深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7401	2025-10-06	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-08-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	提出一种结合Wasserstein生成对抗网络与卷积神经网络的运动想象脑电信号分类方法	采用带梯度惩罚的Wasserstein生成对抗网络进行数据增强，并设计简洁高效的深度学习分类模型	NA	提高运动想象脑电信号的解码性能	运动想象脑电信号	机器学习	NA	连续小波变换	GAN, CNN	时频图	BCI Competition IV 2a和2b数据集及实际采集数据集	NA	Wasserstein GAN with gradient penalty, CNN	准确率, Kappa值	NA
7402	2025-10-06	MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space 2024-08-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6185 PMID:38986464	研究论文	提出一种名为MRGazer的深度学习框架，直接从个体空间的功能磁共振成像数据预测眼球注视点	跳过fMRI共配准步骤，在个体空间中直接处理数据，简化处理流程并实现端到端的眼球注视回归	NA	从功能磁共振成像数据解码眼球注视点	眼球运动和注视点	医学影像分析	NA	功能磁共振成像	残差网络	功能磁共振成像数据	NA	NA	残差网络	欧几里得误差	NA
7403	2025-10-06	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	提出一种基于VGG卷积神经网络和Wasserstein生成对抗网络的免校准运动想象脑机接口方法	使用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现无需目标对象校准数据的跨被试分类	仅使用公开基准数据集进行验证，未在实际应用场景中测试	开发免校准的运动想象脑机接口系统，提高跨被试分类性能	运动想象脑机接口的脑电信号分类	脑机接口	NA	脑电图信号处理	CNN, GAN	脑电频谱图像	BCI competition IV-2B、IV-2A和IV-1基准数据集	NA	VGG, WGAN	跨被试分类准确率	NA
7404	2025-10-06	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	首次将信号质量评估网络与麻醉深度估计网络结合，采用双注意力模块融合多通道多尺度信息，并引入门控多层感知机提取时序信息	NA	开发能够准确估计脑电图信号噪声并可靠评估麻醉深度的深度学习模型	手术中的脑电图信号	机器学习	麻醉监测	脑电图	CNN, 注意力机制, 多层感知机	脑电图信号	大型VitalDB数据库	NA	浅层卷积神经网络, 双注意力模块, 门控多层感知机	皮尔逊相关系数, 平均绝对误差	NA
7405	2025-10-06	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	提出一种基于人工神经网络的神经活动塑形方法，用于改善视网膜假体的视觉感知效果	首次使用模型无关的深度学习方法实现神经活动塑形，不依赖特定视网膜模型假设	目前仅在视网膜响应模拟模型上进行验证，尚未进行真实人体实验	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经激活模式	计算机视觉	视网膜疾病	人工神经网络, 多极刺激	ANN	自然图像, 神经响应数据	NA	NA	测量预测网络, 刺激生成网络	视网膜激活锐度, 计算效率	比传统方法计算效率提高三个数量级
7406	2025-10-06	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-06-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	提出一种基于语义和上下文相似性的脑解码新方法，通过fMRI数据检索和生成概念相似的图像	结合神经启发的脑解码模型和潜在扩散模型，将fMRI活动线性映射到神经网络潜在空间进行图像检索和生成	依赖于预训练神经网络和线性映射假设，可能无法完全捕捉大脑活动的复杂性	开发基于语义相似性的脑解码方法，从fMRI数据重建视觉刺激	人类大脑对自然图像刺激的fMRI响应	计算神经科学	NA	功能磁共振成像(fMRI)	潜在扩散模型,深度学习	fMRI数据,图像	三个fMRI数据集：Generic Object Decoding、BOLD5000和NSD	NA	预训练神经网络,潜在扩散模型	定量指标,人工评估实验,正确率超过80%	NA
7407	2025-10-06	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究使用深度学习技术从超声心动图视频预测心脏磁共振成像结果	首次尝试使用基于视频的卷积神经网络从超声心动图视频中预测CMR组织特征	回顾性单中心研究，模型对LGE、T1、T2和ECV等组织特征的预测能力有限	探索深度学习是否能从超声心动图视频中预测心脏磁共振成像的组织特征	接受心脏磁共振和超声心动图检查的成年患者	计算机视觉	心血管疾病	超声心动图，心脏磁共振成像	CNN	视频	1,453名患者，2,556对配对检查	NA	基于视频的卷积神经网络	AUC	NA
7408	2025-10-06	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, 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指纹成像技术，用于快速准确量化组织参数	提出结合生物物理模型驱动的深度学习方法和Bloch-McConnell模拟器的饱和转移MR指纹成像框架	NA	开发能够同时量化水、磁化转移对比度、酰胺质子转移参数和B0场不均匀性的快速MR成像技术	数值模体和健康人脑组织	医学影像分析	NA	饱和转移MR指纹成像，磁共振成像	深度学习，神经网络	MR指纹信号，磁共振图像	数值模体和健康人脑数据，图像尺寸256×256×9×103	NA	NA	归一化均方根误差，均方根误差	NA
