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
2221	2025-05-04	MIP-Enhanced Uncertainty-Aware Network for Fast 7T Time-of-Flight MRA Reconstruction 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3528402 PMID:40031037	研究论文	提出了一种用于加速7T TOF-MRA重建的不确定性感知模型，结合深度展开和证据深度学习的优点，并引入MIP损失以提高MIP图像质量	结合深度展开和证据深度学习，提供MRI重建和不确定性量化，并引入MIP损失以提高MIP图像质量	未提及具体局限性	加速7T TOF-MRA重建并提高血管重建的可靠性	颅内血管系统	医学影像处理	脑血管疾病	TOF-MRA, 7T MRI	深度展开模型, 证据深度学习模型	MRI图像	相对较大的内部多线圈7T TOF-MRA数据集
2222	2025-05-04	Navigating Through Whole Slide Images With Hierarchy, Multi-Object, and Multi-Scale Data 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532728 PMID:40031287	研究论文	提出了一种名为Navigator的视觉模型，用于快速分割全切片图像（WSIs），并通过半监督框架S5CL v2处理稀疏标注样本	引入Navigator模型，模仿病理学家的多尺度诊断工作流程，通过低尺度搜索感兴趣区域并逐步放大定位更精细的微解剖类别	需要进一步验证模型在更多数据集上的泛化能力	解决计算病理学中快速分割全切片图像的挑战	全切片图像（WSIs）中的组织学结构	数字病理学	癌症	深度学习	Navigator	图像	包括TCGA-COAD-30CLS和Erlangen队列在内的多个数据集
2223	2025-05-04	Artificial intelligence in retinal image analysis for hypertensive retinopathy diagnosis: a comprehensive review and perspective 2025-May-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00194-x PMID:40307650	review	本文综述了人工智能在视网膜图像分析中用于高血压视网膜病变诊断的最新进展和前景	探讨了最新的机器学习和深度学习技术在高血压视网膜病变诊断中的应用及其在早期诊断和干预中的潜力	综述性文章未涉及具体实验数据，可能缺乏对新技术的实际应用效果的详细评估	推动高血压视网膜病变诊断领域的发展，探索自动视网膜图像分析的创新方法	高血压视网膜病变的视网膜图像	digital pathology	cardiovascular disease	retinal image analysis (RIA)	machine learning (ML), deep learning	image	NA
2224	2025-05-04	Rectified Binary Network for Single-Image Super-Resolution 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3438432 PMID:39208050	research paper	该研究提出了一种用于单图像超分辨率（SISR）任务的修正二进制网络，通过引入激活修正推理（ARI）模块和自适应近似估计器（AAE）来提高二进制神经网络的表示能力	提出了激活修正推理（ARI）模块和自适应近似估计器（AAE），以增强二进制神经网络在SISR任务中的特征表示能力和优化效果	未明确提及具体局限性，但二进制神经网络在复杂特征分布下的表现可能仍有提升空间	研究二进制神经网络在单图像超分辨率任务中的应用，以提高图像恢复的质量	单图像超分辨率（SISR）任务中的高分辨率（HR）图像恢复	computer vision	NA	二进制神经网络（BNN）	CNN	image	多个基准测试数据集（具体数量未明确提及）
2225	2025-05-04	Deep learning meets marine biology: Optimized fused features and LIME-driven insights for automated plankton classification 2025-May-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110273 PMID:40315719	research paper	提出了一种改进的浮游生物分类模型，通过特征融合和优化算法提高分类准确性和可解释性	结合InceptionResNetV2和DeepPlanktonNet模型的特征，利用鲸鱼优化算法进行特征选择，并引入LIME提高模型可解释性	在有限标记数据下实现高精度和计算效率仍具挑战性	提高浮游生物自动分类的准确性和效率，支持大规模生态调查和水质监测	浮游生物	computer vision	NA	特征融合, 鲸鱼优化算法(WOA), LIME	InceptionResNetV2, DeepPlanktonNet	image	WHOI数据集
