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
4181	2025-03-29	Hybrid fruit bee optimization algorithm-based deep convolution neural network for brain tumour classification using MRI images 2025-Mar-28, Network (Bristol, England) DOI:10.1080/0954898X.2025.2476079 PMID:40151966	research paper	该研究提出了一种基于混合水果蜜蜂优化算法的深度卷积神经网络（HFBO-based DCNN），用于MRI图像的脑肿瘤分类	结合了混合水果蜜蜂优化算法（HFBO）和深度卷积神经网络（DCNN）以提高脑肿瘤分类的准确性	未提及对不同类型脑肿瘤的分类效果是否一致，也未讨论算法在更大规模数据集上的泛化能力	提高脑肿瘤分类的准确性	MRI图像中的脑肿瘤	digital pathology	brain tumor	MRI	DCNN, HFBO	image	NA
4182	2025-03-29	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Mar-28, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	研究论文	开发并验证了一种基于卷积神经网络（CNN）的自动化系统，用于测量脊柱侧凸的多种参数	提出了一种全自动的CNN方法，能够测量多种脊柱参数，而不仅仅局限于Cobb角，且无需人工干预	研究为单机构回顾性研究，样本量相对有限，且未进行外部验证	开发一种自动化工具以提高脊柱侧凸诊断的准确性和效率	脊柱侧凸患者的放射影像	计算机视觉	脊柱侧凸	深度学习	CNN	影像	1682名患者的放射影像（包括87名青少年和26名老年人）
4183	2025-03-29	Multichannel Contribution Aware Network for Prostate Cancer Grading in Histopathology Images 2025-Mar-28, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0872 PMID:40152893	研究论文	提出一种新型深度学习模型，通过整合多种染色特征自动进行前列腺癌分级	利用图像解卷积分离组织病理学图像中的多个染色通道，设计基于通道和像素注意力的编码器及双分支解码器，有效融合不同染色通道的特征	未提及模型在临床环境中的实际应用效果及泛化能力验证	提高前列腺癌组织病理学图像分级的准确性	前列腺组织病理学图像	数字病理学	前列腺癌	图像解卷积	CNN与Transformer混合架构	图像	公开数据集（未说明具体样本量）
4184	2025-03-29	Deep Learning Accelerates the Development of Antimicrobial Peptides Comprising 15 Amino Acids 2025-Mar-27, Assay and drug development technologies IF:1.6Q3 DOI:10.1089/adt.2025.011 PMID:40139786	research paper	该研究利用深度学习加速了由15个氨基酸组成的抗菌肽的开发	使用深度学习技术加速抗菌肽的开发过程	NA	加速抗菌肽的开发	由15个氨基酸组成的抗菌肽	machine learning	NA	深度学习	NA	NA	NA
4185	2025-03-29	Inverse RL Scene Dynamics Learning for Nonlinear Predictive Control in Autonomous Vehicles 2025-Mar-27, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3549816 PMID:40146653	研究论文	本文介绍了一种基于深度学习的非线性模型预测控制器（DL-NMPC-SD）方法，用于自动驾驶导航	提出了一种结合先验名义车辆模型和从时间范围传感信息学习的场景动力学模型的方法，利用深度神经网络编码场景动力学模型，并通过逆强化学习和贝尔曼最优性原理训练学习控制器	实验仅在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行，实际应用中的复杂场景可能未完全覆盖	开发一种高效的自动驾驶导航控制器	自动驾驶车辆	机器学习	NA	逆强化学习（IRL）、深度Q学习（DQL）	深度神经网络	时间序列的测距传感观测和系统状态	在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行实验
4186	2025-03-29	3D MR Neurography of craniocervical nerves: comparing DESS and post-contrast STIR with deeplearning-based reconstruction at 1.5T 2025-Mar-26, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8750 PMID:40139904	研究论文	比较DESS和对比后STIR序列在1.5T下使用深度学习重建的3D MR神经成像中对颅外神经和脊神经的成像效果	首次在头颈部区域使用深度学习重建技术比较DESS和对比后STIR序列的神经成像效果	样本量较小（18例），且仅在一个场强（1.5T）下进行研究	评估不同MRI序列在头颈部神经成像中的表现	颅外神经和脊神经（如下牙槽神经、舌神经、面神经等）	数字病理	头颈部疾病	3D MR神经成像、深度学习重建	深度学习算法	MRI图像	18例患者（平均年龄51±14岁，11名女性）
4187	2025-03-29	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-Mar-26, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究评估了低管电压4D-CT血管造影（CTA）结合低对比剂用量和深度学习重建（DLR）在选择性肾动脉栓塞中的可行性	结合低管电压、低对比剂用量和DLR技术，探索减少辐射和对比剂使用的同时保持诊断质量的4D-CTA新方法	需进一步临床验证以确认在真实临床环境中的效果	评估低辐射剂量和低对比剂用量的4D-CTA技术在肾动脉成像中的可行性	模拟对比增强血管的定制体模	数字病理	肾脏疾病	4D-CT血管造影（CTA）	深度学习重建（DLR）	图像	7名放射科医师参与的定性评估
