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
9441	2025-01-07	hvEEGNet: a novel deep learning model for high-fidelity EEG reconstruction 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1459970 PMID:39759760	研究论文	本文提出了一种名为hvEEGNet的新型深度学习模型，用于高保真度的多通道脑电图（EEG）时间序列重建	提出了一种新的深度学习模型hvEEGNet，采用分层变分自编码器结构，并设计了新的损失函数，能够在短时间内高保真地重建多通道EEG数据	研究仅基于一个包含9名受试者的22通道EEG数据集进行测试，样本量较小，且未探讨模型在其他类型EEG数据上的泛化能力	旨在解决多通道EEG时间序列高保真重建的挑战，为分类、异常检测、自动标注和脑机接口等应用提供支持	多通道脑电图（EEG）时间序列	机器学习	NA	深度学习	分层变分自编码器（hierarchical variational autoencoder）	时间序列数据	9名受试者的22通道EEG数据
9442	2025-01-07	Application of a Novel Multimodal-Based Deep Learning Model for the Prediction of Papillary Thyroid Carcinoma Recurrence 2024, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S486189 PMID:39759893	研究论文	本研究开发了一种新型多模态深度学习模型，用于预测甲状腺乳头状癌（PTC）术后复发	同时分析数值和时间序列数据，采用加权二元交叉熵处理不平衡数据，模型在预测PTC复发方面表现出色	样本中复发患者数量较少（63例），可能影响模型的泛化能力	提高甲状腺乳头状癌术后复发的预测准确性	接受甲状腺切除术的甲状腺乳头状癌患者	机器学习	甲状腺癌	深度学习	多模态深度学习模型	数值数据（临床信息）和时间序列数据（术后甲状腺功能测试结果）	1613例接受甲状腺切除术的患者（1550例非复发，63例复发）
9443	2025-01-07	Ultrafast Cardiac Imaging Using Deep Learning for Speckle-Tracking Echocardiography 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3326377 PMID:37862280	研究论文	本文探讨了使用深度学习进行超快速心脏成像的方法，特别是针对斑点追踪超声心动图	本文创新性地将复杂加权卷积神经网络（CNN）用于图像重建，并结合先进的斑点追踪方法，评估了在保持心脏运动追踪能力的同时实现高质量图像重建的可行性	虽然本文在模拟和实验数据上展示了良好的性能，但在实际临床环境中的应用仍需进一步验证	研究目的是开发一种能够在超快速超声成像中同时实现高质量图像重建和心脏运动追踪的深度学习方法	心脏成像，特别是斑点追踪超声心动图	计算机视觉	心血管疾病	深度学习，斑点追踪超声心动图	CNN	图像	模拟数据、体外实验数据（旋转盘模型）和体内数据集
9444	2025-01-07	Review of Deep Learning Approaches for Interleaved Photoacoustic and Ultrasound (PAUS) Imaging 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3329119 PMID:37910419	综述	本文综述了深度学习在光声和超声（PAUS）成像中的应用背景和现状	探讨了深度学习如何克服当前PAUS成像系统的技术限制，并识别了将PAUS技术稳健转化为临床应用的挑战和机遇	使用传统有限视角和带宽传感器无法提供高质量的光声源图，尤其是血管结构	总结深度学习在PAUS成像中的应用，并探讨其临床转化的潜力	光声和超声（PAUS）成像技术	医学影像	NA	深度学习	NA	图像	NA
9445	2025-01-07	Lung tumor segmentation in 4D CT images using motion convolutional neural networks 2021-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.15204 PMID:34469001	研究论文	本文提出了一种基于深度学习的框架，用于快速准确地在4D CT图像集上分割肺部肿瘤	该框架结合了全局和局部运动估计网络架构，能够学习肿瘤运动引起的主要和次要变化，并在掩码头网络中引入了自注意力策略以去除可能影响分割性能的噪声特征	NA	提高肺部肿瘤在4D CT图像上的分割准确性和效率	肺部肿瘤	计算机视觉	肺癌	深度学习	运动区域卷积神经网络（R-CNN）	4D CT图像	20个4D CT数据集（每个包含10个呼吸阶段，共200个3D图像体积）和40个患者的4D CT数据集
