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
7241	2025-03-13	Quantifying the spatial patterns of retinal ganglion cell loss and progression in optic neuropathy by applying a deep learning variational autoencoder approach to optical coherence tomography 2024, Frontiers in ophthalmology DOI:10.3389/fopht.2024.1497848 PMID:39963427	研究论文	本研究提出了一种增强型变分自编码器（bVAE）方法，用于捕捉视网膜神经节细胞（RGC）损失的空间变化，并生成潜在空间（LS）蒙太奇图，以可视化视神经束损伤的不同程度和空间模式	提出了一种新的增强型变分自编码器（bVAE）模型，能够捕捉RGC损失的空间变化并生成潜在空间蒙太奇图，同时能够追踪RGC变薄的空间模式并分类潜在病因	未来工作将集中在整合额外的图像模态以进一步优化模型的诊断能力	通过bVAE模型可视化和量化视神经病变中的GCL变薄模式	视网膜神经节细胞（RGC）	计算机视觉	视神经病变	光学相干断层扫描（OCT）	增强型变分自编码器（bVAE）	图像	822名受试者的10,701次OCT黄斑扫描
7242	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
7243	2025-03-12	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出了一种自适应边界增强的Dice损失函数（ABeDice），用于提高医学图像分割的准确性	ABeDice损失函数结合了指数递归互补（ERC）函数与传统Dice损失，通过动态调整预测概率分布，优先考虑高概率区域，从而提升分割性能	NA	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	Swin-Unet	图像	三个公开数据集（REFUGE、ISIC2018、RIT-Eyes）
7244	2025-03-12	Optimizing multimodal scene recognition through relevant feature selection approach for scene classification 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103226 PMID:40061570	研究论文	本文提出了一种新颖的多模态特征提取和特征选择技术，以提高场景分类中迁移学习的效率	引入了多模态特征提取和特征选择技术，结合CNN进行特征提取，以提高模型性能和计算效率	未提及具体局限性	优化场景分类中的多模态特征提取和选择，以提高迁移学习的效率	场景分类任务	计算机视觉	NA	迁移学习，特征选择技术	CNN	图像	Scene数据集（6类）和AID数据集
7245	2025-03-12	Unlocking the potential of digital pathology: Novel baselines for compression 2025-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100421 PMID:40059908	研究论文	本文探讨了数字病理学中全切片图像（WSI）的压缩问题，提出了一种新的评估指标，用于评估感知质量和下游任务质量	提出了一种基于特征相似性的新评估指标，能够很好地与压缩WSI的实际下游性能对齐，并鼓励统一评估有损压缩方案以加速数字病理学的临床应用	深度学习模型在训练数据中存在的压缩伪影上表现出显著偏差，难以在各种压缩方案中泛化	评估和优化数字病理学中全切片图像的压缩方案，以提高临床决策的准确性和效率	全切片图像（WSI）	数字病理学	NA	深度学习	NA	图像	四个不同的数据集
7246	2025-03-12	Dual-Component Gas Sensor Based on Light-Induced Thermoelastic Spectroscopy and Deep Learning 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06588 PMID:40012474	研究论文	本文首次报道了一种基于光诱导热弹性光谱和深度学习的乙炔-二氧化碳双组分气体传感器	首次结合光诱导热弹性光谱和深度学习技术，开发了一种新型的双组分气体传感器，并采用了SSA-CNN-BiGRU-Attention模型来提高浓度反演的准确性	研究仅限于乙炔和二氧化碳两种气体的检测，未来需要扩展到更多气体成分的研究	开发一种高精度的双组分气体传感器，用于气体浓度的精确反演	乙炔和二氧化碳气体	传感器技术	NA	光诱导热弹性光谱	SSA-CNN-BiGRU-Attention	光谱数据	NA
7247	2025-03-12	Deep Learning-Assisted Ultrasensitive Detection of Gold Nanoparticles Using Light Microscopy Images Captured by a Cellphone Camera 2025-Mar-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06395 PMID:40016179	研究论文	本研究提出了一种使用手机摄像头捕获的暗场散射光显微镜图像，结合深度学习技术，实现金纳米颗粒（AuNPs）的超灵敏检测和定量的方法	首次将深度学习技术应用于手机摄像头捕获的暗场散射光显微镜图像，实现了对120 nm金纳米颗粒的超灵敏检测和定量	研究仅针对120 nm的金纳米颗粒，未验证其他尺寸或类型的纳米颗粒的检测效果	开发一种简单、易获取且高灵敏度的金纳米颗粒检测平台	金纳米颗粒（AuNPs）	计算机视觉	NA	暗场散射光显微镜	深度学习模型（分类和回归模型）	图像	4个不同浓度的样本
