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
6281	2025-03-02	Rapid and accurate classification of mung bean seeds based on HPMobileNet 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1474906 PMID:40017618	研究论文	本研究提出了一种基于深度学习的绿豆种子快速准确分类方法，通过改进MobileNetV2模型，引入了DMS块、ECA块和Mish激活函数，构建了高精度网络模型HPMobileNet	提出了HPMobileNet模型，结合DMS块、ECA块和Mish激活函数，显著提升了绿豆种子分类的准确率	研究未涉及模型在其他作物种子分类中的泛化能力，且未来优化和应用潜力仍需进一步探索	开发一种高效准确的绿豆种子分类方法，推动智能农业技术的发展	八种不同品种的绿豆种子	计算机视觉	NA	深度学习	HPMobileNet（基于MobileNetV2改进）	图像	34,890张绿豆种子图像
6282	2025-03-02	A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1448669 PMID:40017619	研究论文	本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法，用于干旱热谷环境中的植被检测	结合了MTPI（最大迁移潜力指数方法）和MTSA（多汤普森采样算法）强化学习，用于数据集自动增强和网络自动训练，减少了人工经验和试错成本	现有自动训练方法适应于简单数据集和网络结构，在非结构化环境（如干旱热谷环境）中实用性较低	减少深度学习中的手动干预，提高复杂植被信息收集的效率	干旱热谷环境中的植被	计算机视觉	NA	深度学习，强化学习，迁移学习	FCN, Seg-Net, U-Net, Seg-Res-Net 50	图像	NA
6283	2025-03-02	Natural language processing to identify social determinants of health in Alzheimer's disease and related dementia from electronic health records 2023-12, Health services research IF:3.1Q1 DOI:10.1111/1475-6773.14210 PMID:37534741	研究论文	开发了一种基于自然语言处理（NLP）的算法，用于从非结构化的电子健康记录（EHR）中识别阿尔茨海默病及相关痴呆（ADRD）患者的健康社会决定因素（SDoH）	开发了一种基于规则的NLP算法，用于识别七个SDoH领域，并与深度学习和正则化逻辑回归方法进行了比较	在住房和药物不安全方面的SDoH识别性能较差	识别ADRD患者的健康社会决定因素（SDoH）	阿尔茨海默病及相关痴呆（ADRD）患者	自然语言处理	老年病	自然语言处理（NLP）	基于规则的NLP算法、深度学习、正则化逻辑回归	文本	1000份医疗记录，来自231名ADRD患者
6284	2025-03-02	Editorial for "Deep Learning-Based Segmentation of Locally Advanced Breast Cancer on MRI in Relation to Residual Cancer Burden: A Multi-Institutional Cohort Study" 2023-12, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28680 PMID:36939778	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6285	2025-03-02	Editorial for "Implementable Deep Learning for Multi-sequence Proton MRI Lung Segmentation: A Multi-center, Multi-vendor and Multi-disease Study" 2023-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28661 PMID:36847749	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6286	2025-03-02	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	本文对心胸影像领域中机器学习和深度学习的应用进行了范围审查，系统搜索了同行评审的医学文献，并定量提取了关键数据元素	提供了心胸影像领域中ML/DL应用的综合概述，并提出了使研究超越概念验证向临床采纳迈进的一般建议	未具体提及研究的局限性	探讨机器学习和深度学习在心胸影像领域的应用及其临床采纳的潜力	心胸影像	计算机视觉	心血管疾病	NA	机器学习（ML），深度学习（DL）	图像	NA
6287	2025-03-02	Virtual Molecular Projections and Convolutional Neural Networks for the End-to-End Modeling of Nanoparticle Activities and Properties 2020-10-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.0c02878 PMID:32970421	研究论文	本研究利用卷积神经网络（CNNs）从纳米结构中对纳米颗粒的活性和特性进行建模	使用虚拟分子投影作为多维数字化的纳米结构表示，并应用于CNN模型训练，实现了从纳米结构到活性和特性的端到端建模	研究中仅使用了77个纳米颗粒样本，样本量较小，可能影响模型的泛化能力	开发一种能够数字化复杂纳米结构并用于机器学习建模的方法	纳米颗粒的活性和理化特性	机器学习	NA	虚拟分子投影	CNN	多维数字化纳米结构	77个纳米颗粒