9446	2025-01-07	Automated delineation of head and neck organs at risk using synthetic MRI-aided mask scoring regional convolutional neural network 2021-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.15146 PMID:34342878	研究论文	本研究开发了一种基于深度学习的自动化器官风险区域（OAR）分割方法，旨在解决当前自动分割算法在实现可靠专家性能方面的挑战	利用CT和合成MRI的互补对比度，结合掩码评分区域卷积神经网络（Mask Scoring R-CNN），提高了OAR分割的准确性	研究主要依赖于内部和公共数据集，可能在其他数据集上的泛化能力有待验证	开发一种自动化OAR分割方法，以提高头颈部放疗治疗计划中的器官分割准确性	头颈部癌症患者的CT扫描图像	计算机视觉	头颈部癌症	CT和MRI成像技术	Mask Scoring R-CNN	图像	内部数据集和公共数据集中的头颈部癌症患者CT扫描
9447	2025-01-07	Male pelvic multi-organ segmentation on transrectal ultrasound using anchor-free mask CNN 2021-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14895 PMID:33894057	研究论文	本文开发了一种基于深度学习的男性盆腔多器官分割方法，用于经直肠超声图像	提出了一种无锚点的掩码卷积神经网络（CNN），结合空间注意力策略，能够捕捉多个器官的空间相关性	研究仅基于83名前列腺癌患者的回顾性数据，样本量相对较小	开发一种用于前列腺近距离放射治疗中多器官分割的自动化方法	前列腺、膀胱、直肠和尿道	计算机视觉	前列腺癌	深度学习	无锚点掩码CNN	超声图像	83名前列腺癌患者
9448	2025-01-06	Advances in deep learning for personalized ECG diagnostics: A systematic review addressing inter-patient variability and generalization constraints 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.117073 PMID:39708490	系统综述	本文系统综述了深度学习在心电图（ECG）个性化诊断中的应用，特别是针对患者间变异性和泛化限制的挑战	本文独特之处在于系统性地审查了专门为个性化ECG诊断设计的深度学习方法，强调解决患者特异性变异性的模型	这些方法的局限性包括在泛化与患者特异性之间取得平衡以及解决数据隐私问题	研究目的是探讨深度学习在ECG诊断中的应用，特别是针对个性化诊断的需求	研究对象是用于个性化ECG诊断的深度学习模型	机器学习	心血管疾病	迁移学习、生成对抗网络、元学习和领域适应	深度学习模型	ECG数据	112项研究
9449	2025-01-06	Incorporating dynamic drainage supervision into deep learning for accurate real-time flood simulation in urban areas 2025-Feb-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122816 PMID:39612812	研究论文	本研究提出了一种结合动态排水监督的深度学习模型（UDFM），用于城市区域的实时洪水模拟	UDFM模型通过结合物理和深度学习排水模型，将一维排水溢出过程转换为高分辨率的时空二维洪水过程，更全面准确地反映了排水系统在城市洪水动态中的作用	研究仅应用于深圳的一个高度城市化区域，未在其他城市或区域进行验证	提高城市洪水模拟的准确性和实时性，以支持快速洪水预警和风险管理	城市洪水过程，特别是排水系统和地表洪水淹没	机器学习	NA	深度学习，降维算法	UDFM（结合深度学习和降维算法的混合模块）	时空数据	深圳的一个高度城市化区域
9450	2025-01-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2025-Jan-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01364-6 PMID:39755754	研究论文	本文提出了一种名为N2GNet的深度学习回归模型，用于从帕金森病患者的丘脑底核局部场电位中实时追踪步态表现	N2GNet模型能够利用全面的频带信息，而不仅限于β频段，从STN LFPs中追踪步态表现，相比现有算法具有更强的相关性和性能	研究样本量较小，仅涉及18名帕金森病患者	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型	帕金森病患者的丘脑底核局部场电位和步态表现	机器学习	帕金森病	深度学习	回归模型	神经信号	18名帕金森病患者
