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
41	2025-07-19	The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241287089 PMID:39363876	研究论文	本研究通过应用拓扑数据分析和纹理分析两种放射组学方法，预测肺CT扫描中磨玻璃结节（GGNs）的恶性风险	创新性地将拓扑信息整合到放射组学分析中，捕捉GGNs内复杂的几何和空间关系，并结合机器学习和深度学习算法建立预测模型	研究为回顾性分析，可能存在选择偏倚，且样本仅来自两个中心	提高肺CT扫描中磨玻璃结节（GGNs）恶性风险的预测准确性	3223名患者的肺CT扫描中的磨玻璃结节（GGNs）	数字病理学	肺癌	放射组学分析，拓扑数据分析，纹理分析	机器学习和深度学习算法	CT图像	3223名患者
42	2025-07-19	Trends and Hotspots in Global Radiomics Research: A Bibliometric Analysis 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241235769 PMID:38465611	研究论文	通过文献计量分析总结基于放射组学的知识结构并探索潜在趋势和重点	使用多种工具进行国家、机构、作者、参考文献和关键词的共现分析，并识别未来主要研究方向	仅分析了2012年至2022年10月的文献，可能未涵盖最新研究进展	探索放射组学领域的研究现状和热点	6428篇放射组学相关文章	放射组学	NA	文献计量分析	NA	文献数据	6428篇文章
43	2025-07-19	A Comparative Study of Deep Learning Dose Prediction Models for Cervical Cancer Volumetric Modulated Arc Therapy 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241242654 PMID:38584413	研究论文	比较四种最先进的深度学习模型在预测宫颈癌容积调强弧形治疗（VMAT）中体素级剂量分布的性能	首次比较了四种3D U-Net及其变体在宫颈癌VMAT剂量预测中的表现	研究为回顾性研究，样本量相对有限（261例患者）	评估不同深度学习模型在放射肿瘤学剂量预测中的性能	宫颈癌患者的VMAT治疗计划	数字病理	宫颈癌	容积调强弧形治疗（VMAT）	3D U-Net及其3种变体模型	CT图像、靶区掩膜、危及器官掩膜	261例宫颈癌患者的治疗计划（209例训练验证集，52例测试集）
44	2025-07-17	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	本研究提出了一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将Scaled-YOLOv4和EfficientNetV2 M结合，实现全自动牙龄计算，临床准确度达到可接受水平	仅使用全景X光片数据，未考虑其他影像学方法	开发自动牙龄计算方法以替代耗时的手工流程	儿童和正畸患者的牙齿发育阶段	数字病理	牙科疾病	深度学习	Scaled-YOLOv4（目标检测）和EfficientNetV2 M（图像分类）	全景X光片图像	8,023张全景X光片用于训练，157张用于验证
45	2025-07-17	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究通过深度学习技术开发了一个儿童面部检测系统，用于监测车内前乘客座位上的儿童，以提醒驾驶员儿童不应坐在该位置	使用MobileNetV2架构结合迁移学习和微调技术，开发了一个低计算成本的实时儿童面部检测系统，并在Raspberry Pi 4B上实现	实验环境中的100%准确率可能过于理想化，未考虑传感器被阳光直射或污垢遮挡等实际车辆中常见的情况	提高对儿童坐在前乘客座位风险的认识，并通过技术手段减少因此导致的交通事故死亡率	车内前乘客座位上的儿童（0-13岁）	计算机视觉	NA	深度学习、迁移学习、微调、面部检测	MobileNetV2、Deep CNN	图像	102张空座位图像、71名儿童（0-13岁）图像、96名成人（14-75岁）图像，通过数据增强后成人图像2,496张、儿童图像2,310张
46	2025-07-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从国际疾病分类(ICD)编码中估计损伤严重程度的准确性	首次比较了基于神经机器翻译(NMT)和前馈神经网络(FFNN)的直接与间接方法在损伤严重程度预测中的表现	所有方法在处理时间上存在差异，间接NMT模型计算资源需求最高	评估不同深度学习方法从ICD编码预测损伤严重程度的准确性	来自国家创伤数据库的创伤患者数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)
47	2025-07-17	ADHD detection based on human action recognition 2024, Neuroscience applied DOI:10.1016/j.nsa.2024.104093 PMID:40656101	研究论文	本文介绍了一种基于人类动作识别的ADHD检测系统，通过捕捉ADHD特征并记录真实的多模态ADHD数据集（M-ADHD）来检测ADHD症状	首次提出基于人类动作识别的ADHD检测系统，设计了一种新型的多动测试来捕捉ADHD特征，并首次记录了真实的多模态ADHD数据集（M-ADHD）	未提及具体的数据集规模或多样性限制	开发一种成本效益高且易于操作的ADHD检测系统，用于远程筛查ADHD	ADHD患者的行为特征	计算机视觉	神经发育障碍	深度学习	未提及具体模型类型	视频	未提及具体样本数量
48	2025-07-17	Investigating mental workload caused by NDRTs in highly automated driving with deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2023.2276657 PMID:38240567	研究论文	本研究探讨了高度自动驾驶场景中非驾驶相关任务(NDRTs)对驾驶员心理负荷的影响，并开发了一种基于深度学习的脑电图(EEG)信号分类模型	利用LSTM和BLSTM深度学习模型对EEG信号进行分类，以评估心理负荷，并发现特定频段与心理负荷的线性相关性	样本量较小(28名参与者)，且实验环境为模拟驾驶，可能无法完全反映真实驾驶场景	评估高度自动驾驶中NDRTs对驾驶员心理负荷的影响，并开发高精度的EEG信号分类模型	驾驶员在高度自动驾驶场景中的心理负荷	机器学习	NA	EEG信号分析，NASA Task Load Index (NASA-TLX)评分	LSTM, BLSTM	EEG信号	28名参与者
