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
761	2025-05-15	Review of Non-Invasive Fetal Electrocardiography Monitoring Techniques 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051412 PMID:40096208	review	本文综述了非侵入性胎儿心电图（NIFECG）监测技术的最新进展，包括信号采集、预处理、胎儿心电图提取及心脏异常分类	讨论了深度学习技术、多模态数据融合和远程监测系统在NIFECG中的潜在应用	分析了现有NIFECG数据集的特点和局限性，并提出了改进建议	推进NIFECG监测技术的发展和应用	非侵入性胎儿心电图监测技术	数字病理	NA	非侵入性胎儿心电图（NIFECG）	深度学习	心电图信号	NA
762	2025-05-15	Optimization of Improved YOLOv8 for Precision Tomato Leaf Disease Detection in Sustainable Agriculture 2025-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s25051398 PMID:40096213	研究论文	提出了一种改进的YOLOv8算法，用于番茄叶病的实时检测，以提高农药施用的精确性	通过集成Depthwise Grouped Convolutions和AdamW优化器，提高了计算效率和检测精度，同时引入SE_Block增强特征表示	研究仅在受控环境中部署，未涉及大规模田间试验	提高番茄叶病检测的精确性，减少农药使用和环境污染	番茄叶片	计算机视觉	番茄病害	深度学习	YOLOv8	图像	1500张番茄叶片图像，包含四种标签（全部、绿番茄、霜霉病和白粉病）
763	2025-05-15	MRI-Based Meningioma Firmness Classification Using an Adversarial Feature Learning Approach 2025-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s25051397 PMID:40096246	研究论文	该研究提出了一种基于对抗特征学习方法的MRI脑膜瘤硬度分类模型	引入了无监督特征提取方法（BiGAN）和深度可分离深度学习模型，用于脑膜瘤硬度分类	未提及具体样本量或数据集的多样性限制	提高脑膜瘤硬度分类的准确性和效率	MRI图像中的脑膜瘤	计算机视觉	脑膜瘤	MRI	BiGAN, 深度可分离深度学习模型	图像	NA
764	2025-05-15	Deep Learning Approach for Automatic Heartbeat Classification 2025-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s25051400 PMID:40096255	研究论文	本研究提出了一种基于深度学习的自动心跳分类方法，用于心律失常检测	提出了一种结合多类分类器和LSTM自编码器的模型，解决了分类任务中梯度消失的问题，并在MIT-BIH数据集上取得了高准确率	未提及模型在其他数据集上的泛化能力	开发一种自动化的心律失常检测方法以提高诊断效率和准确性	心电图(ECG)信号	机器学习	心血管疾病	深度学习	LSTM, 自编码器	ECG信号	MIT-BIH数据集
765	2025-05-15	U-Net-Based Fingerprint Enhancement for 3D Fingerprint Recognition 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051384 PMID:40096221	研究论文	本文提出了一种基于U-Net的指纹增强方法，用于3D指纹识别	使用深度学习U-Net进行图像分割以增强指纹对比度，显著提高了指纹识别的准确率	NA	解决2D指纹识别中的传感器欺骗攻击和接触传播疾病的问题	3D指纹点云数据	计算机视觉	NA	深度学习	U-Net	3D点云和2D灰度图像	公共数据集
766	2025-05-15	Content-Based Histopathological Image Retrieval 2025-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s25051350 PMID:40096145	research paper	该研究提出了一种基于局部-全局特征融合的嵌入模型，用于提高组织病理学图像检索的性能	提出了一种结合多尺度信息的局部-全局特征融合嵌入模型，显著提升了特征描述符的深度和实用性	模型依赖于预训练主干网络，可能受限于预训练数据的质量和范围	提高组织病理学图像检索系统的性能，支持病理学家的工作	组织病理学图像	digital pathology	NA	深度学习	CNN, Vision Transformers	image	ImageNet-1k和PanNuke数据集，并在Kimia Path24C数据集上进行测试
767	2025-05-15	Comparative analysis of intestinal tumor segmentation in PET CT scans using organ based and whole body deep learning 2025-Feb-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01587-3 PMID:39962481	研究论文	比较基于器官和全身深度学习方法在PET CT扫描中对肠道肿瘤分割的效果	提出了一种新颖的基于器官的训练方法，通过利用训练数据的组织同质性来提高肠道肿瘤分割的准确性	研究主要针对DLBCL患者，对其他类型非霍奇金淋巴瘤（如FL）的泛化性有待进一步验证	评估训练数据同质性对准确识别肠道肿瘤的影响	肠道肿瘤	数字病理学	非霍奇金淋巴瘤	FDG-PET/CT	深度学习	医学影像	来自大型多中心临床试验（NCT01287741）的DLBCL患者