4188	2025-03-29	ONNXPruner: ONNX-Based General Model Pruning Adapter 2025-Mar-25, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3554560 PMID:40131753	研究论文	提出了一种名为ONNXPruner的通用模型修剪适配器，用于ONNX格式模型，以简化跨深度学习框架和硬件平台的适配过程	ONNXPruner采用了节点关联树的新方法，自动适应各种模型架构，并通过树级评估方法提升修剪性能	未提及具体的性能瓶颈或适用范围限制	推动模型修剪的实际应用，解决算法在不同模型和平台上的适配问题	ONNX格式的深度学习模型	机器学习	NA	模型修剪	ONNX格式模型	模型参数和结构数据	多个模型和数据集（未提及具体数量）
4189	2025-03-29	Concerns regarding deployment of AI-based applications in dentistry - a review 2025-Mar-25, BDJ open IF:2.5Q2 DOI:10.1038/s41405-025-00319-7 PMID:40133287	review	本文探讨了在牙科领域部署基于AI的应用程序时可能遇到的潜在问题，特别是过分关注技术性能指标而忽视临床适用性的重要性	强调了在牙科AI应用中，除了技术验证外，进行实际部署研究的重要性	研究中仅有一家公司回应并提供试用版本，不足以全面评估应用程序的有效性	评估AI在牙科诊断、治疗规划和预后中的临床应用及其挑战	牙科AI应用程序	digital pathology	NA	Deep Learning, Machine Learning	NA	NA	44项研究（34项来自电子搜索，10项来自手动搜索）
4190	2025-03-29	The invisible architects: microbial communities and their transformative role in soil health and global climate changes 2025-Mar-25, Environmental microbiome IF:6.2Q1 DOI:10.1186/s40793-025-00694-6 PMID:40133952	综述	本文综述了土壤微生物群落对土壤健康和全球气候变化的影响及其机制	提出了基于深度学习的合成微生物群落开发方法，以改善土壤健康和缓解气候变化	NA	探讨微生物如何改变土壤生态系统及其在应对土壤威胁和全球气候变化中的潜力	土壤微生物群落及其对土壤环境的影响	微生物生态学	NA	深度学习	NA	NA	NA
4191	2025-03-29	TCDE-Net: An unsupervised dual-encoder network for 3D brain medical image registration 2025-Mar-23, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102527 PMID:40147215	research paper	提出了一种基于双编码器架构的无监督医学图像配准网络TCDE-Net，用于3D脑部医学图像配准	双编码器互补特征提取，增强模型处理大规模非线性形变和捕捉局部细节的能力，并引入细节增强注意力模块恢复细粒度特征	未明确提及具体局限性	提高医学图像配准的精度和鲁棒性，特别是在处理复杂形变和高分辨率图像时	3D脑部医学图像	digital pathology	NA	深度学习	dual-encoder network	3D image	OASIS, IXI, and Hammers-n30r95 3D脑部MR数据集
4192	2025-03-29	Protein Biomarkers of DNA Damage in Yeast Cells for Genotoxicity Screening 2025-Mar-21, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.4c00160 PMID:40144325	研究论文	该研究创建了一个包含酵母细胞DNA损伤响应网络的图谱，并鉴定了15个蛋白质生物标志物，用于基因毒性筛选	提出了一个基于GFP融合酵母的蛋白质组学检测方法，具有分钟级通路激活数据分辨率，为快速、高效和机制性的基因毒性筛选提供了简洁替代方案	NA	开发一种无偏且全面的DNA损伤响应检测方法，用于基因毒性物质的筛选	酵母细胞	分子生物学	NA	GFP融合技术、蛋白质组学检测	统计模型、深度学习模型	蛋白质效应水平指数(PELI)	NA
4193	2025-03-29	Mathematical expression exploration with graph representation and generative graph neural network 2025-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107405 PMID:40147161	研究论文	本文提出了一种基于图表示和生成图神经网络的数学表达式探索方法，名为GraphDSR	采用有向无环图（DAG）表示数学表达式，并结合生成图神经网络进行符号回归任务，避免了树表示中的冗余子结构	未明确提及具体局限性	解决符号回归任务，探索数学表达式的更优表示和生成方法	数学表达式	机器学习	NA	生成图神经网络，强化学习	GNN	图数据	110个基准测试
4194	2025-03-29	Prediction of Water Chemical Oxygen Demand with Multi-Scale One-Dimensional Convolutional Neural Network Fusion and Ultraviolet-Visible Spectroscopy 2025-Mar-20, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030191 PMID:40136845	研究论文	提出了一种基于多尺度一维卷积神经网络融合和紫外-可见光谱的水化学需氧量预测方法	设计了一种新颖的多尺度一维卷积神经网络融合模型，用于光谱特征提取和COD预测，显著提高了预测精度	未提及具体的数据集规模或模型在不同水质条件下的泛化能力	提高水化学需氧量(COD)的预测准确性，以实现更可靠和高效的水质监测	水质监测中的化学需氧量(COD)	机器学习	NA	紫外-可见光谱(UV-Vis)	多尺度一维卷积神经网络(MS-1D-CNN)	光谱数据	未提及具体样本数量
