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
17821	2025-02-03	Correction: Application of deep learning and feature selection technique on external root resorption identification on CBCT images 2025-Jan-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05030-x PMID:39891069	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17822	2025-02-05	A deep learning model for assistive decision-making during robot-aided rehabilitation therapies based on therapists' demonstrations 2025-Jan-31, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01517-4 PMID:39891159	研究论文	本文提出了一种基于深度学习的模型，用于在机器人辅助康复治疗中根据治疗师的示范进行辅助决策	该模型能够从治疗师的标准中学习，判断患者在机器人辅助康复治疗中何时需要帮助，并通过微调个性化辅助，提高决策准确性	模型在测试数据集上的准确率为76.09%，仍有提升空间	提高机器人辅助康复治疗中的辅助决策能力	患有神经系统疾病的患者	机器学习	神经系统疾病	深度学习	一维卷积神经网络（CNN）	时间序列数据	多样化的神经系统疾病患者	NA	NA	NA	NA
17823	2025-02-05	Towards unbiased skin cancer classification using deep feature fusion 2025-Jan-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02889-w PMID:39891245	研究论文	本文介绍了SkinWiseNet (SWNet)，一种用于检测和自动分类潜在恶性皮肤癌状况的深度卷积神经网络	SWNet通过多路径优化特征提取，强调网络宽度增强以提高效率，并通过特征融合减少与肤色和毛发相关的偏见	NA	提高皮肤癌检测和分类的准确性，减少与肤色和毛发相关的偏见	皮肤癌图像	计算机视觉	皮肤癌	深度学习	CNN	图像	四个公开数据集（Mnist-HAM10000, ISIC2019, ISIC2020, Melanoma Skin Cancer）	NA	NA	NA	NA
17824	2025-02-05	Predicting survival in malignant glioma using artificial intelligence 2025-Jan-31, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02339-3 PMID:39891313	研究论文	本文探讨了使用人工智能技术预测恶性胶质瘤患者生存期的有效性	利用机器学习和深度学习技术整合多模态数据，显著提高了胶质瘤患者生存预测的准确性	数据异质性、可解释性挑战和计算需求，特别是在资源有限的环境中	评估不同AI模型在预测恶性胶质瘤患者生存期方面的比较效果	恶性胶质瘤患者	机器学习	脑癌	机器学习（ML）、深度学习（DL）	NA	影像、临床参数、分子生物标志物	NA	NA	NA	NA	NA
17825	2025-10-07	A robust auto-contouring and data augmentation pipeline for adaptive MRI-guided radiotherapy of pancreatic cancer with a limited dataset 2025-Jan-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adabac PMID:39823751	研究论文	开发并评估用于胰腺癌MRI引导放疗中危及器官的快速鲁棒深度学习自动分割方法	提出两种新颖的数据增强方法：结构引导的形变增强和基于循环GAN的增强，用于解决小数据集问题	研究样本量有限（仅10名患者的43张图像）	克服在线自适应放疗流程中手动轮廓勾画耗时的问题	胰腺癌患者的危及器官	医学影像分析	胰腺癌	MRI成像	深度学习分割模型	3D MRI图像	10名患者的43张3DVane图像	nnU-Net	ResU-Net, SegResNet, nnU-Net	Dice分数, 平均表面距离, D2%, D50%	NA
17826	2025-10-07	A review of state-of-the-art resolution improvement techniques in SPECT imaging 2025-Jan-30, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00724-9 PMID:39883257	综述	本文系统综述了SPECT成像中提升空间分辨率的最新技术进展	全面总结了硬件和软件两方面的最新分辨率提升技术，特别关注了深度学习的新兴应用	作为综述文章，不包含原始实验数据或方法验证	识别SPECT分辨率增强技术的最新发展趋势	临床和临床前SPECT系统	医学影像	肿瘤	SPECT成像	NA	医学影像数据	NA	NA	NA	NA	NA
17827	2025-10-07	MMFW-UAV dataset: multi-sensor and multi-view fixed-wing UAV dataset for air-to-air vision tasks 2025-Jan-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04482-2 PMID:39885165	研究论文	本文提出了首个针对固定翼无人机的多传感器多视角航空对空视觉数据集MMFW-UAV	首个一对多模态固定翼无人机图像数据集，包含全视角覆盖的多传感器图像和高品质标注	NA	为固定翼无人机的识别、检测与监控任务提供数据支持	固定翼无人机	计算机视觉	NA	多传感器成像（变焦、广角、热成像）	基于深度学习的物体检测架构	多模态图像	147,417张固定翼无人机图像	NA	主流物体检测架构	NA	NA
17828	2025-10-07	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO	针对物联网设备计算资源有限的问题优化了YOLOv8模型，实现了低训练成本和高检测性能的平衡	仅针对水果检测场景进行了验证，在其他物联网应用场景的泛化能力需要进一步测试	开发适用于物联网嵌入式设备的轻量级实时目标检测模型	生产线上的新鲜和缺陷水果	计算机视觉	NA	深度学习	CNN	图像	NA	NA	YOLOv8, FRYOLO	召回率, mAP, 精确率, FPS	物联网嵌入式设备
17829	2025-10-07	Optimized deep learning model with integrated spectrum focus transformer for pavement distress recognition and classification 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88251-6 PMID:39885250	研究论文	提出一种集成频谱聚焦Transformer的优化深度学习模型，用于路面病害识别与分类	提出频谱聚焦Transformer层，通过分析图像频域特性对频率分量进行精细化处理，增强对路面病害区域的捕捉能力	NA	解决复杂路面环境下病害特征提取困难的问题，提升路面病害识别与分类性能	路面病害图像	计算机视觉	NA	频域分析	Transformer, 深度学习	图像	NA	NA	频谱聚焦Transformer	准确率	NA
17830	2025-10-07	Biomedical named entity recognition using improved green anaconda-assisted Bi-GRU-based hierarchical ResNet model 2025-Jan-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06008-w PMID:39885428	研究论文	提出一种改进的绿蟒蛇优化算法辅助双向GRU层次ResNet模型用于生物医学命名实体识别	结合改进绿蟒蛇优化算法与双向GRU层次ResNet架构，优化模型参数选择	需要大量标注数据集，可能难以识别文本中的长距离关系	解决生物医学文本挖掘中的命名实体识别挑战	生物医学科学文献中的命名实体	自然语言处理	NA	文本挖掘	Bi-GRU, ResNet	文本	MACCROBAT数据集（来自Kaggle）	NA	Hierarchical ResNet, Bi-GRU, BERT-Whole Word Masking	准确率	NA
17831	2025-10-07	A deep learning approach for classifying and predicting children's nutritional status in Ethiopia using LSTM-FC neural networks 2025-Jan-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00425-0 PMID:39885567	研究论文	本研究使用LSTM-FC神经网络对埃塞俄比亚儿童营养状况进行分类和预测	首次将LSTM-FC神经网络应用于儿童营养状况的纵向预测，并采用SHAP进行特征选择	仅基于埃塞俄比亚单一国家的数据，可能缺乏跨区域泛化能力	解决儿童营养不良这一关键公共卫生问题，预测营养状况随时间的变化	埃塞俄比亚儿童营养状况	机器学习	营养不良	纵向队列研究	LSTM, 全连接神经网络	纵向调查数据	1997名埃塞俄比亚儿童，2002-2016年五轮调查数据	TensorFlow, Keras	LSTM-FC	准确率, 召回率, F1分数	GPU加速系统
17832	2025-02-05	Automating airborne pollen classification: Identifying and interpreting hard samples for classifiers 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e41656 PMID:39897809	研究论文	本文探讨了基于深度学习的空气花粉分类中的挑战，特别是识别和解释对分类器构成困难的样本	通过样本级难度分析，揭示了深度学习算法在花粉分类中面临的主要挑战，包括图像中多个花粉颗粒的共现、2D显微镜图像中特定标记的遮挡以及某些花粉类群缺乏显著独特特征	研究仅基于自动生成的花粉颗粒显微镜图像数据集，可能未涵盖所有实际应用场景	研究目的是识别和解释对深度学习分类器构成困难的空气花粉样本	空气花粉样本	计算机视觉	NA	深度学习	NA	图像	最大的自动生成的花粉颗粒显微镜图像数据集之一	NA	NA	NA	NA
17833	2025-02-05	Deep learning-based prediction of mortality using brain midline shift and clinical information 2025-Jan-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41271 PMID:39897887	研究论文	本研究提出了一种基于深度学习的计算机辅助方法，用于检测脑中线移位（MLS），并结合临床信息预测患者的死亡率	提出了一种关键点检测方法，用于在每张CT切片上检测脑中线，获取每张切片的MLS距离和面积，并结合临床信息使用多层感知器（MLP）模型预测患者死亡率	CT切片是二维的，限制了脑中线移位的检测	预测患者的死亡率	脑中线移位（MLS）和临床信息	计算机视觉	脑损伤、中风、脑肿瘤或血肿	深度学习	多层感知器（MLP）	CT图像	NA	NA	NA	NA	NA
17834	2025-10-07	Mining versatile feruloyl esterases: phylogenetic classification, structural features, and deep learning model 2025-Jan-29, Bioresources and bioprocessing IF:4.3Q1 DOI:10.1186/s40643-024-00835-8 PMID:39878830	研究论文	本研究通过系统发育分类、结构特征分析和深度学习模型挖掘多功能阿魏酸酯酶	首次整合酶相似性网络分析、分子动力学模拟和深度学习模型来预测多功能阿魏酸酯酶	仅从BRENDA数据库获取2085条序列，可能未覆盖所有已知阿魏酸酯酶	挖掘具有广泛底物催化能力的多功能阿魏酸酯酶	阿魏酸酯酶（FEs）氨基酸序列	生物信息学	NA	酶相似性网络分析，系统发育分析，分子动力学模拟，深度学习	深度学习模型	蛋白质序列数据	2085条阿魏酸酯酶序列	NA	NA	概率评分（90%阈值）	NA
