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
961	2025-10-06	Machine and deep learning methods for epileptic seizure recognition using EEG data: A systematic review 2025-Oct-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149797 PMID:40562194	系统综述	对基于EEG数据的机器学习和深度学习方法在癫痫发作识别中的应用进行系统性回顾和分析	首次全面涵盖癫痫发作检测、分类和预测三大任务，并分析可解释AI、迁移学习和联邦学习等新兴趋势	仅基于PubMed数据库2013-2023年的研究，可能未涵盖所有相关文献	评估机器学习和深度学习在癫痫发作识别中的效果、可解释性和临床应用性	癫痫患者的EEG信号数据	机器学习	癫痫	脑电图	机器学习,深度学习	EEG信号	NA	NA	NA	准确率	NA
962	2025-10-06	A Study of Data Augmentation for Learning-Driven Scientific Visualization 2025-Oct, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3587685 PMID:40638349	研究论文	本研究系统评估了九种数据增强技术在科学可视化任务中的有效性	首次对多种数据增强技术在科学可视化领域进行系统性比较研究，揭示了数据量增加和单域多样性提升对模型性能的积极影响	研究仅针对空间超分辨率和环境光遮蔽预测两个特定任务，结论可能不适用于其他科学可视化任务	探索数据增强技术在解决科学可视化中训练数据稀缺问题的有效性	科学可视化数据集和深度学习模型	科学可视化	NA	数据增强技术	深度学习模型	科学可视化数据	多个具有不同特征的科学数据集	NA	NA	数据质量，渲染保真度，优化时间，内存消耗	NA
963	2025-10-06	A Comprehensive Survey on 3D Single-View Object Reconstruction 2025-Oct, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3591770 PMID:40699970	综述	本文系统综述了基于单视图的3D物体重建技术，特别关注了基于新视角合成方法的最新进展，并提出了一种更符合人类视觉感知的评估方法	首次全面覆盖基于新视角合成的单视图3D重建方法，提出考虑部件显著性的加权评估方法，开发自动感知重建差异的新技术	作为综述文章，主要整合现有研究而非提出全新算法，新评估方法尚未在实际应用中广泛验证	填补单视图3D物体重建领域现有综述的空白，特别关注新视角合成方法的发展，改进评估体系以更好反映人类视觉感知	单视图3D物体重建技术，特别是基于新视角合成的方法	计算机视觉	NA	深度学习，新视角合成	NA	2D图像，3D形状数据	NA	NA	NA	加权评估方法，考虑部件显著性的指标，自动感知重建差异技术	NA
964	2025-10-06	CT-SCOPE: annotated dataset of CT SCans for the automatic semantic segmentation of the Osseous structures of the Paranasal sinusEs 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111962 PMID:40896122	研究论文	本文介绍了用于鼻旁窦骨结构自动语义分割的CT扫描数据集	创建了首个包含多医院、多CT设备采集的鼻旁窦CT扫描注释数据集，并提供了自动生成的伪标签	仅40名受试者，其中仅13名有手动注释，样本量相对较小	开发用于医学图像分析的深度学习语义分割模型	鼻旁窦周围骨结构	数字病理	鼻窦疾病	CT扫描	NA	医学图像	40名受试者（13名手动注释，27名未注释），共696个配对CT切片和掩码	NA	NA	NA	NA
965	2025-10-06	UMATBrush: A dataset of inertial signals of toothbrushing activities 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111980 PMID:40896134	研究论文	介绍UMATBrush数据集，包含通过智能手表采集的刷牙活动惯性信号数据	首个专门针对刷牙活动监测的惯性信号数据集，包含受试者日常生活的长期监测数据	仅包含4名实验受试者的数据，样本规模有限	开发基于惯性传感器信号的人类活动识别系统，特别关注刷牙活动监测	人类刷牙活动	机器学习	口腔健康	惯性传感器信号采集	NA	惯性信号（加速度数据）	4名实验受试者，大量刷牙会话	NA	NA	NA	NA
