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
6681	2025-03-13	Deep learning-based spatio-temporal fusion for high-fidelity ultra-high-speed X-ray radiography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000323 PMID:39937516	研究论文	本文探讨了基于深度学习的时空融合框架，用于融合两种互补的X射线图像序列，以重建具有高空间分辨率、高帧率和高保真度的目标图像序列	提出了一种新的深度学习时空融合框架，通过融合不同配置的X射线视频，显著提高了超高速X射线成像实验的性能和科学价值	需要与高速相机适当结合，才能充分发挥该方法的优势	提高超高速X射线成像实验的空间分辨率、帧率和保真度	X射线图像序列	计算机视觉	NA	深度学习	深度学习模型	图像	两个独立的X射线数据集
6682	2025-03-13	Multi-stage deep learning artifact reduction for parallel-beam computed tomography 2025-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577525000359 PMID:39960472	研究论文	本文提出了一种多阶段深度学习方法来减少平行束计算机断层扫描（CT）中的伪影	在断层扫描管道的每个阶段（投影、正弦图和重建）引入独立的深度学习模型，以数据驱动的方式局部解决特定伪影，并采用旁路连接减少误差传播	未明确提及具体局限性	提高同步辐射CT图像质量，减少伪影	平行束计算机断层扫描图像	计算机视觉	NA	深度学习	深度学习模型	图像	模拟和真实世界数据集
6683	2025-03-13	Unified resilience model using deep learning for assessing power system performance 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42802 PMID:40066024	研究论文	本文介绍了一种使用深度学习的统一弹性模型（URM），以提高电力系统的性能	提出了一种结合深度学习的统一弹性模型，用于分析影响电池和储能设备弹性的环境因素，并通过已知的低弹性损耗数据进行训练，以增强各种强化因素	NA	提高电力系统的性能，特别是关注天气因素对系统弹性的影响	电池和储能设备的弹性	机器学习	NA	深度学习	深度学习模型	环境因素数据、低弹性损耗数据	NA
6684	2025-03-13	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文介绍了一种名为SPURS的新型深度学习框架，通过整合两种通用蛋白质生成模型（ESM和ProteinMPNN），提升了蛋白质稳定性预测的准确性	SPURS通过轻量级神经网络模块将ProteinMPNN学习到的结构表示重新连接到ESM的注意力层，从而增强了ESM的序列表示学习能力，实现了从序列和结构数据中利用进化模式进行稳定性预测	尽管SPURS在多个基准数据集上表现出色，但其在蛋白质稳定性预测中的潜力仍需进一步探索，特别是在更广泛的蛋白质功能预测方面	提升蛋白质稳定性预测的准确性，以更好地理解人类疾病并设计用于临床和工业应用的有用蛋白质	蛋白质	机器学习	NA	深度学习	ESM, ProteinMPNN	序列数据, 结构数据	基于最近发布的大规模热稳定性数据集进行训练和评估
6685	2025-03-13	Diagnostic accuracy of artificial intelligence models in detecting congenital heart disease in the second-trimester fetus through prenatal cardiac screening: a systematic review and meta-analysis 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1473544 PMID:40066351	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在产前心脏筛查中检测胎儿先天性心脏病的诊断准确性	首次系统评估人工智能模型在胎儿先天性心脏病筛查中的表现，并进行了荟萃分析	研究样本量有限，且需要更大数据集和更多样化人群的前瞻性研究来验证结果	评估人工智能模型在产前心脏筛查中检测先天性心脏病的诊断准确性	胎儿先天性心脏病	医学影像分析	先天性心脏病	超声和超声心动图	深度学习模型	图像	9项研究，共374项研究筛选
