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
7121	2025-02-11	Multi-dimensional perceptual recognition of tourist destination using deep learning model and geographic information system 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318846 PMID:39919101	研究论文	本研究提出了一种结合深度学习模型和地理信息系统（GIS）的多维度旅游目的地感知识别策略，以提高感知识别的准确性和完整性	通过整合改进的Inception V3模型、带多头注意力的双向长短期记忆网络（BiLSTM）模型和GIS技术，实现了对旅游目的地感知的多维度精确识别，识别准确率超过97%	研究主要集中在中国大同的游客感知，可能在其他地区的适用性需要进一步验证	提高旅游目的地感知识别的准确性和完整性，支持目的地管理决策和旅游推荐	旅游目的地的感知识别，特别是内容感知、情感感知以及时空感知	自然语言处理	NA	深度学习、地理信息系统（GIS）	改进的Inception V3模型、双向长短期记忆网络（BiLSTM）模型	图像、文本、时空信息	NA
7122	2025-02-11	Advanced retinal disease detection from OCT images using a hybrid squeeze and excitation enhanced model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318657 PMID:39919140	研究论文	本文提出了一种混合SE增强模型，用于从OCT图像中检测视网膜疾病，包括糖尿病性黄斑水肿、Drusen和脉络膜新生血管	结合了SE块与EfficientNetB0和Xception架构，提高了模型的效率和分类性能，能够更准确地检测视网膜疾病	依赖于特定数据集（UCSD和Duke的OCT数据集），可能在其他数据集上的泛化能力有限	开发一种基于人工智能和深度学习的模型，用于从OCT图像中准确检测视网膜疾病	OCT图像中的视网膜疾病，包括糖尿病性黄斑水肿、Drusen和脉络膜新生血管	计算机视觉	视网膜疾病	深度学习	SE-Enhanced Hybrid Model（结合EfficientNetB0和Xception）	图像	UCSD和Duke的OCT数据集
7123	2025-02-11	RETRACTED: Lung cancer diagnosis of CT images using metaheuristics and deep learning 2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221090725 PMID:35445619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7124	2025-02-11	RETRACTION NOTICE: Lung cancer diagnosis of CT images using metaheuristics and deep learning 2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221134231 PMID:36237147	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7125	2025-02-11	Self-Supervised Learning for Improved Optical Coherence Tomography Detection of Macular Telangiectasia Type 2 2024-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.6454 PMID:38329740	研究论文	本文提出了一种自监督学习方法，用于在有限标注数据的情况下，通过光学相干断层扫描（OCT）自动分类2型黄斑毛细血管扩张症（MacTel）	使用自监督学习方法在有限标注数据的情况下提高了MacTel的自动分类准确性，并展示了其在其他罕见疾病中的潜在应用	需要进一步研究以验证该方法在其他罕见疾病中的适用性	开发一种自监督学习方法，用于在有限标注数据的情况下自动分类MacTel	2型黄斑毛细血管扩张症（MacTel）患者和非MacTel患者的OCT图像	计算机视觉	黄斑毛细血管扩张症	光学相干断层扫描（OCT）	ResNet18, ResNet50	图像	2636张OCT扫描图像来自780名MacTel患者和131名非MacTel患者，以及2564张来自1769名非MacTel患者的OCT扫描图像
7126	2025-02-09	Estimating baselines of Raman spectra based on transformer and manually annotated data 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125679 PMID:39733708	研究论文	本文提出了一种基于Transformer和手动标注数据的拉曼光谱基线估计方法	设计了一种针对拉曼光谱数据的一维Transformer模型（1dTrans），并在基线估计任务中表现优于传统的卷积神经网络（CNN）、ResUNet和三种参数化方法	手动标注数据的过程可能耗时且依赖于参数调整，模型的泛化能力未在更多材料上进行验证	改进拉曼光谱的基线校正方法，以提高定量分析的准确性	拉曼光谱数据	机器学习	NA	拉曼光谱分析	Transformer, CNN, ResUNet	光谱数据	八种不同生物材料的光谱数据
7127	2025-02-10	On the analysis of adapting deep learning methods to hyperspectral imaging. Use case for WEEE recycling and dataset 2025-Apr-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125665 PMID:39746253	研究论文	本文评估了在深度学习架构中结合不同空间和光谱特征对高光谱图像分割的影响，并探讨了从RGB图像预训练模型到高光谱领域的知识迁移	提出了不同架构配置，评估了光谱和空间信息对模型性能、能耗和推理时间的影响，并公开了Tecnalia WEEE高光谱数据集	未对所有光谱波长进行优化，且从RGB领域迁移的预训练模型性能较低、能耗较高、推理时间较长	研究高光谱图像分割中空间和光谱信息对深度学习模型性能的影响	高光谱图像	计算机视觉	NA	深度学习	深度学习架构	高光谱图像	Tecnalia WEEE高光谱数据集，包含铜、黄铜、铝、不锈钢和白铜等非铁金属废料