9451	2025-01-06	Enhancing security and efficiency in Mobile Ad Hoc Networks using a hybrid deep learning model for flooding attack detection 2025-Jan-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84421-0 PMID:39755804	研究论文	本文提出了一种结合卷积神经网络（CNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）的混合深度学习模型，用于检测和缓解移动自组网（MANET）中的泛洪攻击	提出了一种结合CNN、LSTM和GRU的混合深度学习模型，并采用独特的DECEHGS算法优化模型效率，显著提高了检测精度和网络性能	未提及模型在实际大规模网络环境中的适用性和泛化能力	提高移动自组网（MANET）的安全性和效率，特别是针对泛洪攻击的检测和缓解	移动自组网（MANET）中的泛洪攻击	机器学习	NA	深度学习	CNN, LSTM, GRU	网络数据	未明确提及样本数量
9452	2025-01-06	Globally scalable glacier mapping by deep learning matches expert delineation accuracy 2025-Jan-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54956-x PMID:39746988	研究论文	本文提出了一种名为Glacier-VisionTransformer-U-Net (GlaViTU)的卷积-变换器深度学习模型，用于全球尺度的冰川自动映射	提出了GlaViTU模型及五种多时相全球尺度冰川映射策略，首次实现了全球尺度冰川的自动化映射，并达到了接近专家水平的精度	在富含碎屑的区域（如高亚洲山区）精度有所下降，且合成孔径雷达数据的可用性限制了部分地区的精度提升	实现全球尺度冰川的自动化映射，以支持气候变化影响的研究	全球冰川	计算机视觉	NA	深度学习	卷积-变换器模型 (GlaViTU)	卫星图像	覆盖全球9%冰川的基准数据集
9453	2025-01-06	A deep learning method based on multi-scale fusion for noise-resistant coal-gangue recognition 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83604-z PMID:39747222	研究论文	本文提出了一种基于多尺度融合的深度学习方法，用于在噪声环境下实现煤矸石的准确识别	结合传统滤波方法和多尺度学习思想，提出了一种端到端的多尺度特征融合卷积神经网络（MCNN-BILSTM），并引入了基于注意力机制的特征加权方法	NA	实现噪声环境下煤矸石的准确识别，以满足工业应用需求	煤矸石	计算机视觉	NA	卷积神经网络（CNN），长短期记忆网络（LSTM）	MCNN-BILSTM	振动信号	NA
9454	2025-01-06	A lightweight weed detection model for cotton fields based on an improved YOLOv8n 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84748-8 PMID:39747358	研究论文	本研究提出了一种基于改进YOLOv8n模型的轻量级棉花田杂草检测模型YOLO-Weed Nano，旨在提高杂草识别的效率和精度	通过引入Depthwise Separable Convolution (DSC)结构和Bidirectional Feature Pyramid Network (BiFPN)，以及设计轻量级检测头LiteDetect，显著降低了模型的计算复杂度和资源消耗	尽管模型在精度和效率上有所提升，但在实际应用中的表现仍需进一步验证	开发高效且轻量级的棉花田杂草检测方法，以实现有效的杂草控制	棉花田中的杂草	计算机视觉	NA	深度学习	YOLOv8n, YOLO-Weed Nano	图像	NA
9455	2025-01-06	A novel deep synthesis-based insider intrusion detection (DS-IID) model for malicious insiders and AI-generated threats 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84673-w PMID:39747424	研究论文	本文提出了一种基于深度合成的内部入侵检测模型（DS-IID），用于检测恶意内部人员和AI生成的威胁	该模型利用深度特征合成自动生成详细的用户配置文件，并使用二元深度学习进行准确的威胁识别，解决了传统入侵检测系统难以区分真实和AI生成活动的问题	主要评估在合成数据集上进行，尚未在真实世界数据中广泛验证	解决内部威胁检测中的挑战，特别是针对AI生成的威胁	恶意内部人员和AI生成的威胁	机器学习	NA	深度特征合成，二元深度学习	深度学习模型	事件数据	CERT内部威胁数据集
