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
401	2025-06-16	Defect Recognition in Composite Materials Using Terahertz Spectral Imaging with ResNet18-SVM Approach 2025-May-23, Materials (Basel, Switzerland) DOI:10.3390/ma18112444 PMID:40508444	research paper	该研究提出了一种基于太赫兹时域光谱（THz-TDS）和连续小波变换（CWT）的缺陷检测方法，结合ResNet18模型和支持向量机（SVM）分类器，用于识别多层复合材料中的内部缺陷	采用ResNet18-SVM方法结合连续小波变换，将光谱信号转换为时频图像，显著提高了缺陷识别的准确性和深度分辨率	未提及样本的具体数量或多样性，可能影响方法的泛化能力	开发一种高精度的无损检测方法，用于识别多层复合材料中的内部缺陷	多层复合材料中的内部缺陷	computer vision	NA	太赫兹时域光谱（THz-TDS），连续小波变换（CWT）	ResNet18, SVM	image	NA
402	2025-06-16	Prediction of Key Quality Parameters in Hot Air-Dried Jujubes Based on Hyperspectral Imaging 2025-May-23, Foods (Basel, Switzerland) DOI:10.3390/foods14111855 PMID:40509382	研究论文	基于高光谱成像技术预测热风干燥红枣的关键品质参数	采用高光谱成像技术结合深度学习方法（BiLSTM、BiGRU、CNN-BiGRU）显著提升了模型预测精度，为红枣干燥过程的品质监测与优化提供了新方法	未明确说明样本的具体数量及来源，可能影响模型的泛化能力	开发一种非破坏性检测方法，用于预测干燥过程中红枣的关键品质参数	热风干燥的红枣	计算机视觉	NA	高光谱成像（HSI）	SVR、BiLSTM、BiGRU、CNN-BiGRU	光谱数据（反射率、吸光度、Kubelka-Munk）	未明确说明
403	2025-06-16	Ultrasound Diagnosis of Pelvic Organ Prolapse Using Artificial Intelligence 2025-May-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14113634 PMID:40507397	研究论文	本研究设计了一种基于人工智能的全自动混合方法，结合卷积神经网络（CNN）和基于树的模型（XGBoost），用于在动态二维超声研究中诊断不同类型的盆腔器官脱垂（POP）	首次开发出能够在动态二维超声研究中诊断POP的预测模型，结合了深度学习和机器学习技术	在区分不同类型的POP时，检测膀胱膨出和子宫脱垂的精确度、准确率、召回率和F1分数较高，而对其他类型的POP诊断性能相对较低	开发一种自动化的AI方法，用于诊断盆腔器官脱垂	188名患者（99名有POP，89名无POP）	数字病理	盆腔器官脱垂	动态二维超声	CNN, XGBoost	视频	188名患者
404	2025-06-16	Active learning for efficient nanophotonics inverse design in large and diverse design spaces 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.559669 PMID:40514961	research paper	本文探讨了在纳米光子学逆向设计中应用主动学习技术以提高样本效率和模型训练效果	提出了一种主动学习驱动的逆向设计方法，能够在训练数据集生成上实现高达82%的减少，同时保持与随机数据集训练模型相当的性能	虽然在小设计子集上表现良好，但在现代纳米制造可访问的完整设计空间中的可扩展性仍是一个挑战	探索在纳米光子学逆向设计中应用主动学习技术以提高样本效率和模型训练效果	周期性光学超表面的逆向设计，包括36种不同的形状类别以及厚度和间距的广泛变化	纳米光子学	NA	主动学习	deep learning	NA	NA
405	2025-06-16	High-quality full stokes polarimetric spectroscopy reconstruction using a model-compensated physics-informed neural network for channeled spectropolarimetry 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.553344 PMID:40514982	research paper	该论文提出了一种模型补偿的物理信息神经网络（MC-PINN），用于提高通道光谱偏振测量（CSP）中全斯托克斯参数光谱的重建质量	结合改进的物理模型与深度学习，通过预测网络和补偿网络减少模型误差，提升重建性能	未提及具体的数据限制或实验条件限制	提高通道光谱偏振测量（CSP）中光谱重建的准确性和可靠性	全斯托克斯参数光谱	光学测量	NA	通道光谱偏振测量（CSP）	模型补偿的物理信息神经网络（MC-PINN）	光谱数据	未提及具体样本数量
