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
3481	2025-04-14	A secure and efficient deep learning-based intrusion detection framework for the internet of vehicles 2025-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94445-9 PMID:40210906	研究论文	提出了一种基于深度学习的车联网入侵检测框架，结合多种加密和优化技术以提高安全性和效率	结合AES-256加密、SMPC和HE进行隐私保护，提出新型混合优化方法CMSO，并设计DAGSNet架构增强特征检测和分类	未提及框架在极端网络条件下的性能表现	提高车联网环境中的入侵检测系统的安全性、效率和精确性	车联网网络	机器学习	NA	AES-256加密、SMPC、HE、Z-score标准化、中位数插补、小波变换	ViT、GAT、DenseNet、GoogleNet、AlexNet、SqueezeNet	网络数据	两个数据集
3482	2025-04-14	Restricted Boltzmann machine with Sobel filter dense adversarial noise secured layer framework for flower species recognition 2025-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95564-z PMID:40210949	研究论文	提出了一种结合Sobel滤波器和受限玻尔兹曼机的SRB-VGG19模型，用于高效分类花卉物种	设计了SRB-VGG FCL和SRB-VGG Dense两个子模型，并通过FGSM攻击验证了模型的安全性	NA	开发一种能够有效分类花卉物种的深度学习技术	花卉物种	计算机视觉	NA	Sobel滤波器、受限玻尔兹曼机(RBM)、Fast Gradient Sign Method (FGSM)	SRB-VGG19、VGG19、DenseNet	图像	3400张训练图像和850张测试图像
3483	2025-04-14	Image quality improvement in head and neck angiography based on dual-energy CT and deep learning 2025-Apr-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01659-4 PMID:40211222	research paper	比较基于深度学习的图像重建（DLIR）和迭代重建算法在头颈部双能CT血管造影（DECTA）中的图像质量	首次在头颈部DECTA中比较DLIR与传统迭代重建算法的图像质量，并证明DLIR在降低图像噪声和提高图像质量方面的优势	样本量较小（58例患者），且仅针对头颈部DECTA，结果可能不适用于其他部位或成像方式	评估和比较不同图像重建算法在头颈部DECTA中的图像质量	头颈部双能CT血管造影图像	digital pathology	NA	dual-energy CT angiography (DECTA)	deep learning-based image reconstruction (DLIR)	image	58例头颈部DECTA患者
3484	2025-04-14	Deep Learning-Based Detection and Severity Assessment of Bicuspid Aortic Valves Stenosis 2025-Apr-10, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.04.002 PMID:40220934	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3485	2025-04-14	Development and Validation of a Novel Deep Learning Model to Predict Pharmacologic Closure of Patent Ductus Arteriosus in Premature Infants 2025-Apr-10, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.03.018 PMID:40220935	研究论文	开发并验证一种新型深度学习模型，用于预测早产儿动脉导管未闭（PDA）药物闭合的可能性	首次应用深度学习方法来预测PDA药物闭合的成功率，并开发了一种结合超声心动图和围产期数据的多模态CNN模型	样本量较小（174名早产儿），且为回顾性研究	预测早产儿PDA药物闭合的成功率	174名接受PDA药物治疗的早产儿	数字病理	心血管疾病	深度学习	CNN	超声心动图图像和围产期数据	174名早产儿（1926个超声心动图片段）
3486	2025-04-14	Machine Listening for Obstructive Sleep Apnea Diagnosis: A Bayesian Meta-Analysis 2025-Apr-10, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.04.006 PMID:40220991	meta-analysis	通过贝叶斯元分析评估机器学习在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性	首次使用贝叶斯双变量元分析和元回归方法评估机器学习在OSA诊断中的表现，并优化了机器听觉技术	研究仅基于现有文献，未进行新的实验验证	评估和优化机器听觉技术在OSA诊断中的准确性	阻塞性睡眠呼吸暂停（OSA）患者	machine learning	obstructive sleep apnea	Bayesian bivariate meta-analysis, meta-regression	deep learning, traditional machine learning	audio recordings	16项研究（41个模型），涉及4,864名训练参与者和2,370名测试参与者
