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
6781	2025-03-06	Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0235980 PMID:32678855	研究论文	本研究基于改进的教学-学习优化算法（MTLBO）和深度学习多层前馈神经网络（BP神经网络）建立了预制建筑项目风险管理系统的模型，以提高大型预制建筑项目施工期间的风险管理需求	通过使用信息熵对传统的教学-学习优化算法（TLBO）进行改进，并结合BP神经网络建立了MTLBO-BP神经网络预测模型，该模型在全局搜索能力和避免局部最优方面表现更优	未提及具体的研究局限性	提高预制建筑项目施工期间的风险管理需求，提供智能管理和决策支持	预制建筑项目的风险管理系统	机器学习	NA	深度学习，BP神经网络，MTLBO算法	BP神经网络，MTLBO-BP神经网络	NA	NA
6782	2025-03-06	The data dimensionality reduction and bad data detection in the process of smart grid reconstruction through machine learning 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0237994 PMID:33027298	研究论文	本研究通过机器学习方法探索了在电网重构过程中检测虚假数据注入攻击（FDIAs），并解决了电力系统中高维数据和异常数据处理的问题	结合孤立森林（iForest）异常评分数据处理算法与局部线性嵌入（LLE）数据降维方法，构建了数据特征提取算法，并基于卷积神经网络（CNN）和门控循环单元（GRU）网络构建了FDIAs检测算法模型	研究中未提及对实际电网系统的测试，仅基于模拟数据进行实验	实现电网系统的安全稳定运行，检测虚假数据注入攻击（FDIAs）并处理高维数据和异常数据	电力系统中的数据，特别是虚假数据注入攻击（FDIAs）相关数据	机器学习	NA	孤立森林（iForest）、局部线性嵌入（LLE）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU	电力系统数据	IEEE14-bus节点和IEEE118-bus节点系统的模拟数据
6783	2025-03-05	IM- LTS: An Integrated Model for Lung Tumor Segmentation using Neural Networks and IoMT 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103201 PMID:40026592	研究论文	本文提出了一种集成模型IM-LTS，用于使用神经网络和医疗物联网进行肺肿瘤分割	结合了MobileNetV2和U-NET两种架构，并采用迁移学习技术，使用预训练的神经网络作为U-NET模型的编码器进行分割	未提及具体的数据集大小和样本类型，可能影响模型的泛化能力	开发一种高精度的肺肿瘤分割和分类模型，以支持早期疾病诊断	肺肿瘤	数字病理学	肺癌	深度学习，迁移学习	MobileNetV2, U-NET, 支持向量机	CT图像	NA
6784	2025-03-05	Deep learning-assisted Raman spectroscopy for automated identification of specific minerals 2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125843 PMID:39954524	研究论文	本研究开发了一种基于深度学习的卷积注意力网络，用于快速准确识别矿物成分，并引入Grad-Cam++技术以可视化预测的重要区域	相比纯卷积神经网络（CNN），该模型更擅长学习特征峰中的细节，以区分具有相似拉曼光谱的矿物	NA	开发自动化识别矿物成分的深度学习模型，以加速现场地质工作中拉曼光谱数据的处理	矿物成分	机器学习	NA	拉曼光谱	卷积注意力网络	光谱数据	大量已知数据
6785	2025-03-05	Toward automated detection of microbleeds with anatomical scale localization using deep learning 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103415 PMID:39642804	研究论文	本文提出了一种新颖的3D深度学习框架，用于自动检测脑微出血（CMBs）并识别其在大脑中的解剖位置	提出了一种结合3D U-Net和区域提议网络（RPN）的单端到端模型，并引入了特征融合模块（FFM）和硬样本原型学习（HSPL）来减少假阳性	未提及具体的数据集大小或多样性限制	自动检测脑微出血并识别其解剖位置，以提高检测准确性和减少假阳性	脑微出血（CMBs）	计算机视觉	脑血管疾病	深度学习	3D U-Net, RPN	3D图像（SWI和相位图像）	未提及具体样本数量
6786	2025-03-05	Comparative benchmarking of failure detection methods in medical image segmentation: Unveiling the role of confidence aggregation 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103392 PMID:39657400	研究论文	本文介绍了一个全面的基准测试框架，用于评估医学图像分割中的失败检测方法	提出了一个综合的基准测试框架，并强调了像素置信度聚合的重要性，发现成对Dice分数在集成预测之间的优越性能	研究中使用的数据集仅限于五个公共3D医学图像集合，可能无法涵盖所有临床场景	评估医学图像分割中的失败检测方法，以提高其在真实临床应用中的可靠性	医学图像分割中的失败检测方法	数字病理	NA	深度学习算法	NA	3D医学图像	五个公共3D医学图像集合
