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
6241	2025-03-30	Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network 2025-Feb-21, Entropy (Basel, Switzerland) DOI:10.3390/e27030220 PMID:40149144	研究论文	本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计	将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题	NA	提高大规模MIMO通信系统中信道估计的准确性和效率	大规模MIMO通信系统	机器学习	NA	深度学习	PACE-Net（极化自注意力辅助神经网络）	信道数据	NA
6242	2025-03-30	Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks 2025-Feb-20, Life (Basel, Switzerland) DOI:10.3390/life15030327 PMID:40141673	research paper	该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性	采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11%	数据集来自Kaggle，可能存在样本多样性和泛化能力的限制	提高脑肿瘤分类的准确性和效率，支持临床决策	MRI图像中的脑肿瘤与非肿瘤图像	computer vision	brain tumor	deep transfer learning	InceptionResNetV2, VGG19, Xception, MobileNetV2	image	Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及
6243	2025-03-30	Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing 2025-Feb, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0285 PMID:40151680	研究论文	提出了一种基于多图像融合和深度学习的陶瓷增材制造中涂层缺陷实时监测方法	采用多图像融合技术和通道级YOLO（CW-YOLO）方法，显著提高了缺陷检测的准确性和实时性	未提及具体的数据集规模或实验环境的多样性限制	开发一种实时监测陶瓷增材制造中涂层缺陷的方法	陶瓷增材制造过程中的涂层缺陷	计算机视觉	NA	多图像融合、深度学习	CW-YOLO	图像	NA
6244	2025-03-29	Correction to: "UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf043 PMID:40139910	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6245	2025-03-30	Impact of imbalanced features on large datasets 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1455442 PMID:40151465	research paper	本文探讨了基于图像特征的分类框架，分析了平衡与不平衡分布对图像分类性能的影响	研究了类别不平衡对大规模数据集图像分类性能的影响，并发现Distributed Gaussian (D-GA)和Distributed Poisson (D-PO)是最有效的技术	未提及具体的数据集大小或实验的具体细节	探索类别不平衡对图像分类性能的影响	图像和视频数据	computer vision	NA	Distributed Gaussian (D-GA), Distributed Poisson (D-PO)	Random Forest (RF), SVM, deep learning models	image, video	large datasets（未提及具体数量）
6246	2025-03-30	Research on herd sheep facial recognition based on multi-dimensional feature information fusion technology in complex environment 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1404564 PMID:40151568	研究论文	本文提出了一种基于深度学习的智能监测系统，用于复杂环境下羊群的面部识别和健康评估	系统整合了多部分检测网络、面部分类模型和面部表情分析网络，并引入了多链接卷积融合块(MCFB)和可重参数化卷积(RepConv)结构以提高检测精度	NA	提高大规模农场中羊群个体监测的准确性和效率	羊群	计算机视觉	NA	深度学习	YOLOv5s, GhostNet, EfficientNet	图像	NA
6247	2025-03-30	Transformer-based ensemble model for dialectal Arabic sentiment classification 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2644 PMID:40151815	研究论文	该研究提出了一种基于Transformer的集成模型，用于方言阿拉伯语的情感分类	提出了一种基于Transformer的集成模型，在方言阿拉伯语情感分类任务中表现优于传统机器学习和深度学习模型	研究仅限于三个基准数据集，可能无法涵盖所有方言阿拉伯语的变体	提高方言阿拉伯语情感分类的准确性和性能	阿拉伯语推文的情感分类	自然语言处理	NA	AraVec, FastText, AraBERT, TF-IDF	Transformer-based ensemble model, SVM, NB, DT, XGBoost, CNN, BLSTM, CAMeLBERT, XLM-RoBERTa, MARBERT	文本	三个基准数据集：ASTD、ASAD和TEAD