3487	2025-04-14	Artificial intelligence for the detection of interictal epileptiform discharges in EEG signals 2025-Apr-10, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.04.001 PMID:40221359	review	本文综述了人工智能在脑电图信号中检测发作间期癫痫样放电（IEDs）的应用	回顾了从传统机器学习到深度学习的多种IED检测方法，并评估其性能和局限性	需要公开代码、标准化数据集和指标，以优化临床应用的自动化AI检测	提高IED检测的准确性和效率，减少误诊率	脑电图（EEG）信号中的发作间期癫痫样放电（IEDs）	machine learning	epilepsy	deep learning, traditional machine learning	NA	EEG signals	NA
3488	2025-04-14	Advances in MRI optic nerve segmentation 2025-Apr-08, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106437 PMID:40220726	综述	本文回顾了过去十年中视神经磁共振成像分割技术的发展，从基于强度的方法到最新的深度学习算法	详细追踪了视神经磁共振成像分割技术的演变，包括使用单模态或多模态图像的多图谱解决方案	仅涵盖了2007年至2024年间发表的27篇同行评审文章，可能未包括所有相关研究	提高视神经相关疾病的早期诊断和治疗准确性，以及规划放射治疗干预	视神经结构及其在神经退行性疾病（如多发性硬化症）中的变化	数字病理学	多发性硬化症	磁共振成像（MRI）	深度学习算法	图像	27篇同行评审文章
3489	2025-04-14	Hybrid encoding fringe and simulation-to-real scene approach for accurate depth estimation in fringe projection profilometry 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.557221 PMID:40219402	research paper	提出了一种混合编码条纹和模拟到真实场景的方法，以提高条纹投影轮廓测量中的深度估计精度	使用混合编码条纹模式替代传统周期性条纹，并利用模拟数据进行训练，以减少对真实数据的需求，同时提出新的网络架构MSAUNet	需要进一步验证在更广泛的实际应用场景中的性能	提高条纹投影轮廓测量中的深度估计精度	条纹投影轮廓测量中的深度估计	computer vision	NA	fringe projection profilometry (FPP)	MSAUNet	image	最大的真实世界数据集
3490	2025-04-14	Denoising 3D integral images by a single-shot unsupervised deep neural network 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.546621 PMID:40219440	研究论文	提出了一种基于单次拍摄的无监督深度学习方法，用于积分成像的去噪	利用单次拍摄的Noise2Noise方法，无需干净图像或噪声模型先验知识，适应特定成像条件	依赖于积分成像与元素成像之间的固有相似性，可能在某些成像条件下效果有限	提高积分成像的图像质量，解决噪声和图像质量下降问题	三维积分成像	计算机视觉	NA	无监督深度学习	深度神经网络	三维图像	NA
3491	2025-04-14	Snapshot video through dynamic scattering medium based on deep learning 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.545510 PMID:40219498	research paper	提出一种基于深度学习的端到端模型，用于从动态散射介质中的单次快照重建多达八帧图像	结合编码孔径压缩时间成像系统与基于transformer的CNN，优化解复用和重建效果，并利用双输入CNN模型（同时使用散斑图案及其自相关）显著提高重建精度	NA	研究动态散射介质中单次快照的多帧图像重建技术	动态物体通过未知时变散射介质的图像重建	computer vision	NA	深度学习	transformer-based CNN	image	NA
3492	2025-04-14	A prompt regularization approach to enhance few-shot class-incremental learning with Two-Stage Classifier 2025-Apr-07, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107453 PMID:40220563	research paper	提出一种名为Prompt Regularization (PrRe)的新方法，通过嵌入两种不同的提示（任务提示和全局提示）到预训练的Vision Transformer (ViT)中，以增强少样本类增量学习的效果	在预训练的ViT中嵌入两种不同的提示（任务提示和全局提示），并提出两阶段分类器（TSC）用于分类阶段	NA	提高少样本类增量学习（FSCIL）的效果	预训练的Vision Transformer (ViT)模型	computer vision	NA	Prompt Learning, K-Nearest Neighbors, Prototype Classifier	Vision Transformer (ViT)	image	NA
3493	2025-04-14	External validation of a fully automated evaluation tool: a retrospective analysis of 68,471 scored embryos 2025-Apr, Fertility and sterility IF:6.6Q1 DOI:10.1016/j.fertnstert.2024.10.006 PMID:39414116	研究论文	本研究通过回顾性分析68,471个评分胚胎，验证了一种全自动胚胎分类系统在体外受精（IVF）治疗中的有效性	首次在全自动深度学习算法的基础上，对胚胎进行评分，并与传统形态学评估方法进行比较	研究为回顾性分析，可能受到数据选择和混杂因素的影响	验证全自动胚胎评分系统在IVF治疗中的临床应用价值	6,434名患者进行的7,352次IVF治疗中产生的70,456个胚胎	数字病理	生殖健康	深度学习	深度学习算法	胚胎图像	70,456个胚胎
3494	2025-04-14	Conventional and cutting-edge advances in plant virus detection: emerging trends and techniques 2025-Apr, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04253-1 PMID:40151342	综述	本文综述了植物病毒检测的传统和前沿技术，包括新兴趋势和技术	介绍了新兴技术如LAMP、HTS、纳米技术生物传感器和CRISPR诊断，以及AI、ML和IoT在实时监测中的应用	存在序列限制、多重检测约束和环境问题等挑战	优化植物病毒检测技术，确保农业可持续性和生态系统保护	植物病毒	生物技术	植物病毒病	LAMP, HTS, 纳米技术生物传感器, CRISPR诊断, AI, ML, IoT, 高光谱成像, 深度学习, 云IoT平台	深度学习	NA	NA
3495	2025-04-14	Deep learning-driven automated high-content dSTORM imaging with a scalable open-source toolkit 2025-Feb-28, Biophysical reports IF:2.4Q3 DOI:10.1016/j.bpr.2025.100201 PMID:40023500	研究论文	介绍了一个开源工具包，利用深度学习自动进行dSTORM超分辨率显微镜成像	开发了一个自动化、用户独立的工作流程，通过深度学习实现分割和对象检测，提高了超分辨率显微镜的效率和易用性	未提及具体的技术限制或样本类型的局限性	提高超分辨率显微镜的自动化程度和易用性，扩展其在生物医学中的应用	生物医学图像，如细胞培养中的微管和神经纤维中的βII-血影蛋白	数字病理	NA	dSTORM超分辨率显微镜	深度学习	图像	未提及具体样本数量
3496	2025-04-14	Comparative Analysis of nnUNet and MedNeXt for Head and Neck Tumor Segmentation in MRI-Guided Radiotherapy 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_10 PMID:40213035	research paper	该研究比较了nnUNet和MedNeXt在MRI引导放疗中头颈部肿瘤分割的性能	在HNTS-MRG24 MICCAI挑战赛中提出了一种自动化分割方法，结合了两种先进的深度学习模型，并在测试阶段取得了优异的成绩	研究仅基于特定的HNTS-MRG2024数据集，可能在其他数据集上的泛化能力有限	开发自动化分割方法以改进头颈部肿瘤在MRI引导放疗中的分割效率	头颈部肿瘤（HNC）的原发肿瘤体积（GTVp）和转移淋巴结肿瘤体积（GTVn）	digital pathology	head and neck cancer	MRI	nnUNet, MedNeXt	MRI图像	150例头颈部癌症患者的MRI扫描
3497	2025-04-14	Improving fishing ground estimation with weak supervision and meta-learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321116 PMID:40215460	研究论文	本研究提出了一种结合弱监督和元学习的训练策略，用于改进基于海面温度模式的渔场估计	采用弱监督和元学习相结合的方法，利用部分标注或噪声数据（如轨迹数据）进行预训练，再通过元学习器在预训练过程中减轻标签噪声，从而提高模型性能	模型训练仍需要一定量的捕捞数据进行标注，且轨迹数据提供的渔场表示不够精确	改进渔场估计方法，提高渔业生产效率	渔场位置估计	机器学习	NA	深度学习	关键点检测器	海面温度模式数据、捕捞数据、轨迹数据	NA
3498	2025-04-14	A deep learning-based approach for the detection of cucumber diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320764 PMID:40215456	研究论文	本文提出了一种基于深度学习的黄瓜病害检测方法，利用VGG19架构和创新的迁移学习方法进行病害分类	采用创新的迁移学习方法，相比传统方法在未见测试数据上实现了更高的平衡准确率（97.66% vs 93.87%）	未提及具体数据集的规模限制或模型在其他作物上的泛化能力	提高黄瓜病害检测的准确性，以保障作物质量和食品安全	黄瓜植株及其病害（炭疽病、细菌性枯萎病、肚腐病、霜霉病、健康黄瓜、健康叶片、腐霉果腐病、茎腐病等）	计算机视觉	植物病害	迁移学习	VGG19	图像	未明确提及具体样本数量
3499	2025-04-14	CWMS-GAN: A small-sample bearing fault diagnosis method based on continuous wavelet transform and multi-size kernel attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319202 PMID:40215467	研究论文	提出了一种基于连续小波变换和多尺寸核注意力机制的小样本轴承故障诊断方法CWMS-GAN	采用连续小波卷积策略(CWCL)替代传统GAN中的卷积操作以捕获信号的频域特征，并设计了多尺寸核注意力机制(MSKAM)从不同尺度提取特征并自适应选择重要特征以提高生成信号的准确性和真实性	未提及具体样本量限制或实际工业应用中的潜在挑战	解决小样本条件下轴承故障诊断性能下降的问题	轴承振动信号	故障诊断	NA	连续小波变换(CWT), 生成对抗网络(GAN)	CWMS-GAN (基于GAN的改进模型)	振动信号(时域和频域)	在CWRU和MFPT数据集上进行实验(未明确样本数量)
3500	2025-04-14	Deep Learning-Based Image Restoration and Super-Resolution for Fluorescence Microscopy: Overview and Resources 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4414-0_3 PMID:40220224	review	本文综述了深度学习方法在荧光显微镜图像恢复和超分辨率中的应用，并提供了相关资源和工具	提供了深度学习方法在荧光显微镜图像处理中的最新进展和资源，包括开源数据库和代码库	未提及具体方法的性能比较或实际应用中的具体限制	综述深度学习方法在荧光显微镜图像处理中的应用，促进该领域的研究参与	荧光显微镜图像	computer vision	NA	deep learning	NA	image	NA