768	2025-05-15	Application of artificial intelligence in forecasting survival in high-grade glioma: systematic review and meta-analysis involving 79,638 participants 2025-Feb-15, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03419-y PMID:39954167	meta-analysis	本文通过系统综述和荟萃分析评估了基于人工智能的模型在预测高级别胶质瘤患者生存结果中的表现	特别关注AI在高级别胶质瘤复发中的潜力，并整合了多模态数据以提高预测准确性	需要在前瞻性、多中心研究中进一步验证以确保临床适用性	评估AI模型在预测高级别胶质瘤患者生存结果中的性能	高级别胶质瘤患者	数字病理学	脑肿瘤	机器学习（ML）和深度学习（DL）	随机森林（RF）和逻辑回归（LR）	临床、放射组学和遗传特征	39项研究，涉及79,638名患者
769	2025-05-15	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-Feb-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	本研究开发了一种深度学习模型，用于预测阿尔茨海默病（AD）认知转化，以指导更强化治疗的重新分配决策	使用深度学习模型整合多种变量集（包括人口统计学、病史、神经心理学结果、实验室和神经影像学结果）预测AD认知转化，并建立了简约模型	样本量在随访过程中逐渐减少，可能影响模型的泛化能力	早期诊断和准确预测AD认知衰退，以优化治疗方案	阿尔茨海默病（AD）患者	数字病理学	老年疾病	深度学习	深度学习模型	纵向数据（包括人口统计学、病史、神经心理学结果、实验室和神经影像学结果）	基线607人，12个月随访538人，24个月随访482人，36个月随访268人，48个月随访280人
770	2025-05-15	Complex conjugate removal in optical coherence tomography using phase aware generative adversarial network 2025-Feb, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.2.026001 PMID:39963188	research paper	该研究提出了一种基于生成对抗网络的深度学习方法来消除光学相干断层扫描中的复共轭伪影，无需额外硬件	利用生成对抗网络结合相位信息，首次实现了无需额外硬件的软件解决方案来消除复共轭伪影	研究仅在幻影、人类皮肤和小鼠眼睛样本上进行了验证，尚未在更广泛的临床样本中测试	开发一种低成本、数据驱动的软件解决方案来提升频域光学相干断层扫描成像能力	光学相干断层扫描图像中的复共轭伪影	computer vision	NA	光学相干断层扫描(OCT)	GAN	image	包括幻影、人类皮肤和小鼠眼睛在内的多种样本
771	2025-05-15	Binding mechanism of inhibitors to DFG-in and DFG-out P38α deciphered using multiple independent Gaussian accelerated molecular dynamics simulations and deep learning 2025-Feb, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2025.2475407 PMID:40110797	研究论文	本研究利用高斯加速分子动力学模拟、深度学习和MM-GBSA方法，探究了抑制剂与DFG-in和DFG-out P38α的结合机制	结合高斯加速分子动力学模拟、深度学习和MM-GBSA方法，系统研究了P38α不同构象对抑制剂结合的影响，并识别了关键功能域和结合热点	研究主要基于计算模拟，需要进一步实验验证	阐明P38α不同构象对抑制剂结合的影响机制，为P38α选择性抑制剂设计提供理论支持	P38α蛋白及其抑制剂(SB2、SK8和BMU)	计算生物学	多种疾病	高斯加速分子动力学模拟(GaMD)、深度学习(DL)、分子力学广义玻恩表面积(MM-GBSA)	深度学习	分子动力学模拟数据	三种抑制剂(SB2、SK8和BMU)与P38α的相互作用
772	2025-05-15	Accelerating Plasmonic Hydrogen Sensors for Inert Gas Environments by Transformer-Based Deep Learning 2025-01-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02616 PMID:39764741	研究论文	本文提出了一种基于Transformer的深度学习模型LEMAS，用于加速等离子体氢传感器的响应速度，并在模拟惰性气体环境下消除其固有的压力依赖性	LEMAS模型能够提前预测氢浓度变化对传感器硬件的影响，将响应速度提高多达40倍，并提供了预测不确定性的度量	研究仅针对等离子体氢传感器在模拟惰性气体环境下的性能，未涉及其他类型传感器或实际应用环境	加速氢泄漏检测传感器的响应速度，以满足大规模氢技术应用的安全需求	等离子体氢传感器及其在惰性气体环境下的性能	机器学习	NA	深度学习	Transformer-based LEMAS	传感器数据	NA
773	2025-05-15	Machine Learning-Based Resource Management in Fog Computing: A Systematic Literature Review 2025-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s25030687 PMID:39943326	系统文献综述	本文通过系统文献综述分析了雾计算中基于机器学习的资源管理技术	采用PRISMA协议，全面分析了雾计算中机器学习和深度学习在资源管理中的应用，并识别了关键因素和约束	研究仅基于68篇研究论文，可能未涵盖所有相关文献	分析雾计算中基于机器学习的资源管理技术及其关键因素	雾计算中的资源管理技术	机器学习	NA	机器学习和深度学习	NA	文献数据	68篇研究论文
774	2025-05-15	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Jan-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.07.602397 PMID:39026759	研究论文	本文开发了一种可微分的Gillespie算法（DGA），用于模拟化学反应动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了完全可微分的Gillespie算法变体，通过平滑函数近似不连续操作，实现了梯度的反向传播计算	未明确提及具体限制	开发一种可微分的Gillespie算法，用于化学反应网络的模拟、参数学习和生物电路设计	化学反应网络和基因启动子的随机模型	机器学习	NA	Gillespie算法、深度学习	DGA（可微分Gillespie算法）	实验测量的mRNA表达水平数据	两种不同的启动子
