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
5521	2025-03-09	A visual SLAM loop closure detection method based on lightweight siamese capsule network 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90511-4 PMID:40038350	研究论文	本文提出了一种基于轻量级Siamese胶囊网络的视觉SLAM闭环检测方法，旨在解决传统方法在光照和视角变化下的敏感性问题	设计了一种新的胶囊网络特征提取器，并通过剪枝进一步减少参数数量，提高了算法的准确性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	改进视觉SLAM系统中的闭环检测模块，减少机器人运动中的累积误差	视觉SLAM系统	计算机视觉	NA	深度学习	Siamese胶囊神经网络	图像	CityCentre数据集、New College数据集、KITTI数据集
5522	2025-03-09	Modifying the severity and appearance of psoriasis using deep learning to simulate anticipated improvements during treatment 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91238-y PMID:40032873	研究论文	本文利用深度学习技术生成模拟银屑病斑块严重程度和外观变化的合成图像，以预测治疗效果	通过识别两个潜在w空间向量，分别调整银屑病的严重程度和斑块大小，展示了减轻训练数据偏见的潜力	需要更多适当的训练数据来验证和优化模型在临床环境中的应用	开发一种方法，使患者能够观察不同治疗和时间段后皮肤状况的预测外观，从而做出数据驱动的治疗决策	银屑病患者的皮肤图像	计算机视觉	银屑病	深度学习	神经网络	图像	375张临床环境下的银屑病患者照片
5523	2025-03-09	An intelligent framework for skin cancer detection and classification using fusion of Squeeze-Excitation-DenseNet with Metaheuristic-driven ensemble deep learning models 2025-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92293-1 PMID:40033075	研究论文	本文提出了一种基于深度学习和元启发式算法的皮肤癌检测与分类智能框架	结合了SE-DenseNet特征提取、集成深度学习模型和灰狼优化算法，提高了皮肤癌分类的准确性	未提及模型在临床环境中的实际应用效果和泛化能力	开发一种自动化的皮肤癌检测与分类模型，以辅助医生进行早期诊断	皮肤癌的医学影像	计算机视觉	皮肤癌	深度学习	SE-DenseNet, LSTM, ELM, SSDA, GWO	图像	HAM10000和ISIC数据集
5524	2025-03-09	Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407432 PMID:39792780	研究论文	本文介绍了一种利用深度学习增强的等离子体显微镜技术（Deep-SM），用于精确测量功能性化学和生物纳米颗粒的尺寸及碰撞检测	通过利用等离子体显微镜图像序列中独特的信号和噪声特征的时空相关性，Deep-SM能够增强信号检测并抑制噪声，从而实现对小至10纳米的生物纳米颗粒的动态成像和金属纳米颗粒电化学及量子耦合的碰撞检测	NA	开发一种高灵敏度且简单的方法，用于纳米颗粒分析，以应用于生物学、材料和能源等多个科学领域	功能性化学和生物纳米颗粒	计算机视觉	NA	等离子体显微镜	深度学习	图像序列	NA
5525	2025-03-09	Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00458-8 PMID:40026887	研究论文	本研究提出了一种基于卷积傅里叶变换模块的深度学习分割方法，用于增强心音图（PCG）信号中第一和第二心音（S1和S2）的自动识别	引入了卷积傅里叶变换（CF）模块，能够区分心音和背景噪声，提高了心音分割的准确性和鲁棒性	未提及具体局限性	提高心音图信号中S1和S2心音的自动识别准确性，以支持心脏瓣膜疾病的检测	心音图（PCG）信号	数字病理学	心血管疾病	卷积傅里叶变换（CF）模块	CNN	信号数据	内部数据集、PhysioNet 2016数据集、PhysioNet 2022数据集和Asan Medical Center（AMC）数据集
5526	2025-03-09	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	研究论文	本文提出了一种同步频率感知融合网络（Syn-Net），用于在复杂超声图像中精确分割乳腺肿瘤	设计了同步双分支编码器以同时提取局部和全局特征信息，并引入了频率感知交叉特征融合块（FrCFusion Block）来学习全频特征并有效融合局部和全局特征，同时开发了全尺度深度监督方法以减少斑点噪声的影响	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	乳腺肿瘤	计算机视觉	乳腺癌	离散余弦变换（DCT）	同步频率感知融合网络（Syn-Net）	超声图像	三个公开的超声乳腺肿瘤数据集
