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
661	2025-06-16	Image segmentation of phase-modulated holographic data storage based on deep learning 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.536783 PMID:40514868	研究论文	本文提出了一种基于深度学习的相位调制全息数据存储图像分割方法	通过基于图像特征的分割方法，显著减少了训练深度学习网络所需的原始样本对数量，降低了约54倍	未提及具体实验验证的样本规模或实际应用中的性能表现	提高相位调制全息数据存储的解码效率和准确性	相位调制全息数据存储中的衍射强度图像	计算机视觉	NA	深度学习	DL	图像	未明确提及具体样本数量
662	2025-06-16	Deep learning based measurement accuracy improvement of high dynamic range objects in fringe projection profilometry 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.538247 PMID:40514923	research paper	本文提出了一种基于深度学习的方法，用于提高条纹投影轮廓术中高动态范围物体的测量精度	使用改进的UNet深度神经网络建立“多对一”映射关系，并采用π移位二进制条纹以获取更多饱和条纹信息，从而快速准确地解调高动态范围物体的相位	未明确提及具体局限性	解决高动态范围物体在条纹投影轮廓术中的相位解调问题，提高三维测量精度	高动态范围物体	computer vision	NA	条纹投影轮廓术(FPP)	改进的UNet	图像	NA
663	2025-06-16	Association of retinal image-based, deep learning cardiac BioAge with telomere length and cardiovascular biomarkers 2024-Jul-01, Optometry and vision science : official publication of the American Academy of Optometry IF:1.6Q3 DOI:10.1097/OPX.0000000000002158 PMID:38935034	research paper	该研究探讨了基于视网膜图像的深度学习心脏生物年龄模型与端粒长度及心血管生物标志物的关联	利用视网膜图像和深度学习模型非侵入性地预测心血管疾病风险，并验证其与端粒长度缩短的相关性	研究为横断面设计，无法确定因果关系，且样本仅来自UK Biobank数据库	验证深度学习心脏生物年龄模型与传统心血管风险标志物及端粒长度的关联	UK Biobank中具有端粒长度数据的个体	digital pathology	cardiovascular disease	deep learning	DL cardiac BioAge model	retinal images	UK Biobank队列中具有端粒长度数据的个体（具体数量未明确说明）
664	2025-06-15	The performance of artificial intelligence in image-based prediction of hematoma enlargement: a systematic review and meta-analysis 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2515473 PMID:40497430	系统综述与荟萃分析	本文系统综述和荟萃分析了人工智能在基于图像的脑血肿扩大预测中的性能表现	首次对人工智能在脑血肿扩大预测中的性能进行系统评价和荟萃分析，比较了机器学习和深度学习的表现	纳入研究的样本量和方法学质量存在异质性，部分研究数据不完整	评估人工智能算法在预测脑血肿扩大方面的诊断性能	脑出血患者的CT影像数据	数字病理学	脑血管疾病	CT影像分析	机器学习(ML)和深度学习(DL)	医学影像	36篇文献纳入定性分析，其中23篇用于定量分析
665	2025-06-15	Machine learning-based approaches for distinguishing viral and bacterial pneumonia in paediatrics: A scoping review 2025-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108802 PMID:40349546	综述	本文综述了基于机器学习的儿科病毒性和细菌性肺炎分类研究	总结了机器学习在儿科肺炎分类中的应用现状，并指出了当前研究的局限性	研究主要依赖单一数据集（Kermany数据集），且方法学存在较大变异性，限制了结果的普适性和临床应用性	评估机器学习技术在区分儿科病毒性和细菌性肺炎方面的应用效果	0-18岁通过胸部X光确诊的肺炎患儿	数字病理学	肺炎	机器学习（ML）和深度学习（DL）	CNN	胸部X光图像	35项研究（主要使用Kermany数据集）
