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
961	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
962	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
963	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
964	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
965	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
966	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
967	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
968	2025-02-18	Deep learning for automated hip fracture detection and classification : achieving superior accuracy 2025-Feb-01, The bone & joint journal DOI:10.1302/0301-620X.107B2.BJJ-2024-0791.R1 PMID:39889758	研究论文	本研究旨在开发和评估一种基于深度学习的模型，用于髋部骨折的分类，以提高诊断准确性	使用卷积神经网络（CNN）进行髋部骨折的分类，并利用DAMO-YOLO进行数据处理和增强，显著提高了诊断准确性	研究仅使用了回顾性数据，且外部验证数据集的样本量相对较小	提高髋部骨折的诊断准确性	髋部骨折的X光片	计算机视觉	髋部骨折	深度学习	CNN	图像	5,168张髋部前后位X光片（4,493张用于训练，675张用于验证）
969	2025-02-17	Towards an interpretable deep learning model of cancer 2025-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00822-y PMID:39948231	研究论文	本文探讨了使用深度学习算法整合组学数据和分子网络先验知识，以构建可解释的癌症深度学习模型	提出利用深度学习算法整合组学数据和分子网络先验知识，以解决癌症治疗中的分子原因推断问题	目前此类模型受到实验和计算限制的阻碍	构建系统范围的计算机模型，以快速生成和测试假设，解决癌症治疗中的分子原因推断问题	癌症细胞状态及其分子网络	机器学习	癌症	深度学习	深度学习模型	组学数据	NA
970	2025-02-17	Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01407-8 PMID:39953256	研究论文	本文提出了一种基于深度学习的系统，用于从CT灌注扫描中自动分割缺血性卒中病灶	结合边缘增强扩散（EED）滤波和注意力机制的Attention ResUnet架构，用于卒中病灶分割	模型在ISLES 2018数据集上的Dice相似系数为59%，仍有提升空间	提高缺血性卒中病灶分割的准确性和效率，以优化诊断、预后和治疗计划	缺血性卒中病灶	计算机视觉	心血管疾病	深度学习	Attention ResUnet	CT灌注扫描图像	ISLES 2018数据集，采用五折交叉验证
971	2025-02-17	Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01287-4 PMID:39953255	研究论文	本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势	研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪）	评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	带有金属植入物的猪上颌面部区域CT图像	医学影像	NA	CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR）	深度学习	CT图像	四只猪的上颌面部区域图像
972	2025-02-17	Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01442-5 PMID:39953259	研究论文	本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型	提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性	样本量相对较小，外部验证数据集仅包含24名患者	提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性	非小细胞肺癌（NSCLC）患者	计算机视觉	肺癌	CT成像	混合模型（放射组学+深度学习）	CT图像	235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集）
973	2025-02-17	Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model 2025-Feb-13, Journal of ophthalmic inflammation and infection IF:2.9Q1 DOI:10.1186/s12348-025-00465-x PMID:39946047	研究论文	本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用	利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法	研究样本量相对较小，且未涵盖所有可能的MK亚型	开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区	微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎）	计算机视觉	角膜炎	深度学习	卷积神经网络（CNN）	图像	889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例）
974	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
975	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
976	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
977	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
978	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
979	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
980	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