6686	2025-03-13	Advancements in cache management: a review of machine learning innovations for enhanced performance and security 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1441250 PMID:40070808	review	本文综述了机器学习在缓存管理中的应用，包括优化缓存性能和增强安全性	探讨了从基于强化学习的缓存替换策略到LSTM模型预测内容特性以做出缓存决策的多种机器学习技术	未提及具体实验数据或样本量，可能缺乏实证支持	研究机器学习在缓存管理中的应用，以优化性能和增强安全性	缓存管理系统	machine learning	NA	reinforcement learning, LSTM, imitation learning, neural networks	LSTM, neural networks	NA	NA
6687	2025-03-13	Deep Learning Based Shear Wave Detection and Segmentation Tool for Use in Point-of-Care for Chronic Liver Disease Assessments 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.002 PMID:39244483	研究论文	本研究开发了一种基于深度学习的剪切波检测和分割工具，用于在慢性肝病评估的即时护理环境中提高肝脏组织的表征准确性	该研究创新地使用深度学习算法（U-Net架构）来检测和分割肝脏组织中的剪切波，以提高肝脏硬度和超声衰减测量的准确性	研究样本量相对较小，仅包含103名患者的15,045张图像和36名志愿者的4,429张图像，可能影响结果的普遍性	开发并测试一种新的软件工具，用于在即时护理环境中更准确地评估代谢功能障碍相关的脂肪性肝病（MASLD）患者的肝脏状况	代谢功能障碍相关的脂肪性肝病（MASLD）患者和志愿者	数字病理	慢性肝病	深度学习	U-Net	图像	103名患者的15,045张图像和36名志愿者的4,429张图像
6688	2025-03-13	Automated Field of Interest Determination for Quantitative Ultrasound Analyses of Cervical Tissues: Toward Real-time Clinical Translation in Spontaneous Preterm Birth Risk Assessment 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.011 PMID:39271408	研究论文	本研究开发了一种自动确定宫颈感兴趣区域（Auto FOI）的方法，以替代手动绘制感兴趣区域（Manual FOI），用于宫颈定量超声（QUS）分析，以评估自发性早产风险	开发了一种基于深度学习的自动确定宫颈感兴趣区域的方法，减少了手动操作的需求，提高了临床应用的可行性	研究仅基于527名孕妇的宫颈超声数据，样本量相对较小，且未涉及其他潜在影响因素的分析	评估自动确定宫颈感兴趣区域（Auto FOI）与手动绘制感兴趣区域（Manual FOI）在定量超声分析中的一致性，并探讨Auto FOI替代Manual FOI的可行性	527名孕妇的宫颈超声数据	数字病理	早产	定量超声（QUS）	深度学习模型	图像	527名孕妇的宫颈超声数据
6689	2025-03-13	Enhancing Multi-Object Detection in Ultrasound Images Through Semi-Supervised Learning, Focal Loss and Relation of Frame 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.012 PMID:39307679	研究论文	本文提出了一种基于深度学习的自动化注释系统，用于实时识别肌肉骨骼解剖结构，并通过半监督学习和焦点损失方法提高检测精度	引入了半监督学习（SSL）方法显著减少注释时间，采用焦点损失（FL）方法提高困难结构的检测精度，并在推理阶段利用视频帧的时间连续性提高检测效果	未提及具体的数据集规模或模型泛化能力的验证	通过深度学习技术实时识别肌肉骨骼解剖结构，提高检测精度和效率	肌肉骨骼解剖结构	计算机视觉	肌肉骨骼疾病	深度学习	深度学习神经网络	超声图像	仅使用30%的训练数据实现了与监督学习相当的性能
6690	2025-03-13	Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior 2024-Nov-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3507873 PMID:40030332	研究论文	本文提出了一种针对深度学习图像压缩模型的多触发器后门攻击方法，利用离散余弦变换（DCT）在频域注入触发器，并设计了多种攻击目标以适应不同场景	提出了一种基于频率的触发器注入模型，设计了动态损失函数以优化攻击目标，并增强了跨模型和跨域的可转移性	未提及具体的数据集或样本量，可能限制了方法的普适性验证	研究深度学习图像压缩模型的后门攻击方法及其防御策略	深度学习图像压缩模型	计算机视觉	NA	离散余弦变换（DCT）	深度学习模型	图像	NA
