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
681	2025-07-05	SiamTITP: Incorporating Temporal Information and Trajectory Prediction Siamese Network for Satellite Video Object Tracking 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3573527 PMID:40560699	research paper	提出了一种名为SiamTITP的Siamese网络，用于卫星视频目标跟踪，通过整合时间信息和轨迹预测来提高跟踪性能	设计了时间信息子模块和轨迹预测子模块，动态更新模板以增强特征判别性，并利用多项式函数拟合历史结果来处理遮挡问题	未提及具体局限性	提高卫星视频目标跟踪的性能，解决现有方法在特征判别性、遮挡处理和超参数过多方面的问题	卫星视频中的目标跟踪	computer vision	NA	Siamese network	SiamTITP	video	三个大型卫星视频数据集（SatSOT、SV248S和OOTB）
682	2025-07-05	A Wavelet-Guided Deep Unfolding Network for Single Image Reflection Removal 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3581418 PMID:40569799	research paper	提出了一种基于小波引导的深度展开网络（WDUNet），用于单图像反射去除，结合小波分解和深度展开技术提高方法的可解释性和泛化能力	首次将离散小波变换（DWT）与深度展开技术结合用于反射去除，设计了低频参数估计模块（LPEM）和高频参数估计模块（HPEM）自动学习模型超参数	未明确提及方法在极端复杂场景下的性能表现或计算效率方面的限制	解决单图像反射去除（SIRR）问题，提升复杂场景下反射与透射内容的分离效果	含有反射干扰的单幅图像	computer vision	NA	Discrete Wavelet Transform (DWT), deep unfolding	Wavelet-guided Deep Unfolding Network (WDUNet)	image	四个基准数据集（未明确样本数量）
683	2025-07-05	Data augmentation of time-series data in human movement biomechanics: A scoping review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327038 PMID:40591732	综述	本文对生物力学时间序列数据的数据增强技术进行了范围综述，探讨了当前技术、评估其有效性并提出了应用建议	首次系统性地综述了生物力学时间序列数据的数据增强技术，并针对该领域的特点提出了具体建议	研究中发现许多文献缺乏对增强方法的适当评估，且合成数据中缺少软组织伪影，导致与实际数据存在差异	评估生物力学时间序列数据的数据增强技术及其应用效果	生物力学时间序列数据	生物力学	NA	数据增强技术	NA	时间序列数据	21篇相关文献
684	2025-07-05	MRI based early Temporal Lobe Epilepsy detection using DGWO based optimized HAETN and Fuzzy-AAL Segmentation Framework (FASF) 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325126 PMID:40601647	研究论文	本文提出了一种基于MRI的早期颞叶癫痫检测方法，结合了深度学习和优化算法以提高诊断准确性	引入了混合注意力增强Transformer网络(HAETN)和模糊-AAL分割框架(FASF)，结合了FPCM算法和AAL标记技术，并使用DGWO算法进行特征选择	未提及该方法在其他类型癫痫或不同MRI设备上的适用性	开发先进的深度学习技术以实现颞叶癫痫的早期准确诊断	颞叶癫痫患者	数字病理学	颞叶癫痫	MRI, 深度学习	HAETN, Transformer网络	MRI图像	Temporal Lobe Epilepsy-UNAM MRI数据集(具体样本数未提及)
685	2025-07-05	Enhancing IDS for the IoMT based on advanced features selection and deep learning methods to increase the model trustworthiness 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327137 PMID:40601650	研究论文	本研究提出了一种基于高级特征选择和深度学习的IoMT入侵检测系统(IDS)模型，以提高检测性能和模型可信度	结合信息增益(IG)和递归特征消除(RFE)并行选择特征，并使用深度自动编码器(DAE)降维，最后通过深度神经网络(DNN)进行分类	未提及模型在更广泛IoMT设备或不同攻击类型上的泛化能力	提高IoMT环境中入侵检测系统的效率和可信度	IoMT网络流量数据	机器学习	NA	信息增益(IG), 递归特征消除(RFE), 深度自动编码器(DAE)	深度神经网络(DNN)	网络流量数据	WUSTL-EHMS-2020和CICIDS2017数据集