6288	2025-03-01	Quantitative determination of acid value in palm oil during thermal oxidation using Raman spectroscopy combined with deep learning models 2025-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143107 PMID:39893723	研究论文	本研究结合拉曼光谱和深度学习模型，探索其在棕榈油热氧化过程中酸值定量测定中的潜力	首次将拉曼光谱与深度学习模型（包括CNN、LSTM和Transformer）结合，用于提高棕榈油热氧化过程中酸值定量的准确性和效率	需要进一步验证更多样化的指标数据集	提高棕榈油热氧化过程中酸值定量的准确性和效率	棕榈油	机器学习	NA	拉曼光谱	CNN, LSTM, Transformer	光谱数据	NA
6289	2025-03-01	Quality prediction of seabream Sparus aurata by deep learning algorithms and explainable artificial intelligence 2025-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143150 PMID:39923522	研究论文	本研究使用卷积神经网络（CNN）、DenseNet121、Inception V3和ResNet50机器学习算法，通过海鲷的眼睛和鳃图像来确定其在冷藏条件下的质量变化	结合可解释人工智能（XAI）算法（Grad-CAM和LIME）分析机器学习算法的结果，提出了一种非破坏性的海鲷新鲜度检测方法	研究仅限于海鲷在冷藏条件下的新鲜度检测，未涉及其他储存条件或鱼类种类	开发一种非破坏性的方法，用于在冷藏条件下确定海鲷的新鲜度	海鲷（Sparus aurata）	计算机视觉	NA	机器学习	CNN, DenseNet121, Inception V3, ResNet50	图像	NA
6290	2025-03-01	Measurement of differential activation by heart-rate-variability for youth MDD discrimination 2025-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.02.006 PMID:39914751	研究论文	本研究探讨了基于心率变异性（HRV）的差异激活（DA）理论在青年重度抑郁症（MDD）识别中的应用	结合DA理论和HRV记录，为青年MDD识别提供了新的视角和高效方法	样本量相对较小，仅包括50名MDD青年患者和53名健康对照者	确定基于差异激活（DA）理论的识别器是否能有效识别青年MDD患者	50名被诊断为MDD的青年患者和53名健康对照者	机器学习	重度抑郁症	心率变异性（HRV）分析	LSTM	心率变异性数据	103名参与者（50名MDD患者和53名健康对照者）
6291	2025-03-01	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	review	本文综述了利用机器学习预测突变对蛋白质相互作用影响的最新进展	综合评估了基于物理化学、机器学习和深度学习的预测方法，并探讨了未来发展方向	讨论了突变数据的局限性，包括偏差、数据质量和数据集大小	理解遗传变异如何影响蛋白质与其他生物分子之间的相互作用，以阐明疾病机制和开发靶向治疗	蛋白质相互作用及其突变效应	machine learning	cancer	machine learning, deep learning	NA	mutational data	NA
6292	2025-03-01	Utilising routinely collected clinical data through time series deep learning to improve identification of bacterial bloodstream infections: a retrospective cohort study 2025-Mar, The Lancet. Digital health DOI:10.1016/j.landig.2025.01.010 PMID:40015765	研究论文	本研究利用常规收集的临床数据，通过时间序列深度学习模型，提高细菌性血流感染的识别能力	使用LSTM模型结合时间序列数据，显著提高了血流感染的预测准确性，特别是在医院获得性感染方面	研究为回顾性队列研究，可能存在数据偏差，且模型性能在去除时间序列信息后显著下降	开发和评估利用医疗数据预测住院患者血流感染的模型	2014年3月3日至2021年12月1日在伦敦帝国学院医疗保健NHS信托基金进行血培养检测的患者	机器学习	血流感染	时间序列深度学习	LSTM, 静态逻辑回归模型	血液生物标志物和人口统计数据	训练集15,212例，测试集5,638例，总计20,850例患者
6293	2025-03-01	Neural Network-Assisted Dual-Functional Hydrogel-Based Microfluidic SERS Sensing for Divisional Recognition of Multimolecule Fingerprint 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03096 PMID:39964084	研究论文	本文提出了一种基于深度学习的双功能分区微流控集成水凝胶表面增强拉曼散射（SERS）平台，以提高拉曼检测系统的灵敏度、集成度和实用性	创新点在于开发了一种双功能SERS平台，结合微流控技术和神经网络，实现了多分子指纹的分区识别和同时检测	未明确提及具体局限性	研究目的是提高拉曼检测系统的灵敏度、集成度和实用性	研究对象包括罗丹明6G（R6G）、福美双、芘、蒽和邻苯二甲酸二丁酯等分子	机器学习和微流控技术	NA	表面增强拉曼散射（SERS）和全连接神经网络技术	全连接神经网络	拉曼光谱数据	未明确提及具体样本数量
6294	2025-03-01	CBCT projection domain metal segmentation for metal artifact reduction using hessian-inspired dual-encoding network with guidance from segment anything model 2025-Feb-28, Medical physics IF:3.2Q1 DOI:10.1002/mp.17716 PMID:40017345	研究论文	本文提出了一种基于Hessian启发的双编码网络（HIDE-Net），用于CBCT投影域金属分割，以减少金属伪影	提出了一种无需手动标注的深度学习金属痕迹分割工作流程，结合了Hessian特征值模块、双编码器和输入增强模块，并利用Segment Anything Model（SAM）自动获取训练标签	需要进一步验证在更多临床数据集上的泛化能力	提高CBCT图像质量，减少金属伪影	CBCT投影域中的金属物体	医学影像	NA	深度学习	HIDE-Net, CNN	图像	数字幻影数据和临床CBCT数据