666	2025-06-15	Evaluation of Caries Detection on Bitewing Radiographs: A Comparative Analysis of the Improved Deep Learning Model and Dentist Performance 2025-Jul, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.13470 PMID:40191981	研究论文	本研究评估了改进的深度学习模型YOLOv9c在咬翼X光片上检测龋齿的性能，并与牙医的诊断能力进行了比较	优化了YOLOv9c模型的骨干架构，减小了模型尺寸和计算需求，并在龋齿检测任务上超越了牙医的表现	仅评估了11种YOLO模型，可能未涵盖所有先进的深度学习架构	比较不同深度学习模型在龋齿检测上的性能，并优化模型以提升检测准确率	咬翼X光片上的牙釉质和牙本质龋齿	计算机视觉	牙科疾病	YOLO系列目标检测模型	YOLOv9c	X光图像	NA
667	2025-06-15	Experimental demonstration of integrated encryption and communication over optical fiber 2025-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf112 PMID:40511367	研究论文	本文提出了一种集成加密与通信(IEAC)框架，旨在通过端到端深度学习优化加密过程和传输质量	提出了一种集成加密与通信(IEAC)框架，通过端到端深度学习训练随机数选择的几何星座成形方案，同时优化加密过程和传输质量，实现了单通道1 Tb/s的传输速率	未提及具体局限性	解决大数据和AI时代下光纤通信中的安全与高容量传输问题	光纤通信系统	通信技术	NA	深度学习，波长分复用(WDM)	深度学习模型	光信号	1200公里光纤链路，26通道，3.9 THz带宽的全C波段WDM配置
668	2025-06-15	Deep learning for fetal inflammatory response diagnosis in the umbilical cord 2025-Jun-26, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.04.013 PMID:40294507	研究论文	本研究利用深度学习技术从脐带全切片图像中诊断胎儿炎症反应	首次应用基于注意力的全切片学习模型对脐带组织进行胎儿炎症反应分类，并比较了不同预训练模型的性能	研究仅基于单一医疗中心的样本，且未来需要验证模型在识别系统性炎症反应高风险婴儿方面的效用	开发辅助病理学家诊断胎儿炎症反应的深度学习模型	脐带组织全切片图像	数字病理学	新生儿败血症/胎儿炎症反应综合征	全切片图像分析	注意力机制模型/ConvNeXtXLarge/UNI/集成模型	病理图像	4100张脐带组织H&E染色切片
669	2025-06-15	Implementation of 400 Gbps quantum noise stream cipher encryption for 1520 km fiber transmission using end-to-end deep learning 2025-Jun-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.553692 PMID:40512879	研究论文	本文提出了一种端到端深度学习的量子噪声流密码加密方案，实现了400 Gbps的量子噪声流密码加密，并在1520公里的光纤传输中进行了验证	将深度学习引入量子噪声流密码（QNSC），提出端到端量子噪声流密码（E2E-QNSC）方案，将16QAM加密为E2E-65536QAM/QNSC	NA	提升光纤通信骨干网的物理层安全性，满足400G光纤骨干网的速率需求	光纤通信骨干网的安全传输	机器学习	NA	深度学习	NA	光纤传输数据	NA
670	2025-06-15	Self-adaptive hybrid data-model optimization for secure end-to-end radio-over-fiber transmission 2025-Jun-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.566422 PMID:40512893	研究论文	提出了一种新颖的自适应安全端到端传输方法，用于光纤无线电(RoF)系统	系统集成了深度学习和传统模型，通过端到端优化将加密功能嵌入调制(TransNN)和解调(ReceivNN)中，训练阶段的随机化和噪声扰动确保了不同训练轮次间调制与解调模型的不兼容性	数值模拟结果未在实际系统中验证	为RoF系统提供安全且自适应的传输解决方案	光纤无线电(RoF)系统	机器学习	NA	深度学习	TransNN, ReceivNN	信号数据	NA
671	2025-06-15	RF-photonic deep learning processor with Shannon-limited data movement 2025-Jun-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adt3558 PMID:40498817	research paper	介绍了一种名为MAFT-ONN的新型光学神经网络硬件加速器，用于处理原始射频信号并进行深度学习计算	提出了MAFT-ONN，一种能够在原始射频信号上实现全模拟深度学习计算的硬件加速器，具有高准确率和可扩展性	未提及具体局限性	开发新型计算范式以满足未来高级通信（如6G）的需求	射频信号和光学神经网络	machine learning	NA	光学神经网络（ONN）	MAFT-ONN	射频信号	MNIST数据集