406	2025-06-16	Target detection enhancement method through multi-dimensional information differential projection and fusion 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.560839 PMID:40515020	research paper	提出了一种通过多维信息差分投影与融合的目标检测增强方法，基于自主研发的光谱偏振成像系统	创新性地提出了基于偏振角度纯化的目标检索算法和新的投影与融合策略，有效利用和增强目标与背景的多维差异	需要获取和处理大规模数据，在复杂场景中检测目标仍面临对比度降低、空间结构丢失和背景杂乱等挑战	提升复杂场景中目标检测的能力	复杂自然环境中具有遮挡、伪装和形状损失的目标	computer vision	NA	spectral polarization imaging (SPI)	deep learning	image	复杂自然环境（如草地、林地和天空）中的目标
407	2025-06-16	Fast and accurate active alignment of camera lenses with physics-informed deep learning 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.560123 PMID:40515030	研究论文	本文提出了一种基于物理信息深度学习的相机镜头主动对准（AA）流程，旨在提高大规模制造中的对准速度和精度	结合数据驱动和物理驱动的损失策略训练物理信息公差估计神经网络（TolNet），实现快速且物理上合理的公差估计	未明确提及实验样本的具体数量或多样性	提高光学系统（如智能手机镜头）大规模制造中的主动对准效率和精度	相机镜头的主动对准过程	计算机视觉	NA	物理信息深度学习	TolNet（物理信息公差估计神经网络）	点扩散函数（PSFs）图像数据	NA
408	2025-06-16	Fine lightning segmentation algorithm based on frequency domain denoising 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.559651 PMID:40515038	research paper	提出了一种基于频域去噪的精细闪电分割算法，解决了闪电图像分割中的多个挑战	提出了FD-FLSNet模型，结合频域去噪、多尺度特征融合和闪电形态校准注意力机制，提高了闪电细分支的检测精度	未明确提及具体的数据集规模或实际应用场景的局限性	提高闪电图像分割的精度和鲁棒性，特别是在复杂背景和弱光条件下	闪电图像	computer vision	NA	频域去噪、多尺度特征融合、小波下采样	U2-Net+ (W-structured), FD-FLSNet	image	NA
409	2025-06-16	Reconstruction of partially obscured objects with a physics-driven self-training neural network 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.557508 PMID:40515045	研究论文	本文研究了一种基于人工智能的支持相干太赫兹辐射的在线全息成像技术，旨在从仅记录辐射功率而非相位的探测器图像中重建三维场景	提出了一种利用物理信息深度学习算法重建部分相互遮挡物体的新方法，结合角谱理论作为先验知识生成合成数据集，并通过自训练物理信息神经网络进行迭代预测和训练	NA	从仅记录辐射功率而非相位的探测器图像中重建三维场景	部分相互遮挡的物体	计算机视觉	NA	相干太赫兹辐射成像	物理信息神经网络(NN)	图像	模拟和实验数据
410	2025-06-16	Status calibration of a pulse shaping system for the high power laser facility based on deep learning 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.563586 PMID:40515065	研究论文	本文提出了一种基于深度学习的模型，用于校准高功率激光设施前端系统中的脉冲整形闭环控制系统的初始操作状态	采用U型结构集成残差连接作为核心网络，并结合KAN和TCN的注意力机制，快速建立光学波形与整形电信号之间的非线性映射	NA	实现高功率激光设施前端系统中高精度、高效率的激光脉冲整形	脉冲整形闭环控制系统的初始操作状态	机器学习	NA	深度学习	U型网络集成残差连接，结合KAN和TCN	光学波形数据	基于SG-II设施前端系统收集的脉冲波形数据集
