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
18841	2025-10-07	GGSYOLOv5: Flame recognition method in complex scenes based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317990 PMID:39888970	研究论文	提出一种基于深度学习的复杂场景火焰识别方法GGSYOLOv5	在YOLOv5网络中引入全局注意力机制和无参数注意力机制，并使用分组随机卷积替换原始卷积	NA	开发能够在复杂场景中实时准确识别火焰的检测系统	火焰图像	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	YOLOv5, GGSYOLOv5	准确率, FPS	Jetson Nano嵌入式开发板
18842	2025-10-07	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	提出一种基于深度学习的全局匹配数字图像相关方法GMDIC，用于测量复杂大变形位移场	结合多头注意力Swin-Transformer和高效通道注意力模块ECA，在特征中添加位置信息以增强特征表示能力	NA	改进数字图像相关方法在大变形位移场测量中的精度和效率	散斑图像的位移场测量	计算机视觉	NA	数字图像相关方法	深度学习	散斑图像	包含各种类型散斑图像和复杂变形的位移场数据集	NA	Swin-Transformer, ECA	位移预测精度	NA
18843	2025-10-07	A Feature-Fusion Technique-Based Alzheimer's Disease Classification Using Magnetic Resonance Imaging 2024-Oct-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212363 PMID:39518331	研究论文	提出一种基于特征融合技术的阿尔茨海默病分类方法，使用磁共振成像数据	改进现有视觉Transformer模型，结合CatBoost分类器实现特征融合，在有限计算资源下提供可解释的AD分类方案	仅使用MRI数据，未整合遗传和临床数据，模型鲁棒性和适用性有待进一步验证	开发计算资源需求较低且可解释的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	磁共振成像	ViT, CatBoost	图像	OASIS数据集	NA	改进的Vision Transformer	准确率, 损失值	有限计算资源
18844	2025-10-07	Hexagonal diffraction gratings generated by convolutional neural network-based deep learning for suppressing high-order diffractions 2024-Oct-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.531198 PMID:39889023	研究论文	利用基于卷积神经网络的深度学习算法设计六边形衍射光栅，有效抑制高阶衍射	首次将卷积神经网络应用于六边形衍射光栅的结构参数反演设计，实现单阶衍射特性	未明确说明神经网络的具体训练数据规模和泛化能力	开发能够抑制高阶衍射的衍射光栅设计方法	六边形衍射光栅	计算机视觉	NA	深度学习	CNN	仿真数据，实验数据	NA	NA	卷积神经网络	衍射强度抑制率	NA
18845	2025-10-07	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过五种深度学习模型分析不同疾病队列的脑年龄差距，并探讨模型架构对预测结果的影响	首次系统比较五种先进深度学习模型在不同神经系统疾病中的脑年龄差距表现，并发现脑年龄差距随实际年龄增长而下降的趋势	研究结果可能受到生存偏倚、疾病进展和治疗干预等复杂因素的共同影响	评估不同深度学习模型在多种疾病中脑年龄预测的一致性和差异性	健康对照者及睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病患者	医学影像分析	神经系统疾病	T1加权磁共振成像	深度学习	脑部MRI图像	多个疾病队列的健康对照和患者样本	NA	2D VGG, 3D VGG, RelationNet, ResNet, SFCN	脑年龄差距统计显著性	NA
18846	2025-10-07	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	提出基于分布式条件生成对抗网络的相位恢复方法，同时提升相位和幅度图像的重建质量	首次提出分布式幅度和相位条件生成对抗网络(D-APUCGAN)，能够同时提高相位和幅度图像的重建质量	未明确说明计算资源需求和模型训练时间	解决相位恢复问题，从傅里叶强度测量中重建原始图像	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	傅里叶强度测量	GAN, 条件生成对抗网络	图像	NA	NA	UCGAN, AUCGAN, PUCGAN, APUCGAN	PSNR, SSIM	NA
18847	2025-10-07	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	提出一种用于OCT图像中视网膜疾病分类和撕裂区域分割的深度学习框架	开发了能同时执行分类和分割任务的双重深度学习框架，采用并行掩码引导CNN进行图像分类，并使用其输出的GAM辅助V-Net进行分割	未明确说明样本量的具体数值和数据集分布的详细情况	开发能够同时进行视网膜疾病分类和撕裂区域分割的深度学习框架	光学相干断层扫描(OCT)图像中的视网膜疾病	计算机视觉	视网膜疾病	光学相干断层扫描(OCT)	CNN, V-Net	图像	包含4个公共数据集和1个实时数据集的组合数据集，涵盖11类视网膜疾病	NA	并行掩码引导卷积神经网络(PM-CNN), V-Net	Dice系数, 准确率	NA
18848	2025-10-07	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种CNN-LSTM混合模型来预测中国河北省的流感样病例百分比	首次将CNN-LSTM混合神经网络模型应用于河北省流感活动预测，相比传统模型具有更好的预测性能	研究仅基于河北省28家哨点医院的数据，未考虑其他影响因素如气象数据、人口流动等	开发准确的流感活动预测模型，为流感防控提供科学依据	河北省28家国家级哨点医院的流感样病例百分比数据	机器学习	流感	深度学习	CNN,LSTM,CNN-LSTM,SARIMA,XGBoost	时间序列数据	2010-2022年河北省28家哨点医院的ILI%数据	PyTorch,R,Python	CNN-LSTM混合架构	MAE,RMSE,MAPE	NA
18849	2025-10-07	Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.233197 PMID:39162636	研究论文	本研究开发了一种知识增强的深度学习模型，用于在CT血管造影图像中分割和检测脑动脉瘤	采用多中心数据集构建深度学习模型，结合知识增强方法提高脑动脉瘤分割和检测的准确性	研究为回顾性设计，需要进一步前瞻性验证	开发准确的脑动脉瘤自动分割和检测方法	疑似未破裂脑动脉瘤患者的CT血管造影图像	医学影像分析	脑动脉瘤	CT血管造影(CTA), 数字减影血管造影(DSA)	深度学习	医学影像	6060名患者用于模型开发(训练4342, 验证1086, 内部测试632), 118名患者用于外部测试	NA	NA	Dice相似系数(DSC), 灵敏度, AUC	NA
18850	2025-10-07	Detection and quantitative analysis of patient-ventilator interactions in ventilated infants by deep learning networks 2024-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03064-z PMID:38316942	研究论文	本研究开发了基于深度学习的卷积神经网络模型，用于自动检测和定量分析新生儿机械通气中的患者-呼吸机相互作用	首次将成人PVI分类标准应用于新生儿群体，并开发了专门针对新生儿的深度学习分类器实现PVI自动检测	样本量相对较小（23名婴儿），仅从170名新生儿中随机选择，且仅分析了500次呼吸/记录	开发自动化工具来检测和定量分析新生儿机械通气中的患者-呼吸机相互作用	接受机械通气的新生儿，使用SIPPV-VG、SIMV-VG或PSV-VG模式通气至少12小时	数字病理	新生儿呼吸疾病	机械通气波形分析	CNN	呼吸波形数据	23名婴儿，每名婴儿500次呼吸（总计11500次呼吸）	NA	卷积神经网络	F1分数	NA
18851	2025-10-07	Joint-learning-based coded aperture compressive temporal imaging 2024-Jul-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.523092 PMID:39889132	研究论文	提出一种基于联合学习的编码孔径压缩时间成像方法，通过联合优化二进制掩码策略、松弛策略和正则化策略实现高质量视频重建	将Landweber迭代重建方法的数学结构与深度学习相结合，成功解决了参数选择的挑战性问题	NA	改进编码孔径压缩时间成像系统的重建算法和掩码优化	高速动态场景的三维视频重建	计算机视觉	NA	压缩感知，编码孔径压缩时间成像	深度学习	视频帧，压缩测量数据	NA	NA	NA	NA	NA
18852	2025-10-07	Deep Learning for Alzheimer's Disease Prediction: A Comprehensive Review 2024-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121281 PMID:38928696	综述	本文对用于阿尔茨海默病预测的深度学习方法进行了全面回顾与分析	系统梳理了116篇相关文献，强调了深度学习模型可解释性的重要性，并总结了当前研究面临的挑战	作为综述文章，不包含原始实验数据，主要基于现有文献进行分析	评估现有阿尔茨海默病识别技术并指出未来研究方向	阿尔茨海默病检测相关的多模态数据、特征提取方法和验证方法	医学影像分析	阿尔茨海默病	计算机辅助诊断系统	深度学习	多模态医学数据	基于116篇研究论文的分析	NA	NA	NA	NA
18853	2025-10-07	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	提出一种基于残差函数的多阶段深度学习框架用于阿尔茨海默病的计算机辅助检测	采用五阶段残差网络架构增强特征有效性，结合深度学习特征选择模块和机器学习分类算法	仅针对二分类问题进行了验证，未涉及多分类或疾病分期任务	开发自动化的阿尔茨海默病检测系统以提升诊断性能	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	医学影像分析	CNN, SVM, RF	医学影像	三个基准数据集：ADNI1: Complete 1Yr 1.5T, MIRAID, OASIS Kaggle	NA	ResNet	准确率	NA
18854	2025-10-07	Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides 2024-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.27.595990 PMID:38854075	研究论文	开发了一种计算方法来设计动物毒液和元毒液库，通过噬菌体展示技术发现靶向人类瘙痒受体的新型治疗肽	首创计算设计高度多样化的动物毒液和元毒液库，结合可编程M13超噬菌体展示技术实现高通量筛选	未明确说明库规模的具体数值和筛选通量的上限	发现靶向人类瘙痒受体MRGPRX4的新型治疗肽	动物毒液蛋白、人类瘙痒受体MRGPRX4	生物信息学	瘙痒相关疾病	M13噬菌体展示、高通量DNA测序、深度学习结构同源性挖掘	深度学习	蛋白质序列数据、结构数据	NA	NA	NA	NA	NA
18855	2025-10-07	Positive Effect of Super-Resolved Structural Magnetic Resonance Imaging for Mild Cognitive Impairment Detection 2024-Apr-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14040381 PMID:38672031	研究论文	本研究通过超分辨率结构磁共振成像和优化深度学习模型改进轻度认知障碍检测	使用先进损失函数提升超分辨率MRI图像感知质量，改进生成器上采样部分，在生成对抗训练中实验不同判别器，并引入帕累托最优马尔可夫毯进行超参数优化	未明确说明样本数量和数据来源，未详细讨论模型在临床环境中的实际应用限制	提高轻度认知障碍的检测准确率	轻度认知障碍患者的结构磁共振成像数据	医学影像分析	老年性疾病	结构磁共振成像	GAN	2D MRI图像	NA	NA	生成对抗网络	NA	NA
18856	2025-10-07	Automated detection of Alzheimer's disease: a multi-modal approach with 3D MRI and amyloid PET 2024-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56001-9 PMID:38433282	研究论文	提出并评估了使用3D MRI和淀粉样蛋白PET扫描的单模态与多模态框架进行阿尔茨海默病自动检测的分类模型	首次在OASIS-3队列上实现最先进性能的多模态方法，通过Grad-CAM可解释性分析显示模型聚焦于AD相关关键区域	未明确说明样本规模和数据分割细节，可能缺乏外部验证	开发自动检测阿尔茨海默病的多模态深度学习模型	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	3D MRI, 淀粉样蛋白PET扫描	深度学习分类模型	3D MRI图像, 2D MRI图像, PET扫描	OASIS-3队列	NA	NA	NA	NA
18857	2025-10-07	Strategies to increase the robustness of microbial cell factories 2024-Mar-01, Advanced biotechnology DOI:10.1007/s44307-024-00018-8 PMID:39883204	综述	本文总结了提高微生物细胞工厂稳健性的当前策略，包括基于知识的工程方法和计算辅助设计	系统整合了传统适应性实验室进化与新兴计算辅助方法（如基因组规模代谢模型、深度学习和机器学习）在增强微生物宿主稳健性中的应用	未提供具体实验验证数据，主要基于文献综述和理论分析	提高微生物细胞工厂在工业发酵环境中的稳健性和生产效率	微生物细胞工厂	合成生物学	NA	适应性实验室进化，基因组规模代谢模型(GEMs)，深度学习，机器学习	深度学习，机器学习	代谢数据，环境响应数据	NA	NA	NA	NA	NA
18858	2025-10-07	Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445325 PMID:39371344	研究论文	本研究利用深度卷积神经网络和迁移学习技术，通过MRI图像检测阿尔茨海默病和轻度认知障碍	采用迁移学习技术增强模型性能，并在ADNI和OASIS数据集上对比了多种深度学习架构的表现	NA	开发有效的阿尔茨海默病和轻度认知障碍检测模型	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	磁共振成像	CNN	图像	ADNI和OASIS数据集的MRI数据	NA	DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152, U-Net	准确率	NA
18859	2025-10-07	Sex differences in brain MRI using deep learning toward fairer healthcare outcomes 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1452457 PMID:39606583	研究论文	本研究利用深度学习分析脑部MRI数据中的性别差异，旨在促进医学影像的公平性	首次在多个多样化数据集上使用3D CNN模型分析脑部MRI性别差异，并利用显著图识别关键脑区差异	模型在极端脑尺寸情况下存在偏差，且未使用颅内总体积调整技术	探索脑部MRI中的性别差异，促进医疗AI算法的公平性发展	脑部MRI图像数据	医学影像分析	神经系统疾病	3D T1加权磁共振成像	CNN	3D医学影像	来自四个数据集：Calgary-Campinas-359、OASIS-3、阿尔茨海默病神经影像倡议、剑桥老龄化与神经科学中心	NA	卷积神经网络	准确率	NA
18860	2025-10-07	DFMA: an improved DeepLabv3+ based on FasterNet, multi-receptive field, and attention mechanism for high-throughput phenotyping of seedlings 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1457360 PMID:39886686	研究论文	提出基于DeepLabv3+改进的DFMA模型，用于植物幼苗高通量表型分析	引入新型ASPP结构PSPA-ASPP，结合FasterNet、多感受野和注意力机制	未明确说明模型计算复杂度及在更多植物物种上的泛化能力	提高植物幼苗表型分析效率，替代传统人工测量方法	水稻幼苗及拟南芥、二穗短柄草、白芥等公开数据集植物	计算机视觉	NA	深度学习图像分割	CNN	幼苗图像	自建水稻幼苗数据集及多个公开数据集	NA	DeepLabv3+, FasterNet, PSPA-ASPP	mIoU	NA