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
1201	2025-01-31	A multi-dimensional student performance prediction model (MSPP): An advanced framework for accurate academic classification and analysis 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103148 PMID:39866196	研究论文	本文提出了一种多维学生表现预测模型（MSPP），旨在通过深度学习和先进的数据预处理技术提高学生学术分类的准确性	MSPP模型结合了自适应超参数调整和先进的图神经网络层，能够处理不平衡和时间序列的教育数据集，并通过AI特征提供可解释性	NA	提高学生表现预测的准确性，以支持定制化干预措施，提升学习效果	学生学术数据	机器学习	NA	深度学习	图神经网络（GNN）	结构化训练记录	NA	NA	NA	NA	NA
1202	2025-01-31	An easy-to-use three-dimensional protein-structure-prediction online platform "DPL3D" based on deep learning algorithms 2025-Jun, Current research in structural biology IF:2.7Q3 DOI:10.1016/j.crstbi.2024.100163 PMID:39867105	研究论文	本文介绍了一个基于深度学习算法的易于使用的三维蛋白质结构预测在线平台DPL3D	开发了一个用户友好的平台DPL3D，能够预测和可视化突变蛋白质的三维结构，并集成了多种先进的蛋白质结构预测软件	平台依赖于现有的蛋白质晶体结构数据，对于缺乏这些数据的蛋白质，预测准确性可能受限	开发一个易于使用的在线平台，用于预测和可视化突变蛋白质的三维结构，以促进生物发现	突变蛋白质的三维结构	生物信息学	NA	深度学习算法	AlphaFold 2, RoseTTAFold, RoseTTAFold All-Atom, trRosettaX-Single	蛋白质晶体结构数据	210,180个分子结构，包括52,248个人类蛋白质	NA	NA	NA	NA
1203	2025-10-07	Deep learning driven silicon wafer defect segmentation and classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103158 PMID:39877475	研究论文	本研究开发了一种基于深度学习的硅晶圆缺陷分割与分类系统，并集成大型语言模型提供交互式缺陷分析	将深度学习缺陷分割分类与大型语言模型问答能力相结合，实现自动化检测与交互式指导的双重功能	NA	实现硅晶圆缺陷的自动化检测与分类，提高集成电路制造质量	硅晶圆上的缺陷	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	平均绝对误差,均方根误差,Dice系数,交并比,准确率,精确率,召回率,F1分数	NA
1204	2025-01-25	Enhancing semantic segmentation for autonomous vehicle scene understanding in indian context using modified CANet model 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103131 PMID:39846010	研究论文	本文提出了一种改进的CANet模型，用于增强自动驾驶车辆在印度复杂交通环境中的语义分割能力	提出了一种结合U-Net和LinkNet元素的改进CANet模型，引入了多尺度上下文模块（MCM）以捕捉多尺度的上下文信息	NA	提高自动驾驶车辆在复杂交通环境中的语义分割准确性	印度驾驶数据集（IDD）中的道路场景	计算机视觉	NA	深度学习	改进的CANet（结合U-Net和LinkNet元素）	图像	印度驾驶数据集（IDD）	NA	NA	NA	NA
1205	2025-01-23	HybNet: A hybrid deep models for medicinal plant species identification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103126 PMID:39830878	研究论文	本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率	本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面	深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力	研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别	研究对象为药用植物物种的图像数据	计算机视觉	NA	深度学习	CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层	图像	自建的药用植物数据集，具体样本数量未提及	NA	NA	NA	NA
1206	2025-01-16	Deep learning radiomics analysis for prediction of survival in patients with unresectable gastric cancer receiving immunotherapy 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100626 PMID:39807092	研究论文	本研究旨在通过结合影像学和临床病理变量，利用深度学习放射组学分析预测接受免疫治疗的不可切除胃癌患者的生存期	采用多模态集成方法，结合CT影像数据和临床病理变量，构建深度学习模型预测患者生存期，并构建了列线图进行验证	样本量相对较小，且仅在中国人民解放军总医院的两个医疗中心进行，可能限制了结果的普适性	预测接受免疫治疗的不可切除胃癌患者的生存期	不可切除胃癌患者	数字病理	胃癌	深度学习	多模态集成模型	CT影像数据和临床病理数据	训练队列79名患者，外部验证队列97名患者	NA	NA	NA	NA
1207	2025-10-07	Enhanced diabetic retinopathy detection using U-shaped network and capsule network-driven deep learning 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103052 PMID:39802427	研究论文	本研究提出结合UNet++和胶囊网络的混合深度学习模型，用于青光眼的精确检测	首次将UNet++语义分割与胶囊网络相结合，利用胶囊网络识别层次化模式的能力，比传统CNN对青光眼变化更敏感	NA	提高青光眼检测的准确性	眼底图像中的视杯和视盘	计算机视觉	青光眼	直方图均衡化,对比度受限自适应直方图均衡化(CLAHE)	CNN,胶囊网络	图像	NA	NA	UNet++,CapsNet	准确率	NA
1208	2025-10-07	Comparative analysis and enhancing rainfall prediction models for monthly rainfall prediction in the Eastern Thailand 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103094 PMID:39802428	研究论文	本研究评估并开发了深度学习模型用于泰国东部地区月降雨量预测，重点分析了海洋尼诺指数的最佳滞后时间	开发了一种针对厄尔尼诺-南方振荡不同条件的新型混合深度学习模型，并在三种不同气候阶段验证了其性能	研究仅限于泰国东部五个站点，模型在其他地区的适用性需要进一步验证	提高泰国东部地区月降雨量预测的准确性	泰国东部五个站点的月降雨量数据	机器学习	NA	深度学习	RNN, LSTM, GRU	时间序列数据	泰国东部五个气象站的数据	NA	RNN with ReLU, LSTM, GRU (单层), LSTM+LSTM, LSTM+GRU (多层)	平均绝对误差, 均方根误差	NA
1209	2025-10-07	Preliminary study on detection and diagnosis of focal liver lesions based on a deep learning model using multimodal PET/CT images 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100624 PMID:39803389	研究论文	开发并验证基于多模态PET/CT影像的深度学习模型，用于检测和分类肝脏局灶性病变	首次结合多模态PET/CT影像和深度学习技术进行肝脏局灶性病变的检测与分类	样本量有限（150例患者），单中心研究	开发用于肝脏局灶性病变检测和分类的深度学习模型	肝脏局灶性病变患者（良恶性结节）和无病变患者	医学影像分析	肝脏疾病	18F-FDG PET/CT成像	深度学习模型	多模态医学影像（PET/CT）	150例患者（46例良性结节，51例恶性结节，53例无病变）	NA	NA	Dice系数, 精确率, 召回率, F1分数, ROC, AUC	NA
1210	2025-01-07	Deep learning enabled near-isotropic CAIPIRINHA VIBE in the nephrogenic phase improves image quality and renal lesion conspicuity 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100622 PMID:39758710	研究论文	本研究探讨了深度学习加速的CAIPIRINHA-VIBE技术在肾脏成像中的应用，以提升图像质量和病变检测能力	首次将深度学习技术应用于CAIPIRINHA-VIBE序列，以改善肾脏成像的图像质量和病变显着性	DL-CAIPIRINHA-VIBE呈现出更多的合成外观和混叠伪影	比较DL-CAIPIRINHA-VIBE与标准CAIPIRINHA-VIBE在肾脏成像中的图像质量和病变检测能力	50名患者，包括23个实性和45个囊性肾脏病变	医学影像	肾脏疾病	深度学习加速的CAIPIRINHA-VIBE技术	深度学习模型	MRI图像	50名患者，68个肾脏病变	NA	NA	NA	NA
1211	2024-12-05	Atmospheric scattering model and dark channel prior constraint network for environmental monitoring under hazy conditions 2025-Jun, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.04.037 PMID:39617546	研究论文	提出了一种基于大气散射模型和暗通道先验约束网络的遥感图像去雾方法，用于改善雾霾天气下环境监测系统的精度	利用暗通道信息注入网络（DCIIN）和传输图网络，结合大气散射模型，实现了高质量的图像去雾效果，并通过分支融合模块优化特征权重，增强了去雾效果	NA	解决雾霾天气条件下遥感图像质量下降，导致环境监测系统精度降低的问题	遥感图像去雾	计算机视觉	NA	大气散射模型	暗通道先验约束网络	图像	合成非均匀雾霾遥感数据集	NA	NA	NA	NA
1212	2024-12-05	Meteorological and traffic effects on air pollutants using Bayesian networks and deep learning 2025-Jun, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.01.057 PMID:39617575	研究论文	研究利用贝叶斯网络和深度学习模型分析气象和交通因素对空气污染物的影响	提出了一种结合降雨量和模式的新方法来分析空气污染物和气象变量，并使用LSTM模型进行污染物浓度预测	NA	研究交通因素对空气质量的复杂影响，并构建空气质量预测模型	台北市的空气污染物数据，包括交通流量、速度、降雨模式和气象因素	机器学习	NA	贝叶斯网络、深度学习	LSTM	数据	NA	NA	NA	NA	NA