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
1081	2025-10-07	A multi-model machine learning framework for breast cancer risk stratification using clinical and imaging data 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241308175 PMID:39973793	研究论文	提出一个集成临床特征和深度学习影像特征的多模型机器学习框架用于乳腺癌风险分层	开发了结合影像数据和临床数据的混合模型，并使用基于堆叠的集成模型进一步优化预测性能	NA	开发乳腺癌恶性肿瘤风险评估的机器学习框架	1668名有乳腺病变记录的患者	计算机视觉	乳腺癌	深度学习	CNN	图像, 临床数据	1668名患者	NA	EfficientNet, ResNet, DenseNet, InceptionNet	准确率, AUC	NA
1082	2025-10-07	An effective COVID-19 classification in X-ray images using a new deep learning framework 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241290893 PMID:39973798	研究论文	提出一种基于混合深度学习框架的COVID-19胸部X光图像分类方法	开发了多头部注意力机制的双向门控循环单元与深度稀疏自编码器网络(MhA-Bi-GRU with DSAN)的混合模型，并采用动态Levy飞行黑猩猩优化算法(DLF-CO)优化损失函数	NA	开发有效的COVID-19胸部X光图像分类方法	胸部X光图像	计算机视觉	COVID-19	X射线成像	混合深度学习模型	图像	NA	Python	MhA-Bi-GRU with DSAN	分类准确率	NA
1083	2025-10-07	Advancing lung cancer diagnosis: Combining 3D auto-encoders and attention mechanisms for CT scan analysis 2025-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241313120 PMID:39973792	研究论文	本研究开发了一种结合3D自编码器和注意力机制的混合深度学习模型，用于从CT扫描图像中早期检测肺癌	将3D自编码器与注意力机制相结合，通过聚焦CT扫描中的关键区域来提高肺癌早期检测性能	NA	评估混合深度学习模型在肺癌早期检测中的有效性，提高诊断准确性、敏感性和特异性	CT扫描图像	计算机视觉	肺癌	CT扫描	自编码器,注意力机制	3D医学图像	NA	NA	3D Auto-encoder	准确率,敏感性,F1分数,AUC-ROC	NA
1084	2025-10-07	Individualized prediction of atrial fibrillation onset risk based on lifelogs 2025-Mar, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.100951 PMID:40103686	研究论文	基于Apple Watch生命日志数据开发机器学习模型，实现房颤发病风险的个体化预测	结合梯度提升决策树和深度学习技术，利用可穿戴设备连续监测数据预测房颤风险	研究样本量相对有限，且依赖特定设备数据	通过可穿戴设备数据优化房颤早期检测时机	房颤患者和Apple Watch用户	机器学习	心血管疾病	心电图监测，生命日志数据采集	梯度提升决策树，深度学习	生命日志数据，心电图数据，调查问卷数据	Keio分析：100名受试者；全国分析：8935名受试者	NA	NA	F值，检测准确率	NA
1085	2025-10-07	Towards Clinical Diagnoses: Classifying Alzheimer's Disease Using Single fMRI, Small Datasets, and Transfer Learning 2025-Mar, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70427 PMID:40108822	研究论文	本研究开发了一种基于迁移学习的深度学习fMRI流程，用于使用单次fMRI图像和小数据集对阿尔茨海默病进行分类	采用迁移学习和单图像技术解决小数据集问题，使模型适用于非专业人群的临床应用	样本量较小（仅64名AD参与者），模型性能仍有提升空间	开发适用于临床环境的阿尔茨海默病诊断方法	阿尔茨海默病患者和健康对照者	医学影像分析	阿尔茨海默病	功能磁共振成像	深度学习	fMRI图像	初始训练524名参与者（来自ABIDE数据集），迁移学习使用64名参与者（来自ADNI数据集）	NA	NA	准确率	NA
1086	2025-10-07	Detection of Quality Deterioration of Packaged Raw Beef Based on Hyperspectral Technology 2025-Mar, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70022 PMID:40109275	研究论文	本研究探索利用高光谱成像技术结合化学计量学和深度学习检测聚乙烯包装生牛肉质量劣化的可行性	首次将高光谱成像技术与高斯滤波预处理结合，用于克服包装膜对光谱数据的干扰，并开发了基于秃鹫优化算法优化的回声神经网络模型	PE包装牛肉样本建立的模型性能通常低于未包装牛肉样本建立的模型	开发一种高效可靠的非侵入式牛肉新鲜度检测方法	聚乙烯包装的生牛肉样本	计算机视觉	NA	高光谱成像技术	PLSR, BES-ESN	高光谱图像数据	短期储存的牛肉样本	NA	回声神经网络	决定系数, 均方根误差	NA
1087	2025-10-07	Semi-supervised assisted multi-task learning for oral optical coherence tomography image segmentation and denoising 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.545377 PMID:40109516	研究论文	提出一种半监督辅助多任务学习模型ESDM，用于口腔光学相干断层扫描图像的分割和去噪	结合卷积层的局部特征提取能力和Transformer的长程信息处理优势，实现扫描时间从8秒减少到2秒的同时提升分割性能	未明确说明模型在更大规模数据集上的泛化能力	提升口腔光学相干断层扫描图像质量并实现准确的口腔上皮层分割	口腔黏膜组织的光学相干断层扫描图像	计算机视觉	口腔疾病	光学相干断层扫描(OCT)	CNN, Transformer	图像	NA	NA	Efficient Segmentation-Denoising Model (ESDM)	PSNR, SSIM, mDice, mIoU, 平均绝对误差	NA
1088	2025-10-07	OAH-Net: a deep neural network for efficient and robust hologram reconstruction for off-axis digital holographic microscopy 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.547292 PMID:40109528	研究论文	提出一种结合深度学习与物理原理的离轴全息显微镜高效重建方法OAH-Net	基于物理原理初始化网络权重并通过超分辨率学习微调，实现硬件误差范围内的相位和振幅重建	仅在稀释全血样本上训练和验证，未提及其他样本类型的性能	解决离轴数字全息显微镜重建过程的计算瓶颈	稀释全血样本及未见过的不同模式样本	计算机视觉	NA	离轴数字全息显微镜	深度神经网络	全息图像	稀释全血样本（具体数量未提及）	NA	OAH-Net	重建误差（硬件测量误差范围内），重建速度	NA
1089	2025-10-07	Comparative Analysis of MaxEnt and Deep Learning Approaches for Modeling Humpback Whale Distribution in North Iceland 2025-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71099 PMID:40109551	研究论文	比较MaxEnt和深度学习方法在冰岛北部座头鲸分布建模中的表现	首次系统比较传统MaxEnt方法与新兴深度学习在鲸类分布建模中的性能差异	输入数据分辨率低、存在空间偏差、无法完全捕捉自然过程复杂性	评估不同建模方法在海洋哺乳动物分布预测中的效果	冰岛北部Skjálfandi湾的座头鲸	生态信息学	NA	卫星遥感、仅出现点观测数据	深度学习, MaxEnt	物种出现数据、环境数据	2018-2021年月度分布数据，含伪缺失点	NA	NA	AUC	NA
1090	2025-10-07	Thermal imaging-based core peripheral temperature difference measurement for neonatal monitoring in the NICU 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.549693 PMID:40109525	研究论文	提出基于热红外成像的非接触式自动连续核心-外周温度差测量方法用于新生儿监护	首次在NICU环境中使用热红外相机对早产儿进行连续非接触式CPTD监测的临床展示	由于热红外相机校准和环境因素影响，难以准确测量新生儿皮肤的绝对温度	开发新生儿核心-外周温度差的自动连续监测方法	早产儿	计算机视觉	新生儿疾病	热红外成像	深度学习	热红外图像	40名早产儿	NA	基于深度学习的身体解析模型	平均绝对误差	NA
1091	2025-10-07	An ensemble learning model for detection of pulmonary hypertension using electrocardiogram, chest X-ray, and brain natriuretic peptide 2025-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztae097 PMID:40110214	研究论文	开发一种基于集成学习的人工智能模型，通过整合心电图、胸部X光和脑钠肽数据来检测肺动脉高压	首次将心电图、胸部X光和脑钠肽三种不同模态数据通过集成学习方法结合，构建多模态模型用于肺动脉高压检测	研究数据来源于七个机构，可能存在数据异质性；模型性能仍需在更广泛人群中验证	开发人工智能模型以改善肺动脉高压的早期诊断	肺动脉高压患者	医学人工智能	肺动脉高压	心电图、胸部X光、脑钠肽检测	CNN, Logistic Regression, 集成学习	心电图信号、医学图像、生物标志物数据	来自七个机构的患者数据，十名心脏病专家参与评估	NA	ResNet18, 三层全连接多模态模型	AUC, 准确率	NA
1092	2025-10-07	Sudden cardiac arrest prediction via deep learning electrocardiogram analysis 2025-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztae088 PMID:40110219	研究论文	本研究通过深度学习分析心电图数据来预测心脏骤停风险	首次使用深度卷积神经网络结合年龄和性别信息从12导联心电图中预测心脏骤停	基础模型在95%灵敏度下特异性仅为31%，尚未达到临床应用标准	开发基于深度学习的非侵入性心脏骤停筛查工具	心脏骤停患者和健康对照者的心电图数据	机器学习	心血管疾病	心电图分析	CNN	心电图信号	221名心脏骤停患者和1046名对照者	NA	深度卷积神经网络	AUC, 灵敏度, 特异性	NA
1093	2025-03-20	X2-PEC: A Neural Network Model Based on Atomic Pair Energy Corrections 2025-Mar-30, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70081 PMID:40099806	研究论文	本文介绍了X2-PEC方法，这是一种基于原子对能量校正的神经网络模型，旨在提高低阶密度泛函理论（DFT）计算的准确性	X2-PEC模型通过使用重叠积分和核心哈密顿积分将物理和化学信息整合到特征向量中，以描述原子相互作用，从而提升低阶DFT计算的准确性	NA	提升低阶密度泛函理论（DFT）计算的准确性，使其达到高阶DFT计算的水平	分子性质预测，特别是异构体的原子化能量	机器学习	NA	人工神经网络（ANN）	X2-PEC	分子数据	QM9数据集，以及G2-HCNOF、PSH36、ALKANE28、BIGMOL20和HEDM45等数据集	NA	NA	NA	NA
1094	2025-03-20	Recent Progress on Heterojunction-Based Memristors and Artificial Synapses for Low-Power Neural Morphological Computing 2025-Mar-19, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202412851 PMID:40103529	综述	本文综述了基于异质结的忆阻器和人工突触在低功耗神经形态计算领域的最新进展	通过优化异质结的材料组成、界面特性和器件结构，降低能耗并提高性能稳定性和耐久性，为低功耗神经形态计算系统提供支持	详细讨论了限制基于异质结的忆阻器和人工突触发展的瓶颈	探讨基于异质结的忆阻器和人工突触在低功耗神经形态计算中的应用	异质结忆阻器和人工突触	神经形态计算	NA	NA	NA	NA	NA	NA	NA	NA	NA
1095	2025-03-20	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2025-Mar-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	本文提出了一种基于改进的深度卷积生成对抗网络（DCGAN）的数据增强方法，用于数字病理学中的全切片图像（WSI）分析	利用自监督预训练的CTransPath模型提取多样且具有代表性的WSI特征，引入最小二乘对抗损失和频域损失以提高像素级精度和结构保真度，并通过残差块和跳跃连接增加网络深度、缓解梯度消失并提高训练稳定性	实验仅在PatchCamelyon数据集上进行，未验证在其他数据集上的泛化能力	解决数字病理学中WSI数据集因隐私法规限制而可用性不足的问题，提升深度学习模型的性能和泛化能力	全切片图像（WSI）	数字病理学	肿瘤学	DCGAN	改进的DCGAN	图像	PatchCamelyon数据集	NA	NA	NA	NA
1096	2025-03-20	Detection of Anomalies in Data Streams Using the LSTM-CNN Model 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051610 PMID:40096438	研究论文	本文对应用于数据流异常检测的深度学习方法进行了比较分析，并评估了创新的LSTM-CNN方法的效果	提出了创新的LSTM-CNN方法，并证明其在数据流异常检测中的有效性	仅使用了Yahoo! Webscope S5数据集进行实验，未在其他数据集上验证	比较不同深度学习模型在数据流异常检测中的性能	数据流中的异常检测	机器学习	NA	NA	LSTM, LSTM autoencoder, LSTM-CNN	数据流	Yahoo! Webscope S5数据集	NA	NA	NA	NA
1097	2025-03-20	Landsat Time Series Reconstruction Using a Closed-Form Continuous Neural Network in the Canadian Prairies Region 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051622 PMID:40096481	研究论文	本研究探讨了在加拿大草原地区使用封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合的CFC-mmRNN模型，用于重建1985年至今的Landsat时间序列	提出了一种新的CFC-mmRNN模型，显著提高了Landsat时间序列重建的准确性，相比传统方法在光谱波段上的精度提升了33%至42%	研究主要针对加拿大草原地区，可能在其他地理区域的适用性有待验证	提高Landsat时间序列重建的准确性，以支持更广泛的环境监测和预测应用	Landsat时间序列数据	遥感	NA	封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合	CFC-mmRNN	卫星图像	1985年至今的Landsat时间序列数据	NA	NA	NA	NA
1098	2025-03-20	YOLO-ACE: Enhancing YOLO with Augmented Contextual Efficiency for Precision Cotton Weed Detection 2025-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s25051635 PMID:40096500	研究论文	本文提出了一种名为YOLO-ACE的改进模型，用于提高棉花田中杂草检测的精度和效率	YOLO-ACE通过集成上下文增强模块（CAM）和选择性核注意力机制（SKAttention），以及解耦检测头，提升了多尺度特征捕捉和动态调整感受野的能力	NA	提高棉花田中杂草检测的精度和效率，以满足现代农业杂草管理的严格要求	棉花田中的杂草	计算机视觉	NA	深度学习	YOLOv5s的改进版YOLO-ACE	图像	CottonWeedDet12 (CWD12) 数据集和CropWeed数据集	NA	NA	NA	NA
1099	2025-03-20	Quality of Experience (QoE) in Cloud Gaming: A Comparative Analysis of Deep Learning Techniques via Facial Emotions in a Virtual Reality Environment 2025-Mar-05, Sensors (Basel, Switzerland) DOI:10.3390/s25051594 PMID:40096493	研究论文	本文比较了在虚拟现实环境中通过玩家面部表情评估云游戏体验质量（QoE）的深度学习技术	提出了一种基于卷积神经网络（CNN）架构的EmotionNET模型技术，用于通过面部表情评估云游戏体验质量，并与ConvoNEXT、EfficientNET和Vision Transformer（ViT）等其他深度学习技术进行了比较	传统评估方法未能准确捕捉用户的实际体验质量，部分用户对提供反馈不认真，即使服务符合SLA，部分玩家仍声称未收到承诺的服务	提高云游戏用户的体验质量（QoE）	云游戏玩家	计算机视觉	NA	深度学习（DL）	CNN, ConvoNEXT, EfficientNET, Vision Transformer (ViT)	面部表情数据	自定义数据集，EmotionNET模型训练准确率为98.9%，验证准确率为87.8%	NA	NA	NA	NA
1100	2025-03-20	Research on Network Intrusion Detection Model Based on Hybrid Sampling and Deep Learning 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051578 PMID:40096461	研究论文	本研究提出了一种基于混合采样和深度学习的增强型网络入侵检测模型TRBMA，旨在解决现有模型在时间特征学习不完整和恶意流量分类准确率低的问题	TRBMA模型结合了Temporal Convolutional Networks (TCNs)、Bidirectional Gated Recurrent Units (BiGRUs)和Multi-Head Self-Attention机制，改进了ResNet18架构，并引入了AdamW优化器以提高模型训练的收敛速度和泛化能力	NA	提高网络入侵检测模型的准确率，特别是对恶意流量类型的识别	网络流量数据，特别是恶意流量类型	机器学习	NA	深度学习	1D-TCN-ResNet-BiGRU-Multi-Head Attention (TRBMA)	时间序列数据	CIC-IDS-2017数据集	NA	NA	NA	NA