7128	2025-02-10	Enhancing thin slice 3D T2-weighted prostate MRI with super-resolution deep learning reconstruction: Impact on image quality and PI-RADS assessment 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110308 PMID:39667642	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在提高薄层3D T2加权成像（T2WI）图像质量和前列腺影像报告与数据系统（PI-RADS）评估中的有效性	使用SR-DLR技术在不延长MRI采集时间的情况下提高图像质量，并评估其对PI-RADS评分的影响	样本量较小（28名患者），且为回顾性研究	评估SR-DLR在提高前列腺MRI图像质量和PI-RADS评分中的有效性	前列腺MRI图像	医学影像	前列腺癌	超分辨率深度学习重建（SR-DLR）	深度学习模型	MRI图像	28名男性患者（年龄范围：47-88岁；平均年龄：70.8岁）
7129	2025-02-10	A lightweight adaptive spatial channel attention efficient net B3 based generative adversarial network approach for MR image reconstruction from under sampled data 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110281 PMID:39672285	研究论文	本文提出了一种基于轻量级自适应空间通道注意力EfficientNet B3的生成对抗网络（ASCA-EffNet GAN），用于从欠采样的k空间数据中快速高质量地重建MR图像	提出了一种结合自适应空间通道注意力机制和EfficientNet B3的生成对抗网络，用于MR图像重建，有效捕捉空间和通道特征，提升重建质量	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	加速MR图像采集并提高重建质量，适用于临床快速诊断	欠采样的k空间数据	计算机视觉	NA	压缩感知MRI（CS-MRI）	生成对抗网络（GAN），U-net生成器，ResNet解码器	MR图像	未提及具体样本数量
7130	2025-02-10	Conditional generative diffusion deep learning for accelerated diffusion tensor and kurtosis imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110309 PMID:39675686	研究论文	本研究开发了DiffDL，一种生成扩散概率模型，旨在从减少的扩散加权图像（DWI）集中生成高质量的扩散张量成像（DTI）和扩散峰度成像（DKI）指标	DiffDL模型通过生成扩散概率模型解决了扩散MRI数据采集时间过长的问题，同时保持了指标的准确性	未来研究需要优化计算需求，并在临床队列和标准MRI扫描仪上验证模型	开发一种生成扩散概率模型以减少扩散MRI数据采集时间并保持指标准确性	扩散加权图像（DWI）	计算机视觉	NA	扩散张量成像（DTI）和扩散峰度成像（DKI）	UNet	图像	300训练/验证对象和50测试对象
7131	2025-02-10	Predicting molecular subtypes of breast cancer based on multi-parametric MRI dataset using deep learning method 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110305 PMID:39681144	研究论文	本研究开发了一种基于多参数MRI的深度学习模型，用于预测乳腺癌的分子亚型	使用五种类型的术前MRI图像，通过集成学习方法融合五个基础模型的输出，构建了一个多参数MRI模型，用于预测乳腺癌的分子亚型	研究样本量相对较小，且为回顾性研究，可能存在选择偏差	开发一种基于多参数MRI的模型，用于预测乳腺癌的分子亚型	325例经病理证实的乳腺癌患者的临床数据和五种MRI图像	数字病理	乳腺癌	多参数MRI成像	ResNeXt50	图像	325例乳腺癌患者（260例训练集，65例测试集）
7132	2024-12-28	Reliability of post-contrast deep learning-based highly accelerated cardiac cine MRI for the assessment of ventricular function 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110313 PMID:39708928	研究论文	本研究评估了基于深度学习的加速心脏电影MRI在对比剂注射前后的等效性，用于评估心室功能	首次在临床环境中评估了对比剂注射前后基于深度学习的加速心脏电影MRI的图像质量和心室功能量化等效性	样本量较小，仅30名患者，且仅在1.5T扫描仪上进行	评估对比剂注射前后基于深度学习的加速心脏电影MRI在图像质量和心室功能量化上的等效性	30名患者（20名男性，平均年龄53.7±17.8岁）	医学影像	心血管疾病	心脏磁共振成像（MRI）	深度学习	图像	30名患者
7133	2025-01-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤IDH基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测胶质瘤的IDH突变状态	研究样本量相对较小，且仅基于T2图像进行预测	探索DLRN在预测脑胶质瘤IDH基因型中的可行性	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习，放射组学	混合模型（深度学习特征、放射组学特征、临床特征）	图像（T2图像）	402名脑胶质瘤患者（训练队列239名，内部验证队列103名，外部验证队列60名）
