深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
10641	2025-10-06	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出一种联合T1和T2*映射的加速MRI参数映射技术，通过扫描特异性自监督网络重建结合并行成像和模型方法	首次将并行成像、模型驱动方法和深度学习通过扫描特异性自监督网络重建协同结合，实现高加速率的联合参数映射	未提及需要外部大型数据集进行训练，但可能对特定采集协议有依赖性	开发加速的MRI定量参数映射技术以减少扫描时间	MRI T1和T2*参数映射	医学影像处理	NA	多回波、多翻转角梯度回波采集	自监督网络	多对比度MRI数据	NA	NA	NA	重建误差	NA
10642	2025-10-06	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本研究提出了一种基于无监督深度学习和卷积神经网络的静态并行传输设计方法，用于改善7T磁共振中多通道发射阵列的B1+不均匀性问题	首次将CNN与多通道B1+图谱结合进行无监督训练，采用物理驱动的损失函数消除参考传输RF权重的计算需求	回顾性研究，仅使用健康人脑部数据，未在患者群体中验证	改善7T磁共振中多通道发射阵列的B1+场不均匀性	健康人脑部B1+图谱数据	医学影像分析	NA	磁共振成像，Bloch仿真	CNN	2D矢状面多通道B1+图谱	143名受试者的3824个2D矢状面多通道B1+图谱	NA	卷积神经网络	RMS误差，变异系数，能量消耗	NA
10643	2025-10-06	Domain Adaptation-Based Deep Learning Model for Forecasting and Diagnosis of Glaucoma Disease 2024-Jun, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2024.106061 PMID:38463435	研究论文	开发了一种基于领域自适应的深度学习模型GDA，用于青光眼的预测和诊断	提出领域不变和领域特定表示学习，采用渐进加权机制准确传递源领域知识，并使用低秩编码对齐源和目标分布	NA	开发青光眼预测和诊断的深度学习模型	青光眼患者	计算机视觉	青光眼	眼底摄影	深度学习	图像	66,742张眼底照片，来自1,636名受试者的3,272只眼睛	NA	GDA（青光眼领域自适应模型）	AUC, 准确率	NA
10644	2025-10-06	Examining a punishment-related brain circuit with miniature fluorescence microscopes and deep learning 2024-Jun, Addiction neuroscience DOI:10.1016/j.addicn.2024.100154 PMID:38680653	研究论文	本文通过微型荧光显微镜和深度学习算法研究惩罚学习相关的生物行为机制	结合微型荧光显微镜和深度学习算法分析惩罚学习中的神经回路动态变化，突破了传统功能丧失操作的局限	NA	理解惩罚学习的生物行为机制及其在物质使用障碍戒断和复发中的作用	啮齿类动物（用于实验建模）	神经科学, 机器学习	物质使用障碍	微型荧光显微镜, 深度学习算法	深度学习	神经影像数据	NA	NA	NA	NA	NA
10645	2025-10-06	NeighBERT: Medical Entity Linking Using Relation-Induced Dense Retrieval 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00136-3 PMID:38681752	研究论文	提出一种名为NeighBERT的医学实体链接方法，通过关系诱导的密集检索技术改进临床文本中的实体链接性能	扩展BERT预训练技术，通过编码知识图谱中实体间的关系来增强模型对临床文本歧义的解决能力	NA	改进医学实体链接任务，解决临床文本中的实体歧义问题	临床文本中的医学实体	自然语言处理	NA	知识图谱嵌入，密集检索	Transformer	文本	NA	BERT	NeighBERT, BERT	精确率, 召回率, F1分数	NA
10646	2025-10-06	Supervised and Unsupervised Deep Learning Approaches for EEG Seizure Prediction 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00160-x PMID:38681760	研究论文	本文开发了监督和无监督深度学习方法来预测癫痫发作，通过识别脑电图中的发作前期信号	首次同时开发监督和无监督深度学习方法进行癫痫预测，无监督方法仅需正常脑电图数据进行训练	模型性能因患者个体差异、采用方法和架构不同而变化，存在个体化差异	开发有效的癫痫发作预测方法以降低患者风险	癫痫患者的脑电图数据	机器学习	癫痫	脑电图分析	深度学习	脑电图信号	两个大型脑电图癫痫数据集	NA	NA	NA	NA
10647	2025-10-06	Multimodal feature fusion in deep learning for comprehensive dental condition classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230271 PMID:38217632	研究论文	本研究评估了深度学习和多模态特征融合技术在自动牙科疾病分类中的有效性	采用多模态特征融合技术结合传统机器学习分类器，显著提升了牙科疾病分类的准确性和鲁棒性	仅包含六种常见牙科疾病，未涵盖更广泛的牙科病症	推进自动牙科疾病分类领域的发展	六种常见牙科疾病：龋齿、牙结石、牙龈炎、牙齿变色、溃疡和少牙症	计算机视觉	牙科疾病	深度学习，特征融合	CNN, SVM, Naive Bayes	图像	11,653张临床来源图像	NA	EfficientNetB0	准确率, 召回率, 精确率, Kappa指数	NA