2226	2025-05-04	An explainable adaptive channel weighting-based deep convolutional neural network for classifying renal disorders in computed tomography images 2025-May-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110220 PMID:40315718	研究论文	提出了一种名为EACWNet的自动化深度学习模型，用于分类肾脏CT图像中的不同病变	结合了自适应通道加权的深度卷积神经网络和可解释人工智能技术	模型在结石类别的分类上精度较低，因为结石具有固有的变异性和异质性	提高肾脏疾病诊断的工作流程效率和准确性	肾脏CT图像	数字病理学	肾脏疾病	深度学习	CNN（VGG-19）	图像	公开可用的肾脏CT图像数据集
2227	2025-05-04	Deep Learning in Echocardiography for Enhanced Detection of Left Ventricular Function and Wall Motion Abnormalities 2025-May-01, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.03.015 PMID:40316488	系统综述	本文系统综述了深度学习技术在超声心动图中用于检测心血管异常的应用	探讨了深度卷积神经网络（DCNNs）在提高超声心动图诊断精度中的作用	数据多样性、图像质量以及深度学习模型的计算需求限制了其更广泛的临床应用	提高心血管疾病的早期检测和治疗效果	超声心动图数据	医学影像分析	心血管疾病	深度学习	DCNNs	图像	29项研究
2228	2025-05-04	HoRNS-CNN model: an energy-efficient fully homomorphic residue number system convolutional neural network model for privacy-preserving classification of dyslexia neural-biomarkers 2025-Apr-30, Brain informatics DOI:10.1186/s40708-025-00256-z PMID:40304880	研究论文	介绍了一种名为HoRNS-CNN的能效高、全同态加密的卷积神经网络模型，用于保护隐私的阅读障碍神经生物标志物分类	结合了残数系统全同态加密方案(RNS-FHE)的能效特性和预训练深度CNN模型的高准确性，解决了现有FHE CNN模型在准确性、加密/解密延迟、能效、特征提取时间和密文图像扩展方面的问题	NA	开发一种能效高、隐私保护的深度学习模型，用于神经影像数据的分类	与阅读障碍相关的神经生物标志物	数字病理学	神经发育障碍	全同态加密(FHE), 残数系统(RNS)	CNN	图像	NA
2229	2025-05-04	Automatic melanoma and non-melanoma skin cancer diagnosis using advanced adaptive fine-tuned convolution neural networks 2025-Apr-30, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02279-8 PMID:40304929	research paper	提出了一种使用自适应微调卷积神经网络（CNN）的智能计算机辅助系统，用于自动诊断黑色素瘤和非黑色素瘤皮肤癌	采用两阶段迁移学习方法和预训练CNN，通过PCA替换全连接层以挖掘皮肤癌图像的判别性特征，有效缓解过拟合问题	训练数据有限，可能存在过拟合风险，且传统方法存在高计算成本和缺乏可解释性的问题	开发一种高效、准确的自动皮肤癌诊断系统，以辅助医疗专业人员进行早期筛查	皮肤癌图像	computer vision	skin cancer	deep learning, transfer learning, principal component analysis (PCA)	CNN	image	NA
2230	2025-05-04	Self-supervised learning for label-free segmentation in cardiac ultrasound 2025-Apr-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59451-5 PMID:40307208	研究论文	本文提出了一种结合计算机视觉、临床知识和深度学习的自监督学习流程，用于心脏超声的无标签分割	开发了一种无需手动标注的自监督分割方法，其性能与监督学习相当，且具有临床有效性	虽然在大规模数据集上进行了测试，但部分结果的置信区间较宽，可能需要进一步验证	开发一种无需手动标注的心脏超声分割方法，提高分割效率和可重复性	心脏超声图像	计算机视觉	心血管疾病	深度学习	自监督学习	超声图像	450例超声心动图用于训练，18,423例用于测试（包括外部数据），其中553例有对应的心脏MRI
