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
6421	2025-03-19	Automatic bone age assessment: a Turkish population study 2025-Mar-17, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242999 PMID:40094318	研究论文	本研究探讨了深度学习算法在土耳其人群中的应用，以增强骨龄评估模型，并理解人口统计学影响	开发了一个包含土耳其人群的自动骨龄评估模型，这是少数使用深度学习进行此类研究之一	人口差异和数据异质性带来的挑战	通过理解人口统计学影响，增强骨龄评估模型	土耳其人群的手部X光片	计算机视觉	NA	深度学习	修改后的InceptionV3模型	图像	2,730张来自Bağcılar医院的手部X光片，12,572张来自北美放射学会（RSNA）的数据集，6,185张来自放射手部姿态估计（RHPE）公共数据集
6422	2025-03-19	Accelerated intracranial time-of-flight MR angiography with image-based deep learning image enhancement reduces scan times and improves image quality at 3-T and 1.5-T 2025-Mar-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03564-7 PMID:40095006	研究论文	本研究评估了基于深度学习的图像增强技术在加速颅内时间飞行磁共振血管成像（TOF-MRA）中的应用效果，与传统TOF-MRA相比，在3-T和1.5-T下均显著提高了图像质量并减少了扫描时间	首次在3-T和1.5-T磁共振扫描仪上应用深度学习图像增强技术，显著提高了TOF-MRA的图像质量并减少了40%的扫描时间	研究为回顾性设计，样本量相对较小，且仅使用了商业化的深度学习算法，未探索其他可能的深度学习模型	评估深度学习图像增强技术在加速颅内TOF-MRA中的应用效果，并与传统TOF-MRA进行比较	129名接受1.5-T或3-T磁共振扫描的患者	医学影像	脑血管疾病	深度学习图像增强	深度学习模型（未具体说明）	磁共振图像	129名患者（99名在3-T，30名在1.5-T）
6423	2025-03-19	Availability and transparency of artificial intelligence models in radiology: a meta-research study 2025-Mar-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11492-6 PMID:40095011	meta-research study	本研究探讨了2022年发表在领先放射学期刊上的人工智能（AI）模型开发研究中模型的可用性，可用性定义为透明报告相关技术细节，如模型架构和权重，以便独立复制	首次系统评估了放射学领域AI模型的可获得性，特别是深度学习（DL）模型的低可用性问题	研究仅涵盖了2022年发表在五个领先放射学期刊上的AI模型开发研究，可能无法全面反映整个领域的现状	评估放射学领域AI模型的可用性，特别是深度学习模型的透明度和可复制性	2022年发表在五个领先放射学期刊上的AI模型开发研究	放射学	NA	NA	深度学习（DL）模型, 传统回归模型	NA	268项研究
6424	2025-03-19	Progress in the application of machine learning in CT diagnosis of acute appendicitis 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04864-5 PMID:40095017	综述	本文综述了机器学习在急性阑尾炎CT诊断中的应用、进展及挑战，并探讨了未来发展方向	介绍了机器学习在急性阑尾炎诊断中的创新应用，如自动检测、鉴别诊断和严重程度分层，并展示了深度学习模型如AppendiXNet和3D卷积神经网络在诊断中的优异表现	面临人工智能的'黑箱'性质、与临床工作流程的整合以及所需大量资源等挑战	探讨机器学习在急性阑尾炎CT诊断中的应用及其对提高诊断精度、优化治疗路径和降低医疗成本的潜力	急性阑尾炎的CT诊断	数字病理学	急性阑尾炎	CT成像	深度学习模型（如AppendiXNet）、3D卷积神经网络（CNNs）	CT图像	NA
6425	2025-03-19	Diagnosis of moderate-to-severe hepatic steatosis using deep learning-based automated attenuation measurements on contrast-enhanced CT 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04872-5 PMID:40095018	研究论文	本研究评估了基于深度学习的自动化衰减测量在对比增强CT（CECT）上诊断中度至重度肝脂肪变性（HS）的效用，以组织学为参考标准	利用深度学习算法自动测量肝脏和脾脏的衰减值，并与手动测量结果进行比较，评估其在诊断中度至重度肝脂肪变性中的性能	研究为回顾性研究，可能存在选择偏差，且仅针对肝移植供体，结果可能不适用于其他人群	评估基于深度学习的自动化衰减测量在CECT上诊断中度至重度肝脂肪变性的效用	3,620名肝移植供体（2,393名男性和1,227名女性；平均年龄31.7±9.4岁）	计算机视觉	肝脂肪变性	对比增强CT（CECT）	深度学习算法	CT图像	3,620名肝移植供体