7409	2025-10-06	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习定量磁化率成像方法，通过整合宏观非偶极拉莫尔频移来提高磁化率图的质量和准确性	首次将宏观非偶极拉莫尔频移整合到深度学习QSM框架中，突破了传统方法假设组织各向同性和均匀性的限制	方法验证主要基于合成数字脑模型和有限的人脑数据，需要进一步在更广泛的实际临床场景中验证	开发能够更准确估计生物组织磁化率的改进型定量磁化率成像方法	数字脑模型（含/不含微观结构效应）和活体人脑数据	医学影像分析	神经退行性疾病，脱髓鞘疾病	定量磁化率成像（QSM），磁共振成像	CNN	磁共振图像	NA	NA	深度卷积神经网络	磁化率估计准确性，伪影减少程度，解剖一致性	NA
7410	2025-10-06	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	提出一种基于深度学习的低信噪比心脏MRI图像配准方法AiM-ED，通过边缘检测损失函数实现多图像联合配准和平均	提出联合处理多个源图像的快速深度学习方法，并利用预训练的噪声鲁棒边缘检测器定义训练损失	研究样本量相对有限（健康受试者24个切片，患者11个切片）	解决自由呼吸单次激发心脏图像的低信噪比问题，提高图像配准和平均质量	心脏MRI图像，包括合成LGE图像、健康受试者和患者的自由呼吸单次激发LGE图像	计算机视觉	心血管疾病	心脏MRI，单次激发成像，晚期钆增强(LGE)	深度学习	医学图像	健康受试者24个切片，患者11个切片（5+6），合成MRXCAT体模数据	NA	VoxelMorph	恢复信噪比，三个感知图像质量指标	NA
7411	2025-10-06	Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition 2025-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03560-0 PMID:40571695	研究论文	提出一种基于注意力机制的混合深度学习模型DeepArabianSignNet，用于阿拉伯手语识别	结合DenseNet、EfficientNet和注意力机制深度残差网络，采用新型G-TverskyUNet3+进行感兴趣区域检测，并使用CSFOA元启发式算法进行特征优化	NA	提高阿拉伯手语识别的准确率和特征提取能力	阿拉伯手语图像	计算机视觉	NA	图像处理	CNN, 注意力机制	图像	两个数据库，训练数据比例分别为70%和80%	NA	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	准确率	NA
7412	2025-10-06	A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors 2025-Jun-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02011-8 PMID:40571854	研究论文	开发并验证了一个整合临床、影像组学和深度学习特征的机器学习模型，用于准确预测原发性胃肠道间质瘤术后复发和转移	首次将临床特征、影像组学特征和深度学习特征整合到单一模型中预测GIST术后复发转移	研究样本来自两个中心，需要更多外部验证；模型在高度恶性潜能人群中表现更好	开发个体化临床随访策略，为原发性GIST患者制定个性化治疗方案	原发性胃肠道间质瘤患者	医学影像分析	胃肠道间质瘤	CT扫描，影像组学分析，深度学习	机器学习集成模型	临床数据，CT影像	526例患者（男性260例，女性266例，平均年龄62岁）	NA	临床深度学习影像组学模型	AUC，校准曲线，决策曲线分析	NA
7413	2025-10-06	LGFUNet: A Water Extraction Network in SAR Images Based on Multiscale Local Features with Global Information 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123814 PMID:40573701	研究论文	提出一种基于多尺度局部特征与全局信息的SAR图像水体提取网络LGFUNet	使用Swin-Transformer模块替代卷积核进行特征提取，设计DECASPP模块提取多尺度特征，引入LGFF模块减少编解码器间的语义差距	NA	解决SAR图像中水体提取时山体阴影与水体混淆、连续水体复杂边界细节提取困难的问题	SAR图像中的水体区域	计算机视觉	NA	SAR遥感技术	深度学习网络	SAR图像	青藏高原地区的Sentinel-1 SAR数据	NA	LGFUNet, U-Net, Swin-UNet, SCUNet++	NA	NA
7414	2025-10-06	Benchmarking Accelerometer and CNN-Based Vision Systems for Sleep Posture Classification in Healthcare Applications 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123816 PMID:40573703	研究论文	比较基于加速度计和CNN视觉系统在睡眠姿势分类中的性能表现	首次系统比较基于图像和加速度计的睡眠姿势识别方法，并分析各自在医疗应用中的适用性	图像方法对左侧卧和仰卧姿势识别性能略低，未详细说明数据集的具体来源和规模	评估不同技术在睡眠姿势识别中的性能，为医疗监测应用提供技术选型参考	睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态）	计算机视觉	睡眠呼吸暂停	数据增强（旋转、反射、缩放、平移），特征提取（信号总和、标准差、最大值、尖峰计数）	CNN, 前馈神经网络	图像, 加速度计数据	NA	NA	VGG16	准确率, 精确率, 召回率	NA
