深度学习在生物医药领域中的应用

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
261	2025-06-10	A Large-Scale IoT-Based Scheme for Real-Time Prediction of Infectious Disease Symptoms 2023-Feb-02, Mobile networks and applications : MONET DOI:10.1007/s11036-023-02111-z PMID:40479340	研究论文	提出了一种基于物联网(IoT)的大规模实时监测方案，用于通过人们的行为和无线体域网(WBAN)预测传染病症状	利用IoT和WBAN技术实时监测人群行为，预测传染病症状及传播，弥补了以往研究依赖医疗设施内拍摄图像的局限性	需要构建强大的覆盖模型以确保实时监测，且性能评估依赖于模拟环境	开发实时预测传染病症状及传播的监测方案	人群行为及传染病症状	物联网与健康监测	传染病	IoT, WBAN, 深度学习	深度学习模型	图像、声音、视频	NA
262	2025-06-08	Deep Learning Based Metabolite Annotation 2023-07, 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/EMBC40787.2023.10341007 PMID:38082953	研究论文	本文探讨了基于深度学习的代谢物注释方法，旨在解决非靶向代谢组学研究中代谢物注释的瓶颈问题	研究了高维光谱数据和分子指纹的表示方法，以提高分子指纹预测的准确性	依赖于有限的公开光谱库，且仅覆盖已知化合物的一部分	提高非靶向代谢组学研究中代谢物注释的准确性和效率	代谢物及其MS/MS光谱数据	机器学习	NA	LC-MS, MS/MS	CNN	光谱数据	来自MoNA存储库和NIST 20的MS/MS光谱数据
263	2025-06-08	Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans 2023-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106512 PMID:36701964	研究论文	本文提出了一种基于深度集成学习的自动非进展性AMD分类方法，通过优化的视网膜层分割和SD-OCT扫描提高诊断准确性	结合图割算法和三次样条自动标注11个视网膜边界，并采用深度集成机制结合Bagged Tree和端到端深度学习分类器	未提及具体的外部数据集规模和多样性，可能影响模型的泛化能力	提高年龄相关性黄斑变性(AMD)的自动检测准确性	SD-OCT扫描图像中的视网膜层	数字病理学	年龄相关性黄斑变性	SD-OCT扫描	深度集成学习(Bagged Tree + 深度学习分类器)	医学图像	内部和外部数据集(具体数量未提及)
264	2025-06-07	Artificial intelligence, machine learning and deep learning: Potential resources for the infection clinician 2023-10, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2023.07.006 PMID:37468046	综述	本文总结了人工智能（AI）、机器学习和深度学习在人类感染研究和临床实践中的最新应用及未来潜力	重点关注使用前瞻性收集的真实世界数据进行临床验证的研究，以及具有转化潜力的研究，如新药发现和基于微生物组的干预	大多数研究缺乏真实世界的验证或临床效用指标，研究设计和报告的异质性限制了可比性，存在算法透明度和偏见风险等实际和伦理问题	探讨AI在感染研究和临床管理中的应用及其对临床感染实践的潜在影响	人类感染的研究和管理	机器学习	感染性疾病	AI、机器学习、深度学习	NA	实验室诊断数据、临床影像数据、公共卫生数据	1617篇PubMed文献被筛选，优先考虑临床试验、系统评价和荟萃分析
265	2025-06-07	A survey on recent trends in deep learning for nucleus segmentation from histopathology images 2023-Mar-06, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09491-3 PMID:38625364	综述	本文系统综述了过去五年（2017-2021）中深度学习在组织病理学图像中细胞核分割的应用	总结了多种分割模型（如U-Net、SCPP-Net、Sharp U-Net和LiverNet）的相似性、优势、使用的数据集以及新兴研究领域	仅覆盖了过去五年的研究，可能未包括最新的技术进展	探讨深度学习在细胞核分割中的最新趋势和应用	组织病理学图像中的细胞核	数字病理学	癌症	深度学习	U-Net, SCPP-Net, Sharp U-Net, LiverNet	图像	NA
266	2025-06-07	PDRF-Net: a progressive dense residual fusion network for COVID-19 lung CT image segmentation 2023-Feb-17, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09489-x PMID:38625320	research paper	提出了一种名为PDRF-Net的渐进密集残差融合网络，用于COVID-19肺部CT图像的分割	引入了密集跳跃连接以捕获多级上下文信息，设计了高效的聚合残差模块，结合视觉Transformer和残差块，以及双边通道像素加权模块逐步融合多分支特征图	NA	实现COVID-19患者肺部CT图像中病变部位的快速准确分割	COVID-19患者的肺部CT图像	digital pathology	COVID-19	CT图像分割	PDRF-Net (progressive dense residual fusion network)	image	在两个COVID-19数据集上进行测试
267	2025-06-07	AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19 2023-Jan-12, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09484-2 PMID:38625255	research paper	提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断	AMTLDC框架通过对抗性学习提取多个数据源间的通用表示，提高了模型在不同数据集间的泛化能力	未明确说明框架在极端数据不足情况下的表现	提高COVID-19诊断模型的跨数据集泛化性能	COVID-19医学影像数据	digital pathology	COVID-19	adversarial transfer learning	CNN	medical images	NA