411	2025-06-16	Design of multifunctional tunable dual-layer metalens based on deep learning 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.559557 PMID:40515081	研究论文	提出了一种基于深度学习的双层可调多功能超透镜设计，以解决单独可调超原子复杂控制和单层整体可调超透镜调制性能有限的问题	利用基于可调BTO材料的整体调制设计双层可调多功能超透镜，结合深度学习算法加速设计过程，并引入频带嵌入方法预测高频响应	未提及实际制造中的具体挑战或实验验证结果	设计一种能够快速切换不同功能的多功能可调超透镜	双层可调多功能超透镜	计算机视觉	NA	深度学习	transformer	模拟数据	100,000个任意几何超原子
412	2025-06-16	Optimizing breast lesions diagnosis and decision-making with a deep learning fusion model integrating ultrasound and mammography: a dual-center retrospective study 2025-May-14, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02033-6 PMID:40369585	研究论文	本研究开发了一个深度学习融合模型（DL-UM），整合超声和乳腺X线摄影图像，以提高乳腺病变的诊断和管理	首次整合超声和乳腺X线摄影图像的深度学习模型，特别针对BI-RADS分类不一致的情况，显著提高了诊断性能	研究为回顾性设计，样本来自两个医疗中心，可能存在选择偏倚	优化乳腺病变的诊断和决策过程	1283名乳腺病变女性患者的超声和乳腺X线摄影图像	数字病理	乳腺癌	深度学习图像融合	深度学习融合模型（DL-UM）	图像	1283名女性患者的超声和乳腺X线摄影图像
413	2025-06-16	Fading suppression method based on redundant data within the spatial resolution and deep learning for a Φ-OTDR system 2025-May-05, Optics express IF:3.2Q2 DOI:10.1364/OE.555768 PMID:40515092	研究论文	提出一种基于空间分辨率内冗余数据和深度学习的Φ-OTDR系统衰落抑制方法	提出了一种无需修改传统Φ-OTDR设置的MDS-DNN方法，利用多通道数据合成和LSTM网络自动学习多通道数据与理想传感信号之间的相关性	未提及具体局限性	提高Φ-OTDR系统的信噪比并抑制干扰衰落噪声	相位敏感光时域反射计(Φ-OTDR)系统	信号处理	NA	深度学习	LSTM	多通道传感数据	实际Φ-OTDR系统收集的数据
414	2025-06-16	Fixed-attention mechanism for deep-learning-assisted design of high-degree-of-freedom 3D metamaterials 2025-May-05, Optics express IF:3.2Q2 DOI:10.1364/OE.557837 PMID:40515111	研究论文	提出了一种固定注意力机制的深度学习框架，用于高效设计高自由度3D超材料	引入固定注意力机制到深度学习框架中，显著提高了预测精度并降低了计算成本	NA	解决高自由度超材料设计中的计算挑战	3D等离子体结构（由金纳米棒组成）	机器学习	NA	NA	LSTM	几何参数	NA
415	2025-06-16	DLLP: a deep learning-based layer prediction network for three-dimensional fluorescence microscopy 2025-May-05, Optics express IF:3.2Q2 DOI:10.1364/OE.553587 PMID:40515198	research paper	介绍了一种基于深度学习的层预测网络（DLLP），用于三维荧光显微镜成像，显著提高了成像速度和质量	结合CNN与IDMA机制的Transformer架构，提出了一种新的断层预测技术，可将三维显微镜扫描层数减少70%以上，同时保持光通量和图像保真度	未提及具体样本量或实验数据规模	解决在无需额外光学硬件的情况下，实现高光通量和快速成像速度的挑战	三维荧光显微镜成像	computer vision	NA	STED显微镜、FMOST显微镜、多光子显微镜、光片显微镜	CNN、Transformer	image	NA