7415	2025-10-06	Transverse Electric Inverse Scattering of Conductors Using Artificial Intelligence 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123774 PMID:40573660	研究论文	本文结合直接采样法和神经网络从电磁场数据重建完美电导体的形状	将直接采样法与U-net神经网络相结合处理横向电波逆散射问题，通过正则化因子改善成像质量	NA	提高完美电导体形状重建的精度和效率	完美电导体的电磁散射特性	计算电磁学	NA	电磁场传感，直接采样法，矩量法	U-net	电磁场散射数据	NA	NA	U-net	重建误差率	NA
7416	2025-10-06	An Enhanced Cascaded Deep Learning Framework for Multi-Cell Voltage Forecasting and State of Charge Estimation in Electric Vehicle Batteries Using LSTM Networks 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123788 PMID:40573675	研究论文	提出一种用于电动汽车电池多单元电压预测和荷电状态估计的增强级联深度学习框架	首个在热带气候下验证的基于深度学习的电池管理系统优化方案，采用两级LSTM框架处理高温环境下的电压波动	研究主要针对热带气候条件，在其他气候区域的适用性需要进一步验证	提高电动汽车电池管理系统在热带气候下的运行效能和安全性	120单元磷酸铁锂电池组	机器学习	NA	测功机测试	LSTM	多元时间序列数据	120个电池单元，模拟城市驾驶条件（速度6-40 km/h，负载变化0%、10%、20%）	NA	两级LSTM网络（LSTM-1用于电压预测，LSTM-2用于SoC估计）	SoC估计准确度	NA
7417	2025-10-06	Statistical Difference Representation-Based Transformer for Heterogeneous Change Detection 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123740 PMID:40573630	研究论文	提出一种基于统计差异表示的Transformer弱监督异质变化检测框架	提出结构相似性引导样本生成策略(S3G2)和统计差异表示Transformer(SDFormer)，通过迭代生成可靠伪标签解决标注数据缺乏问题	依赖内部人工参数调整，在缺乏可信标注数据场景下性能可能受限	提高异质图像变化检测的准确性和鲁棒性	多时相异质遥感图像	计算机视觉	NA	深度学习，域适应	Transformer	多传感器遥感图像	多个公共异质变化检测数据集	NA	SDFormer	准确性，鲁棒性	NA
7418	2025-10-06	Research on a Multi-Dimensional Information Fusion Mechanical Wear Fault-Diagnosis Algorithm Based on Data Regeneration 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123745 PMID:40573632	研究论文	提出一种基于数据再生的多维信息融合机械磨损故障诊断算法	结合扩散模型和测试时训练(TTT)方法，通过数据再生解决小样本条件下的机械故障诊断问题	在实验室条件下记录的小数据量可能限制模型性能	机械磨损故障的诊断与定位	航空发动机机械磨损故障	机器学习	NA	扩散模型，测试时训练(TTT)	扩散模型	特征数据	实验室条件下的小量数据	NA	扩散模型	准确率	NA
7419	2025-10-06	HGCS-Det: A Deep Learning-Based Solution for Localizing and Recognizing Household Garbage in Complex Scenarios 2025-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s25123726 PMID:40573613	研究论文	提出基于YOLOv8的HGCS-Det模型，用于复杂场景下的生活垃圾定位与识别	引入归一化注意力模块校准目标注意力，采用注意力特征融合模块平衡特征贡献，建立实例边界增强模块捕获细粒度特征，应用Slide Loss函数动态加权难样本	NA	解决复杂场景下垃圾检测面临的精度和实时性挑战	生活垃圾	计算机视觉	NA	深度学习	YOLOv8	图像	HGI30公开数据集	NA	YOLOv8, HGCS-Det	mAP, FPS	轻量级架构，适用于资源受限环境和嵌入式设备
7420	2025-10-06	Sensor-Driven Real-Time Recognition of Basketball Goal States Using IMU and Deep Learning 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123709 PMID:40573596	研究论文	提出基于IMU传感器和深度学习模型的篮球进球状态实时识别系统	首次将IMU传感器与多种深度学习模型结合用于篮球进球状态实时识别，CNN-LSTM-Attention模型达到87.79%的识别准确率	NA	开发实时识别篮球进球状态的系统，用于投篮技能分析和运动表现评估	篮球投篮场景，包括篮板球、空心入网、其他投篮和未命中四种状态	机器学习	NA	惯性测量单元(IMU)传感技术	CNN,RNN,LSTM,CNN-LSTM,CNN-LSTM-Attention	传感器数据(加速度、角速度、角度变化)	NA	NA	CNN-LSTM-Attention,CNN-LSTM,CNN,RNN,LSTM	准确率	NA