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
8261	2025-02-03	Correction: Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2025-Jan-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05030-x PMID:39891069	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8262	2025-02-05	A deep learning model for assistive decision-making during robot-aided rehabilitation therapies based on therapists' demonstrations 2025-Jan-31, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01517-4 PMID:39891159	研究论文	本文提出了一种基于深度学习的模型，用于在机器人辅助康复治疗中根据治疗师的示范进行辅助决策	该模型能够从治疗师的标准中学习，判断患者在机器人辅助康复治疗中何时需要帮助，并通过微调个性化辅助，提高决策准确性	模型在测试数据集上的准确率为76.09%，仍有提升空间	提高机器人辅助康复治疗中的辅助决策能力	患有神经系统疾病的患者	机器学习	神经系统疾病	深度学习	一维卷积神经网络（CNN）	时间序列数据	多样化的神经系统疾病患者
8263	2025-02-05	Towards unbiased skin cancer classification using deep feature fusion 2025-Jan-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02889-w PMID:39891245	研究论文	本文介绍了SkinWiseNet (SWNet)，一种用于检测和自动分类潜在恶性皮肤癌状况的深度卷积神经网络	SWNet通过多路径优化特征提取，强调网络宽度增强以提高效率，并通过特征融合减少与肤色和毛发相关的偏见	NA	提高皮肤癌检测和分类的准确性，减少与肤色和毛发相关的偏见	皮肤癌图像	计算机视觉	皮肤癌	深度学习	CNN	图像	四个公开数据集（Mnist-HAM10000, ISIC2019, ISIC2020, Melanoma Skin Cancer）
8264	2025-02-05	Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation 2025-Jan-31, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-025-01351-w PMID:39891250	研究论文	本文提出了一种用于开发和验证人工智能模型的方法论，以确保其在胚胎评估中的一致性和可靠性	提出了一种四步方法论，用于开发和验证AI模型，确保其在多中心数据集上的可靠性能	研究依赖于特定时间段和地点的数据，可能限制了结果的普遍适用性	开发和验证一个可靠的人工智能模型，用于评估胚胎质量以提高体外受精的成功率	胚胎时间序列图像、妊娠结果和形态学注释	数字病理学	NA	深度学习	深度学习分类器	图像	训练和验证数据集（n=16,935胚胎）、盲测数据集（n=1,708胚胎；3个诊所）和独立数据集（n=7,445胚胎；7个诊所）
8265	2025-02-05	Predicting survival in malignant glioma using artificial intelligence 2025-Jan-31, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02339-3 PMID:39891313	研究论文	本文探讨了使用人工智能技术预测恶性胶质瘤患者生存期的有效性	利用机器学习和深度学习技术整合多模态数据，显著提高了胶质瘤患者生存预测的准确性	数据异质性、可解释性挑战和计算需求，特别是在资源有限的环境中	评估不同AI模型在预测恶性胶质瘤患者生存期方面的比较效果	恶性胶质瘤患者	机器学习	脑癌	机器学习（ML）、深度学习（DL）	NA	影像、临床参数、分子生物标志物	NA
8266	2025-02-05	A review of state-of-the-art resolution improvement techniques in SPECT imaging 2025-Jan-30, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00724-9 PMID:39883257	综述	本文综述了SPECT成像中提高空间分辨率的最新技术方法	深入探讨了探测器设计、投影采样技术、传统重建算法优化以及深度学习在SPECT成像中的新兴作用	SPECT成像的空间分辨率相对较差，尤其是在小病变的可视化方面存在显著限制	识别SPECT领域中分辨率增强技术的最新趋势，以促进临床系统的进一步优化和改进	临床和临床前SPECT系统	医学影像	肿瘤	SPECT成像	深度学习	图像	NA
8267	2025-02-05	MMFW-UAV dataset: multi-sensor and multi-view fixed-wing UAV dataset for air-to-air vision tasks 2025-Jan-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04482-2 PMID:39885165	研究论文	本文介绍了一个用于空对空视觉任务的多传感器和多视角固定翼无人机数据集MMFW-UAV	MMFW-UAV是首个一对一多模态图像数据集，具有高质量标注，适用于固定翼无人机的识别、检测和监控	NA	为固定翼无人机的识别、检测和监控提供高质量的多模态图像数据集	固定翼无人机	计算机视觉	NA	多传感器（变焦、广角和热成像传感器）	深度学习对象检测架构	图像	147,417张固定翼无人机图像
