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
6081	2025-03-03	Deep learning enabled open-set bacteria recognition using surface-enhanced Raman spectroscopy 2025-May-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117245 PMID:39965415	研究论文	本文提出了一种基于transformer的神经网络模型，用于开放集细菌识别，利用表面增强拉曼光谱（SERS）数据	提出了一种结合分类和重建任务的transformer模型，通过分析重建误差来拒绝未知细菌种类，提高了开放集识别的准确性	模型在训练集外的细菌种类识别上仍有局限性，需要进一步验证其在更广泛场景下的适用性	提高细菌识别的准确性和效率，特别是在开放集场景下	细菌种类	机器学习	NA	表面增强拉曼光谱（SERS）	transformer	光谱数据	NA
6082	2025-03-03	Thermo-responsive and phase-separated hydrogels for cardiac arrhythmia diagnosis with deep learning algorithms 2025-May-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117262 PMID:39965416	研究论文	开发了一种基于水凝胶的皮肤界面电极，用于心脏心律失常的诊断，结合深度学习算法实现实时诊断	通过温度介导的可切换氢键相互作用，实现了水凝胶电极在皮肤上的按需可编程粘附和剥离，显著提高了粘附能量的开关比	未提及具体的水凝胶材料在长期使用中的生物相容性和稳定性	开发一种可穿戴的心脏心律失常智能诊断系统，实现实时心电图监测和诊断	心脏心律失常患者	数字病理学	心血管疾病	深度学习算法	NA	心电图信号	八种常见心律失常患者
6083	2025-03-03	COS-DeformDeep: Adaptive 2T2D spectral feature extraction method for improving the component identification performance in mixtures based on handheld Raman technology 2025-Apr-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343773 PMID:40021327	研究论文	提出了一种名为COS-DeformDeep的新方法，用于增强和提取手持拉曼光谱混合物成分识别中的光谱特征	结合同步双迹二维相关光谱（2T2D-COS）和可变形卷积（DCNs），提高了深度学习模型在相关峰区域几何变形适应性，从而增强了2T2D-COS中的光谱特征提取能力	NA	提高手持拉曼光谱技术在混合物成分识别中的性能	乙醇、双丙酮醇和组氨酸三种物质，体积重量比范围为2%到20%	光谱分析	NA	拉曼光谱	可变形卷积（DCNs）	光谱数据	三个混合物数据集
6084	2025-03-03	A three-dimensional marine plastic litter real-time detection embedded system based on deep learning 2025-Apr, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117603 PMID:39889545	研究论文	本文介绍了一种基于深度学习的三维海洋塑料垃圾实时检测嵌入式系统（3D-MPLRD），旨在解决海洋塑料污染问题	该系统结合了图像质量评估与增强技术，以应对水下恶劣环境对图像质量的影响，并通过压缩和量化YOLOv5模型，使其适用于嵌入式设备	未提及具体的数据集规模或实验环境的多样性限制	开发实时清理海洋塑料垃圾的智能系统	海洋塑料垃圾	计算机视觉	NA	深度学习	YOLOv5	图像	未提及具体样本数量
6085	2025-03-02	Detecting living microalgae in ship ballast water based on stained microscopic images and deep learning 2025-Apr, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117608 PMID:39893717	研究论文	本研究旨在通过染色显微图像和深度学习模型快速检测船舶压载水中的活微藻细胞	利用中性红染料对活细胞的染色选择性，结合深度学习模型进行微藻活细胞的检测	对活微藻细胞的检测精度略低于总体微藻细胞的检测精度	快速检测船舶压载水中的活微藻细胞	船舶压载水中的微藻细胞	计算机视觉	NA	染色显微图像处理	深度学习模型	图像	Platymonas helgolandica tsingtaoensis 和 Alexandrium catenella 的显微图像
6086	2025-03-03	Utilising artificial intelligence in developing education of health sciences higher education: An umbrella review of reviews 2025-Apr, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2025.106600 PMID:39904286	综述	本文通过综述综述的方式，综合了当前关于人工智能在健康科学教育中应用的证据	本文通过综述综述的方式，综合了多个领域（如机器人技术、机器学习和深度学习、大数据、沉浸式技术和自然语言处理）在健康科学教育中的应用，提供了全面的视角	本文的局限性在于仅分析了2019年至2023年间发表的七篇综述，可能无法涵盖所有相关研究	研究目的是综合当前关于人工智能在健康科学教育中应用的证据	研究对象是健康科学教育中的人工智能应用	自然语言处理	NA	NA	NA	NA	6304篇出版物中筛选出201篇综述，最终分析了7篇综述