7248	2025-03-12	I-BrainNet: Deep Learning and Internet of Things (DL/IoT)-Based Framework for the Classification of Brain Tumor 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01470-1 PMID:40063173	研究论文	本文提出了一种基于深度学习和物联网（DL/IoT）的框架I-BrainNet，用于脑肿瘤的分类	提出了一个结合深度学习和物联网的框架I-BrainNet，用于实时分类脑肿瘤，并展示了预训练的MobileNetV2在MRI与非MRI及肿瘤与非肿瘤分类中的最佳性能	研究中使用的数据集虽然较大，但可能仍不足以涵盖所有类型的脑肿瘤，且未提及模型在实际临床环境中的验证	开发一种精确的脑肿瘤分类方法，以指导临床决策	脑肿瘤的多模态图像（CT和MRI）数据集	计算机视觉	脑肿瘤	深度学习	MobileNetV2, ResNet, Inceptionv3, VGG16	图像	9616个MRI和CT扫描，其中8000个用于MRI与非MRI的分类，4000个用于肿瘤与非肿瘤的分类
7249	2025-03-12	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Mar-10, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱（EEMF）和深度学习的方法，用于准确、无损地识别山茶油的掺假	提出了一种名为ResTransformer的深度学习模型，结合残差模块和Transformer，从局部和全局角度进行掺假类型的定性检测和掺假浓度的定量检测	NA	开发一种准确且无损的方法来识别山茶油的掺假，以保障公众健康和福祉	山茶油及其掺假物	机器学习	NA	激发-发射矩阵荧光光谱（EEMF）	ResTransformer（结合残差模块和Transformer的深度学习模型）	光谱数据	NA
7250	2025-03-12	Learning to Explore Sample Relationships 2025-Mar-10, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	研究论文	本文提出了一种名为BatchFormerV1和BatchFormerV2的批处理变换模块，旨在使深度神经网络能够以可学习的方式探索样本关系	提出了BatchFormerV1和BatchFormerV2模块，使深度神经网络能够以可学习的方式探索样本关系，并设计了一种两流训练管道以解决训练-测试不一致问题	探索实例级关系对密集预测的影响有限	解决深度学习中数据稀缺问题，提升样本关系的探索能力	深度神经网络	计算机视觉	NA	深度学习	BatchFormerV1, BatchFormerV2	图像	超过十个流行数据集
7251	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
7252	2025-03-12	Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment 2025-Mar-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57721-w PMID:40057512	研究论文	本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估	JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER	当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估	提高核磁共振光谱的重建质量和评估效率	核磁共振光谱	机器学习	NA	深度学习	JTF-Net	光谱数据	NA
7253	2025-03-12	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-Feb-27, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	本研究提出了一种鼓励重复性的自监督学习（SSL）重建方法，用于定量MRI，旨在提高定量MRI的测量重复性	提出了一种新的自监督学习重建方法，通过最小化两个互斥时间子集的k-t空间数据之间的交叉数据一致性，鼓励定量MRI的重复性	研究仅针对心脏MR多任务T1映射数据进行了评估，未在其他类型的定量MRI数据上进行验证	提高定量MRI的测量重复性，加速重建过程	心脏MR多任务T1映射数据	医学影像	心血管疾病	自监督学习（SSL）	深度学习网络	k-t空间数据	未明确提及样本数量
7254	2025-03-12	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Feb-26, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	研究论文	本文探讨了生成式人工智能ChatGPT在临床营养学中的应用进展与挑战	ChatGPT在营养评估、个性化干预建议和患者进展监测方面展现了潜力，特别是在计算热量需求和推荐营养丰富的食物方面表现出色	ChatGPT在解释非语言线索、进行体格检查、整合多种医疗条件以及确保膳食计划的准确性方面存在不足，生成的计划可能出现显著的热量偏差和微量营养素失衡	研究ChatGPT在临床营养管理中的应用潜力及其局限性	临床营养管理中的患者	自然语言处理	NA	机器学习和深度学习	ChatGPT	临床记录数据	NA