6787	2025-03-05	AutoFOX: An automated cross-modal 3D fusion framework of coronary X-ray angiography and OCT 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103432 PMID:39700845	研究论文	本文提出了一种自动化的跨模态3D融合框架AutoFOX，用于冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）的融合，以改善冠状动脉疾病的诊断和预后	AutoFOX框架首次采用了先进的侧支管腔重建算法，增强了分叉病变的评估，并通过深度学习模型TransCAN实现了3D血管对齐，显著提高了对齐精度	尽管AutoFOX在3D对齐和分叉病变评估方面表现出色，但其在临床应用中的广泛推广仍需进一步的多中心验证和优化	开发一种自动化的3D融合框架，以提高冠状动脉疾病的诊断和预后评估	冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）数据	数字病理学	心血管疾病	深度学习	TransCAN	3D图像	多中心数据集
6788	2025-03-05	DDoCT: Morphology preserved dual-domain joint optimization for fast sparse-view low-dose CT imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103420 PMID:39705821	研究论文	本文提出了一种名为DDoCT的双域联合优化低剂量CT成像框架，旨在通过减少管电流和投影数量来降低辐射剂量，同时解决由此引入的噪声和伪影问题	DDoCT框架在投影和图像域中进行联合优化，不仅解决了减少管电流引入的噪声，还特别关注了减少投影数量引起的条纹伪影问题，提升了在快速低剂量CT成像环境中的适用性	NA	开发一种能够在减少辐射剂量的同时，有效降低噪声和伪影的低剂量CT成像方法	低剂量CT成像	计算机视觉	NA	CT成像	深度学习	图像	NA
6789	2025-03-05	Personalized dental crown design: A point-to-mesh completion network 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103439 PMID:39705822	研究论文	本文介绍了一种端到端的深度学习模型，用于自动生成个性化的牙冠网格	提出了一种结合特征提取器和基于transformer的模型，以及点对网格模块的深度学习模型，用于牙冠设计，显著减少了Chamfer距离和MSE	未提及具体的数据集大小或模型在不同临床环境中的泛化能力	开发一种自动生成个性化牙冠的深度学习模型，以提高牙冠设计的效率和准确性	牙冠设计	计算机视觉	NA	深度学习	transformer, 点对网格模块	点云数据	未提及具体样本数量
6790	2025-03-05	SurgiTrack: Fine-grained multi-class multi-tool tracking in surgical videos 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103438 PMID:39708509	研究论文	本文提出了一种名为SurgiTrack的新型深度学习方法，用于在手术视频中进行精细的多类别多工具跟踪	SurgiTrack利用YOLOv7进行精确的工具检测，并采用注意力机制建模工具的起始方向，作为操作者的代理，以实现工具重新识别	手术视频中未明确捕捉到操作者的信息，工具在遮挡或重新插入体内后的重新识别仍然具有挑战性	提高手术视频中工具跟踪的准确性和灵活性，以支持计算机辅助干预的成功	手术视频中的多类别多工具	计算机视觉	NA	深度学习	YOLOv7, 注意力机制	视频	CholecTrack20数据集
6791	2025-03-05	TractGraphFormer: Anatomically informed hybrid graph CNN-transformer network for interpretable sex and age prediction from diffusion MRI tractography 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103476 PMID:39870000	研究论文	本文介绍了一种名为TractGraphFormer的混合图CNN-Transformer深度学习框架，用于从扩散MRI纤维束成像中预测性别和年龄	TractGraphFormer结合了局部解剖特征和全局特征依赖，通过图CNN模块捕捉白质几何和灰质连接性，并通过Transformer模块增强全局信息学习，同时包含一个注意力模块用于解释预测性白质连接	NA	研究目的是通过扩散MRI纤维束成像预测个体的性别和年龄	研究对象包括儿童（n = 9345）和年轻成年人（n = 1065）	数字病理学	NA	扩散MRI纤维束成像	Graph CNN-Transformer	图像	儿童（n = 9345）和年轻成年人（n = 1065）
6792	2025-03-05	Application-driven validation of posteriors in inverse problems 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103474 PMID:39892221	研究论文	本文提出了一个系统框架，用于在逆问题中基于应用需求验证后验方法	首次将目标检测验证中的关键原则应用于后验方法的验证，提出了模式中心验证方法	未提及具体局限性	解决逆问题中多解情况下的后验方法验证问题	后验方法（如条件扩散模型和可逆神经网络）	计算机视觉	NA	NA	条件扩散模型、可逆神经网络	图像	NA
6793	2025-03-05	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	本文提出了一种名为DSAM的深度学习框架，用于分析脑网络中的时空动态	DSAM框架通过时间因果卷积网络捕捉时间动态，使用时间注意单元识别重要时间点，自注意单元构建目标特定的连接矩阵，并采用图神经网络的变体捕捉空间动态，用于下游分类	NA	研究目标是开发一种深度学习框架，以更好地理解脑网络中的时空动态	研究对象为人类脑网络，具体使用了Human Connectome Project数据集和Adolescent Brain Cognitive Development数据集	机器学习	NA	rs-fMRI	图神经网络	时间序列数据	Human Connectome Project数据集包含1075个样本，Adolescent Brain Cognitive Development数据集包含8520个样本