10648	2025-10-06	An adaptive weighted ensemble learning network for diabetic retinopathy classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230252 PMID:38217630	研究论文	提出一种基于光学相干断层扫描图像的自适应加权集成学习方法用于糖尿病视网膜病变分类	基于贝叶斯理论提出新型决策融合方案，动态调整基模型权重分布以缓解数据不平衡问题	NA	提升糖尿病视网膜病变自动检测性能	糖尿病视网膜病变患者的光学相干断层扫描图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描	集成学习	图像	两个公共数据集（DRAC2022和APTOS2019）	NA	三个先进深度学习模型的集成	二次加权kappa, 准确率	NA
10649	2025-10-06	A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230184 PMID:38306086	研究论文	提出一种密集U型Transformer网络结合双域多损失函数用于稀疏视图CT重建	结合DenseNet的局部特征提取能力和Transformer的远程依赖建模，并设计带权重学习的双域多损失函数	仅在Mayo Clinic LDCT数据集上验证，未在其他数据集测试泛化能力	开发深度学习方法来抑制稀疏视图CT重建中的伪影	稀疏视图CT图像	计算机视觉	NA	CT扫描	Transformer, CNN	医学图像	Mayo Clinic LDCT数据集	NA	DenseNet, Transformer, U-Net	伪影抑制效果, 图像特征保留度	NA
10650	2025-10-06	Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230218 PMID:38306087	研究论文	提出基于深度学习的HRCT图像病灶指标评估与量化方法，用于间质性肺病的严重程度分层	首次开发能够同时分割五种ILD病灶类型（HC、RO、GGO、CONS、EMPH）的卷积神经网络，并结合临床数据建立多变量预测模型	研究样本量未明确说明，模型性能在不同病灶类型间存在差异	提高间质性肺病严重程度评估的准确性和客观性	间质性肺病患者的HRCT图像	计算机视觉	间质性肺病	HRCT成像	CNN	医学图像	NA	NA	卷积神经网络	AUC, 准确率	NA
10651	2025-06-03	Dimensionality Reduction for Improving Out-of-Distribution Detection in Medical Image Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_15 PMID:40443712	研究论文	本文提出了一种通过降维技术改进医学图像分割中分布外检测的方法	使用主成分分析对Swin UNETR模型的瓶颈特征进行降维，结合马氏距离实现高效的分布外检测	仅针对T1加权磁共振成像中的肝脏分割任务进行了验证	提高医学图像分割模型对分布外数据的检测能力	肝脏T1加权磁共振图像	数字病理	肝脏疾病	主成分分析(PCA), 马氏距离	Swin UNETR	医学图像	NA	NA	NA	NA	NA
10652	2025-06-02	TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051805 PMID:40444137	research paper	提出一种基于深度学习的无参考CT图像质量评估方法TFKT，通过从自然图像数据集迁移知识，减少对大型标注数据集的依赖	采用混合CNN-Transformer模型，结合自然图像失真和人类标注的平均意见分数进行预训练，并在低剂量CT图像上微调，实现任务特定的适应性	需要进一步验证在更广泛临床场景中的泛化能力	开发一种无参考、自动化的CT图像质量评估方法，以更准确地反映放射科医生的评估	CT图像质量评估	computer vision	NA	深度学习	CNN-Transformer混合模型	图像	约30张CT图像切片/秒的处理能力	NA	NA	NA	NA
10653	2025-06-02	DeepCR: predicting cytokine receptor proteins through pretrained language models and deep learning networks 2025-May-31, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2512448 PMID:40448687	研究论文	本文提出了一种结合预训练语言模型和多窗口卷积神经网络的分类框架，用于快速准确识别细胞因子受体蛋白	首次专门针对细胞因子受体蛋白进行分类研究，结合PLMs和mCNN架构，无需手动特征提取	未提及模型在更广泛蛋白质数据集上的泛化能力	开发高效识别细胞因子受体蛋白的计算方法	细胞因子受体蛋白	计算生物学	自身免疫性疾病	预训练语言模型(ProtTrans, ESM), 多窗口CNN	PLMs+mCNN	蛋白质序列	NA	NA	NA	NA	NA
10654	2025-06-02	Attention-driven deep learning framework for EEG analysis in ADHD detection 2025-May-31, Applied neuropsychology. Child DOI:10.1080/21622965.2025.2512919 PMID:40449519	research paper	提出一种基于注意力机制的深度学习框架，用于分析EEG信号以检测ADHD	模型整合注意力机制以选择性关注关键EEG特征，提升分类性能	NA	提高ADHD检测的准确性	被诊断为ADHD的儿童及对照组儿童的EEG记录	machine learning	ADHD	EEG	深度学习框架（含注意力机制）	EEG信号	来自IEEE DataPort的EEG记录数据集，包含ADHD儿童和对照组	NA	NA	NA	NA
