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
861	2025-05-01	Time Series Remote Sensing Image Classification with a Data-Driven Active Deep Learning Approach 2025-Mar-10, Sensors (Basel, Switzerland) DOI:10.3390/s25061718 PMID:40292845	research paper	提出了一种数据驱动的主动深度学习框架，用于时间序列遥感图像分类，以解决标记样本有限的问题	结合主动学习和深度学习，设计了一种考虑代表性和不确定性的时间序列样本选择方法，并定义了一个新的损失函数以提高模型性能	需要进一步验证该方法在不同类型的时间序列遥感图像数据集上的泛化能力	解决时间序列遥感图像分类中标记样本有限的问题	时间序列遥感图像	computer vision	NA	active learning, deep learning	deep network	time series remote sensing images	两个TSRSI数据集（MUDS和DynamicEarthNet）
862	2025-05-01	A Deep Transfer Learning-Based Visual Inspection System for Assembly Defects in Similar Types of Manual Tool Products 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061645 PMID:40292690	research paper	本研究介绍了一种基于深度迁移学习的手动工具装配缺陷视觉检测系统，专注于在类似类型的工具中检测和分类缺陷	使用预训练的AlexNet架构进行迁移学习，有效减少新模型所需的样本量和微调时间，同时在多个装配站上实现了高准确率和效率提升	研究仅针对特定类型的手动工具（如活动头棘轮扳手），可能不适用于其他类型的工具或产品	开发一种高效的视觉检测系统，用于手动工具装配过程中的缺陷检测和分类	活动头棘轮扳手等类似类型的手动工具	computer vision	NA	deep transfer learning	R-CNN, AlexNet	image	实验在三个装配站进行，样本量减少40%时仍保持高准确率
863	2025-05-01	Classification of Mycena and Marasmius Species Using Deep Learning Models: An Ecological and Taxonomic Approach 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061642 PMID:40292694	研究论文	本研究开发了一种基于深度学习的框架，用于分类Mycena和Marasmius属的七种大型真菌物种，利用其独特的生态和形态特征	首次将自组织映射(SOM)应用于真菌分类，并结合CNN和Kolmogorov-Arnold Network(KAN)层以提高分类性能	未来工作将集中于优化KAN架构并扩展数据集以包含更多真菌类别	推进真菌分类学并增强生态理解	Mycena和Marasmius属的七种大型真菌物种	计算机视觉	NA	深度学习	CNN, SOM, KAN, MaxViT-S, ResNetV2-50	图像	七种大型真菌物种
864	2025-05-01	Deep Learning Ensemble Approach for Predicting Expected and Confidence Levels of Signal Phase and Timing Information at Actuated Traffic Signals 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061664 PMID:40292747	研究论文	本研究提出了一种基于transformer编码器的深度学习集成方法，用于预测交通信号灯的信号相位与时间（SPaT）信息及其置信水平	结合transformer编码器与多种深度学习方法（MLP、LSTM、CNNLSTM）构建集成预测器，显著提升了预测性能	研究仅针对弗吉尼亚州Gallows Road走廊的六个交叉路口，可能缺乏对其他地区交通模式的普适性	提升绿灯最优速度建议（GLOSA）和生态协同自适应巡航控制（Eco-CACC）系统的性能	交通信号控制器获取的SPaT信息	机器学习	NA	深度学习集成方法	Transformer编码器、MLP、LSTM、CNNLSTM	交通信号时序数据	弗吉尼亚州Gallows Road走廊六个交叉路口的交通信号数据
865	2025-05-01	Design and Implementation of ESP32-Based Edge Computing for Object Detection 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061656 PMID:40292726	研究论文	本文探讨了ESP32微控制器在边缘计算中的应用，设计并实现了一个边缘服务器系统，以评估通过集成边缘和云计算所实现的性能改进	通过集成AI和IoT技术，设计了一个边缘服务器和对象识别系统，展示了本地化边缘处理在提高效率和减少云依赖方面的优势	讨论了系统的优势和局限性，并提出了潜在的改进和未来应用	减少云计算的负担和延迟，提高边缘计算的效率	ESP32微控制器和边缘服务器系统	边缘计算	NA	深度学习模型	NA	图像	NA
