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
15221	2025-10-07	Forest fuel type classification: Review of remote sensing techniques, constraints and future trends 2023-09-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2023.118315 PMID:37290304	综述	本文系统回顾了用于森林可燃物类型分类的遥感技术方法、存在的限制因素及未来发展趋势	在先前综述基础上聚焦识别不同制图方法的关键挑战和待填补的研究空白，并提出集成遥感数据源与先进深度学习算法的发展方向	作为综述性论文，未提出具体的实验验证或新型算法模型	为火灾管理服务领域的从业者、研究者和决策者提供可燃物类型分类的技术指南	森林可燃物类型及其空间分布特征	遥感技术	NA	遥感数据采集与融合技术	深度学习算法	遥感影像数据	NA	NA	NA	NA	NA
15222	2025-10-07	A generalizable framework to comprehensively predict epigenome, chromatin organization, and transcriptome 2023-07-07, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad436 PMID:37224527	研究论文	提出名为EPCOT的深度学习框架，能够仅通过细胞类型特异性染色质可及性数据全面预测表观基因组、染色质组织和转录组等多种模态	采用预训练和微调框架，能够跨预测任务和细胞类型学习通用表征，实现对新细胞类型多种模态的准确预测	未明确说明模型在跨物种或极端条件下的泛化能力	开发能够全面预测基因组多模态数据的通用计算框架	表观基因组、染色质组织、转录组和增强子活性等基因组模态数据	机器学习	NA	染色质可及性分析、Micro-C、ChIA-PET	深度学习	基因组数据、表观遗传数据	NA	NA	预训练-微调框架	NA	NA
15223	2025-10-07	Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model 2023-06-25, The Science of the total environment DOI:10.1016/j.scitotenv.2023.163004 PMID:36965733	研究论文	本研究利用可解释人工智能技术解释深度学习模型在野火易发性预测中的关键影响因素	首次将SHAP可解释性模型应用于野火易发性预测的深度学习模型，识别关键环境影响因素	模型可能受到训练数据质量和输入变量不确定性的影响	开发可解释的野火易发性预测模型以有效控制火灾风险	澳大利亚野火易发性区域	机器学习	NA	可解释人工智能	深度学习	环境因子数据	NA	NA	NA	NA	NA
15224	2025-10-07	Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.28.534431 PMID:37034586	研究论文	提出深度学习初始化压缩感知方法加速容积时空MRI重建	结合深度学习与压缩感知，通过DL生成初始点来启动迭代重建，减少重建时间同时控制计算资源需求	需要验证在更广泛数据集上的泛化能力，未明确说明训练数据规模	减少MRI重建时间同时限制深度学习引起的伪影风险	容积多轴螺旋投影磁共振指纹成像数据	医学影像分析	NA	磁共振成像，螺旋投影采集	深度学习	k空间数据，MRI图像	NA	GPU实现	NA	重建质量，重建时间，迭代次数	GPU内存4.7 GB
15225	2025-10-07	Control of hybrid electromagnetic bearing and elastic foil gas bearing under deep learning 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0243107 PMID:33264358	研究论文	本研究基于径向基函数神经网络探索混合电磁和弹性箔气体轴承的控制方法以提高其工作稳定性	将PID控制器改进为IPD和CIPD控制器，并首次将基于深度学习的RBF神经网络应用于混合轴承系统的控制	仅通过Simulink仿真平台进行控制仿真研究，缺乏实际物理实验验证	提高混合电磁和弹性箔气体轴承的工作稳定性	混合电磁和弹性箔气体轴承系统	机器学习	NA	Simulink仿真	RBF神经网络	仿真数据	NA	Simulink	径向基函数神经网络	响应时间, 控制效果, 收敛速度	Simulink仿真平台