6295	2025-03-01	Deep learning for named entity recognition in Turkish radiology reports 2025-Feb-28, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243100 PMID:40018795	研究论文	本研究旨在通过开发并评估一个深度学习框架来提高土耳其语放射学报告中命名实体识别（NER）的准确性和效率	采用四阶段DYGIE++模型，并结合自适应跨度枚举和跨度图传播技术，以处理土耳其语放射学报告的复杂性	由于隐私问题，研究使用了合成的放射学报告数据集，而非真实的患者数据	提高放射学报告中信息提取的准确性和效率	土耳其语放射学报告	自然语言处理	NA	深度学习	DYGIE++, BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa	文本	1,056份合成的土耳其语放射学报告
6296	2025-03-01	Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population 2025-Feb-28, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242950 PMID:40018794	研究论文	本研究旨在使用卷积神经网络（CNN）模型区分儿童腹部X光片中的正常肠道气体分布与胃肠道扩张或梗阻，并进一步区分需要手术的梗阻患者与其他胃肠道扩张或肠梗阻患者	本研究首次在儿科人群中应用CNN模型进行胃肠道梗阻的诊断，并评估手术与药物治疗的需求	研究样本量相对较小，且仅来自单一机构，可能影响模型的泛化能力	开发一种高精度的深度学习模型，用于儿科急诊中胃肠道梗阻的快速诊断	儿科患者的腹部X光片	计算机视觉	胃肠道疾病	卷积神经网络（CNN）	ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge	图像	540例正常，298例手术矫正扩张（SD），314例炎症/感染性扩张（ID）
6297	2025-03-01	A novel approach for estimating postmortem intervals under varying temperature conditions using pathology images and artificial intelligence models 2025-Feb-28, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03447-9 PMID:40019556	研究论文	本文提出了一种利用病理图像和人工智能模型在不同温度条件下估计死后间隔（PMI）的新方法	首次引入基于病理组织图像和人工智能的预测模型，用于PMI估计，并在三种温度条件下进行验证	未提及具体的外部验证样本量或多样性限制	提高法医调查中PMI估计的准确性和效率	病理组织图像	数字病理学	NA	深度学习，机器学习	ResNet50	图像	未提及具体样本量
6298	2025-03-01	MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction 2025-Feb-28, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00697-4 PMID:40019659	研究论文	本文介绍了一种创新的深度学习架构，旨在增强药物-靶标相互作用（DTI）亲和力的预测	该模型巧妙地结合了图神经网络、预训练的大规模蛋白质模型和注意力机制，以提高性能	NA	提高药物-靶标相互作用（DTI）亲和力的预测精度	药物分子和蛋白质靶标	机器学习	NA	深度学习	图神经网络（GNN）、双向长短期记忆网络（BiLSTM）	分子结构图和蛋白质序列	两个公开数据集
6299	2025-03-01	Deep Ensemble for Central Serous Microscopic Retinopathy Detection in Retinal Optical Coherence Tomographic Images 2025-Feb-27, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24836 PMID:40014549	研究论文	本文提出了一种基于卷积神经网络的框架，结合分割和后处理技术，用于视网膜光学相干断层扫描图像中的中心性浆液性视网膜病变检测	本文的创新点在于结合了Otsu阈值分割技术和三种深度学习网络（ResNet-18、GoogleNet和VGG-19）的融合，实现了高精度的CSR检测	本文的局限性在于仅使用了公开数据集OCTID，样本量相对较小，可能影响模型的泛化能力	研究目的是通过深度学习技术自动检测中心性浆液性视网膜病变（CSR），以减少视力丧失并恢复视力	研究对象是视网膜光学相干断层扫描（OCT）图像	计算机视觉	视网膜病变	Otsu阈值分割、对比度调整、噪声去除、洪水填充、膨胀和面积阈值	CNN（ResNet-18、GoogleNet、VGG-19）	图像	309张图像（207张正常图像和102张CSR图像）
6300	2025-03-01	A Robust Approach to Early Glaucoma Identification from Retinal Fundus Images using Dirichlet-based Weighted Average Ensemble and Bayesian Optimization 2025-Feb-27, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056335762250128095107 PMID:40017250	研究论文	本文提出了一种基于Dirichlet加权平均集成和贝叶斯优化的方法，用于从视网膜眼底图像中早期识别青光眼	提出了一种集成多个深度学习模型并结合自动超参数优化的方法，显著提高了青光眼诊断的准确性和模型泛化能力	研究依赖于公开数据集，可能无法涵盖所有临床场景	提高青光眼早期诊断的准确性和模型泛化能力	视网膜眼底图像	计算机视觉	青光眼	深度学习	CNN, MobileNet, DenseNet201	图像	1,355张视网膜眼底图像