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
7401	2025-03-12	A majority voting framework for reliable sentiment analysis of product reviews 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2738 PMID:40062271	研究论文	本文提出了一种定制的多数投票方法，用于提高在线产品评论中情感分析的一致性和可靠性	通过利用多个自动化工具的情感标签并实施稳健的多数决策规则，解决了情感分类中的不一致性问题	未提及具体局限性	提高在线产品评论中情感分析的一致性和可靠性	在线产品评论	自然语言处理	NA	多数投票方法	深度学习模型	文本	未提及具体样本数量
7402	2025-03-12	Non-invasive enhanced hypertension detection through ballistocardiograph signals with Mamba model 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2711 PMID:40062272	研究论文	本研究探讨了使用非侵入性心血管监测技术——心冲击描记术（BCG）结合先进的机器学习和深度学习模型进行高血压检测	本研究通过采用Mamba深度学习架构和基于Transformer的模型，区别于以往文献，能够更有效地分析时间序列数据，捕捉长期信号依赖关系，并实现更高的准确率	未来研究应旨在用更大的数据集验证这些发现，并探索BCG在心血管疾病监测中的临床应用	开发一种非侵入性且高效的方法，用于长期高血压监测，促进家庭健康评估	高血压患者和正常血压个体的BCG信号	机器学习	心血管疾病	BCG	Mamba Classifier, Transformer, Stacking, Voting, XGBoost	时间序列数据	128个BCG记录
7403	2025-03-12	Autoregressive models for session-based recommendations using set expansion 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2734 PMID:40062273	研究论文	本文提出了一种新的基于集合的会话推荐模型DSETRec，通过将会话数据视为无序集合来捕捉项目间的耦合关系和共现模式，从而提高在顺序信息不可用或嘈杂情况下的预测准确性	DSETRec模型从集合的角度处理会话推荐问题，消除了对交互序列的依赖，能够更好地捕捉无序交互模式并适应不同的会话长度	模型在顺序信息明确且可靠的场景下可能不如序列模型有效	开发一种更灵活和通用的会话推荐系统	会话数据	机器学习	NA	深度学习	自回归模型	会话数据	基准数据集（如Yoochoose）
7404	2025-03-12	ALL-Net: integrating CNN and explainable-AI for enhanced diagnosis and interpretation of acute lymphoblastic leukemia 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2600 PMID:40062280	研究论文	本文介绍了一种新模型ALL-Net，用于通过自定义卷积神经网络（CNN）架构和可解释人工智能（XAI）检测急性淋巴细胞白血病（ALL）	ALL-Net结合了CNN和XAI技术，通过LIME算法解释模型预测，解决了深度学习模型的黑箱问题，并在处理数据不平衡问题上表现出色	尽管ALL-Net在大多数模型上表现优异，但与DenseNet201相比有0.5%的微小差异	提高急性淋巴细胞白血病的诊断准确性和模型的可解释性	急性淋巴细胞白血病（ALL）的外周血涂片（PBS）图像	计算机视觉	白血病	卷积神经网络（CNN）和可解释人工智能（XAI）	CNN	图像	3,256张外周血涂片（PBS）图像，分为四类：良性（hematogones）和三种ALL亚型（Early B, Pre-B, Pro-B）
7405	2025-03-12	MFI-Net: multi-level feature invertible network image concealment technique 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2668 PMID:40062291	研究论文	本文提出了一种基于可逆网络的新型图像隐藏方法MFI-Net，通过引入新的上采样卷积块和频率域损失函数，有效利用图像的多层次信息，提高了图像隐藏的质量和安全性	提出了新的上采样卷积块（UCB）和频率域损失（FDL），有效利用图像的低层次和高层次特征，提高了隐藏信息的精确度和图像质量	现有方法在隐藏区域选择上缺乏精确性，主要依赖残差结构，未能充分利用低层次特征，导致生成结果质量下降和网络过拟合风险增加	提高图像隐藏技术的质量和安全性	图像隐藏技术	计算机视觉	NA	深度学习，可逆网络	MFI-Net	图像	DIV2K, COCO, ImageNet数据集
7406	2025-03-12	Gradient pooling distillation network for lightweight single image super-resolution reconstruction 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2679 PMID:40062290	研究论文	本文提出了一种梯度池化蒸馏网络（GPDN），用于轻量级单图像超分辨率重建	提出了梯度池化蒸馏模块和特征通道注意力模块，通过多层次堆叠的特征蒸馏混合单元捕获多尺度特征表示，并动态优化特征空间	尽管在性能和资源利用率之间取得了平衡，但在某些计算资源极其受限的场景下，可能仍需进一步优化	设计一种高效的单图像超分辨率算法，以在资源受限的场景中实现高质量图像重建	低分辨率图像	计算机视觉	NA	深度学习技术	梯度池化蒸馏网络（GPDN）	图像	NA
