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
5181	2025-04-26	An air target intention data extension and recognition model based on deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98438-6 PMID:40263364	研究论文	提出了一种基于深度学习的空中目标意图数据扩展与识别模型IDERDL，用于解决空中目标意图识别中的数据稀缺和时间特征提取不足的问题	首次考虑了意图数据的稀缺性以及时间性，提出了基于去噪扩散模型的数据生成方法和基于扩张因果卷积的时间块，以提高战术意图识别能力	未明确提及模型在复杂战场环境中的泛化能力或实时性表现	提高空中目标意图识别的准确性和效率	空中目标的意图数据	机器学习	NA	去噪扩散模型、知识蒸馏、图注意力机制	IDERDL（基于深度学习的复合模型）	时序数据、特征编码数据	NA（未明确提及具体样本量）
5182	2025-04-26	Recognition of chlorophyll rings using YOLOv8 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98659-9 PMID:40263370	研究论文	本研究利用YOLOv8模型识别中尺度海洋涡旋外围的高叶绿素浓度区域（叶绿素环）	YOLOv8模型在叶绿素环识别中展现出卓越的泛化能力和高精度，超越了Swin-Transformer和ResNet等其他模型	NA	分析叶绿素浓度数据，研究海洋生态系统中叶绿素的分布和动态变化	中尺度海洋涡旋外围的叶绿素环	计算机视觉	NA	深度学习	YOLOv8	图像	NA
5183	2025-04-26	Revolutionizing Alzheimer's disease detection with a cutting-edge CAPCBAM deep learning framework 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98476-0 PMID:40263406	研究论文	本文介绍了一种名为CAPCBAM的深度学习框架，用于阿尔茨海默病的早期和准确诊断	CAPCBAM框架创新性地结合了Capsule Networks和Convolutional Block Attention Module (CBAM)，通过双重注意力策略提升了模型泛化能力和减少了信息损失	尽管Capsule Networks和注意力机制已有研究，但CAPCBAM的整合方式仍需进一步验证其广泛适用性	提高阿尔茨海默病的早期诊断准确率	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI图像分析	CAPCBAM（结合Capsule Networks和CBAM）	图像	ADNI数据集
5184	2025-04-26	Vocal performance evaluation of the intelligent note recognition method based on deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99357-2 PMID:40263420	研究论文	本研究旨在优化音符识别能力并提高声乐表演评估的准确性	结合门控循环单元和注意力机制优化CNN模型，提出A-GRCNN模型，显著提升了音符识别和声乐表演评估的准确性	未提及模型在其他音乐风格或复杂场景下的泛化能力	优化音符识别技术并提高声乐表演评估的准确性	音乐音符识别和声乐表演评估	机器学习	NA	深度学习	CNN, GRU, 注意力机制	音频信号	NA
5185	2025-04-26	The shallowest transparent and interpretable deep neural network for image recognition 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92945-2 PMID:40263436	research paper	本文介绍了一种完全透明的深度学习模型Shallow-ProtoPNet，用于图像识别，该模型通过透明的原型层和全连接层实现决策过程的透明化	Shallow-ProtoPNet不使用任何黑盒部分作为基线，是完全透明的深度学习模型，且仅包含两层（一个透明卷积层和一个全连接层），是现有最浅的透明深度神经网络	模型在X射线图像数据集上的性能与其他不完全透明的可解释模型相当，但未提及在其他类型数据集上的表现	开发一种完全透明的深度学习模型，以提高模型决策过程的可信度	X射线图像	computer vision	NA	NA	Shallow-ProtoPNet（基于原型的网络）	image	NA
5186	2025-04-26	Deep learning based adaptive and automatic measurement of palpebral margin in eyelid morphology 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93975-6 PMID:40263452	研究论文	本文提出了一种基于深度学习的自适应自动测量方法DeepAAM，用于眼睑形态的量化评估	首次引入Margin Iris Intersectant Angle (MIA)作为创新评估指标，并通过注意力机制和多种算法增强U-Net架构，提高了测量精度	模型在实际应用中仍面临挑战，且精度有待进一步提高	提高眼睑形态测量的准确性和自动化程度，以支持眼周整形手术的疾病治疗和手术规划	眼睑形态	计算机视觉	眼疾	深度学习	U-Net	图像	NA
5187	2025-04-26	Habesha cultural cloth classification using deep learning 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98269-5 PMID:40263488	研究论文	使用深度学习方法对埃塞俄比亚哈贝沙文化服饰进行分类	首次应用CNN模型（VGG16、VGG19和ResNet50v2）对哈贝沙克米斯刺绣设计进行识别和分类	样本量相对较小，仅包含320张原始图像，虽通过数据增强扩展到3,270张，但可能仍不足以覆盖所有可能的变体	识别和分类哈贝沙克米斯刺绣设计的质量	埃塞俄比亚哈贝沙文化服饰（哈贝沙克米斯）的刺绣设计	计算机视觉	NA	数字图像处理、CNN	VGG16、VGG19、ResNet50v2	图像	320张原始图像，通过数据增强扩展到3,270张
5188	2025-04-26	Efficient human activity recognition on edge devices using DeepConv LSTM architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98571-2 PMID:40263516	research paper	该研究旨在通过TinyML在边缘设备上部署轻量级深度学习模型进行人类活动识别（HAR）	DeepConv LSTM模型通过有效捕捉空间和时间特征，在轻量级模型中表现最佳，准确率达到98.24%，F1分数为98.23%	研究未提及模型在更复杂或多样化活动识别场景中的表现	开发并部署轻量级深度学习模型以实现高效的实时人类活动识别	人类活动识别（HAR）	machine learning	NA	TinyML	DeepConv LSTM, 2D CNN, 1D CNN	sensor data	NA
5189	2025-04-26	Deep learning based ensemble model for accurate tomato leaf disease classification by leveraging ResNet50 and MobileNetV2 architectures 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98015-x PMID:40263518	研究论文	本文提出了一种基于深度学习的集成模型，结合MobileNetV2和ResNet50架构，用于番茄叶片病害的精确分类	通过修改输出层（如GlobalAverage Pooling2D、Batch Normalization、Dropout和Dense层）优化特征提取，并融合两种模型的互补特征	NA	开发一种高精度的番茄叶片病害分类方法，以支持智能农业和可持续耕作	番茄叶片的病害分类	计算机视觉	植物病害	深度学习	ResNet50和MobileNetV2的集成模型	图像	11,000张标注图片，涵盖10种病害类别
5190	2025-04-26	Deep learning-aided segmentation combined with finite element analysis reveals a more natural biomechanic of dinosaur fossil 2025-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99131-4 PMID:40263619	研究论文	本研究结合深度学习和有限元分析技术，提出了一种新方法来更准确地模拟恐龙化石的生物力学特性	首次将深度学习分割技术与有限元分析结合应用于化石研究，能够更真实地反映灭绝物种的生物力学性能	仅应用于Jeholosaurus的股骨标本，尚未验证在其他化石上的普适性	研究灭绝物种的生物力学、功能形态学和分类学	Jeholosaurus(小型两足恐龙)的股骨化石标本	数字病理学	NA	有限元分析(FEA)和深度学习分割	深度学习模型(未指定具体类型)	CT图像数据	1个Jeholosaurus股骨化石标本
5191	2025-04-26	Deep learning for automated segmentation of brain edema in meningioma after radiosurgery 2025-Apr-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01660-x PMID:40264119	研究论文	本研究开发了一种基于深度学习的自动化方法，用于分割和量化脑膜瘤放射手术后脑水肿区域	首次应用Mask R-CNN和DeepMedic深度学习模型实现脑水肿区域的自动分割与量化	样本量较小(21名患者)，且仅基于T2加权图像	开发自动化工具来量化放射手术后脑水肿体积，以辅助治疗规划和监测	接受伽玛刀放射手术(GKRS)治疗的脑膜瘤患者	数字病理学	脑膜瘤	MRI T2加权成像	Mask R-CNN, DeepMedic	医学影像	21名患者的154次T2w扫描(其中130次用于模型训练和测试)
5192	2025-04-26	Automatic Determination of the Resection Plane for Shoulder Arthroplasty in Arthritic Humeri : A Deep Learning Model 2025-Apr-22, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.03.010 PMID:40274011	研究论文	本文提出了一种深度学习模型，用于自动确定关节炎肱骨的肩关节置换术切除平面	首次提出自动化方法识别关节炎肱骨的切除平面，解决了传统方法因骨赘和变形导致的地标模糊问题	样本量较小（62个3D模型），且仅在特定类型关节炎病例中验证	开发自动化工具以提高肩关节置换术规划的准确性和效率	关节炎患者的肱骨3D模型	数字病理	关节炎	深度学习	深度学习模型（具体架构未说明）	3D模型（来自CT扫描）	62个肱骨3D模型（80%训练，20%测试）
5193	2025-04-26	Convolutional Neural Network approach to classify mitochondrial morphologies 2025-Apr-17, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108477 PMID:40273826	研究论文	介绍了一种基于深度学习的软件MitoClass，用于自动分类线粒体网络的形态	开发了MitoClass软件，利用CNN架构对线粒体网络形态进行自动分类，提供快速、准确且用户友好的解决方案	未提及具体样本量或跨实验室验证的普适性	开发自动化工具以定量评估线粒体形态，作为研究细胞健康和功能的指标	线粒体网络的形态	计算机视觉	NA	超分辨率成像	CNN	图像	NA