686	2025-07-05	Particle swarm optimization-based NLP methods for optimizing automatic document classification and retrieval 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325851 PMID:40601694	研究论文	提出了一种基于粒子群优化的自然语言处理方法PBX模型，用于优化自动文档分类和检索	结合深度学习和传统机器学习技术，利用BERT进行文本预训练，并结合ConvXGB模块进行分类，通过粒子群优化(PSO)优化超参数，显著提升性能	未来工作将集中于提升对小类别或模糊类别的性能，并扩展其实际应用范围	优化自动文档分类和检索的性能	多类任务和复杂文档的分类	自然语言处理	NA	BERT, ConvXGB, 粒子群优化(PSO)	PBX模型	文本	多个数据集，包括20 Newsgroups、Reuters-21578和AG News
687	2025-07-05	Global research landscape on artificial intelligence in echocardiography from 1997 to 2024: Bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251351201 PMID:40605994	研究论文	通过文献计量学方法分析1997年至2024年人工智能在超声心动图领域的全球研究趋势和热点	首次系统性地分析了AI在超声心动图领域的全球研究趋势和关键发展	仅基于Web of Science数据库，可能未涵盖所有相关研究	探索AI驱动的超声心动图研究热点，为未来研究提供数据支持和学术见解	1997-2024年间发表的605篇AI在超声心动图领域的研究文献	医学影像	心血管疾病	文献计量分析	深度学习	文献数据	605篇文献
688	2025-07-05	Optimizing deep learning models to combat amyotrophic lateral sclerosis (ALS) disease progression 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251349719 PMID:40605998	研究论文	本研究探讨了深度学习模型在预测肌萎缩侧索硬化症（ALS）疾病进展中的应用，并比较了不同模型的性能	通过超参数优化显著提升了深度学习模型和XGBoost模型的预测性能，并识别了影响ALS进展的关键特征	研究依赖于公开数据集PRO-ACT，可能无法涵盖所有ALS患者的多样性	优化深度学习模型以预测ALS疾病进展并区分不同类型ALS	ALS患者数据	机器学习	肌萎缩侧索硬化症	深度学习，XGBoost，LightGBM	深度学习序列模型，XGBoost，LightGBM	临床数据	PRO-ACT数据集中的ALS患者数据
689	2025-07-05	Brain age prediction model based on electroencephalogram signal and its application in children with autism spectrum disorders 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1605291 PMID:40606145	研究论文	该研究基于脑电图信号和深度学习技术，构建了一个用于预测大脑年龄的模型，并应用于自闭症谱系障碍（ASD）儿童的脑发育评估	首次使用GRU神经网络方法构建Auto-EEG-Brain AGE预测模型，并将其应用于ASD儿童的脑发育评估	样本量相对较小，ASD患者组仅98例	开发客观的生物标志物来评估ASD患者的脑发育异常	健康儿童（659例）和ASD患者（98例）	数字病理学	自闭症谱系障碍	EEG和深度学习	GRU神经网络	脑电图信号	757例（659例健康儿童和98例ASD患者）
690	2025-07-05	Plant disease classification in the wild using vision transformers and mixture of experts 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1522985 PMID:40606487	研究论文	提出了一种结合Vision Transformer和专家混合模型的新方法，用于在真实农业环境中进行植物病害分类	结合Vision Transformer和专家混合模型，通过动态分配专家处理不同类型输入数据，提高了模型在多样化图像条件下的性能	未提及具体的数据集规模限制或计算资源需求	提高植物病害分类模型在真实农业环境中的准确性和鲁棒性	植物病害图像	计算机视觉	植物病害	深度学习	Vision Transformer (ViT) 和专家混合模型	图像	NA