6691	2025-03-13	Tiny Data Is Sufficient: A Generalizable CNN Architecture for Temporal Domain Long Sequence Identification 2024-Nov-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3494540 PMID:40030343	研究论文	本文介绍了一种新颖的通用卷积神经网络（GeCNN）架构，专为时间域长序列识别设计，通过减少对大量训练数据的依赖并提高特征表示效果，实现了在浅层网络和小数据量情况下的优越性能	提出了一种新的GeCNN架构，结合了通用CNN、选择性CNN和多层池化操作，通过非线性卷积增强特征表示，减少了对大量训练数据的需求，并在浅层网络和小数据量情况下实现了更高的准确性	未明确提及具体局限性，但可能在于模型在不同数据集上的泛化能力尚未全面验证	解决深度学习模型在长序列分析中特征表示能力有限和对大量训练数据依赖的问题	时间域长序列数据	机器学习	NA	卷积神经网络（CNN）	GeCNN（通用卷积神经网络）	时间序列数据	GTZAN和PLAID数据集中的小数据量样本
6692	2025-03-13	DreaMR: Diffusion-driven Counterfactual Explanation for Functional MRI 2024-Nov-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3507008 PMID:40030294	研究论文	本文介绍了一种名为DreaMR的扩散驱动反事实解释方法，用于功能磁共振成像（fMRI）的高保真解释	DreaMR是首个基于扩散的反事实方法，利用新颖的分数多相蒸馏扩散先验提高推理效率，同时采用transformer架构处理fMRI扫描中的长程时空上下文	NA	提高fMRI数据的解释能力，特别是深度学习模型在检测认知相关变量时的可解释性	功能磁共振成像（fMRI）数据	神经影像分析	NA	扩散驱动反事实生成	transformer	fMRI数据	NA
6693	2025-03-13	Convolutional-and Deep Learning-Based Techniques for Time Series Ordinal Classification 2024-Nov-27, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3498100 PMID:40030321	研究论文	本文介绍了时间序列有序分类（TSOC）的首个基准测试，利用目标标签的顺序关系提升当前时间序列分类（TSC）技术的性能	首次对时间序列有序分类（TSOC）方法进行基准测试，展示了考虑标签顺序关系的重要性	NA	提升时间序列分类（TSC）技术在有序标签情况下的性能	时间序列数据	机器学习	NA	卷积神经网络和深度学习	CNN, 深度学习模型	时间序列数据	NA
6694	2025-03-13	Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion Via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation 2024-Nov-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3505421 PMID:40030298	研究论文	本文提出了一种多任务对抗变分自编码器（M-AVAE），用于通过多模态MRI数据整合来增强脑龄预测，以支持基于元宇宙的医疗应用	M-AVAE通过将潜在变量分离为通用代码和独特代码，有效隔离了共享和模态特定特征，并结合多任务学习以考虑性别特异性衰老差异	尽管M-AVAE在脑龄预测上表现出色，但其在功能MRI（fMRI）数据处理上仍面临复杂数据结构和噪声测量的挑战	旨在通过多模态MRI数据整合提高脑龄预测的准确性，以支持基于元宇宙的医疗应用	脑龄预测，特别是与阿尔茨海默病等年龄相关神经病理学相关的脑龄评估	数字病理学	阿尔茨海默病	多模态MRI数据整合	多任务对抗变分自编码器（M-AVAE）	MRI图像	OpenBHB数据集，一个多站点脑MRI数据集合
6695	2025-03-13	TransScore: a graph model for pose scoring and affinity prediction based on transformer convolution network 2024-Nov-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504851 PMID:40030271	研究论文	本文提出了一种基于transformer卷积网络的深度学习图模型TransScore，用于蛋白质-化合物对的姿态评分和亲和力预测	TransScore通过自注意力机制捕捉蛋白质-化合物姿态的内在特征，在冷启动和热启动场景下均表现出色，且在非平衡数据集上展示了其鲁棒性	模型在冷启动场景下的性能仍有待进一步提升	提高蛋白质-化合物相互作用预测的准确性和鲁棒性，以支持药物发现	蛋白质-化合物对的姿态评分和亲和力预测	机器学习	NA	transformer卷积网络	图模型	蛋白质-化合物对的结构数据	未明确提及具体样本数量
