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
1121	2025-01-31	ECCDN-Net: A deep learning-based technique for efficient organic and recyclable waste classification 2025-Feb-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.12.023 PMID:39705887	研究论文	本文提出了一种基于深度学习的有机和可回收废物分类技术，旨在提高垃圾图像分类的准确性和效率	提出了一个名为ECCDN-Net的新型深度学习模型，结合了Densenet201和Resnet18的优点，并通过辅助输出来优化分类过程	NA	提高垃圾图像分类的准确性和效率，以优化废物管理策略	有机和可回收废物的图像	计算机视觉	NA	深度学习	ECCDN-Net, InceptionV2, Densenet201, MobileNet v2, Resnet18	图像	24,705张图像，分为有机和可回收两类	NA	NA	NA	NA
1122	2025-10-07	Deep structure-level N-glycan identification using feature-induced structure diagnosis integrated with a deep learning model 2025-Feb, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05505-4 PMID:39212697	研究论文	本研究开发了一种结合特征诱导结构诊断与深度学习模型的深度结构水平N-聚糖鉴定方法	首次将神经网络模型集成到特征诱导结构诊断中，解决了对称'镜像'分支异构体和连接异构体的鉴定难题	研究主要基于公开数据集，未涉及更广泛的生物样本类型	开发深度结构水平的N-聚糖鉴定方法	N-聚糖结构，特别是对称分支异构体和连接异构体	生物信息学	NA	N-糖蛋白质组学，MS/MS质谱	深度学习，卷积自编码器，多层感知机	质谱数据，MS/MS谱图	5个小鼠组织的17,136个完整N-糖肽谱图匹配	NA	卷积自编码器，多层感知机	准确率，AUC	NA
1123	2025-10-07	A deep learning framework for in silico screening of anticancer drugs at the single-cell level 2025-Feb, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae451 PMID:39872221	研究论文	开发名为Shennong的深度学习框架，用于在单细胞水平进行抗癌药物的计算机筛选	利用泛癌种和泛组织的单细胞转录图谱揭示细胞异质性，并开发可预测单细胞药物反应和组织损伤效应的深度学习框架	NA	加速药物发现过程并提高药物筛选的准确性和效率	恶性细胞、癌前细胞、癌症相关基质细胞和内皮细胞	数字病理学	癌症	单细胞RNA测序(scRNA-seq)	深度学习	单细胞转录组数据	泛癌种和泛组织的单细胞转录图谱	NA	NA	NA	NA
1124	2025-01-29	Synergistic effect evaluation method of atmospheric emission reduction based on deep learning fusion model 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136709 PMID:39637781	研究论文	本文提出了一种基于深度学习融合模型的大气减排协同效应评估方法，旨在模拟排放对空气质量的影响	开发了一种新的深度学习融合模型GR-BILSTM，结合生成对抗网络进行数据增强和ResNet-BILSTM模型，有效解决了深度网络中的梯度消失问题，并捕捉高维数据特征，提高了模型的预测精度	未提及具体的数据集规模或实验验证的局限性	评估大气减排的协同效应，模拟排放对空气质量的影响	工业园区的排放与空气污染之间的关系	机器学习	NA	深度学习	GR-BILSTM（生成对抗网络与ResNet-BILSTM融合模型）	空气质量数据	未提及具体样本数量	NA	NA	NA	NA
1125	2024-12-22	Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques 2025-Feb, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131976 PMID:39675638	研究论文	本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段	本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测	本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试	开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺	Haematococcus lacustris细胞周期	机器学习	NA	卷积神经网络	CNN	图像	NA	NA	NA	NA	NA