268	2025-06-07	Detection of anomalies in cycling behavior with convolutional neural network and deep learning 2023, European transport research review IF:5.1Q1 DOI:10.1186/s12544-023-00583-4 PMID:38625141	研究论文	本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点	结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优	需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制	提高骑行安全性，通过技术手段识别潜在危险点	骑行者的GPS轨迹数据	机器学习	NA	深度学习	CNN, Autoencoder	GPS轨迹数据	未明确说明具体样本数量，涉及多个用户的数据
269	2025-06-07	Evaluation of artificial intelligence techniques in disease diagnosis and prediction 2023, Discover artificial intelligence DOI:10.1007/s44163-023-00049-5 PMID:40478140	综述	本文综述了人工智能技术在疾病诊断和预测中的应用及其优势	涵盖了多种AI技术在医疗图像分析中的应用，并比较了ML和DL技术的优势	讨论了AI在医疗领域中的现有挑战和局限性	评估AI技术在疾病诊断和预测中的应用效果	多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）的诊断和预测	数字病理学	多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）	机器学习（ML）和深度学习（DL）	SVM, CNN	医疗图像	NA
270	2025-06-05	Performance of ChatGPT on the pharmacist licensing examination in Taiwan 2023-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000942 PMID:37227901	research paper	评估ChatGPT在台湾药师执照考试中的表现及其在药学教育中的潜在作用	首次评估ChatGPT在台湾药师执照考试中的表现，探讨其在药学教育中的应用潜力	排除了图形问题、化学公式和表格，仅评估了文本问题，且使用的是ChatGPT 3.5版本	评估ChatGPT在药师执照考试中的准确性并探讨其在药学教育中的潜在作用	台湾药师执照考试的题目	natural language processing	NA	ChatGPT 3.5	ChatGPT	text	2023年台湾药师执照考试的第一阶段和第二阶段题目
271	2025-06-04	Large-Scale Information Retrieval and Correction of Noisy Pharmacogenomic Datasets through Residual Thresholded Deep Matrix Factorization 2023-Dec-08, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.07.570723 PMID:38106027	研究论文	本文介绍了一种名为残差阈值深度矩阵分解（RT-DMF）的鲁棒且可扩展的深度学习框架，用于校正和填补药物敏感性数据中的噪声	RT-DMF通过深度矩阵分解（DMF）和迭代残差阈值（RT）程序，有效识别并保留具有治疗相关性的信号，从而校正噪声并填补缺失数据	方法依赖于单一药物敏感性数据矩阵作为输入，可能无法完全解决数据集中所有不一致性问题	解决药物敏感性数据中的噪声问题，提高下游分析的准确性	药物敏感性数据集	机器学习	癌症	深度矩阵分解（DMF），迭代残差阈值（RT）	RT-DMF	矩阵数据	模拟数据集和真实药物基因组学数据集
272	2025-06-04	Artificial neural network and deep learning in Sjögren's disease: where we are and where we are going 2023-12, Clinical and experimental rheumatology IF:3.4Q2 DOI:10.55563/clinexprheumatol/zpfunz PMID:38149511	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
273	2025-06-04	Diagnosis of primary clear cell carcinoma of the liver based on Faster region-based convolutional neural network 2023-Nov-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000002853 PMID:37882066	research paper	本研究旨在建立基于Faster RCNN的深度学习模型，用于准确区分原发性肝透明细胞癌（PCCCL）和普通肝细胞癌（CHCC）	首次应用Faster RCNN模型进行PCCCL和CHCC的鉴别诊断，实现了较高的准确率和效率	样本量相对有限，且数据来自单一医疗中心	开发一种准确区分PCCCL和CHCC的AI诊断方法	原发性肝透明细胞癌（PCCCL）和普通肝细胞癌（CHCC）患者	digital pathology	liver cancer	Faster RCNN	CNN	image	121名患者的4392张图像（33名PCCCL患者的1032张图像和88名CHCC患者的3360张图像）用于训练，30名患者的1072张图像用于测试
274	2025-06-04	A microwell platform for high-throughput longitudinal phenotyping and selective retrieval of organoids 2023-09-20, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2023.08.002 PMID:37734323	research paper	开发了一种基于微孔的高通量方法，用于从单细胞生长的类器官的图像参数量化，并可进一步从微孔中提取进行分子分析	使用微孔平台解决了传统批量培养类器官无法高通量追踪单个类器官生长的问题，并结合深度学习图像处理流程，实现了对类器官生长速率、细胞运动和顶-底极性等表型特征的高通量量化	未提及该方法是否适用于所有类型的类器官，或是否存在特定的技术限制	研究类器官的生长和表型特征，以探索疾病（如癌症）的发生和发展机制	人类胃类器官模型	digital pathology	cancer	CRISPR-engineered, deep learning image-processing	NA	image	两种CRISPR工程的人类胃类器官模型
275	2025-06-04	Early-warning of Cardiac Condition through Detection of Murmur in Heart Sound - A Case Study 2023-07, 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/EMBC40787.2023.10340924 PMID:38083243	研究论文	本研究通过机器学习和深度学习方法，探索了基于心音图（PCG）的自动心音分类技术，用于早期筛查风湿性心脏病（RHD）	结合机器学习和信号处理技术，开发了一种无需专业培训即可通过数字听诊器检测心脏杂音的方法，为大规模筛查提供了可能	研究仅针对特定地理区域的人群进行了案例研究，样本范围和多样性可能有限	开发自动心音分类技术，实现风湿性心脏病的早期筛查	心音信号，特别是心脏杂音的检测与分类	机器学习	心血管疾病	心音图（PCG）分析	深度学习方法	信号数据	特定地理区域的人群（未明确样本数量）
276	2025-06-04	Deep Learning System Outperforms Clinicians in Identifying Optic Disc Abnormalities 2023-Jun-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001800 PMID:36719740	research paper	该研究开发了一种名为BONSAI-DLS的深度学习系统，用于通过数字眼底照片准确检测视盘异常，包括由颅内压升高引起的视乳头水肿，并在性能上超越了临床医生	开发了BONSAI-DLS系统，其在视盘异常分类上的表现优于各类临床医生，包括有或没有眼科培训的医生	研究使用的是回顾性收集的便利样本，可能无法完全代表所有临床情况	评估深度学习系统在检测视盘异常方面的性能，并与临床医生的表现进行比较	454名患者的800张眼底照片，包括正常视盘、视乳头水肿和其他异常	digital pathology	neurological conditions	deep learning	DLS (Deep Learning System)	image	800张眼底照片来自454名患者
277	2025-06-03	Dimensionality Reduction for Improving Out-of-Distribution Detection in Medical Image Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_15 PMID:40443712	研究论文	本文提出了一种通过降维技术改进医学图像分割中分布外检测的方法	使用主成分分析对Swin UNETR模型的瓶颈特征进行降维，结合马氏距离实现高效的分布外检测	仅针对T1加权磁共振成像中的肝脏分割任务进行了验证	提高医学图像分割模型对分布外数据的检测能力	肝脏T1加权磁共振图像	数字病理	肝脏疾病	主成分分析(PCA), 马氏距离	Swin UNETR	医学图像	NA
278	2025-06-02	Sub-second photon dose prediction via transformer neural networks 2023-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16231 PMID:36669122	research paper	提出了一种结合Transformer和卷积层的深度学习算法iDoTA，用于快速预测光子束剂量分布	结合Transformer和卷积层的深度学习算法iDoTA，能够在毫秒级别内准确预测光子束剂量分布	需要大量训练数据，且仅针对特定类型的光子束剂量分布进行预测	开发一种快速且准确的光子束剂量分布预测算法，用于在线和实时自适应治疗工作流程	光子束剂量分布	machine learning	prostate cancer, lung cancer, head and neck cancer	deep learning	Transformer, CNN	3D CT images	1700 beam dose distributions from 11 clinical VMAT plans
279	2025-05-31	Development of Multiscale 3D Residual U-Net to Segment Edematous Adipose Tissue by Leveraging Annotations from Non-Edematous Adipose Tissue 2023-Nov, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2669719 PMID:40256010	研究论文	本文开发了一种多尺度3D残差U-Net模型，用于从非水肿脂肪组织的注释中分割水肿脂肪组织	利用不准确的注释直接训练深度学习模型，提高了脂肪组织分割的准确性，无需手动注释	训练数据中缺乏水肿脂肪组织的异质性，可能影响模型在极端情况下的表现	开发一种无需手动注释的深度学习模型，用于医学图像中的脂肪组织分割	CT扫描中的脂肪组织	数字病理学	水肿	深度学习	3D残差U-Net	医学图像（CT扫描）	训练集101名患者，测试集14名患者（其中10名患有全身性水肿）
280	2025-05-31	Automated Classification of Intravenous Contrast Enhancement Phase of CT Scans Using Residual Networks 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2655263 PMID:40248190	research paper	本研究利用残差网络（ResNet34）自动分类CT扫描的静脉对比增强阶段，以提高计算机辅助诊断的准确性	首次使用ResNet34自动分类多期CT扫描的静脉对比增强阶段，准确率达99%，优于VGG19和DenseNet121	研究使用的数据集仅包含395个弱标记的多期CT扫描，样本量相对较小	开发一种自动分类多期CT扫描的方法，以改进数据增强和深度学习模型的训练	多期CT扫描的静脉对比增强阶段	computer vision	NA	deep learning	ResNet34, VGG19, DenseNet121	image	395个多期CT扫描（316训练，79测试）