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
6141	2025-03-02	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	review	本文比较和对比了用于预测基因组接触图的深度学习模型，并探讨了预处理、架构、训练、评估和解释方法	强调了不同模型的能力和局限性，并指出了基因组折叠模型面临的挑战、机遇和未来潜在方向	主要关注深度学习模型，未涉及其他类型的模型或方法	探讨深度学习模型在预测基因组接触图中的应用	三维基因组折叠	machine learning	NA	深度学习	深度学习模型	基因组接触图	NA
6142	2025-03-02	Physics-driven deep learning for high-fidelity photon-detection ghost imaging 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.541330 PMID:40020023	研究论文	本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率	通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络	NA	提高在散射介质中的光子探测成像的空间和深度分辨率	光子探测成像	计算机视觉	NA	深度学习	深度融合网络	图像	NA
6143	2025-03-02	Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system 2025-Mar-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.546727 PMID:40020024	研究论文	本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制	结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力	NA	提高MRI成像速度和分辨率	MRI系统	医学影像	NA	深度学习网络	前向神经网络	电磁响应特性	NA
6144	2025-03-02	Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction 2025-Feb-28, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.24000195 PMID:40020200	研究论文	本文旨在评估一种基于人工智能-心电图（AI-ECG）的模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能	使用智能手机摄像头进行心电图数字化，并利用卷积神经网络（CNN）进行心电图分类，AI模型在检测ACOMI方面表现优于人类专家	需要进一步的研究和外部验证以了解AI模型在ACS环境中的作用	评估AI-ECG模型在检测ACOMI中的性能	急性冠状动脉综合征（ACS）患者	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	心电图（ECG）	未明确提及样本数量
6145	2025-03-02	Enhanced glioma tumor detection and segmentation using modified deep learning with edge fusion and frequency features 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84661-0 PMID:40011472	研究论文	本文提出了一种结合边缘融合和频率特征的改进深度学习模型，用于增强胶质瘤的检测和分割	提出了边缘融合算法（EIF）和Gabor变换（GaT）用于提高MRI图像中边缘像素的对比度和检测精度，并优化了深度学习架构以减少检测时间	未提及具体的局限性	提高胶质瘤检测和分割的准确性，特别是在资源有限的医疗环境中	胶质瘤	计算机视觉	胶质瘤	深度学习，Gabor变换	改进的深度学习架构（MDL）	MRI图像	PLCO和NU数据集
6146	2025-03-02	Modelling of pome fruit pollen performance using machine learning 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91286-4 PMID:40011508	研究论文	本研究旨在开发一个机器学习模型，用于预测仁果类水果的花粉萌发率	利用人工神经网络和深度学习技术，成功开发出预测花粉萌发率的模型，R²值达到0.89，展示了机器学习在农业研究中的潜力	研究仅针对四种仁果类水果的花粉进行测试，可能无法完全代表其他水果或作物的花粉表现	开发一个能够预测花粉萌发率的模型，以评估极端气温对水果开花期的影响	四种仁果类水果的花粉	机器学习	NA	人工神经网络	深度学习模型	实验数据	四种仁果类水果的花粉，在不同温度、培养基和持续时间下进行体外萌发测试
6147	2025-03-02	A labeled medical records corpus for the timely detection of rare diseases using machine learning approaches 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90450-0 PMID:40011510	研究论文	本文提出了一个用于罕见病早期检测的标注医疗记录数据集，并应用多种机器学习方法进行验证	利用MIMIC-III数据库和其他来源的医疗记录，创建了一个新的标注数据集，用于罕见病的早期检测	数据集可能受到来源数据的限制，且模型的泛化能力需要进一步验证	通过机器学习方法提高罕见病的早期检测和诊断准确性	罕见病患者	机器学习	罕见病	监督学习方法	逻辑回归、决策树、SVM、LSTM、CNN、BERT	医疗记录	NA
