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
3941	2025-04-01	Artificial intelligence for sustainable farming with dual branch convolutional graph attention networks in rice leaf disease detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94891-5 PMID:40148438	research paper	提出一种新型混合深度学习方法，用于水稻叶片病害分类，通过结合两个不同数据集和先进的图像处理技术，显著提高了病害检测的准确性	采用双分支卷积图注意力神经网络（DB-CGANNet）进行病害分类，结合了多种图像增强技术和特征提取方法，以及生物启发的人工蜂鸟（BI-AHB）方法进行特征选择	依赖于特定数据集（水稻叶片病害数据集和水稻病害图像数据集），可能在其他作物或病害上的泛化能力有限	提高水稻叶片病害检测的准确性，以改善作物管理和农业生产力	水稻叶片病害（如褐斑病、细菌性叶枯病、叶瘟病等）	computer vision	rice leaf diseases	Upgraded Weighted Median Filtering (Up-WMF), Aligned Gamma-based Contrast Limited Adaptive Histogram Equalization (AG-CLAHE), Discrete Wavelet Transform (DWT), Gray Level Run Length Matrix (GLRLM), VGG19	Dual Branch Convolutional Graph Attention Neural Network (DB-CGANNet)	image	两个数据集：水稻叶片病害数据集和水稻病害图像数据集
3942	2025-04-01	CTA image segmentation method for intracranial aneurysms based on MGLIA net 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95143-2 PMID:40148442	research paper	提出一种基于MGLIA网络的CTA图像分割方法，用于颅内动脉瘤的准确分割	开发了基于MoblieNet的GLIA Net算法（MGLIA Net模型），能够对不同条件下采集的动脉瘤图像进行自适应目标分割	面对新的医院获取的成像模态时，通常需要重新设计和训练分割网络	提高颅内动脉瘤CTA图像分割的准确性和普适性	颅内动脉瘤的CTA图像	digital pathology	cardiovascular disease	deep learning	MGLIA Net (based on MoblieNet)	image	开源数据集上的性能测试
3943	2025-04-01	Multimodal medical image fusion combining saliency perception and generative adversarial network 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95147-y PMID:40148552	research paper	提出了一种结合显著性感知和生成对抗网络的多模态医学图像融合方法	引入了时间分解网络（TDN），通过特征级时间分析和对抗学习机制优化多模态医学图像融合	未提及具体的数据集规模限制或计算资源需求	提高多模态医学图像融合的准确性和精确度，以增强诊断准确性	多模态医学图像	digital pathology	NA	生成对抗网络（GAN）	TDN（时间分解网络）	医学图像	多样化的医学图像数据集，包含多种模态和图像维度
3944	2025-04-01	Artificial intelligence accelerates the identification of nature-derived potent LOXL2 inhibitors 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95530-9 PMID:40148559	研究论文	结合深度学习和传统计算机辅助药物设计方法，筛选LOXL2选择性抑制剂，并验证其抗癌效果	首次采用深度学习与传统计算机辅助药物设计相结合的方法，筛选出天然产物Forsythoside A作为强效LOXL2抑制剂	未提及临床试验结果，仅限于体外细胞实验验证	开发针对LOXL2的选择性天然抑制剂，为癌症治疗提供新方法	LOXL2蛋白及其选择性抑制剂	计算机辅助药物设计	癌症	深度学习、分子对接、虚拟筛选	深度学习模型	分子结构数据、生物活性数据	CT26癌细胞系
3945	2025-04-01	MRI transformer deep learning and radiomics for predicting IDH wild type TERT promoter mutant gliomas 2025-Mar-27, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00884-y PMID:40148588	研究论文	本研究通过多参数MRI序列和新型融合模型预测IDH野生型TERT启动子突变胶质瘤，同时匹配模型分类指标与患者风险分层，以制定个性化诊断和预后评估	提出了一种基于CrossFormer神经网络的多通道2.5D深度学习模型，并与2D深度学习模型和放射组学模型通过集成学习结合成堆叠模型，实现了较高的预测性能	NA	预测IDH野生型TERT启动子突变胶质瘤并实现患者风险分层	1185名胶质瘤患者的术前T1CE和T2FLAIR序列	数字病理学	胶质瘤	多参数MRI	CrossFormer神经网络、集成学习堆叠模型	MRI图像	1185名胶质瘤患者
3946	2025-04-01	Deep learning-based reconstruction for three-dimensional volumetric brain MRI: a qualitative and quantitative assessment 2025-Mar-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01647-8 PMID:40148785	research paper	评估基于深度学习的自适应压缩感知网络在脑部MRI三维体积重建中的性能，并在临床环境中进行验证	提出了一种基于深度学习的自适应压缩感知网络（DLR），能够在减少至少一半扫描时间的同时保持图像质量和体积定量准确性	样本量较小（10名健康志愿者和22名患者），且仅在脑部MRI中进行了验证	评估和验证深度学习重建技术在脑部MRI中的性能和可靠性	健康志愿者和患者	digital pathology	NA	MRI, 深度学习重建（DLR）, 自适应压缩感知（CS）	深度学习网络	MRI图像	10名健康志愿者和22名患者
3947	2025-04-01	GPT4LFS (generative pre-trained transformer 4 omni for lumbar foramina stenosis): enhancing lumbar foraminal stenosis image classification through large multimodal models 2025-Mar-27, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2025.03.011 PMID:40157428	研究论文	本研究开发了一种名为GPT4LFS的多模态大语言模型，用于提高腰椎椎间孔狭窄（LFS）图像分类的准确性和效率	结合多模态大语言模型（GPT-4o）和ConvNeXt图像处理模块，通过Mamba架构融合图像和文本特征，显著提升了LFS分类性能	研究为回顾性设计，且数据来自有限数量的医疗中心（3个）和MRI设备（7台）	开发自动化诊断工具以提高腰椎椎间孔狭窄的诊断效率和准确性	腰椎矢状位T1加权MRI图像	数字病理	腰椎椎间孔狭窄	MRI	GPT4LFS（基于ConvNeXt、RoBERTa和Mamba架构的多模态融合模型）	图像和文本	总样本量1,200例患者（最终分析810例），包含训练集6,299张图像（635例）、内部测试集820张（82例）和外部测试集930张（93例）
3948	2025-04-01	Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework 2025-Mar-21, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/59971 PMID:40116728	研究论文	开发了一个标准化、可靠且可信赖的传染病预测框架和可视化仪表盘，用于支持全球健康决策	构建了一个适用于多种建模技术、传染病和全球地点的标准化预测流程，并采用集成技术选择最佳模型	没有适用于所有疾病、地区和国家的单一最佳模型	满足实时传染病预测的操作决策需求，支持基于证据的公共卫生决策和政策	六种人畜共患传染病（布鲁氏菌病、弯曲杆菌病、中东呼吸综合征、Q热、蜱传脑炎和土拉菌病）在四大洲八个国家的预测	机器学习	传染病	统计、机器学习和深度学习模型	集成模型	人口统计、景观、气候和社会经济因素等多维特征数据	四大洲八个国家的六种传染病数据，平均特征数为2326
3949	2025-04-01	Structure information preserving domain adaptation network for fault diagnosis of Sucker Rod Pumping systems 2025-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107392 PMID:40157234	研究论文	本文提出了一种结构信息保留域适应网络（SIP-DAN），用于抽油机系统的故障诊断，以提高模型的泛化能力	提出了SIP-DAN方法，通过子域对齐实现结构信息保留的域适应，并设计了分类器投票辅助对齐（CVAA）机制来处理目标域缺乏故障类别信息的问题	未明确提及具体样本量或实验条件的限制	提高抽油机系统故障诊断模型的泛化能力	抽油机系统（Sucker Rod Pumping systems）	机器学习	NA	模糊聚类算法，局部最大均值差异（LMMD）损失优化	SIP-DAN	NA	NA
3950	2025-04-01	AI and Smart Devices in Cardio-Oncology: Advancements in Cardiotoxicity Prediction and Cardiovascular Monitoring 2025-Mar-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060787 PMID:40150129	review	本文综述了人工智能和智能心脏设备在心脏肿瘤学中的应用，特别是在心脏毒性预测和心血管监测方面的进展	整合AI和智能心脏设备，提升心血管风险评估、早期检测和实时监测心脏毒性的能力	面临数据标准化、监管审批和公平获取等挑战	探讨AI和智能设备在心脏肿瘤学中的应用，以改善患者预后	癌症患者的心血管并发症	machine learning	cardiovascular disease	machine learning (ML), deep learning (DL)	NA	biosensor data, ECG data	NA
3951	2025-04-01	A Novel Diagnostic Framework with an Optimized Ensemble of Vision Transformers and Convolutional Neural Networks for Enhanced Alzheimer's Disease Detection in Medical Imaging 2025-Mar-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060789 PMID:40150131	research paper	提出了一种新颖的诊断框架，结合优化的视觉变换器和卷积神经网络集合，用于增强阿尔茨海默病在医学影像中的检测	提出了一种结合ViT-B16和三种CNN模型（VGG19、ResNet152V2和EfficientNetV2B3）的加权平均集成技术，并使用Grasshopper优化算法确保高性能	未提及具体的数据集局限性或模型泛化能力的测试范围	开发一个高效、准确的阿尔茨海默病早期检测框架	阿尔茨海默病患者的大脑磁共振影像（MRI）	digital pathology	geriatric disease	深度学习与医学影像分析	ViT-B16, VGG19, ResNet152V2, EfficientNetV2B3	image	使用'OASIS'基准数据集中的大量脑部MRI影像
3952	2025-04-01	A Comparative Study of Machine Learning and Deep Learning Models for Automatic Parkinson's Disease Detection from Electroencephalogram Signals 2025-Mar-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060773 PMID:40150115	research paper	本研究比较了机器学习和深度学习模型在利用脑电图信号自动检测帕金森病方面的性能	结合先进的频谱特征工程与机器学习和深度学习模型，提出了一种创新的基于EEG的PD检测方法	需要增强特征集、增加受试者数量以及提高模型在不同环境中的泛化能力	开发一种更可靠和高效的帕金森病早期检测技术	帕金森病患者和健康受试者的脑电图信号	machine learning	Parkinson's disease	EEG信号分析	SVM, CNN	EEG信号	UC San Diego Resting State EEG数据集和IOWA数据集
3953	2025-04-01	Deep Learning Models to Detect Anterior Cruciate Ligament Injury on MRI: A Comprehensive Review 2025-Mar-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060776 PMID:40150118	综述	本文综述了深度学习模型在MRI上检测前交叉韧带（ACL）损伤的当前应用	提供了关于深度学习在ACL撕裂检测中应用的全面和批判性综述，并识别了该领域的新兴趋势和挑战	仍需要技术发展以在日常实践中实施	回顾深度学习模型在MRI上检测ACL损伤的应用	前交叉韧带（ACL）损伤	数字病理学	运动损伤	MRI	深度学习模型	图像	23篇相关文章
3954	2025-04-01	Melanoma Skin Cancer Recognition with a Convolutional Neural Network and Feature Dimensions Reduction with Aquila Optimizer 2025-Mar-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060761 PMID:40150103	research paper	该研究开发了一种结合CNN特征提取和Aquila优化器降维的黑色素瘤皮肤癌识别系统	首次将CNN与Aquila优化器结合用于黑色素瘤检测，显著提升了分类准确率和计算效率	研究仅使用了公开数据集，未在临床环境中进行验证	开发高效准确的黑色素瘤自动检测系统	皮肤镜图像中的黑色素瘤病变	digital pathology	melanoma	CNN特征提取结合Aquila优化器降维	CNN	image	三个公开数据集(ISIC 2019/ISBI 2016/ISBI 2017)
3955	2025-04-01	Predicting Dairy Calf Body Weight from Depth Images Using Deep Learning (YOLOv8) and Threshold Segmentation with Cross-Validation and Longitudinal Analysis 2025-Mar-18, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15060868 PMID:40150397	研究论文	该研究利用深度学习和阈值分割技术预测断奶前犊牛的体重，以提高农场管理效率	结合YOLOv8深度学习分割与阈值分割方法，首次在早期时间点预测后期犊牛体重，并比较了多种预测模型的性能	样本量较小（63头荷斯坦犊牛和5头泽西犊牛），且仅20头荷斯坦犊牛进行了手动称重	开发非接触式测量方法，预测断奶前犊牛的体重，以评估生长、饲料效率、健康和断奶准备情况	荷斯坦和泽西品种的断奶前犊牛	计算机视觉	NA	深度学习和阈值分割	YOLOv8, LR, XGBoost, LMM	深度图像	63头荷斯坦犊牛和5头泽西犊牛，其中20头荷斯坦犊牛进行了手动称重
3956	2025-04-01	Benchmarking Interpretability in Healthcare Using Pattern Discovery and Disentanglement 2025-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030308 PMID:40150773	research paper	该研究评估了模式发现与解缠（PDD）系统在医疗保健领域的可解释性，通过无监督学习算法处理临床笔记以辅助决策	提出了一种无监督学习算法PDD，其在可解释性输出和聚类结果方面表现与监督深度学习模型相当，并通过全局可解释性弥补了特征重要性排名和事后分析的局限性	特征重要性排名和事后分析在临床诊断中存在局限性	评估和比较医疗保健领域AI决策的可解释性技术	临床笔记和ICD-9代码	natural language processing	NA	Term Frequency-Inverse Document Frequency, Topic Modeling	unsupervised learning algorithm	text	MIMIC-IV数据集
3957	2025-04-01	CBR-Net: A Multisensory Emotional Electroencephalography (EEG)-Based Personal Identification Model with Olfactory-Enhanced Video Stimulation 2025-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030310 PMID:40150774	research paper	提出了一种基于多感官情感EEG的个人识别模型CBR-Net，并建立了包含视频和嗅觉增强视频刺激的多感官情感EEG数据集	首次结合CNN、BiLSTM和残差连接构建CBR-Net模型，并验证嗅觉增强视频刺激对提升EEG信号情感强度的有效性	未说明模型在不同人群或跨文化场景下的泛化能力	提高基于EEG的个人识别准确率	多感官刺激下的情感EEG信号	machine learning	NA	EEG信号采集与分析	CNN-BiLSTM-Residual Network (CBR-Net)	多模态数据（EEG信号+视频/嗅觉刺激）	未明确说明被试者数量
3958	2025-04-01	Improved A-Line and B-Line Detection in Lung Ultrasound Using Deep Learning with Boundary-Aware Dice Loss 2025-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030311 PMID:40150775	research paper	提出了一种结合Transformer编码器和边界感知Dice损失的新型分割模型TransBound-UNet，用于提高肺部超声图像中A线和B线的检测和分割精度	集成了基于Transformer的编码器和边界感知Dice损失，提高了关键结构的准确分割	未提及具体的数据集多样性或模型在不同设备或条件下的泛化能力	提高肺部超声图像中A线和B线的自动检测和分割精度	肺部超声图像中的A线和B线	digital pathology	lung cancer	deep learning	TransBound-UNet (结合Transformer和UNet)	image	4599张肺部超声图像
3959	2025-04-01	Self-Supervised Z-Slice Augmentation for 3D Bio-Imaging via Knowledge Distillation 2025-Mar-17, ArXiv PMID:40093360	研究论文	提出了一种名为ZAugNet的自监督深度学习方法，用于提高生物图像中的z分辨率	结合生成对抗网络（GAN）和知识蒸馏技术，实现了在不牺牲准确性的情况下最大化预测速度，并开发了支持非均匀切片间距数据集的扩展版本ZAugNet+	未提及具体的局限性	提高三维生物显微镜图像的z分辨率	三维生物显微镜图像	数字病理学	NA	深度学习	GAN	图像	未提及具体样本数量
3960	2025-04-01	Enhanced Methodology and Experimental Research for Caged Chicken Counting Based on YOLOv8 2025-Mar-16, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15060853 PMID:40150382	research paper	提出了一种基于YOLOv8改进的笼养鸡计数算法YOLO-CCA，通过集成CoordAttention机制和Reversible Column Networks骨干网络，提高了计数准确率和效率	YOLO-CCA算法通过集成CoordAttention机制和Reversible Column Networks骨干网络，显著提高了YOLOv8-small模型的准确率和平均精度，并开发了基于阈值的连续帧检测方法	在Jetson AGX Orin工业计算机上部署时，识别率略有下降至93.2%	提高笼养鸡计数的准确性和效率，支持智能化家禽养殖转型	笼养鸡	computer vision	NA	YOLO-CCA, CoordAttention, Reversible Column Networks	YOLOv8-small	image	80个笼子，共493只鸡