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
4701	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，用于识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	未提及具体样本数量
4702	2025-03-12	Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.05.578983 PMID:38370616	研究论文	本文利用去噪扩散模型生成反事实MRI图像，以检测阿尔茨海默病对大脑解剖结构的影响	首次将条件潜在扩散模型（LDM）和去噪扩散概率模型（DDPM）应用于生成合成MRI图像，并通过反事实图像生成个性化疾病图谱	训练数据集大小、计算时间和内存资源的限制	研究阿尔茨海默病对大脑解剖结构的影响，并生成可解释的AI图谱	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	去噪扩散模型	条件潜在扩散模型（LDM）、去噪扩散概率模型（DDPM）、3D CNN	3D T1加权MRI图像	500个真实训练扫描
4703	2025-03-12	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的算法，用于通过术前心电图预测术后死亡率	利用深度学习分析心电图波形信号，识别术后死亡率的隐藏风险标志物，超越了传统修订心脏风险指数（RCRI）的预测能力	研究仅基于美国三个医疗系统的数据，可能在其他地区或医疗系统中的适用性有待验证	开发一种能够准确预测接受医疗手术患者术后死亡率的预后模型	接受术前心电图诊断测试的患者	机器学习	心血管疾病	深度学习	深度学习算法	心电图波形图像	45,969名患者，共112,794份心电图
4704	2025-03-12	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	本文介绍了一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示，以进行快速分析	SAMPLER通过编码多尺度瓦片级别特征的累积分布函数来生成幻灯片级别表示，无需监督且计算效率高	尽管SAMPLER在速度和效果上表现出色，但其在外部验证数据集上的表现仍需进一步验证	开发一种无监督且快速的方法，用于生成全切片组织图像的幻灯片级别表示，以进行下游分析	乳腺癌（BRCA）、非小细胞肺癌（NSCLC）和肾细胞癌（RCC）的全切片图像	数字病理学	乳腺癌、非小细胞肺癌、肾细胞癌	深度学习	无监督模型	图像	来自The Cancer Genome Atlas (TCGA)的BRCA、NSCLC和RCC全切片图像
4705	2025-03-12	Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104933 PMID:38103513	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4706	2025-03-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 2023-Dec-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.15.571938 PMID:38187601	研究论文	本研究评估了六种脑电图（EEG）数据增强方法在深度学习用于重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型在重复训练数据上进行训练，以消除由于比较不同大小训练集性能而引入的偏差	研究结果仅限于特定的数据集和模型，可能不适用于其他情况	评估数据增强方法在深度学习用于重度抑郁症诊断中的效用	重度抑郁症患者	机器学习	重度抑郁症	EEG数据增强	深度学习模型	原始脑电图数据	未明确说明样本数量
4707	2025-03-12	Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients 2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.01.015 PMID:36754100	研究论文	本文介绍了EchoNet-Peds，一种基于视频的深度学习算法，用于自动评估儿科患者的左心室射血分数（EF）	EchoNet-Peds是首个专门针对儿科患者开发的深度学习算法，能够匹配人类专家在左心室分割和射血分数评估方面的表现	尽管EchoNet-Peds在儿科数据上表现优异，但其在成人数据上的适用性尚未验证	开发一种自动化工具，用于准确评估儿科患者的左心室射血分数和识别收缩功能障碍	儿科患者的超声心动图数据	计算机视觉	心血管疾病	深度学习	CNN	视频	4,467个儿科超声心动图
4708	2025-03-12	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	本文介绍了一种新颖的深度学习方法，用于从多梯度回波（mGRE）MRI数据中鲁棒且加速地重建定量且B0不均匀性校正的R2*图像	RoAR方法采用自监督学习策略，无需真实R2*图像，且在训练过程中仅需F函数，应用时则不需要，显著提高了计算速度和噪声鲁棒性	NA	开发一种深度学习方法，用于从mGRE MRI数据中重建定量且B0不均匀性校正的R2*图像	多梯度回波（mGRE）MRI数据	计算机视觉	NA	mGRE MRI	CNN	图像	NA
4709	2025-03-11	In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127762 PMID:39999584	研究论文	本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性	结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能	NA	提高LIBS作为高精度分析工具的性能	金属样品的连续LIBS烧蚀过程	机器学习和光谱分析	NA	拉曼光谱和激光诱导击穿光谱（LIBS）	深度卷积神经网络（CNN）	光谱数据	NA
4710	2025-03-11	Intelligent characterization multi-components in Yangxinshi tablet by online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry combined with deep learning-assisted mass defect filtering classification and multidimensional data annotation strategy 2025-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127821 PMID:40020613	研究论文	本文建立了一种智能分析养心氏片（YXST）中多种化学成分的综合表征策略	开发了深度学习辅助的质量缺陷过滤智能分类、优选离子捕获列表和主动排除（DLA-MDF-PIL-AE）数据采集模式，结合在线二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS）技术	NA	智能分析养心氏片中的多种化学成分	养心氏片（YXST）中的化学成分	自然语言处理	NA	在线二维液相色谱-四极杆飞行时间质谱（2DLC-Q-TOF-MS/MS）	深度学习	质谱数据	228种化合物，包括80种黄酮类、52种生物碱、36种酚酸、15种萜类、17种皂苷和28种其他化合物
4711	2025-03-11	DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108376 PMID:39986257	研究论文	本文提出了一种基于深度Kronecker卷积神经网络（DKCN-Net）和联邦学习的肺部疾病检测方法	结合了联邦学习（FL）和深度Kronecker卷积神经网络（DKCN-Net），在保护隐私的同时实现高精度的肺部疾病检测	未提及具体的数据集大小或模型在其他数据集上的泛化能力	开发一种能够在保护隐私的同时实现高精度肺部疾病检测的深度学习模型	肺部疾病检测	计算机视觉	肺癌	联邦学习（FL）、深度模糊聚类（DFC）、3D全卷积神经网络（3D-FCN）	DKCN-Net（深度Kronecker卷积神经网络）	CT图像	NA
4712	2025-03-11	Learning from leading indicators to predict long-term dynamics of hourly electricity generation from multiple resources 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107268 PMID:39987713	研究论文	本文提出了一种基于领先指标的深度学习方法ALI-GRU，用于预测多资源和多区域的长期电力生成动态	提出了ALI-GC模型用于全球能源源相互作用的综合建模，并提出了ALI-GRU深度学习模型用于长期电力生成预测	NA	通过长期预测多资源和多区域的电力生成，帮助实现电力平衡并为目标调整创建足够的缓冲	美国2018年至2024年的区域级每小时电力生成数据	机器学习	NA	深度学习	ALI-GRU	时间序列数据	2018年至2024年的美国区域级每小时电力生成数据
4713	2025-03-11	Taylor-dingo optimized RP-net for segmentation toward Alzheimer's disease detection and classification using deep learning 2025-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108359 PMID:39987743	研究论文	本文提出了一种名为RP-Net_TaylorDOX-based DNFN的新方案，用于从输入图像中分类阿尔茨海默病（AD）	创新点在于结合了泰勒级数和Dingo优化器（TaylorDOX）来调整RP-Net的参数，并使用深度卷积神经网络（DCNN）和深度神经模糊网络（DNFN）进行AD检测和严重程度分类	未明确提及研究的局限性	研究目的是通过深度学习技术对阿尔茨海默病进行检测和分类	研究对象是用于AD严重程度分类的脑部图像	计算机视觉	老年病	深度学习	RP-Net, DCNN, DNFN	图像	未明确提及样本数量
4714	2025-03-11	A novel deep learning model combining 3DCNN-CapsNet and hierarchical attention mechanism for EEG emotion recognition 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107267 PMID:40010290	研究论文	本文提出了一种结合3DCNN-CapsNet和分层注意力机制的新型深度学习模型HA-CapsNet，用于EEG情绪识别	HA-CapsNet模型结合了3DCNN-CapsNet和分层注意力机制，能够捕捉通道间相关性以及每个频段的贡献，相比传统CNN提取更多空间特征信息	NA	提高EEG情绪识别的准确性和鲁棒性	EEG信号	机器学习	NA	深度学习	3DCNN-CapsNet, 分层注意力机制	EEG信号	DEAP和DREAMER数据集
