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
3201	2025-04-10	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-Apr-07, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究提出了一种新的评估方法，用于评估含有钛种子植入物金属伪影的计算机断层扫描图像，并确定了虚拟单色成像(VMI)减少金属伪影和增强信号检测能力的最佳能量水平	提出了一种新的对比伪影比(CAR)评估方法，用于定量评估金属伪影对信号检测的影响，并确定了VMI在65 keV时能最优地平衡金属伪影减少和信号检测能力	研究仅针对骨盆区域和前列腺的模拟放射性种子植入物，可能不适用于其他区域或不同类型的金属植入物	研究旨在优化计算机断层扫描中金属伪影的减少和信号检测能力的提升	含有钛种子植入物金属伪影的计算机断层扫描图像	数字病理	前列腺癌	双能CT系统结合深度学习和金属伪影减少算法	DL	图像	使用模拟放射性种子植入物的体模进行研究
3202	2025-04-10	Real-world validation of a deep learning algorithm for chest radiography in the emergency department: A tale of two specialties 2025-Apr-07, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.03.008 PMID:40199640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3203	2025-04-10	Predicting categories of coronary artery calcium scores from chest X-ray images using deep learning 2025-Apr-07, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.03.010 PMID:40199634	研究论文	本研究开发并验证了一种深度学习模型，用于从胸部X光片中预测冠状动脉钙化评分类别	首次使用深度学习模型从胸部X光片中预测冠状动脉钙化评分类别，并结合临床因素提高预测准确性	研究依赖于特定时间范围内获取的CXR和CACS数据，可能限制了模型的泛化能力	开发一种成本效益高且能减少辐射暴露的冠状动脉疾病风险评估方法	10,230名具有可用胸部X光片和冠状动脉钙化评分的患者	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	10,230名患者
3204	2025-04-10	Deep spatio-temporal dependent convolutional LSTM network for traffic flow prediction 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95711-6 PMID:40189608	研究论文	提出了一种名为STDConvLSTM的深度学习算法，用于解决交通流量预测中的空间和时间不平衡问题	设计了空间依赖的注意力机制和时间依赖的注意力机制，分别解决空间不平衡和时间不平衡问题	未提及具体局限性	准确预测交通流量以支持智能交通系统和智慧城市建设	交通流量数据	机器学习	NA	深度学习	STDConvLSTM（结合CNN和LSTM）	时间序列数据	两个真实世界的数据集
3205	2025-04-10	Research on intelligent identification of microscopic substances in shale scanning electron microscope images based on deep learning theory 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91225-3 PMID:40189619	研究论文	基于深度学习理论实现页岩扫描电镜图像中微观物质的智能识别	采用改进的深度学习模型（优化的Yolov8模型）进行页岩微观物质识别，性能优于其他深度学习模型，并与SEM技术结合，提高了储层评价的效率和准确性	研究主要针对页岩扫描电镜图像，尚未在其他领域广泛应用	实现页岩扫描电镜图像中微观物质的智能识别，提高储层评价的效率和准确性	页岩扫描电镜图像中的微观物质	计算机视觉	NA	SEM技术	优化的Yolov8模型	图像	NA
3206	2025-04-10	Analyzing the performance of biomedical time-series segmentation with electrophysiology data 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90533-y PMID:40189617	研究论文	本研究评估了五种生物医学时间序列分割算法在电生理数据上的性能，包括传统方法和深度学习模型	首次将Faster R-CNN应用于一维信号分割，并展示了深度学习模型在生物医学时间序列分割中的优越性能	深度学习模型计算需求较大，且研究仅基于100名患者的数据	评估不同分割算法在生物医学时间序列数据上的性能	心内电信号	生物医学信号处理	心血管疾病	深度学习	UNet, Faster R-CNN, DENS-ECG, SVM, 基于规则的方法	时间序列数据	100名患者的心内电信号数据
3207	2025-04-10	Hybrid vision GNNs based early detection and protection against pest diseases in coffee plants 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96523-4 PMID:40189644	研究论文	本文提出了一种基于混合视觉图神经网络(HV-GNN)的新策略，用于咖啡种植园中害虫的早期检测	采用HV-GNN模型，能够识别图像中的单个害虫并捕捉它们之间的复杂关系，从而提高检测准确率	需要大量标注的咖啡植物图像数据进行训练和验证	开发自动化方法以早期检测咖啡作物害虫，保护咖啡农场并提高农业产量	咖啡植物及其害虫(如咖啡浆果蛀虫、粉蚧、介壳虫和潜叶虫)	计算机视觉	NA	深度学习	HV-GNN(混合视觉图神经网络)	图像	2850张标注的咖啡植物图像