15226	2025-03-18	Physics-based generative adversarial network for real-time acoustic holography 2025-May, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107583 PMID:39893755	研究论文	本文提出了一种基于物理模型的生成对抗网络（GAN），用于实时声学全息成像	提出了一种结合物理模型（ASM）的深度学习算法，用于学习从目标场到源相位全息图的逆物理映射，并开发了具有两个解码器分支的Y-Net结构，以解决神经网络在高频特征上的固有局限性	神经网络在高频特征上的固有局限性	提高相位全息图计算的高保真度和实时性能	声学全息成像中的相位全息图	计算机视觉	NA	生成对抗网络（GAN）	GAN, Y-Net	声学全息图	NA	NA	NA	NA	NA
15227	2025-03-18	DenseFormer-MoE: A Dense Transformer Foundation Model with Mixture of Experts for Multi-Task Brain Image Analysis 2025-Mar-14, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	本文提出了一种结合密集卷积网络、视觉Transformer和专家混合（MoE）的Dense Transformer基础模型（DenseFormer-MoE），用于多任务脑图像分析	该模型通过结合密集卷积网络、视觉Transformer和MoE，逐步学习和整合T1加权磁共振图像（sMRI）的局部和全局特征，以应对多任务学习中的优化冲突	模型主要针对T1加权磁共振图像，未涉及其他类型的脑图像数据	开发一个适用于多种脑图像分析任务的基础模型	T1加权磁共振图像（sMRI）	计算机视觉	脑部疾病	Masked Autoencoder, 自监督学习	DenseFormer-MoE, Vision Transformer, Densenet	图像	多个知名脑成像数据集，包括UK Biobank (UKB), Alzheimer's Disease Neuroimaging Initiative (ADNI), 和 Parkinson's Progression Markers Initiative (PPMI)	NA	NA	NA	NA
15228	2025-03-18	Deep Learning-Based Contrast Boosting in Low-Contrast Media Pre-TAVR CT Imaging 2025-Mar-12, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251322054 PMID:40071690	研究论文	本研究探讨了基于深度学习的对比增强（DL-CB）在低对比剂（low-CM）CT中对图像质量和测量可靠性的影响，用于经导管主动脉瓣置换术（TAVR）前的评估	首次在低对比剂CT中应用深度学习技术进行对比增强，显著提高了图像质量和测量可靠性	研究为回顾性研究，样本量较小（n=68），且仅限于肾功能不全患者	评估深度学习对比增强技术在低对比剂CT中的效果，用于TAVR前的图像评估	肾功能不全的TAVR候选者	医学影像	心血管疾病	深度学习对比增强（DL-CB）	深度学习	CT图像	68名肾功能不全的TAVR候选者	NA	NA	NA	NA
15229	2025-10-07	Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction 2025-Mar-04, ArXiv PMID:38711427	研究论文	提出一种为概率性黑盒图像重建算法提供统计保证预测边界的框架	通过临床关注指标表示重建扫描，并利用保形预测校准真实指标的边界，提供比传统像素级边界方法更好的语义解释	需要先前的校准数据集进行边界校准	为深度学习重建算法提供统计保证的预测边界	稀疏视图计算机断层扫描(CT)图像	计算机视觉	NA	稀疏视图计算机断层扫描(CT)	深度学习重建算法	医学图像	NA	NA	NA	边界语义解释质量, 异常重建检测能力	NA
15230	2025-10-07	Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts 2025-Jan-20, ArXiv PMID:39148932	研究论文	提出首个自动评估不完全海马反转的方法，通过预测四个解剖学标准并汇总成可解释的IHI评分	首次实现IHI的自动评级，提供可解释的评分系统，并在多队列中进行广泛验证	研究主要依赖特定队列数据，未涉及IHI形成的遗传或环境因素分析	开发自动评估不完全海马反转的方法，以替代耗时的人工视觉评估	来自IMAGEN、QTIM、QTAB和UKBiobank研究的4,389名参与者的海马结构	医学影像分析	神经系统疾病	T1加权磁共振成像	CNN, 深度学习模型	医学影像	4,389名参与者（IMAGEN: 2,008, QTIM: 993, QTAB: 403, UKBiobank: 985）	NA	conv5-FC3, ResNet, SECNN	NA	NA
15231	2025-10-07	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	提出一种结合深度学习和进化采样的新型框架，用于改进脑肿瘤生长逆建模	通过深度学习集成提供初始参数估计作为先验，显著约束采样参数空间，实现快速收敛和高精度	仅针对脑肿瘤细胞浓度估计进行验证，未提及其他疾病类型的适用性	解决生物物理建模中的逆问题，提高肿瘤生长建模的效率和精度	脑肿瘤细胞浓度	医学影像分析	脑肿瘤	磁共振成像	深度学习集成	医学影像	NA	NA	NA	Dice系数	NA
15232	2025-10-07	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-Jul-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	通过将光感受器适应的生物物理机制嵌入卷积神经网络，提升神经网络对动态视网膜计算的预测能力	在传统CNN前端引入光感受器适应的生物物理机制，首次实现了对动态自然刺激下视网膜神经节细胞活动的更准确预测	仅针对视网膜特定神经回路进行研究，未验证在其他神经系统的适用性	探索将神经适应机制嵌入人工神经网络是否能提升其预测神经动态响应的能力	灵长类和鼠类的视网膜神经节细胞	计算神经科学	NA	深度学习建模	CNN	神经电生理响应数据	灵长类和鼠类视网膜神经节细胞	NA	基于Deep Retina改进的卷积神经网络	神经响应预测准确率	NA
15233	2025-10-07	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	开发全自动深度学习软件用于在CT扫描中检测和评估无症状成年患者的腹主动脉瘤	首次使用全自动深度学习模型在大规模无症状人群中进行腹主动脉瘤的自动化检测，并与钙化动脉粥样硬化斑块进行关联分析	研究基于特定筛查人群，模型在其他患者群体中的泛化能力需要进一步验证	开发自动化工具用于腹主动脉瘤的早期检测和评估	无症状成年患者群体	数字病理	心血管疾病	CT结肠造影	深度学习	CT图像	训练集66例手动分割的腹部CT扫描，外部验证集9172例无症状门诊患者	NA	NA	灵敏度, 特异度, AUC, p值	NA
15234	2025-10-07	An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290624 PMID:37903154	研究论文	提出一种基于改进白鲸优化算法的自适应多通道DeepLabv3+模型，用于航空图像的语义分割	结合改进白鲸优化算法(IBWO)优化多通道DeepLabv3+的超参数，提高分割精度	未明确说明模型在复杂场景下的泛化能力及计算资源需求	提升航空遥感图像语义分割的准确性和效率	航空遥感图像	计算机视觉	NA	深度学习	DeepLabv3+	图像	两个数据集（未明确具体样本数量）	NA	DeepLabv3+, 自适应多通道架构	准确率, Dice系数	计算时间113.0123秒（未明确硬件配置）
15235	2025-10-07	Kernel representation-based End-to-End network-enabled decoding strategy for precise and medical diagnosis 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137233 PMID:39823885	研究论文	提出一种基于核表示的端到端网络CellNet，用于精确检测密集目标并应用于医学诊断	使用形状感知径向基函数学习目标的核表示，提高密集目标计数精度	NA	开发精确检测密集目标的神经网络模型并应用于医学诊断	粘附聚苯乙烯微球、血清样本中的降钙素原、不规则粘附细胞	计算机视觉	NA	生物素-链霉亲和素生物传感方法、人工智能转码	神经网络	数字图像	NA	NA	CellNet	检测准确率, 检测限	NA
15236	2025-03-17	Spatiotemporal estimates of anthropogenic NOx emissions across China during 2015-2022 using a deep learning model 2025-Apr-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137308 PMID:39847932	研究论文	本文开发了一种新的深度学习模型，用于模拟GEOS-Chem模型的逆过程，以改进2015-2019年期间的人为NOx排放强度估计，并预测2020-2022年的排放强度	使用深度学习模型模拟GEOS-Chem模型的逆过程，提高了NOx排放强度的估计精度	模型依赖于高分辨率NO浓度数据集，可能受数据质量和可用性的限制	改进人为NOx排放强度的估计，并预测未来几年的排放趋势	中国2015-2022年的人为NOx排放	机器学习	NA	深度学习	深度学习模型	高分辨率NO浓度数据	2015-2022年的NOx排放数据	NA	NA	NA	NA
15237	2025-10-07	Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning 2025-Apr-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.064 PMID:39557309	研究论文	开发了一种结合主动学习和源自由域适应的深度学习方法来分割鼻咽癌大体肿瘤体积，解决多中心和多名标注者场景下的分割模型部署问题	首次将主动学习与源自由域适应相结合用于医学图像分割，仅需少量标注样本即可实现跨中心和跨标注者的泛化性能	需要少量目标域标注数据进行适应，且在某些多中心数据集上性能与传统全监督方法相比无统计学差异	开发能够泛化到多中心和多名标注者环境的鼻咽癌肿瘤体积分割方法	鼻咽癌患者的磁共振成像扫描	医学图像分析	鼻咽癌	磁共振成像	深度学习	医学图像	1057例来自5家医院的鼻咽癌患者MRI扫描，外加170例由4名专家标注的独立数据集	NA	U-Net	Dice相似系数, 95% Hausdorff距离	NA
15238	2025-10-07	Prior Knowledge-Guided U-Net for Automatic Clinical Target Volume Segmentation in Postmastectomy Radiation Therapy of Breast Cancer 2025-Apr-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.104 PMID:39667584	研究论文	本研究开发了一种先验知识引导的U-Net模型，用于乳腺癌术后放疗中临床靶区的自动分割	首次将先验医学知识整合到深度学习框架中，采用两阶段自动分割策略	样本量相对有限（102例CT扫描），需进一步扩大验证	提高乳腺癌术后放疗中临床靶区自动分割的准确性和效率	乳腺癌术后患者的CT扫描图像	数字病理	乳腺癌	CT扫描	U-Net	医学图像	102例乳腺癌患者CT扫描（80例训练，22例测试）	NA	U-Net	Dice相似系数, 95% Hausdorff距离, 平均表面距离, 表面DSC	NA
15239	2025-03-17	A deep learning framework for multiplet splitting classification in 1H NMR 2025-Apr, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107851 PMID:39978294	研究论文	本文提出了一种名为MuSe Net的深度学习框架，用于一维核磁共振（NMR）光谱中的多重峰分裂分类	MuSe Net是一种新颖的监督概率深度学习框架，能够模拟专家光谱学家在注释小分子生成的一维NMR光谱时的任务，并利用不确定性量化生成置信度评分	NA	开发一种自动化方法，以简化化学化合物的表征，并确保科学界结果的一致性	小分子生成的一维NMR光谱	机器学习	NA	NMR	深度学习	光谱数据	48个实验性H NMR光谱	NA	NA	NA	NA
15240	2025-03-17	AI-Based 3D Liver Segmentation and Volumetric Analysis in Living Donor Data 2025-Mar-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01468-9 PMID:40087225	研究论文	本研究探讨了深度学习在活体肝移植中的3D肝脏分割和体积分析的应用	使用多种U-Net变体模型进行术前和术后的肝脏分割，并评估其性能，同时进行体积分析以测量肝脏切除和再生率	样本量较小，仅包含55名捐赠者的数据	评估深度学习模型在活体肝移植中的肝脏分割和体积分析的准确性和临床应用性	活体肝移植捐赠者的腹部CT数据	计算机视觉	肝病	深度学习	3D U-Net, RU-Net, DU-Net, RDU-Net	3D CT图像	55名捐赠者的腹部CT数据	NA	NA	NA	NA