8268	2025-02-05	Optimized deep learning model with integrated spectrum focus transformer for pavement distress recognition and classification 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88251-6 PMID:39885250	研究论文	本文提出了一种集成频谱聚焦变换器（SFT）层的优化深度学习模型，用于路面病害识别和分类	创新点在于提出了频谱聚焦变换器（SFT）层，通过处理信号频谱并聚焦于重要频率成分，增强了捕捉路面病害区域的能力	未明确提及研究的局限性	研究目的是提高路面病害识别和分类的准确性	研究对象是路面病害图像数据	计算机视觉	NA	深度学习	频谱聚焦变换器（SFT）	图像	NA
8269	2025-02-05	Biomedical named entity recognition using improved green anaconda-assisted Bi-GRU-based hierarchical ResNet model 2025-Jan-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06008-w PMID:39885428	研究论文	本文提出了一种改进的基于Bi-GRU的分层ResNet模型，用于生物医学命名实体识别	提出了改进的绿蟒蛇辅助Bi-GRU分层ResNet模型（IGa-BiHR BNERM），用于提高生物医学命名实体识别的准确性	需要大量标注数据集，且可能难以识别文本中的长距离关系	提高生物医学命名实体识别的准确性	生物医学文本中的命名实体	自然语言处理	NA	深度学习	Bi-GRU, ResNet, BERT	文本	MACCROBAT数据集
8270	2025-02-05	A deep learning approach for classifying and predicting children's nutritional status in Ethiopia using LSTM-FC neural networks 2025-Jan-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00425-0 PMID:39885567	研究论文	本研究采用LSTM-FC神经网络对埃塞俄比亚儿童营养不良状况进行分类和预测	使用LSTM-FC神经网络对儿童营养不良状况进行分类和预测，并通过SHapley Additive exPlanations进行特征选择，优化模型性能	研究中存在少量过度或低估的情况，且样本仅限于埃塞俄比亚儿童	解决埃塞俄比亚儿童营养不良这一关键公共卫生问题	埃塞俄比亚儿童	机器学习	营养不良	LSTM-FC神经网络	LSTM-FC	纵向数据	1,997名埃塞俄比亚儿童，追踪时间从2002年至2016年
8271	2025-02-05	Automating airborne pollen classification: Identifying and interpreting hard samples for classifiers 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41656 PMID:39897809	研究论文	本文探讨了基于深度学习的空气花粉分类中的挑战，特别是识别和解释对分类器构成困难的样本	通过样本级难度分析，揭示了深度学习算法在花粉分类中面临的主要挑战，包括图像中多个花粉颗粒的共现、2D显微镜图像中特定标记的遮挡以及某些花粉类群缺乏显著独特特征	研究仅基于自动生成的花粉颗粒显微镜图像数据集，可能未涵盖所有实际应用场景	研究目的是识别和解释对深度学习分类器构成困难的空气花粉样本	空气花粉样本	计算机视觉	NA	深度学习	NA	图像	最大的自动生成的花粉颗粒显微镜图像数据集之一
8272	2025-02-05	Deep learning-based prediction of mortality using brain midline shift and clinical information 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41271 PMID:39897887	研究论文	本研究提出了一种基于深度学习的计算机辅助方法，用于检测脑中线移位（MLS），并结合临床信息预测患者的死亡率	提出了一种关键点检测方法，用于在每张CT切片上检测脑中线，获取每张切片的MLS距离和面积，并结合临床信息使用多层感知器（MLP）模型预测患者死亡率	CT切片是二维的，限制了脑中线移位的检测	预测患者的死亡率	脑中线移位（MLS）和临床信息	计算机视觉	脑损伤、中风、脑肿瘤或血肿	深度学习	多层感知器（MLP）	CT图像	NA
8273	2025-02-05	Mining versatile feruloyl esterases: phylogenetic classification, structural features, and deep learning model 2025-Jan-29, Bioresources and bioprocessing IF:4.3Q1 DOI:10.1186/s40643-024-00835-8 PMID:39878830	研究论文	本研究通过系统发育分类、结构特征分析和深度学习模型挖掘多功能阿魏酸酯酶（FEs）	结合系统发育和结构特征与深度学习方法，预测并识别多功能阿魏酸酯酶，扩展了生物催化剂的库	研究中使用的FE序列主要来自BRENDA数据库，可能未涵盖所有已知的FE序列	挖掘多功能阿魏酸酯酶，以扩展生物催化剂的库并探索未开发的酶多样性	阿魏酸酯酶（FEs）	生物信息学	NA	系统发育分析、分子动力学模拟、动态互相关矩阵分析、深度学习模型	深度学习模型	序列数据	2085个FE序列
8274	2025-02-05	A guidance to intelligent metamaterials and metamaterials intelligence 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56122-3 PMID:39880838	review	本文综述了智能超材料与超材料智能领域的最新进展，探讨了人工智能在超材料设计中的应用以及超材料在波基计算中的作用	从统一视角审视智能超材料与超材料智能两个新兴领域的双向互动，提出了人工智能作为电磁模拟器和计算核心的潜力，以及超材料在波基计算中的互补作用	未来挑战包括数据管理、知识迁移和实践导向问题，需要进一步解决以实现电磁空间的自由管理	探讨人工智能与超材料的双向互动，推动智能超材料与超材料智能领域的发展	智能超材料与超材料智能	机器智能与材料科学交叉领域	NA	深度学习	NA	电磁波数据	NA