7134	2025-02-10	Comparison of conventional diffusion-weighted imaging and multiplexed sensitivity-encoding combined with deep learning-based reconstruction in breast magnetic resonance imaging 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110316 PMID:39716684	研究论文	本研究比较了传统扩散加权成像（DWI）与结合深度学习的多重灵敏度编码（MUSE-DLR）在乳腺磁共振成像中的应用	首次将深度学习重建技术应用于MUSE数据，以提升乳腺MRI图像质量	样本量较小，仅包括51名女性参与者	评估MUSE结合深度学习重建在乳腺成像中的可行性	接受乳腺磁共振成像的女性参与者	医学影像	乳腺癌	磁共振成像（MRI），扩散加权成像（DWI），多重灵敏度编码（MUSE）	深度学习重建（DLR）	图像	51名女性参与者
7135	2025-01-11	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	研究论文	本文探讨了基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别和分类中的应用价值	结合传统影像组学特征、亚区域影像组学特征和深度学习特征，构建了融合模型，并验证了其在乳腺叶状肿瘤分类中的最佳诊断效能和临床效益	研究样本量较小（77例），且为回顾性分析，可能存在选择偏倚	探索MRI影像组学和深度学习在乳腺叶状肿瘤识别和病理分期中的应用价值	乳腺叶状肿瘤和纤维腺瘤患者	数字病理	乳腺癌	MRI成像	融合模型（传统影像组学、亚区域影像组学和深度学习）	MRI图像	77例经病理检查确诊的乳腺叶状肿瘤和纤维腺瘤患者
7136	2025-01-14	Cooking loss estimation of semispinalis capitis muscle of pork butt using a deep neural network on hyperspectral data 2025-Apr, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109754 PMID:39799874	研究论文	本研究评估了基于深度学习的模型在预测猪颈肉半棘肌烹饪损失方面的性能，使用了死后24小时采集的高光谱图像	使用深度学习模型和高光谱图像预测猪颈肉半棘肌的烹饪损失，并通过数据增强克服小样本问题	分类准确率随着等级数量的增加而降低	预测猪颈肉半棘肌的烹饪损失	猪颈肉半棘肌	计算机视觉	NA	高光谱成像	深度学习模型	图像	70个猪颈肉样本
7137	2025-02-10	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法，旨在提高扩散特性的准确估计	提出了一种深度学习框架，用于映射和校正DWI中的自由水部分体积污染，适用于单壳采集方案	需要进一步验证在不同临床数据集上的通用性和稳定性	提高扩散MRI中自由水校正的准确性，特别是在单壳采集方案中	Human Connectome Project Young Adults (HCP-ya)、HCP Aging dataset (HCP-a) 以及 Brain Tumor Connectomics Data (BTC)	医学影像处理	NA	扩散磁共振成像 (dMRI)	深度学习模型	MRI图像	HCP-ya、HCP-a 和 BTC 数据集
7138	2025-02-10	FDuDoCLNet: Fully dual-domain contrastive learning network for parallel MRI reconstruction 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110336 PMID:39864600	研究论文	本文提出了一种新的全双域对比学习网络（FDuDoCLNet），用于并行MRI重建，以解决现有深度学习方法在重建质量上的局限性	提出了基于变分网络（VarNet）的全双域对比学习网络（FDuDoCLNet），通过引入双域对比损失来优化重建性能，并在图像域和小波域中同时进行加速并行成像（PI）	现有重建网络很少考虑小波域中的多样化频率特征，且现有双域重建方法可能过于关注单一域的特征，导致重建图像中关键全局结构或局部细节的丢失	提高并行MRI重建的速度和质量	MRI图像	计算机视觉	NA	深度学习	FDuDoCLNet, VarNet	图像	fastMRI多线圈膝盖数据集
7139	2025-02-10	Decoding thoughts, encoding ethics: A narrative review of the BCI-AI revolution 2025-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149423 PMID:39719191	综述	本文综述了脑机接口（BCI）与人工智能（AI）整合的机制，评估了信号采集和处理技术的最新进展，并评估了AI增强的神经解码策略	本文强调了BCI-AI系统在信号质量、解码精度和用户适应方面的显著进展，特别是在高密度电极阵列、深度学习解码器、自适应算法和闭环优化框架方面的创新	尽管BCI-AI整合取得了显著进展，但在长期稳定性和用户训练方面仍存在挑战	分析BCI与AI整合的机制，评估信号采集和处理技术的最新进展，并评估AI增强的神经解码策略	脑机接口（BCI）与人工智能（AI）整合	脑机接口	NA	高密度电极阵列、深度学习解码器、自适应算法、闭环优化框架	深度学习	神经信号	NA
7140	2025-02-09	An AttSDNet model for multi-scale feature perception enhanced remote sensing classification of coastal salt-marsh wetlands 2025-Feb, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2024.106899 PMID:39673892	研究论文	本文提出了一种增强的U-Net模型，结合注意力机制和多尺度特征提取，用于沿海盐沼湿地的遥感分类	引入了堆叠扩张卷积和通道-空间注意力机制模块，增强了模型对多尺度特征的学习能力，特别是在复杂沿海湿地中的小尺度地物特征提取	未提及具体的数据集大小或模型训练的计算资源需求	提高沿海湿地遥感图像分类的准确性，以支持湿地保护和生态恢复	中国山东半岛黄河口和胶州湾的沿海湿地	计算机视觉	NA	深度学习	U-Net	图像	使用Sentinel-2光学影像，未提及具体样本数量