6148	2025-03-02	Fusion of circulant singular spectrum analysis and multiscale local ternary patterns for effective spectral-spatial feature extraction and small sample hyperspectral image classification 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90926-z PMID:40011533	研究论文	本文提出了一种新颖的循环奇异谱分析（CiSSA）和多尺度局部三值模式融合方法，用于高光谱图像的联合光谱-空间特征提取和分类	结合循环奇异谱分析和多尺度局部三值模式进行光谱-空间特征提取，提高了小样本高光谱图像分类的准确性	仅在高光谱图像数据集上进行了实验，未在其他类型数据上验证	提高小样本高光谱图像分类的准确性	高光谱图像	计算机视觉	NA	PCA, CiSSA, LTP, SVM	SVM	图像	三个高光谱图像数据集（Indian Pines, Pavia University, Houston2013），训练样本比例为1%
6149	2025-03-02	Early attention-deficit/hyperactivity disorder (ADHD) with NeuroDCT-ICA and rhinofish optimization (RFO) algorithm based optimized ADHD-AttentionNet 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90649-1 PMID:40011599	研究论文	本文提出了一种基于NeuroDCT-ICA和RhinoFish优化算法的ADHD检测方法，通过改进数据处理、检测精度和计算时间，提高了ADHD检测的准确性	提出了新的NeuroDCT-ICA模块用于EEG数据预处理，并引入了RhinoFish优化算法进行特征选择，增强了系统的数据处理能力和稳定性	未提及具体的研究局限性	改进现有的ADHD检测系统，提高检测准确性和效率	ADHD患者的行为、认知或生理数据（如EEG、眼动追踪或调查数据）	机器学习	注意力缺陷多动障碍（ADHD）	EEG数据处理、RhinoFish优化算法	ADHD-AttentionNet（基于深度学习的模型）	EEG数据、眼动追踪数据、调查数据	未提及具体样本量
6150	2025-03-02	Supervised and unsupervised deep learning-based approaches for studying DNA replication spatiotemporal dynamics 2025-Feb-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07744-2 PMID:40011665	研究论文	本研究采用监督和无监督的深度学习方法，研究DNA复制的时空动态	开发了一种无监督方法，用于大规模检测异常的S期细胞，无需基于预定义类别进行分类	分类方法的局限性，无法完全捕捉DNA复制的复杂性	研究DNA复制在病理过程中的作用	小鼠胚胎干细胞（mESCs）和诱导性失调的起源点火细胞模型	机器学习	NA	EdU和PCNA分析	深度学习	图像	NA
6151	2025-03-02	Improved sand cat swarm optimization algorithm assisted GraphSAGE-GRU for remaining useful life of engine 2025-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91418-w PMID:40011762	研究论文	本文提出了一种改进的沙猫群优化算法辅助的GraphSAGE-GRU模型，用于预测发动机的剩余使用寿命（RUL）	提出了改进的沙猫群优化算法（ISCSO）来增强GraphSAGE-GRU的预测性能，包括在种群初始化中使用帐篷映射和一种新的自适应方法来增强沙猫群优化的探索和开发能力	未提及具体局限性	提高发动机剩余使用寿命（RUL）预测的准确性	发动机	机器学习	NA	GraphSAGE-GRU, 沙猫群优化算法	GraphSAGE-GRU	图数据	使用CMAPSS数据集进行验证
6152	2025-03-02	Using deep learning to differentiate among histology renal tumor types in computed tomography scans 2025-Feb-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01606-3 PMID:40011809	研究论文	本研究使用卷积神经网络（CNN）分析计算机断层扫描（CT）图像，以区分不同组织学亚型的肾肿瘤	首次使用深度学习模型（Inception V3和Resnet50）对增强CT图像中的肾肿瘤亚型进行分类	模型的临床适用性仍需进一步改进	通过深度学习模型区分肾肿瘤的组织学亚型	肾肿瘤患者	计算机视觉	肾癌	CT扫描	CNN（Inception V3和Resnet50）	图像	554名患者，包括67例血管平滑肌脂肪瘤、34例嗜酸细胞瘤、246例透明细胞肾细胞癌、124例嫌色细胞肾细胞癌和83例乳头状肾细胞癌
6153	2025-03-02	CSEPC: a deep learning framework for classifying small-sample multimodal medical image data in Alzheimer's disease 2025-Feb-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-025-05771-6 PMID:40011826	研究论文	本文提出了一种名为CSEPC的深度学习框架，用于分类阿尔茨海默病的小样本多模态医学图像数据	CSEPC结合尺度平衡理论和模态耦合特性，整合不同成像模态和多尺度语义特征，显著减少学习参数，适用于小样本环境	研究主要基于ADNI数据集，可能在其他数据集上的泛化能力有限	提高阿尔茨海默病阶段的分类准确性，以延缓疾病进展并指导有效干预	阿尔茨海默病患者的多模态医学图像数据	数字病理学	老年病	深度学习	CSEPC	图像	ADNI数据集