691	2025-07-05	Advancing 1.5T MR imaging: toward achieving 3T quality through deep learning super-resolution techniques 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1532395 PMID:40606499	研究论文	本研究探讨了三种基于深度学习的超分辨率技术在提升1.5T MRI图像质量方面的效果，旨在达到与3T扫描相当的质量	提出使用Transformer Enhanced Generative Adversarial Network (TCGAN) 来显著提升1.5T MRI图像质量，为高成本3T MRI提供了一种经济有效的替代方案	研究未提及对不同神经疾病诊断效果的具体验证，也未讨论在实际临床环境中的适用性	提高1.5T MRI图像质量，使其接近3T MRI的水平	1.5T MRI图像	医学影像处理	神经系统疾病	深度学习超分辨率技术	TCGAN (Transformer Enhanced Generative Adversarial Network)	MRI图像	未提及具体样本数量
692	2025-07-05	Self-Powered Multimodal Tactile Sensing Enabled by Hybrid Triboelectric and Magnetoelastic Mechanisms 2025, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0320 PMID:40607079	研究论文	本文介绍了一种利用摩擦电-磁弹性传感的创新方法，用于物体属性感知	结合摩擦电和磁弹性技术，实现自供电传感机制，无需外部电源即可生成传感信号，并通过深度学习算法实现高精度的物体属性识别	未提及具体局限性	提升物体属性感知技术的精度和实时性，支持机器人的智能化发展和实时触觉感知能力的增强	物体的材料特性、软度和粗糙度等多维信息	传感器技术	NA	摩擦电-磁弹性传感技术	深度学习算法	机械信息和多维物体属性数据	未提及具体样本数量
693	2025-07-05	HMA-Net: a hybrid mixer framework with multihead attention for breast ultrasound image segmentation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1572433 PMID:40607452	research paper	提出了一种基于深度学习的混合框架HMA-Net，用于乳腺超声图像分割，结合了ConvMixer编码器和ConvNeXT解码器以及多头注意力机制	结合ConvMixer和ConvNeXT模块，引入卷积增强的多头注意力机制，有效捕捉局部和全局上下文信息	仅在两个公开数据集上进行了验证，未在更大规模或更多样化的数据集上测试	提高乳腺超声图像分割的准确性，以辅助乳腺癌早期检测	乳腺超声图像	digital pathology	breast cancer	deep learning	HMA-Net (结合ConvMixer和ConvNeXT)	image	BUSI和BrEaST两个数据集
694	2025-07-05	Regularization by neural style transfer for MRI field-transfer reconstruction with limited data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1579251 PMID:40607454	research paper	提出了一种名为RNST的新框架，通过结合神经风格迁移（NST）引擎和去噪器，实现在有限数据条件下的MRI场迁移重建	RNST框架无需配对训练数据，利用风格先验解决有限数据设置下的重建问题，且在风格和内容图像未精确对齐时仍保持鲁棒性	未明确提及具体的数据规模限制或计算资源需求	解决在数据有限环境下MRI场迁移重建的挑战	MRI图像	medical imaging	NA	神经风格迁移（NST）	deep learning-based models	MRI图像	未明确提及具体样本数量
695	2025-07-05	Predicting Affinity Through Homology (PATH): Interpretable Binding Affinity Prediction with Persistent Homology 2024-Oct-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567384 PMID:38014181	研究论文	提出了一种名为PATH的算法，用于预测蛋白质-配体结合亲和力，该算法结合了持久同调特征和可解释的机器学习模型	使用持久同调特征和可解释的回归树模型，提高了结合亲和力预测的准确性和可解释性，同时降低了计算复杂度	未明确提及具体局限性，但可能涉及对特定蛋白质-配体复合物的适用性	开发一种快速、可解释的蛋白质-配体结合亲和力预测算法	蛋白质-配体复合物	计算生物学	NA	持久同调	回归树	蛋白质-配体复合物的结构数据	未明确提及具体样本数量