775	2025-05-15	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Jan-21, ArXiv PMID:39398212	研究论文	本文开发了一种完全可微的Gillespie算法变体（DGA），用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了完全可微的Gillespie算法变体，通过平滑函数近似不连续操作，实现梯度计算	NA	分析随机化学动力学，解决合成和系统生物学中感兴趣的问题	化学反应网络和基因启动子的随机模型	机器学习	NA	深度学习，Gillespie算法	DGA（可微Gillespie算法）	实验测量的mRNA表达水平数据	两个不同的启动子的实验数据
776	2025-05-15	Enhanced Detection of Colon Diseases via a Fused Deep Learning Model with an Auxiliary Fusion Layer and Residual Blocks on Endoscopic Images 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056353246241209060804 PMID:39757657	research paper	本文提出了一种融合深度学习模型，用于通过内窥镜图像增强结肠疾病的检测	结合了EfficientNetB0、MobileNetV2和ResNet50V2架构，引入了辅助融合层和融合残差块，以提高分类准确性和鲁棒性	NA	提高结肠疾病的自动诊断准确性和鲁棒性	内窥镜图像中的胃肠道异常或疾病	digital pathology	colon diseases	deep learning	CNN, EfficientNetB0, MobileNetV2, ResNet50V2	image	NA
777	2025-05-15	Enhanced Pneumonia Detection in Chest X-Rays Using Hybrid Convolutional and Vision Transformer Networks 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056326685250101113959 PMID:39806960	研究论文	本研究通过结合CNN和改良的Swin Transformer模块，提出了一种新型混合深度学习模型，用于增强胸部X光中的肺炎检测	提出了一种结合CNN和改良Swin Transformer模块的混合模型，有效捕捉图像的局部和全局特征，显著提高了肺炎检测的准确性	未来研究需要进一步优化模型架构，探索更先进的图像处理技术，并引入可解释AI方法	提高胸部X光中肺炎检测的准确性，减少误诊，为资源有限地区提供可部署的解决方案	胸部X光图像	计算机视觉	肺炎	CLAHE图像增强，数据增强（水平翻转、旋转、缩放）	CNN与Swin Transformer混合模型	图像	广州妇女儿童医疗中心提供的数据集
778	2025-05-15	CERVIXNET: An Efficient Approach for the Detection and Classifications of the Cervigram Images Using Modified Deep Learning Architecture 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056343690250116020310 PMID:39851104	研究论文	提出了一种名为CERVIXNET的改进深度学习架构，用于检测和分类宫颈图像，以早期发现宫颈癌	提出了一种改进的深度学习架构CervixNet，提高了宫颈癌的检测率，并在异常宫颈图像中分割出癌症区域	NA	早期检测宫颈癌以提高患者生存率	宫颈图像	数字病理学	宫颈癌	深度学习	改进的CNN架构（CervixNet）	图像	IMODT和Guanacaste数据库中的宫颈图像
779	2025-05-15	Automatic Detection of Cognitive Impairment in Patients With White Matter Hyperintensity Using Deep Learning and Radiomics 2025 Jan-Dec, American journal of Alzheimer's disease and other dementias DOI:10.1177/15333175251325091 PMID:40087144	研究论文	本研究利用深度学习和放射组学技术自动检测白质高信号患者的认知障碍	结合VB-Nets深度学习卷积神经网络和放射组学特征，开发了一种新的随机森林模型，用于早期诊断白质高信号患者的认知障碍	样本量较小（总共108名患者），且外部验证集仅来自一家医院	开发一种可靠的早期诊断工具，用于检测白质高信号患者的认知障碍	白质高信号患者	数字病理学	老年疾病	放射组学特征提取	VB-Nets CNN和随机森林	医学影像	79名患者（医院1）和29名患者（医院2）
780	2025-05-15	OnmiMHC: a machine learning solution for UCEC tumor vaccine development through enhanced peptide-MHC binding prediction 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1550252 PMID:40092998	研究论文	本研究开发了一种名为OnmiMHC的机器学习框架，用于预测MHC I类和II类分子对抗原肽的呈递，以促进UCEC肿瘤疫苗的开发	通过整合大规模质谱数据和其他相关数据类型，提出了基于深度学习的预测模型OnmiMHC，其在MHC-I和MHC-II任务中的表现优于现有方法	NA	开发一种新型机器学习框架，用于预测抗原肽与MHC分子的结合，以促进肿瘤疫苗的开发	MHC I类和II类分子对抗原肽的呈递	机器学习	子宫体子宫内膜癌(UCEC)	质谱数据	深度学习	质谱数据和其他相关数据	NA