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
5261	2025-03-13	Deep learning-based spatio-temporal fusion for high-fidelity ultra-high-speed X-ray radiography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000323 PMID:39937516	研究论文	本文探讨了基于深度学习的时空融合框架，用于融合两种互补的X射线图像序列，以重建具有高空间分辨率、高帧率和高保真度的目标图像序列	提出了一种新的深度学习时空融合框架，通过融合不同配置的X射线视频，显著提高了超高速X射线成像实验的性能和科学价值	需要与高速相机适当结合，才能充分发挥该方法的优势	提高超高速X射线成像实验的空间分辨率、帧率和保真度	X射线图像序列	计算机视觉	NA	深度学习	深度学习模型	图像	两个独立的X射线数据集
5262	2025-03-13	Multi-stage deep learning artifact reduction for parallel-beam computed tomography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000359 PMID:39960472	研究论文	本文提出了一种多阶段深度学习方法来减少平行束计算机断层扫描（CT）中的伪影	在断层扫描管道的每个阶段（投影、正弦图和重建）引入独立的深度学习模型，以数据驱动的方式局部解决特定伪影，并采用旁路连接减少误差传播	未明确提及具体局限性	提高同步辐射CT图像质量，减少伪影	平行束计算机断层扫描图像	计算机视觉	NA	深度学习	深度学习模型	图像	模拟和真实世界数据集
5263	2025-03-13	Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review 2025-Mar, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70728 PMID:40059400	综述	本文通过范围综述评估了在肿瘤学领域利用人工智能的临床研究中人口统计数据报告的透明性和参与者的多样性	首次系统评估了肿瘤学AI研究中人口统计数据的透明性和多样性，揭示了当前研究中种族和民族数据的不足	仅纳入了2016年至2021年间发表的研究，且仅分析了PubMed数据库中的文献，可能遗漏了其他数据库中的相关研究	评估肿瘤学AI临床研究中人口统计数据报告的透明性和参与者的多样性	2016年至2021年间发表的利用AI的肿瘤学临床研究	人工智能	肿瘤学	NA	NA	人口统计数据	220项研究，其中118项符合条件，47项（40%）公开了至少一个训练或验证数据集
5264	2025-03-13	Automated Detection of Keratorefractive Laser Surgeries on Optical Coherence Tomography Using Deep Learning 2025-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20250204-04 PMID:40067669	研究论文	本文报告了一种基于深度学习的神经网络，用于在眼前段光学相干断层扫描（AS-OCT）上自动检测不同类型的角膜屈光激光手术，并区分这些手术中的近视和远视治疗	首次使用深度学习神经网络在AS-OCT上自动检测多种角膜屈光激光手术，并区分近视和远视治疗	未提及算法的泛化能力及在不同设备或数据集上的表现	开发一种自动化工具，用于从AS-OCT扫描中准确分类患者的角膜屈光激光手术历史，以支持治疗计划、人工晶状体计算和角膜扩张评估	2,278只眼睛的14,948次扫描，来自1,166名患者	计算机视觉	眼科疾病	深度学习	神经网络	图像	14,948次眼睛扫描，来自1,166名患者的2,278只眼睛
5265	2025-03-13	Enhancing single-cell classification accuracy using image conversion and deep learning 2025-Mar, Yi chuan = Hereditas DOI:10.16288/j.yczz.24-213 PMID:40068952	研究论文	本文提出了一种创新的单细胞分类方法scIC，通过将单细胞转录组测序数据转换为图像形式并结合深度学习技术进行细胞分类	将单细胞转录组测序数据转换为图像形式，并结合卷积神经网络（CNN）和残差网络（ResNet）构建高效分类模型	现有方法在细胞类型识别、特征选择和批次效应校正方面仍存在局限性，难以满足复杂生物学研究的需求	提高单细胞分类的准确性，解决单细胞数据分析中的关键挑战	小鼠皮肤基底细胞、小鼠淋巴细胞、人类神经元细胞和小鼠脊髓细胞	数字病理学	NA	单细胞转录组测序（scRNA-seq）	CNN, ResNet	图像	四种细胞类型的scRNA-seq数据
5266	2025-03-13	Unified resilience model using deep learning for assessing power system performance 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42802 PMID:40066024	研究论文	本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能	提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素	NA	提高电力系统的性能，特别是关注天气因素对系统弹性的影响	电池和储能设备的弹性	机器学习	NA	深度学习	深度学习模型	环境因素数据、低弹性损耗数据	NA
5267	2025-03-13	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文介绍了一种名为SPURS的新型深度学习框架，通过整合两种通用蛋白质生成模型（ESM和ProteinMPNN），提升了蛋白质稳定性预测的准确性	SPURS通过轻量级神经网络模块将ProteinMPNN学习到的结构表示重新连接到ESM的注意力层，从而增强了ESM的序列表示学习能力，实现了从序列和结构数据中利用进化模式进行稳定性预测	尽管SPURS在多个基准数据集上表现出色，但其在蛋白质稳定性预测中的潜力仍需进一步探索，特别是在更广泛的蛋白质功能预测方面	提升蛋白质稳定性预测的准确性，以更好地理解人类疾病并设计用于临床和工业应用的有用蛋白质	蛋白质	机器学习	NA	深度学习	ESM, ProteinMPNN	序列数据, 结构数据	基于最近发布的大规模热稳定性数据集进行训练和评估
5268	2025-03-13	Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317630 PMID:40063554	研究论文	本研究探讨了一种基于极坐标变换的短时傅里叶变换（STFT）谱图可视化ECG信号的新方法，并评估了深度卷积神经网络（CNN）在从这些极坐标变换谱图中预测房颤的性能	提出了一种新的ECG信号可视化方法，即使用极坐标变换的STFT谱图，并首次评估了深度CNN在此类图像上的房颤预测性能	研究中使用的数据仅限于PhysioNet/CinC Challenge 2017的数据集，可能无法涵盖所有临床情况	探索和评估基于极坐标变换的ECG信号可视化方法及其在房颤预测中的应用	ECG信号	机器学习	心血管疾病	短时傅里叶变换（STFT）	深度卷积神经网络（CNN）	图像	PhysioNet/CinC Challenge 2017数据集中的ECG数据，分为四类：正常窦性心律、房颤、其他心律和噪声
5269	2025-03-13	Color correction methods for underwater image enhancement: A systematic literature review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317306 PMID:40063649	综述	本文系统回顾了水下图像增强中的色彩校正方法，分析了现有方法的优缺点及未来研究方向	提出了13种不同的水下图像增强方法，并将其分为物理模型、非物理模型和基于深度学习的方法三类	现有方法存在算法局限性、数据依赖性、计算复杂性和在不同水下环境中的性能差异等问题	识别和分析现有的水下图像增强方法，强调其优势、局限性和未来研究领域	水下图像	计算机视觉	NA	NA	深度学习	图像	67项相关研究
5270	2025-03-13	Diagnostic accuracy of artificial intelligence models in detecting congenital heart disease in the second-trimester fetus through prenatal cardiac screening: a systematic review and meta-analysis 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1473544 PMID:40066351	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在产前心脏筛查中检测胎儿先天性心脏病的诊断准确性	首次系统评估人工智能模型在胎儿先天性心脏病筛查中的表现，并进行了荟萃分析	研究样本量有限，且需要更大数据集和更多样化人群的前瞻性研究来验证结果	评估人工智能模型在产前心脏筛查中检测先天性心脏病的诊断准确性	胎儿先天性心脏病	医学影像分析	先天性心脏病	超声和超声心动图	深度学习模型	图像	9项研究，共374项研究筛选