3208	2025-04-10	Applying deep learning for style transfer in digital art: enhancing creative expression through neural networks 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95819-9 PMID:40189651	研究论文	本研究提出了一种改进的神经风格迁移模型，旨在提高数字艺术中风格迁移的效率和质量	结合了自适应实例归一化(AdaIN)和基于Gram矩阵的风格表示，显著提升了风格与内容的平衡及计算效率	未提及模型在极端风格强度下的表现及跨域适应性	提升神经风格迁移技术在数字艺术创作中的实用性和实时性	数字艺术图像风格迁移	计算机视觉	NA	神经风格迁移(NST)	CNN架构结合AdaIN	图像	未明确说明具体样本量（使用多种图像对进行评估）
3209	2025-04-10	Deep learning for simultaneous phase and amplitude identification in coherent beam combination 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96385-w PMID:40189661	研究论文	本文提出了一种深度学习算法，用于从组合光束的强度分布单次观测中同时识别相位和振幅	利用深度学习算法在存在显著功率波动的情况下准确分离相位和功率贡献	研究基于模拟的相干光束组合系统，实际应用中的效果需进一步验证	解决光纤激光器功率退化对相位检索带来的挑战	相干光束组合系统中的相位和振幅识别	机器学习	NA	深度学习	NA	图像	NA
3210	2025-04-10	Complex-valued neural networks to speed-up MR thermometry during hyperthermia using Fourier PD and PDUNet 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96071-x PMID:40189690	research paper	该研究提出使用复值神经网络加速磁共振热成像，以改善热疗过程中的温度监测	首次提出基于深度学习的欠采样磁共振热成像数据重建方法，并利用复值图像信息	研究仅针对44例肉瘤患者，样本量有限	提高欠采样磁共振热成像的分辨率并减少伪影	磁共振热成像数据	digital pathology	sarcoma	MRI	Fourier PD, PDUNet	image	44例接受热疗联合放疗和/或化疗的肉瘤患者
3211	2025-04-10	Using artificial intelligence system for assisting the classification of breast ultrasound glandular tissue components in dense breast tissue 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95871-5 PMID:40189689	research paper	研究探讨了利用人工智能（AI）驱动的乳腺超声分析模型对致密乳腺组织中的腺体组织成分（GTC）进行分类的潜力	使用ResNet101深度学习模型辅助不同经验水平的放射科医生在超声图像中区分致密乳腺腺体组织成分，显著提高了分类敏感性和阳性预测值	研究仅针对健康女性，未涉及乳腺癌患者，可能限制了模型的临床应用范围	探索AI模型在乳腺超声图像中分类腺体组织成分的准确性和可靠性	1,848名乳腺X线摄影分类为致密乳腺的健康女性	digital pathology	breast cancer	breast ultrasound analysis	ResNet101, ResNet+FCN	image	1,848名健康女性
3212	2025-04-10	Advancing plant leaf disease detection integrating machine learning and deep learning 2025-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72197-2 PMID:40185756	研究论文	本研究提出了一种结合机器学习和深度学习的自动化方法，以提高植物叶片病害检测的准确性	整合深度学习和机器学习技术，利用CNN模型（如VGG19和Inception v3）提取特征并进行处理，提高了病害检测的准确性和效率	研究中使用的数据集有限，仅包括香蕉叶、番荔枝叶和果实、无花果叶和马铃薯叶四种植物，可能无法涵盖所有植物病害类型	开发一种自动化的植物叶片病害检测方法，以克服传统方法的劳动密集和复杂性	植物叶片病害	计算机视觉	植物病害	深度学习（DL）和机器学习（ML）	CNN（VGG19和Inception v3）	图像	四个数据集（香蕉叶、番荔枝叶和果实、无花果叶、马铃薯叶）
3213	2025-04-10	Clinical microbiology and artificial intelligence: Different applications, challenges, and future prospects 2025-Apr-04, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107125 PMID:40188989	综述	本文综述了人工智能在临床微生物学中的不同应用、挑战及未来前景	介绍了人工智能如何通过处理和分析综合数据来优化传统临床微生物技术，并探讨了AI在预测新型抗菌剂和COVID-19疫苗开发中的应用	人工智能在临床微生物学中的应用面临伦理问题、潜在偏见和数据训练相关的错误等挑战	概述人工智能在临床微生物学中的最新应用，并讨论其面临的挑战和未来机会	临床微生物学领域的研究者和从业者	人工智能	传染病	全基因组测序（WGS）、蛋白质数据库（PDBs）、拉曼光谱、MALDI-TOF光谱	机器学习和深度学习算法	光谱分析数据、显微图像、基因组和蛋白质序列	NA