7407	2025-03-12	Testing convolutional neural network based deep learning systems: a statistical metamorphic approach 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2658 PMID:40062296	研究论文	本文提出了一种统计变形测试（SMT）技术，用于测试基于卷积神经网络（CNN）的深度学习系统，特别是在医疗领域的肺炎检测模型中验证其有效性	提出了一种不需要固定随机种子的统计变形测试技术，结合七种变形关系和统计方法，验证深度学习模型的正确性，并提出了变形关系最小化算法以节省计算资源	研究主要针对CNN模型，未涉及其他类型的深度学习模型，且实验范围局限于肺炎检测	解决传统变形测试技术在验证深度学习模型时的局限性，特别是在随机初始化权重的情况下	基于CNN的深度学习模型	机器学习	肺炎	统计变形测试（SMT）	CNN	图像	未明确提及样本数量
7408	2025-03-12	Design and analysis of teaching early warning system based on multimodal data in an intelligent learning environment 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2692 PMID:40062295	研究论文	本文设计并分析了一种基于多模态数据的智能学习环境中的教学预警系统	提出了一种高效的长视频情感过渡点搜索算法和基于面部特征的中性情感片段过滤算法，并引入了基于深度学习的多模态情感识别模型，结合注意力机制进行特征级模态融合	未提及具体的数据集大小或实验结果的广泛验证	提高在线教育环境中教师情感表达的智能评估和改进	教学视频中的情感片段和情感识别	自然语言处理	NA	深度学习	多模态情感识别模型	视频、语音、面部图像	未提及具体样本数量
7409	2025-03-12	Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2698 PMID:40062307	研究论文	本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平	创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择	未提及具体局限性	研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度	维生素D缺乏水平	机器学习	NA	深度学习，进化计算	CNN, BiLSTM, GA	医疗数据	基准数据集
7410	2025-03-12	Review of models for estimating 3D human pose using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2574 PMID:40062308	综述	本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战	本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向	尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战	探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用	3D人体姿态估计模型	计算机视觉	NA	深度学习	NA	图像, 视频	NA
7411	2025-03-12	SELFNet: Denoising Shear Wave Elastography Using Spatial-temporal Fourier Feature Networks 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.004 PMID:39317627	研究论文	本文介绍了一种名为SELFNet的空间-时间傅里叶特征网络，用于在物理信息神经网络框架内估计和去噪剪切波弹性成像中的粒子位移信号	SELFNet通过结合空间-时间随机傅里叶特征和物理信息神经网络框架，提高了剪切波弹性成像中噪声处理的效率和准确性	研究主要基于模拟和离体组织数据，尚未在临床环境中进行大规模验证	提高剪切波弹性成像中噪声处理的效率和准确性	模拟病变和离体组织的剪切波弹性成像数据	计算机视觉	癌症或肝病	剪切波弹性成像	物理信息神经网络	图像	模拟病变和离体组织的数据集
7412	2025-03-12	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	本文开发了一种基于快速T1恢复曲线采样、选择性切片反转、优化切片交错和卷积神经网络（CNN）的T1映射框架，用于高效腹部覆盖	结合了快速T1恢复曲线采样、选择性切片反转、优化切片交错和CNN技术，实现了在单次呼吸保持期内完成全腹部覆盖	需要进一步验证在不同临床环境下的适用性和稳定性	开发一种高效的腹部T1映射方法，以减少呼吸保持期和T1恢复时间	腹部器官	医学影像	NA	T1映射	CNN	医学影像数据	测试对象
7413	2025-03-12	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	本研究开发了一种AI-ECG算法，用于通过智能手表生成的ECG波形预测终末期肾病患者的血清钾水平	利用AI技术从智能手表的单导联ECG数据中预测血清钾水平，为远程监测高钾血症提供了新的工具	研究主要基于特定医疗中心的数据，外部验证的样本量相对较小，且未涵盖所有类型的高钾血症患者	开发一种AI-ECG算法，用于预测终末期肾病患者的血清钾水平，以实现远程监测	终末期肾病患者	数字病理学	慢性肾病	AI-ECG算法	深度学习模型	ECG波形数据	152,508名患者的293,557份ECG数据，以及1,463名终末期肾病患者的4,337份ECG数据
7414	2025-03-12	Artificial Intelligence in Histopathology 2024-Dec, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_727_24 PMID:40061791	综述	本文探讨了人工智能在数字病理学中的应用，特别是如何通过深度学习和机器学习技术提高病理切片的成像质量，并帮助医生更快做出诊断	本文强调了人工智能在减少病理学家工作量、提高病理报告公正性和一致性方面的潜力，以及通过从易获取数据中识别隐藏信息来影响治疗决策的能力	本文未具体提及人工智能在数字病理学中应用的具体技术限制或挑战	探讨人工智能在数字病理学中的应用及其对病理诊断和治疗决策的影响	数字病理学中的全切片病理图像	数字病理学	NA	深度学习和机器学习	NA	图像	NA