866	2025-05-01	Three-Dimensional Point Cloud Applications, Datasets, and Compression Methodologies for Remote Sensing: A Meta-Survey 2025-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s25061660 PMID:40292730	meta-survey	本文全面综述了3D点云在遥感中的应用、可用数据集及点云压缩方法	综合了先前综述和原创研究的见解，识别新兴趋势、挑战和机遇	NA	推进点云在遥感中的应用	3D点云在遥感中的应用、数据集和压缩技术	遥感	NA	点云压缩技术，包括基于树和投影的方法及基于深度学习的技术	DL-based technologies	3D点云数据	NA
867	2025-05-01	Reconstruction of diploid higher-order human 3D genome interactions from noisy Pore-C data using Dip3D 2025-Mar-04, Nature structural & molecular biology IF:12.5Q1 DOI:10.1038/s41594-025-01512-w PMID:40038455	research paper	提出了一种名为Dip3D的流程，用于从嘈杂的Pore-C数据中重建二倍体高阶人类3D基因组相互作用	利用深度学习模型Clair3改进SNV调用，开发了渐进式单倍型插补策略，显著提高了单倍型信息Pore-C接触率	未明确提及研究的局限性	重建二倍体高阶3D基因组相互作用，并理解其与等位基因特异性表达的关系	人类二倍体高阶染色质相互作用	基因组学	NA	Pore-C, 单核苷酸变异(SNV)调用	Clair3	基因组数据	HG001细胞系
868	2025-05-01	Converting dose-area product to effective dose in dental cone-beam computed tomography using organ-specific deep learning 2025-03-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae067 PMID:39607772	研究论文	开发了一种使用深度学习将剂量面积乘积（DAP）转换为患者剂量的准确方法，用于牙科锥形束计算机断层扫描（CBCT）	利用深度学习模型（神经网络）来准确估计牙科CBCT中的患者剂量，相比传统的多元线性回归模型和直接转换系数，显著提高了准确性	研究仅基于成人体模的模拟数据，未涉及真实患者数据	开发一种准确的方法，用于牙科CBCT中从DAP到患者剂量的转换	牙科锥形束计算机断层扫描（CBCT）中的剂量转换	数字病理	NA	深度学习，PCXMC 2.0模拟	神经网络（NN）	模拟数据	24,384次CBCT曝光模拟
869	2025-05-01	ESI-GAL: EEG source imaging-based trajectory estimation for grasp and lift task 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109608 PMID:39733553	研究论文	本研究利用脑电图（EEG）信号预测三维手部运动轨迹，探索了基于EEG源成像的运动学预测	首次探索了基于EEG源成像（ESI）的运动学预测方法，并提出了深度学习方法用于运动学解码	研究仅针对抓取和举升任务，未验证其他运动任务的适用性	开发基于脑机接口（BCI）系统的运动学预测方法，用于外骨骼、假肢和康复设备	手部运动轨迹	脑机接口	NA	EEG信号处理	rEEGNet	EEG信号	公开数据集WAY-EEG-GAL
870	2025-05-01	TD-STrans: Tri-domain sparse-view CT reconstruction based on sparse transformer 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108575 PMID:39733746	research paper	提出了一种基于稀疏变换器的三域稀疏视图CT重建模型（TD-STrans），用于解决稀疏视图CT重建中的过平滑问题	将频域信息引入投影-图像域重建，提出三域联合重建模型，通过多域联合损失函数提升重建质量	未提及模型在临床实际应用中的验证情况	提升稀疏视图CT重建质量，减少过平滑和伪影	稀疏视图CT图像	digital pathology	NA	sparse-view CT	Sparse Transformer	CT图像	淋巴结数据集（模拟实验）和核桃数据集（真实实验）
