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
21441	2025-10-07	On-chip deep residual photonic neural networks using optical-electrical shortcut connections 2025-Feb-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.549158 PMID:39888773	研究论文	提出一种采用光电快捷连接的片上深度残差光子神经网络架构，解决深度光子神经网络训练中的梯度消失和爆炸问题	首次在片上光子神经网络中引入光电快捷连接机制，通过功率分配器、波长解复用器和光电探测器直接连接光学权重层的输入输出	NA	解决深度光子神经网络训练中的梯度问题，提升网络性能	片上光子神经网络	机器学习	NA	光电混合计算	残差神经网络	图像数据	CIFAR-10和CIFAR-100数据集	NA	Res-PNN	分类准确率	NA
21442	2025-10-07	Femtojoule optical nonlinearity for deep learning with incoherent illumination 2025-Jan-31, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads4224 PMID:39888986	研究论文	本文提出了一种与不相干照明兼容的非线性光学微器件阵列，用于实现低功耗光学神经网络	通过将液晶单元与硅光电二极管在单像素级别集成，实现了低至100飞焦耳/像素的超低开关能量非线性光学器件	NA	开发适用于光学神经网络的高能效、高度并行的光学非线性组件	光学神经网络中的非线性激活函数器件	计算机视觉	NA	光学器件集成技术	光学神经网络	光学图像	超过50万个像素的器件阵列	NA	多层神经网络	开关能量（100飞焦耳/像素）	NA
21443	2025-10-07	Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87226-x PMID:39885307	研究论文	本研究提出基于Segment Anything Model系列架构的两步式通用视觉废物分拣方法	结合SAM系列模型进行废物对象提取与多种分类架构进行精确分拣，无需开发专用检测分割算法	NA	评估深度学习架构在机器人废物分拣中处理高度可变物体的能力	工业废物分拣	计算机视觉	NA	深度学习	SAM系列模型,CNN	图像	NA	NA	Segment Anything Model,FastSAM,MobileSAMv2,EfficientSAM,MobileNetV2,VGG19,DenseNet,SqueezeNet,ResNet,Inception-v3	准确率	NA
21444	2025-10-07	Multi-modal framework for battery state of health evaluation using open-source electric vehicle data 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56485-7 PMID:39880811	研究论文	提出基于深度学习的多模态框架，利用开源电动汽车数据评估电池健康状态	首次分析300辆电动汽车三年运行数据，揭示现场数据与实验室数据的差异对健康状态评估的影响，并提出多模态深度学习框架	研究基于特定电动汽车数据集，未明确说明模型在其他车型或环境下的泛化能力	开发高效、准确且成本效益高的电池健康状态评估方法	300辆不同类型电动汽车的电池系统	机器学习	NA	深度学习	深度学习模型	多模态传感器数据，历史车辆运行数据	300辆电动汽车的三年运行数据	NA	多模态深度学习框架	NA	NA
21445	2025-10-07	Enhanced hybrid attention deep learning for avocado ripeness classification on resource constrained devices 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87173-7 PMID:39880865	研究论文	提出一种混合注意力卷积神经网络模型用于在资源受限设备上实现鳄梨成熟度分类	结合空间、通道和自注意力模块的混合注意力机制，在保持模型轻量化的同时增强局部特征并捕获全局关系	ShuffleNetV1版本测试准确率仅82.89%，不足以满足实际应用需求	开发适用于资源受限设备的鳄梨成熟度分类深度学习模型	鳄梨果实	计算机视觉	NA	深度学习	CNN	图像	14000张图像	TensorFlow, TensorFlow Lite	EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large	准确率	智能手机（具体型号未指定）
21446	2025-10-07	Learning by making - student-made models and creative projects for medical education: systematic review with qualitative synthesis 2025-Jan-29, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06716-8 PMID:39881268	系统综述	对医学生通过制作创意项目（如手工模型、绘图和概念图）进行学习的效果进行系统评价和定性综合	首次系统评价创意项目式学习对医学生元认知和知识获取的影响，并识别出增强学习、协作学习和深度学习等关键主题	纳入研究数量有限（17项），存在任务要求高、认知情感强度大、与学生专业身份不匹配等挑战	评估创意项目式学习在医学教育中对学生元认知和知识获取的影响	医学生	医学教育	NA	系统评价、内容分析、叙事综合	NA	定量、定性和混合方法研究数据	17项研究（2010-2022年发表）	NA	NA	混合方法评估工具（MMAT）	NA
