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
7301	2025-04-16	URDD: An open dataset for urban roadway disease detection and classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111499 PMID:40226197	研究论文	本文介绍了一个名为URDD的开放数据集，用于城市道路病害检测和分类	创建了一个专门用于道路病害检测和分类的数据集，并应用深度学习技术提高检测效率和准确性	未提及数据集的规模和多样性，可能影响模型的泛化能力	提高城市道路病害检测的效率和准确性，促进人工智能在道路维护和管理中的应用	城市道路病害	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量
7302	2025-04-16	GeNIS: A modular dataset for network intrusion detection and classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111487 PMID:40226195	research paper	本文介绍了GeNIS数据集，一个用于网络入侵检测和分类的模块化数据集	提供了针对中小型企业的网络攻击的高质量和代表性数据，支持不同流导出器、特征提取和选择工具的深入分析	数据集可能未覆盖所有类型的网络攻击，且主要针对中小型企业场景	开发人工智能解决方案以检测和分类网络攻击	网络流量数据，包括良性流量和恶意流量	machine learning	NA	网络流量分析，特征提取	machine learning, deep learning	network traffic data	包含超过3700万个数据包的PCAPNG文件和280万个流的CSV文件
7303	2025-04-16	Weed-crop dataset in precision agriculture: Resource for AI-based robotic weed control systems 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111486 PMID:40226192	research paper	本文介绍了一个用于精准农业中基于AI的机器人杂草控制系统的杂草-作物数据集	提供了一个在多种环境条件下收集的真实田间杂草-作物RGB数据集，以增强深度学习模型在实时杂草识别中的准确性	数据集目前仅包含1120张标记图像，覆盖五种杂草和八种作物，可能需要与其他数据集结合以增加多样性和鲁棒性	提高精准农业中深度学习模型对杂草的实时识别能力	杂草和作物	computer vision	NA	RGB图像采集	DL (深度学习)	image	1120张标记图像，包含五种杂草和八种作物
7304	2025-04-16	A hybrid network based on multi-scale convolutional neural network and bidirectional gated recurrent unit for EEG denoising 2025-Apr-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.02.035 PMID:40024428	研究论文	提出一种基于多尺度卷积神经网络和双向门控循环单元的混合网络（MSCGRU），用于脑电图（EEG）去噪	结合多尺度卷积模块和通道注意力机制提取EEG信号的不同频率特征，并利用BiGRU捕获时间依赖性特征，通过生成对抗网络进一步提升去噪性能	未明确说明模型在实时处理或计算效率方面的表现	提高EEG信号去噪的准确性和可靠性，以支持神经科学研究	包含肌电、眼电和心电伪迹的EEG信号	机器学习	NA	深度学习	MSCGRU（多尺度CNN+BiGRU的生成对抗网络）	时间序列数据（EEG信号）	公开数据集（具体数量未说明）
7305	2025-04-16	Automated comprehensive evaluation of coronary artery plaque in IVOCT using deep learning 2025-Apr-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112169 PMID:40224006	research paper	开发了一种基于深度学习的语义分割模型（EDA-UNet），用于自动评估冠状动脉斑块	首次提出专门用于IVOCT图像中冠状动脉斑块特征化和量化的EDA-UNet模型	外部测试中脂质斑块的Dice系数相对较低（0.7052）	提高冠状动脉斑块评估的效率和准确性	冠状动脉斑块组织	digital pathology	cardiovascular disease	deep learning	EDA-UNet (UNet变体)	IVOCT图像	来自三个中心的IVOCT图像（两个用于训练和内部测试，一个用于外部测试）
7306	2025-04-16	Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs" 2025-Apr-15, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15348 PMID:40231655	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7307	2025-04-16	Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting 2025-Apr-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00198 PMID:40231794	研究论文	本文提出了一种基于导电整体表面印迹的选择性单细菌分析和运动追踪方法	利用密度泛函理论预测理想单体，制备具有清晰和高精度识别位点的分子印迹，开发深度学习辅助的单细菌运动轨迹追踪方法	NA	提高电化学细菌检测的选择性，开发单细菌监测技术	细菌	生物传感器	NA	导电分子印迹、密度泛函理论、深度学习	深度学习模型	细菌运动轨迹数据	NA