416	2025-06-16	A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumor marker prognostic study 2025-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002322 PMID:40085751	研究论文	开发一种基于深度学习的临床-放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂(ICIs)转化治疗的持久临床获益(DCB)	结合放射组学特征、深度学习评分和临床变量构建集成模型，首次在预测ICIs治疗反应中展示出色准确性，并与多种免疫相关机制相关联	研究样本量未明确说明，模型在测试集的AUC(0.88)较训练集(0.96)有所下降	预测肝细胞癌患者对免疫检查点抑制剂转化治疗的反应	潜在可转化的肝细胞癌(HCC)患者	数字病理	肝细胞癌	CT成像、放射组学分析、bulk RNA和DNA测序	深度学习模型(具体架构未说明)	医学影像(CT)、临床数据、基因组数据	NA
417	2025-06-16	Trade-offs between machine learning and deep learning for mental illness detection on social media 2025-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99167-6 PMID:40281061	研究论文	该研究比较了机器学习和深度学习模型在社交媒体文本数据上检测心理健康状况的效果	系统评估了ML和DL模型在心理健康分类任务中的权衡，包括准确性、可解释性和计算效率	研究仅基于中等规模数据集，未探讨超大规模数据下的表现差异	比较不同建模方法在心理健康状况分类任务中的表现	社交媒体用户关于抑郁、焦虑和自杀意念的文本讨论	自然语言处理	心理健康疾病	文本分类	logistic regression, random forest, LightGBM, ALBERT, GRU	文本	中等规模数据集（具体数量未提及）
418	2025-06-16	Automated assessment of simulated laparoscopic surgical skill performance using deep learning 2025-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96336-5 PMID:40253514	研究论文	本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现	引入了新收集的模拟腹腔镜手术性能数据集（LSPD），并采用3DCNN和弱监督方法对手术经验水平进行分类	数据集可能受限于模拟环境，未涉及真实手术场景的复杂性	通过AI技术改进手术训练和性能分析，减少对人工专家评估的依赖	模拟腹腔镜手术视频数据	计算机视觉	NA	3DCNN	3DCNN	视频	包含不同技能水平（新手、实习生、专家）的手术模拟视频
419	2025-04-17	Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe AKI 2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000695 PMID:40232856	research paper	开发并验证了一种结合结构化和非结构化数据的深度学习模型，用于预测中度至重度急性肾损伤	首次结合结构化数据和非结构化临床笔记信息，采用中间融合的深度学习循环神经网络架构来预测急性肾损伤	研究排除了入院时血清肌酐≥3.0mg/dL、48小时内需要透析等特定患者群体	开发能够早期预测中度至重度急性肾损伤的深度学习模型	成年住院患者（≥18岁）	digital pathology	acute kidney injury	deep learning, natural language processing	recurrent neural network (RNN)	structured clinical data and unstructured clinical notes	424,579例住院患者（推导队列339,998例，验证队列84,581例）
420	2025-06-16	Artificial Intelligence Applications in Image-Based Diagnosis of Early Esophageal and Gastric Neoplasms 2025-Mar-03, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.01.253 PMID:40043857	research paper	本文探讨了人工智能在早期食管和胃肿瘤图像诊断中的应用及其潜力	利用深度学习和卷积神经网络提高诊断准确性，减少诊断变异性，特别是在人类错误或疲劳可能影响诊断精度的情况下	训练数据集的多样性受限且多来自专业中心，可能影响AI模型在不同临床环境中的普适性；部分AI系统的'黑箱'特性可能阻碍其可解释性和临床医生的信任	探索人工智能在上消化道疾病管理中的应用，特别是在早期癌症检测和治疗规划中的潜力	巴雷特食管、食管鳞状细胞癌和早期胃癌等上消化道疾病	digital pathology	esophageal cancer, gastric cancer	deep learning, convolutional neural networks	CNN	image	NA