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
7721	2025-01-30	Graph model-aided optimal iterative decoding technique for LDPC in optical fiber communication 2025-Jan-13, Optics express IF:3.2Q2 DOI:10.1364/OE.534637 PMID:39876298	研究论文	本文提出了一种新的迭代LDPC解码技术GMNN-BP，结合了深度学习和信念传播算法的优势	设计了GMNN-BP解码技术，利用图模型作为深度学习和信念传播算法之间的桥梁，减少了训练数据需求并提高了性能	未提及具体局限性	提高LDPC解码的性能和效率	LDPC解码技术	机器学习	NA	图模型神经网络-信念传播（GMNN-BP）	图模型神经网络	编码数据	使用IEEE 802.3ca标准LDPC码字进行测试
7722	2025-01-30	Physics-informed deep learning for 3D modeling of light diffraction from optical metasurfaces 2025-Jan-13, Optics express IF:3.2Q2 DOI:10.1364/OE.544116 PMID:39876311	研究论文	本文提出了一种基于物理信息神经网络（PINN）的无数据深度学习方法，用于更高效地计算3D光学超表面的光衍射、模拟相应的偏振效应和波前操控	该方法仅从由矢量麦克斯韦方程、Floquet-Bloch边界条件和完美匹配层（PML）表示的物理规律中学习，无需依赖数据，显著提高了计算速度和准确性	NA	研究目的是通过深度学习方法提高光学超表面光衍射计算的效率和准确性	3D光学超表面的光衍射、偏振效应和波前操控	机器学习	NA	物理信息神经网络（PINN）	PINN	NA	NA
7723	2025-01-30	Real-time acoustic monitoring of laser paint removal based on deep learning 2025-Jan-13, Optics express IF:3.2Q2 DOI:10.1364/OE.545906 PMID:39876315	研究论文	本文介绍了一种基于深度学习的实时声学监测方法，用于激光除漆过程中的状态监控	首次将深度学习技术应用于激光除漆过程的实时声学监测，并开发了基于CNN模型的实时监测系统	NA	实现激光除漆过程的实时声学监测	激光除漆过程中产生的声学信号	机器学习	NA	深度学习	CNN	声学信号	NA
7724	2025-01-30	Generalizable deep learning approach for 3D particle imaging using holographic microscopy (HM) 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.535207 PMID:39876127	研究论文	本文介绍了一种基于深度学习的通用方法，用于全息显微镜下的3D粒子成像	利用人类对粒子衍射图案纵向变化的感知，提出了一种高度通用的深度学习架构，显著提高了处理速度	训练数据仅包含少量合成和真实全息图，可能限制了模型在更广泛场景下的表现	开发一种通用的3D粒子成像方法，以克服全息显微镜在多样化设置下的局限性	3D粒子	计算机视觉	NA	全息显微镜	深度学习	图像	少量合成和真实全息图
7725	2025-01-30	Qualitative identification of passive Fourier transform infrared spectra via an attention mechanism based deep learning approach 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.543450 PMID:39876146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7726	2025-01-30	Mobile-friendly under-sampling single-pixel imaging based on a lightweight hybrid CNN-ViT architecture 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.546375 PMID:39876166	研究论文	本文提出了一种基于轻量级CNN-ViT混合架构的移动友好型欠采样单像素成像方法	提出了移动ViT块以降低传统ViT的计算成本，并结合CNN设计了一种新颖的轻量级CNN-ViT混合模型，用于高效准确的单像素成像重建	NA	解决现有基于ViT架构的模型在移动单像素成像应用中的计算负载和参数数量问题	单像素成像（SPI）	计算机视觉	NA	深度学习单像素成像（DLSPI）	CNN-ViT混合模型	图像	NA
7727	2025-01-30	Three-stage training strategy phase unwrapping method for high speckle noises 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.544968 PMID:39876182	研究论文	本文提出了一种三阶段多任务相位展开方法，用于高噪声条件下的相位展开	提出了一种三阶段训练策略，包括包裹相位去噪、包裹计数预测和展开相位误差补偿，并引入了基于卷积的多尺度空间注意力模块	方法在模拟数据上进行了测试，但未提及在实际数据上的应用效果	提高高噪声条件下的相位展开精度	相位展开问题	计算机视觉	NA	深度学习	卷积神经网络（CNN）	模拟数据	NA