6426	2025-03-19	Comparing two deep learning spectral reconstruction levels for abdominal evaluation using a rapid-kVp-switching dual-energy CT scanner 2025-Mar-17, Abdominal radiology (New York) DOI:10.1007/s00261-025-04868-1 PMID:40095024	研究论文	本研究通过定量和定性比较两种深度学习光谱重建（DLSR）算法的强弱水平，全面评估了其在腹部双能CT（DECT）扫描中的图像质量	首次在人类腹部DECT扫描中应用深度学习光谱重建（DLSR）算法，并比较了强弱两种重建水平的图像质量	研究样本量较小，仅涉及51名患者的腹部/骨盆DECT扫描	评估深度学习光谱重建（DLSR）算法在腹部双能CT（DECT）扫描中的图像质量	51名患者的腹部/骨盆DECT扫描数据	医学影像	NA	双能CT（DECT）扫描	深度学习光谱重建（DLSR）算法	CT图像	51名患者的腹部/骨盆DECT扫描数据
6427	2025-03-19	Integrative Protein Assembly With LZerD and Deep Learning in CAPRI 47-55 2025-Mar-17, Proteins IF:3.2Q2 DOI:10.1002/prot.26818 PMID:40095385	研究论文	本文报告了我们团队在CAPRI第47-55轮中的蛋白质复合物预测方法及其结果，不包括联合CASP第50和54轮以及特殊的COVID-19第51轮	整合了经典管道和最近开发的深度学习管道，并在人类组预测中整合了文献信息	未包括联合CASP第50和54轮以及特殊的COVID-19第51轮的结果	提高蛋白质复合物预测的准确性	蛋白质复合物	机器学习	NA	深度学习	NA	蛋白质数据	NA
6428	2025-03-19	Deep Learning-Based Artificial Intelligence Algorithm to Classify Tremors from Hand-Drawn Spirals 2025-Mar-17, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30176 PMID:40095435	研究论文	本文开发并验证了一种基于深度学习的算法，用于从手绘螺旋图中分类震颤综合征	首次使用深度学习算法对手绘螺旋图进行分类，提供了一种无偏、特征独立的分类方法，准确率高于人类评估者	算法在外部验证中的准确率有所下降，且存在数据泄露和数字指纹识别的潜在风险	开发并验证一种深度学习算法，用于分类震颤综合征	患有肌张力障碍性震颤（DT）、原发性震颤（ET）、原发性震颤加（ETP）、帕金森病（PD）、小脑性共济失调（AT）的参与者及健康志愿者（HV）	数字病理	帕金森病	深度学习	InceptionResNetV2, Keras sequential model	图像	521名参与者，2078个螺旋图
6429	2025-03-19	Rad-EfficientNet: Improving Breast MRI Diagnosis Through Integration of Radiomics and Deep Learning 2025-Mar-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551840 PMID:40095839	研究论文	本研究介绍了Rad-EfficientNet，一种结合放射组学特征的卷积神经网络，用于在3T乳腺磁共振成像中区分良性和恶性乳腺肿瘤	Rad-EfficientNet在EfficientNet网络家族的基础上，引入了放射组学融合层，直接在CNN训练流程中整合放射组学特征，从而学习到互补特征，提高了乳腺病变诊断的准确性	样本量较小，仅包含104个病例，可能影响模型的泛化能力	改进当前非侵入性诊断方法，提高早期乳腺癌检测的准确性	乳腺肿瘤	计算机视觉	乳腺癌	3T乳腺磁共振成像	CNN	图像	104个病例（45个良性，59个恶性）
6430	2025-03-19	EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model 2025-Mar-17, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2477801 PMID:40096584	研究论文	本文提出了一种基于自编码器特征融合和MSC-TimesNet模型的脑电图（EEG）情感识别方法	提出了一种创新的深度学习模型MSC-TimesNet，结合多尺度卷积核，有效提取周期内和周期间信息	未提及具体局限性	提高EEG信号在情感识别任务中的分类性能	脑电图（EEG）信号	机器学习	NA	自编码器特征融合，MSC-TimesNet模型	MSC-TimesNet	EEG信号	公共数据集DEAP和Dreamer