3214	2025-04-10	Revisiting Supervised Learning-Based Photometric Stereo Networks 2025-Apr-03, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557498 PMID:40178960	research paper	本文通过重新审视现有方法的深度特征、深度特征编码策略和网络架构，揭示了监督学习光度立体网络如何解决未知反射率和全局光照效应带来的挑战，并提出了ESSENCE-Net方法	提出了ESSENCE-Net，采用easy-first-encoding策略有效编码深度阴影特征，通过阴影监督增强阴影特征，并利用空间上下文感知注意力准确解码法线	未明确提及具体限制	揭示监督学习光度立体网络如何解决未知反射率和全局光照效应带来的挑战，并提升性能	光度立体网络	computer vision	NA	深度学习	ESSENCE-Net	image	三个基准数据集
3215	2025-04-10	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2025-Apr-02, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	开发并验证了一种基于级联掩膜区域卷积神经网络（R-CNN）的深度学习模型，用于非侵入性且准确地识别人类圆形精子细胞	首次使用深度学习模型非侵入性地识别人类圆形精子细胞，避免了传统Hoechst染色的毒性问题	研究样本量相对较小（3457张图像），且模型在临床广泛应用前需进一步验证	评估深度学习模型在非侵入性识别人类圆形精子细胞方面的能力	人类圆形精子细胞（hRSs）	计算机视觉	男性不育症	流式细胞术分析	级联掩膜区域卷积神经网络（R-CNN）	图像	3457张光学显微镜图像
3216	2025-04-10	An explainable deep learning platform for molecular discovery 2025-Apr, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01084-x PMID:39653800	研究论文	介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素的结构类别	提出了一个基于图神经网络的可解释深度学习平台，能够识别预测活性的化学子结构，提高分子发现的效率	需要实验数据生成和模型实现，且平台的应用范围虽然广泛，但具体效果可能因分子类型而异	开发一个可解释的深度学习平台，用于高效发现具有特定活性的分子结构类别	抗生素的结构类别，以及其他小分子如抗癌、抗病毒和抗衰老药物	机器学习	NA	图神经网络	GNN	化学结构数据	NA
3217	2025-04-10	Deep Learning and Hyperspectral Imaging for Liver Cancer Staging and Cirrhosis Differentiation 2025-Apr, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400557 PMID:39873135	研究论文	本文提出了一种结合高光谱成像和深度学习的新诊断策略，用于肝癌分期和肝硬化鉴别	创新性地整合高光谱成像与深度学习，捕捉传统方法难以识别的细微细胞差异	未提及样本来源的多样性或外部验证结果	开发高精度、快速、非侵入性的肝癌诊断工具	肝组织样本（肝癌及肝硬化病例）	数字病理	肝癌	高光谱成像	深度卷积神经网络（CNN）	高光谱图像	未明确说明具体样本量
3218	2025-04-10	PhysCL: Knowledge-Aware Contrastive Learning of Physiological Signal Models for Cuff-Less Blood Pressure Estimation 2025-Mar-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3554495 PMID:40131744	研究论文	提出了一种名为PhysCL的新型对比学习方法，用于减少对标记PPG数据的依赖并提高无袖带血压估计的准确性	通过引入知识感知增强库解决对比学习中的语义一致性问题，并提出对比特征重建方法以增强特征多样性并防止模型崩溃	需要进一步验证在不同人群和更广泛数据集上的泛化能力	提高无袖带血压估计的准确性，减少对标记数据的依赖	光电容积描记术(PPG)信号	机器学习	心血管疾病	对比学习	深度学习模型	生理信号	来自106名受试者的数据，涵盖MIMIC III、MIMIC IV和UQVS数据集
3219	2025-04-10	Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer 2025-01-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87966-w PMID:39863695	research paper	本研究开发了一种新型混合放射组学方法，用于预测子宫内膜癌的微卫星不稳定性和Ki-67表达	结合多参数MRI、深度学习和多通道图像分析，采用新兴的注意力机制提取特征，并使用XGBoost分类器进行预测	研究为回顾性研究，样本量较小（156例患者）	探索先进人工智能技术在预测子宫内膜癌微卫星不稳定性和Ki-67表达中的潜在价值	子宫内膜癌患者	digital pathology	endometrial cancer	multiparametric MRI, deep learning, multichannel image analysis	XGBoost	image	156名子宫内膜癌患者
3220	2025-04-10	An optimized LSTM-based deep learning model for anomaly network intrusion detection 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85248-z PMID:39789143	研究论文	提出了一种基于LSTM的优化深度学习模型，用于网络异常入侵检测	采用三种优化方法（PSO、JAYA和SSA）优化LSTM的超参数，以提高检测性能	未提及模型在实际网络环境中的泛化能力测试	开发高效的网络入侵检测系统以减少误报率	网络入侵检测	机器学习	NA	深度学习	LSTM	网络流量数据	NSL KDD、CICIDS和BoT-IoT数据集