7415	2025-03-12	A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project 2024-Dec, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-023-00141-x PMID:40061820	研究论文	本文描述了中国表型库项目中的全身成像协议及图像处理流程，旨在促进基于该平台的研究规划	提出了一个适用于多器官的全身成像协议，并利用深度学习分割模型处理大量数据	未提及具体的研究结果或数据验证	为基于中国表型库项目平台的研究提供参考	心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多器官	数字病理	NA	MRI, CT	深度学习分割模型	图像	NA
7416	2025-03-12	CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT 2024-Nov-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3496870 PMID:40030354	研究论文	本文提出了一种基于散射窗投影和深度学习的无传输衰减补偿方法（CTLESS），用于心肌灌注SPECT成像	CTLESS方法无需单独的X射线CT扫描，通过深度学习从散射能量窗投影中重建衰减图，避免了额外的辐射剂量和成本，并解决了SPECT与CT图像不对齐的问题	该方法仍需在更大规模的临床数据上进行进一步验证，以确认其广泛适用性	开发一种无需CT扫描的心肌灌注SPECT成像衰减补偿方法，以提高诊断准确性和降低成本	心肌灌注SPECT图像	数字病理学	心血管疾病	深度学习	多通道输入多解码器网络	图像	回顾性研究中使用匿名临床SPECT/CT应力心肌灌注图像
7417	2025-03-12	Deep learning Radiomics Based on Two-Dimensional Ultrasound for Predicting the Efficacy of Neoadjuvant Chemotherapy in Breast Cancer 2024-11, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276168 PMID:39257175	研究论文	本文研究了一种基于术前超声影像组学、深度学习和临床特征的综合模型，用于预测乳腺癌新辅助化疗后的病理完全缓解（pCR）	结合了超声影像组学、深度学习和临床特征，构建了综合预测模型DLRC，显著提高了预测准确性	样本量相对较小，仅包含155名患者，可能影响模型的泛化能力	预测乳腺癌患者在新辅助化疗后的病理完全缓解状态	155名经病理确诊并接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	超声影像组学、深度学习	随机森林递归消除算法、最小绝对收缩和选择算子、多因素逻辑回归	超声图像	155名乳腺癌患者
7418	2025-03-12	Deep Learning Reconstruction in Abdominopelvic Contrast-Enhanced CT for The Evaluation of Hemorrhages 2024-11, Radiologic technology IF:0.7Q4 PMID:39472011	研究论文	本研究探讨了深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果，并与混合迭代重建进行了比较	首次在腹盆部增强CT中应用深度学习重建技术，显著改善了动脉描绘和出血评估的图像质量	样本量较小（16例患者），需要更大规模的前瞻性研究来验证结果	评估深度学习重建在腹盆部增强CT中描绘动脉和评估出血的效果	16例急性出血患者	医学影像	出血	深度学习重建、混合迭代重建、滤波反投影	深度学习	CT图像	16例患者（8男8女，平均年龄54.2±22.1岁）
7419	2025-03-12	Cognitive Dysfunction in the Addictions (CDiA): A Neuron to Neighbourhood Collaborative Research Program on Executive Dysfunction and Functional Outcomes in Outpatients Seeking Treatment for Addiction 2024-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.30.24312806 PMID:39252904	研究论文	本文介绍了认知功能障碍在成瘾中的应用（CDiA）研究计划，旨在填补对成瘾中执行功能的理解空白，并促进对成瘾患者的治疗改进	CDiA计划通过跨学科团队科学和转化研究，整合临床、临床前和健康服务研究，探索执行功能与成瘾严重程度和功能恢复的关联	研究样本仅限于18-60岁寻求成瘾治疗的成年人，且随访时间仅为一年，可能限制结果的普遍性	提高成瘾患者的健康结果，通过研究执行功能与成瘾的关联，为政策和干预措施提供依据	寻求成瘾治疗的成年人（18-60岁）	神经科学	成瘾	重复经颅磁刺激、药物干预、全人建模	聚类分析、深度学习	多模态数据（包括脑回路、血液生物标志物、功能结果等）	目标样本量为400名寻求成瘾治疗的成年人
7420	2025-03-12	Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618504 PMID:39463980	研究论文	本文介绍了Carafe，一种通过直接在DIA数据上训练深度学习模型来生成高质量实验特异性光谱库的工具	Carafe直接在DIA数据上训练深度学习模型，而不是依赖DDA数据或基于DDA数据训练的模型，从而提高了碎片离子强度预测和肽段检测的性能	NA	开发一种工具，用于生成高质量的光谱库，以支持数据独立采集（DIA）质谱分析	DIA质谱数据	质谱分析	NA	深度学习	深度学习模型	质谱数据	多种DIA数据集