1126	2025-01-28	Deep learning-assistance significantly increases the detection sensitivity of neurosurgery residents for intracranial aneurysms in subarachnoid hemorrhage 2025-Feb, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2024.110971 PMID:39673838	研究论文	本研究评估了深度学习模型在提高神经外科住院医师通过CT血管造影检测颅内动脉瘤敏感性方面的有效性	首次将深度学习模型应用于神经外科住院医师的动脉瘤检测培训，显著提高了检测敏感性，特别是在小动脉瘤的检测上	研究样本量较小，仅包含104例患者的CTA扫描，且仅涉及三名住院医师	评估深度学习模型在提高神经外科住院医师检测颅内动脉瘤敏感性方面的效果	104例动脉瘤性蛛网膜下腔出血患者的CTA扫描，共126个动脉瘤	数字病理	颅内动脉瘤	CT血管造影（CTA）	深度学习模型（DLM）	图像	104例患者的CTA扫描，共126个动脉瘤	NA	NA	NA	NA
1127	2025-10-07	AI-powered techniques in anatomical imaging: Impacts on veterinary diagnostics and surgery 2025-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2024.152355 PMID:39577814	综述	探讨人工智能技术在兽医解剖成像领域的创新应用及其对诊断和手术的影响	系统评估AI技术在兽医影像诊断中的创新应用，包括提升诊断准确性和手术规划精度	存在数据隐私、算法偏见及临床工作流程整合等挑战	探索AI赋能成像工具在兽医诊断和手术中的创新与挑战	兽医诊断影像及手术应用	计算机视觉	NA	X射线、超声、CT扫描、MRI/乳腺摄影	深度学习, 卷积神经网络	医学影像	NA	NA	NA	诊断准确性	NA
1128	2025-10-07	Let it shine: Autofluorescence of Papanicolaou-stain improves AI-based cytological oral cancer detection 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109498 PMID:39662319	研究论文	通过结合明场和荧光显微镜成像及多模态信息融合，提升基于AI的口腔癌细胞学检测性能	首次利用Papanicolaou染色样本的自发荧光特性进行多模态成像，并采用弱监督深度学习方法和多种多模态信息融合策略	依赖于准确的图像配准以最大化多模态分析效益，细胞级注释的不可行性限制了模型性能	通过多模态成像和深度多模态信息融合改进基于AI的口腔癌检测	从健康人群和癌症患者收集的刷检活检Papanicolaou染色液基细胞学切片	数字病理学	口腔癌	全玻片显微镜成像，荧光成像，图像配准	深度学习	图像	NA	NA	Co-Attention Fusion Network (CAFNet)	F1分数, 准确率	NA
1129	2025-10-07	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	系统综述	系统评估机器学习模型在预测常见精神障碍中的应用，重点关注生活方式因素作为预测因子的效用	首个评估诊断性机器学习在常见精神障碍中应用价值的系统综述，同时评估偏倚风险和预测因子类型	研究存在高度异质性和偏倚风险，生活方式数据利用不足	综合机器学习预测常见精神障碍的证据，评估模型性能，确定生活方式数据在机器学习模型中的潜在价值	使用机器学习方法预测成人常见精神障碍的研究	机器学习	精神障碍	机器学习	深度学习, 多种机器学习方法	生活方式数据, 生物数据, 人口统计-环境数据, 心理社会数据	117项研究（111项仅模型开发，16项开发和验证）	NA	NA	准确率	NA
1130	2025-10-07	Unsupervised reconstruction of accelerated cardiac cine MRI using neural fields 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109467 PMID:39672009	研究论文	提出基于神经场表示的无监督心脏电影MRI重建方法NF-cMRI	使用隐式神经场表示进行无监督重建，无需大型训练数据集，避免引入数据偏差	NA	开发无需监督学习的加速心脏电影MRI重建方法	心脏电影MRI数据	医学影像处理	心血管疾病	心脏电影MRI，径向欠采样采集	神经场表示	MRI图像	NA	NA	NF-cMRI	清晰度，伪影鲁棒性，时空描绘质量	NA