6431	2025-03-19	Miniaturized High-Throughput and High-Resolution Platform for Continuous Live-Cell Monitoring via Lens-Free Imaging and Deep Learning 2025-Mar-16, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401855 PMID:40091386	研究论文	本文介绍了一种集成高分辨率传感器和无透镜成像技术的平台，用于连续实时监测活细胞的形态和动态	该平台结合了500纳米像素尺寸的400兆像素传感器和无透镜阴影成像技术，实现了高吞吐量和高分辨率的活细胞监测	虽然该平台在分辨率和吞吐量上有所突破，但未提及其在复杂生物环境中的适用性或长期稳定性	开发一种能够同时实现高吞吐量和高分辨率的活细胞监测平台	活细胞的形态和动态	计算机视觉	NA	无透镜成像技术	深度学习算法，K-means无监督聚类算法	图像	NA
6432	2025-03-19	VM-UNet++ research on crack image segmentation based on improved VM-UNet 2025-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92994-7 PMID:40089495	研究论文	本文提出了一种基于改进VM-UNet的裂纹图像分割方法VM-UNet++，旨在提高裂纹检测的准确性	本文创新性地结合了Mamba架构和UNet模型的优势，显著提升了裂纹分割的准确性	尽管VM-UNet++在分割精度上有所提升，但其计算成本仍然是一个挑战	研究目的是改进裂纹图像分割的准确性，以满足实际应用需求	研究对象是裂纹图像	计算机视觉	NA	深度学习	VM-UNet++	图像	Crack500和Ozgenel公共数据集
6433	2025-03-19	Emerging trends in SERS-based veterinary drug detection: multifunctional substrates and intelligent data approaches 2025-Mar-15, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00393-z PMID:40089516	review	本文综述了基于表面增强拉曼散射（SERS）的兽药检测方法的发展，特别是多功能基底和智能数据分析的应用	提出了多功能基底的概念，并探讨了深度学习技术在SERS检测中的应用，包括基底结构设计优化、光学性质预测、光谱预处理及定性和定量分析	选择报告分子、数据不平衡和计算需求方面的挑战	提高兽药残留检测的精确性和效率	兽药残留	machine learning	NA	SERS	深度学习	光谱数据	NA
6434	2025-03-19	Partial Differential Equations Meet Deep Neural Networks: A Survey 2025-Mar-14, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3545967 PMID:40085460	综述	本文系统回顾了深度神经网络（DNNs）在解决偏微分方程（PDEs）方面的应用，填补了现有文献中对多样化神经网络方法系统性总结的空白	提供了比以往专注于特定方法（如物理信息神经网络PINNs）更广泛的分类，并分析了DNNs在科学、工程和医学领域的应用	NA	探讨深度神经网络（DNNs）在解决偏微分方程（PDEs）中的应用，为研究人员和实践者提供有效应用DNNs解决PDEs的见解	偏微分方程（PDEs）	机器学习	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	NA	NA
6435	2025-03-19	Evaluation of a Low-Cost Amplifier With System Optimization in Thermoacoustic Tomography: Characterization and Imaging of Ex-Vivo and In-Vivo Samples 2025-Mar-14, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3551260 PMID:40085469	研究论文	本文介绍了一种低成本放大器在微波诱导热声成像（TAT）系统中的应用及其优化，通过实验验证了其在离体和在体样本成像中的性能	开发了一种使用低成本放大器的旋转单元素热声成像系统，并通过微波信号脉冲宽度和天线位置的优化，结合信号平均、高级信号处理和深度学习计算核心，成功生成了高质量的图像	尽管系统在离体和在体样本中表现良好，但尚未在广泛的临床环境中进行验证，且低成本放大器的性能可能在高功率系统中存在限制	评估低成本放大器在热声成像系统中的性能，并优化系统以提高成像质量和可及性	离体样本和在体样本	医学成像	NA	微波诱导热声成像（TAT）	深度学习	图像	组织样模型、离体样本和在体成像样本
