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
1501	2025-01-31	Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study 2025-Mar, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101821 PMID:39866530	研究论文	本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估	创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法	样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证	改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性	30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像	数字病理学	慢性肾病	HRpQCT	深度学习模型和XGBoost	图像	30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD）
1502	2025-01-31	EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100664 PMID:39877463	研究论文	本文介绍了一种名为EyeLiner的深度学习管道，用于通过眼底标志物进行纵向图像配准，以监测慢性眼科疾病的进展	提出了一种基于深度学习的图像配准管道，通过关键点匹配算法有效对齐纵向眼底图像，优于现有的最先进方法	未提及具体局限性	开发一种能够自动对齐纵向眼底图像的工具，以帮助临床医生更好地监测疾病进展	眼底图像	计算机视觉	眼科疾病	深度学习	卷积神经网络（CNN）和基于Transformer的算法	图像	三个纵向数据集：FIRE、SIGF和CORIS
1503	2025-01-31	AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection 2025-Mar-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343640 PMID:39880496	研究论文	本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度	首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力	未提及具体的研究局限性	提高便携式SPR生物传感器的信噪比和检测精度	基于波长的便携式SPR生物传感器	生物传感	NA	深度学习，光谱减法	深度神经网络	光谱数据	NA
1504	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA
1505	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料
1506	2025-01-25	BPEN: Brain Posterior Evidential Network for trustworthy brain imaging analysis 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106943 PMID:39657531	研究论文	本文介绍了一种名为脑后验证据网络（BPEN）的新方法，用于在脑功能磁共振成像（fMRI）数据分析中捕捉不确定性的两种类型：随机不确定性和认知不确定性	提出了BPEN模型，首次在脑fMRI数据分析中同时捕捉随机不确定性和认知不确定性，提高了预测的可信度	未提及具体局限性	提高脑fMRI数据分析中的预测不确定性估计，以增强预测模型的可信度	脑功能磁共振成像（fMRI）数据	机器学习	老年疾病	fMRI	BPEN	图像	来自阿尔茨海默病神经影像倡议（ADNI）和ADNI-抑郁症（ADNI-D）队列的数据
1507	2025-01-25	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究通过深度学习模型自动分割双回波稳态磁共振成像（MRI）扫描中的胫股软骨和骨骼，测量了3英里跑步后胫股软骨的变形及次日恢复情况	开发并验证了深度学习模型来自动化胫股软骨和骨骼的分割，从而精确测量跑步后的软骨变形和恢复情况	研究样本仅包括8名无症状男性，样本量较小，且未考虑不同性别和年龄的影响	测量3英里跑步后胫股软骨的变形及恢复情况	8名无症状男性	数字病理学	NA	双回波稳态磁共振成像（MRI）	深度学习模型	MRI图像	8名无症状男性
1508	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA
1509	2025-01-24	Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation 2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2024.111605 PMID:39616796	研究论文	本文设计了一种基于深度学习的无准直器成像系统，并通过蒙特卡罗模拟验证了其可行性	提出了一种基于深度学习的无准直器成像系统，利用体素化GAGG(Ce)单体积探测器和蒙特卡罗方法进行模拟，展示了系统的可行性	研究仅基于模拟数据，未进行实际实验验证	验证基于深度学习的无准直器成像系统的可行性	体素化GAGG(Ce)单体积探测器和Co、Ba、Na、Cs点源	计算机视觉	NA	蒙特卡罗模拟	全卷积网络	模拟数据	2000个位置的Co、Ba、Na、Cs点源