871	2025-05-01	Artificial intelligence in in-vitro fertilization (IVF): A new era of precision and personalization in fertility treatments 2025-Mar, Journal of gynecology obstetrics and human reproduction IF:1.7Q3 DOI:10.1016/j.jogoh.2024.102903 PMID:39733809	综述	本文探讨了人工智能（AI）、机器学习（ML）和深度学习（DL）在体外受精（IVF）过程中各个阶段的潜在应用	AI驱动的工具可以分析大量数据集，预测最佳刺激方案，提高卵母细胞质量和受精率，并在精子、卵母细胞质量评估和胚胎选择中提供精确、客观的分析	AI在改善临床结果方面的作用尚需通过大规模、设计良好的临床试验来确认	探索AI在提高IVF成功率方面的潜力	体外受精（IVF）过程中的卵巢刺激方案、配子选择、胚胎注释和选择	医疗AI	不孕不育	AI、ML、DL	NA	图像、形态学数据、时间序列成像	NA
872	2025-05-01	Towards safe and reliable deep learning for lung nodule malignancy estimation using out-of-distribution detection 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109633 PMID:39736253	研究论文	本研究提出了一种基于马氏距离的OOD检测方法，用于提高深度学习模型在肺结节恶性风险评估中的安全性和可靠性	提出了一种新的OOD检测方法，利用马氏距离来检测与训练数据分布不同的未见数据，并在肺结节恶性风险评估中验证了其有效性	研究中未发现OOD评分增加导致DL模型性能下降的情况，这可能限制了方法在更广泛场景下的适用性	提高AI模型在临床应用中处理分布外数据的安全性和可靠性	肺结节的恶性风险评估	计算机视觉	肺癌	深度学习	DL	CT图像	四个已知会降低AI模型性能的数据集
873	2025-05-01	Deep Learning-Based Ion Channel Kinetics Analysis for Automated Patch Clamp Recording 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404166 PMID:39737527	研究论文	本研究提出了一种基于深度学习的人工智能框架，用于分析全细胞记录的多种离子通道动力学	首次将人工智能框架应用于离子通道动力学分析，结合了异常检测和多类分类技术	NA	提高电生理研究中离子通道动力学分析的效率和准确性	全细胞记录的离子通道动力学	机器学习	阿尔茨海默病, 帕金森病	膜片钳技术	1D CNN, 双向LSTM, 注意力机制	电生理记录数据	124个测试数据集
874	2025-05-01	Integration of Optical Coherence Tomography Images and Real-Life Clinical Data for Deep Learning Modeling: A Unified Approach in Prognostication of Diabetic Macular Edema 2025-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400315 PMID:39737652	研究论文	该研究提出了一种新颖的深度学习框架，用于评估TREX抗VEGF玻璃体内注射治疗方案的视觉结果，结合了OCT图像和患者的临床数据	提出了一种统一的深度学习方法，整合了OCT图像和患者的临床、实验室及人口统计学信息，用于预测糖尿病性黄斑水肿的治疗效果	研究中使用的ResNet-18网络可能不是最优选择，且未提及对其他深度学习模型的比较	评估糖尿病性黄斑水肿患者的治疗效果，提高预后预测的准确性	糖尿病性黄斑水肿患者	数字病理学	糖尿病性黄斑水肿	OCT成像	ResNet-18	图像和临床数据	NA
875	2025-05-01	Automatic segmentation of cardiac structures can change the way we evaluate dose limits for radiotherapy in the left breast 2025-Mar, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.101844 PMID:39740303	研究论文	本研究探讨了自动分割技术在左乳腺癌放射治疗中对心脏结构剂量评估的影响	使用自动分割工具（如TotalSegmentator和Limbus AI）替代传统手动描绘，评估心脏亚结构的剂量分布并建立相关模型	研究中未提及样本量大小，可能影响结果的普遍性	评估自动分割心脏亚结构的剂量分布，并建立与心脏区域剂量的相关性模型	左乳腺癌放射治疗中的心脏结构	数字病理学	乳腺癌	自动分割技术（TotalSegmentator和Limbus AI）	对数线性回归模型	医学影像数据	NA
