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
7421	2025-02-02	Enhanced hybrid attention deep learning for avocado ripeness classification on resource constrained devices 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87173-7 PMID:39880865	研究论文	本文提出了一种混合注意力卷积神经网络（HACNN）模型，用于在资源受限设备上进行鳄梨成熟度分类	结合了空间、通道和自注意力模块的混合注意力机制，以增强局部特征并捕捉全局关系，从而进行更全面的特征提取	尽管ShuffleNetV1（1.0x）模型消耗资源最少，但其测试准确率仅为82.89%，不足以满足实际应用需求	提高在资源受限设备上鳄梨成熟度分类的准确性和可行性	鳄梨成熟度分类	计算机视觉	NA	混合注意力机制	HACNN, EfficientNet-B3, ShuffleNetV1, MobileNetV3 Large	图像	14,000张图像
7422	2025-02-02	Learning by making - student-made models and creative projects for medical education: systematic review with qualitative synthesis 2025-Jan-29, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-025-06716-8 PMID:39881268	系统综述	本文通过系统综述探讨了创造性项目学习对医学生元认知和知识获取的影响	本文创新性地总结了创造性项目学习在医学教育中的应用及其对学生学习效果的积极影响	研究存在任务要求高、认知和情感强度大、与学生专业身份不匹配等挑战	探讨创造性项目学习对医学生教育成果的影响	医学生	医学教育	NA	系统综述与定性合成	NA	定量、定性及混合方法研究数据	17项研究（2010年至2022年发表）
7423	2025-02-02	Enhancing furcation involvement classification on panoramic radiographs with vision transformers 2025-Jan-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05431-6 PMID:39881302	研究论文	本研究评估了Vision Transformer (ViT)在分类全景X光片中磨牙是否具有分叉受累(FI)方面的性能，并与几种常用的传统深度学习模型进行了比较	首次将Vision Transformer (ViT)应用于全景X光片中的分叉受累分类，并展示了其相较于传统深度学习模型的优越性能	研究仅使用了全景X光片数据，未结合CBCT等更高精度的影像数据	评估Vision Transformer (ViT)在全景X光片中分类磨牙分叉受累的性能	磨牙的分叉受累分类	计算机视觉	牙科疾病	深度学习	Vision Transformer (ViT), Multi-Layer Perceptron (MLP), VGGNet, GoogLeNet	图像	506张全景X光片中的1,568颗牙齿图像
7424	2025-02-02	Deep Learning-Based Identification of Echocardiographic Abnormalities From Electrocardiograms 2025-Jan, JACC. Asia DOI:10.1016/j.jacasi.2024.10.012 PMID:39886205	研究论文	本研究开发了一种深度学习模型，用于从心电图（ECG）全面预测超声心动图检查结果	使用卷积神经网络（CNN）从ECG预测包括左心异常、瓣膜性心脏病和右心异常在内的多种超声心动图检查结果，并通过逻辑回归分析创建了一个综合预测模型	研究未提及模型在不同人群或临床环境中的普适性和稳定性	开发一种深度学习模型，用于从心电图（ECG）全面预测超声心动图检查结果，以辅助早期诊断和治疗未检测到的心脏病	心电图（ECG）和超声心动图数据	机器学习	心血管疾病	卷积神经网络（CNN）和逻辑回归分析	CNN	心电图（ECG）和超声心动图数据	229,439对来自8个中心的ECG和超声心动图数据集
7425	2025-02-02	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	本文提出了一种基于深度学习的数字图像相关测量方法GMDIC，用于复杂大变形位移场的测量	结合了多头注意力Swin-Transformer和高效通道注意力模块ECA，并在特征中添加位置信息以增强特征表示能力	在处理大规模图像数据时，计算复杂度较高，导致处理速度较慢	提高大变形位移场测量的计算精度和速度	散斑图像的位移场	计算机视觉	NA	深度学习	Swin-Transformer, ECA	图像	包含各种类型散斑图像和复杂变形的位移场数据集
7426	2025-02-02	A Feature-Fusion Technique-Based Alzheimer's Disease Classification Using Magnetic Resonance Imaging 2024-Oct-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212363 PMID:39518331	研究论文	本文提出了一种基于特征融合技术的阿尔茨海默病分类方法，使用磁共振成像（MRI）图像	通过改进现有的视觉变换器（ViTs）和结合CatBoost分类器，提出了一种在有限计算资源下进行阿尔茨海默病分类的创新模型	模型的鲁棒性和适用性有待提高，后续研究可以包括遗传和临床数据	开发一种在有限计算资源下对阿尔茨海默病进行分类的模型	阿尔茨海默病	计算机视觉	老年病	MRI	视觉变换器（ViTs）和CatBoost分类器	图像	使用OASIS数据集进行模型泛化