7728	2025-01-30	OAM-basis underwater single-pixel imaging based on deep learning at a low sampling rate 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.543358 PMID:39876191	研究论文	本文介绍了一种基于轨道角动量（OAM）基的深度学习水下单像素成像方法，旨在解决低采样率和高浊度环境下的成像挑战	结合OAM基采样方案和改进的重建网络，显著提高了重建质量并增强了泛化能力，在3.125%的采样率和128 NTU浊度条件下仍能有效恢复水下目标图像	NA	解决水下环境中低采样率和高浊度带来的成像挑战	水下目标图像	计算机视觉	NA	深度学习	DARU-GAN（双注意力残差U-Net生成对抗网络）	图像	NA
7729	2025-01-30	A deep learning model for carotid plaques detection based on CTA images: a two stepwise early-stage clinical validation study 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1480792 PMID:39871993	研究论文	本研究开发了一种基于CTA图像的深度学习模型，用于颈动脉斑块检测，并评估了该模型在临床应用中的可行性和价值	结合ResUNet与Pyramid Scene Parsing Network (PSPNet)增强斑块分割，并通过两步早期临床验证研究模拟真实临床斑块诊断场景	研究为回顾性设计，可能影响结果的普遍性	开发并验证一种基于CTA图像的深度学习模型，用于颈动脉斑块的检测	颈动脉粥样硬化斑块患者	计算机视觉	心血管疾病	CTA成像	ResUNet与PSPNet结合	图像	647名患者（475名训练，86名验证，86名测试）
7730	2025-01-29	Emotion analysis of EEG signals using proximity-conserving auto-encoder (PCAE) and ensemble techniques 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10187-w PMID:39866661	研究论文	本文提出了一种基于EEG信号的创新框架——邻近保持自编码器（PCAE），用于准确识别情绪，并解决了传统情绪分析技术面临的挑战	提出了邻近保持自编码器（PCAE）和邻近保持压缩激励自编码器（PC-SEAE）模型，结合了多种卷积和反卷积层以及局部邻近保持层，显著提高了情绪识别的准确性	未提及样本量的具体限制或数据集的多样性问题	开发一种基于EEG信号的准确情绪识别系统，以改善脑机接口（BCI）在医疗、教育等领域的应用	EEG信号	脑机接口	自闭症或情绪障碍	EEG信号分析	PCAE, PC-SEAE, SVM, RF, LSTM	EEG信号	使用EEG Brainwave数据集，未提及具体样本量
7731	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA
7732	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料
7733	2025-01-25	BPEN: Brain Posterior Evidential Network for trustworthy brain imaging analysis 2025-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106943 PMID:39657531	研究论文	本文介绍了一种名为脑后验证据网络（BPEN）的新方法，用于在脑功能磁共振成像（fMRI）数据分析中捕捉不确定性的两种类型：随机不确定性和认知不确定性	提出了BPEN模型，首次在脑fMRI数据分析中同时捕捉随机不确定性和认知不确定性，提高了预测的可信度	未提及具体局限性	提高脑fMRI数据分析中的预测不确定性估计，以增强预测模型的可信度	脑功能磁共振成像（fMRI）数据	机器学习	老年疾病	fMRI	BPEN	图像	来自阿尔茨海默病神经影像倡议（ADNI）和ADNI-抑郁症（ADNI-D）队列的数据
7734	2025-01-24	PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease 2025-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110363 PMID:39832626	研究论文	本文介绍了一种名为PIDGN的可解释多模态深度学习框架，用于帕金森病的早期预测	PIDGN模型通过融合单核苷酸多态性（SNP）和脑部sMRI数据，利用门控注意力融合技术探索模态间交互，并通过SHAP值和Grad-CAM技术解释SNP和脑区对帕金森病的重要性	NA	开发一种基于人工智能的有效预测方法，以辅助医生及时诊断帕金森病	帕金森病患者	机器学习	帕金森病	SNP分析，sMRI	PIDGN（Parkinson's Integrative Diagnostic Gated Network）	遗传数据，图像数据	NA
7735	2025-01-29	Synergistic effect evaluation method of atmospheric emission reduction based on deep learning fusion model 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136709 PMID:39637781	研究论文	本文提出了一种基于深度学习融合模型的大气减排协同效应评估方法，旨在模拟排放对空气质量的影响	开发了一种新的深度学习融合模型GR-BILSTM，结合生成对抗网络进行数据增强和ResNet-BILSTM模型，有效解决了深度网络中的梯度消失问题，并捕捉高维数据特征，提高了模型的预测精度	未提及具体的数据集规模或实验验证的局限性	评估大气减排的协同效应，模拟排放对空气质量的影响	工业园区的排放与空气污染之间的关系	机器学习	NA	深度学习	GR-BILSTM（生成对抗网络与ResNet-BILSTM融合模型）	空气质量数据	未提及具体样本数量
7736	2024-12-07	A green and efficient method for detecting nicosulfuron residues in field maize using hyperspectral imaging and deep learning 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136724 PMID:39637793	研究论文	研究开发了一种基于高光谱成像和深度学习的绿色高效方法，用于检测田间玉米中的烟嘧磺隆残留	提出了HerbiResNet模型，用于预测和分类玉米叶中的除草剂残留，显著优于传统的回归模型和经典神经网络	NA	实现对田间玉米中烟嘧磺隆残留的准确快速检测，以优化喷洒策略和实施化学修复	六种不同抗性和敏感性的玉米品种，在两种除草剂浓度下的残留水平	计算机视觉	NA	高光谱成像	HerbiResNet	光谱数据	六种玉米品种，两种除草剂浓度下的低、中、高残留水平
7737	2024-12-22	Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques 2025-Feb, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131976 PMID:39675638	研究论文	本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段	本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测	本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试	开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺	Haematococcus lacustris细胞周期	机器学习	NA	卷积神经网络	CNN	图像	NA
7738	2025-01-05	Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model 2025-Feb, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107165 PMID:39752793	研究论文	本研究开发并验证了一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移	开发了一种三阶段深度学习模型，结合随机森林分类器，显著降低了隐匿性转移率，并在指导cN0患者的颈部清扫中提供了更多益处	研究为回顾性诊断研究，可能存在选择偏差	识别口腔鳞状细胞癌患者的淋巴结转移	723名口腔鳞状细胞癌患者	数字病理学	口腔鳞状细胞癌	MRI	深度学习模型	图像	723名患者的45,664张术前MRI图像
7739	2025-01-11	Enhanced prediction of partial nitrification-anammox process in wastewater treatment by developing an attention-based deep learning network 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.124012 PMID:39788059	研究论文	本研究开发了一种基于注意力机制的深度学习网络，用于增强废水处理中部分硝化-厌氧氨氧化（PN-anammox）过程的预测	提出了基于注意力机制的DenseNet（AttentionNet），显著提高了PN-anammox过程的预测性能	传统建模方法在该过程中存在局限性，且化学测量存在时间滞后问题	通过深度学习网络建模和预测PN-anammox过程，以提高废水处理中氮去除的效率	低浓度废水中的PN-anammox反应器	机器学习	NA	深度学习	LSTM, DenseNet, AttentionNet	实验数据	长期实验构建的数据集
7740	2025-01-29	Enhancing meteorological data reliability: An explainable deep learning method for anomaly detection 2025-Feb, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.124011 PMID:39765064	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA