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
7041	2025-02-05	GGSYOLOv5: Flame recognition method in complex scenes based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317990 PMID:39888970	研究论文	本文提出了一种基于深度学习的复杂场景火焰识别方法GGSYOLOv5	在YOLOv5网络的骨干部分添加了全局注意力机制（GAM），并在特征融合部分添加了无参数注意力机制，最后在输出端使用分组随机卷积（GSConv）替换了原始卷积	NA	提高复杂场景下火焰识别的准确率和实时性	火焰	计算机视觉	NA	深度学习	YOLOv5	图像	NA
7042	2025-02-05	Automatic detection of main pancreatic duct dilation and pancreatic parenchymal atrophy based on a shape feature in abdominal contrast-enhanced CT images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014504 PMID:39895855	研究论文	本研究开发并评估了一种基于形状特征的算法，用于自动检测腹部增强CT图像中的主胰管扩张和胰腺实质萎缩	提出了一种新的形状特征——90th DP比率，用于自动检测主胰管扩张和胰腺实质萎缩	研究样本量较小，仅使用了56张腹部增强CT图像	开发并评估一种自动检测主胰管扩张和胰腺实质萎缩的算法	腹部增强CT图像	计算机视觉	胰腺疾病	深度学习卷积神经网络（CNN）	CNN	图像	56张腹部增强CT图像
7043	2025-02-05	A review of deep learning in blink detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2594 PMID:39896005	综述	本文综述了深度学习在眨眼检测领域的研究进展，分析了多种经典深度学习模型在实际应用中的表现，并总结了常用的数据集和评估指标	系统总结了深度学习在眨眼检测中的应用，对比了不同方法的优缺点，并指出了未来的研究方向	当前研究缺乏系统性的总结和对比，且面临训练数据不平衡、复杂环境干扰、实时处理问题和应用设备限制等挑战	全面回顾基于深度学习的眨眼检测方法的研究进展，帮助研究人员清晰了解该领域的各种方法	眨眼检测方法	计算机视觉	NA	深度学习	CNN, LSTM, GAN等	图像	NA
7044	2025-02-05	Deep learning for enhanced risk management: a novel approach to analyzing financial reports 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2661 PMID:39896001	研究论文	本文提出了一种混合金融风险预测模型（HFRP），结合卷积神经网络（CNN）和长短期记忆网络（LSTM），以提高金融风险预测的准确性和稳定性	提出了结合CNN和LSTM的混合金融风险预测模型（HFRP），显著提高了金融风险预测的准确性和稳定性	未提及具体的数据集大小或样本来源，可能影响模型的泛化能力	提高金融风险预测的准确性和稳定性，以支持更好的风险管理决策	金融报告中的定量和定性数据	机器学习	NA	CNN, LSTM	混合模型（HFRP）	文本数据	未提及具体样本数量
7045	2025-02-05	Hybrid deep learning approach for brain tumor classification using EfficientNetB0 and novel quantum genetic algorithm 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2556 PMID:39896007	研究论文	本文提出了一种结合深度学习与量子遗传算法的新方法，用于脑肿瘤的自动多类分类	结合预训练的EfficientNetB0模型与量子遗传算法，提出了一种新的特征选择方法，显著提高了脑肿瘤分类的准确性和可靠性	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	开发一种高精度、高可靠性的脑肿瘤自动分类方法	脑肿瘤	医学影像	脑肿瘤	深度学习与量子遗传算法结合	EfficientNetB0与量子遗传算法	图像	未提及具体样本数量
7046	2025-02-05	Foreign object debris detection in lane images using deep learning methodology 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2570 PMID:39896023	研究论文	本文提出了一种基于视频的深度学习方法，用于检测机场跑道上的外来物碎片（FOD），以提高检测的准确性和鲁棒性	提出了一种新的视频深度学习方法，结合对象分类和定位模块，有效降低了雷达检测的高成本	未提及具体的数据集规模和实验环境限制	降低机场跑道外来物碎片检测的成本，提高检测效率和安全性	机场跑道上的外来物碎片（FOD）	计算机视觉	NA	深度学习	NA	视频	大规模视频数据集
7047	2025-02-05	Modified MobileNetV2 transfer learning model to detect road potholes 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2519 PMID:39896032	研究论文	本文提出了一种改进的MobileNetV2迁移学习模型，用于检测道路坑洞	引入了一种改进的MobileNetV2（MMNV2）模型，通过在MobileNetV2框架中添加一个五层预训练网络，提高了分类、检测和预测的准确性	NA	提高道路坑洞检测的准确性和效率	道路坑洞	计算机视觉	NA	迁移学习、深度学习	改进的MobileNetV2（MMNV2）	图像	5000张道路图像
7048	2025-02-05	EFNet: estimation of left ventricular ejection fraction from cardiac ultrasound videos using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2506 PMID:39896038	研究论文	本文提出了一种名为EFNet的深度学习方法，用于从心脏超声视频中直接估计左心室射血分数（EF）	EFNet结合了卷积神经网络（CNN）和Transformer模型，并引入了残差Transformer模块（RTM），以分析心脏超声视频的时空特征	方法的性能可能受到超声视频质量和操作者依赖性的影响	开发一种精确且可解释的深度学习方法，用于从心脏超声视频中自动预测左心室射血分数	心脏超声视频	计算机视觉	心血管疾病	深度学习	CNN, Transformer	视频	EchoNet-Dynamic数据集
7049	2025-02-05	Edge and texture aware image denoising using median noise residue U-net with hand-crafted features 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2449 PMID:39896035	研究论文	本文提出了一种结合中值噪声残差U-Net和手工特征的方法，用于边缘和纹理感知的图像去噪	在U-Net的输入层中加入手工特征，提高了模型的学习能力，并通过中值滤波器和图像梯度信息估计噪声，提升了去噪性能	模型在有限训练数据集上训练，未使用图像增强技术，可能影响泛化能力	提高图像去噪的性能，特别是在高噪声水平下	噪声图像	计算机视觉	NA	中值滤波，梯度信息提取	U-Net	图像	NA
7050	2025-02-05	The value of AI for assessing longitudinal brain metastases treatment response 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae216 PMID:39896076	研究论文	本文探讨了AI在评估脑转移瘤治疗反应中的价值，比较了手动和自动（基于深度学习）的病灶轮廓绘制方法	使用自动轮廓绘制和体积测量方法，提高了评估的稳定性和结果预测能力，减少了观察者间的变异性	研究样本量较小（49名患者），且为回顾性研究，可能影响结果的普遍性	提高脑转移瘤患者治疗后随访的准确性和效率，优化治疗决策	脑转移瘤患者	数字病理学	脑转移瘤	深度学习	NA	MRI图像	49名患者，184次MRI研究，448个病灶
7051	2025-02-05	Dynamics of spindle assembly and position checkpoints: Integrating molecular mechanisms with computational models 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.12.021 PMID:39897055	综述	本文综述了有丝分裂检查点的分子机制与计算模型的整合，探讨了从简单蛋白质相互作用到全系统模拟的数学模型框架	通过计算模型揭示检查点动态的多尺度特性，包括驱动纺锤体组装检查点（SAC）激活的双稳态开关和纺锤体位置检查点（SPOC）信号的空间组织原则	在整合空间和时间尺度、优化参数估计以及提高空间建模精度方面仍存在挑战	通过计算模型深入理解有丝分裂检查点的系统级行为，为癌症研究和治疗开发提供理论基础	有丝分裂检查点的分子机制和系统级行为	计算生物学	癌症	单分子成像、数据驱动算法、深度学习	常微分方程、随机模拟、基于规则的模型、化学组织理论	分子相互作用数据、活细胞成像数据	NA
7052	2025-02-05	Explainable deep learning identifies patterns and drivers of freshwater harmful algal blooms 2025-Jan, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100522 PMID:39897111	研究论文	本文开发了一种可解释的深度学习方法，用于识别淡水有害藻华的模式和驱动因素	结合LSTM模型和解释技术，能够捕捉复杂模式并提供对关键藻华驱动因素的可解释性见解	数据可用性不均和藻类过程的强区域特异性可能导致模型泛化能力受限	解决淡水有害藻华（HABs）建模中的关键挑战，包括区域特异性和数据限制	中国湖泊和水库中的藻类密度	机器学习	NA	LSTM模型	LSTM	时间序列数据	102个中国湖泊和水库的三年数据
7053	2025-02-05	Quantifying the Characteristics of Diabetic Retinopathy in Macular Optical Coherence Tomography Angiography Images: A Few-Shot Learning and Explainable Artificial Intelligence Approach 2025-Jan, Cureus DOI:10.7759/cureus.76746 PMID:39897224	研究论文	本文探讨了使用少样本学习和可解释人工智能方法在糖尿病视网膜病变（DR）分期分类中的应用，以提高光学相干断层扫描血管成像（OCTA）图像的准确性	结合少样本学习（FSL）和自注意力机制的可解释人工智能（XAI）方法，解决了在数据有限的情况下进行DR分期分类的挑战	研究样本量较小，仅包含206张OCTA图像，可能影响模型的泛化能力	提高糖尿病视网膜病变（DR）分期分类的准确性，特别是在数据有限的情况下	糖尿病视网膜病变（DR）患者的光学相干断层扫描血管成像（OCTA）图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	ResNet-50, DenseNet-161, MobileNet-v2, MTUNet	图像	206张OCTA图像（104例非增殖性糖尿病视网膜病变和102例增殖性糖尿病视网膜病变）
7054	2025-02-05	Current status, challenges, and prospects of artificial intelligence applications in wound repair theranostics 2025, Theranostics IF:12.4Q1 DOI:10.7150/thno.105109 PMID:39897550	综述	本文综述了人工智能在伤口修复诊疗中的应用现状、挑战及前景	全面总结了人工智能在伤口修复中的最新进展，包括伤口类型分类、伤口测量、伤口组织类型分类、伤口监测与预测以及个性化治疗	在实现伤口管理的闭环护理系统方面仍存在挑战，涵盖伤口诊断、监测和治疗的综合应用	探讨人工智能在伤口修复诊疗中的应用，提供科学证据和技术支持	皮肤损伤	人工智能	皮肤损伤	机器学习、深度学习、神经网络	NA	图像	NA
7055	2025-02-05	Automatic etiological classification of stroke thrombus digital photographs using a deep learning model 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1534845 PMID:39897943	研究论文	本研究开发了一种基于深度学习的模型，用于自动分类缺血性中风血栓的病因，利用机械取栓术获取的血栓数字图像	首次将深度学习技术应用于中风血栓的自动病因分类，结合图像分割和分类网络，提高了分类的准确性和精确性	样本量相对较小（166例患者），且仅在一个医院进行，可能限制了模型的泛化能力	开发一种自动分类缺血性中风血栓病因的深度学习模型	接受机械取栓术的大血管闭塞中风患者	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	图像	166例患者
7056	2025-02-05	Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees 2024-Dec-24, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.00316 PMID:39719004	研究论文	本研究通过深度学习软件分析了17,365个膝盖的X光片，探讨了膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	首次大规模分析了CPAK类型在不同OA严重程度下的分布变化，并揭示了OA严重程度对CPAK类型的影响	研究为回顾性横断面研究，无法确定因果关系，且未考虑其他可能影响OA进展的因素	探讨膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	17,365个膝盖的X光片	数字病理	骨关节炎	深度学习	NA	X光片	17,365个膝盖
7057	2025-02-05	Mean pulmonary artery pressure prediction with explainable multi-view cardiovascular magnetic resonance cine series deep learning model 2024-Dec-05, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101133 PMID:39645082	研究论文	本研究旨在通过深度学习模型从心脏磁共振（MR）数据中无创估计右心导管检查（RHC）参数，并识别关键的成像特征	使用可解释的多视角卷积神经网络（CNN）从四个不同视角的心脏MR电影序列中预测平均肺动脉压（mPAP），并识别关键贡献特征	研究样本量有限，仅包含1646次检查	无创估计RHC参数并识别关键成像特征	心脏磁共振（MR）数据	计算机视觉	心血管疾病	深度学习	CNN	图像	1646次检查
7058	2025-02-05	Development of a deep learning-based 1D convolutional neural network model for cross-species natural killer T cell identification using peripheral blood mononuclear cell single-cell RNA sequencing data 2024-Dec, Veterinary world IF:1.7Q2 DOI:10.14202/vetworld.2024.2846-2857 PMID:39897371	研究论文	本研究开发了一种基于一维卷积神经网络（1DCNN）的模型，用于跨物种识别自然杀伤T细胞（NKT细胞），并利用单细胞RNA测序数据验证了其有效性	首次将1DCNN模型应用于跨物种NKT细胞的识别，并成功识别了人类、犬类和猪类PBMC数据集中的NKT细胞	需要进一步的研究来验证这些发现，并且模型的泛化能力尚未在其他细胞类型上得到验证	开发一种能够跨物种识别NKT细胞的深度学习模型，并探索其在不同物种中的免疫功能基因	人类、犬类和猪类的外周血单核细胞（PBMC）中的NKT细胞	机器学习	NA	单细胞RNA测序（scRNA-Seq）	1DCNN	RNA测序数据	人类、犬类和猪类的PBMC数据集
7059	2025-02-05	Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data 2024-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.05.606654 PMID:39149252	研究论文	本文提出了一种利用空间分辨转录组数据注释病理图像的新方法，并开发了一个名为STpath的迁移学习神经网络模型，用于预测细胞类型比例或分类肿瘤微环境	利用空间分辨转录组数据注释病理图像，开发了STpath模型，解决了病理图像标注数据稀缺的问题	训练数据有限，可能影响模型的泛化能力	提高病理图像分析的准确性和效率，辅助病理学家进行诊断	乳腺癌数据集中的病理图像和空间分辨转录组数据	数字病理学	乳腺癌	空间分辨转录组数据	迁移学习神经网络模型（STpath）	图像和转录组数据	三个不同的乳腺癌数据集
7060	2025-02-05	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	本文介绍了一种使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像的方法，简化了厚样本（如整个哺乳动物细胞）的成像和分析流程	提出了使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像，避免了传统方法中需要多片层采集和后处理拼接的复杂性	尽管该方法简化了成像和分析流程，但在厚样本中的应用仍需进一步验证其分辨率和成像速度的优化	研究目的是开发一种简化3D超分辨率成像的方法，以获取厚样本（如整个哺乳动物细胞）的纳米级结构信息	研究对象包括荧光珠和哺乳动物细胞（U-2 OS细胞）中的核层蛋白lamin B1	生物医学成像	NA	单分子定位显微镜（SMLM）、DNA-PAINT成像	深度学习算法	图像	荧光珠和U-2 OS细胞