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
8461	2025-03-25	Experimental wavefront sensing techniques based on deep learning models using a Hartmann-Shack sensor for visual optics applications 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80615-8 PMID:40113787	研究论文	本文提出了一种基于改进ResNet卷积神经网络的新方法，用于增强Hartmann-Shack波前传感器的性能，以提高视觉光学中的波前传感能力	使用改进的ResNet CNN模型显著提高了波前像差重建速度和动态范围，相比传统方法分别提升了300%至400%和315.6%	实验数据集是在自定义的单目视觉模拟器上生成的，可能无法完全代表真实世界的复杂情况	提高视觉光学系统中波前传感的精度、动态范围和处理速度	Hartmann-Shack波前传感器(HSS)及其在视觉光学中的应用	计算机视觉	NA	深度学习	改进的ResNet CNN	图像	实验数据集包括无噪声和添加散斑噪声的图像
8462	2025-03-25	Music genre classification with parallel convolutional neural networks and capuchin search algorithm 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90619-7 PMID:40113866	research paper	提出了一种结合并行卷积神经网络和卷尾猴搜索算法的音乐流派分类新方法	结合离散小波变换、梅尔频率倒谱系数和短时傅里叶变换特征，利用卷尾猴搜索算法优化CNN超参数，提高了分类准确率	NA	开发一个强大的音乐分类器，快速分类未标记音乐，提升用户媒体播放器和音乐文件的体验	音乐流派分类	machine learning	NA	DWT, MFCC, STFT	CNN	audio	GTZAN和Extended-Ballroom数据集
8463	2025-03-25	Detection of hydrophobicity grade of insulators based on AHC-YOLO algorithm 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92696-0 PMID:40113932	研究论文	提出一种基于AHC-YOLO算法的复合绝缘子疏水性等级检测方法	结合高性能GPU网络HGNetv2、混合局部通道注意力机制MLCA、轻量级卷积CSPPC和Inner-WIoU损失函数，显著降低网络负担并提高识别精度	未提及算法在极端环境或不同光照条件下的性能表现	提高复合绝缘子疏水性等级检测的效率和准确性	复合绝缘子	计算机视觉	NA	深度学习	YOLO	图像	NA
8464	2025-03-25	A high performance hybrid LSTM CNN secure architecture for IoT environments using deep learning 2025-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94500-5 PMID:40114016	研究论文	提出了一种高性能的LSTM-CNN混合安全架构，用于优化物联网环境中的实时入侵检测	结合LSTM层学习时间依赖性和CNN层分解空间特征，提高了威胁识别的效率	未提及具体在哪些物联网设备或场景中进行了测试	优化物联网环境中的实时入侵检测，提高安全性	物联网环境中的网络入侵行为	机器学习	NA	深度学习	LSTM-CNN混合模型	网络流量数据	BoT-IoT数据集，包含DDoS、僵尸网络、侦察和数据泄露等多种网络攻击类型
8465	2025-03-25	TPNET: A time-sensitive small sample multimodal network for cardiotoxicity risk prediction 2025-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3552819 PMID:40106240	research paper	该研究开发了一个名为TPNET的时间敏感小样本多模态网络，用于预测癌症治疗相关心功能障碍（CTRCD）的风险	结合组织多普勒成像（TDI）特征与深度学习技术，开发了TPNET模型，用于预测CTRCD，并通过集成梯度（IG）归因分析识别关键致病标志	样本量较小（270名患者），且仅针对乳腺癌患者	预测癌症治疗相关心功能障碍（CTRCD）的风险	乳腺癌患者	digital pathology	cardiovascular disease	TDI, deep learning	TPNET	multimodal data (TDI, function, clinical data)	270名患者