7427	2025-02-02	Hexagonal diffraction gratings generated by convolutional neural network-based deep learning for suppressing high-order diffractions 2024-Oct-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.531198 PMID:39889023	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7428	2025-02-02	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过使用五种先进的深度学习模型架构，分析了从T1加权脑部MRI扫描中得出的脑年龄差距（BAG）在不同受试者群体中的差异	本研究首次系统地比较了五种深度学习模型在预测脑年龄差距方面的表现，并揭示了不同疾病群体中BAG的显著差异	研究未涉及其他类型的脑部扫描数据，且样本量可能不足以覆盖所有相关疾病群体	探索不同深度学习模型在预测脑年龄差距方面的表现，并分析不同疾病群体中的BAG差异	健康对照组及患有睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病的患者群体	计算机视觉	阿尔茨海默病、多发性硬化症、帕金森病、轻度认知障碍、糖尿病、睡眠呼吸暂停	深度学习	2D/3D VGG、RelationNet、ResNet、SFCN	脑部MRI图像	健康对照组及多种疾病患者群体
7429	2025-02-02	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	本文提出了一种基于分布式条件生成对抗网络（D-APUCGAN）的相位恢复方法，以同时提高相位和幅度图像的重建质量	提出了D-APUCGAN网络，通过引入内容损失函数来约束重建图像与源图像之间的相似性，从而在相位和幅度图像的重建质量上取得了显著提升	未提及具体限制	解决相位恢复问题，提高相位和幅度图像的重建质量	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	分布式条件生成对抗网络（D-APUCGAN）	GAN	图像	DIV2K测试数据集、MNIST数据集和真实数据
7430	2025-02-02	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	本文提出了一种创新的深度学习框架，用于同时进行视网膜疾病的分类和视网膜撕裂的分割	开发了一种并行掩码引导的卷积神经网络（PM-CNN）和基于PM-CNN输出的分级激活图（GAM）的V-Net网络（GAM V-Net），用于同时进行视网膜疾病的分类和视网膜撕裂的分割	NA	提高视网膜疾病的诊断和量化能力	视网膜疾病的光学相干断层扫描（OCT）图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	并行掩码引导的卷积神经网络（PM-CNN）和V-Net网络（GAM V-Net）	图像	包含四个公开数据集和一个实时数据集的组合数据集，涵盖11类视网膜疾病
7431	2025-02-02	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种混合CNN-LSTM模型，用于预测中国河北省的流感活动，以提供更精确的流感防控指导	创新点在于结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，构建了一个混合模型，用于流感活动的预测	研究仅基于河北省28家国家哨点医院的数据，可能无法完全代表其他地区的情况	研究目的是开发一个更精确的流感活动预测模型，以支持流感的预防和控制措施	研究对象是河北省的流感样疾病（ILI）率	机器学习	流感	深度学习	CNN-LSTM混合模型	时间序列数据	2010年至2022年河北省28家国家哨点医院的ILI%数据
7432	2025-02-02	Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.233197 PMID:39162636	研究论文	本研究构建了一个深度学习模型，用于在CT血管造影（CTA）图像上准确分割和检测脑动脉瘤，并与放射学报告进行比较	使用多中心数据集构建深度学习模型，用于脑动脉瘤的分割和检测，并与放射学报告进行性能比较	需要大规模的多中心数据集，且模型性能评估依赖于外部测试集	构建一个深度学习模型，用于在CTA图像上准确分割和检测脑动脉瘤	脑动脉瘤	计算机视觉	脑动脉瘤	CT血管造影（CTA）	深度学习模型	图像	6060名患者用于模型开发，118名患者用于外部测试集
7433	2024-08-29	Detection and quantitative analysis of patient-ventilator interactions in ventilated infants by deep learning networks 2024-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03064-z PMID:38316942	研究论文	本研究通过深度学习网络对机械通气婴儿的患者-呼吸机交互作用（PVI）进行检测和定量分析	开发了用于常见PVI自动检测和量化的二元深度学习分类器	机械通气新生儿中PVI研究受限于缺乏统一的PVI定义和进行大规模分析的工具	研究机械通气新生儿中的患者-呼吸机交互作用，并开发计算模型以促进其自动检测和临床意义评估	23名随机选择的机械通气新生儿	机器学习	NA	卷积神经网络（CNN）	CNN	呼吸波形	23名婴儿，每人500次呼吸
7434	2025-02-02	Joint-learning-based coded aperture compressive temporal imaging 2024-Jul-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.523092 PMID:39889132	研究论文	本文提出了一种基于联合学习的编码孔径压缩时间成像方法，通过联合学习最优二进制掩码策略、松弛策略和正则化策略，实现了高质量的视频重建	结合Landweber迭代重建方法的数学结构与深度学习，成功解决了参数选择的挑战，并引入了多种去噪器以获得更多的正则化先验信息	NA	提高编码孔径压缩时间成像（CACTI）技术的视频重建质量和效率	高速动态场景的视频帧	计算机视觉	NA	压缩感知理论	Landweber迭代方法	视频帧	NA
7435	2025-02-02	Deep Learning for Alzheimer's Disease Prediction: A Comprehensive Review 2024-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121281 PMID:38928696	综述	本文全面回顾了用于阿尔茨海默病预测的深度学习方法，探讨了不同的模态、特征提取方法、数据集、机器学习技术和验证方法	本文通过系统回顾116篇相关论文，总结了现有技术在阿尔茨海默病识别中的应用，并强调了模型可解释性和可理解性的重要性	本文主要基于已有文献进行综述，未提出新的实验或模型	评估现有技术用于阿尔茨海默病识别，并指出未来研究的障碍	阿尔茨海默病的早期诊断	机器学习	老年病	深度学习	NA	多模态数据	116篇相关论文
7436	2025-02-02	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	本文提出了一种基于残差函数的多阶段深度神经网络架构，用于改进现有的阿尔茨海默病（AD）检测方法	提出了一种新的多阶段深度神经网络架构，结合残差网络（ResNets）的成功经验，通过五个阶段增强特征有效性，并引入深度学习特征选择模块以减少过拟合	未提及具体局限性	开发一种自动化的阿尔茨海默病检测系统，以应对全球范围内日益增长的老年痴呆症风险	阿尔茨海默病（AD）	计算机视觉	老年疾病	深度学习（DL）	残差网络（ResNets）、支持向量机（SVM）、随机森林（RF）、SoftMax	医学图像	三个基准数据集：ADNI1: Complete 1Yr 1.5T、MIRAID 和 OASIS Kaggle
7437	2025-02-02	Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides 2024-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.27.595990 PMID:38854075	研究论文	本文开发了一种创新的计算方法，设计了一个高度多样化的动物毒液和“元毒液”库，用于发现新的治疗性肽	采用可编程的M13超噬菌体展示技术，保留关键的二硫键结构，并通过高通量DNA测序进行定量，从而实现了高度并行化的单轮生物淘选	NA	发现新的治疗性肽，特别是针对人类瘙痒受体MRGPRX4的Kunitz型结构域蛋白	动物毒液和“元毒液”库	生物信息学	NA	M13超噬菌体展示技术，高通量DNA测序	深度学习	DNA序列	NA
7438	2025-02-02	Positive Effect of Super-Resolved Structural Magnetic Resonance Imaging for Mild Cognitive Impairment Detection 2024-Apr-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14040381 PMID:38672031	研究论文	本文提出了一种通过使用超分辨率结构磁共振成像（MRI）和优化的深度学习模型来改进轻度认知障碍（MCI）检测的新方法	引入了先进的损失函数、生成器上采样部分的修改以及在生成对抗训练设置中实验各种判别器，以提高超分辨率2D结构MRI图像的感知质量，并展示了超分辨率在MCI检测任务中的有效性	文中未明确提及研究的局限性	改进轻度认知障碍（MCI）的检测	轻度认知障碍（MCI）患者	计算机视觉	老年疾病	超分辨率结构磁共振成像（MRI）	生成对抗网络（GAN）	图像	未提及具体样本数量
7439	2025-02-02	Automated detection of Alzheimer's disease: a multi-modal approach with 3D MRI and amyloid PET 2024-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56001-9 PMID:38433282	研究论文	本文提出并评估了使用2D和3D MRI图像以及淀粉样蛋白PET扫描的单模态和多模态分类模型，用于自动检测阿尔茨海默病	本文的创新点在于开发了多模态模型，结合了3D MRI和淀粉样蛋白PET扫描，显著提升了模型性能，并在OASIS-3队列上实现了最先进的性能	本文未提及具体的局限性	研究目的是通过多模态成像技术自动检测阿尔茨海默病	研究对象是阿尔茨海默病患者	计算机视觉	老年病	3D MRI, 淀粉样蛋白PET扫描	深度学习模型	图像	OASIS-3队列
7440	2025-02-02	Strategies to increase the robustness of microbial cell factories 2024-Mar-01, Advanced biotechnology DOI:10.1007/s44307-024-00018-8 PMID:39883204	综述	本文综述了提高微生物细胞工厂稳健性的当前策略，包括基于知识的工程方法和计算辅助设计	介绍了计算辅助设计（如GEMs、深度学习和机器学习）在工业宿主稳健性设计中的应用	未具体提及实验验证或具体案例研究	提高微生物细胞工厂的稳健性，以确保可靠和可持续的生产效率	微生物细胞工厂	生物制造	NA	转录因子、膜/转运蛋白、应激蛋白、适应性实验室进化、GEMs、深度学习、机器学习	深度学习、机器学习	NA	NA