6794	2025-03-05	ResGEM: Multi-Scale Graph Embedding Network for Residual Mesh Denoising 2025-Apr, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3378309 PMID:38498760	研究论文	本文提出了一种新的多尺度图嵌入网络ResGEM，用于残差网格去噪，通过并行处理法线和顶点分支来平衡平滑度和几何细节	引入了ResGEM，一种新的图卷积网络，具有多尺度嵌入模块和残差解码结构，用于网格去噪，并提出新的正则化项以增强网络的平滑和泛化能力	NA	提高3D网格去噪的精度和效率，特别是在处理具有不规则拓扑结构的网格时	噪声污染的3D网格	计算机视觉	NA	图卷积网络(GCNs)	ResGEM	3D网格数据	合成和真实扫描的数据集
6795	2025-03-05	A spatiotemporal CNN-LSTM deep learning model for predicting soil temperature in diverse large-scale regional climates 2025-Mar-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.178901 PMID:39987832	研究论文	本研究开发了一种结合CNN和LSTM的深度学习模型，用于预测不同气候区域下的土壤温度	结合CNN和LSTM模型，首次用于预测大范围区域内的土壤温度，并在多种气候条件下验证了其准确性	研究仅针对加拿大和美国的五个气候区域，未涵盖全球其他气候类型	开发一种可靠的土壤温度预测模型，以支持农业、水文和气候适应等领域的决策	土壤温度	机器学习	NA	深度学习	CNN-LSTM	时间序列数据	加拿大和美国的五个气候区域的年度小时时间序列土壤温度数据
6796	2025-03-05	Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images 2025-Mar-04, Network (Bristol, England) DOI:10.1080/0954898X.2025.2457955 PMID:40035544	研究论文	本研究开发了一种优化的深度学习模型，用于通过语音信号和手绘螺旋图像进行帕金森病分类	结合了ZFNet和DRN模型，并利用LHO算法进行训练，通过多数投票选择最佳输出	未提及模型在不同数据集上的泛化能力	开发一种用于帕金森病早期诊断的深度学习模型	帕金森病患者	深度学习	帕金森病	深度学习	ZFNet, DRN	语音信号, 手绘图像	未提及具体样本数量
6797	2025-03-05	New AI explained and validated deep learning approaches to accurately predict diabetes 2025-Mar-04, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03338-6 PMID:40035798	研究论文	本文提出了两种新的深度学习模型LeDNet和HiDenNet，用于早期和准确的糖尿病预测，并通过实验验证了其优越性能	提出了两种新的深度学习模型LeDNet和HiDenNet，结合了LeNet、Dual Attention Network、highway network和DenseNet的特点，并采用多数加权少数过采样技术解决了类别不平衡问题	模型在Diabetes Health Indicators数据集上训练，该数据集存在固有的类别不平衡问题，可能导致预测偏差	提高糖尿病预测的准确性和可解释性	糖尿病患者	机器学习	糖尿病	深度学习	LeDNet, HiDenNet	结构化数据	Diabetes Health Indicators数据集
6798	2025-03-05	Accelerated retinal ageing and multimorbidity in middle-aged and older adults 2025-Mar-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01581-1 PMID:40035945	研究论文	本研究探讨了视网膜年龄差距与多病状态之间的关联	使用深度学习模型计算视网膜年龄差距，并首次将其与多病状态的发生风险相关联	研究依赖于基线数据，可能未完全捕捉到所有相关变量	研究视网膜年龄差距与多病状态之间的关联	45,436名中老年参与者	数字病理学	老年疾病	深度学习	深度学习模型	图像	45,436名参与者
6799	2025-03-05	Application of TransUnet Deep Learning Model for Automatic Segmentation of Cervical Cancer in Small-Field T2WI Images 2025-Mar-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01464-z PMID:40035972	研究论文	本研究开发了一种创新的深度学习模型，用于增强宫颈癌病变的自动分割	结合CNN和TransUnet模型，利用多方向MRI技术开发了三种不同的分割模型，显著提高了宫颈癌组织的分割精度	研究仅基于小视野T2WI图像，可能限制了模型的泛化能力	提高宫颈癌在MR图像中的自动分割精度，以辅助自动检测、分期和治疗规划	222名经病理确诊的宫颈癌患者的4063张T2WI小视野图像	计算机视觉	宫颈癌	MRI	CNN, TransUnet	图像	222名患者的4063张T2WI图像
6800	2025-03-05	Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions 2025-Mar-04, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00892-4 PMID:40035984	研究论文	本文提出了一种基于条件去噪扩散概率模型（CDDPM）的方法，用于提高骨盆区域锥形束计算机断层扫描（CBCT）的图像质量，从而改善放疗中的剂量计算和治疗计划	使用条件去噪扩散概率模型（CDDPM）生成高质量的合成CT（sCT），显著提高了CBCT的Hounsfield单位（HU）准确性和解剖结构保持	研究主要针对骨盆区域，未涉及其他身体部位，且模型的泛化能力尚未在更大规模的数据集上验证	提高CBCT图像质量，以改善放疗中的剂量计算和治疗计划	骨盆区域的CBCT图像	医学影像处理	前列腺癌	条件去噪扩散概率模型（CDDPM）	CDDPM	图像	未明确提及样本数量