6154	2025-03-02	Infrared spectrum analysis of organic molecules with neural networks using standard reference data sets in combination with real-world data 2025-Feb-26, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-00960-2 PMID:40011923	研究论文	本研究提出了一种基于神经网络的IR光谱分析方法，用于检测有机分子中的功能基团	该方法仅使用IR数据作为神经网络的输入，使其性能独立于其他分析测量获得的数据类型，并且通过结合来自不同实验室的真实数据，展示了开放获取的专业研究数据仓库作为未来机器学习研究的宝贵基准数据集的潜力	NA	分析IR光谱并检测有机分子中的功能基团	有机分子	机器学习	NA	IR光谱分析	神经网络	光谱数据	NIST数据集和Chemotion开放获取研究数据仓库中的数据
6155	2025-03-02	Geometric Self-Supervised Learning: A Novel AI Approach Towards Quantitative and Explainable Diabetic Retinopathy Detection 2025-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020157 PMID:40001677	研究论文	本文提出了一种基于几何自监督学习的新型AI方法，用于糖尿病视网膜病变（DR）的定量和可解释检测	开发了一种无需标注的深度学习策略，用于自动检测彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像中的渗出物和出血点	模型在UWF图像上的性能因病变大小而异，小病变的假阳性率较高	开发和验证一种自动检测糖尿病视网膜病变相关病变的深度学习模型	彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	U-Net	图像	两个CFP队列（Kaggle-CFP和E-Ophtha）和一个UWF队列，其中50例DR阳性病例用于独立测试
6156	2025-03-02	Deep Learning Approach Predicts Longitudinal Retinal Nerve Fiber Layer Thickness Changes 2025-Jan-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020139 PMID:40001659	研究论文	本研究旨在开发深度学习模型，预测青光眼患者视网膜神经纤维层（RNFL）厚度的变化，以促进疾病的早期诊断和进展监测	使用纵向OCT成像数据，结合自定义1D卷积神经网络（CNN），在不同人口统计学和疾病严重程度下实现一致的预测性能	样本量相对较小（251名参与者，437只眼睛），可能限制模型的泛化能力	开发深度学习模型以预测青光眼患者RNFL厚度的变化，支持临床决策	青光眼患者的视网膜神经纤维层（RNFL）厚度变化	数字病理学	青光眼	光学相干断层扫描（OCT）	线性回归（LR）、支持向量回归（SVR）、梯度提升回归（GBR）、自定义1D卷积神经网络（CNN）	图像（OCT扫描）	251名参与者（437只眼睛）
6157	2025-03-02	Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images 2025-Jan-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06017-6 PMID:39849586	研究论文	本文提出了一种针对癌症周围组织的深度学习框架，用于基于组织病理学图像的胃癌诊断	通过调整非癌症区域和癌症区域的比例，揭示了非癌症区域的诊断价值，并构建了基于MobileNetV2的优化模型DeepNCCNet	研究主要针对胃癌，未涉及其他类型的癌症	提高基于组织病理学图像的癌症诊断准确性	胃癌及其周围组织	数字病理学	胃癌	深度学习	MobileNetV2	图像	未明确提及样本数量
6158	2025-03-02	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文提出了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习技术加速重建过程	引入了虚拟线圈概念到展开网络中，显著提高了BUDA-cEPI的重建质量，并大幅减少了重建时间	重建过程仍然需要复杂的计算资源，且依赖于高质量的初始数据	开发一种快速重建管道，以便将BUDA-cEPI技术应用于常规临床和神经科学研究	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI）	U-Net	图像	NA
6159	2025-03-02	Deep Learning-Enabled Integration of Histology and Transcriptomics for Tissue Spatial Profile Analysis 2025, Research (Washington, D.C.) DOI:10.34133/research.0568 PMID:39830364	研究论文	本文介绍了一种名为GIST的深度学习模型，用于整合组织学图像和空间转录组数据，以进行组织空间特征分析	GIST模型结合了预训练的组织学基础模型和混合图变换器模型，显著提升了空间转录组数据的分析精度，并揭示了新的空间组织和功能动态	NA	开发一种深度学习模型，用于整合组织学图像和空间转录组数据，以提高空间细胞特征分析的准确性	人类肺癌、乳腺癌和结直肠癌的数据集	数字病理学	肺癌, 乳腺癌, 结直肠癌	空间转录组学	混合图变换器模型	图像, 转录组数据	NA
6160	2025-03-02	Liver fibrosis classification on trichrome histology slides using weakly supervised learning in children and young adults 2025-Jan, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100416 PMID:39867463	研究论文	本研究探讨了使用弱监督学习方法对儿童和年轻人的三色染色组织切片进行肝纤维化分类的可行性	采用聚类约束注意力多实例学习（CLAM）方法，首次在儿童和年轻人的三色染色全切片图像（WSI）上进行肝纤维化分期	研究为回顾性研究，样本量相对较小（217例），且仅限于儿童和年轻人群体	开发一种更客观的肝纤维化分期方法，减少诊断变异性	儿童和年轻人的肝纤维化组织切片	数字病理学	肝纤维化	弱监督学习	CLAM	图像	217例三色染色全切片图像