑战，还探讨了机器学习和深度学习在提升定位过程中的潜在贡献，并提出了未来研究方向	本文主要基于理论分析和模拟评估，缺乏实际应用场景的验证	提升水下无线传感器网络中的定位技术，以支持环境监测、灾害管理、军事监视等应用	水下无线传感器网络（UWSNs）中的节点定位	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	模拟数据	NA
903	2025-02-19	Machine learning via DARTS-Optimized MobileViT models for pancreatic Cancer diagnosis with graph-based deep learning 2025-Feb-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02923-x PMID:39955532	研究论文	本研究提出了一种结合图数据表示和DARTS优化的MobileViT模型的新方法，旨在提高胰腺癌诊断的准确性和可靠性	创新点在于将图数据表示与DARTS优化的MobileViT模型结合，动态调整架构，并通过多种机器学习算法进一步提升分类准确性	未提及具体局限性	提高胰腺癌诊断的准确性和可靠性	胰腺CT图像	计算机视觉	胰腺癌	Harris角点检测算法、DARTS优化、KNN、SVM、RF、XGBoost	MobileViTv2_150、MobileViTv2_200、CNN、Vision Transformer	图像	未提及具体样本数量
904	2025-02-19	Enhancing pediatric congenital heart disease detection using customized 1D CNN algorithm and phonocardiogram signals 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42257 PMID:39959496	研究论文	本研究提出了一种定制的1D卷积神经网络（1D-CNN），用于将心音图（PCG）信号分类为正常或异常，为先天性心脏病（CHD）的诊断提供了一种自动化且高效的解决方案	结合现代信号处理与深度学习，提出了一种定制的1D-CNN模型，用于CHD的自动检测，显著提高了诊断的准确性和可靠性	数据集变异性和噪声问题仍然存在，未来需要扩展到多类分类并评估在更广泛医疗问题上的表现	提高先天性心脏病的早期检测效率，提供一种自动化诊断方法	心音图（PCG）信号	数字病理	先天性心脏病	低通和高通滤波（60-650 Hz）、重采样、降噪、数据增强技术（分块、填充、音高变换）	1D-CNN	信号	本地儿科PCG信号和公开可访问的数据集
905	2025-02-19	In vivo electrophysiology recordings and computational modeling can predict octopus arm movement 2025-Feb-14, Bioelectronic medicine DOI:10.1186/s42234-025-00166-9 PMID:39948616	研究论文	本文通过体内电生理记录和计算模型预测章鱼手臂运动	首次使用碳电极阵列进行单单位电生理记录，结合机器学习模型预测章鱼手臂运动类型	研究仅限于章鱼前神经索，未涉及其他神经回路或更复杂的运动模式	揭示运动回路和控制原理，预测行为	章鱼前神经索和手臂运动	机器学习	NA	单单位电生理记录	深度学习模型	电生理数据	NA
906	2025-02-19	Optimal surface defect detector design based on deep learning for 3D geometry 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88112-2 PMID:39952973	研究论文	本文提出了一种基于深度学习的3D几何表面缺陷检测器设计方法，用于钢铁制造环境中的自动检测	通过几何变换生成数据集，并提出了基于性能的模型优化算法，解决了现有方法中图像数据曲率问题和2D产品的局限性	研究仅针对3D几何产品，未涉及其他类型的钢铁产品	开发一种适用于钢铁制造环境的自动表面缺陷检测方法	钢铁制造环境中的3D几何产品	计算机视觉	NA	深度学习	NA	图像	NA
907	2025-02-19	Model-constrained deep learning for online fault diagnosis in Li-ion batteries over stochastic conditions 2025-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56832-8 PMID:39952987	研究论文	本文采用深度学习方法开发了一种适用于锂离子电池在不可预测条件下运行的在线故障诊断网络	网络集成了电池模型约束，并采用了一个框架来管理随机系统的演化，从而实现故障的实时确定	NA	探索深度学习在电池实时预测和诊断中的应用，以提高电池安全性和经济效益	锂离子电池	机器学习	NA	深度学习	NA	电池运行数据	来自515辆车的1820万条有效数据
908	2025-02-19	Multi-step ahead forecasting of daily streamflow based on the transform-based deep learning model under different scenarios 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89837-w PMID:39953056	研究论文	本文介绍了一种基于相对位置编码增强的Informer模型（Rel-Informer），用于多步径流预测，并与标准Informer、Transformer和LSTM模型进行比较	提出了相对位置编码增强的Informer模型（Rel-Informer），并在不同情景下验证其多步径流预测能力	区域建模的精度低于个体建模，尽管通过微调有所改善	研究多步径流预测的深度学习模型在不同情景下的表现	径流预测	机器学习	NA	深度学习	Rel-Informer, Informer, Transformer, LSTM	径流数据	使用公开的CAMELS数据集进行训练和验证