6696	2025-03-13	Utilizing Neurons to Interrogate Cancer: Integrative Analysis of Cancer Omics Data with Deep Learning Models 2024-Nov-21, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3503761 PMID:40030404	综述	本文探讨了深度学习模型在基础癌症组学研究中的应用进展，包括批量癌症组学数据的分析方法及跨平台数据整合的重要性	深入比较了当前在癌症基因组学领域使用的模型，强调了该领域合作和跨学科研究的必要性	指出了现有模型的局限性及改进潜力，并探讨了研究空白和未来方向	探索深度学习模型在癌症组学研究中的应用	癌症组学数据	机器学习	癌症	深度学习	深度学习模型	组学数据	NA
6697	2025-03-13	a Novel Dual-Model Adaptive Continuous Learning Strategy for Wrist-sEMG Real-Time Gesture Recognition 2024-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3502624 PMID:40030229	研究论文	本文介绍了一种新颖的双模型自适应连续学习（DM-ACL）策略，用于基于手腕的表面肌电图（sEMG）实时手势识别	提出了一种半监督在线学习算法，使用kNN模型为实时sEMG信号提供辅助标签，增强了深度学习模型的鲁棒性和适应性	未明确提及具体局限性	提高基于sEMG的手势识别系统的实用性和实时应用性能	手腕sEMG信号	机器学习	NA	sEMG	CNN-LSTM, CNN, kNN	sEMG信号	每个手势平均33.6秒至48秒的sEMG数据
6698	2025-03-13	Adaptive Graph Convolutional Network for Unsupervised Generalizable Tabular Representation Learning 2024-Nov-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3488087 PMID:40030226	研究论文	本文提出了一种新的自适应图卷积网络（AdaGCN），用于无监督可泛化的表格数据表示学习	AdaGCN通过自适应图学习模块去除传统GCN模型中的预定义规则，能够探索任意表格数据的局部模式，并直接最小化原始表格数据与学习嵌入之间的分布差异，无需标签信息	未提及具体限制	提高表格数据表示学习的效率和实用性	表格数据	机器学习	NA	自适应图卷积网络（AdaGCN）	GCN	表格数据	多个真实世界的表格数据集
6699	2025-03-13	DARNet: Deep Attention Module and Residual Block-Based Lung and Colon Cancer Diagnosis Network 2024-Nov-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3502636 PMID:40030219	研究论文	本文提出了一种基于深度注意力模块和残差块的肺癌和结肠癌诊断网络（DARNet），旨在提高分类的准确性和效率	DARNet结合了残差块、注意力模块和全连接层，通过贝叶斯优化调整超参数，显著提高了模型的泛化性能和分类准确率	未提及模型在更大规模数据集上的表现或实际临床应用中的验证	提高肺癌和结肠癌分类的准确性和效率，以支持早期检测和治疗规划	肺癌和结肠癌的分类	计算机视觉	肺癌, 结肠癌	深度学习	DARNet（基于残差块和注意力模块的神经网络）	图像	基准肺癌和结肠癌数据集
6700	2025-03-13	Deep Learning-based Integrated System for Intraoperative Blood Loss Quantification in Surgical Sponges 2024-Nov-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3499852 PMID:40030353	研究论文	本文介绍了一种名为MDCare的深度学习集成系统，旨在通过手术海绵显著提高术中失血量的精确量化	MDCare系统结合了先进的硬件组件（如质量传感器和网络摄像头）与复杂的算法（如ResNet-18和YOLOv4），在合成和真实血液场景中实现了高达96.2%的分类准确率和超过91%的海绵检测准确率	未来工作将集中在扩展数据集和优化算法上，以确保MDCare系统在各种手术环境中的鲁棒性和适应性	提高术中失血量的精确量化，以增强患者安全和手术成功率	手术海绵	计算机视觉	NA	深度学习	ResNet-18, YOLOv4	图像	NA