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
1141	2025-03-21	Automated Detection of Hydrocephalus in Pediatric Head Computed Tomography Using VGG 16 CNN Deep Learning Architecture and Based Automated Segmentation Workflow for Ventricular Volume Estimation 2025-Mar-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01482-x PMID:40108068	研究论文	本研究提出了一种基于VGG16架构的卷积神经网络（CNN）模型，用于在婴儿头部CT图像中自动检测脑积水，并集成了自动脑室体积提取方法	本研究首次将VGG16 CNN架构应用于婴儿脑积水的自动检测，并开发了一种自动脑室体积提取方法，结合了多种图像处理技术	研究样本量较小，仅包含105个头部CT扫描，可能影响模型的泛化能力	开发一种自动化的脑积水检测和脑室体积提取方法，以提高临床诊断的准确性和效率	婴儿头部CT图像	计算机视觉	脑积水	CT扫描、图像分割、形态学操作	VGG16 CNN	图像	105个头部CT扫描，共6300张切片
1142	2025-03-21	High-Resolution Magnetic Resonance Imaging Radiomics for Identifying High-Risk Intracranial Plaques 2025-Mar-19, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-025-01345-1 PMID:40108073	研究论文	本文旨在构建一个基于高分辨率磁共振成像（HRMRI）的放射组学模型，用于区分症状性和无症状性颅内斑块，以预测脑血管事件	结合放射组学特征和深度学习技术，构建了一个混合模型，用于准确识别高风险颅内斑块	样本量相对较小，且仅基于HRMRI数据，未考虑其他影像学或临床数据	识别高风险颅内斑块，预测脑血管事件	172名患者的188个颅内动脉粥样硬化斑块（100个症状性，88个无症状性）	数字病理学	心血管疾病	高分辨率磁共振成像（HRMRI）	随机森林、岭回归、最小绝对收缩和选择算子（LASSO）、深度学习（DL）	图像	172名患者的188个颅内斑块
1143	2025-03-21	Enhanced lung cancer subtype classification using attention-integrated DeepCNN and radiomic features from CT images: a focus on feature reproducibility 2025-Mar-17, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02115-z PMID:40095252	研究论文	本研究评估了一种结合放射组学特征与深度学习和注意力机制的混合框架，以提高使用CT图像对肺癌亚型分类的准确性	结合放射组学特征与深度学习和注意力机制，特别是通过注意力机制增强深度学习模型，以提高肺癌亚型分类的准确性	研究未提及对模型在不同医疗中心间的泛化能力进行详细验证	提高使用CT图像对肺癌亚型分类的准确性	肺癌CT图像	计算机视觉	肺癌	CT扫描	DeepCNN, XGBoost, Stacking	图像	2725张肺癌图像，涵盖腺癌（552张）、鳞状细胞癌（380张）、小细胞肺癌（307张）、大细胞癌（215张）和肺类癌（180张）
1144	2025-03-21	Research on movie rating based on BERT-base model 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92430-w PMID:40097502	研究论文	本文提出了一种基于BERT-base模型的电影评分分类方法，通过改进BERT模型来提高电影评论分类的准确性和公平性	引入了动态位置偏移编码机制和动态加权融合池化策略，增强了模型对位置信息的处理能力和特征提取的全面性，同时通过数据预处理减少敏感信息带来的模型偏差	尽管在IMDb数据集上表现良好，但模型在其他数据集上的泛化能力仍需进一步验证	提高电影评论分类的准确性和公平性	电影评论	自然语言处理	NA	BERT模型	BERT-base	文本	IMDb电影评论数据集
1145	2025-03-21	Convolutional Fine-Tuned Threshold Adaboost approach for effectual content-based image retrieval 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93309-6 PMID:40097565	研究论文	本文提出了一种新颖的卷积微调阈值Adaboost（CFTAB）方法，结合深度学习和机器学习技术，以提高基于内容的图像检索（CBIR）的性能	提出了一种结合深度学习和机器学习的CFTAB方法，通过动态调整阈值水平来优化训练结果，从而提高CBIR的性能	未提及具体的研究限制	提高基于内容的图像检索（CBIR）的性能	图像数据	计算机视觉	NA	Adaptive Histogram Equalization (AHE), VGG16	CFTAB, Adaboost	图像	未提及具体样本数量
1146	2025-03-21	Conditional variational auto encoder based dynamic motion for multitask imitation learning 2025-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93888-4 PMID:40097597	研究论文	本文提出了一种结合传统动态运动基元（DMP）方法和条件变分自编码器（cVAE）的框架，用于多任务模仿学习	结合DMP和cVAE，通过生成扭矩而非直接生成轨迹，使生成的轨迹能够适应新的目标位置，并提出了保证通过点约束的微调方法	需要进一步验证在更复杂任务和更大规模数据集上的性能	提高多任务模仿学习的效率和泛化能力	手写数字数据集和机器人操作任务（如推动、到达和抓取）	机器学习	NA	条件变分自编码器（cVAE）	cVAE	图像和机器人操作数据	手写数字数据集和UR10机械臂的机器人操作任务