1510	2025-01-22	An object detection-based model for automated screening of stem-cells senescence during drug screening 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106940 PMID:39631255	研究论文	本文提出了一种基于Faster R-CNN的深度学习模型STGF R-CNN，用于自动检测干细胞衰老，以支持药物筛选	结合Swin Transformer和组归一化技术，提出了STGF R-CNN模型，显著提高了衰老细胞检测的准确性和效率	模型虽然轻量化，但参数量和计算量仍较高，可能限制其在资源受限环境中的应用	开发一种高效的自动化方法，用于干细胞衰老的定量评估，以支持抗衰老药物筛选	诱导多能干细胞衍生的间充质干细胞（iP-MSCs）	计算机视觉	NA	深度学习	Faster R-CNN, Swin Transformer	图像	iP-MSCs数据集
1511	2025-01-22	Cognitive process and information processing model based on deep learning algorithms 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106999 PMID:39642642	研究论文	本文基于深度学习算法，提出了一个认知过程和信息处理模型，并通过一个仅具有视觉和组合检测能力的昆虫类生物的进化过程来阐述该模型	将婴儿认知能力的发展过程与深度学习模型相结合，提出了一个新颖的认知过程和信息处理模型，并通过具体实例展示了该模型的应用	模型的应用实例较为简单，未涉及复杂场景或多样化的认知任务	研究认知过程和信息处理模型，探索深度学习算法在认知科学中的应用	婴儿认知能力的发展过程，以及仅具有视觉和组合检测能力的昆虫类生物的进化过程	机器学习	NA	深度学习算法	深度学习模型	NA	NA
1512	2025-01-22	Improved fractional-order gradient descent method based on multilayer perceptron 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106970 PMID:39642645	研究论文	本文提出了一种基于多层感知器（MLP）的改进分数阶梯度下降（IFOGD）方法，旨在增强分数阶梯度下降在深度学习中的应用	提出了一种改进的分数阶梯度下降方法，首次将分数阶微分应用于隐藏层，并解决了反向传播方向错误的问题，同时提出了基于PyTorch的分数阶Autograd（FOAutograd）	未明确提及实验样本的具体规模和多样性，可能限制了结果的普适性	改进分数阶梯度下降方法，以增强其在深度学习中的灵活性和应用范围	多层感知器（MLP）和人工神经网络（ANN）	机器学习	NA	分数阶梯度下降（FOGD）、Autograd	多层感知器（MLP）	模拟数据和时序数据	未明确提及具体样本规模
1513	2025-01-22	Data-dependent stability analysis of adversarial training 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106983 PMID:39644596	研究论文	本文通过提供包含数据分布信息的随机梯度下降对抗训练泛化界限，填补了之前对抗训练泛化界限未包含数据分布信息的空白	首次在对抗训练的泛化界限中引入数据分布信息，并利用平均稳定性和高阶近似Lipschitz条件分析数据分布和对抗预算变化对鲁棒泛化差距的影响	NA	研究对抗训练的泛化能力，特别是数据分布信息对泛化界限的影响	随机梯度下降对抗训练算法	机器学习	NA	NA	NA	NA	NA
1514	2025-01-22	An extrapolation-driven network architecture for physics-informed deep learning 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106998 PMID:39657525	研究论文	本文提出了一种基于外推驱动的网络架构，用于物理信息深度学习，以解决当前物理信息神经网络（PINN）在时间依赖偏微分方程（PDE）求解中的一些弱点	通过设计具有特殊特性的外推控制函数并结合校正项，构建了一种新的神经网络架构，该架构的网络参数与时间变量耦合，称为外推驱动网络架构	虽然本文提出的方法在数值实验中表现良好，但其在大规模实际应用中的有效性和稳定性仍需进一步验证	改进物理信息神经网络（PINN）在时间依赖偏微分方程（PDE）求解中的性能	时间依赖偏微分方程（PDE）	机器学习	NA	物理信息神经网络（PINN）	外推驱动网络架构	数值数据	NA
1515	2025-01-22	M4Net: Multi-level multi-patch multi-receptive multi-dimensional attention network for infrared small target detection 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107026 PMID:39657528	研究论文	本文提出了一种名为M4Net的多层次多补丁多感受野多维度注意力网络，用于红外小目标检测	设计了多层次多补丁多感受野多维度注意力网络（M4Net），通过多层次特征提取模块（MFEM）、多补丁注意力模块（MPAM）、多感受野模块（MRFM）和多维度交互模块（MDIM）来增强网络的学习能力，解决了传统方法依赖手动特征设置和深度学习在深层丢失目标的问题	未提及具体的数据集大小和实验环境限制	提高红外小目标检测的准确性和鲁棒性	红外小目标	计算机视觉	NA	深度学习	多层次多补丁多感受野多维度注意力网络（M4Net）	红外图像	未提及具体样本数量
1516	2025-01-22	Explainable exercise recommendation with knowledge graph 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106954 PMID:39667214	研究论文	本文提出了一种基于知识图谱的可解释性练习推荐系统KG4EER，旨在提高学生的学习效率	KG4EER通过构建包含知识概念、学生和练习三个主要实体及其相互关系知识图谱，实现了练习的个性化推荐，并提供了推荐解释	未明确提及具体局限性	解决现有推荐系统在推荐合适练习和提供解释方面的不足	学生和练习资源	自然语言处理	NA	知识图谱构建	KG4EER	文本	三个真实世界的数据集
1517	2025-01-16	Automated Detection of Filamentous Fungal Keratitis on Whole Slide Images of Potassium Hydroxide Smears with Multiple Instance Learning 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100653 PMID:39811263	研究论文	本研究评估了深度学习框架双流多实例学习（DSMIL）在自动化分析氢氧化钾（KOH）涂片全片成像（WSI）中的有效性，以快速准确检测真菌感染	使用双流多实例学习（DSMIL）处理高分辨率WSI数据，自动检测真菌感染，并通过热图提供视觉解释	研究为回顾性观察研究，可能受限于样本选择和人类专家解释的一致性	自动化分析KOH涂片WSI，以快速准确检测真菌感染	568名疑似真菌性角膜炎患者的角膜刮片	数字病理学	真菌性角膜炎	双流多实例学习（DSMIL）	DSMIL	图像	568名患者的角膜刮片
1518	2025-01-16	Frontal plane mechanical leg alignment estimation from knee x-rays using deep learning 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100551 PMID:39811691	研究论文	本研究开发并验证了一种深度学习模型，用于从膝关节前后位（AP）/后前位（PA）X光片中分类腿部对齐为“正常”或“错位”，使用可调的髋-膝-踝（HKA）角度阈值	该模型首次从膝关节X光片中分类腿部对齐，提供了一种实用的替代全腿X光片的方法	模型的性能依赖于X光片的质量和定位框架的使用	提高研究人群选择和患者管理的精确性	膝关节前后位（AP）/后前位（PA）X光片	计算机视觉	膝骨关节炎	深度学习	深度学习模型	图像	8878张数字X光片，包括6181张全腿X光片和2697张膝关节X光片
1519	2025-01-15	Differentiating Choroidal Melanomas and Nevi Using a Self-Supervised Deep Learning Model Applied to Clinical Fundoscopy Images 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100647 PMID:39802204	研究论文	本研究测试了自监督深度学习模型RETFound在区分脉络膜黑色素瘤和痣方面的有效性	使用自监督深度学习模型RETFound进行脉络膜黑色素瘤和痣的区分，并在大规模不平衡数据集上验证其性能	研究仅基于单一中心的数据，未来计划在外部大规模队列上进行验证	验证自监督深度学习模型在脉络膜黑色素瘤和痣区分中的有效性	4255名患者的超广角眼底图像，包括18510张脉络膜黑色素瘤图像、8671张痣图像和1192张健康眼图像	数字病理学	脉络膜黑色素瘤	自监督深度学习	RETFound	图像	4255名患者的27333张眼底图像
1520	2025-01-07	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	研究论文	本文开发了多种深度学习模型，利用眼底自发荧光（FAF）图像预测地理萎缩（GA）病变的1年增长区域（ROG）	首次使用深度学习模型预测GA病变的1年增长区域，并比较了不同时间点FAF图像的预测效果	研究为回顾性分析，可能受到数据选择和模型训练的限制	预测地理萎缩（GA）病变的1年增长区域，以支持临床试验和临床治疗决策	地理萎缩（GA）病变	计算机视觉	老年性疾病	深度学习	2D U-Net	图像	597名患者的研究眼数据，分为训练集（310）、验证集（78）和测试集（209）