1131	2025-10-07	Exploring diabetes through the lens of AI and computer vision: Methods and future prospects 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109537 PMID:39672014	综述	探讨人工智能和计算机视觉在糖尿病检测与管理中的应用方法及未来前景	系统整合工业4.0技术（机器学习、深度学习和计算机视觉机器人）应对糖尿病相关挑战	未涉及具体实验验证和性能评估数据	研究人工智能和计算机视觉在糖尿病早期诊断和治疗中的促进作用	糖尿病相关的临床数据分析和技术应用	计算机视觉, 机器学习	糖尿病	NA	NA	临床数据	NA	NA	NA	NA	NA
1132	2025-10-07	DCA-Enhanced Alzheimer's detection with shearlet and deep learning integration 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109538 PMID:39674071	研究论文	本研究提出了一种结合剪切波变换和深度学习的方法，通过MRI数据实现阿尔茨海默病的早期检测	将3D剪切波变换与四种预训练CNN模型结合，并使用判别相关分析(DCA)融合深度特征和剪切波特征	样本量相对有限(200名患者)，且数据来自单一来源ADNI	开发能够准确诊断早期阿尔茨海默病的计算模型	阿尔茨海默病患者MRI数据	医学影像分析	阿尔茨海默病	磁共振成像(MRI)	CNN, SVM, DTB	3D医学影像	200名患者(AD 50人，进行性轻度认知障碍转AD 50人，稳定性轻度认知障碍50人，认知正常50人)	NA	SqueezeNet-v1.1, MobileNet-v2, Xception, Inception-v3	准确率	NA
1133	2025-10-07	Proximity adjusted centroid mapping for accurate detection of nuclei in dense 3D cell systems 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109561 PMID:39693688	研究论文	提出一种基于3D U-net的核中心点映射方法PAC-MAP，用于精确检测密集3D细胞系统中的细胞核位置	通过预测核中心点位置及其邻近关系而非精确分割核形状，解决了高密度3D细胞系统中分割困难的挑战	依赖有限的专家标注数据（30张图像），在极高密度条件下性能可能受限	开发精确检测密集3D细胞系统中细胞核位置的方法	密集球状体和脑类器官中的细胞核	数字病理	胶质母细胞瘤	3D图像分析	U-net	3D图像	30张专家标注图像和2300多张弱监督批量图像	NA	3D U-net	F1分数, 召回率	NA
1134	2025-10-07	Generating synthetic CT images from unpaired head and neck CBCT images and validating the importance of detailed nasal cavity acquisition through simulations 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109568 PMID:39700859	研究论文	本研究提出使用循环一致性生成对抗网络从非配对头颈部锥形束CT图像生成合成CT图像，并通过计算流体动力学验证详细鼻腔分割的重要性	结合多种损失函数和数据增强策略的cycleGAN模型用于CBCT去噪，开发基于规则的自动气道分割方法，并通过CFD分析鼻腔精细分割对气流的影响	未明确说明训练数据的具体样本量和多样性限制	提高头颈部CBCT图像质量以替代传统CT，实现精确的气道分割和流体动力学分析	头颈部锥形束CT图像和合成CT图像	医学影像处理	头颈部疾病	锥形束CT, 计算流体动力学	cycleGAN	医学图像	NA	NA	cycleGAN	平均绝对误差, 峰值信噪比, 结构相似性指数, Dice系数	NA
1135	2025-10-07	Generating 3D brain tumor regions in MRI using vector-quantization Generative Adversarial Networks 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109502 PMID:39700855	研究论文	提出一种基于矢量量化生成对抗网络和Transformer的新型框架，用于生成高分辨率3D脑肿瘤区域以解决数据不平衡问题	首次将矢量量化GAN与掩码标记建模Transformer结合，专门生成脑肿瘤ROI而非完整图像体积	仅在两种特定脑肿瘤数据集上验证，未在其他肿瘤类型或医学图像模态上测试	解决医学图像分析中数据不平衡问题，提高脑肿瘤分类准确率	脑肿瘤MRI图像中的肿瘤区域	医学图像分析	脑肿瘤	MRI	GAN, Transformer	3D医学图像	BraTS 2019数据集和内部儿科低级别胶质瘤数据集	NA	矢量量化GAN, Transformer	AUC	NA
1136	2025-10-07	DCSENets: Interpretable deep learning for patient-independent seizure classification using enhanced EEG-based spectrogram visualization 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109558 PMID:39708497	研究论文	提出一种基于增强EEG谱图可视化的可解释深度学习模型，用于患者无关的癫痫发作分类	开发新型STFT谱图构建算法结合锥形函数提升分辨率，并采用扩张卷积压缩激励网络和Grad CAM可视化解释器	模型性能受训练测试样本分布相似性影响，部分患者分类效果存在差异	开发计算机辅助诊断系统以减少神经科医生手动分析EEG信号的工作量	癫痫患者的脑电图信号	深度学习	癫痫	短时傅里叶变换，谱图可视化	DCSENets	脑电图信号，谱图图像	CHB-MIT数据集中的选定患者	NA	扩张卷积压缩激励网络	准确率	NA
1137	2025-10-07	PTSP-BERT: Predict the thermal stability of proteins using sequence-based bidirectional representations from transformer-embedded features 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109598 PMID:39708499	研究论文	开发基于蛋白质序列的深度学习模型PSTP-BERT，用于预测蛋白质的热稳定性并进行三类分类	首次实现嗜热蛋白、嗜温蛋白和嗜冷蛋白的三类直接识别，而非传统的二元分类	未明确说明模型对未知蛋白质序列的泛化能力	预测蛋白质的热稳定性并分类	嗜热蛋白、嗜温蛋白和嗜冷蛋白	生物信息学	NA	蛋白质序列分析	BERT, LightGBM	蛋白质序列数据	未明确说明具体样本数量	BERT, LightGBM	BERT-bfd	准确率	NA
1138	2025-01-27	Assessment of deep learning technique for fully automated mandibular segmentation 2025-Feb, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2024.09.006 PMID:39863342	研究论文	本研究评估了一种基于卷积神经网络的自动分割下颌骨的开源模型	使用MONAI Label主动学习工具扩展训练自动模型，并评估其在临床中的适用性	样本量较小，仅包含55个锥形束计算机断层扫描	评估自动分割下颌骨模型的精度	下颌骨的自动分割	计算机视觉	NA	锥形束计算机断层扫描	卷积神经网络（CNN）	图像	55个锥形束计算机断层扫描	NA	NA	NA	NA
1139	2025-10-07	TSegLab: Multi-stage 3D dental scan segmentation and labeling 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109535 PMID:39708498	研究论文	提出一种用于3D牙齿扫描分割和标记的新型深度学习方法TSegLab	采用三阶段流程（粗定位、精细分割和标记），结合2D渲染与3D图神经网络，并引入模拟缺失牙齿的数据增强技术	仅在Teeth3DS数据集（1800个口内3D扫描）上进行评估，未在其他数据集验证泛化能力	提升牙科计算机辅助设计系统中牙齿分割和标记的精度与可靠性	3D牙齿扫描数据	计算机视觉	牙科疾病	3D扫描技术	Mask-RCNN, 图神经网络	3D扫描数据，2D渲染图像	1800个口内3D扫描	NA	Mask-RCNN, 图神经网络	牙齿定位准确率(TLA), 牙齿分割准确率(TSA), 牙齿识别率(TIR)	NA
1140	2025-10-07	Generalized fractional optimization-based explainable lightweight CNN model for malaria disease classification 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109593 PMID:39709870	研究论文	提出一种基于广义分数阶优化的可解释轻量级CNN模型用于疟疾疾病分类	将分数阶优化算法与轻量级CNN结合，在保持高精度的同时提升计算效率和模型可解释性	NA	开发高效准确的疟疾自动诊断系统	疟疾寄生虫图像	计算机视觉	疟疾	深度学习	CNN	图像	标准NIH数据集、外部MP-IDB数据集和M5测试集	NA	轻量级卷积神经网络	准确率, 精确率, 召回率, F1分数	NA