6248	2025-03-30	A semantic segmentation-based automatic pterygium assessment and grading system 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1507226 PMID:40151829	研究论文	本研究开发了一种结合深度学习和图像处理技术的自动翼状胬肉评估和分级系统	通过整合语义分割和曲线拟合技术，实现了翼状胬肉的自动分级，与医生临床评估高度一致	数据集的构建仍需在未来研究中进一步优化	开发自动化的翼状胬肉评估系统以优化治疗并减轻患者痛苦	翼状胬肉患者	数字病理学	眼部疾病	深度学习、图像处理	改进的TransUnet架构	图像	临床数据集中的裂隙灯显微镜图像
6249	2025-03-30	Addressing Class Imbalance with Latent Diffusion-based Data Augmentation for Improving Disease Classification in Pediatric Chest X-rays 2024-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm62325.2024.10822172 PMID:40134830	研究论文	本研究探讨了使用基于潜在扩散模型的数据增强技术来解决儿科胸部X光片分类中的类别不平衡问题	首次评估了文本引导的图像到图像潜在扩散模型在合成疾病阳性胸部X光片中的应用，并验证了其在改善分类性能方面的有效性	研究仅针对两种特定肺部疾病（肺炎和支气管肺炎）进行了验证，未涵盖更广泛的儿科胸部疾病	解决医学图像分类中的类别不平衡问题，提高深度学习模型在儿科胸部X光片疾病分类中的性能	儿科胸部X光片（CXRs）	数字病理学	儿科肺部疾病（肺炎和支气管肺炎）	潜在扩散模型（LDM）	Inception-V3, 潜在扩散模型（LDM）	医学图像（胸部X光片）	未明确说明具体样本数量，但涉及类别不平衡的儿科胸部X光片数据集
6250	2025-03-30	STMGraph: spatial-context-aware of transcriptomes via a dual-remasked dynamic graph attention model 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae685 PMID:39764614	研究论文	介绍了一种名为STMGraph的双重掩蔽动态图注意力模型，用于空间转录组数据的全局上下文感知分析	提出了一种结合双重掩蔽机制(MASK-REMASK)与动态图注意力模型(DGAT)的新型深度学习框架，能够更好地处理空间转录组数据	未明确提及具体局限性	提高空间转录组数据分析的准确性和鲁棒性，实现微环境异质性检测、空间域聚类和批次效应校正	空间转录组数据	生物信息学	NA	空间转录组技术	动态图注意力模型(DGAT)	空间转录组数据	未明确提及具体样本量
6251	2025-03-30	Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence 2024-May-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae158 PMID:38544295	研究论文	本研究利用Google街景图像和深度学习技术评估建筑环境与冠状动脉疾病患病率之间的关联	首次将深度学习应用于Google街景图像分析，建立建筑环境特征与心血管疾病患病率的关联模型	横断面研究设计无法确定因果关系，研究仅限于美国七个城市	探索基于机器视觉的建筑环境评估与心血管疾病患病率之间的关系	美国七个城市的789个人口普查区的建筑环境特征	计算机视觉	心血管疾病	深度学习	CNN, 线性混合效应模型	图像	53万张Google街景图像，覆盖7个美国城市的789个人口普查区
6252	2025-03-30	Robustness of ML-Based Seizure Prediction Using Noisy EEG Data From Limited Channels 2024 Apr-May, ... International Conference on Distributed Computing in Sensor Systems and workshops. DCOSS (Conference) DOI:10.1109/dcoss-iot61029.2024.00097 PMID:40134901	研究论文	本文研究了基于机器学习的癫痫发作预测模型在噪声EEG数据和有限通道条件下的鲁棒性	评估了DL模型在临床级EEG数据训练但消费级可穿戴EEG头戴设备数据测试时的表现，特别是在通道减少、流数据和类别不平衡情况下的鲁棒性	研究仅针对SPERTL模型进行评估，可能不适用于其他DL模型	提高癫痫发作预测模型在真实世界条件下的准确性和适用性	癫痫患者的EEG数据	机器学习	癫痫	EEG	DL(SPERTL模型)	EEG信号数据	NA
6253	2025-03-30	DARDN: A Deep-Learning Approach for CTCF Binding Sequence Classification and Oncogenic Regulatory Feature Discovery 2024-01-23, Genes IF:2.8Q2 DOI:10.3390/genes15020144 PMID:38397134	研究论文	本文提出了一种名为DARDN的深度学习方法，用于CTCF结合序列分类和致癌调控特征的发现	利用CNN预测癌症特异性CTCF结合位点，并采用DeepLIFT解释模型输入特征的贡献，从而识别与癌症特异性CTCF结合相关的DNA序列特征	未明确提及具体局限性	研究癌症基因组学中基因调控机制的表征	CTCF结合位点及其在癌症中的特异性结合模式	机器学习	T细胞急性淋巴细胞白血病（T-ALL）、急性髓系白血病（AML）、乳腺癌（BRCA）、结直肠癌（CRC）、肺腺癌（LUAD）和前列腺癌（PRAD）	高通量测序	CNN	DNA序列	涉及多种癌症类型的CTCF结合位点DNA序列
6254	2025-03-30	Data-efficient resting-state functional magnetic resonance imaging brain mapping with deep learning 2023-11-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2023.3.JNS2314 PMID:37060318	研究论文	本研究开发了一种深度3D卷积神经网络（3DCNN），用于在静息态功能磁共振成像（RS-fMRI）数据量最小的情况下，对语言和运动静息态网络进行体素级映射	提出了一种能够在减少扫描时间的同时，可靠且精确地映射静息态网络的深度3DCNN模型	研究主要基于健康成年人的数据，仅在5名多形性胶质母细胞瘤患者中进行了测试	开发一种高效的方法，用于术前功能映射，以改善脑肿瘤患者的功能保留	健康成年人（n=2252）和5名多形性胶质母细胞瘤患者	数字病理	脑肿瘤	RS-fMRI	3DCNN	图像	2252名健康成年人和5名多形性胶质母细胞瘤患者