21447	2025-10-07	Enhancing furcation involvement classification on panoramic radiographs with vision transformers 2025-Jan-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05431-6 PMID:39881302	研究论文	本研究评估了Vision Transformer在全景X光片上分类根分叉病变的性能，并与传统深度学习模型进行比较	首次将Vision Transformer应用于根分叉病变分类任务，并证明其优于传统深度学习模型	研究样本量相对有限，仅包含1,568张牙齿图像	评估Vision Transformer在全景X光片上分类根分叉病变的性能	从506张全景X光片中获取的1,568张牙齿图像	计算机视觉	牙科疾病	全景X光成像	Vision Transformer, MLP, CNN	医学图像	1,568张牙齿图像（来自506张全景X光片）	NA	Vision Transformer, VGGNet, GoogLeNet, MLP	准确率, 精确率, 召回率, F1分数, 交叉熵损失, AUC	NA
21448	2025-10-07	Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules 2025-Jan, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03800-4 PMID:39663331	研究论文	本文提出了一种通过分子表面流形嵌入量子信息来预测药物诱导肝毒性的深度学习方法	利用分子表面电子属性的流形嵌入作为分子表示，将量子信息编码用于深度学习的药物毒性预测	NA	开发基于深度学习的药物诱导肝毒性预测方法	药物分子	机器学习	药物性肝损伤	量子化学计算，流形嵌入	深度学习	分子电子属性数据	NA	NA	NA	交叉验证	NA
21449	2025-10-07	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	开发并评估基于集成深度学习的模型，用于自动检测和分割CT扫描中的肺部肿瘤	采用3D U-Net图像多分辨率集成方法平衡体积上下文与分辨率，实现稳健的肿瘤检测和分割	回顾性研究设计，需要进一步前瞻性验证	自动化CT扫描中肺部肿瘤的识别和分割	CT模拟扫描和临床肺部肿瘤分割数据	计算机视觉	肺癌	CT扫描	深度学习	3D医学图像	1,504个CT扫描用于训练，150个CT扫描用于测试	NA	3D U-Net	灵敏度, 特异度, 假阳性率, Dice相似系数	NA
21450	2025-10-07	Deep Learning-Based Identification of Echocardiographic Abnormalities From Electrocardiograms 2025-Jan, JACC. Asia DOI:10.1016/j.jacasi.2024.10.012 PMID:39886205	研究论文	开发基于深度学习的模型，从心电图综合预测超声心动图异常	首次使用深度学习模型从心电图全面预测12种超声心动图发现，涵盖左心异常、瓣膜性心脏病和右心异常	研究仅包含8个中心的数据，外部验证中心较少	开发能够从心电图全面预测超声心动图异常的深度学习模型	229,439对配对的心电图和超声心动图数据集	机器学习	心血管疾病	心电图，超声心动图	CNN，逻辑回归	心电图信号，超声心动图数据	229,439对配对数据，来自8个中心	NA	卷积神经网络	AUC，准确率，灵敏度，特异性	NA
21451	2025-10-07	Automated recognition and segmentation of lung cancer cytological images based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317996 PMID:39888907	研究论文	基于YOLOv8算法开发用于肺癌细胞学图像自动识别和分割的深度学习模型	首次将YOLOv8算法应用于肺癌细胞学图像的实例分割，实现像素级标注和快速定位	NA	开发自动化的肺癌细胞学图像识别和分割方法，提高诊断效率和一致性	肺部病变的细胞学图像，包括胸水细胞学和支气管肺泡灌洗液细胞学图像	计算机视觉	肺癌	细胞学检查	YOLO	图像	NA	NA	YOLOv8	平均像素精度, 平均交并比, 准确率, AUC	NA
21452	2025-10-07	GGSYOLOv5: Flame recognition method in complex scenes based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317990 PMID:39888970	研究论文	提出一种基于深度学习的复杂场景火焰识别方法GGSYOLOv5	在YOLOv5网络中引入全局注意力机制和无参数注意力机制，并使用分组随机卷积替换原始卷积	NA	开发能够在复杂场景中实时准确识别火焰的检测系统	火焰图像	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv5, GGSYOLOv5	准确率, FPS	Jetson Nano嵌入式开发板
21453	2025-10-07	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	提出一种基于深度学习的全局匹配数字图像相关方法GMDIC，用于测量复杂大变形位移场	结合多头注意力Swin-Transformer和高效通道注意力模块ECA，在特征中添加位置信息以增强特征表示能力	NA	改进数字图像相关方法在大变形位移场测量中的精度和效率	散斑图像的位移场测量	计算机视觉	NA	数字图像相关方法	深度学习	散斑图像	包含各种类型散斑图像和复杂变形的位移场数据集	NA	Swin-Transformer, ECA	位移预测精度	NA