2231	2025-05-04	Blockchain based solid waste classification with AI powered tracking and IoT integration 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97030-2 PMID:40307309	研究论文	本研究提出了一种结合AI、物联网和区块链技术的智能垃圾分类模型，旨在优化垃圾收集和回收过程	整合了AI、物联网和区块链技术，实现了实时垃圾分类和安全透明的数据存储	未提及具体性能评估结果和系统实际部署的可行性	通过智能决策和安全数据处理改善垃圾管理和可持续性	智能城市中的垃圾管理系统	机器学习	NA	机器学习和深度学习	ML和DL模型	物联网传感器数据	未提及具体样本数量
2232	2025-05-04	A hybrid deep learning framework for early detection of diabetic retinopathy using retinal fundus images 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99309-w PMID:40307328	研究论文	提出了一种结合CNN和RNN的混合深度学习框架，用于通过视网膜眼底图像早期检测糖尿病视网膜病变	结合CNN和RNN，利用多时间点视网膜扫描的时间信息提高检测准确性，并引入注意力机制捕捉最相关的数据特征	未提及模型在临床环境中的实际应用效果验证	开发自动化的糖尿病视网膜病变早期检测系统	糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	深度学习	CNN+RNN混合模型	视网膜眼底图像	使用了DRIVE、Kaggle和Eyepacs三个公开数据集
2233	2025-05-04	Selective laser cleaning of microbeads using deep learning 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99646-w PMID:40307358	研究论文	本文提出了一种结合深度学习和飞秒激光技术的选择性激光清洁方法，用于高效、精确地去除表面污染物	通过集成神经网络预测每次激光脉冲后的样本外观，实现了自适应、实时的清洁过程，显著提高了清洁效率和精度	研究仅使用了直径为15微米的聚苯乙烯微珠作为污染物模型，可能无法完全代表所有实际应用场景中的污染物类型	开发一种高效、精确的选择性激光清洁方法，以减少能源消耗和基材损伤	聚苯乙烯微珠（直径15微米）作为表面污染物模型	机器视觉	NA	飞秒激光脉冲技术	神经网络	图像	使用聚苯乙烯微珠作为污染物模型，具体样本数量未提及
2234	2025-05-04	A deep learning based framework for enhanced reference evapotranspiration estimation: evaluating accuracy and forecasting strategies 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99713-2 PMID:40307385	研究论文	本文评估了三种深度学习序列模型（LSTM、N-BEATS和TCN）在预测日参考蒸散发（ET）中的性能，并进一步利用表现最佳的TCN模型评估了两种ET预测策略	首次比较了LSTM、N-BEATS和TCN三种深度学习模型在ET预测中的性能，并提出了递归策略以提高数据稀缺情况下的预测准确性	研究仅针对特定数据集进行评估，未考虑不同地理区域和气候条件下的模型泛化能力	开发高效准确的参考蒸散发预测方法以优化农业水资源管理	参考蒸散发（ET）的时间序列数据	机器学习	NA	深度学习时间序列预测	LSTM, N-BEATS, TCN	时间序列数据	未明确说明样本数量
2235	2025-05-04	Targeted molecular generation with latent reinforcement learning 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99785-0 PMID:40307420	research paper	提出了一种利用强化学习在预训练生成模型的潜在空间中优化分子的新方法	采用近端策略优化（PPO）在生成模型的潜在空间中导航，无需显式定义化学规则，且方法对底层架构不可知	NA	开发计算方法来生成具有特定理化性质或生物活性的分子，以辅助药物发现	分子生成与优化	machine learning	NA	reinforcement learning, proximal policy optimization (PPO)	autoencoder	molecular data	NA
2236	2025-05-04	Deep learning-based classification of coronary arteries and left ventricle using multimodal data for autonomous protocol selection or adjustment in angiography 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99651-z PMID:40307429	研究论文	该研究提出了一种基于深度学习的算法，用于自主检测冠状动脉和左心室，并调整血管造影中的成像参数	开发了一种多模态深度学习模型，能够在无血管结构的单X射线帧上准确分类心脏解剖结构，实现成像参数的自动选择和调整	研究仅使用了275个放射序列进行训练和验证，可能限制了模型的泛化能力	优化血管造影中的X射线成像参数选择，以提高图像质量并减少辐射暴露	左冠状动脉（LCA）、右冠状动脉（RCA）和左心室（LV）	计算机视觉	心血管疾病	深度学习	ResNet-50, MLP, 多模态模型	X射线图像和C臂角度数据	275个放射序列用于训练和验证，146个独立测试序列用于评估