876	2025-05-01	Enhancing lesion detection in liver and kidney CT scans via lesion mask selection from two models: A main model and a model focused on small lesions 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109602 PMID:39740509	研究论文	提出一种选择性集成方法，通过使用两个模型的预测结果来选择最佳病灶掩膜，以提高肝脏和肾脏CT扫描中病灶的检测和分割准确性	采用基于UNet架构的两个模型（一个针对所有大小病灶，另一个专门针对小病灶）进行选择性集成，通过提取强度特征并对比周围组织特征来选择最佳掩膜	仅在三个公开数据集上进行了测试，未涉及更多临床数据验证	提高肝脏和肾脏CT扫描中病灶的自动检测和分割准确性	肝脏和肾脏CT扫描中的病灶	数字病理	肝癌、肾癌	CT扫描	UNet with ConvNext	医学影像	三个公开数据集（KiTS、LiTS等）
877	2025-05-01	Preserving privacy in healthcare: A systematic review of deep learning approaches for synthetic data generation 2025-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108571 PMID:39742693	系统综述	本文系统回顾了医疗保健领域中用于合成数据生成的深度学习方法，重点关注其在保持数据效用和增强隐私方面的能力	探讨了生成对抗网络（GANs）、变分自编码器（VAEs）和扩散模型等深度学习方法在合成数据生成中的应用，并特别关注了差分隐私和联邦学习等隐私增强方法	在保持时间相关性、减少偏见以及符合监管框架方面仍存在挑战，尤其是对于纵向和高维数据	评估医疗保健领域中合成数据生成的深度学习方法，以促进隐私保护的数据共享	医疗保健数据，包括表格数据、信号数据、图像数据和多模态数据	机器学习	NA	GANs, VAEs, 扩散模型, 差分隐私, 联邦学习	GAN, VAE, 扩散模型	表格数据、信号数据、图像数据、多模态数据	NA
878	2025-05-01	MRI-derived radiomics and end-to-end deep learning models for predicting glioma ATRX status: a systematic review and meta-analysis of diagnostic test accuracy studies 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110386 PMID:39742798	meta-analysis	本文通过系统综述和荟萃分析评估了MRI衍生的放射组学和端到端深度学习模型在预测神经胶质瘤ATRX状态中的诊断准确性	首次系统评估放射组学和深度学习模型在预测神经胶质瘤ATRX状态中的诊断性能，并进行了全面的质量评估和异质性分析	纳入研究数量有限（17项系统综述，11项荟萃分析），可能存在发表偏倚	评估MRI放射组学和深度学习模型预测神经胶质瘤ATRX状态的诊断准确性	神经胶质瘤患者的MRI影像数据	数字病理学	神经胶质瘤	MRI影像分析	端到端深度学习模型	医学影像	17项研究（系统综述），11项研究（荟萃分析）
879	2025-05-01	Predicting lymph node metastasis in thyroid cancer: systematic review and meta-analysis on the CT/MRI-based radiomics and deep learning models 2025-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110392 PMID:39742800	meta-analysis	本文通过系统回顾和荟萃分析评估了基于CT/MRI的放射组学和深度学习模型在预测甲状腺癌淋巴结转移中的表现	首次系统评估和比较了放射组学和深度学习模型在甲状腺癌淋巴结转移预测中的诊断准确性	研究存在异质性，且需要进一步研究来优化这些影像工具	评估CT/MRI为基础的放射组学和深度学习模型在术前预测甲状腺癌淋巴结转移的准确性	甲状腺癌患者的CT/MRI影像数据	digital pathology	thyroid cancer	CT/MRI-based radiomics	DL models	medical imaging	16项研究的数据
880	2025-05-01	MrSeNet: Electrocardiogram signal denoising based on multi-resolution residual attention network 2025 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153858 PMID:39742813	research paper	该研究提出了一种基于多分辨率残差注意力网络的ECG信号去噪方法MrSeNet	提出了一种端到端的多分辨率深度学习网络，结合注意力机制和挤压-激励模块，用于ECG信号的有效去噪	未提及具体局限性	减少ECG信号中的噪声，提高信号质量	ECG信号	machine learning	心血管疾病	深度学习	多分辨率残差注意力网络(MrSeNet)	ECG信号数据	CPSC2018数据库和MIT-BIH数据库