5271	2025-03-13	Advancements in cache management: a review of machine learning innovations for enhanced performance and security 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1441250 PMID:40070808	review	本文综述了机器学习在缓存管理中的应用，包括优化缓存性能和增强安全性	探讨了从基于强化学习的缓存替换策略到LSTM模型预测内容特性以做出缓存决策的多种机器学习技术	未提及具体实验数据或样本量，可能缺乏实证支持	研究机器学习在缓存管理中的应用，以优化性能和增强安全性	缓存管理系统	machine learning	NA	reinforcement learning, LSTM, imitation learning, neural networks	LSTM, neural networks	NA	NA
5272	2025-03-13	Development and application of an intelligent pressure injury assessment system using AI image recognition 2024-Dec-09, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296350 PMID:40066836	研究论文	本研究开发并评估了一种基于AI的智能系统，用于评估压力性损伤，旨在提高准确性和效率	使用深度学习算法（CNN）构建的AI系统在压力性损伤评估中表现出更高的准确性和效率	需要进一步研究以扩展该系统在其他类型伤口中的应用	开发并评估一种基于AI的智能系统，用于评估压力性损伤	108名ICU患者	计算机视觉	压力性损伤	深度学习	CNN	图像	108名ICU患者
5273	2025-03-13	Deep Learning Based Shear Wave Detection and Segmentation Tool for Use in Point-of-Care for Chronic Liver Disease Assessments 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.002 PMID:39244483	研究论文	本研究开发了一种基于深度学习的剪切波检测和分割工具，用于在慢性肝病评估的即时护理环境中提高肝脏组织的表征准确性	该研究创新地使用深度学习算法（U-Net架构）来检测和分割肝脏组织中的剪切波，以提高肝脏硬度和超声衰减测量的准确性	研究样本量相对较小，仅包含103名患者的15,045张图像和36名志愿者的4,429张图像，可能影响结果的普遍性	开发并测试一种新的软件工具，用于在即时护理环境中更准确地评估代谢功能障碍相关的脂肪性肝病（MASLD）患者的肝脏状况	代谢功能障碍相关的脂肪性肝病（MASLD）患者和志愿者	数字病理	慢性肝病	深度学习	U-Net	图像	103名患者的15,045张图像和36名志愿者的4,429张图像
5274	2025-03-13	Automated Field of Interest Determination for Quantitative Ultrasound Analyses of Cervical Tissues: Toward Real-time Clinical Translation in Spontaneous Preterm Birth Risk Assessment 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.011 PMID:39271408	研究论文	本研究开发了一种自动确定宫颈感兴趣区域（Auto FOI）的方法，以替代手动绘制感兴趣区域（Manual FOI），用于宫颈定量超声（QUS）分析，以评估自发性早产风险	开发了一种基于深度学习的自动确定宫颈感兴趣区域的方法，减少了手动操作的需求，提高了临床应用的可行性	研究仅基于527名孕妇的宫颈超声数据，样本量相对较小，且未涉及其他潜在影响因素的分析	评估自动确定宫颈感兴趣区域（Auto FOI）与手动绘制感兴趣区域（Manual FOI）在定量超声分析中的一致性，并探讨Auto FOI替代Manual FOI的可行性	527名孕妇的宫颈超声数据	数字病理	早产	定量超声（QUS）	深度学习模型	图像	527名孕妇的宫颈超声数据
5275	2025-03-13	Enhancing Multi-Object Detection in Ultrasound Images Through Semi-Supervised Learning, Focal Loss and Relation of Frame 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.012 PMID:39307679	研究论文	本文提出了一种基于深度学习的自动化注释系统，用于实时识别肌肉骨骼解剖结构，并通过半监督学习和焦点损失方法提高检测精度	引入了半监督学习（SSL）方法显著减少注释时间，采用焦点损失（FL）方法提高困难结构的检测精度，并在推理阶段利用视频帧的时间连续性提高检测效果	未提及具体的数据集规模或模型泛化能力的验证	通过深度学习技术实时识别肌肉骨骼解剖结构，提高检测精度和效率	肌肉骨骼解剖结构	计算机视觉	肌肉骨骼疾病	深度学习	深度学习神经网络	超声图像	仅使用30%的训练数据实现了与监督学习相当的性能
5276	2025-03-13	Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior 2024-Nov-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3507873 PMID:40030332	研究论文	本文提出了一种针对深度学习图像压缩模型的多触发器后门攻击方法，利用离散余弦变换（DCT）在频域注入触发器，并设计了多种攻击目标以适应不同场景	提出了一种基于频率的触发器注入模型，设计了动态损失函数以优化攻击目标，并增强了跨模型和跨域的可转移性	未提及具体的数据集或样本量，可能限制了方法的普适性验证	研究深度学习图像压缩模型的后门攻击方法及其防御策略	深度学习图像压缩模型	计算机视觉	NA	离散余弦变换（DCT）	深度学习模型	图像	NA
5277	2025-03-13	Tiny Data Is Sufficient: A Generalizable CNN Architecture for Temporal Domain Long Sequence Identification 2024-Nov-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3494540 PMID:40030343	研究论文	本文介绍了一种新颖的通用卷积神经网络（GeCNN）架构，专为时间域长序列识别设计，通过减少对大量训练数据的依赖并提高特征表示效果，实现了在浅层网络和小数据量情况下的优越性能	提出了一种新的GeCNN架构，结合了通用CNN、选择性CNN和多层池化操作，通过非线性卷积增强特征表示，减少了对大量训练数据的需求，并在浅层网络和小数据量情况下实现了更高的准确性	未明确提及具体局限性，但可能在于模型在不同数据集上的泛化能力尚未全面验证	解决深度学习模型在长序列分析中特征表示能力有限和对大量训练数据依赖的问题	时间域长序列数据	机器学习	NA	卷积神经网络（CNN）	GeCNN（通用卷积神经网络）	时间序列数据	GTZAN和PLAID数据集中的小数据量样本
5278	2025-03-13	DreaMR: Diffusion-driven Counterfactual Explanation for Functional MRI 2024-Nov-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3507008 PMID:40030294	研究论文	本文介绍了一种名为DreaMR的扩散驱动反事实解释方法，用于功能磁共振成像（fMRI）的高保真解释	DreaMR是首个基于扩散的反事实方法，利用新颖的分数多相蒸馏扩散先验提高推理效率，同时采用transformer架构处理fMRI扫描中的长程时空上下文	NA	提高fMRI数据的解释能力，特别是深度学习模型在检测认知相关变量时的可解释性	功能磁共振成像（fMRI）数据	神经影像分析	NA	扩散驱动反事实生成	transformer	fMRI数据	NA
5279	2025-03-13	Convolutional-and Deep Learning-Based Techniques for Time Series Ordinal Classification 2024-Nov-27, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3498100 PMID:40030321	研究论文	本文介绍了时间序列有序分类（TSOC）的首个基准测试，利用目标标签的顺序关系提升当前时间序列分类（TSC）技术的性能	首次对时间序列有序分类（TSOC）方法进行基准测试，展示了考虑标签顺序关系的重要性	NA	提升时间序列分类（TSC）技术在有序标签情况下的性能	时间序列数据	机器学习	NA	卷积神经网络和深度学习	CNN, 深度学习模型	时间序列数据	NA
5280	2025-03-13	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion Via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2024-Nov-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种多任务对抗变分自编码器（M-AVAE），用于通过多模态MRI数据整合来增强脑龄预测，以支持基于元宇宙的医疗应用	M-AVAE通过将潜在变量分离为通用代码和独特代码，有效隔离了共享和模态特定特征，并结合多任务学习以考虑性别特异性衰老差异	尽管M-AVAE在脑龄预测上表现出色，但其在功能MRI（fMRI）数据处理上仍面临复杂数据结构和噪声测量的挑战	旨在通过多模态MRI数据整合提高脑龄预测的准确性，以支持基于元宇宙的医疗应用	脑龄预测，特别是与阿尔茨海默病等年龄相关神经病理学相关的脑龄评估	数字病理学	阿尔茨海默病	多模态MRI数据整合	多任务对抗变分自编码器（M-AVAE）	MRI图像	OpenBHB数据集，一个多站点脑MRI数据集合