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
1101	2025-07-01	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	本文提出了一种基于深度学习的神经活动塑造方法，用于改善视网膜假体的视觉感知	使用人工神经网络（ANNs）进行模型无关的神经活动塑造，相比传统方法计算效率更高且不限于特定视网膜模型	方法尚未在实际临床环境中验证	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经活动模式	计算机视觉	视网膜疾病	深度学习	ANNs（人工神经网络）	图像数据	NA
1102	2025-07-01	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-06-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	本研究提出了一种基于语义和上下文相似性的脑解码新方法，利用fMRI数据和深度学习解码流程来推断和重建概念相似的图像	结合了神经科学启发的大脑解码模型和潜在扩散模型，通过线性映射fMRI活动到语义视觉特征空间，实现了语义分类和图像检索/生成	方法依赖于预训练神经网络的潜在空间表示，可能受限于网络本身的表征能力	开发一种新的脑解码方法，能够从fMRI数据中重建概念相似的图像	人类大脑对自然图像刺激的神经活动模式	计算神经科学	NA	fMRI, 潜在扩散模型	线性脑到特征模型, 潜在扩散模型	fMRI数据, 图像数据	三个fMRI数据集(Generic Object Decoding, BOLD5000, NSD)
1103	2025-07-01	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了深度学习在从超声心动图视频预测心血管磁共振成像（CMR）结果中的应用	首次尝试使用深度学习从超声心动图视频预测CMR的组织特征，如晚期钆增强（LGE）、T1和T2映射以及细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征时表现不佳，表明超声心动图视频中可能缺乏这些特征的信号	探索深度学习是否可以从超声心动图视频中预测CMR的组织特征	1,453名成年患者（平均年龄56±18岁，42%为女性）的2,556对超声心动图和CMR研究	数字病理学	心血管疾病	深度学习	CNN	视频	1,453名患者，2,556对超声心动图和CMR研究
1104	2025-06-30	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了一种基于生物物理模型驱动的深度学习方法，结合Bloch-McConnell模拟器进行神经网络训练，实现了比传统方法更高的重建精度	研究仅在数值模型和健康人脑组织中进行验证，未涉及病理组织的应用验证	开发快速准确的饱和转移MR指纹成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场不均匀性	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MRI影像数据	数值模型及健康人脑组织数据(尺寸256×256×9×103)
1105	2025-06-30	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度卷积神经网络整合QUASAR模型，显著减少了传统QSM方法中的伪影和误差	研究主要基于合成数据和数字脑模型验证，虽然也使用了活体人脑数据，但样本量未明确说明	提高磁敏感定量成像在生物组织中的准确性和可靠性	人脑组织（特别是深部灰质和白质）	医学影像分析	神经退行性疾病	定量磁敏感成像（QSM）	深度卷积神经网络	MRI影像数据	NA
1106	2025-06-30	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	提出一种基于深度学习的图像配准方法AiM-ED，用于处理低信噪比的心脏MRI图像	使用预训练的边缘检测器定义训练损失，联合处理多个噪声源图像，提高了图像配准的质量	样本量较小，仅验证了24个健康受试者和5个患者的切片	提高低信噪比心脏MRI图像的配准和平均质量	自由呼吸单次心脏MRI图像	计算机视觉	心血管疾病	深度学习	AiM-ED	图像	24个健康受试者和5个患者的切片，以及6个患者的0.55T扫描数据
1107	2025-06-30	Broadscale reconnaissance of coral reefs from citizen science and deep learning 2025-Jun-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14261-6 PMID:40571887	研究论文	本研究探讨了结合公民科学和深度学习技术对珊瑚礁进行大规模勘测的可行性和准确性	结合公民科学和深度学习技术进行珊瑚礁勘测，实现了大规模、低成本的数据收集	对于'所有其他珊瑚'这一单一类别的估计准确性较低，仅在60%的站点和10-30%珊瑚覆盖率的图像中达到95%的准确性	评估公民科学和深度学习技术在珊瑚礁勘测中的准确性和可行性	珊瑚礁的底栖覆盖情况，特别是分枝状鹿角珊瑚、板状鹿角珊瑚和块状珊瑚	计算机视觉	NA	深度学习	NA	图像	8086张图像
1108	2025-06-30	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-Jun-26, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	research paper	利用深度学习从视盘照片预测视网膜神经纤维层厚度，评估其作为原发性开角型青光眼风险因素的效用	开发了一种基于OCT训练的深度学习模型（M2M模型），用于从视盘照片预测视网膜神经纤维层厚度，并验证其作为青光眼风险因素的预测能力	研究仅针对眼高压患者，未涉及其他类型青光眼或健康人群	预测视网膜神经纤维层厚度并评估其作为原发性开角型青光眼风险因素的效用	1636名眼高压患者的3272只眼睛	digital pathology	glaucoma	deep learning	M2M model	image	3272只眼睛的66714张视盘照片
