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
17881	2025-10-07	Mobile-friendly under-sampling single-pixel imaging based on a lightweight hybrid CNN-ViT architecture 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.546375 PMID:39876166	研究论文	提出一种基于轻量级CNN-ViT混合架构的移动友好型欠采样单像素成像方法	提出移动ViT模块降低传统ViT计算成本，并结合CNN设计轻量级混合模型，同时提出适用于深度学习SPI的通用差分三元调制模式方案	NA	开发适用于移动设备的单像素成像重建方法	单像素成像系统	计算机视觉	NA	单像素成像	CNN, ViT	图像	NA	NA	CNN-ViT混合架构	成像质量, 内存消耗, 计算负担	移动设备
17882	2025-10-07	Three-stage training strategy phase unwrapping method for high speckle noises 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.544968 PMID:39876182	研究论文	提出一种三阶段多任务相位展开方法，用于高散斑噪声条件下的相位恢复	提出三阶段训练策略和基于卷积的多尺度空间注意力模块，有效降低空间不一致噪声的干扰	仅使用模拟数据进行测试，未在真实实验数据上验证	提高高噪声条件下相位展开的测量精度	含噪声的包裹相位数据	计算机视觉	NA	相位展开技术	CNN	相位图像数据	不同噪声水平的模拟数据	NA	UNet, DeepLabV3+	噪声鲁棒性, 相位恢复精度	NA
17883	2025-10-07	OAM-basis underwater single-pixel imaging based on deep learning at a low sampling rate 2024-Dec-30, Optics express IF:3.2Q2 DOI:10.1364/OE.543358 PMID:39876191	研究论文	提出一种基于轨道角动量基和深度学习的低采样率水下单像素成像方法	首次将轨道角动量基采样方案与双注意力残差U-Net生成对抗网络相结合用于水下单像素成像	NA	解决水下环境中低采样率和高浊度条件下的成像挑战	水下目标图像	计算机视觉	NA	单像素成像	GAN	图像	NA	NA	双注意力残差U-Net生成对抗网络(DARU-GAN)	NA	NA
17884	2025-10-07	A Deep Learning Framework for Automated Classification and Archiving of Orthodontic Diagnostic Documents 2024-Dec, Cureus DOI:10.7759/cureus.76530 PMID:39877794	研究论文	提出基于卷积神经网络的深度学习框架，用于自动化正畸诊断图像的分类和归档	采用带有注意力模块的顺序分类方法，结合Grad-CAM可视化验证模型对临床相关特征的关注	研究仅聚焦于图像分类任务，尚未实现完整的诊断和治疗规划自动化	开发AI驱动的自动化正畸诊断图像分类和归档系统	正畸诊断图像	计算机视觉	口腔正畸	深度学习	CNN	图像	61,842张训练图像和13,729张外部验证图像，来自三家牙科诊所，涵盖13个类别	NA	ResNet50, InceptionV3, 带注意力模块的自定义模型	准确率	NA
17885	2025-10-07	A deep learning model for carotid plaques detection based on CTA images: a two stepwise early-stage clinical validation study 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1480792 PMID:39871993	研究论文	开发基于CTA图像的深度学习模型用于颈动脉斑块检测，并进行两步早期临床验证研究	结合ResUNet与金字塔场景解析网络(PSPNet)增强斑块分割，采用两步早期临床验证研究模拟真实临床诊断场景	回顾性单中心研究，样本量相对有限	开发颈动脉斑块检测的深度学习模型并评估其临床应用可行性和价值	颈动脉粥样硬化斑块患者	计算机视觉	心血管疾病	CTA成像	深度学习	医学图像	647例患者(训练集475例，验证集86例，测试集86例)	NA	ResUNet,PSPNet	召回率,敏感度,精确度	NA
17886	2025-10-07	Deep learning-enabled exploration of global spectral features for photosynthetic capacity estimation 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1499875 PMID:39872203	研究论文	提出一种基于注意力机制和植被指数计算的深度学习模型，用于挖掘全球光谱特征以准确估算光合作用能力	开发具有增强可解释性的深度学习模型，能够发现最优植被指数形式并优于传统方法	NA	准确估算光合作用能力	植物光合作用能力	机器学习	NA	光谱分析	深度学习	光谱数据	NA	NA	注意力机制	决定系数(R), 均方根误差(RMSE)	NA
17887	2025-10-07	Contrastive learning with transformer for adverse endpoint prediction in patients on DAPT post-coronary stent implantation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1460354 PMID:39872877	研究论文	提出一种基于对比学习和Transformer的模型，用于预测冠状动脉支架植入术后接受双抗血小板治疗患者的不良事件风险	首次将对比学习与Transformer架构结合用于DAPT不良事件预测，通过最大化类内相似性和区分类间差异优化预测性能	使用回顾性真实世界数据，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	提高冠状动脉支架植入术后患者双抗血小板治疗不良事件的预测准确性	接受药物洗脱支架植入的成年患者	医疗人工智能	心血管疾病	深度学习	Transformer, 自编码器, 对比学习	临床电子健康记录	19,713名成年患者	NA	Transformer, 自编码器	时间依赖性一致性指数(Ctd-index)	NA
17888	2025-10-07	Deep learning-based motion tracking using ultrasound images 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15321 PMID:34724712	研究论文	本研究开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的实时运动跟踪	提出了一种基于生成对抗网络的马尔可夫式网络结构，能够从序列超声图像中提取特征并估计变形矢量场	研究仅使用了公开数据集进行验证，未在真实临床环境中进行大规模测试	开发用于放射治疗中实时运动跟踪的深度学习算法	超声图像序列中的解剖标志点运动	计算机视觉	肿瘤治疗	超声成像	GAN	2D和3D超声图像序列	CLUST数据集：63个2D序列（42名受试者）和22个3D序列（18名受试者）；CAMUS数据集：450名患者的2D超声图像	NA	马尔可夫式网络	跟踪误差	NA
17889	2025-10-07	Fully automated segmentation of brain tumor from multiparametric MRI using 3D context deep supervised U-Net 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15032 PMID:34101845	研究论文	开发基于3D上下文深度监督U-Net的全自动脑肿瘤分割方法	提出上下文块聚合多尺度上下文信息，扩大卷积神经网络的有效感受野	NA	实现脑肿瘤MR图像的自动分割	脑肿瘤亚区域	医学图像分析	脑肿瘤	多参数MRI	CNN	MR图像	BraTS 2020训练数据集（五折交叉验证）和测试数据集	NA	U-Net	Dice相似系数, Hausdorff距离, Bland-Altman图, Pearson分析	NA
17890	2025-10-07	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	提出一种自监督深度学习工作流程，用于合成高平面分辨率CT图像	该工作流程是自监督的，不依赖真实CT图像训练网络，并证实了平面内高分辨率信息可以指导平面间高分辨率生成的假设	研究中仅针对头颈癌和肺癌患者的CT图像进行了验证，样本量相对有限	提高放射治疗计划中CT图像的平面分辨率	头颈癌患者和肺癌患者的CT图像	医学影像处理	头颈癌, 肺癌	CT成像	深度学习	CT图像	75例头颈癌患者（1mm层厚）和20例肺癌患者（3mm层厚）的200张CT图像	NA	NA	平均绝对误差, 边缘保持指数, 结构相似性指数, 信息保真度准则, 像素域视觉信息保真度	NA
17891	2025-10-07	Learning-based dose prediction for pancreatic stereotactic body radiation therapy using dual pyramid adversarial network 2021-06-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0856 PMID:34087807	研究论文	本研究开发了一种基于双金字塔对抗网络的深度学习模型，用于胰腺癌立体定向放射治疗剂量预测	提出了结合CT特征金字塔网络、轮廓特征金字塔网络、晚期融合网络和对抗网络的新型双金字塔网络架构	研究样本量相对有限，仅包含50例患者数据	探索深度学习在胰腺癌立体定向放射治疗剂量预测任务中的可行性	胰腺癌患者立体定向放射治疗计划	医学影像分析	胰腺癌	立体定向放射治疗(SBRT)	深度学习	CT影像和轮廓数据	50例患者(30例用于交叉验证，20例用于保留测试)	NA	双金字塔网络(DPN), 3D U-Net	平均绝对误差, 梯度差异误差, 直方图匹配, 对抗损失, 剂量体积参数, 配对t检验, 相关系数	NA
17892	2025-10-07	Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks 2021-05-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abfce2 PMID:33915524	研究论文	提出一种基于双金字塔卷积神经网络的头颈部双能CT多器官自动分割方法	采用双金字塔网络分别学习低能和高能CT特征，通过深度注意力机制融合特征，并在Mask R-CNN框架中集成掩码评分子网络以建立器官类别与分割形状的关联	对小尺寸低对比度器官（如视交叉、耳蜗等）的分割性能仍有提升空间（DSC 0.5-0.8）	开发头颈部双能CT的自动多器官分割方法	头颈部癌症患者的19个器官	计算机视觉	头颈部癌症	双能CT	CNN, R-CNN	CT图像	127名头颈部癌症患者（66名训练，61名测试）	PyTorch, TensorFlow	Mask R-CNN, 双金字塔卷积神经网络	Dice相似系数, 95% Hausdorff距离	NA
17893	2025-10-07	Synthetic dual-energy CT for MRI-only based proton therapy treatment planning using label-GAN 2021-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe736 PMID:33596558	研究论文	本研究提出一种基于标签生成对抗网络的深度学习模型，从MRI生成合成双能CT用于质子治疗计划中的阻止本领比计算	提出新型标签生成对抗网络模型，不仅能判别合成双能CT的真实性，还能区分双能CT中的高能和低能CT，更准确地建模两者间的对比度差异	研究仅基于57例头颈癌患者数据验证，样本量相对有限	开发MRI-only质子治疗计划方法，通过生成合成双能CT来准确计算阻止本领比	头颈癌患者的双能CT和MRI影像数据	医学影像分析	头颈癌	双能CT, MRI	GAN	医学影像	57例头颈癌患者的双能CT和MRI配对数据	NA	标签生成对抗网络	平均绝对误差, 归一化平均绝对误差	NA
17894	2025-10-07	Deep learning-based real-time volumetric imaging for lung stereotactic body radiation therapy: a proof of concept study 2020-12-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abc303 PMID:33080578	研究论文	本研究提出一种基于生成对抗网络的实时三维成像方法，用于肺部立体定向放射治疗中的运动管理	提出集成感知监督的生成对抗网络TransNet，可从单张二维投影实时生成三维图像，并引入特征空间感知损失以提升肺部边界准确性	概念验证研究，仅基于20例患者数据进行模拟验证，尚未进行临床实时应用	开发实时三维成像技术以提升肺部立体定向放射治疗的精准运动管理	接受肺部立体定向放射治疗的患者	医学影像分析	肺癌	4D-CT模拟	GAN	CT图像	20例患者病例，包含9个呼吸时相的三维CT图像及对应二维投影数据	NA	TransNet（包含编码、转换和解码三个模块）	平均绝对误差, 峰值信噪比, 结构相似性指数, 质心距离	NA
17895	2025-01-29	Emotion analysis of EEG signals using proximity-conserving auto-encoder (PCAE) and ensemble techniques 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10187-w PMID:39866661	研究论文	本文提出了一种基于EEG信号的创新框架——邻近保持自编码器（PCAE），用于准确识别情绪，并解决了传统情绪分析技术面临的挑战	提出了邻近保持自编码器（PCAE）和邻近保持压缩激励自编码器（PC-SEAE）模型，结合了多种卷积和反卷积层以及局部邻近保持层，显著提高了情绪识别的准确性	未提及样本量的具体限制或数据集的多样性问题	开发一种基于EEG信号的准确情绪识别系统，以改善脑机接口（BCI）在医疗、教育等领域的应用	EEG信号	脑机接口	自闭症或情绪障碍	EEG信号分析	PCAE, PC-SEAE, SVM, RF, LSTM	EEG信号	使用EEG Brainwave数据集，未提及具体样本量	NA	NA	NA	NA
17896	2025-01-29	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱和机器学习技术快速检测山茶油的掺假情况	结合三维荧光光谱和并行因子分析（PARAFAC）方法，采用优化的CaoCNN模型在掺假油检测中表现出色，准确率达到97.78%	传统机器学习方法在单一和二元掺假油的分类中存在局限性	识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，并行因子分析（PARAFAC）	PLS-DA, KNN, SVM, RF, CNN	光谱数据	NA	NA	NA	NA	NA
17897	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2025-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料	NA	NA	NA	NA
17898	2025-01-29	Synergistic effect evaluation method of atmospheric emission reduction based on deep learning fusion model 2025-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136709 PMID:39637781	研究论文	本文提出了一种基于深度学习融合模型的大气减排协同效应评估方法，旨在模拟排放对空气质量的影响	开发了一种新的深度学习融合模型GR-BILSTM，结合生成对抗网络进行数据增强和ResNet-BILSTM模型，有效解决了深度网络中的梯度消失问题，并捕捉高维数据特征，提高了模型的预测精度	未提及具体的数据集规模或实验验证的局限性	评估大气减排的协同效应，模拟排放对空气质量的影响	工业园区的排放与空气污染之间的关系	机器学习	NA	深度学习	GR-BILSTM（生成对抗网络与ResNet-BILSTM融合模型）	空气质量数据	未提及具体样本数量	NA	NA	NA	NA
17899	2024-12-22	Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques 2025-Feb, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131976 PMID:39675638	研究论文	本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段	本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测	本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试	开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺	Haematococcus lacustris细胞周期	机器学习	NA	卷积神经网络	CNN	图像	NA	NA	NA	NA	NA
17900	2025-01-29	Deep Drug-Target Binding Affinity Prediction Base on Multiple Feature Extraction and Fusion 2025-Jan-21, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c08048 PMID:39866608	研究论文	本文提出了一种基于多特征提取和融合的深度药物-靶标结合亲和力预测模型BTDHDTA，旨在提高药物发现中的预测准确性	BTDHDTA模型通过双向门控循环单元（GRU）、Transformer编码器和扩张卷积提取药物和靶标的全局、局部及其相关性特征，并引入结合卷积神经网络和高速公路连接的模块来融合药物和蛋白质的深层特征	模型在特征提取和融合过程中可能仍存在一定的计算复杂性和数据依赖性	提高药物-靶标结合亲和力（DTA）预测的准确性，以促进药物发现	药物和靶标数据	机器学习	NA	深度学习	BTDHDTA（结合GRU、Transformer编码器、扩张卷积和CNN的模型）	序列数据	三个基准数据集（Davis、KIBA和Metz）以及3137种FDA批准药物与SARS-CoV-2复制相关蛋白的结合亲和力预测	NA	NA	NA	NA