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
1441	2025-02-17	Revisiting therapeutic options against resistant klebsiella pneumoniae infection: Phage therapy is key 2025-Apr, Microbiological research IF:6.1Q1 DOI:10.1016/j.micres.2025.128083 PMID:39904002	综述	本文回顾了针对耐药性肺炎克雷伯菌感染的治疗选择，特别强调了噬菌体疗法的重要性	本文强调了噬菌体疗法在治疗耐药性肺炎克雷伯菌感染中的潜力，并探讨了基因工程和人工智能在优化噬菌体疗法中的应用	噬菌体疗法在临床广泛应用中仍面临关键限制	探讨新型治疗策略以应对耐药性肺炎克雷伯菌感染	耐药性肺炎克雷伯菌	医学	肺炎克雷伯菌感染	噬菌体疗法、基因工程、人工智能	NA	NA	NA
1442	2025-02-13	A comprehensive hog plum leaf disease dataset for enhanced detection and classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111311 PMID:39931093	研究论文	本文介绍了一个全面的Hog plum叶片病害数据集，旨在增强病害的检测和分类	创建了一个全面的Hog plum叶片病害数据集，并通过数据增强技术扩展了数据集，提高了深度学习模型的训练效果	数据集仅包含来自孟加拉国不同地区的图像，可能无法完全代表其他地区的病害情况	开发一个用于早期检测和分类Hog plum叶片病害的机器学习模型，以减少对人工检查的依赖	Hog plum叶片病害	计算机视觉	植物病害	数据增强技术（翻转、旋转、缩放、平移、裁剪、添加噪声、调整亮度、调整对比度、缩放）	深度学习模型	图像	原始数据集包含3782张图像，通过数据增强扩展到20000张图像
1443	2025-02-12	Hematoxylin and Eosin-stained whole slide image dataset annotated for skin tissue segmentation 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111306 PMID:39925388	研究论文	本文发布了一个用于皮肤组织分割的Hematoxylin和Eosin染色全切片图像数据集，并验证了其有效性	发布了一个包含38张全切片图像及其掩码的数据集，涵盖了12个类别，包括组织、皮肤癌和皮肤层，并使用SegFormer模型验证了数据集的有效性	数据集规模相对较小，仅包含38张图像	通过发布和验证数据集，支持基于深度学习的皮肤疾病自动诊断系统的开发	皮肤组织	数字病理学	皮肤癌	Hematoxylin和Eosin染色	SegFormer	图像	38张全切片图像
1444	2025-02-11	Enhanced clinical photoacoustic vascular imaging through a skin localization network and adaptive weighting 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100690 PMID:39916976	研究论文	本文介绍了一种通过深度学习网络和自适应加权算法来增强临床光声血管成像的方法	结合深度学习网络进行皮肤层分割和自适应加权算法来补偿组织衰减，从而恢复深层血管	未提及具体局限性	提升临床光声血管成像的质量，特别是在深层血管的可视化方面	光声成像中的血管	数字病理学	NA	光声断层扫描（PAT）	深度学习网络	图像	未提及具体样本数量
1445	2025-02-09	Estimating baselines of Raman spectra based on transformer and manually annotated data 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125679 PMID:39733708	研究论文	本文提出了一种基于Transformer和手动标注数据的拉曼光谱基线估计方法	设计了一种针对拉曼光谱数据的一维Transformer模型（1dTrans），并在基线估计任务中表现优于传统的卷积神经网络（CNN）、ResUNet和三种参数化方法	手动标注数据的过程可能耗时且依赖于参数调整，模型的泛化能力未在更多材料上进行验证	改进拉曼光谱的基线校正方法，以提高定量分析的准确性	拉曼光谱数据	机器学习	NA	拉曼光谱分析	Transformer, CNN, ResUNet	光谱数据	八种不同生物材料的光谱数据
1446	2025-02-10	Lightweight deep learning algorithm for real-time wheat flour quality detection via NIR spectroscopy 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125653 PMID:39733712	研究论文	本研究提出了一种轻量级卷积神经网络，用于通过近红外光谱实时监测小麦粉质量	结合了Ghost瓶颈、外部注意力模块和Kolmogorov-Arnold网络，以增强特征提取并提高预测准确性	未提及模型在大规模实际应用中的具体表现和潜在问题	开发一种高效、非破坏性的小麦粉质量实时监测工具	小麦粉的质量参数（蛋白质和水分含量）	机器学习	NA	近红外光谱	卷积神经网络（CNN）	光谱数据	未明确提及具体样本数量，但涉及多样本测试
1447	2025-02-10	Determination and visualization of moisture content in Camellia oleifera seeds rapidly based on hyperspectral imaging combined with deep learning 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125676 PMID:39742624	研究论文	本研究探讨了利用可见近红外高光谱成像（VNIR-HSI）结合深度学习（DL）方法快速检测油茶籽水分含量的可行性	提出了一种利用粒子群优化（PSO）搜索卷积神经网络回归（CNNR）模型最优超参数的方法，并比较了多种模型的预测性能，最终确定了最优混合预测模型PSO-CNN-SVR	NA	探讨利用高光谱成像和深度学习技术实现油茶籽水分含量的无损检测和可视化	油茶籽	计算机视觉	NA	可见近红外高光谱成像（VNIR-HSI）	卷积神经网络回归（CNNR）、支持向量机回归（SVR）、AlexNet	光谱数据	NA
1448	2025-02-10	On the analysis of adapting deep learning methods to hyperspectral imaging. Use case for WEEE recycling and dataset 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125665 PMID:39746253	研究论文	本文评估了在深度学习架构中结合不同空间和光谱特征对高光谱图像分割的影响，并探讨了从RGB图像预训练模型到高光谱领域的知识迁移	提出了不同架构配置，评估了光谱和空间信息对模型性能、能耗和推理时间的影响，并公开了Tecnalia WEEE高光谱数据集	未对所有光谱波长进行优化，且从RGB领域迁移的预训练模型性能较低、能耗较高、推理时间较长	研究高光谱图像分割中空间和光谱信息对深度学习模型性能的影响	高光谱图像	计算机视觉	NA	深度学习	深度学习架构	高光谱图像	Tecnalia WEEE高光谱数据集，包含铜、黄铜、铝、不锈钢和白铜等非铁金属废料
1449	2025-02-10	Rapid identification of horse oil adulteration based on deep learning infrared spectroscopy detection method 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125604 PMID:39756131	研究论文	本研究提出了一种基于深度学习和红外光谱技术的快速检测马油掺假的方法	首次将红外光谱与深度学习结合用于马油掺假的快速检测，展示了深度学习与红外光谱在掺假检测领域结合的重要性	研究中仅使用了四种类型的样本（马油、黄油、羊油和猪油）进行掺假检测，可能无法涵盖所有可能的掺假物质	建立一种快速识别马油掺假的方法，以应对市场上马油掺假问题	马油及其掺假样本（黄油、羊油、猪油）	机器学习	NA	红外光谱技术	ResNet	红外光谱数据	四种类型的样本（马油、黄油、羊油、猪油），每种掺假比例（5%, 10%, 20%, 30%, 40%, 50%）
1450	2025-02-10	Enhancing thin slice 3D T2-weighted prostate MRI with super-resolution deep learning reconstruction: Impact on image quality and PI-RADS assessment 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110308 PMID:39667642	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在提高薄层3D T2加权成像（T2WI）图像质量和前列腺影像报告与数据系统（PI-RADS）评估中的有效性	使用SR-DLR技术在不延长MRI采集时间的情况下提高图像质量，并评估其对PI-RADS评分的影响	样本量较小（28名患者），且为回顾性研究	评估SR-DLR在提高前列腺MRI图像质量和PI-RADS评分中的有效性	前列腺MRI图像	医学影像	前列腺癌	超分辨率深度学习重建（SR-DLR）	深度学习模型	MRI图像	28名男性患者（年龄范围：47-88岁；平均年龄：70.8岁）
1451	2025-02-10	A lightweight adaptive spatial channel attention efficient net B3 based generative adversarial network approach for MR image reconstruction from under sampled data 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110281 PMID:39672285	研究论文	本文提出了一种基于轻量级自适应空间通道注意力EfficientNet B3的生成对抗网络（ASCA-EffNet GAN），用于从欠采样的k空间数据中快速高质量地重建MR图像	提出了一种结合自适应空间通道注意力机制和EfficientNet B3的生成对抗网络，用于MR图像重建，有效捕捉空间和通道特征，提升重建质量	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	加速MR图像采集并提高重建质量，适用于临床快速诊断	欠采样的k空间数据	计算机视觉	NA	压缩感知MRI（CS-MRI）	生成对抗网络（GAN），U-net生成器，ResNet解码器	MR图像	未提及具体样本数量
1452	2025-02-10	Conditional generative diffusion deep learning for accelerated diffusion tensor and kurtosis imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110309 PMID:39675686	研究论文	本研究开发了DiffDL，一种生成扩散概率模型，旨在从减少的扩散加权图像（DWI）集中生成高质量的扩散张量成像（DTI）和扩散峰度成像（DKI）指标	DiffDL模型通过生成扩散概率模型解决了扩散MRI数据采集时间过长的问题，同时保持了指标的准确性	未来研究需要优化计算需求，并在临床队列和标准MRI扫描仪上验证模型	开发一种生成扩散概率模型以减少扩散MRI数据采集时间并保持指标准确性	扩散加权图像（DWI）	计算机视觉	NA	扩散张量成像（DTI）和扩散峰度成像（DKI）	UNet	图像	300训练/验证对象和50测试对象
1453	2025-02-10	Predicting molecular subtypes of breast cancer based on multi-parametric MRI dataset using deep learning method 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110305 PMID:39681144	研究论文	本研究开发了一种基于多参数MRI的深度学习模型，用于预测乳腺癌的分子亚型	使用五种类型的术前MRI图像，通过集成学习方法融合五个基础模型的输出，构建了一个多参数MRI模型，用于预测乳腺癌的分子亚型	研究样本量相对较小，且为回顾性研究，可能存在选择偏差	开发一种基于多参数MRI的模型，用于预测乳腺癌的分子亚型	325例经病理证实的乳腺癌患者的临床数据和五种MRI图像	数字病理	乳腺癌	多参数MRI成像	ResNeXt50	图像	325例乳腺癌患者（260例训练集，65例测试集）
1454	2024-12-28	Reliability of post-contrast deep learning-based highly accelerated cardiac cine MRI for the assessment of ventricular function 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110313 PMID:39708928	研究论文	本研究评估了基于深度学习的加速心脏电影MRI在对比剂注射前后的等效性，用于评估心室功能	首次在临床环境中评估了对比剂注射前后基于深度学习的加速心脏电影MRI的图像质量和心室功能量化等效性	样本量较小，仅30名患者，且仅在1.5T扫描仪上进行	评估对比剂注射前后基于深度学习的加速心脏电影MRI在图像质量和心室功能量化上的等效性	30名患者（20名男性，平均年龄53.7±17.8岁）	医学影像	心血管疾病	心脏磁共振成像（MRI）	深度学习	图像	30名患者
1455	2025-01-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤IDH基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测胶质瘤的IDH突变状态	研究样本量相对较小，且仅基于T2图像进行预测	探索DLRN在预测脑胶质瘤IDH基因型中的可行性	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习，放射组学	混合模型（深度学习特征、放射组学特征、临床特征）	图像（T2图像）	402名脑胶质瘤患者（训练队列239名，内部验证队列103名，外部验证队列60名）
1456	2025-02-10	Comparison of conventional diffusion-weighted imaging and multiplexed sensitivity-encoding combined with deep learning-based reconstruction in breast magnetic resonance imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110316 PMID:39716684	研究论文	本研究比较了传统扩散加权成像（DWI）与结合深度学习的多重灵敏度编码（MUSE-DLR）在乳腺磁共振成像中的应用	首次将深度学习重建技术应用于MUSE数据，以提升乳腺MRI图像质量	样本量较小，仅包括51名女性参与者	评估MUSE结合深度学习重建在乳腺成像中的可行性	接受乳腺磁共振成像的女性参与者	医学影像	乳腺癌	磁共振成像（MRI），扩散加权成像（DWI），多重灵敏度编码（MUSE）	深度学习重建（DLR）	图像	51名女性参与者
1457	2025-01-11	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	研究论文	本文探讨了基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建了融合模型，并验证了其在乳腺叶状肿瘤分类中的最佳诊断效能和临床效益	研究样本量较小（77例），且为回顾性分析，可能存在选择偏倚	探索MRI影像组学和深度学习在乳腺叶状肿瘤识别和病理分期中的应用价值	乳腺叶状肿瘤和纤维腺瘤患者	数字病理	乳腺癌	MRI成像	融合模型（传统影像组学、亚区域影像组学和深度学习）	MRI图像	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
1458	2025-01-14	Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data 2025-Apr, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109754 PMID:39799874	研究论文	本研究评估了基于深度学习的模型在预测猪颈肉半棘肌烹饪损失方面的性能，使用了死后24小时采集的高光谱图像	使用深度学习模型和高光谱图像预测猪颈肉半棘肌的烹饪损失，并通过数据增强克服小样本问题	分类准确率随着等级数量的增加而降低	预测猪颈肉半棘肌的烹饪损失	猪颈肉半棘肌	计算机视觉	NA	高光谱成像	深度学习模型	图像	70个猪颈肉样本
1459	2025-02-10	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法，旨在提高扩散特性的准确估计	提出了一种深度学习框架，用于映射和校正DWI中的自由水部分体积污染，适用于单壳采集方案	需要进一步验证在不同临床数据集上的通用性和稳定性	提高扩散MRI中自由水校正的准确性，特别是在单壳采集方案中	Human Connectome Project Young Adults (HCP-ya)、HCP Aging dataset (HCP-a) 以及 Brain Tumor Connectomics Data (BTC)	医学影像处理	NA	扩散磁共振成像 (dMRI)	深度学习模型	MRI图像	HCP-ya、HCP-a 和 BTC 数据集
1460	2025-02-10	FDuDoCLNet: Fully dual-domain contrastive learning network for parallel MRI reconstruction 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110336 PMID:39864600	研究论文	本文提出了一种新的全双域对比学习网络（FDuDoCLNet），用于并行MRI重建，以解决现有深度学习方法在重建质量上的局限性	提出了基于变分网络（VarNet）的全双域对比学习网络（FDuDoCLNet），通过引入双域对比损失来优化重建性能，并在图像域和小波域中同时进行加速并行成像（PI）	现有重建网络很少考虑小波域中的多样化频率特征，且现有双域重建方法可能过于关注单一域的特征，导致重建图像中关键全局结构或局部细节的丢失	提高并行MRI重建的速度和质量	MRI图像	计算机视觉	NA	深度学习	FDuDoCLNet, VarNet	图像	fastMRI多线圈膝盖数据集