1109	2025-06-30	Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition 2025-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03560-0 PMID:40571695	研究论文	提出了一种名为DeepArabianSignNet的新模型，结合DenseNet、EfficientNet和基于注意力的Deep ResNet，用于阿拉伯手语识别	引入了G-TverskyUNet3+进行感兴趣区域检测，并采用新型元启发式算法CSFOA进行特征优化	仅使用了两个数据库进行测试，可能需要更多样化的数据集验证	提高阿拉伯手语识别的准确性和特征捕捉能力	阿拉伯手语图像	计算机视觉	NA	CSFOA优化算法	DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+	图像	两个数据库（训练率70%和80%）
1110	2025-06-30	A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors 2025-Jun-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02011-8 PMID:40571854	研究论文	开发了一个结合临床、放射组学和深度学习特征的机器学习模型，用于准确预测原发性胃肠道间质瘤（GISTs）术后复发和转移	整合了临床数据、放射组学特征和深度学习特征，构建了一个高性能的预测模型，为个性化治疗和随访策略提供支持	研究仅基于两个独立中心的数据，样本量相对有限，且未涉及其他影像学模态的数据	开发个体化的临床随访策略，预测原发性GISTs患者的术后复发和转移风险	原发性胃肠道间质瘤（GISTs）患者	数字病理	胃肠道间质瘤	机器学习、放射组学分析、深度学习	临床深度学习放射组学模型（CDLRM）	临床数据、CT图像	526名患者（260名男性，266名女性，平均年龄62岁）
1111	2025-06-30	Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier 2025-Jun-23, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107183 PMID:40562078	研究论文	开发了一种基于深度学习的分类器，用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae菌落	利用两阶段培养温度区分菌落，并首次应用YOLO深度学习模型进行自动计数	研究仅针对特定两种酵母菌，未验证对其他微生物的适用性	开发自动化工具监测酸面团发酵过程中的酵母菌群变化	酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌	计算机视觉	NA	深度学习	YOLO	图像	多种温度条件下培养的酸面团样本
1112	2025-06-30	LGFUNet: A Water Extraction Network in SAR Images Based on Multiscale Local Features with Global Information 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123814 PMID:40573701	research paper	提出了一种基于多尺度局部特征与全局信息的SAR图像水体提取网络LGFUNet，以解决现有深度学习方法的不足	采用Swin-Transformer模块替代卷积核进行特征提取，增强全局信息学习能力，并引入DECASPP模块和LGFF模块以提升复杂水体边界细节的提取能力	未明确提及模型在不同地理环境或不同SAR数据源上的泛化能力	提升SAR图像中水体的自动提取精度，特别是连续水体的边界细节	Sentinel-1 SAR数据中的水体区域	computer vision	NA	深度学习	LGFUNet（基于Swin-Transformer的编码器-解码器结构）	SAR图像	青藏高原区域的Sentinel-1 SAR数据（未明确样本数量）
1113	2025-06-30	Benchmarking Accelerometer and CNN-Based Vision Systems for Sleep Posture Classification in Healthcare Applications 2025-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s25123816 PMID:40573703	research paper	比较基于加速度计和CNN视觉系统在睡眠姿势分类中的性能，应用于医疗健康领域	首次对比图像深度学习和加速度计分类在睡眠姿势识别中的表现，展示加速度计方法的高精度和鲁棒性	图像方法对左侧卧和仰卧姿势识别性能略低，研究未涉及多模态融合方法	评估不同技术路径在睡眠姿势监测中的适用性，为智能医疗系统开发提供参考	人体睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态）	digital pathology	sleep apnea	数据增强（旋转/镜像/缩放/平移）、加速度信号特征提取	VGG16 CNN, 前馈神经网络	image, accelerometer信号	未明确说明样本数量
1114	2025-06-30	Transverse Electric Inverse Scattering of Conductors Using Artificial Intelligence 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123774 PMID:40573660	研究论文	本文结合直接采样法（DSM）和神经网络，从感测的电磁场中重建完美电导体的形状	通过结合DSM和U-net神经网络，显著提高了TE波成像的分辨率和效率，并降低了重建误差	未提及具体实验验证或实际应用场景的局限性	提高导体形状重建的精度和效率	完美电导体	人工智能	NA	直接采样法（DSM）、神经网络	U-net	电磁场数据	NA
1115	2025-06-30	An Enhanced Cascaded Deep Learning Framework for Multi-Cell Voltage Forecasting and State of Charge Estimation in Electric Vehicle Batteries Using LSTM Networks 2025-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s25123788 PMID:40573675	研究论文	本文提出了一种新颖的两层深度学习框架，用于电动汽车电池的多电池电压预测和充电状态估计	首次在热带气候下验证了基于深度学习的BMS优化，为类似地区的电动汽车电池管理设定了新标准	研究主要针对热带气候条件，可能在其他气候条件下的适用性有限	提高电动汽车电池管理系统的操作效能和安全性	电动汽车电池，特别是热带气候下的锂铁磷酸盐电池组	机器学习	NA	LSTM网络	LSTM	时间序列数据	120-cell锂铁磷酸盐电池组，模拟城市驾驶条件下的速度变化和负载变化
1116	2025-06-30	Statistical Difference Representation-Based Transformer for Heterogeneous Change Detection 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123740 PMID:40573630	研究论文	提出了一种基于统计差异表示的Transformer模型（SDFormer）和弱监督异构变化检测框架（S3G2），用于处理多传感器或多模态图像数据中的变化检测问题	引入了结构相似性引导样本生成策略（S3G2）来生成可靠的伪标签，并提出了SDFormer模型以减少时相异构图像间的模态差异影响	缺乏可信的标注数据限制了大多数基于学习的异构变化检测方法的应用	提高异构图像变化检测的准确性和鲁棒性	多传感器或多模态图像数据	计算机视觉	NA	深度学习、领域自适应	Transformer（SDFormer）	图像	多个公共异构变化检测数据集
1117	2025-06-30	Research on a Multi-Dimensional Information Fusion Mechanical Wear Fault-Diagnosis Algorithm Based on Data Regeneration 2025-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s25123745 PMID:40573632	research paper	提出一种基于数据再生的多维信息融合机械磨损故障诊断算法，结合扩散模型和TTT技术，在实验室条件下实现高精度故障诊断	结合扩散模型和TTT（测试时训练）技术，利用预训练解码器将数据解码为连续潜在表示进行采样，实现数据再生，并构建特征参数与机械磨损故障模式之间的高维映射关系	研究在实验室条件下进行，数据量较少，现象分布特征可能限制机器学习和深度学习概念的应用	开发一种高精度的机械磨损故障诊断算法	六种典型航空发动机机械磨损故障	machine learning	NA	扩散模型, TTT（test-time training）	扩散模型, TTT	特征数据	少量实验室数据
1118	2025-06-30	HGCS-Det: A Deep Learning-Based Solution for Localizing and Recognizing Household Garbage in Complex Scenarios 2025-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s25123726 PMID:40573613	研究论文	提出了一种基于YOLOv8的深度学习模型HGCS-Det，用于复杂场景下的垃圾定位与识别	引入归一化注意力模块、注意力特征融合模块和实例边界强化模块，结合Slide Loss函数动态加权难样本，提升了检测精度和实时性能	模型参数略有增加（3.02M），在复杂环境下的泛化能力未明确说明	提高复杂场景下垃圾检测的精度和实时性能	家庭垃圾	计算机视觉	NA	深度学习	YOLOv8	图像	公开数据集HGI30
1119	2025-06-30	Sensor-Driven Real-Time Recognition of Basketball Goal States Using IMU and Deep Learning 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123709 PMID:40573596	研究论文	该研究提出了一种基于惯性测量单元（IMU）传感器和深度学习的实时篮球进球状态识别系统	利用IMU传感器和多种深度学习模型（CNN、RNN、LSTM、CNN-LSTM和CNN-LSTM-Attention）实时识别篮球进球状态，其中CNN-LSTM-Attention模型表现最佳，准确率达87.79%	未提及系统在极端环境或不同篮球场地条件下的性能表现	开发一种实时识别篮球进球状态的系统，以支持技能分析和运动表现评估	篮球进球状态（篮板球、空心球、其他投篮和未命中）	机器学习和运动分析	NA	IMU传感器和深度学习	CNN、RNN、LSTM、CNN-LSTM和CNN-LSTM-Attention	传感器数据（加速度、角速度和角度变化）	未明确提及具体样本数量
1120	2025-06-30	Detection of Electric Network Frequency in Audio Using Multi-HCNet 2025-Jun-13, Sensors (Basel, Switzerland) DOI:10.3390/s25123697 PMID:40573584	研究论文	本文提出了一种名为Multi-HCNet的深度学习模型，专门用于在高通滤波环境下检测电力网络频率(ENF)信号	模型引入了高阶谐波滤波器阵列(AFB)来补偿基频信息的损失，并提出了分组多通道自适应注意力机制(GMCAA)以精确区分多频信号，同时使用正弦激活函数(SAF)增强周期性振荡的捕捉能力	NA	提高在高通滤波环境下ENF信号的检测准确率	电力网络频率(ENF)信号	信号处理	NA	深度学习	Multi-HCNet	音频信号	NA