21454	2025-10-07	A Feature-Fusion Technique-Based Alzheimer's Disease Classification Using Magnetic Resonance Imaging 2024-Oct-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212363 PMID:39518331	研究论文	提出一种基于特征融合技术的阿尔茨海默病分类方法，使用磁共振成像数据	改进现有视觉Transformer模型，结合CatBoost分类器实现特征融合，在有限计算资源下提供可解释的AD分类方案	仅使用MRI数据，未整合遗传和临床数据，模型鲁棒性和适用性有待进一步验证	开发计算资源需求较低且可解释的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	磁共振成像	ViT, CatBoost	图像	OASIS数据集	NA	改进的Vision Transformer	准确率, 损失值	有限计算资源
21455	2025-10-07	Hexagonal diffraction gratings generated by convolutional neural network-based deep learning for suppressing high-order diffractions 2024-Oct-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.531198 PMID:39889023	研究论文	利用基于卷积神经网络的深度学习算法设计六边形衍射光栅，有效抑制高阶衍射	首次将卷积神经网络应用于六边形衍射光栅的结构参数反演设计，实现单阶衍射特性	未明确说明神经网络的具体训练数据规模和泛化能力	开发能够抑制高阶衍射的衍射光栅设计方法	六边形衍射光栅	计算机视觉	NA	深度学习	CNN	仿真数据，实验数据	NA	NA	卷积神经网络	衍射强度抑制率	NA
21456	2025-10-07	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过五种深度学习模型分析不同疾病队列的脑年龄差距，并探讨模型架构对预测结果的影响	首次系统比较五种先进深度学习模型在不同神经系统疾病中的脑年龄差距表现，并发现脑年龄差距随实际年龄增长而下降的趋势	研究结果可能受到生存偏倚、疾病进展和治疗干预等复杂因素的共同影响	评估不同深度学习模型在多种疾病中脑年龄预测的一致性和差异性	健康对照者及睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病患者	医学影像分析	神经系统疾病	T1加权磁共振成像	深度学习	脑部MRI图像	多个疾病队列的健康对照和患者样本	NA	2D VGG, 3D VGG, RelationNet, ResNet, SFCN	脑年龄差距统计显著性	NA
21457	2025-10-07	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	提出基于分布式条件生成对抗网络的相位恢复方法，同时提升相位和幅度图像的重建质量	首次提出分布式幅度和相位条件生成对抗网络(D-APUCGAN)，能够同时提高相位和幅度图像的重建质量	未明确说明计算资源需求和模型训练时间	解决相位恢复问题，从傅里叶强度测量中重建原始图像	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	傅里叶强度测量	GAN, 条件生成对抗网络	图像	NA	NA	UCGAN, AUCGAN, PUCGAN, APUCGAN	PSNR, SSIM	NA
21458	2025-10-07	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	提出一种用于OCT图像中视网膜疾病分类和撕裂区域分割的深度学习框架	开发了能同时执行分类和分割任务的双重深度学习框架，采用并行掩码引导CNN进行图像分类，并使用其输出的GAM辅助V-Net进行分割	未明确说明样本量的具体数值和数据集分布的详细情况	开发能够同时进行视网膜疾病分类和撕裂区域分割的深度学习框架	光学相干断层扫描(OCT)图像中的视网膜疾病	计算机视觉	视网膜疾病	光学相干断层扫描(OCT)	CNN, V-Net	图像	包含4个公共数据集和1个实时数据集的组合数据集，涵盖11类视网膜疾病	NA	并行掩码引导卷积神经网络(PM-CNN), V-Net	Dice系数, 准确率	NA
21459	2025-10-07	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种CNN-LSTM混合模型来预测中国河北省的流感样病例百分比	首次将CNN-LSTM混合神经网络模型应用于河北省流感活动预测，相比传统模型具有更好的预测性能	研究仅基于河北省28家哨点医院的数据，未考虑其他影响因素如气象数据、人口流动等	开发准确的流感活动预测模型，为流感防控提供科学依据	河北省28家国家级哨点医院的流感样病例百分比数据	机器学习	流感	深度学习	CNN,LSTM,CNN-LSTM,SARIMA,XGBoost	时间序列数据	2010-2022年河北省28家哨点医院的ILI%数据	PyTorch,R,Python	CNN-LSTM混合架构	MAE,RMSE,MAPE	NA
21460	2025-10-07	Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.233197 PMID:39162636	研究论文	本研究开发了一种知识增强的深度学习模型，用于在CT血管造影图像中分割和检测脑动脉瘤	采用多中心数据集构建深度学习模型，结合知识增强方法提高脑动脉瘤分割和检测的准确性	研究为回顾性设计，需要进一步前瞻性验证	开发准确的脑动脉瘤自动分割和检测方法	疑似未破裂脑动脉瘤患者的CT血管造影图像	医学影像分析	脑动脉瘤	CT血管造影(CTA), 数字减影血管造影(DSA)	深度学习	医学影像	6060名患者用于模型开发(训练4342, 验证1086, 内部测试632), 118名患者用于外部测试	NA	NA	Dice相似系数(DSC), 灵敏度, AUC	NA