8275	2025-02-05	Fluo-Cast-Bright: a deep learning pipeline for the non-invasive prediction of chromatin structure and developmental potential in live oocytes 2025-Jan-29, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07568-0 PMID:39880880	研究论文	本文开发了一种深度学习流程，用于非侵入性预测活体小鼠卵母细胞的染色质结构和发育潜力	开发了Fluo-Cast-Bright流程，能够非侵入性地预测活体卵母细胞的染色质状态和发育潜力，准确率分别达到91.3%和85.7%	研究仅限于小鼠卵母细胞，未涉及其他物种或细胞类型	研究目的是开发一种非侵入性方法，用于预测卵母细胞的染色质结构和发育潜力	研究对象为小鼠卵母细胞	数字病理学	NA	深度学习	NA	图像	未明确提及样本数量
8276	2025-02-05	A hybrid deep learning air pollution prediction approach based on neighborhood selection and spatio-temporal attention 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88086-1 PMID:39880913	研究论文	本文提出了一种基于邻域选择和时空注意力的混合深度学习空气污染预测方法	结合KNN算法、时空注意力机制、残差块和ConvLSTM神经网络，提出KSC-ConvLSTM方法，有效解决了数据冗余和长期预测精度下降的问题	NA	准确预测空气污染物浓度，以支持有效的污染预防和控制措施	北京及其周边城市群的PM浓度	机器学习	NA	KNN算法、时空注意力机制、残差块、ConvLSTM神经网络	KSC-ConvLSTM	空气污染物浓度数据	北京及其周边城市群的PM浓度数据
8277	2025-02-05	Deep learning model based prediction of vehicle CO2 emissions with eXplainable AI integration for sustainable environment 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87233-y PMID:39880869	研究论文	本研究提出了一种结合可解释人工智能（XAI）的深度学习方法，用于预测车辆的二氧化碳排放，以促进环境可持续性	结合了可解释人工智能（XAI）方法，特别是SHAP，提高了模型的解释能力，并提供了特征重要性的信息	数据集有限，未来研究可以增加数据集、整合更多污染物、提高可解释性并探索实际应用	预测车辆的二氧化碳排放，设计有效策略以减少车辆排放并促进环境可持续性	车辆的二氧化碳排放	机器学习	NA	深度学习，可解释人工智能（XAI）	多层感知机（MLP），CarbonMLP	车辆属性数据	加拿大政府官方开放数据门户的数据集
8278	2025-02-05	Feasibility of generating sagittal radiographs from coronal views using GAN-based deep learning framework in adolescent idiopathic scoliosis 2025-Jan-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00553-6 PMID:39881022	研究论文	本研究探讨了使用生成对抗网络（GAN）从青少年特发性脊柱侧弯（AIS）患者的冠状面图像生成矢状面X光片的可行性	首次使用GAN从冠状面图像生成矢状面X光片，以减少AIS监测中的辐射暴露	生成的矢状面图像质量不足以用于临床参数评估，除了SVA参数外	探索减少AIS监测中辐射暴露的方法	青少年特发性脊柱侧弯（AIS）患者	计算机视觉	脊柱侧弯	生成对抗网络（GAN）	GAN	图像	3,935名AIS患者
8279	2025-02-05	3D-AttenNet model can predict clinically significant prostate cancer in PI-RADS category 3 patients: a retrospective multicenter study 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01896-1 PMID:39881076	研究论文	本研究开发了一种基于深度学习的3D-AttenNet模型，用于预测PI-RADS类别3患者中的临床显著性前列腺癌（csPCa），以减少不必要的侵入性活检	该研究首次将双通道注意力模块应用于MRI图像，构建了AttenNet模型，用于预测PI-RADS类别3患者中的前列腺癌和临床显著性前列腺癌	研究为回顾性研究，且样本量有限，未来需要更大规模的前瞻性研究验证模型的泛化能力	开发深度学习模型，重新分层PI-RADS类别3患者的风险，以减少不必要的侵入性活检	PI-RADS类别3患者	数字病理学	前列腺癌	双通道注意力模块	AttenNet	MRI图像	1567名男性患者的双参数MRI图像，其中238张PI-RADS 3图像用于训练，185张PI-RADS 3图像用于测试
8280	2025-02-05	Deep learning reconstruction of zero-echo time sequences to improve visualization of osseous structures and associated pathologies in MRI of cervical spine 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01902-0 PMID:39881081	研究论文	本研究探讨了基于深度学习的零回波时间序列重建（ZTE-DL）在颈椎MRI中提高图像质量和骨骼可视化的效果，并评估了ZTE-DL序列在标准颈椎MRI中的附加价值	首次将深度学习技术应用于零回波时间序列的重建，显著提升了图像质量和骨骼结构的可视化效果	研究为回顾性研究，样本量较小（52例），且仅在1.5-Tesla扫描仪上进行	评估ZTE-DL序列在颈椎MRI中的图像质量和骨骼可视化效果，并探讨其在病理评估中的附加价值	颈椎MRI图像	医学影像	颈椎疾病	零回波时间序列（ZTE）和深度学习重建（ZTE-DL）	深度学习	MRI图像	52例患者