9456	2025-01-06	SAILOR: perceptual anchoring for robotic cognitive architectures 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84071-2 PMID:39747469	研究论文	本文介绍了SAILOR框架，用于在机器人认知架构中实现符号锚定，以保持符号数据与感知数据之间的链接	提出了一个集成到ROS 2中的符号锚定框架SAILOR，结合了深度学习的子符号机器人技能，如物体识别和匹配功能	未提及具体的局限性	解决机器人从感知信息中获取并维护符号知识的开放性问题	机器人认知架构	机器人学	NA	深度学习	NA	感知数据	使用公共数据集和真实场景进行验证
9457	2025-01-06	Salient object detection with non-local feature enhancement and edge reconstruction 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84680-x PMID:39747644	研究论文	本文提出了一种结合非局部特征增强和边缘重建的显著目标检测方法，旨在解决现有方法在复杂图像中捕捉长距离依赖和边缘信息的不足	创新点在于引入了自注意力机制捕捉长距离依赖，并通过非局部特征增强模块和图卷积建模区域关系，同时设计了边缘重建模块以更好地捕捉和增强边缘信息	未明确提及具体局限性	提升显著目标检测的精度，特别是在复杂图像中捕捉长距离依赖和边缘信息	显著目标检测任务	计算机视觉	NA	自注意力机制、非局部操作、图卷积	深度学习模型	图像	在六个广泛使用的基准数据集上进行了实验
9458	2025-01-06	A multitask deep learning model utilizing electrocardiograms for major cardiovascular adverse events prediction 2025-Jan-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01410-3 PMID:39747648	研究论文	本文介绍了一种新型的多任务深度学习模型ECG-MACE，利用心电图（ECG）预测一年内首次发生的主要心血管不良事件（MACE）	ECG-MACE模型仅使用心电图数据，能够有效预测一年内的心血管事件，并展示出长期预测能力，优于Framingham风险评分	模型的外部验证仅在一个独立的医疗中心进行，可能需要更多样化的数据集来验证其普适性	开发一种深度学习模型，用于预测主要心血管不良事件（MACE）	标准12导联心电图数据	机器学习	心血管疾病	深度学习	多任务深度学习模型	心电图数据	训练集：984,895例，验证集：422,061例，测试集：1,414,933例，外部验证集：113,224例
9459	2025-01-06	Key frame extraction algorithm for surveillance videos using an evolutionary approach 2025-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84324-0 PMID:39748027	研究论文	本研究提出了一种基于进化算法的关键帧提取方法，用于监控视频的摘要和压缩	提出了一种交互式遗传算法，结合精心设计的适应度函数和基于精英的幸存者选择，以提高性能	未明确提及具体局限性	开发一种适用于通用视频的高效关键帧提取方法	监控视频、用户生成视频、网络视频	计算机视觉	NA	遗传算法（GA）	遗传算法（GA）	视频	包括VSUMM、SumMe、Mall、用户生成视频、Amrita Vishwa Vidyapeetham大学的监控视频和网络视频
9460	2025-01-06	Artificial intelligence in chronic kidney diseases: methodology and potential applications 2025-Jan, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04165-8 PMID:39052168	综述	本文综述了人工智能在慢性肾脏病（CKD）中的应用，探讨了其在风险预测中的潜力	提出了利用人工智能（特别是机器学习和深度学习）分析患者数据以增强CKD风险预测的新方法	人工智能在临床实践中的应用面临算法不透明、数据质量、隐私和偏见等挑战	探讨人工智能在慢性肾脏病风险预测中的应用	慢性肾脏病患者	机器学习	慢性肾脏病	机器学习和深度学习	NA	遗传标记、生物标志物和影像数据	NA