17835	2025-10-07	A guidance to intelligent metamaterials and metamaterials intelligence 2025-Jan-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56122-3 PMID:39880838	综述	本文从统一视角综述超材料与人工智能双向互动的最新进展，包括智能超材料和超材料智能两大新兴领域	提出从统一视角审视超材料与人工智能的交叉融合，系统阐述两个新兴领域——智能超材料和超材料智能的协同发展	未提及具体实验数据验证，主要聚焦理论框架和概念性讨论	探讨超材料与人工智能的双向互动关系及其在电磁空间管理中的应用	智能超材料与超材料智能系统	机器学习	NA	深度学习	神经网络	电磁仿真数据	NA	NA	NA	NA	NA
17836	2025-10-07	Fluo-Cast-Bright: a deep learning pipeline for the non-invasive prediction of chromatin structure and developmental potential in live oocytes 2025-Jan-29, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-07568-0 PMID:39880880	研究论文	开发了一种基于深度学习的非侵入性方法，用于预测活体小鼠卵母细胞的染色质结构和发育潜力	首次实现通过明场图像非侵入性预测活体卵母细胞染色质状态和发育潜能，避免了传统荧光标记的损伤性	研究仅在小鼠卵母细胞中进行验证，尚未扩展到其他物种	建立非侵入性卵母细胞质量评估方法	小鼠卵母细胞	数字病理	生殖医学	深度学习，转录组分析	深度学习管道	明场图像，荧光图像	未明确说明具体样本数量	NA	NA	准确率	NA
17837	2025-10-07	A hybrid deep learning air pollution prediction approach based on neighborhood selection and spatio-temporal attention 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88086-1 PMID:39880913	研究论文	提出一种结合邻域选择和时空注意力机制的混合深度学习空气污染预测方法	集成KNN算法、时空注意力机制、残差块和ConvLSTM神经网络，自适应选择高相关邻域并提取时空特征	仅在北京及周边城市群进行验证，未在其他地理区域测试	准确预测空气污染物浓度以支持有效的污染防控	北京及周边城市群的PM浓度数据	机器学习	NA	深度学习，空气质量监测	ConvLSTM	空气污染物浓度数据，气象数据	北京及周边城市群的PM浓度数据集	NA	KSC-ConvLSTM（集成KNN、时空注意力机制、残差块和ConvLSTM）	均方根误差（RMSE）	NA
17838	2025-10-07	Deep learning model based prediction of vehicle CO2 emissions with eXplainable AI integration for sustainable environment 2025-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87233-y PMID:39880869	研究论文	本研究提出了一种结合可解释人工智能的深度学习模型，用于预测车辆二氧化碳排放量	首次将可解释人工智能(XAI)方法与深度学习模型结合用于车辆CO2排放预测，开发了名为CarbonMLP的轻量多层感知器架构	数据集规模有限，未整合其他污染物，实际应用验证不足	开发准确的车辆CO2排放预测模型以支持环境可持续发展策略	车辆CO2排放数据及车辆属性特征	机器学习	NA	深度学习，可解释人工智能(XAI)	MLP	结构化数据	加拿大政府开放数据门户的车辆数据集	NA	CarbonMLP(轻量多层感知器)	R平方值，均方误差(MSE)	NA
17839	2025-10-07	Feasibility of generating sagittal radiographs from coronal views using GAN-based deep learning framework in adolescent idiopathic scoliosis 2025-Jan-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00553-6 PMID:39881022	研究论文	本研究探讨使用GAN深度学习框架从冠状位X线片生成矢状位X线片在青少年特发性脊柱侧凸监测中的可行性	首次将GAN技术应用于从冠状位X线片生成矢状位X线片，旨在减少青少年特发性脊柱侧凸监测中的辐射暴露	生成的合成图像质量不足以进行准确的临床参数评估，仅SVA参数表现较好	探索使用AI技术减少脊柱侧凸监测中辐射暴露的方法	青少年特发性脊柱侧凸患者	医学影像分析	青少年特发性脊柱侧凸	X线摄影，EOS成像系统	GAN	X线图像	3,935名AIS患者，其中训练集3,356例，测试集579例	NA	GAN	组内相关系数，绝对误差	NA
17840	2025-10-07	3D-AttenNet model can predict clinically significant prostate cancer in PI-RADS category 3 patients: a retrospective multicenter study 2025-Jan-29, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01896-1 PMID:39881076	研究论文	开发基于双通道注意力模块的深度学习模型（AttenNet），用于预测PI-RADS 3类别患者的临床显著前列腺癌	首次在PI-RADS 3类别患者中应用带通道注意力和软注意力模块的3D深度学习模型进行风险再分层	回顾性研究设计，样本来自特定时间范围（2015-2020年）的六个医疗中心	开发深度学习模型重新分层PI-RADS 3类别患者的临床显著前列腺癌风险	1567例连续男性患者的双参数MRI图像	数字病理	前列腺癌	双参数MRI	深度学习	3D MRI图像	1567例患者（训练集1144例PI-RADS 1-2和4-5图像，238例PI-RADS 3图像；测试集185例PI-RADS 3图像）	NA	AttenNet（包含通道注意力和软注意力模块）	AUC	NA