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
6181	2025-03-09	Characterizing diverse maize varieties under organic cultivation: phenotypic, yield, and canopy data from VIT Vellore 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110367 PMID:40051419	研究论文	本文介绍了在有机栽培条件下不同玉米品种的表型、产量和冠层数据，旨在评估品种性能并促进作物改良	提供了有机栽培条件下八个玉米品种的详细数据集，包括表型、产量、冠层温度和叶绿素读数，为未来育种和深度学习模型构建提供了基础数据	研究仅基于单一地点的有机栽培数据，可能无法完全反映其他环境条件下的品种表现	评估不同玉米品种在有机栽培条件下的表现，为作物改良和育种提供数据支持	八个玉米品种，包括四个来自IIMR的新品种和四个本地栽培品种	农业科学	NA	ANOVA (FRBD)	NA	表型数据、产量数据、冠层温度数据、叶绿素数据	160株玉米植株（每个品种20株，每个重复5株）
6182	2025-03-09	Deep learning-based segmentation of the trigeminal nerve and surrounding vasculature in trigeminal neuralgia 2025-Mar-07, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.10.JNS241060 PMID:40053933	研究论文	本研究应用并评估了深度学习模型在三叉神经痛（TN）患者的术前MRI中分割三叉神经及其周围血管的性能，以量化神经和血管的解剖特征	首次使用基于U-Net的神经网络模型对三叉神经及其周围血管进行自动分割，并开发了定量和客观的影像学评估指标	研究样本量较小，仅包括50名TN患者，且数据来自单一机构，可能影响模型的泛化能力	开发并评估深度学习模型在三叉神经痛术前MRI中分割三叉神经及其周围血管的性能	三叉神经痛患者的术前MRI数据	数字病理学	三叉神经痛	MRI	U-Net	图像	50名三叉神经痛患者的术前高分辨率MRI数据
6183	2025-03-09	Generalizable deep learning framework for 3D medical image segmentation using limited training data 2025-Mar-06, 3D printing in medicine IF:3.2Q1 DOI:10.1186/s41205-025-00254-1 PMID:40045095	研究论文	本文介绍了一种用于3D医学图像分割的深度学习框架，该框架在有限训练数据下仍能实现高性能	该框架克服了对大量数据和强大GPU资源的需求，适用于资源受限的医疗环境	尽管在多种临床应用中表现良好，但具体在不同医疗环境中的实际应用效果仍需进一步验证	开发一种适用于资源受限环境的3D医学图像分割深度学习框架	涉及骨科、眼眶分割、下颌骨CT、心脏CT、胎儿MRI和肺部CT的六种不同临床应用	数字病理	NA	深度学习	NA	3D医学图像	少量受试者
6184	2025-03-09	Leveraging deep neural network and language models for predicting long-term hospitalization risk in schizophrenia 2025-Mar-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00585-2 PMID:40044707	研究论文	本研究开发了一种深度学习模型，通过整合入院时的人口统计、行为和血液检测数据，预测精神分裂症患者的长期住院风险	利用语言模型高效提取非结构化电子健康记录数据，结合多模态特征显著提高预测性能，并通过综合可解释性分析和消融研究验证关键风险因素	研究基于回顾性队列，可能受到数据质量和完整性的限制	预测精神分裂症患者的长期住院风险，以优化资源分配和个体治疗计划	精神分裂症患者	自然语言处理	精神分裂症	深度学习	深度学习模型	人口统计、行为、血液检测数据	回顾性队列
6185	2025-03-09	Development and validation of automated three-dimensional convolutional neural network model for acute appendicitis diagnosis 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84348-6 PMID:40044743	研究论文	本研究开发了一种全自动诊断框架，使用3D卷积神经网络（CNN）从腹痛患者的增强腹部盆腔计算机断层扫描图像中识别阑尾炎和临床信息	开发了一种名为IA的深度学习模型，自动提取与阑尾解剖位置对应的感兴趣区域（VOI），并采用两阶段二元算法进行预测	模型的准确率、敏感性和特异性仍有提升空间，且样本量和多样性可能影响模型的泛化能力	开发并验证一种自动化3D卷积神经网络模型，用于急性阑尾炎的快速准确诊断	腹痛患者的增强腹部盆腔计算机断层扫描图像	计算机视觉	阑尾炎	3D卷积神经网络（CNN）	ResNet, DenseNet, EfficientNet	图像	NA
6186	2025-03-09	Deep learning for hepatocellular carcinoma recurrence before and after liver transplantation: a multicenter cohort study 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91728-z PMID:40044774	研究论文	本研究开发了一种用于肝细胞癌（HCC）患者在肝移植（LT）前后复发的预测系统	使用深度学习方法（DeepSurv）开发了术前和术后模型，显著提高了肿瘤复发的预测准确性，并超越了米兰标准	研究为回顾性设计，可能存在选择偏差，且样本量相对较小	开发并验证一种用于HCC患者在LT前后复发的预测系统	接受肝移植的HCC患者	机器学习	肝细胞癌	支持向量机、随机森林、逻辑回归、DeepSurv	LR、stacking、DeepSurv	临床病理数据	466名患者
6187	2025-03-09	Rethinking model prototyping through the MedMNIST+ dataset collection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92156-9 PMID:40044786	研究论文	本文介绍了MedMNIST+数据集集合，旨在通过多样化的评估环境重新评估常用的卷积神经网络（CNN）和视觉Transformer（ViT）架构，以验证和优化现有模型的有效性和开发假设	提出了一个全面的MedMNIST+数据集集合基准，通过多样化的评估环境重新评估常用模型，发现计算效率高的训练方案和现代基础模型是可行的替代方案，且高分辨率图像并不总是提高性能	研究主要基于MedMNIST+数据集集合，可能无法完全代表所有医疗数据集的情况	通过多样化的评估环境重新评估常用模型，以验证和优化现有模型的有效性和开发假设	卷积神经网络（CNN）和视觉Transformer（ViT）架构	计算机视觉	NA	NA	CNN, ViT	图像	多个医疗数据集
6188	2025-03-09	Attention dual transformer with adaptive temporal convolutional for diabetic retinopathy detection 2025-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92510-x PMID:40044820	研究论文	本文提出了一种注意力双变压器与自适应时间卷积（ADT-ATC）模型，用于从视网膜眼底图像中增强糖尿病视网膜病变（DR）的检测	该模型通过双空间变压器网络处理多尺度空间特征，并通过自适应时间卷积单元捕捉时间依赖性，同时引入分层交叉注意力模块融合空间和时间特征	未提及具体局限性	提高糖尿病视网膜病变的检测精度	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	ADT-ATC（注意力双变压器与自适应时间卷积模型）	图像	使用DRIVE和糖尿病视网膜病变数据集进行实验
6189	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
6190	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
6191	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
6192	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
6193	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
6194	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
6195	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
6196	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
6197	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
6198	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
6199	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
6200	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