6255	2025-03-30	Creating High Fidelity Synthetic Pelvis Radiographs Using Generative Adversarial Networks: Unlocking the Potential of Deep Learning Models Without Patient Privacy Concerns 2023-10, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2022.12.013 PMID:36535448	research paper	本研究应用生成对抗网络（GANs）技术生成高保真合成骨盆X光片，以支持深度学习图像分析并保护患者隐私	利用GANs生成高保真合成骨盆X光片，这些图像在计算机和专家评估中难以与真实图像区分	研究仅针对骨盆X光片，未涉及其他类型的医学影像	开发一种方法，生成可用于深度学习模型训练的高保真合成医学影像，同时避免患者隐私问题	骨盆X光片	digital pathology	NA	GANs	GAN	image	37,640张真实X光片（来自16,782名患者）
6256	2025-03-30	Variational Autoencoders for Biomedical Signal Morphology Clustering and Noise Detection 2023-Sep-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320585 PMID:37768790	研究论文	提出了一种基于变分自编码器和高斯混合模型的生物医学波形噪声检测框架，用于无监督检测波形异常并提供置信度评分	使用变分自编码器与高斯混合模型结合，实现无需标注的波形异常检测，并生成置信度指标	方法主要针对具有心脏活动周期性的生物医学信号，可能不适用于非周期性信号	开发一种自动化的生物医学信号噪声检测方法，提高下游生理指标估计的准确性	非侵入式可穿戴设备采集的原始波形数据	机器学习	心血管疾病	变分自编码器(VAE), 高斯混合模型(GMM), 动态时间规整(DTW)	VAE, GMM	时间序列数据	97885个心脏周期的心阻抗数据
6257	2025-03-30	U-Sleep's resilience to AASM guidelines 2023-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00784-0 PMID:36878957	research paper	研究探讨了U-Sleep睡眠评分算法在不完全遵循AASM指南情况下的表现	展示了深度学习算法在睡眠评分任务中可以不依赖临床知识或严格遵循AASM指南	仅评估了U-Sleep算法，未与其他算法进行广泛比较	评估深度学习睡眠评分算法对AASM指南的适应性	睡眠评分算法和AASM指南	machine learning	NA	deep learning	U-Sleep	polysomnography studies	28528项多导睡眠图研究，来自13项不同的临床研究
6258	2025-03-29	Predicting radiation-induced hypothyroidism in nasopharyngeal carcinoma patients using a deep learning model 2025-May, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100946 PMID:40144227	research paper	本研究开发了一种基于深度学习生存分析的模型，用于预测鼻咽癌患者放射性甲状腺功能减退症（RIHT）的发生	使用DeepSurv深度学习模型预测RIHT，其性能优于传统的Cox和NTCP模型	研究为回顾性设计，可能存在选择偏倚	开发高准确度的RIHT预测模型，以支持个性化患者管理	535名鼻咽癌患者	digital pathology	nasopharyngeal carcinoma	deep learning survival analysis	DeepSurv, CNN	clinical data	535名鼻咽癌患者（2015年1月至2020年10月）
6259	2025-03-29	Tea grading, blending, and matching based on computer vision and deep learning 2025-Apr, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14088 PMID:39711109	research paper	本研究开发了一种基于计算机视觉和深度学习的茶叶分级、混合比例评估和样本匹配的高效无损方法	结合ResNet模型和CBAM注意力模块，提高了茶叶图像特征提取能力，显著提升了分类和匹配的准确率	仅针对乌龙茶和红茶进行了测试，未涵盖其他茶类	提高茶叶生产过程中的分级、混合和样本匹配的效率和准确性	乌龙茶和红茶的图像数据	computer vision	NA	deep learning	ResNet with CBAM	image	NA
6260	2025-03-29	Development and validation of a deep learning-based automated computed tomography image segmentation and diagnostic model for infectious hydronephrosis: a retrospective multicentre cohort study 2025-Apr, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103146 PMID:40144691	研究论文	开发并验证了一种基于深度学习的自动化CT图像分割和诊断模型，用于感染性肾积水的诊断	使用改进的U-Net算法开发了肾积水分割模型（HRSM），并结合3D CNN和临床数据建立了感染性肾积水诊断模型（IHDM）	需要更多多样化的真实世界多中心验证研究来验证模型的稳健性	开发一种全自动分割和非侵入性诊断模型，用于感染性肾积水的诊断	肾积水患者	数字病理	肾积水	CT图像分析	Improved U-Net, 3D CNN, SVM	CT图像	615名患者（包括5876张标注的CT图像）