909	2025-02-19	Deep learning-assisted screening and diagnosis of scoliosis: segmentation of bare-back images via an attention-enhanced convolutional neural network 2025-Feb-14, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-025-05564-y PMID:39953540	研究论文	本文开发了一种基于深度学习的图像分割模型，用于提高脊柱侧弯筛查的效率	在U-Net架构中引入了注意力机制，构建了Dual AttentionUNet模型，用于图像分割，并通过计算机视觉算法计算背部不对称指数来分类脊柱侧弯的严重程度	研究样本量相对较小，且仅使用了背部图像和X光片数据	提高脊柱侧弯筛查的效率和准确性	350名脊柱侧弯患者和108名健康受试者	计算机视觉	脊柱侧弯	深度学习	Dual AttentionUNet	图像	458名受试者（350名患者和108名健康受试者）
910	2025-02-19	MultiT2: A Tool Connecting the Multimodal Data for Bacterial Aromatic Polyketide Natural Products 2025-Feb-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c11266 PMID:39959056	研究论文	本文介绍了一种名为MultiT2的算法，用于整合细菌芳香聚酮类天然产物的多模态数据	首次在天然产物领域应用多模态算法整合生物学相关但数学上不同的数据集，以重组知识图谱	由于天然产物数据的高度碎片化，整合多模态数据具有挑战性	提高天然产物科学的研究效率，特别是在克服繁琐和耗时的过程方面	细菌芳香聚酮类天然产物	机器学习	NA	深度学习	NA	多模态数据	NA
911	2025-02-19	Diagnosis of Chronic Kidney Disease Using Retinal Imaging and Urine Dipstick Data: Multimodal Deep Learning Approach 2025-Feb-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/55825 PMID:39924305	研究论文	本研究评估了结合视网膜图像和尿液试纸数据的深度学习模型在慢性肾病诊断中的效果	创新点在于首次将视网膜图像和尿液试纸数据结合，开发了多模态深度学习模型（eGFR-MMDL），用于慢性肾病的非侵入性筛查	模型在65岁及以上年龄组的表现有限，仍需常规血液检测	评估结合视网膜图像和尿液试纸数据的深度学习模型在慢性肾病诊断中的效果	20-79岁的参与者，包括开发集（65,082人）和外部验证集（58,284人）	数字病理学	慢性肾病	深度学习	Wide Residual Networks	图像和尿液试纸数据	开发集65,082人，外部验证集58,284人
912	2025-02-19	Development and validation of a deep learning model for morphological assessment of myeloproliferative neoplasms using clinical data and digital pathology 2025-Feb, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19938 PMID:39658953	研究论文	本文开发并验证了一种结合临床数据和数字病理学的深度学习模型，用于骨髓增生性肿瘤的形态学评估	提出了一种融合模型，结合了骨髓全切片图像的深度学习模型和临床参数模型，提高了骨髓增生性肿瘤的诊断准确性	模型在外部验证队列中的表现可能受到数据来源和质量的限制	提高骨髓增生性肿瘤的病理评估准确性	骨髓增生性肿瘤（MPNs）患者	数字病理学	骨髓增生性肿瘤	深度学习	融合模型（深度学习模型+临床模型）	图像（骨髓全切片图像）和临床数据	1051名MPN和非MPN患者
913	2025-02-19	Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.241351 PMID:39964264	研究论文	本研究验证了7分钟三倍并行成像加速的深度学习超分辨率3-T肩部MRI在诊断肩部疾病中的临床效果	首次通过关节镜检查验证了深度学习超分辨率MRI在肩部疾病诊断中的良好性能	研究为回顾性研究，样本量相对较小（121名成人）	验证7分钟三倍并行成像加速的深度学习超分辨率3-T肩部MRI的临床诊断效果	患有肩部疼痛的成人患者	医学影像	肩部疾病	深度学习超分辨率MRI	深度学习	MRI图像	121名成人（平均年龄55岁，75名男性）
914	2025-02-18	Deep learning-based defect detection in film-coated tablets using a convolutional neural network 2025-Feb-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125220 PMID:39832574	研究论文	本文提出了一种基于深度学习的卷积神经网络（CNN）方法，用于检测薄膜包衣片剂的缺陷	利用机器学习和图像分析技术，提出了一种新颖的缺陷检测方法，显著提高了检测效率和准确性	研究中使用的缺陷是手动诱导的，可能无法完全代表实际生产中的缺陷情况	开发一种标准化、客观且高效的薄膜包衣片剂缺陷检测方法	红色-橙色薄膜包衣安慰剂片剂	计算机视觉	NA	图像分析	CNN	图像	25,200张片剂图像
915	2025-02-18	Multi-label segmentation of carpal bones in MRI using expansion transfer learning 2025-Feb-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabae PMID:39823747	研究论文	本研究旨在开发一种基于深度学习的多标签分割方法，用于MRI图像中八块腕骨的精确分割，以支持治疗规划和手腕动态分析	首次提出基于CNN的MRI人类腕骨多标签分割方法，并引入了扩展迁移学习（ETL）架构，提高了在大视野中定位小感兴趣区域的能力	研究使用了非常小的数据集（15个MRI扫描），可能限制了模型的泛化能力	开发一种在小数据集上训练的深度学习模型，用于MRI图像中腕骨的多标签分割	MRI图像中的八块腕骨	计算机视觉	NA	MRI	3D U-Net, CNN	MRI图像	15个3.0-T MRI扫描，来自5名健康受试者
916	2025-02-18	Latent alignment in deep learning models for EEG decoding 2025-Feb-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adb336 PMID:39914006	研究论文	本文提出了一种名为潜在对齐的方法，用于改进脑电图（EEG）解码中的深度学习模型，该方法在EEG迁移学习基准竞赛中获胜	首次将深度集架构应用于EEG解码，提出在深度学习模型的特征空间中对齐分布以提高分类效果	在后期建模阶段进行对齐时，分类准确性提高，但试验集中的类别不平衡对统计计算的敏感性增加	改进脑电图（EEG）解码中的深度学习模型，以应对个体间EEG信号的变异性	脑电图（EEG）信号	机器学习	NA	深度集架构	深度学习模型	EEG信号	NA
917	2025-02-18	Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma 2025-Feb-17, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2024-0374-OA PMID:39957180	研究论文	本文开发了一种基于人工智能的计算分类器，用于将活检和切除标本的全切片图像分为肾嗜酸细胞瘤（RO）和低级别嗜酸细胞肿瘤（LOT）两类，并进一步扩展到包括嗜色性肾细胞癌（ChRCC）的三类模型	本文的创新点在于从两分类模型（RO和LOT）扩展到三分类模型（包括ChRCC），并采用弱监督注意力机制的多实例学习深度学习模型进行自动分类	模型的性能仍有提升空间，5折交叉验证的平均测试准确率为84%，独立验证集的准确率为83%	开发一种自动计算分类器，用于区分肾嗜酸细胞肿瘤的不同类型，以解决病理学家在诊断中遇到的挑战	肾嗜酸细胞肿瘤，包括肾嗜酸细胞瘤（RO）、低级别嗜酸细胞肿瘤（LOT）和嗜色性肾细胞癌（ChRCC）	数字病理学	肾癌	深度学习	弱监督注意力机制的多实例学习深度学习模型	图像	来自6个机构的125个病例的269张全切片图像
918	2025-02-18	Unveiling encephalopathy signatures: A deep learning approach with locality-preserving features and hybrid neural network for EEG analysis 2025-Feb-16, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2025.138146 PMID:39894198	研究论文	本研究提出了一种结合局部保留特征提取和混合神经网络的深度学习方法，用于脑电图（EEG）分析以诊断脑病	首次尝试将空间和时间特征压缩并表示为单一向量，用于脑病检测，简化了视觉诊断并提供了自动预测的稳健特征	NA	利用EEG信号的时空特性进行脑病的自动化诊断	脑电图（EEG）信号	机器学习	脑病	局部二值模式（LBP）和长短期记忆（LSTM）神经网络	LSTM	EEG信号	NA
919	2025-02-18	An efficient deep learning approach for automatic speech recognition using EEG signals 2025-Feb-16, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2456982 PMID:39957214	研究论文	本文提出了一种结合Gannet优化算法和Elman递归神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别	提出了一种新的高效深度学习框架EDLA，结合了Gannet优化算法和Elman递归神经网络，显著提高了基于EEG信号的语音识别准确率	研究仅在Kara One数据集上进行了评估，可能需要更多样化的数据集来验证其泛化能力	提高基于EEG信号的自动语音识别准确率，以促进人机交互和辅助技术发展	EEG信号	自然语言处理	NA	Savitzky-Golay滤波器，递归特征消除	Elman Recurrent Neural Network (ERNN)	EEG信号	Kara One数据集
920	2025-02-18	Comment on "A deep learning approach for the screening of referable age-related macular degeneration - Model development and external validation" 2025-Feb-15, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2025.02.017 PMID:39956680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA