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
17121	2025-10-07	Automatic detection and classification of marmoset vocalizations using deep and recurrent neural networks 2018-07, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5047743 PMID:30075670	研究论文	本研究使用深度学习和循环神经网络实现了狨猴发声的自动检测与分类	首次将LSTM-RNN应用于狨猴发声检测，并在大规模数据集上对比了多种深度学习方法与传统方法的性能	测试集区分了训练集中是否包含相同狨猴个体的数据，可能影响模型泛化能力评估	开发自动化的狨猴发声检测与分类系统	狨猴发声录音	自然语言处理	NA	音频分析	DNN, LSTM, SVM	音频	1500分钟录音数据，来自4对狨猴双胞胎	NA	DNN, LSTM-RNN	帧错误率, 准确率	NA
17122	2025-10-07	FPGA implementation of deep-learning recurrent neural networks with sub-millisecond real-time latency for BCI-decoding of large-scale neural sensors (104 nodes) 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512415 PMID:30440576	研究论文	本文提出了一种基于FPGA的深度学习递归神经网络实现，用于大规模神经传感器的脑机接口解码，能够实现亚毫秒级实时延迟	开发了名为NeuroCoder的移动低功耗嵌入式系统平台，首次在FPGA上实现了参数量达404万的LSTM RNN模型，能够实时解码10,000个神经通道	目前仅在模拟的10,000个神经通道和20维声谱时域表示的语音词解码场景中进行了概念验证	开发低延迟实时神经解码系统，用于下一代脑机接口在复杂人类任务中的应用	大规模神经传感器数据，包括神经元放电、多单元活动和局部场电位	脑机接口	NA	神经信号解码	LSTM, RNN	神经信号数据	10,000个神经通道的模拟数据	NA	LSTM	实时延迟（亚毫秒级）	FPGA（现场可编程门阵列），移动低功耗嵌入式系统平台
17123	2025-10-07	A deep learning framework for causal shape transformation 2018-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2017.12.003 PMID:29301111	研究论文	提出一种结合卷积神经网络和堆叠自编码器的混合架构，用于学习将输入视觉模式非线性转换为目标视觉模式的因果动作序列	解决了高维一对多逆映射问题，在微流体流场塑造中首次深入探索深度学习作为逆映射方法的应用	仅针对特定物理领域问题验证，未在更广泛的多步拓扑变换场景中测试	开发能够学习因果形状变换序列的深度学习框架	视觉模式和分布的序列变换	计算机视觉	NA	深度学习	CNN, SAE	视觉模式、分布数据	NA	NA	卷积神经网络, 堆叠自编码器	NA	NA
17124	2025-10-07	Deep Recurrent Neural Networks for Human Activity Recognition 2017-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s17112556 PMID:29113103	研究论文	提出使用深度循环神经网络进行人类活动识别，能够捕捉可变长度输入序列中的长期依赖关系	采用基于LSTM的深度循环神经网络架构，能够处理可变长度输入序列并捕获长期时间依赖关系，克服了传统方法固定长度输入窗口的限制	未明确说明模型在实时应用中的计算效率和处理速度	开发能够有效识别人类活动的高性能模型	从身体佩戴传感器获取的人类活动数据序列	机器学习	NA	传感器数据采集	RNN, LSTM	时间序列数据	多个基准数据集（具体数量未明确说明）	NA	LSTM, 单向LSTM, 双向LSTM, 级联LSTM	NA	NA
17125	2025-10-07	DeepSleepNet: A Model for Automatic Sleep Stage Scoring Based on Raw Single-Channel EEG 2017-11, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2017.2721116 PMID:28678710	研究论文	提出一种基于原始单通道脑电图的自动睡眠分期深度学习模型DeepSleepNet	无需手工设计特征，自动从原始脑电信号中学习时间不变特征和睡眠阶段转换规则	NA	开发自动睡眠分期模型	睡眠脑电图数据	机器学习	睡眠障碍	脑电图	CNN, 双向LSTM	脑电信号	来自两个公共睡眠数据集的不同单通道脑电图	NA	DeepSleepNet	准确率, 宏F1分数	NA
17126	2025-10-07	A deep learning framework for financial time series using stacked autoencoders and long-short term memory 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0180944 PMID:28708865	研究论文	提出一种结合小波变换、堆叠自编码器和长短期记忆网络的深度学习框架用于股价预测	首次将堆叠自编码器用于分层提取深度特征并应用于股价预测	NA	开发深度学习框架以提高股价预测的准确性和盈利能力	六个市场指数及其对应的指数期货	机器学习	NA	小波变换	堆叠自编码器,长短期记忆网络	金融时间序列数据	六个市场指数及其指数期货	NA	堆叠自编码器,LSTM	预测准确性,盈利能力表现	NA
17127	2025-10-07	Deep learning-based segmentation in MRI-(immuno)histological examination of myelin and axonal damage in normal-appearing white matter and white matter hyperintensities 2025-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.13301 PMID:39175459	研究论文	本研究结合深度学习和多模态成像技术，量化分析正常表现白质和白质高信号区域的髓鞘和轴突损伤	首次将深度学习分割技术与偏振光成像、(免疫)组织化学及死后脑成像相结合，实现体素级别的白质微结构病理评估	研究样本量有限，且为死后组织分析，无法实时观察疾病进展过程	探究脑小血管疾病中白质微结构损伤的早期病理机制	高血压患者和正常血压对照者的死后脑组织样本	数字病理学	脑血管疾病	偏振光成像,(免疫)组织化学,磁共振成像,深度学习分割	深度学习	医学图像,组织切片	高血压患者和正常血压对照者的脑组织样本（具体数量未明确说明）	NA	NA	NA	NA
17128	2025-02-20	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型	研究样本量相对较小，且仅限于肺结节和乳腺结节患者	缩短动态PET扫描时间，提高临床应用的可行性	70名肺结节或乳腺结节患者	医学影像分析	肺结节, 乳腺结节	动态PET/CT扫描	Bi-AT-Seq2Seq	医学影像	70名患者（32名男性，平均年龄53.61±13.53岁）	NA	NA	NA	NA
17129	2025-02-20	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值	使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能	研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异	评估深度学习在区分OAL和IOI中的应用价值	97名经病理学确认的OAL和IOI患者	数字病理学	眼附属器淋巴瘤, 特发性眼眶炎症	深度学习	基于注意力的融合模型	MR图像	97名患者（43名OAL，54名IOI）	NA	NA	NA	NA
17130	2025-02-20	Identifying influential nodes in brain networks via self-supervised graph-transformer 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109629 PMID:39731922	研究论文	本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点	采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析	依赖于自监督学习的效果，可能受限于数据质量和模型训练过程	识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解	脑网络中的关键节点	脑成像	NA	自监督深度学习，图变换器	Graph-Transformer	脑图数据	56个关键节点	NA	NA	NA	NA
17131	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA	NA	NA	NA	NA
17132	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集	NA	NA	NA	NA
17133	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录	NA	NA	NA	NA
17134	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量	NA	NA	NA	NA
17135	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集	NA	NA	NA	NA
17136	2025-02-20	Artificial intelligence in the management of metabolic disorders: a comprehensive review 2025-Feb-19, Journal of endocrinological investigation IF:3.9Q2 DOI:10.1007/s40618-025-02548-x PMID:39969797	综述	本文综述了人工智能在代谢性疾病管理中的重要作用，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍	本文综合探讨了AI在代谢性疾病管理中的多种应用，如早期诊断、个性化治疗、风险评估和生物标志物发现，并强调了AI与临床实践结合的革命性潜力	本文提到AI实施中的挑战和伦理考虑，如数据隐私、模型可解释性和偏见缓解，但未深入探讨具体解决方案	探讨人工智能在代谢性疾病管理中的应用及其潜力	代谢性疾病，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍	自然语言处理, 计算机视觉, 机器学习	代谢性疾病	机器学习(ML), 深度学习(DL), 自然语言处理(NLP), 强化学习	NA	NA	NA	NA	NA	NA	NA
17137	2025-02-20	Deep learning for augmented process monitoring of scalable perovskite thin-film fabrication 2025-Feb-18, Energy & environmental science IF:32.4Q1 DOI:10.1039/d4ee03445g PMID:39830789	研究论文	本文展示了深度学习在增强大面积钙钛矿薄膜制造过程监控中的应用	利用深度学习增强成像方法，实现材料成分监控、薄膜质量早期评估及过程控制建议生成	研究基于中等规模数据集，可能在大规模应用中存在限制	提高钙钛矿光伏材料的大面积制造可重复性	钙钛矿薄膜的制造过程	机器学习	NA	深度学习	NA	图像数据	中等规模数据集	NA	NA	NA	NA
17138	2025-02-20	Integrating State-Space Modeling, Parameter Estimation, Deep Learning, and Docking Techniques in Drug Repurposing: A Case Study on COVID-19 Cytokine Storm 2025-Feb-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf035 PMID:39965087	研究论文	本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，探索药物再利用在COVID-19细胞因子风暴中的应用	结合数学建模、PID控制器、深度学习和分子对接技术，提出了一种综合方法用于快速识别关键调控蛋白和药物再利用	研究主要针对COVID-19的细胞因子风暴，未广泛验证其他病毒或疾病的应用效果	开发快速有效的治疗方法，以应对SARS-CoV-2变种带来的挑战	COVID-19细胞因子风暴中的关键调控蛋白（如ACE2）	药物再利用	COVID-19	状态空间建模、参数估计、深度学习、分子对接	深度学习模型	蛋白质相互作用数据、药物-靶点相互作用数据	NA	NA	NA	NA	NA
17139	2025-02-20	Dual-Domain Self-Supervised Deep Learning with Graph Convolution for Low-Dose Computed Tomography Reconstruction 2025-Feb-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01314-4 PMID:39966223	研究论文	本文提出了一种名为DDoS的双域自监督深度学习框架，用于低剂量计算机断层扫描（LDCT）图像的去噪和重建	DDoS框架结合了图卷积和多通道注意力模块，能够在sinogram域和图像域同时进行去噪，有效提升了LDCT图像的信噪比	尽管DDoS框架在实验中表现出色，但其在临床环境中的实际应用仍需进一步验证	提高低剂量计算机断层扫描（LDCT）图像的信噪比，以满足诊断所需的图像质量	低剂量计算机断层扫描（LDCT）图像	计算机视觉	NA	深度学习	图卷积网络（GCN）	图像	两个大规模LDCT数据集	NA	NA	NA	NA
17140	2025-02-20	A dataset for surface defect detection on complex structured parts based on photometric stereo 2025-Feb-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04454-6 PMID:39956811	研究论文	本文提出了一种基于深度学习和光度立体视觉的表面缺陷检测技术，并创建了金属表面缺陷数据集（MSDD）	提出了一种新的缺陷检测技术，结合了光度立体视觉和深度学习，并创建了一个包含多种缺陷类型的金属表面缺陷数据集	NA	解决工业缺陷检测中的阴影和表面反射问题，特别是在非平面零件上的检测	金属表面缺陷	计算机视觉	NA	光度立体视觉	FCOS, YOLOv5, YOLOv8, RT-DETR	图像	138,585张单通道图像和9,239张混合图像	NA	NA	NA	NA