6087	2025-03-03	Physics-informed neural networks for enhanced reference evapotranspiration estimation in Morocco: Balancing semi-physical models and deep learning 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144238 PMID:39983624	研究论文	本文探讨了在摩洛哥利用物理信息神经网络（PINNs）增强参考蒸散量（ETo）估计的方法，平衡了半物理模型和深度学习	本文的创新点在于将半物理模型整合到神经网络的损失函数中，通过θ参数实现数据驱动损失和半物理模型损失的凸组合，从而提高了ETo估计的准确性和可靠性	研究的局限性在于仅使用了摩洛哥Tensift流域四个自动气象站的数据，可能限制了模型的普适性	研究目的是通过物理信息神经网络提高参考蒸散量的估计精度，以改善农业水资源管理	研究对象为摩洛哥Tensift流域的四个自动气象站收集的气象数据，包括气温、太阳辐射、相对湿度和风速	机器学习	NA	物理信息神经网络（PINNs）	神经网络	气象数据	四个自动气象站的数据
6088	2025-03-03	Role of Artificial Intelligence in the Detection and Management of Premalignant and Malignant Lesions of the Esophagus and Stomach 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.003 PMID:40021232	review	本文综述了人工智能（AI）技术在食管和胃的癌前病变及恶性肿瘤检测和管理中的应用	AI技术，特别是卷积神经网络，在提高病变检测（计算机辅助检测 [CADe]）和特征化（计算机辅助诊断 [CADx]）方面优于内镜医师，并在临床实践中展示了改善的结果	NA	探讨AI技术在食管鳞状细胞癌、Barrett食管相关肿瘤和胃癌筛查中的应用	食管和胃的癌前病变及恶性肿瘤	digital pathology	esophageal cancer, gastric cancer	deep learning, convolutional neural networks	CNN	image	NA
6089	2025-03-03	Past, Present, and Future: A History Lesson in Artificial Intelligence 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.09.003 PMID:40021228	review	本文回顾了过去50年人工智能（AI）的发展历程，并探讨了其在医学领域，特别是胃肠病学中的应用和未来前景	本文系统地总结了AI在胃肠病学中的应用，包括计算机辅助检测和诊断系统在内科镜、成像和病理检测中的革命性影响，并展望了未来的发展方向	文章提到AI在透明度、责任和伦理问题方面面临的挑战，需要进一步解决	回顾AI的发展历史，探讨其在医学领域的应用及未来发展方向	人工智能在医学领域的应用，特别是胃肠病学	machine learning	NA	NA	NA	NA	NA
6090	2025-03-03	Role of Artificial Intelligence for Endoscopic Ultrasound 2025-Apr, Gastrointestinal endoscopy clinics of North America DOI:10.1016/j.giec.2024.10.007 PMID:40021237	研究论文	本文探讨了人工智能（AI）在内镜超声（EUS）中的应用，特别是在病变检测和特征分析方面的潜力	AI算法通过分析EUS图像，能够辅助病变检测和特征分析，提高诊断准确性并提供更快的诊断	EUS是一种高度依赖操作者的技术，AI的应用可能仍受限于操作者的经验和技能	研究AI在内镜超声中的应用，以提高诊断准确性和效率	胆胰和胃肠道疾病	计算机视觉	胆胰疾病, 胃肠道疾病	深度学习	卷积神经网络（CNN）	图像	NA
6091	2024-12-21	Predicting Intracerebral Hemorrhage Outcomes Using Deep Learning Models to Extract Head CT Imaging Features 2025-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.019 PMID:39701844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6092	2025-03-03	Bidirectional f-Divergence-Based Deep Generative Method for Imputing Missing Values in Time-Series Data 2025-Mar, Stats IF:0.9Q3 DOI:10.3390/stats8010007 PMID:39911165	研究论文	本文提出了一种基于f-散度的双向生成对抗网络tf-BiGAIN，用于高维时间序列数据中的缺失值填补	tf-BiGAIN引入了两个关键创新点：使用f-散度作为目标函数以增强模型的灵活性和适应性，以及使用双向门控循环单元以利用前后时间信息	NA	解决高维时间序列数据中缺失值填补的挑战	高维时间序列数据	机器学习	NA	生成对抗网络	tf-BiGAIN	时间序列数据	两个真实世界的时间序列数据集
6093	2025-03-03	Quantifying Facial Gestures Using Deep Learning in a New World Monkey 2025-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70013 PMID:40019116	研究论文	本研究利用深度学习技术量化新世界猴的面部表情，探索其在多模态交流中的独特性	首次使用无标记姿态估计算法量化棉顶狨猴的面部表情，并开发了能够识别面部标志点的模型	研究依赖于圈养个体的视频数据，可能无法完全反映野外行为	开发自动化工具以从原始视频数据中提取行为线索，并研究面部表情在不同行为背景下的特异性	棉顶狨猴	计算机视觉	NA	无标记姿态估计	深度学习	视频	圈养棉顶狨猴的视频数据
6094	2025-03-03	GBCHV an advanced deep learning anatomy aware model for accurate classification of gallbladder cancer utilizing ultrasound images 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89232-5 PMID:40016258	研究论文	本研究介绍了一种新颖的深度学习方法，旨在利用来自具有挑战性的GBC USG数据集的超声图像，准确分类胆囊癌（GBC）为良性、恶性和正常类别	该模型的创新点在于其解剖感知机制，采用水平-垂直条带变换来更准确地描绘胆囊组织的空间关系和复杂解剖特征	NA	研究目的是通过先进的深度学习和图像处理技术，实现对胆囊癌的精确和早期分类	研究对象是胆囊癌的超声图像	计算机视觉	胆囊癌	深度学习，图像处理技术（中值滤波和对比度受限的自适应直方图均衡化）	Transformer-based模型（GBCHV-Trans）	图像	NA
6095	2025-03-03	Deep learning-based weed detection for precision herbicide application in turf 2025-Feb-28, Pest management science IF:3.8Q1 DOI:10.1002/ps.8728 PMID:40022516	研究论文	本文探讨了基于深度学习的杂草检测方法，用于精准除草剂应用	使用深度卷积神经网络（DCNNs）进行除草剂敏感性杂草映射，并结合路径规划算法优化喷洒路径	未提及具体样本数量及实验环境的具体限制	评估基于除草剂敏感性的杂草映射在精准除草剂应用中的可行性	草坪中的杂草	计算机视觉	NA	深度卷积神经网络（DCNNs）	DenseNet, GoogLeNet, ResNet	图像	NA
6096	2025-03-03	Neurofind: using deep learning to make individualised inferences in brain-based disorders 2025-Feb-27, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-025-03290-x PMID:40016187	研究论文	本文介绍了Neurofind，一个基于深度学习的工具，用于在脑部疾病中进行个体化推断	Neurofind是一个新的免费工具，将数据协调和高级规范模型的方法整合到一个基于网络的平台中，用户只需最小输入	需要进一步验证其在其他脑部疾病中的应用效果	开发一个易于使用的工具，用于在脑部疾病中进行个体化推断	健康对照者和阿尔茨海默病及精神分裂症患者的脑部MRI图像	数字病理学	阿尔茨海默病, 精神分裂症	深度学习	对抗自编码器, 支持向量回归	MRI图像	3362张健康对照者的MRI图像，364张阿尔茨海默病和精神分裂症患者的MRI图像
6097	2025-03-03	Improving ALS detection and cognitive impairment stratification with attention-enhanced deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90881-9 PMID:40016300	研究论文	本研究开发了一种结合DenseNet121和Squeeze-and-Excitation注意力机制的卷积神经网络Miniset-DenseSENet，用于提高ALS的检测和认知障碍分层	结合DenseNet121和Squeeze-and-Excitation注意力机制，显著提高了ALS检测和认知障碍分层的准确性	研究样本量较小，仅使用了190例尸检脑图像	提高ALS的早期诊断准确性，改善患者分层	ALS患者及其认知障碍分层	计算机视觉	ALS（肌萎缩侧索硬化症）	卷积神经网络	DenseNet121结合Squeeze-and-Excitation注意力机制	图像	190例尸检脑图像
6098	2025-03-03	Deeply supervised two stage generative adversarial network for stain normalization 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91587-8 PMID:40016308	研究论文	本文提出了一种深度监督的两阶段生成对抗网络（DSTGAN），用于解决组织病理学图像中的染色标准化问题	创新性地在生成对抗网络中引入深度监督，增强模型的学习能力，并设计了一种新颖的两阶段染色策略，利用半监督概念充分利用源域图像进行训练	未明确提及具体局限性	提高组织病理学图像分析中染色标准化的效果，以提升下游分类和分割任务的准确性	组织病理学图像	数字病理学	NA	生成对抗网络（GAN）	DSTGAN（深度监督两阶段生成对抗网络）	图像	TUPAC-2016、MITOS-ATYPIA-14、ICIAR-BACH-2018和MICCAI-16-GlaS数据集
6099	2025-03-03	T1-weighted MRI-based brain tumor classification using hybrid deep learning models 2025-Feb-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92020-w PMID:40016334	研究论文	本研究利用U-Net架构和卷积神经网络（如Inception-V3、EfficientNetB4和VGG19）对脑肿瘤（如胶质瘤、脑膜瘤和垂体瘤）进行分类，并通过迁移学习技术增强模型性能	本研究结合U-Net架构和多种卷积神经网络模型，通过迁移学习技术提升脑肿瘤分类的准确性，并在跨数据集验证中展示了U-Net的鲁棒性	未明确提及研究的具体局限性	提高脑肿瘤分类的准确性，以支持早期检测和治疗规划	脑肿瘤（如胶质瘤、脑膜瘤和垂体瘤）	计算机视觉	脑肿瘤	MRI	U-Net, Inception-V3, EfficientNetB4, VGG19	图像	未明确提及具体样本数量
6100	2025-03-03	A hybrid multi model artificial intelligence approach for glaucoma screening using fundus images 2025-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01473-w PMID:40016437	研究论文	本文提出了一种基于人工智能的混合多模型方法，用于通过眼底图像进行青光眼筛查	使用六个轻量级深度学习模型（总大小：110 MB）分析眼底图像，以识别早期结构变化，如视盘凹陷、出血和神经纤维层缺陷	在真实世界测试中，独立二元青光眼分类模型的灵敏度下降至0.5652，而完整AI-GS网络的灵敏度保持在0.8053	开发一种高效且准确的人工智能方法，用于青光眼的早期筛查	眼底图像	计算机视觉	青光眼	深度学习	混合多模型	图像	NA