7255	2025-03-12	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新的基于一致性的预测不确定性（CPU）指数，通过其在肺癌筛查（LCS）预测中的应用，展示了其在提高风险评估方面的有效性	提出了CPU-Index框架，通过结合亚组分析和个性化AI时间到事件模型的见解，改进了肺癌筛查的预测透明度和可靠性	个性化AI时间到事件模型存在透明度问题和来自截尾数据的偏差	提高肺癌筛查的预测准确性和风险评估	肺癌筛查中的低剂量CT（LDCT）影像和患者人口统计数据	数字病理学	肺癌	低剂量CT（LDCT）放射组学	神经多任务逻辑回归时间到事件模型	影像和文本	3,326名在2015年1月1日至2020年6月30日期间接受LDCT进行LCS的患者
7256	2025-03-12	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	本研究比较了深度学习（DL）和传统机器学习（CML）方法在心律失常/心电图（ECG）模式分类中的表现，特别是使用减少的ECG导联子集时的性能	首次比较了DL和CML方法在减少ECG导联子集情况下的心律失常/ECG模式分类性能，并识别了最优的ECG导联子集	研究仅使用了PhysioNet Cardiology Challenge 2020的公开数据集，可能无法完全代表所有临床场景	评估卷积神经网络（CNN）和随机森林（RF）模型在使用减少的ECG导联子集时对心律失常/ECG模式分类的准确性	心律失常/ECG模式分类	机器学习	心血管疾病	卷积神经网络（CNN），随机森林（RF）	CNN, RF	ECG数据	PhysioNet Cardiology Challenge 2020的公开数据集
7257	2025-03-12	Artificial Intelligence in Myopic Maculopathy: A Comprehensive Review of Identification, Classification, and Monitoring Using Diverse Imaging Modalities 2025-Feb, Cureus DOI:10.7759/cureus.78685 PMID:40062093	综述	本文综述了人工智能（AI）在近视性黄斑病变识别、分类和监测中的应用，主要使用传统成像技术如眼底摄影和光学相干断层扫描（OCT）	本文综合分析了2018年至2024年间发表的13项研究，探讨了机器学习和深度学习算法在高度近视病例诊断、分类和随访中的角色，揭示了AI模型在疾病诊断中的支持作用	大多数研究集中在中国，且主要关注近视性黄斑变性和高度近视患者，可能限制了结果的普遍性	探讨AI工具在近视性黄斑病变检测中的有效性和实用性	近视性黄斑病变患者	数字病理学	近视性黄斑病变	眼底摄影, 光学相干断层扫描（OCT）	ResNet-18, ResNet-50, ResNet-101, DeepLabv3+, DarkNet-19, Efficient Net (B0/B7), VOLO-D2, Efficient Former, ALFA-Mix+, XGBoost	图像	13项研究，主要来自中国
7258	2025-03-12	AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis 2025-01, Abdominal radiology (New York) DOI:10.1007/s00261-024-04512-4 PMID:39133362	综述	本文综述了人工智能在胰腺炎影像诊断中的创新应用及其对临床支持的改进	探讨了深度学习模型在胰腺炎非侵入性诊断中的应用及其潜力	讨论了当前AI在胰腺炎早期检测和管理中的方法学限制	提高胰腺炎的早期识别和诊断准确性	胰腺炎患者	数字病理学	胰腺炎	深度学习	深度学习模型	影像数据	NA
7259	2025-03-12	Automated Deep Learning-Based Finger Joint Segmentation in 3-D Ultrasound Images With Limited Dataset 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241277178 PMID:39295443	研究论文	本文提出了一种基于深度学习的自动化方法，用于在受类风湿性关节炎影响的手指关节的超声图像中分割滑膜	利用深度学习技术自动化分割超声图像中的滑膜，特别是在有限数据集的情况下，通过数据增强策略提高模型性能	研究基于有限的数据集（18个3-D超声体积，来自9名患者），且地面真实标注稀疏，可能影响模型的泛化能力	开发一种自动化工具，用于更高效和标准化地筛查类风湿性关节炎	类风湿性关节炎患者的手指关节超声图像	计算机视觉	类风湿性关节炎	深度学习	卷积神经网络（CNN）	3-D超声图像	18个3-D超声体积，来自9名类风湿性关节炎患者
7260	2025-03-12	CBAM-RIUnet: Breast Tumor Segmentation With Enhanced Breast Ultrasound and Test-Time Augmentation 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276411 PMID:39283069	研究论文	本研究提出了一种名为CBAM-RIUnet的深度学习模型，用于在乳腺超声图像中自动分割乳腺肿瘤，以提高计算机辅助诊断（CAD）的效果	CBAM-RIUnet模型结合了卷积块注意力模块（CBAM）和残差初始深度可分离卷积，能够消除无关特征并专注于感兴趣区域，显著提升了分割精度	未提及具体的研究局限性	提高乳腺超声图像中乳腺肿瘤的自动分割精度，以支持计算机辅助诊断	乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	深度学习	CBAM-RIUnet（基于Unet结构的深度学习模型）	图像	未提及具体样本数量