4715	2025-03-11	Advertising or adversarial? AdvSign: Artistic advertising sign camouflage for target physical attacking to object detector 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107271 PMID:40010291	研究论文	本文提出了一种名为AdvSign的艺术广告标志伪装方法，用于在自动驾驶场景中对目标物体检测器进行物理攻击	提出了一种结合艺术图案的广告标志伪装方法，增强了物理攻击的隐蔽性和不可追踪性，并引入了具有艺术图案约束的新型损失函数	主要依赖于模拟环境（CARLA自动驾驶模拟器）进行实验，实际环境中的效果可能有所不同	开发一种在物理环境中对深度学习模型进行隐蔽且难以追踪的对抗攻击方法	自动驾驶场景中的物体检测器	计算机视觉	NA	对抗训练	YOLOv5	图像	模拟环境中的复合场景图像和真实世界中的打印AdvSign图像
4716	2025-03-11	CNN-Transformer and Channel-Spatial Attention based network for hyperspectral image classification with few samples 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107283 PMID:40010294	研究论文	本文提出了一种名为CTA-net的新算法，用于在少量样本情况下进行高光谱图像分类	提出了一种样本扩展方案以生成大量新样本，并引入了一种基于CNN-Transformer的高光谱分类网络，结合了CNN的局部特征提取和Transformer的非局部特征提取，以及通道-空间注意力模块进一步优化特征	NA	解决高光谱图像分类在少量样本情况下的挑战	高光谱图像	计算机视觉	NA	NA	CNN-Transformer	图像	多个高光谱图像数据集
4717	2025-03-11	Two algorithms for improving model-based diagnosis using multiple observations and deep learning 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107185 PMID:39862533	研究论文	本文提出了两种新算法，通过整合多观察和深度学习技术来增强基于模型的诊断（MBD）	提出了两种新算法Discret2DiMO和Discret2DiMO-DC，通过整合多观察和深度学习技术显著提高了MBD的诊断准确性和计算效率	实验仅在模拟的三罐模型上进行，未在真实世界系统中验证	提高基于模型的诊断（MBD）的准确性和计算效率	基于模型的诊断（MBD）	人工智能	NA	深度学习	NA	模拟数据	模拟的三罐模型
4718	2025-03-11	Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107152 PMID:39874821	研究论文	本研究提出了一种新颖的音频-视觉语音增强系统，通过动态调整音频和视觉端点信息权重，基于环境噪声水平，有效整合音频和视觉信息，提高语音质量和可懂度	提出了一种基于SNR估计的动态权重调制技术，使模型能够根据环境噪声水平动态调整音频和视觉信息的权重，从而在广泛的SNR范围内提高语音增强效果	研究主要基于基准数据集进行实验，未在真实世界的多样化噪声环境中进行广泛验证	提高音频-视觉语音增强系统的性能，特别是在广泛SNR范围内的噪声环境中	音频和视觉语音信号	自然语言处理	NA	动态权重调制技术	Endpoint-Aware Network (EANet)	音频和视觉数据	基准数据集
4719	2025-03-11	Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110339 PMID:39880177	研究论文	本研究旨在通过深度学习整合MRI影像组学特征和临床数据，预测乳腺癌患者的血管侵犯情况	首次将MRI影像组学特征与临床数据结合，利用深度学习模型进行乳腺癌血管侵犯的术前预测	样本量较小（102例），且为回顾性研究，可能影响模型的泛化能力	提高乳腺癌患者术前血管侵犯预测的准确性，以辅助手术规划和患者管理	102例经手术病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	MRI影像组学	深度学习	图像和临床数据	102例乳腺癌患者
4720	2025-03-11	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于Swin UNETR架构的深度学习技术，用于自动分割脑肿瘤定量DCE-MRI中的大血管，并与U-Net和Attention U-Net架构进行了比较	首次将Swin UNETR架构应用于脑肿瘤定量DCE-MRI中的大血管分割，并展示了其在准确性和泛化能力上的优势	研究仅使用了来自两个中心和两种场强磁共振扫描仪的MRI数据，可能限制了模型的广泛适用性	提高脑肿瘤自动分级的准确性，并改进治疗计划	脑肿瘤患者的大血管	计算机视觉	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据