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
901	2025-06-06	Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device 2025-Jun-01, The Review of scientific instruments DOI:10.1063/5.0256098 PMID:40471019	研究论文	本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量	引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性	NA	提高水下激光成像的目标检测效率和准确性	水下激光扫描成像中的目标光条	计算机视觉	NA	激光扫描成像	YOLOv8-FWR	图像	通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证	NA	NA	NA	NA
902	2025-06-05	NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry 2025-Jun-03, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202401012 PMID:40263759	review	本文综述了纯位移NMR技术及其在制药行业中的潜在应用	介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法	NA	促进纯位移NMR技术在制药行业的发展和实际应用	纯位移NMR技术及其在制药行业的应用	NA	NA	NMR纯位移技术、深度学习	NA	光谱数据	NA	NA	NA	NA	NA
903	2025-10-06	RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3449949 PMID:39325609	研究论文	提出一种基于静息态fMRI的区域状态掩码自编码器用于神经精神疾病分类	引入掩码自编码器减少DFC矩阵冗余，提出区域状态块嵌入适应连接性数据，采用随机状态拼接缓解训练样本不足问题	未明确说明模型在小样本情况下的泛化能力及计算复杂度	基于静息态功能磁共振成像的神经精神疾病分类	注意力缺陷多动障碍、自闭症谱系障碍、阿尔茨海默病和精神分裂症患者	医学影像分析	神经精神疾病	静息态功能磁共振成像	掩码自编码器	动态功能连接矩阵	四个公开数据集（具体样本数未明确说明）	NA	RS-MAE	准确率	NA
904	2025-10-06	Hyperparameter Recommendation Integrated With Convolutional Neural Network 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3476439 PMID:39423079	研究论文	提出一种集成卷积神经网络的超参数推荐方法	首次将CNN应用于超参数推荐领域，开发了具有特征选择能力的CNN回归器和卷积去噪自编码器，能够深度挖掘数据特征和超参数性能的空间结构	仅针对SVM分类器进行验证，未扩展到其他机器学习模型	开发基于深度学习的超参数推荐系统	分类问题的超参数优化	机器学习	NA	元学习	CNN, ConvDAE	数据集特征，超参数性能数据	400个真实分类问题	NA	卷积神经网络，卷积去噪自编码器，双分支CNN	NA	NA
905	2025-10-06	Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3485529 PMID:39480710	研究论文	本文提出两种基于尖峰-平板先验的结构化稀疏贝叶斯神经网络，用于模型压缩和计算效率提升	首次将尖峰-平板群组Lasso和尖峰-平板群组Horseshoe先验应用于贝叶斯神经网络的结构化稀疏化	未明确说明具体数据集规模和实验设置的局限性	开发结构化稀疏的贝叶斯神经网络以实现模型压缩和计算效率优化	贝叶斯神经网络的结构化稀疏化	机器学习	NA	变分推断，连续松弛技术	贝叶斯神经网络	NA	NA	NA	结构化稀疏神经网络	预测准确率，模型压缩率，推理延迟	NA
906	2025-06-05	The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence 2025-Jun, Archivos de bronconeumologia IF:8.7Q1 DOI:10.1016/j.arbres.2024.11.001 PMID:39643515	综述	本文探讨了在人工智能时代，基线低剂量计算机断层扫描（LDCT）在肺癌筛查中的关键作用及其面临的挑战	探讨了人工智能如何通过分析LDCT的放射组学特征来区分良恶性结节，并预测肺癌和心血管疾病的风险，实现个性化筛查	人工智能在LDCT筛查路径中的主要障碍是性能的普适性和可解释性	评估基线LDCT检查在肺癌筛查中的重要性，并探索人工智能在克服筛查挑战中的作用	肺癌筛查参与者及其基线LDCT检查结果	数字病理学	肺癌	LDCT, 深度学习	DL	图像	NA	NA	NA	NA	NA
907	2025-10-06	G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3491827 PMID:39531577	研究论文	本文提出一种基于图的解码网络G-Diff来改进扩散推荐模型，通过引入物品关系图提升推荐性能	在扩散模型的反向过程中引入精心设计的基于图的解码网络，利用物品间关系提升推荐效果，同时通过跳跃连接和归一化层保留低阶邻居信息	NA	改进扩散推荐模型的性能，更好地利用推荐系统中物品的集体信号	推荐系统中的用户偏好预测	机器学习	NA	扩散模型	图神经网络,扩散模型	推荐系统数据	三个真实世界数据集	NA	G-Diff,基于图的解码网络	推荐性能指标	NA
908	2025-06-05	Learning topological horseshoes in time series via deep neural networks 2025-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0270132 PMID:40465250	research paper	提出了一种基于深度学习的几何方法，用于识别时间序列中的混沌动力学	结合拓扑马蹄理论和深度神经网络，为复杂非线性系统中混沌行为的检测提供了新工具	NA	识别时间序列中的混沌动力学	时间序列数据	machine learning	NA	deep learning	deep neural networks	time series	Hénon map, Lorenz system, Duffing system	NA	NA	NA	NA