1147	2025-03-21	Deep profiling of gene expression across 18 human cancers 2025-Mar, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01290-8 PMID:39690287	研究论文	本文介绍了一种名为DeepProfile的无监督深度学习框架，用于生成18种人类癌症的50,211个转录组的低维潜在空间	DeepProfile框架在生物可解释性方面优于降维方法，并揭示了跨癌症类型定义潜在空间的普遍重要基因控制免疫细胞激活，而癌症类型特异性基因和途径定义分子疾病亚型	NA	利用无监督深度学习挖掘跨癌症基因表达大数据集中的临床和生物学信息	18种人类癌症的50,211个转录组	机器学习	癌症	无监督深度学习	DeepProfile	基因表达数据	50,211个转录组
1148	2025-03-21	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	本研究提出了一个全面的流程，用于训练和比较多种机器学习和深度学习脑龄预测模型，结合了多种预处理策略和校正项	提出了一个统计框架来评估年龄预测性能、跨队列变异性的鲁棒性及其作为神经退行性疾病生物标志物的潜力	NA	开发通用的脑龄预测模型，并评估其作为神经退行性疾病生物标志物的潜力	健康个体和神经退行性疾病患者	机器学习	神经退行性疾病	T1加权MRI扫描	惩罚线性机器学习模型	图像	UK Biobank、ADNI和NACC数据集
1149	2025-03-21	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	本研究旨在利用Apple Watch的持续生命日志数据预测个体化的心房颤动（AF）发病风险，以促进及时的心电图（ECG）获取	结合梯度提升决策树和深度学习的机器学习模型，利用Apple Watch数据预测AF发病风险，并优化ECG获取时机	样本量相对较小，且仅在日本进行全国性分析，可能限制了模型的普适性	预测个体化的AF发病风险，优化ECG获取时机	AF患者和Apple Watch用户	机器学习	心血管疾病	机器学习	梯度提升决策树和深度学习	生命日志数据（包括心率、步数、睡眠模式等）	Keio分析：100名AF患者；全国性分析：8,935名Apple Watch用户
1150	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
1151	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
1152	2025-03-20	FCM-NPOA: A hybrid Fuzzy C-means clustering with nomadic people optimizer for ovarian cancer detection 2025-Mar-19, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241302736 PMID:40105378	研究论文	本文提出了一种结合模糊C均值聚类和游牧者优化算法的混合模型（FCM-NPOA），用于卵巢癌的早期检测和分类	提出了一种新的混合进化深度学习模型，结合了遗传和病理成像数据，并开发了优化的模糊C均值聚类算法（FCM-NPOA-PM-UI）用于妇科腹部盆腔肿瘤的分类	研究样本量相对较小（349名患者），可能限制了模型的泛化能力	开发一种预测模型，用于卵巢癌的早期诊断和分类	349名卵巢癌患者的临床数据	机器学习	卵巢癌	机器学习、深度学习、特征选择、多模态融合	FCM-NPOA、Transformer、UNeT、随机森林、逻辑回归、SVM、决策树、CNN	临床数据、遗传数据、病理成像数据	349名患者
1153	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
1154	2025-03-20	A deep learning model based on chest CT to predict benign and malignant breast masses and axillary lymph node metastasis 2025-Mar-17, Biomolecules & biomedicine DOI:10.17305/bb.2025.12010 PMID:40100034	研究论文	本研究开发了一种基于胸部CT的深度学习模型，用于预测乳腺肿块的良恶性及腋窝淋巴结转移	利用胸部CT图像开发深度学习模型，用于乳腺肿块的良恶性分类及腋窝淋巴结转移预测，减少了对昂贵后续检查的需求	研究为回顾性设计，样本量相对较小，且仅使用了非增强胸部CT图像	提高乳腺病变的初步评估准确性，减少对昂贵后续检查的需求	482名乳腺肿块患者	计算机视觉	乳腺癌	胸部CT成像	ResNet-34, ResNet-50, ResNet-101	图像	482名患者（良性224例，恶性258例，其中腋窝淋巴结转移阳性91例，阴性167例）
1155	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
1156	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
1157	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
1158	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%
1159	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
1160	2025-03-20	Closing Gaps in Diabetic Retinopathy Screening in India Using a Deep Learning System 2025-Mar-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.0991 PMID:40105846	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA