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
241	2025-07-18	ViCoW: A dataset for colorization and restoration of Vietnam War imagery 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111815 PMID:40673188	research paper	介绍了一个名为ViCoW的数据集，包含1896对高分辨率图像，用于越南战争时期历史影像的着色和修复研究	提供了一个专门用于历史影像着色和修复的标准化数据集，支持AI驱动技术的评估	数据集仅包含来自四部越南电影的影像，可能无法涵盖所有历史影像的多样性	支持历史影像修复和着色技术的研究，促进数字文化遗产保护	越南战争时期的历史影像	computer vision	NA	ITU-R BT.601 luminance formula	deep learning models	image	1896对高分辨率图像（来自四部越南电影）
242	2025-07-18	Smartphone image dataset for machine learning-based monitoring and analysis of mango growth stages 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111780 PMID:40673194	research paper	该研究开发了一个标准化的芒果生长阶段图像数据集，用于基于机器学习的芒果生长监测与分析	创建了一个公开可访问的标准化芒果生长阶段图像数据集，填补了孟加拉国农业领域缺乏此类数据集的空白	数据集仅基于孟加拉国某果园的芒果采集，虽然生长阶段具有全球代表性，但可能无法涵盖所有芒果品种	推动机器学习在农业领域的应用，特别是芒果生长监测与分析	芒果的生长阶段	computer vision	NA	图像采集与标注	NA	image	2004张图像，分为四个生长阶段（early-fruit、premature、mature、ripe）
243	2025-07-18	Deep learning empowers genomic selection of pest-resistant grapevine 2025-Aug, Horticulture research IF:7.6Q1 DOI:10.1093/hr/uhaf128 PMID:40673235	研究论文	本研究结合深度学习、植物表型组学、数量遗传学和转录组学，对葡萄藤的抗虫性进行基因组选择	利用深度卷积神经网络（DCNNs）准确评估葡萄叶片的虫害损伤，并结合基因组重测序数据和转录组数据，鉴定出与抗虫性相关的关键基因	研究中使用的葡萄藤样本数量有限（231个），可能影响结果的广泛适用性	促进抗虫葡萄藤的基因组育种	葡萄藤	机器学习	NA	基因组重测序、转录组学	DCNN、VGG16、ML	图像、基因组数据、转录组数据	231个葡萄藤样本
244	2025-07-18	[A multi-feature fusion-based model for fetal orientation classification from intrapartum ultrasound videos] 2025-Jul-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.07.24 PMID:40673320	研究论文	本研究构建了一个基于多特征融合的智能分析模型，用于分类产时超声视频中的胎儿方位	结合Yolov8、CBAM、ECA、PSA注意力机制和AIFI特征交互模块进行特征提取，提高了分类准确性	未提及模型在更广泛数据集上的泛化能力测试	构建智能分析模型以分类产时超声视频中的胎儿方位	产时超声视频中的胎儿方位	计算机视觉	NA	深度学习	Yolov8结合CBAM、ECA、PSA注意力机制和AIFI特征交互模块	超声视频	未明确提及样本数量，但涉及关键结构（眼睛、面部、头部、丘脑和脊柱）的图像标注
245	2025-04-12	Performance of deep learning algorithm based on Xception in evaluating morphological characteristics reflecting the activity of vitiligo 2025-Jul-17, The British journal of dermatology DOI:10.1093/bjd/ljaf133 PMID:40209097	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
246	2025-07-18	A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation 2025-Jul-17, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251355806 PMID:40671620	研究论文	提出了一种基于多阶段训练和深度监督的3D腹部多器官分割方法，旨在提高CT图像分割的准确性和效率	结合多阶段训练、伪标签技术和带有注意力机制的深度监督模型（DLAU-Net），显著提升了分割性能和模型适应性	未明确提及具体局限性，但可能依赖于标注数据的质量和数量	提高3D腹部多器官CT图像分割的准确性和效率，以支持腹部疾病的诊断和治疗规划	腹部多器官（如肝脏、脾脏和肾脏）的CT图像	数字病理学	腹部疾病	深度学习，伪标签技术，注意力机制	DLAU-Net	3D CT图像	FLARE 2023挑战提供的大规模数据集
247	2025-07-18	Clinical Implementation of Sixfold-Accelerated Deep Learning Superresolution Knee MRI in Under 5 Minutes: Arthroscopy-Validated Diagnostic Performance 2025-Jul-16, AJR. American journal of roentgenology DOI:10.2214/AJR.25.32878 PMID:40266704	研究论文	本研究验证了使用深度学习超分辨率图像重建技术的六倍加速膝关节MRI在临床中的诊断性能	结合三倍并行成像和两倍同步多层加速技术，实现六倍加速的深度学习超分辨率膝关节MRI，并在5分钟内完成扫描	研究为回顾性设计，样本量相对较小（124例患者）	验证六倍加速深度学习超分辨率3-T膝关节MRI的临床效能	膝关节疼痛的成年患者	数字病理学	膝关节疾病	深度学习超分辨率图像重建、并行成像(PI)、同步多层加速(SMS)	DL（深度学习）	MRI图像	124名成年患者（79名男性，45名女性）