10655	2025-06-02	Unified estimation of rice canopy leaf area index over multiple periods based on UAV multispectral imagery and deep learning 2025-May-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01398-1 PMID:40442795	研究论文	本研究利用无人机多光谱遥感技术和深度学习模型，实现了水稻冠层叶面积指数(LAI)的多时期统一估算	结合无人机多光谱遥感和CNN技术，提出了一种高效准确的水稻LAI多时期估算方法，并通过特征筛选提高了模型精度	未来可进一步探索更多特征提取和变量筛选方法，通过优化模型结构提高精度和稳定性	开发高效准确的水稻生长监测方法	水稻冠层叶面积指数(LAI)	农业遥感	NA	无人机多光谱遥感	MLP, CNN	多光谱图像	NA	NA	NA	NA	NA
10656	2025-06-02	Evaluation of machine learning and deep learning algorithms for fire prediction in Southeast Asia 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00628-9 PMID:40442135	研究论文	评估机器学习和深度学习算法在东南亚火灾预测中的应用	比较了六种不同的ML和DL模型在东南亚火灾预测中的表现，并针对不同地区的时空动态特点推荐了最优模型	未提及模型在其他地区或不同时间尺度上的泛化能力	提高东南亚地区火灾预测的准确性以支持火灾管理决策	东南亚地区的植被火灾	机器学习	NA	VIIRS卫星数据	MLP, CNN, LSTM, CNN-LSTM, ConvLSTM	卫星图像数据	东南亚多国（文莱、印尼、马来西亚等）的火灾数据	NA	NA	NA	NA
10657	2025-06-02	An efficient dual-branch framework via implicit self-texture enhancement for arbitrary-scale histopathology image super-resolution 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02503-z PMID:40442141	research paper	提出了一种基于隐式自纹理增强的双分支框架（ISTE），用于任意尺度病理图像超分辨率	ISTE框架通过特征聚合分支和纹理学习分支，结合两阶段纹理增强策略，有效提升病理图像超分辨率的局部细节和高频纹理细节	未明确提及具体局限性	解决病理图像任意尺度超分辨率问题，提升图像质量以支持下游病理分析任务	病理图像	digital pathology	lung cancer	deep learning-based single-image super-resolution (SISR), implicit neural representation (INR)	dual-branch framework (ISTE)	image	公开数据集（TMA、HistoSR和TCGA肺癌数据集）	NA	NA	NA	NA
10658	2025-06-02	A deep learning model for prediction of lysine crotonylation sites by fusing multi-features based on multi-head self-attention mechanism 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04058-5 PMID:40442183	研究论文	提出了一种基于多头自注意力机制的深度学习模型DeepMM-Kcr，用于预测赖氨酸巴豆酰化位点	融合了自然语言处理特征和手工特征，并采用多头自注意力机制进行特征融合，构建了基于CNN、双向GRU和多层感知机的深度学习框架	NA	快速准确地识别赖氨酸巴豆酰化修饰位点，以研究其生物学效应	赖氨酸巴豆酰化位点	机器学习	NA	深度学习	CNN, 双向GRU, 多层感知机	蛋白质序列数据	NA	NA	NA	NA	NA
10659	2025-06-02	Evaluating statistical consistency for the ocean component of earth system models using physics informed convolutional autoencoder 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03092-7 PMID:40442217	研究论文	本文提出了一种基于物理信息卷积自编码器（PIConvAE）的深度学习方法O-ESM-DCT，用于评估地球系统模型（ESMs）海洋组分的统计一致性	O-ESM-DCT采用物理信息卷积自编码器模型，在少量模拟数据下实现快速收敛，并通过数据保真度和物理驱动损失作为一致性评估指标	传统深度学习方法在小数据环境下缺乏鲁棒性且难以保证收敛	开发一种高效评估地球系统模型海洋组分统计一致性的方法	地球系统模型（ESMs）的海洋组分	机器学习	NA	深度学习	卷积自编码器（PIConvAE）	模型模拟数据	少量模拟数据	NA	NA	NA	NA
10660	2025-06-02	Hierarchical Information-guided robotic grasp detection 2025-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03313-z PMID:40442259	研究论文	提出了一种名为GraspFormer的新型机器人抓取检测方法，通过独特的编码器-解码器框架和Grasp Transformer Block来解决复杂环境中抓取检测的挑战	引入了层次信息引导的自注意力机制(HIGSA)和自适应深度通道调制器(DCM)，以增强特征交互和竞争，同时建模长距离依赖关系	未提及具体的实验环境限制或数据集的局限性	提高机器人在复杂动态环境中的抓取准确性和效率	机器人抓取检测	计算机视觉	NA	深度学习	Transformer, CNN	图像	未提及具体样本数量	NA	NA	NA	NA