909	2025-10-06	Empirical analysis on retinal segmentation using PSO-based thresholding in diabetic retinopathy grading 2025-Jun-26, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0299 PMID:39754503	研究论文	提出一种基于粒子群优化算法的视网膜分割方法，用于改善糖尿病视网膜病变分级任务的准确性	使用PSO算法自动确定分割阈值，并通过可解释AI分析视网膜分割对模型性能的影响	使用有限的数据集进行实验	提高糖尿病视网膜病变自动分级的准确性	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底图像分析	CNN	图像	IDRiD眼底数据集	NA	ResNet50	准确率	NA
910	2025-10-06	Gesture recognition from surface electromyography signals based on the SE-DenseNet network 2025-Jun-26, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0282 PMID:39873377	研究论文	提出基于SE-DenseNet融合网络的手势识别方法，用于表面肌电信号分类	将Squeeze-and-Excitation注意力机制与DenseNet融合，在DenseBlock和Transition层间插入注意力模块以增强特征表示能力	未明确说明模型计算复杂度的具体改进程度和泛化能力的量化指标	提高表面肌电信号手势识别的准确性和鲁棒性	表面肌电信号手势识别	机器学习	康复技术	表面肌电信号采集	CNN	表面肌电信号	NinaPro DB2和DB4数据集	NA	DenseNet-101, SE-DenseNet	准确率	NA
911	2025-10-06	Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Tea Identification 2025-Jun-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06651 PMID:40207593	研究论文	开发了一种结合多元电化学指纹技术和一维卷积神经网络的传感器阵列，用于快速检测茶多酚和鉴别24种中国茶叶	受地标启发的激光雕刻传感器阵列设计，将多元电化学指纹技术与1D-CNN算法相结合，显著提高了茶叶鉴别的准确性	NA	开发快速精确检测茶多酚和鉴别中国茶叶的新方法	三种茶多酚和24种不同类型的中国茶叶	机器学习	NA	多元电化学指纹技术，激光雕刻传感器阵列	CNN	电化学指纹数据	24种茶叶品种	NA	一维卷积神经网络(1D-CNN)	准确率	NA
912	2025-10-06	Multiplexing and Sensing with Fluorescence Lifetime Imaging Microscopy Empowered by Phasor U-Net 2025-Jun-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02028 PMID:40378347	研究论文	提出一种名为Phasor U-Net的深度学习方法来提升荧光寿命成像显微镜的成像速度与精度	开发了结合两个轻量级U-Net子网络的深度学习架构，仅需计算机生成数据集训练即可实现噪声降低和仪器响应函数校正	未提及方法在更复杂生物样本或临床环境中的验证情况	提升荧光寿命成像显微镜在多重成像和传感应用中的性能	小鼠小肠样本和量子点材料	计算机视觉	NA	荧光寿命成像显微镜(FLIM)	U-Net	显微镜图像	计算机生成数据集和小鼠小肠样本	NA	U-Net	修正Kullback-Leibler散度, 平均绝对误差	NA
913	2025-06-04	Deep Learning-Assisted Sensor Array Based on Host-Guest Chemistry for Accurate Fluorescent Visual Identification of Multiple Explosives 2025-Jun-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01326 PMID:40380950	研究论文	本文提出了一种基于主客体化学的深度学习辅助传感器阵列，用于高精度荧光视觉识别多种爆炸物	结合环糊精保护的多色荧光金纳米团簇和DenseNet算法，实现了对七种爆炸物的高精度识别	NA	开发一种快速准确识别多种爆炸物的方法	七种爆炸物	机器视觉	NA	荧光传感器阵列	DenseNet	图像	NA	NA	NA	NA	NA
914	2025-06-04	Unveiling Spectrum-Structure Correlation in Vibrational Spectroscopy: Task-Driven Deep Learning Classification Balancing Global Fusion and Local Extraction 2025-Jun-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05842 PMID:40399767	研究论文	本文开发了两种基于CNN的算法，分别针对混合物分类和功能基团识别任务，通过多尺度卷积和注意力机制提升光谱-结构关联分析的效率和准确性	针对光谱数据中全局和局部信息关注度的差异，设计了两种任务导向的CNN算法（CNN-Peak和ResNet-ResPeak），实现了特征融合与局部提取的平衡	算法性能可能受限于光谱数据固有的特征丰富度和数据量不足的问题	提升光谱-结构关联分析在混合物分类和功能基团识别任务中的准确性和泛化能力	振动光谱数据	机器学习	NA	多尺度卷积、注意力机制	CNN、ResNet	光谱数据	NA	NA	NA	NA	NA
915	2025-06-04	AI-Driven Biomarker Discovery and Personalized Allergy Treatment: Utilizing Machine Learning and NGS 2025-Jun-03, Current allergy and asthma reports IF:5.4Q1 DOI:10.1007/s11882-025-01207-8 PMID:40459653	review	探讨人工智能（AI）和下一代测序（NGS）在过敏诊断和治疗中的变革潜力	结合AI驱动的算法和NGS技术，识别复杂的分子模式和预测性标志物，推动过敏诊断和治疗的个性化	数据整合和临床实施方面的挑战	提升过敏疾病的生物标志物发现、患者分层和个性化管理策略的精确性	过敏疾病	machine learning	allergy	NGS, single-cell RNA sequencing	machine learning, deep learning	molecular data	NA	NA	NA	NA	NA
916	2025-10-06	External validation and performance analysis of a deep learning-based model for the detection of intracranial hemorrhage 2025-Jun, The neuroradiology journal DOI:10.1177/19714009241303078 PMID:39601611	研究论文	本研究对FDA批准的深度学习模型在真实世界异质临床数据集中检测颅内出血进行了外部验证和性能分析	在多样化真实世界临床数据集上验证FDA批准的深度学习模型，并分析患者风险因素对模型性能的影响	研究仅包含5600例非增强头部CT扫描，样本来源相对有限	评估深度学习模型在检测颅内出血方面的外部验证性能和临床应用价值	来自急诊、住院和门诊单位的5600例非增强头部CT扫描	医学影像分析	颅内出血	CT扫描	深度学习模型	医学影像	5600例非增强头部CT扫描	NA	NA	准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, AUC	NA
917	2025-10-06	Automated Coronary Artery Segmentation with 3D PSPNET using Global Processing and Patch Based Methods on CCTA Images 2025-Jun, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00775-0 PMID:39979546	研究论文	本研究提出将2D PSPNet改进为3D PSPNet用于从3D CCTA图像中分割冠状动脉	首次将2D PSPNet扩展为3D版本用于冠状动脉分割，并采用全局处理和基于补丁的处理方法评估网络性能	仅使用ImageCAS数据集的200张图像子集进行实验，样本规模有限	开发自动冠状动脉分割方法以辅助冠状动脉疾病的临床诊断和治疗	冠状动脉	计算机视觉	心血管疾病	冠状动脉计算机断层扫描血管成像(CCTA)	CNN	3D医学图像	200张图像(来自ImageCAS数据集)	NA	3D PSPNet	Dice相似系数(DSC)	NA
918	2025-10-06	Investigation of Inter-Patient, Intra-Patient, and Patient-Specific Based Training in Deep Learning for Classification of Heartbeat Arrhythmia 2025-Jun, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00777-y PMID:40011388	研究论文	本研究详细探讨了三种数据分布范式（患者间、患者内和患者特定）对基于CNN的心律失常分类深度学习模型性能的影响	首次系统比较了三种不同数据划分范式对心电图心律失常分类深度模型性能的影响，并证明患者特定训练模式能达到最佳性能	研究仅基于标准心律失常数据集，未在其他数据集上验证结果的普适性	评估不同数据分布范式对深度学习模型在心电图心律失常分类中性能的影响	心电图信号和心律失常分类	机器学习	心血管疾病	心电图分析	CNN	心电图信号	标准心律失常数据集	NA	CNN	准确率, 精确率, 召回率, F1分数, AUC	NA
919	2025-10-06	A Forward and Backward Compatible Framework for Few-Shot Class-Incremental Pill Recognition 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3497956 PMID:40030571	研究论文	提出首个用于少样本类增量药物识别的双向兼容框架DBC-FSCIL	首次提出少样本类增量药物识别框架，包含前向兼容和后向兼容学习组件，采用虚拟类生成策略和中心三元组损失增强特征学习	NA	开发能够处理新药类别持续增加的少样本类增量药物识别系统	药物图像	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
920	2025-10-06	Learn to Supervise: Deep Reinforcement Learning-Based Prototype Refinement for Few-Shot Motor Fault Diagnosis 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3516035 PMID:40030687	研究论文	提出一种基于深度强化学习的原型精化方法，用于解决少样本电机故障诊断中的数据稀缺问题	将半监督元学习策略形式化为马尔可夫决策过程，通过DRL代理自适应选择有价值样本来监督诊断过程	仅针对电机故障诊断场景，未验证在其他工业设备上的泛化能力	解决工业场景中数据稀缺条件下的少样本故障诊断问题	工业电机故障数据	机器学习	NA	深度强化学习，半监督学习	深度强化学习，原型网络	电机故障数据（标记和未标记样本）	多个电机实验数据集（具体数量未明确说明）	NA	镜像原型网络（ProtoNet）	选择置信度，有效性，代表性	NA