5527	2025-03-09	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	本文提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	LymoNet引入了先进的注意力机制模块（如Coordinate Attention和Multi-Head Self-Attention）以及医学知识嵌入，显著提升了模型的检测和分类性能	尽管LymoNet在mAP@.5上超越了基准模型YOLOv8 6.6%，但其在临床环境中的实际应用效果仍需进一步验证	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结的超声图像	计算机视觉	癌症	深度学习	YOLOv8	图像	未明确提及具体样本数量
5528	2025-03-09	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	本文提出了一种新颖的3D全脑分割网络，通过交叉融合机制处理PET/MR双模态图像，以实现45个脑区的精确分割	引入了交叉融合机制，同时处理PET和MR图像，采用UX-Net和交叉融合块进行特征提取和融合	未来工作将把该方法应用于临床实践，以辅助医生准确诊断和治疗脑部疾病	实现脑部不同区域和组织的精确分割，以辅助神经疾病的检测和诊断	PET/MR双模态图像	计算机视觉	神经疾病	深度学习	UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet	图像	未提及具体样本数量
5529	2025-03-09	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	研究论文	本文提出了一种新的深度学习框架RTGN，用于在中医背景下进行患者相似性学习	开发了结合自注意力和自监督策略的Siamese网络架构，增强了患者检索的鲁棒性，并设计了一种结合中医和西医方法的患者相似性度量	中医依赖医生的生理感官判断可能导致患者评估的非标准化描述和干扰	解决中医背景下患者相似性度量的设计问题，支持精准中医患者检索和下游任务	中医胃肠道恶性肿瘤患者	机器学习	胃肠道恶性肿瘤	深度学习	Siamese网络	图结构数据	719名患者，包含406种多维信息
5530	2025-03-09	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	本文提出了一种基于深度学习模型DKInception的人类活动识别方法，利用穿戴式传感器数据进行活动识别	DKInception模型结合了深度卷积残差网络和注意力机制，利用多尺度卷积核有效提取时间特征，扩展了Inception ResNet架构的能力，具有快速收敛和鲁棒扩展性	NA	提高人类活动识别的准确性，以监测日常活动和健康行为，帮助管理慢性病和促进健康生活方式	穿戴式传感器数据	机器学习	NA	深度学习	DKInception（基于Inception ResNet架构）	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2
5531	2025-03-09	EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention 2025-Mar, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3532282 PMID:40031751	研究论文	本文提出了一种结合鹰眼视觉特性的视觉Transformer模型EViT，通过引入双焦点自注意力机制和双焦点前馈网络，模仿生物视觉皮层的层次和平行信息处理方式，以提高计算机视觉任务的性能	结合鹰眼的生理和视觉特性，提出双焦点视觉交互结构、双焦点自注意力机制和双焦点前馈网络，模仿生物视觉皮层的处理方式，显著提升了模型的计算效率和可扩展性	未提及具体的数据集或任务限制，可能在实际应用中存在泛化性问题	解决视觉Transformer在计算复杂性和缺乏理想归纳偏差方面的挑战，提升计算机视觉任务的性能	视觉Transformer模型及其在计算机视觉任务中的应用	计算机视觉	NA	双焦点自注意力机制（BFSA）、双焦点前馈网络（BFFN）	Transformer	图像	未提及具体样本数量
5532	2025-03-09	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	本文提出了一种名为MMFSynergy的新方法，用于预测抗癌药物的协同组合	MMFSynergy方法首次在微尺度和宏观尺度上精细表征药物和细胞系，并通过自监督任务融合跨尺度信息，使用Transformer Encoder模型预测协同分数	尽管MMFSynergy在预测药物协同组合方面表现出色，但其泛化能力仍有待进一步验证	提高抗癌药物协同组合预测的准确性和泛化能力	抗癌药物和细胞系	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质数据	基于两个公共数据集的实验
5533	2025-03-09	Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges 2025-Mar, Chronic diseases and translational medicine DOI:10.1002/cdt3.137 PMID:40051825	综述	本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法	本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息	本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制	探索机器学习在慢性疾病早期检测和预测中的潜力	慢性疾病（如心脏病、癌症和糖尿病）	机器学习	慢性疾病	基因组学、转录组学、蛋白质组学、糖组学和脂质组学	逻辑回归、随机森林、深度学习神经网络	医学影像、基因组数据、可穿戴设备数据、电子健康记录	NA
5534	2025-03-09	A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks 2025-Feb-07, Micromachines IF:3.0Q2 DOI:10.3390/mi16020193 PMID:40047666	研究论文	本文设计了一种用于合成孔径雷达（SAR）目标检测任务的低功耗、低延迟深度学习加速器，以实现在机载和卫星SAR平台上的实时目标检测	提出了一种适用于多维卷积并行计算的Process Engine（PE），并设计了独特的存储器排列方案，以提高FPGA的计算效率和内存读写效率	实验仅在Virtex 7 690t芯片上进行，未涉及其他硬件平台或更广泛的应用场景	解决当前GPU实时处理平台在机载或卫星应用中的功耗问题，实现SAR图像的实时目标检测	合成孔径雷达（SAR）图像	计算机视觉	NA	深度学习	CNN, Yolov5s	图像	52.19张512×512大小的SAR图像每秒
5535	2024-08-07	Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001963 PMID:39017750	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5536	2025-03-09	Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002105 PMID:39724577	研究论文	本研究开发了一种基于弹性成像的AI模型，用于预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结的状态	结合剪切波弹性成像（SWE）和深度学习放射组学（DLR）模型，显著提高了预测腋窝淋巴结状态的准确性	研究样本量有限，且仅包括活检证实有淋巴结转移的乳腺癌患者	开发一个准确预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结状态的模型	671名活检证实有淋巴结转移并接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	剪切波弹性成像（SWE）和B型超声（BUS）	深度学习放射组学（DLR）模型	超声图像	671名乳腺癌患者
5537	2025-03-09	Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis 2025, Journal of kidney cancer and VHL IF:1.9Q3 DOI:10.15586/jkc.v12i1.366 PMID:40051609	研究论文	本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物	首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能	研究主要依赖于TCGA数据库的数据，未进行实验验证	寻找PRCC的早期诊断生物标志物	乳头状肾细胞癌（PRCC）患者	生物信息学	肾癌	RNA表达谱分析、机器学习	深度学习	RNA表达数据	TCGA数据库中的PRCC患者数据
5538	2025-03-09	Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1505450 PMID:40051727	研究论文	本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点	首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点	研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献	分析围产医学领域中人工智能的研究趋势和应用热点	围产医学领域的文献	医学信息学	围产医学	文献计量学分析	NA	文献数据	382篇相关文献，其中121篇高被引文献
5539	2025-03-09	Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1497651 PMID:40051730	研究论文	本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型	使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能	研究样本主要来自两家医院，可能限制了模型的普遍适用性	开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型	高碳酸血症性呼吸衰竭患者	机器学习	呼吸系统疾病	随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH）	RSF, DeepSurv, CoxPH	临床数据	697名患者（565名建模组，132名外部验证组）
5540	2025-03-09	MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1532256 PMID:40051766	研究论文	本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度	首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法	样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性	开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度	长时间使用手机的年轻成年人	数字病理学	焦虑和抑郁	MRI	逻辑回归模型和K近邻模型	图像	82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