4195	2025-03-29	Machine Learning for Human Activity Recognition: State-of-the-Art Techniques and Emerging Trends 2025-Mar-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030091 PMID:40137203	综述	本文全面回顾了人类活动识别（HAR）的技术，重点关注基于传感器、视觉和混合方法的整合	探讨了传统机器学习方法与深度学习的最新进展，如卷积和循环神经网络、注意力机制及强化学习框架	HAR仍面临环境变化处理、模型可解释性及复杂现实场景中高识别准确率的挑战	提升HAR技术的可靠性和适用性，以应对多样化领域的应用需求	人类活动识别技术及其应用	机器学习	NA	传感器技术、深度学习	CNN, LSTM, 注意力机制, 强化学习框架	RGB图像/视频、深度传感器数据、运动捕捉系统数据、可穿戴设备数据、雷达和Wi-Fi信道状态信息	NA
4196	2025-03-29	Comparative Evaluation of Deep Learning Models for Diagnosis of Helminth Infections 2025-Mar-20, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15030121 PMID:40137437	研究论文	本研究评估了深度学习模型在准确分类蛔虫和绦虫卵显微图像中的效果，提出了一种技术增强的临床诊断方法	使用先进的深度学习模型（ConvNeXt Tiny、EfficientNet V2 S和MobileNet V3 S）进行蛔虫卵分类，展示了高准确率	研究未提及模型在真实临床环境中的泛化能力或对不同种类寄生虫卵的适用性	评估深度学习模型在寄生虫感染诊断中的效果，提高诊断准确性和效率	蛔虫（Ascaris）和绦虫（Taenia）的卵以及未感染的卵	计算机视觉	寄生虫感染	深度学习	ConvNeXt Tiny, EfficientNet V2 S, MobileNet V3 S	图像	包含蛔虫、绦虫和未感染卵的多样化数据集
4197	2025-03-29	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Mar-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	research paper	本研究探讨了DenseNet架构在头颈癌患者预后预测中的表现，并与现有先进深度学习模型进行了比较	使用优化的DenseNet架构和图像融合策略，在外部测试集上表现优于现有先进模型	研究仅针对口咽癌患者，结果可能不适用于其他类型的头颈癌	比较DenseNet架构与现有先进深度学习模型在头颈癌预后预测中的性能	口咽癌患者的PET和CT图像数据	digital pathology	oropharyngeal cancer	PET和CT图像分析	DenseNet	image	889名口咽癌患者（489名来自HECKTOR 2022数据集，400名来自研究中心的额外数据集）
4198	2025-03-29	Recovering Image Quality in Low-Dose Pediatric Renal Scintigraphy Using Deep Learning 2025-Mar-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030088 PMID:40137200	研究论文	本研究提出了一种先进的图像增强策略，旨在解决儿科肾闪烁扫描中减少辐射剂量的挑战	评估了四种去噪神经网络在低剂量儿科肾闪烁扫描中的应用，发现UDnCNN在信噪比和多尺度结构相似性之间取得了最佳平衡	研究仅基于公开数据库的数据，未涉及实际临床环境中的验证	开发一种深度学习方法来提高低剂量儿科肾闪烁扫描的图像质量，以减少患者的辐射暴露	儿科肾闪烁扫描图像	数字病理	儿科肾病	深度学习	DnCNN, UDnCNN, DUDnCNN, AttnGAN	图像	来自公共动态肾闪烁扫描数据库的数据
4199	2025-03-29	Deep Learning-Based Semantic Segmentation for Objective Colonoscopy Quality Assessment 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030084 PMID:40137196	research paper	本研究旨在通过专门训练的深度学习语义分割神经网络客观评估结肠镜检查的整体质量	提出了一种基于深度学习的语义分割方法，能够识别和量化结肠黏膜、残留物和伪影的百分比，提供比波士顿肠道准备量表更全面和客观的评估	Cohen's Kappa值为0.28，表明与专家评估的一致性仅为一般水平	客观评估结肠镜检查的质量	结肠镜检查视频帧	digital pathology	NA	深度学习语义分割	semantic segmentation network	image	数千个结肠镜检查视频帧
4200	2025-03-29	Automatic Segmentation of Plants and Weeds in Wide-Band Multispectral Imaging (WMI) 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030085 PMID:40137197	研究论文	本文提出了一种基于宽带多光谱图像的植物和杂草自动分割算法，结合PIF-Net和优化的U-Net模型	结合PIF-Net进行特征提取与融合，并优化U-Net模型以实现高精度语义分割	研究仅基于CAVIAR数据集的多光谱图像场景，未在其他数据集上验证	开发一种高效的植物和杂草分割算法，以推动精准农业中的深度学习应用	植物和杂草	计算机视觉	NA	宽带多光谱成像(WMI)	PIF-Net, U-Net	多光谱图像	CAVIAR数据集中的场景