966	2025-10-06	Stress-strain and fracture acoustic emission dataset of high-strength concrete for metro tunnel lining under different stress states 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111973 PMID:40896120	研究论文	本文提出了一个包含地铁隧道衬砌高强混凝土在不同应力状态下应力应变行为和断裂声发射特性的新型数据集	首次提供了地铁隧道衬砌高强混凝土在多种应力状态下的综合数据集，包含应力应变数据、声发射数据和损伤图像	NA	解决地铁隧道衬砌工程问题并促进相关科学研究	地铁隧道衬砌高强混凝土	材料科学	NA	声发射检测、应力应变测试、高分辨率成像	NA	图像、应力应变数据、声发射数据	NA	NA	NA	NA	MTS815.04力学测试系统、AE传感器、应力应变传感器、高分辨率相机
967	2025-10-06	RoseLeafInsight: A high-resolution image dataset for rose leaf disease recognition 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111968 PMID:40896128	研究论文	本文提出了一个用于玫瑰叶片病害识别的高分辨率图像数据集RoseLeafInsight	创建了包含四种玫瑰叶片状态的高质量图像数据集，并采用多种数据增强技术提升数据集质量	数据集仅包含四种叶片状态类别，可能无法覆盖所有玫瑰病害类型	开发用于玫瑰叶片病害早期检测和识别的高精度机器学习模型	玫瑰叶片病害图像	计算机视觉	植物病害	图像采集、数据增强	迁移学习	图像	3,228张原始图像（黑斑病409张、虫孔453张、黄花叶病毒680张、健康叶片1,686张）	NA	MobileNetV2	准确率	NA
968	2025-10-06	DiffRaman: A conditional latent denoising diffusion probabilistic model for enhancing bacterial identification via Raman spectra generation under limited data 2025-Oct-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344372 PMID:40903108	研究论文	提出一种基于条件潜在去噪扩散概率模型的数据生成方法DiffRaman，用于增强有限数据下的细菌拉曼光谱识别	首次将条件潜在去噪扩散概率模型应用于拉曼光谱生成，结合二维图像转换和VQ-VAE编码器实现高效数据增强	在数据极度稀缺场景下的性能仍需验证，模型对光谱质量敏感度未充分探讨	解决拉曼光谱数据不足对深度学习模型性能的限制，提升细菌自动识别准确率	细菌拉曼光谱数据	机器学习	细菌感染	拉曼光谱技术	扩散模型, VQ-VAE	光谱数据	有限数据场景下的细菌拉曼光谱样本	PyTorch	条件去噪扩散概率模型(DDPM), Vector Quantized Variational Autoencoder	生成质量, 计算效率, 诊断模型性能提升	NA
969	2025-10-06	Prediction of Nursing Need Proxies Using Vital Signs and Biomarkers Data: Application of Deep Learning Models 2025-Oct, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17612 PMID:39654010	研究论文	开发深度学习模型预测住院患者的护理需求代理指标，并与传统回归模型比较预测效果	首次将循环神经网络和长短期记忆网络应用于护理需求预测，通过时序数据分析提升预测性能	在患者病情快速变化期间预测准确性显著下降	开发预测护理需求代理指标的深度学习模型	20,855名成年住院患者	机器学习	NA	电子健康记录分析	RNN, LSTM	生命体征、生物标志物、人口统计学数据	20,855名成年患者	NA	RNN, LSTM	预测准确性	NA
970	2025-10-06	Development of a Deep Learning-Based Model for Pressure Injury Surface Assessment 2025-Oct, Journal of clinical nursing IF:3.2Q1 DOI:10.1111/jocn.17645 PMID:39809598	研究论文	开发基于深度学习的压力性损伤创面智能评估模型	首次将深度学习技术应用于压力性损伤创面的自动评估，实现了创面分割和尺寸测量的自动化	仅使用广州四家医院的1063张图像，样本来源相对局限	开发智能化的压力性损伤创面评估工具	压力性损伤创面图像	计算机视觉	压力性损伤	深度学习	神经网络	图像	1063张来自四家广州医院的压力性损伤图像	NA	NA	MIoU, 像素精度, 准确率, Cohen's kappa系数, 相关系数	NA
971	2025-10-06	Artificial Intelligence in Sincalide-Stimulated Cholescintigraphy: A Pilot Study 2025-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005967 PMID:40359029	研究论文	本研究开发了一种基于U-Net的AI系统，用于自动分割胆囊区域并计算胆囊排空分数	首次在核医学实践中探索集成实时图像处理和器官功能计算的AI驱动工作流程	样本量较小，AI在患者运动或低计数活动情况下容易出错	探索AI在胆囊收缩素刺激胆囊显像中的应用潜力	胆囊区域分割和功能评估	医学影像分析	功能性胆囊疾病	胆囊收缩素刺激胆囊显像	深度学习	医学影像	20例胆囊收缩素刺激胆囊显像检查	NA	U-Net	Dice相似系数	NA
972	2025-10-06	A modular deep learning surrogate model for simulating harmful algal blooms in complex process-based systems 2025-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124059 PMID:40591990	研究论文	开发模块化深度学习代理模型以模拟有害藻华过程，显著提升计算效率和预测精度	提出结合代理模型生成数据与概率参数优化的方法，通过时间维度缩减显著加速参数优化过程	模型在特定湖泊环境验证，需要进一步测试在不同水生系统中的适用性	开发高效计算的有害藻华模拟工具，改善水资源管理和生态预测	韩国大青湖的有害藻华现象	机器学习	NA	深度学习代理建模	深度学习	环境监测数据，水文数据，水质数据	2022年校准期和2023年验证期的大青湖监测数据	NA	模块化序列结构（FLOW-WAQ-BLOOM）	Nash-Sutcliffe效率系数，均方根误差	NA
973	2025-10-06	Comparison of image quality of 40 keV virtual monoenergetic images of vertebral arteries using DLIR and ASIR-V algorithms under a dual-low scanning protocol 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112276 PMID:40639023	研究论文	比较DLIR和ASIR-V算法在双低扫描协议下重建40 keV虚拟单能图像对椎动脉图像质量的影响	首次在双低扫描协议（同时降低辐射剂量和对比剂剂量）下系统比较DLIR与ASIR-V算法对椎动脉40 keV虚拟单能图像质量的优化效果	样本量相对有限（88例患者），仅评估了特定能量水平（40 keV）的图像质量	评估不同图像重建算法在低剂量CT扫描中的图像质量表现	椎动脉血管图像	医学影像	后循环缺血性卒中	双能量CT血管成像（DE-CTA），虚拟单能成像（VMI）	深度学习图像重建（DLIR），自适应统计迭代重建（ASIR-V）	CT医学影像	88例患者（实验组44例，对照组44例）	NA	DLIR-H（高强度），DLIR-M（中强度），ASIR-V 50%	CT值，噪声，信噪比（SNR），对比噪声比（CNR），主观评分（5分制）	NA
974	2025-10-06	From tissue architecture to clinical insights: Spatial transcriptomics in solid tumor studies 2025-Oct, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152389 PMID:40664120	综述	本文深入分析空间转录组学技术在实体瘤研究中的最新进展和应用前景	系统阐述空间转录组学如何通过保留基因表达的空间背景来揭示肿瘤微环境的结构特征和细胞间通讯	存在技术分辨率、数据处理、样本制备和临床标准化等方面的挑战	探讨空间转录组学在实体瘤研究和精准肿瘤学中的应用价值	实体瘤及其肿瘤微环境	数字病理	实体瘤	空间转录组学, 单细胞多组学, 原位杂交, 成像和测序技术	深度学习	空间基因表达数据, 组织图像	NA	NA	NA	NA	NA
975	2025-10-06	Predicting ADC map quality from T2-weighted MRI: A deep learning approach for early quality assessment to assist point-of-care 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112317 PMID:40690835	研究论文	提出一种基于深度学习的创新方法，通过T2加权MRI预测前列腺ADC图像质量，实现早期质量评估	首次使用T2加权图像预测ADC图像质量，可在成像过程中实时进行质量评估并采取纠正措施	研究为回顾性分析，需要前瞻性验证；多中心数据存在异质性	开发早期预测前列腺ADC图像质量的方法，提高诊断准确性	前列腺MRI图像，包括T2加权图像和ADC图	医学影像分析	前列腺癌	扩散加权成像，表观扩散系数图，T2加权MRI	神经网络	医学影像	486名患者的多中心数据集，涵盖62个外部诊所和内部影像数据	NA	NA	敏感性，阴性预测值，准确率，AUC	NA
976	2025-10-06	MobileYOLO-Cyano: An enhanced deep learning approach for precise classification of cyanobacterial genera in water quality monitoring 2025-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124081 PMID:40578097	研究论文	提出一种名为MobileYOLO-Cyano的深度学习模型，用于精确分类水质监测中的蓝藻属	集成YOLOv8与MobileNetV4，优化无锚检测框架，并引入新设计的AdaptiveChannelHead模块以增强特征提取和属级分类能力	NA	开发高精度的蓝藻属自动分类方法以支持水质评估	九个具有产毒潜力的蓝藻属（包括Aphanizomenon、Phormidium、Planktothrix和Raphidiopsis等）	计算机视觉	NA	深度学习	YOLO, CNN	图像	包含九个蓝藻属的数据集	NA	YOLOv8, MobileNetV4	精确率, 召回率, F1分数, mAP50	NA
977	2025-10-06	Revealing two decades of chlorophyll-a dynamics in arid oligotrophic lakes of Xinjiang, China using a deep recurrent approach 2025-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124058 PMID:40578106	研究论文	本研究利用深度学习模型分析新疆贫营养湖泊20年的叶绿素a动态变化	首次将遥感波段建模为动态序列，采用循环神经网络框架处理时序遥感数据，克服了传统算法在贫营养湖泊中的局限性	研究仅针对面积大于100平方公里的湖泊，且主要基于MODIS遥感数据	研究新疆干旱区贫营养湖泊的叶绿素a浓度动态变化及其环境驱动因素	新疆地区面积大于100平方公里的贫营养湖泊	遥感分析, 环境监测	NA	遥感监测, MODIS影像分析	RNN	遥感影像, 时序数据	20年(2002-2023年)的MODIS影像数据，覆盖新疆大型湖泊	深度学习框架	循环神经网络	RMSE, R²	NA
978	2025-10-06	Brain Tumor Detection Based on Hybrid Convolutional Adaptive Neuro Fuzzy Inference System Using MRI Image 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70124 PMID:40903832	研究论文	提出一种结合卷积神经网络和自适应神经模糊推理系统的混合模型，用于从MRI图像中检测脑肿瘤	设计Conv-ANFIS混合模型，结合CNN和ANFIS优势，采用NLM滤波去噪和SCAN分割网络，提高脑肿瘤检测精度	未明确说明数据集规模和多样性限制，未提及模型计算复杂度	解决现有脑肿瘤检测方法在MRI图像噪声处理、分割准确性和泛化能力方面的不足	脑部MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN, ANFIS	医学图像	NA	NA	Conv-ANFIS, SCAN	召回率, 精确率, F1分数	NA
979	2025-10-06	Detecting the Undetected: Machine Learning in Early Disease Diagnosis 2025-Oct, Basic & clinical pharmacology & toxicology IF:2.7Q3 DOI:10.1111/bcpt.70104 PMID:40905080	综述	本文系统概述了机器学习在早期疾病诊断中的各类方法、应用领域及关键挑战	全面整合传统机器学习与深度学习在早期疾病诊断中的应用，并探讨强化学习、可解释AI等前沿方向	作为综述文章，未提出新的具体模型或方法，主要基于现有文献进行归纳分析	探讨机器学习技术在早期疾病诊断领域的应用现状与发展趋势	各类疾病早期诊断的机器学习方法	机器学习	多种疾病（癌症、心血管疾病、神经系统疾病、传染病）	机器学习技术	监督学习,无监督学习,深度学习,强化学习	医疗数据	NA	NA	支持向量机,决策树,随机森林,K-means,层次聚类,主成分分析,卷积神经网络,循环神经网络,Transformer	准确率,精确率,召回率,F1分数,AUC-ROC	NA
980	2025-10-06	Hyperspectral-driven PSO-SVM model and optimized CNN-LSTM-Attention fusion network for qualitative and quantitative non-destructive detection of adulteration in strong-aroma Baijiu 2025-Oct-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145197 PMID:40541145	研究论文	结合高光谱成像与深度学习技术，开发了用于浓香型白酒掺假定性和定量检测的PSO-SVM模型和优化CNN-LSTM-Attention融合网络	提出了名为Ghost-LSTM-Scaled Dot-Product Attention (GLSNet)的新型融合网络，在定量预测中显著优于传统方法和其他深度学习模型，同时推理效率比PLSR提高3.55倍	NA	开发快速准确的白酒掺假检测方法，为质量控制和市场监管提供技术支持	浓香型白酒样品	计算机视觉	NA	高光谱成像	PSO-SVM, CNN, LSTM, Attention机制	高光谱图像	NA	NA	Ghost-LSTM-Scaled Dot-Product Attention (GLSNet), CNN-LSTM (CLNet)	准确率, 相关系数R	NA