672	2025-06-15	Data Fusion for Integrative Species Identification Using Deep Learning 2025-Jun-13, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf026 PMID:40512613	research paper	该研究提出了一种融合分子和图像数据的深度学习方案，用于细粒度物种识别	首次系统地评估和比较了不同的DNA数据预处理和编码方法，并提出了三种融合分子和视觉特征的策略	研究仅针对四个真核生物数据集进行了测试，可能无法推广到所有物种	通过融合分子和图像数据提高物种识别的准确性	四个真核生物数据集（包括两个植物科和两个动物科）	machine learning	NA	DNA测序和图像分析	artificial neural networks	分子数据和图像数据	四个真核生物数据集（Asteraceae, Poaceae, Lycaenidae, Coccinellidae）
673	2025-06-15	Enhancing Free-hand 3D Photoacoustic and Ultrasound Reconstruction using Deep Learning 2025-Jun-13, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3579454 PMID:40512645	research paper	本研究介绍了一种基于运动的深度学习网络（MoGLo-Net），用于增强手持式光声和超声（PAUS）成像的3D重建	通过创新的自注意力机制适应，MoGLo-Net能够有效利用关键区域（如完全发育的散斑区域或高回声组织区域）来准确估计运动参数，从而提升3D重建的精度	研究未提及对极端运动或低质量图像的鲁棒性测试	提升手持式光声和超声成像的3D重建质量	光声和超声成像的3D重建	medical imaging	NA	深度学习，自注意力机制，光声成像，超声成像	MoGLo-Net	3D图像	未明确提及具体样本数量
674	2025-06-15	Integrating Deep Learning Derived Morphological Traits and Molecular Data for Total-Evidence Phylogenetics: Lessons from Digitized Collections 2025-Jun-12, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae072 PMID:39826140	研究论文	本文探讨了将深度学习衍生的形态特征与分子数据相结合，用于全证据系统发育分析的方法及其挑战	首次将深度学习衍生的形态特征与分子数据结合用于全证据系统发育分析，并比较了不同数据集划分和损失函数的效果	深度学习衍生的形态特征单独使用时表现不如分子分析，且存在系统发育信号强度和数据获取资源需求方面的挑战	探索深度学习衍生的形态特征与分子数据结合在全证据系统发育分析中的应用效果	针插昆虫标本的图像数据（以隐翅虫为例）	计算机视觉	NA	深度学习	深度度量学习模型	图像和分子数据	隐翅虫图像数据集
675	2025-06-15	Study on a Traditional Chinese Medicine constitution recognition model using tongue image characteristics and deep learning: a prospective dual-center investigation 2025-Jun-12, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-025-01126-w PMID:40506765	研究论文	本研究开发了一种基于舌象特征和深度学习的传统中医体质识别模型	结合传统舌象特征和深度学习特征，构建了融合特征的智能体质识别模型，克服了传统方法的局限性	样本仅来自两个医疗中心，可能存在选择偏倚	开发定量分析的中医体质识别模型	接受中医体质评估的参与者	数字病理	中医体质分类	LASSO回归、随机森林(RF)、多层感知机(MLP)	MLP	图像	1374名参与者的舌象和体质数据
676	2025-06-15	Deep learning neural network prediction of postoperative complications in patients undergoing laparoscopic right hemicolectomy with or without CME and CVL for colon cancer: insights from SICE (Società Italiana di Chirurgia Endoscopica) CoDIG data 2025-Jun-11, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-025-03165-9 PMID:40498162	research paper	本研究评估了深度学习神经网络（DLNN）在预测结肠癌腹腔镜右半结肠切除术后并发症中的应用	使用深度学习神经网络（DLNN）预测术后并发症，并与其他机器学习模型（如决策树和随机森林）进行比较，DLNN表现出更优的预测性能	需要进一步的外部验证和在不同临床环境中的实施以优化手术结果	评估机器学习模型在预测结肠癌腹腔镜右半结肠切除术后并发症中的效果	接受腹腔镜右半结肠切除术的结肠癌患者	machine learning	colon cancer	deep learning neural networks (DLNN), decision trees (DT), random forest (RF), synthetic minority over-sampling technique (SMOTE)	DLNN, DT, RF	demographic, clinical, and surgical factors	来自CoDIG（ColonDx Italian Group）多中心数据库的患者数据
677	2025-06-15	Seamless finer-resolution soil moisture from the synergistic merging of the FengYun-3 satellite series 2025-Jun-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05263-7 PMID:40500275	research paper	该研究开发了一种从风云系列卫星数据中合并土壤湿度的方法，生成空间分辨率为0.15°的数据集，并利用深度学习插值方法填补缺失数据	通过最小化均方误差的合并技术，结合风云系列卫星的上升和下降观测数据，生成更高分辨率的土壤湿度数据集，并使用深度学习进行数据插值	研究仅覆盖2011年至2020年的数据，可能无法反映更长时间尺度的变化	提供全球卫星土壤湿度观测数据，以解决相关应用中的挑战	风云系列卫星（FY-3B、C、D）的被动微波观测数据	遥感	NA	深度学习插值方法	NA	卫星遥感数据	2011年至2020年的风云系列卫星数据
678	2025-06-15	Mechanisms of organotropism in breast cancer and predicting metastasis to distant organs using deep learning 2025-Jun-11, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02905-5 PMID:40500539	研究论文	本研究探讨了乳腺癌器官趋向性的机制，并利用深度学习预测乳腺癌向远处器官转移	结合单细胞RNA测序、批量RNA测序、ChIP-seq数据和深度学习技术，开发了一个深度神经网络模型来识别器官特异性转移基因	研究仅关注了乳腺癌向骨、脑、肝和肺四种器官的转移，未涵盖其他可能的转移部位	探索乳腺癌器官趋向性的分子机制，并预测其向特定器官转移的可能性	乳腺癌及其向骨、脑、肝和肺的转移	数字病理学	乳腺癌	单细胞RNA测序、批量RNA测序、ChIP-seq	DNN	基因组数据	NA
679	2025-06-15	Enhancing differentiation between unipolar and bipolar depression through integration of machine learning and electroencephalogram analysis 2025-Jun-10, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119599 PMID:40505986	研究论文	本研究通过整合机器学习和脑电图分析，提高了单相抑郁和双相抑郁的区分能力	首次将深度学习模型与EEG数据和临床特征结合，用于区分单相抑郁和双相抑郁	模型可解释性有待提高，未来需要整合多模态数据和开发更先进的特征提取技术	提高单相抑郁和双相抑郁的区分准确性	370名被诊断为单相抑郁或双相抑郁的患者	机器学习	抑郁症	EEG分析	SVM, Random Forest, FCNN, RNN, LSTM, Transformers	EEG数据和临床特征	370名患者
680	2025-06-15	Tailoring task arithmetic to address bias in models trained on multi-institutional datasets 2025-Jun-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104858 PMID:40494422	研究论文	该研究提出两种模型无关的方法TAPER和DAPPER，通过任务向量算术减少多机构数据集训练模型中的来源混淆偏差	首次将任务向量算术方法应用于解决NLP模型中的来源混淆偏差问题，并提出两种新方法TAPER和DAPPER	仅在三个数据集上进行了评估，需要更多验证	解决多机构数据集训练深度学习模型时产生的来源混淆偏差问题	RoBERTa和Llama-2模型	自然语言处理	NA	任务向量算术	RoBERTa, Llama-2	文本	三个数据集