7308	2025-04-16	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2025-Apr-15, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	research paper	该研究开发了一种深度学习增强的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大型队列中使用多序列MRI的深度学习模型，展示了与训练有素的放射科医生相当的检测效果	研究依赖于单一机构的数据库，可能影响模型的泛化能力	评估深度学习工具在提高基于多序列MRI的子宫内膜异位症检测准确性方面的应用	子宫内膜异位症患者和年龄匹配的对照组	digital pathology	endometriosis	multi-sequence MRI	3D-DenseNet-121	MRI images	395例病例组和356例对照组
7309	2025-04-16	Focusing properties and deep learning-based efficient tuning of symmetric butterfly beams 2025-Apr-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.557170 PMID:40232438	研究论文	本文报告了一种新型的突然自聚焦光束——对称蝴蝶高斯光束（SBGBs），并提出了基于深度学习的模型来快速准确地预测SBGBs的传播特性	提出了一种新型的对称蝴蝶高斯光束（SBGBs），并开发了基于深度学习的快速预测模型，其预测速度比传统算法快8000倍	未提及具体实验验证或实际应用中的潜在问题	研究新型光束的聚焦特性及其在光学操纵、光通信和生物医学中的应用	对称蝴蝶高斯光束（SBGBs）	光学	NA	深度学习	深度学习模型	光学数据	NA
7310	2025-04-16	Multi-viewpoint tampering detection for integral imaging 2025-Apr-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.557452 PMID:40232459	研究论文	提出了一种新的3D积分成像方案，能够在保证清晰光场显示的同时实现篡改检测和自我恢复	结合像素映射和深度学习技术，实现了像素级的深度和角度数据提取，并嵌入多视点恢复信息以重建完整的元素图像阵列	未提及具体计算成本降低的程度和实际应用场景的限制	开发一种具有篡改检测和自我恢复功能的3D积分成像方案	相机阵列基础的积分成像系统	计算机视觉	NA	深度学习	NA	图像	NA
7311	2025-04-16	Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens 2025-Apr-15, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-025-01612-y PMID:40232558	研究论文	开发并评估了一种基于深度学习的模型，用于诊断胃内镜黏膜下剥离术（ESD）标本	首次应用深度学习模型对ESD标本进行肿瘤和黏膜下浸润的自动检测，显著缩短诊断时间	研究仅针对腺癌类型的ESD标本，未涵盖其他类型的胃癌	提高早期胃癌ESD标本的诊断准确性和效率	366例腺癌ESD标本的整张切片图像	数字病理学	胃癌	深度学习	CNN	图像	366例ESD标本，包含2257个标注感兴趣区域和83,839个补丁图像
7312	2025-04-16	Automated pulmonary nodule classification from low-dose CT images using ERBNet: an ensemble learning approach 2025-Apr-15, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03358-2 PMID:40232605	research paper	开发了一种深度学习方法来分析不同剂量和质量的CT图像，旨在将肺部病变分类为结节和非结节	提出了一个名为ERBNet的集成学习模型，能够处理不同剂量水平的低剂量CT图像，并在结节分类上达到高准确率	模型在低剂量CT图像上的性能相对较差，表明需要为每个低剂量水平开发专用模型	开发一种能够分析不同剂量和质量CT图像的深度学习模型，用于肺部结节分类	肺部结节和非结节	digital pathology	lung cancer	low-dose CT (LDCT), full-dose CT (FDCT)	3D CNN, ensemble learning	image	400 nodule and 400 non-nodule samples
7313	2025-04-16	DistAL: A Domain-Shift Active Learning Framework with Transferable Feature Learning for Lesion Detection 2025-Apr-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3558861 PMID:40227902	研究论文	提出了一种结合主动学习和域不变特征学习的框架DistAL，用于解决医学图像分析中的域偏移问题	结合对比一致性训练和混合样本选择策略RUDY，有效学习判别性和域不变特征	需要从目标域中标注少量样本，可能在实际应用中受到标注成本的限制	解决医学图像分析中因域偏移导致的性能下降问题	医学图像中的病灶检测	计算机视觉	NA	对比一致性训练，K-means++初始化	深度学习	医学图像	八个来自不同医院的数据集，标注目标域样本的1.7%
7314	2025-04-16	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Apr-14, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了基于生物物理模型驱动的深度学习框架，结合Bloch-McConnell模拟器进行神经网络训练，显著提升了参数估计精度	研究仅在数值模型和健康人脑中进行验证，未涉及病理状态组织的测试	开发快速准确的饱和转移MR定量成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MR影像数据	数值模型测试及健康人脑数据(尺寸256×256×9×103)
7315	2025-04-16	Invited Perspective: How Do Green- and Bluespaces Reduce Heat-Related Health Risks? Gaining New Insights from Street-View Imagery, Deep Learning Models, and Smartphone Data 2025-Apr-14, Environmental health perspectives IF:10.1Q1 DOI:10.1289/EHP15400 PMID:40228076	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7316	2025-04-16	A CNN-transformer-based hybrid U-shape model with long-range relay for esophagus 3D CT image gross tumor volume segmentation 2025-Apr-14, Medical physics IF:3.2Q1 DOI:10.1002/mp.17818 PMID:40229138	research paper	提出了一种基于CNN和Transformer的混合U型模型（LRRM-U-TransNet），用于提高食管3D CT图像中肿瘤体积分割的准确性	引入了长距离接力机制和两个即用型模块（Dual FastViT和Dual AxialViT），以增强特征表示能力和全局信息获取	未提及具体局限性	提高食管肿瘤体积（GTV）在CT图像中的分割准确性，以改善诊断和治疗效果	食管肿瘤的3D CT图像	digital pathology	食管癌	深度学习	CNN-Transformer混合模型（LRRM-U-TransNet）	3D CT图像	1665例真实患者CT样本，由五位放射科专家标注
7317	2025-04-16	An Automated AI Framework for Quantitative Measurement of Mammalian Behavior 2025-Apr-14, Integrative zoology IF:3.5Q1 DOI:10.1111/1749-4877.12985 PMID:40230073	研究论文	开发了一个基于面部识别和深度学习的框架，用于自动跟踪、测量和量化多种哺乳动物的行为	首次提出一个自动化框架，利用面部识别和深度学习技术对多种哺乳动物的行为进行定量测量和分析	未提及具体样本数量，且准确率在不同物种间存在差异	开发一种自动化和定量测量动物行为的方法	10种不同的哺乳动物类群，包括灵长类、牛科、食肉目和马科动物	计算机视觉	NA	深度学习、面部识别	NA	视频	NA
7318	2025-04-16	Update of imaging in the assessment of axial spondyloarthritis 2025-Apr-13, Best practice & research. Clinical rheumatology DOI:10.1016/j.berh.2025.102064 PMID:40229184	综述	本文回顾了过去5年中轴型脊柱关节炎影像学评估的新进展	介绍了增强CT和MRI技术，以及深度学习算法在识别骶髂关节炎和脊柱病变中的应用	主要关注过去5年的进展，可能未涵盖更早期的技术或更广泛的应用	更新轴型脊柱关节炎的影像学评估方法	骶髂关节和脊柱的炎症及结构损伤	数字病理	脊柱关节炎	增强CT、MRI、深度学习	深度学习算法	影像数据（X光、CT、MRI）	NA
7319	2025-04-16	Unveiling chromatin dynamics with virtual epigenome 2025-Apr-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58481-3 PMID:40221401	研究论文	本文提出了一种名为EpiVerse的计算方法，利用估算的表观遗传信号和先进的深度学习技术，提高了跨细胞类型Hi-C预测的准确性	EpiVerse通过整合染色质状态预测到多任务学习框架中，不仅提高了预测准确性，还增强了模型的可解释性，并首次实现了在表观基因组水平上的虚拟扰动实验	NA	研究染色质三维组织及其与基因调控的复杂关系	人类39种组织的染色质相互作用	计算生物学	NA	Hi-C, ChIP-seq, 深度学习	深度学习模型（未指定具体类型）	表观遗传数据, Hi-C数据	39种人类组织
7320	2025-04-16	Detection of surface defects in soybean seeds based on improved Yolov9 2025-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92429-3 PMID:40221419	research paper	提出一种改进的Yolov9模型用于大豆种子表面缺陷检测	引入GhostNet中的轻量级卷积模块GhostConv改进Yolov9模型，提升大豆种子图像识别能力	未提及模型在其他作物种子上的泛化能力	开发基于深度学习的自动化大豆种子缺陷检测方法	大豆种子表面缺陷	computer vision	NA	深度学习技术	Yolov9-c-ghost-Forward (改进的Yolov9模型)	图像	未明确说明样本数量