8466	2025-03-25	Protein Language Pragmatic Analysis and Progressive Transfer Learning for Profiling Peptide-Protein Interactions 2025-Mar-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3540291 PMID:40100664	研究论文	提出了一种可解释的深度学习模型IIDL-PepPI，用于分析肽-蛋白质相互作用	采用双向注意力模块表示肽和蛋白质的上下文信息，并利用渐进式迁移学习框架同时预测肽-蛋白质相互作用和识别结合残基	未提及具体的数据集规模或模型计算资源需求	开发深度学习模型以分析肽-蛋白质相互作用，推动基于人工智能的肽药物发现和蛋白质功能阐明	肽和蛋白质序列及其相互作用	机器学习	NA	深度学习	IIDL-PepPI（基于双向注意力机制和迁移学习的深度学习模型）	蛋白质序列数据	NA
8467	2025-03-25	A novel self-supervised graph clustering method with reliable semi-supervision 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107418 PMID:40120553	research paper	提出了一种基于可靠半监督的新型自监督图聚类方法（SSGC-RSS），用于解决图数据中的噪声和稀疏性问题	模型通过上游的双解码器图自编码器与联合聚类优化，以及下游基于高可靠性样本的半监督图注意力编码网络，创新性地解决了噪声和稀疏性问题	未明确提及具体局限性，但可能涉及对特定图数据类型的适应性或计算复杂度	提升复杂图数据聚类任务的性能	图数据	machine learning	NA	自监督学习、半监督学习	双解码器图自编码器、图注意力编码网络	图数据	在Cora、Citeseer和Pubmed等多个图数据集上进行了实验
8468	2025-03-25	Deformation-invariant neural network and its applications in distorted image restoration and analysis 2025-Mar-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107378 PMID:40121786	研究论文	提出了一种变形不变神经网络（DINN）框架，用于处理几何失真图像的恢复和分析问题	引入了拟共形变换网络（QCTN）作为DINN的核心组件，能够输出拟共形映射以改善几何失真图像	未提及具体的数据集规模或在不同类型几何失真上的泛化能力	解决几何失真图像的成像任务问题	几何失真图像	计算机视觉	NA	拟共形映射	DINN（包含QCTN组件）	图像	NA
8469	2025-03-25	Contactless Intelligent Anti-interference Lung Nodule Detection Method for Early Disease Detection 2025-Mar-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550199 PMID:40067715	研究论文	提出了一种基于人工智能的抗干扰肺结节检测方法Yolov8-AH，用于在干扰条件下提高肺CT图像中肺结节检测的准确性	结合了自适应门控稀疏注意力(AGSA)和哈尔小波下采样(HWD)模块的Yolov8模型，显著提高了在干扰条件下的检测准确率	未提及模型在临床实际应用中的验证情况	提高在干扰条件下肺CT图像中肺结节检测的准确性	肺CT图像中的肺结节	计算机视觉	肺癌	CT扫描	Yolov8-AH (基于Yolov8结合AGSA和HWD模块)	医学图像(CT)	NA
8470	2025-03-25	Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging 2025-Mar-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550394 PMID:40067716	research paper	提出了一种新型深度学习框架，利用3D光学相干断层扫描（OCT）成像进行自动青光眼检测	结合预训练的Vision Transformer和双向门控循环单元（GRU），全面分析局部细节和全局结构完整性	NA	提高青光眼的自动检测准确率，增强临床决策支持系统	青光眼患者的3D OCT成像数据	digital pathology	glaucoma	3D Optical Coherence Tomography (OCT)	Vision Transformer, bidirectional Gated Recurrent Unit (GRU)	3D image	大规模数据集（具体数量未提及）
8471	2025-03-25	SENSITIVITY BASED MODEL AGNOSTIC SCALABLE EXPLANATIONS OF DEEP LEARNING 2025-Mar-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.21.639516 PMID:40093081	research paper	该论文提出了一种模型无关的可解释AI框架SensX，用于解释深度学习模型的决策机制，并在准确性和计算效率上优于现有技术	SensX框架在解释性AI领域实现了更高的准确性和计算效率，能够处理超过15万个特征的大规模模型，并揭示了模型中的偏差	未明确提及具体局限性，但可能在大规模应用中仍存在计算资源需求	开发一种能够解释深度学习模型决策机制的通用框架，以支持科学假设发展和模型验证	深度学习模型（特别是视觉变换器ViT）和单细胞RNA-seq数据	machine learning	NA	single-cell RNA-seq	DNN, ViT	gene expression data, image	NA
8472	2025-03-25	3D full-dose brain-PET volume recovery from low-dose data through deep learning: quantitative assessment and clinical evaluation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11225-1 PMID:39609283	research paper	提出一种深度学习方法来从低剂量PET数据中恢复全剂量PET体积，以降低放射性示踪剂剂量同时保持诊断质量	提出了一种名为空间感知噪声减少网络（SANR）的3D深度学习方法，用于从低剂量PET数据中恢复全剂量PET体积	研究为回顾性研究，且样本量相对有限（456名参与者）	降低PET成像中的放射性示踪剂剂量，同时保持诊断质量	低剂量PET成像数据	digital pathology	Alzheimer's disease	deep learning	SANR (spatially aware noise reduction network)	3D PET volumes	456名参与者，使用三种不同的PET扫描仪和两种不同的示踪剂进行扫描
8473	2025-03-25	Deep learning models reveal the link between dynamic brain connectivity patterns and states of consciousness 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76695-1 PMID:39738114	研究论文	该研究利用深度学习模型探索动态脑功能连接模式与意识状态之间的关系	使用低维变分自编码器(VAE)研究脑动力学，扩展了潜在空间表征和建模方法，并提出了可解释的脑计算模型	未明确说明样本量或数据收集的具体限制	解码脑活动中的意识状态，研究动态脑功能连接与意识的关系	人脑动态功能连接模式	神经科学	意识障碍	静息态fMRI，变分自编码器(VAE)	VAE	fMRI图像数据	NA
8474	2025-03-25	Deep learning radiomics on grayscale ultrasound images assists in diagnosing benign and malignant of BI-RADS 4 lesions 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83347-x PMID:39733121	研究论文	本研究探索了一种基于灰度超声图像的深度学习放射组学（DLR）模型，用于辅助放射科医生区分乳腺良性病变（BBL）和恶性病变（MBL）	提出了一个名为CLDLR的模型，结合临床参数和DLR，通过灰度超声图像诊断乳腺病变，并通过AI评分和热图提升放射科医生的诊断性能	研究样本量相对较小（382例患者），且未提及模型在其他数据集上的泛化能力	开发一种非侵入性影像生物标志物，用于预测BI-RADS 4类乳腺病变的良恶性	乳腺病变患者（183例良性，199例恶性）	数字病理	乳腺癌	深度学习放射组学（DLR）	CLDLR（结合临床参数和DLR的模型）	灰度超声图像	382例患者（183例良性，199例恶性）
8475	2025-03-25	Development and Validation of a Biparametric MRI Deep Learning Radiomics Model with Clinical Characteristics for Predicting Perineural Invasion in Patients with Prostate Cancer 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.013 PMID:39043515	研究论文	开发并验证了一种结合双参数MRI深度学习和临床特征的模型，用于预测前列腺癌患者的神经周围侵犯	整合了临床特征、放射组学和深度学习特征，构建了一个综合预测模型DLRC	研究样本量有限，且仅基于术前MRI和根治性前列腺切除术的数据	非侵入性预测前列腺癌患者的神经周围侵犯(PNI)	557名接受术前MRI和根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	双参数MRI	深度学习放射组学模型(DLRC)	MRI图像和临床数据	557名患者，按7:3比例分为训练集和验证集
8476	2025-03-25	Gated SPECT-Derived Myocardial Strain Estimated From Deep-Learning Image Translation Validated From N-13 Ammonia PET 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.047 PMID:39095261	研究论文	本研究探讨了使用深度学习生成的虚拟PET样门控SPECT（SPECTVP）评估心肌应变的可行性，以克服传统SPECT的限制	利用深度学习技术将SPECT图像转换为PET样图像（SPECTVP），提高了心肌应变测量的准确性	研究样本量较小（18名患者在应激状态，23名患者在静息状态），且仅选择了射血分数无变化的患者进行训练	提高心肌应变测量的准确性，探索SPECTVP在临床中的应用价值	心肌应变	数字病理学	心血管疾病	深度学习图像转换	深度学习模型	医学图像（SPECT和PET）	18名患者在应激状态（720对图像），23名患者在静息状态（920对图像）
8477	2025-03-25	Preoperative Contrast-Enhanced CT-Based Deep Learning Radiomics Model for Distinguishing Retroperitoneal Lipomas and Well‑Differentiated Liposarcomas 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.035 PMID:39003228	research paper	评估基于术前增强CT的深度学习放射组学列线图在区分腹膜后高分化脂肪肉瘤和脂肪瘤中的效能	结合放射组学和深度学习特征开发的新型列线图模型，用于术前预测MDM2基因扩增，以区分两种疾病	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限	开发术前影像学生物标志物以区分腹膜后高分化脂肪肉瘤和脂肪瘤	167例MDM2阳性高分化脂肪肉瘤或MDM2阴性脂肪瘤患者	digital pathology	liposarcoma	contrast-enhanced CT (CECT)	deep learning radiomics nomogram (DLRN)	medical imaging	167例患者（训练集104例/外部测试集63例）
8478	2025-03-25	Predicting the Prognosis of HIFU Ablation of Uterine Fibroids Using a Deep Learning-Based 3D Super-Resolution DWI Radiomics Model: A Multicenter Study 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.027 PMID:38969576	研究论文	评估基于深度学习的3D超分辨率扩散加权成像放射组学模型在预测高强度聚焦超声消融子宫肌瘤预后中的可行性和有效性	使用深度学习构建超分辨率DWI，并在预测HIFU消融子宫肌瘤预后方面优于高分辨率DWI模型和放射科专家评估	回顾性研究设计，样本量相对有限（360例患者）	预测高强度聚焦超声（HIFU）消融子宫肌瘤的预后	子宫肌瘤患者	数字病理	子宫肌瘤	扩散加权成像（DWI），深度学习	SVM, RF, LightGBM	3D医学影像	360例患者（240例训练集，60例内部测试集，60例外部测试集）
8479	2025-03-25	DeepSAP: A Novel Brain Image-Based Deep Learning Model for Predicting Stroke-Associated Pneumonia From Spontaneous Intracerebral Hemorrhage 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.025 PMID:38955592	research paper	开发了一种基于脑部CT扫描的深度学习模型DeepSAP，用于预测自发性脑出血后的卒中相关性肺炎	首次结合脑部CT图像和临床数据，通过MRI模板进行图像配准消除样本间结构差异，实现了脑出血的统计量化和空间标准化	研究为回顾性研究，样本量相对较小(n=244)，需要进一步前瞻性验证	开发快速可靠的模型及时预测卒中相关性肺炎(SAP)	244例自发性脑出血(ICH)患者	digital pathology	cardiovascular disease	CT扫描，MRI-template-based图像配准技术	deep-learning neural network	image (脑部CT扫描)和临床数据	244例ICH患者(训练集170例，测试集74例)
8480	2025-03-25	Prospective Deployment of Deep Learning Reconstruction Facilitates Highly Accelerated Upper Abdominal MRI 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.044 PMID:38955591	研究论文	比较传统T1容积插值屏气检查（VIBE）与深度学习（DL）重建加速VIBE序列在上腹部MRI中的图像质量和诊断信心	使用深度学习重建技术将VIBE-SPAIR的屏气时间减少50%，同时提高图像质量	研究样本量较小（45例患者），且仅在单一三级中心进行	评估深度学习重建加速VIBE序列在上腹部MRI中的性能	上腹部MRI检查的患者	医学影像	上腹部疾病	深度学习重建技术	DL	MRI图像	45例患者