2237	2025-05-04	Evaluation of deliverable artificial intelligence-based automated volumetric arc radiation therapy planning for whole pelvic radiation in gynecologic cancer 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99717-y PMID:40307456	research paper	本研究旨在开发一种基于深度学习的可交付全盆腔容积弧形放射治疗（VMAT）计划，用于妇科癌症患者，并评估其临床有效性	使用名为RatoGuide的原型深度学习自动计划支持系统，预测并生成可交付的VMAT计划，减少医院间计划质量的差异	样本量较小（测试数据n=10），且仅在一家医院进行验证	开发并验证基于深度学习的自动化放射治疗计划系统在妇科癌症全盆腔VMAT中的临床适用性	妇科癌症患者	数字病理	妇科癌症	深度学习	DL-based三维剂量预测模型	剂量分布和结构数据	110名妇科癌症患者（训练数据n=100，测试数据n=10）
2238	2025-05-04	Improving the accuracy of prediction models for small datasets of Cytochrome P450 inhibition with deep learning 2025-Apr-30, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01015-2 PMID:40307863	研究论文	本研究探讨了深度学习技术在预测细胞色素P450（CYP）抑制中的应用，特别是在CYP2B6和CYP2C8亚型数据有限的情况下	利用多任务深度学习和数据填补技术显著提高了CYP抑制预测的准确性，尤其是在小数据集条件下	研究主要针对CYP2B6和CYP2C8亚型，可能不适用于所有CYP亚型	提高CYP抑制预测模型的准确性，特别是在小数据集条件下	细胞色素P450（CYP）抑制，特别是CYP2B6和CYP2C8亚型	机器学习	NA	深度学习，数据填补	图卷积网络（GCN），多任务学习模型	化合物IC50值	12,369种针对7种CYP亚型的化合物，1,808种已批准药物
2239	2025-05-04	MSRP-TODNet: a multi-scale reinforced region wise analyser for tiny object detection 2025-Apr-30, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-025-07263-7 PMID:40307915	研究论文	提出了一种名为MSRP-TODNet的多尺度强化区域分析器，用于微小物体检测	结合了多智能体强化学习算法和生成对抗网络，通过改进的特征金字塔网络整合特征图，提高了微小物体检测的准确性和实时性	仅在特定数据集（VisDrone VID 2019和MS-COCO）上进行了训练和测试，可能在其他场景下的泛化能力有限	解决实时监控中小型远距离物体检测的挑战，提高检测性能	无人机监控和航空影像中的微小物体	计算机视觉	NA	多智能体强化学习(MARL)、生成对抗网络(GAN)	MSRP-TODNet（基于GAN和EFPN）	图像	VisDrone VID 2019和MS-COCO数据集
2240	2025-05-04	Real-time morphological and dosimetric adaptation in nasopharyngeal carcinoma radiotherapy: insights from autosegmented fractional fan-beam CT 2025-Apr-30, Radiation oncology (London, England) DOI:10.1186/s13014-025-02643-6 PMID:40307931	research paper	该研究通过自动分割的扇形束CT量化鼻咽癌放疗中的形态和剂量变化，为自适应放疗的决策提供依据	开发了四种基于深度学习的自动分割模型，用于评估高风险器官和目标体积的每周体积、Dice相似系数和剂量变化	研究为回顾性分析，样本量相对较小（23名患者）	量化鼻咽癌放疗中的形态和剂量变化，优化自适应放疗的时机	23名鼻咽癌患者的681次FBCT扫描	digital pathology	nasopharyngeal carcinoma	fan-beam computed tomography (FBCT)	deep learning-based autosegmentation models	CT图像	23名患者的681次FBCT扫描