6436	2025-03-19	A theory and data-driven method for rapid bottom hole pressure calculation in UGS 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93337-2 PMID:40087345	研究论文	本文提出了一种新的理论和数据驱动的方法，用于快速计算地下储气库（UGS）的井底压力	创新性地结合了井筒流动理论和神经网络模型，开发了一种理论和数据驱动的神经网络模型（TDDNN），显著提高了计算效率和精度	方法在样本有限的环境中的应用仍需进一步验证	提高地下储气库（UGS）井底压力计算的准确性和效率，以优化气井的动态分析和生产管理	地下储气库（UGS）的井底压力	机器学习	NA	神经网络模型	TDDNN（理论和数据驱动的神经网络模型）	理论模型生成的样本和真实样本	NA
6437	2025-03-19	Integrating numerical models with deep learning techniques for flood risk assessment 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93465-9 PMID:40087490	研究论文	本研究结合数值模型与深度学习技术，用于洪水风险评估，特别是通过LSTM模型进行未来20年的流量预测，并生成洪水区域图和灾害图	将LSTM模型与HEC-RAS软件结合，用于洪水风险评估，并通过多种统计和图形分析方法评估模型性能	研究仅针对伊朗Nesa河的40年日流量数据，可能无法直接推广到其他河流或地区	通过LSTM模型预测流量，并结合HEC-RAS软件生成洪水区域图和灾害图，以提高洪水预警系统的效率	伊朗Nesa河的日流量数据	机器学习	NA	LSTM, HEC-RAS	LSTM	时间序列数据	40年的日流量数据
6438	2025-03-19	Optimized attention-enhanced U-Net for autism detection and region localization in MRI 2025-Mar-14, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.111970 PMID:40096789	研究论文	本研究提出了一种利用优化深度学习方法和注意力机制进行自闭症检测及区域定位的框架	结合了Symmetric Structured MobileNet with Attention Mechanism (SSM-AM)和Refreshing Awareness-aided Election-Based Optimization (RA-EBO)进行自闭症分类，并利用Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)进行异常区域定位	NA	通过MRI图像进行自闭症的早期检测和区域定位，以改善干预效果	自闭症谱系障碍（ASD）患者	计算机视觉	自闭症	MRI图像处理	Symmetric Structured MobileNet with Attention Mechanism (SSM-AM), Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)	MRI图像	公开数据集ABIDE
6439	2025-03-19	An optimal federated learning-based intrusion detection for IoT environment 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93501-8 PMID:40082567	研究论文	本文提出了一种基于联邦学习的最优入侵检测方法，用于物联网环境中的网络安全	采用联邦学习训练深度学习分类器，结合Chimp优化算法选择最优特征，提高了入侵检测的准确率	未提及具体的数据集规模或实验环境的局限性	提高物联网网络中入侵检测的准确性和效率	物联网网络中的入侵检测系统	机器学习	NA	联邦学习, Chimp优化算法	深度学习分类器	网络数据	使用MQTT基准数据集进行实验
6440	2025-03-19	Multilabel classification for defect prediction in software engineering 2025-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93242-8 PMID:40082581	研究论文	本文探讨了在软件工程中使用多标签分类进行缺陷预测的方法	将缺陷预测从传统的多类分类问题转变为多标签分类问题，考虑了缺陷可能同时属于多个类别的情况	未提及具体的数据集大小或来源，可能影响结果的普适性	提高软件缺陷预测的准确性和效率	软件缺陷报告	机器学习	NA	机器学习、深度学习	Multinomial Naive Bayes, Logistic Regression, Random Forest, MLP, CNN	文本	NA