696	2025-07-05	Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images 2024-Mar-06, Npj imaging.. DOI:10.1038/s44303-023-00005-z PMID:40604230	研究论文	本文开发了一种基于人工智能的前列腺癌恶性程度分级系统，通过多机构国际数据集验证其优于现有的Gleason分级系统	提出了一种新的前列腺癌分级系统，利用AI技术开发出四个风险组别，独立且优于现有的五个等级组别，并能反映生化复发患者去势抵抗性前列腺癌的风险	研究依赖于根治性前列腺切除术患者的数据，可能不适用于其他治疗方式的患者	开发并验证一种基于AI的前列腺癌恶性程度分级系统，提高风险分层的准确性	2647名接受根治性前列腺切除术并有≥10年随访数据的前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	组织学图像	2647名前列腺癌患者的多机构国际数据集
697	2025-07-05	Osteoarthritis year in review 2022: imaging 2023-08, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.03.005 PMID:36924919	综述	本文总结了2021年4月1日至2022年3月31日期间发表的关于骨关节炎（OA）影像学研究的原创研究	强调了人工智能在OA影像学中的应用，包括预测模型的开发和骨小梁纹理分析	仅考虑了英文出版物和人体体内研究	总结和评估骨关节炎影像学领域的最新研究进展	人类骨关节炎患者的影像学数据	数字病理学	骨关节炎	放射学、超声/US、计算机断层扫描/CT、DXA、磁共振成像/MRI、人工智能/AI、深度学习	深度学习	影像数据	NA
698	2025-07-04	Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data 2025-Dec, Dialogues in clinical neuroscience DOI:10.1080/19585969.2025.2524337 PMID:40588165	research paper	该研究提出了一种基于深度学习和集成学习的混合AI模型，用于通过人口统计和行为时间序列数据检测双相和单相抑郁症	结合了结构化人口统计特征和合成活动图时间序列数据，使用XGBoost集成和深度CNN进行建模，并通过SHAP和Grad-CAM增强模型可解释性	尚未经过临床验证	开发自动化的抑郁症检测方法	双相和单相抑郁症患者	machine learning	mental health	XGBoost, CNN, SHAP, Grad-CAM	hybrid AI model (XGBoost + CNN)	time-series data, demographic data	NA
699	2025-07-04	Analysis of intra- and inter-observer variability in 4D liver ultrasound landmark labeling 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051807 PMID:40600072	研究论文	本研究通过评估肝脏4D超声成像中专家标记地标的观察者内和观察者间变异性，探讨了专家标记数据的可靠性	首次量化了4D超声肝脏地标标记的观察者内和观察者间变异性，并确定了超声伪影是标记不准确的主要来源	研究仅基于8个4D肝脏超声序列和8位专家观察者的数据，样本量有限	评估4D超声成像中专家标记地标的可靠性，以改进自主治疗引导系统的目标跟踪算法	肝脏4D超声成像中的地标标记	医学影像分析	肝脏疾病	4D超声成像	NA	4D超声图像序列	8个4D肝脏超声序列，由8位专家观察者各标记8个地标3次
700	2025-07-04	DunHuangStitch: Unsupervised Deep Image Stitching of Dunhuang Murals 2025-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3398289 PMID:38717890	研究论文	本文提出了一种基于深度学习的敦煌壁画图像拼接方法，旨在解决传统方法在低纹理壁画拼接中的局限性	首次将深度学习应用于敦煌壁画拼接，设计了渐进回归图像对齐网络和特征差分重建软编码接缝拼接网络，并引入了软编码接缝质量评估方法	未明确提及具体局限性，但暗示传统方法在特征点检测精度和低纹理壁画拼接方面存在不足	为敦煌壁画的数字化存储和保存提供技术支持	敦煌壁画	计算机视觉	NA	深度学习	渐进回归图像对齐网络、特征差分重建软编码接缝拼接网络	图像	构建了两个壁画拼接数据集（未明确样本数量）