5194	2025-04-10	Editorial Expression of Concern: Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96414-8 PMID:40199974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5195	2025-04-26	Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound 2025-Apr-08, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.04.009 PMID:40210002	研究论文	通过深度学习算法基于尿路超声关键参数预测单侧肾积水患者肾功能差异<40%	首次将机器学习模型（如SVM）应用于尿路超声参数，以预测肾功能差异<40%，并展示了SVM模型相较于单一因素的显著改进	研究为回顾性分析，可能存在选择偏差，且样本仅来自单一科室	评估尿路超声参数在预测单侧肾积水儿童肾功能差异<40%中的价值，以辅助手术决策	802名单侧肾积水儿童	机器学习	肾积水	尿路超声、利尿肾图	随机森林、逻辑回归、SVM	超声图像和临床数据	802名儿童
5196	2025-04-26	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了6种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在为临床和研究应用确定最有效的模型	评估了包括U-Mamba_Bot在内的6种先进深度学习模型在脑MRI分割中的性能，并验证了其在阿尔茨海默病研究中的潜在应用	研究数据集规模有限，未来需要更大数据集验证结果并探索模型在其他神经系统疾病中的适用性	评估深度学习模型在脑MRI灰质结构分割中的性能，并比较正常对照组与阿尔茨海默病患者的脑结构体积差异	1510例T1加权脑MRI扫描数据，包括正常对照组和阿尔茨海默病患者	医学图像分析	阿尔茨海默病	T1加权MRI扫描	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	MRI图像	1510例T1加权脑MRI扫描
5197	2025-04-26	Deep-Learning-Based Disease Classification in Patients Undergoing Cine Cardiac MRI 2025-Apr, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29619 PMID:39353848	研究论文	开发一种基于MRI的深度学习疾病分类算法，用于区分正常受试者和患有扩张型心肌病、肥厚型心肌病及缺血性心脏病的患者	利用变分自编码器模型自动提取心脏MRI特征，并探索使用未标记的正常数据提高分类特异性	研究为回顾性设计，可能影响结果的普遍性	开发自动化心血管疾病分类方法以提高临床评估效率和可重复性	1337名受试者（包括正常人和三种心脏病患者）	数字病理学	心血管疾病	平衡稳态自由进动电影序列	变分自编码器	MRI图像	1337名受试者（568名正常，151名DCM，177名HCM，441名IHD）
5198	2025-04-26	Artificial intelligence for detection and characterization of focal hepatic lesions: a review 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04597-x PMID:39369107	综述	本文回顾了基于人工智能的算法在处理CT和MRI图像以检测和分类良性和恶性肝脏局灶性病变方面的诊断能力	利用深度学习方法分析大量数据，识别模式并提取临床特征，以早期检测和分类肝脏局灶性病变	需要扩大数据集、提高模型可解释性，并在多种临床环境中验证AI工具的适用性和可靠性	评估AI算法在肝脏局灶性病变检测和分类中的诊断能力	肝脏局灶性病变（FLLs）	数字病理学	肝脏疾病	CT和MRI	CNN	图像	45项相关研究
5199	2025-04-26	DELR-Net: a network for 3D multimodal medical image registration in more lightweight application scenarios 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04602-3 PMID:39400589	研究论文	本文提出了一种名为DELR-Net的轻量级3D多模态医学图像配准网络，旨在在减少参数数量的同时确保高质量的配准结果	DELR-Net结合了Mamba和ConvNet，采用状态空间序列模块和动态大核块作为双编码器的主要组件，动态特征融合块作为解码器的主要组件，实现了在减少参数的同时提高配准性能	NA	设计一个3D多模态配准网络，在减少参数数量的同时确保高质量的配准结果	3D脑部MR图像和腹部MR及CT图像	医学图像分析	NA	深度学习	DELR-Net（结合Mamba和ConvNet）	3D医学图像（MR和CT）	NA
5200	2025-04-26	Prior Visual-Guided Self-Supervised Learning Enables Color Vignetting Correction for High-Throughput Microscopic Imaging 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471907 PMID:39412976	research paper	提出一种基于先验视觉引导的自监督学习算法VCLUT，用于高效校正高通量显微成像中的颜色渐晕效应	利用显微图像均匀性和渐晕径向衰减特性，开发自监督深度学习算法，实现复杂渐晕去除，并具有跨不同渐晕强度的泛化能力	未明确说明算法在极端光学畸变情况下的表现	解决多通道显微图像中稳健高效的渐晕校正问题	彩色显微图像	digital pathology	NA	self-supervised deep learning	adversarial learning	microscopic images	五个不同生物样本的数据集+病理学数据集