248	2025-07-18	Artificial intelligence techniques in inherited retinal diseases: a review 2025-Jul-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ade9c7 PMID:40587976	综述	本文综述了人工智能技术在遗传性视网膜疾病(IRDs)中的应用，包括诊断、预后和管理方面的潜力	整合了现有研究，识别了知识空白，并探讨了可解释AI在临床环境中的重要性	该领域知识碎片化，需要更多针对性研究来填补空白	探索AI技术在遗传性视网膜疾病诊断和管理中的应用潜力	遗传性视网膜疾病(IRDs)	人工智能在医疗领域的应用	遗传性视网膜疾病	机器学习和深度学习	NA	NA	NA
249	2025-07-18	Inverse Design of Manufacturable Infrared Metasurfaces Based on Multimodal Deep Learning Methods 2025-Jul-16, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c07116 PMID:40623946	研究论文	本文提出了一种基于多模态深度学习的可制造红外超表面的逆向设计方法	提出了一种多模态神经网络框架，能够根据目标光谱生成不同模式的设计结果，解决了高维参数空间和非线性映射带来的挑战，设计速度比传统方法快几个数量级	未提及具体样本量或实验验证的广泛性	实现复杂光子器件的逆向设计，特别是红外隐身超表面的设计	复合周期性微结构	机器学习	NA	多模态深度学习	神经网络	光谱数据	NA
250	2025-07-18	The Second Skin: A Wearable Sensor Suite that Enables Real-Time Human Biomechanics Tracking Through Deep Learning 2025-Jul-16, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3589996 PMID:40668712	研究论文	开发了一种可穿戴传感器套装，通过深度学习实现实时人体生物力学跟踪	提出了一种任务无关、用户无关的方法，用于在各种任务中精确实时估计下肢关节状态	样本量较小（N=10），且仅针对特定行业（建筑和危险废物清理）的任务	研究实时人体运动学和动力学测定方法，以推进生物力学研究和生物反馈应用	人体下肢关节的运动学和动力学	机器学习	NA	惯性测量单元（IMUs）和压力鞋垫	深度学习模型	传感器数据	10名参与者，33项任务
251	2025-07-18	LCwmcaR: Learning Cross-Window Cross-Modality Correlation-Aware Representation for Human Activity Recognition 2025-Jul-16, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3581226 PMID:40668703	research paper	提出了一种名为LCwmcaR的新型跨窗口跨模态相关性感知框架，用于人类活动识别（HAR）	LCwmcaR框架通过双分支网络同时建模时间和空间级别信息，并设计了可学习的时间二维化策略和跨窗口相关性感知特征表示生成模块	未提及具体的局限性	提升人类活动识别的准确性和鲁棒性	人类活动识别（HAR）数据	machine learning	NA	Mamba和CNN	dual-branch network	时序数据	四个公共数据集
252	2025-07-18	Re-Boosting Self-Collaboration Parallel Prompt GAN for Unsupervised Image Restoration 2025-Jul-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3589606 PMID:40668718	research paper	提出了一种自协作并行提示GAN框架，用于无监督图像恢复，通过自协作策略和重新增强模块显著提升性能	引入自协作策略（SC）和重新增强模块（Reb-SC），在不增加推理复杂度的前提下显著提升恢复性能	未提及具体的数据集限制或计算资源需求	提升无监督图像恢复的性能，减少对配对数据的依赖	图像恢复任务	computer vision	NA	GAN	GAN	image	NA
253	2025-07-18	Robust Palmprint Recognition via Multi-stage Noisy Label Selection and Correction 2025-Jul-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3588040 PMID:40668719	研究论文	提出了一种多阶段噪声标签选择与校正框架（MNLSC），以提高基于深度学习的掌纹识别的鲁棒性	引入了三个阶段的自监督学习、傅里叶基模块和原型基模块，分别选择干净简单样本、干净困难样本，并校正噪声标签	未提及在极端高噪声率（如超过60%）下的表现	提升掌纹识别模型在噪声标签环境下的鲁棒性	掌纹图像数据	计算机视觉	NA	自监督学习、傅里叶变换	深度学习模型（未指定具体类型）	图像	多个受控和非受控掌纹数据库（未明确样本数量）
254	2025-07-18	Multi-View Fused Nonnegative Matrix Completion Methods for Drug-Target Interaction Prediction 2025-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3589662 PMID:40668724	研究论文	本研究提出两种多视图融合非负矩阵补全方法，用于提高药物-靶标相互作用预测的准确性、可解释性和可扩展性	结合非负矩阵补全框架、线性多视图融合机制和多图拉普拉斯正则化，避免启发式秩选择并保持各视图结构特性	未明确说明方法在超大规模数据集上的性能表现	提高药物-靶标相互作用预测的准确性	药物-靶标相互作用数据	机器学习	NA	非负矩阵补全、多视图融合、多图拉普拉斯正则化	非负矩阵补全模型	异构相似性矩阵	四个黄金标准数据集和一个更大的真实世界数据集
255	2025-07-18	VGRF Signal-Based Gait Analysis for Parkinson's Disease Detection: A Multi-Scale Directed Graph Neural Network Approach 2025-Jul-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3589772 PMID:40668723	research paper	该论文提出了一种基于垂直地面反作用力(VGRF)信号的多尺度有向图神经网络方法，用于帕金森病的步态分析检测	提出了一种多尺度自适应有向图神经网络(MS-ADGNN)，首次考虑了VGRF信号的固有图结构，能够捕捉足底传感器间的分布关系和行走时的动态压力传导	未提及具体样本量限制或数据多样性问题	开发更有效的帕金森病步态异常检测方法	帕金森病患者与健康对照者的步态数据	digital pathology	帕金森病	VGRF信号分析	MS-ADGNN（包含ADGN和MSTCN单元）	生物力学信号数据	三个广泛使用的数据集（具体数量未说明）
256	2025-07-18	Imaging analysis using Artificial Intelligence to predict outcomes after endovascular aortic aneurysm repair: protocol for a retrospective cohort study 2025-Jul-16, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-098724 PMID:40669892	研究论文	本研究旨在利用人工智能驱动的影像分析技术，开发预测模型以优化主动脉瘤腔内修复术后的随访策略	首次采用AI技术分析术前和术后CTA图像，预测主动脉瘤腔内修复术后的并发症风险	研究为回顾性队列设计，样本量限于500例患者	开发预测模型以优化主动脉瘤腔内修复术后的随访策略，并研究术后主动脉形态学变化	接受择期主动脉瘤腔内修复术的患者	数字病理学	心血管疾病	CT血管造影(CTA)	深度学习算法	医学影像	500例接受择期EVAR手术的患者
257	2025-07-18	Deep learning-based high-resolution time inference for deciphering dynamic gene regulation from fixed embryos 2025-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61907-7 PMID:40670357	research paper	该研究提出了一种基于深度学习的多尺度集成方法，用于从固定果蝇胚胎图像中高精度推断绝对发育时间，并解析基因调控网络的时空动态	开发了一种能够以1分钟分辨率从固定胚胎核形态推断绝对发育时间的深度学习方法，无需活体成像或遗传修饰	方法目前仅应用于果蝇胚胎，尚未在其他生物体或发育阶段验证	解析胚胎发育过程中基因调控网络的时空动态	果蝇胚胎的核形态和分割基因（Krüppel和hunchback）	digital pathology	NA	固定胚胎成像，深度学习	多尺度集成深度学习模型	图像	野生型果蝇胚胎
258	2025-07-18	Interpretable deep learning framework for understanding molecular changes in human brains with Alzheimer's disease: implications for microglia activation and sex differences 2025-Jul-16, npj aging IF:4.1Q2 DOI:10.1038/s41514-025-00258-5 PMID:40670382	研究论文	本研究开发了一个可解释的深度学习框架，用于理解阿尔茨海默病(AD)患者大脑中的分子变化，特别关注小胶质细胞激活和性别差异	首次发现与AD女性更显著神经元丢失相关的性别连锁转录因子对(ZFX/ZFY)，揭示了AD性别二态性的新机制	研究基于批量组织RNA-seq数据，可能无法完全反映单细胞水平的分子变化	利用人工智能方法研究AD分子水平的改变，发现新的生物标志物和治疗靶点	AD患者和对照组的脑组织样本	数字病理学	阿尔茨海默病	RNA-seq	MLP	基因表达数据	来自ROSMAP、MAYO和MSBB三个队列的多个脑区样本
259	2025-07-18	Hybrid genetic algorithm and deep learning techniques for advanced side-channel attacks 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-06375-1 PMID:40670393	research paper	该研究提出了一种结合遗传算法和深度学习技术的高级侧信道攻击方法，用于优化神经网络的超参数	引入遗传算法框架，有效解决传统方法在超参数优化中的局限性，如网格搜索的可扩展性差和贝叶斯优化在高维空间中的挑战	未提及具体的数据集规模或实验环境的限制	优化侧信道攻击模型的超参数，提高密钥恢复的准确性	受保护的AES实现	machine learning	NA	遗传算法（GA）和深度学习	神经网络	侧信道数据	NA
260	2025-07-18	Automatic segmentation of liver structures in multi-phase MRI using variants of nnU-Net and Swin UNETR 2025-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07084-5 PMID:40670420	研究论文	本研究评估了深度学习架构在从多相Gd-EOB-DTPA增强T1加权VIBE MRI扫描中分割肝脏结构的效果	比较了nnU-Net、ResEnc nnU-Net和Swin UNETR三种模型在肝脏结构分割中的表现，发现nnU-Net变体在大多数任务中表现最优	病变和腹水的分割对所有模型来说仍然具有挑战性	开发自动分割肝脏结构的深度学习模型，以改善肝脏疾病的评估和手术规划	肝脏实质、门静脉、肝静脉、主动脉、病变和腹水	数字病理学	肝脏疾病	多相Gd-EOB-DTPA增强T1加权VIBE MRI扫描	nnU-Net, ResEnc nnU-Net, Swin UNETR	MRI图像	458例T1加权VIBE扫描（其中78例手动标注），另加47例标注数据用于跨扫描仪评估