49	2025-07-15	A week in the life of the human brain: stable states punctuated by chaotic transitions 2024-Jan-15, Research square DOI:10.21203/rs.3.rs-2752903/v3 PMID:37034705	research paper	研究人类大脑在自然行为中的神经动力学，揭示大脑网络形成稳定状态及其与行为和生理的关系	利用深度学习与动态系统方法，首次揭示了大脑网络在自然行为中形成稳定状态并通过混沌过渡探索新状态的机制	研究样本量较小（20人），且仅基于颅内电极记录，可能无法完全代表所有人群	探索人类大脑在自然行为中的神经动力学及其与行为和生理的关系	20名人类受试者在自然行为（社交、使用数字设备、睡眠等）中的大脑活动	神经科学	NA	多电极颅内记录	深度学习	神经电生理数据	20名人类受试者，连续3-12天的记录
50	2025-07-15	Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification 2024, F1000Research DOI:10.12688/f1000research.145950.2 PMID:39464781	review	本文综述了深度学习在无线胶囊内窥镜图像中用于胃肠道疾病分类的性能	总结了深度学习在无线胶囊内窥镜图像分析中的最新进展，包括迁移学习、注意力机制、多模态学习等	指出了当前深度学习方法在无线胶囊内窥镜图像分析中的挑战和局限性	探讨深度学习在无线胶囊内窥镜图像分析中的研究趋势和未来方向	无线胶囊内窥镜图像	digital pathology	gastrointestinal disease	deep learning	NA	image	NA
51	2025-07-15	Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study 2024, MedEdPublish (2016) DOI:10.12688/mep.20554.3 PMID:39911314	研究论文	评估乌干达医学院教师对ChatGPT及其他AI工具的使用情况	首次在乌干达医学院教师中调查ChatGPT及其他AI工具的使用情况，揭示了年龄与AI工具使用之间的关系	研究仅限于乌干达四所公立大学的医学院教师，样本量较小（224人），可能无法代表更广泛的人群	评估医学院教师对AI工具的使用情况及其影响因素	乌干达四所公立大学的医学院教师	自然语言处理	NA	问卷调查	NA	调查数据	224名医学院教师
52	2025-07-11	Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.576252 PMID:38328179	研究论文	本文提出了一种新指标TAVAC，用于评估Vision Transformer模型在生物医学图像数据集上的过拟合程度及解释的可重复性	引入了TAVAC这一新指标，能够量化模型解释的可重复性，并在像素级别监控模型解释的稳定性	仅在有限的数据集上进行了测试，需要更多验证以证明其普适性	提高Vision Transformer模型在生物医学图像分类中的解释可靠性和可重复性	Vision Transformer模型及其在生物医学图像分类中的应用	数字病理学	乳腺癌	Vision Transformer (ViT)	ViT	图像	四个公开图像分类数据集和两个独立的乳腺癌组织学图像数据集
53	2025-07-02	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	提出了一种双自监督多操作变换网络（DSMT-Net），用于多源内镜超声（EUS）诊断，以提高胰腺癌和乳腺癌的诊断准确性	设计了基于transformer的双自监督网络，整合未标记的EUS图像进行预训练，并提出多操作变换方法标准化EUS图像中感兴趣区域的提取	未提及具体局限性	提高胰腺癌和乳腺癌的内镜超声诊断准确性	胰腺癌和乳腺癌的内镜超声图像	数字病理学	胰腺癌, 乳腺癌	深度学习	DSMT-Net, transformer	图像	3500张标记的EUS图像（胰腺癌和非胰腺癌）和8000张未标记的EUS图像
54	2025-06-26	Multi-modal deep learning from imaging genomic data for schizophrenia classification 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1384842 PMID:39006822	研究论文	提出了一种基于多模态深度学习的方法，结合结构磁共振成像、功能磁共振成像和遗传标记数据，用于精神分裂症分类	采用多模态数据融合和可解释AI技术，提高了分类准确性并识别了关键的功能网络连接和SNPs	实验数据集可能有限，未提及模型在其他独立数据集上的泛化能力	改进精神分裂症的检测方法	精神分裂症患者和健康对照者	机器学习	精神分裂症	sMRI, fMRI, SNP分析	DenseNet, 1D CNN, XGBoost	医学影像数据、基因组数据	未明确提及具体样本数量
55	2025-06-24	Neural network in food analytics 2024, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2022.2139217 PMID:36322538	review	本文综述了神经网络在食品分析领域的应用，包括食品安全、食品识别和组学分析等方面	首次全面概述神经网络在食品分析中的应用，涵盖基础方法、最新进展及挑战	食品科学家友好型界面软件包的缺乏、模型行为难以理解、多源异构数据等问题阻碍了神经网络的扩展	探讨神经网络在食品分析领域的应用潜力及其面临的挑战	食品分析领域的各种应用场景，如食品识别、感官评价、光谱和色谱的模式识别	machine learning	NA	NN (Neural Network)	NA	multi-source heterogeneous data	NA
56	2025-06-21	Glenohumeral joint force prediction with deep learning 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111952 PMID:38228026	研究论文	本研究利用深度学习技术预测肩关节盂肱关节力的幅度和方向	使用深度学习模型替代传统的计算密集型优化技术，显著降低计算成本	研究基于虚拟受试者数据，未涉及真实临床患者验证	开发高效预测肩关节力的方法以改善关节功能和植入物耐久性评估	肩关节盂肱关节力	机器学习	骨科疾病	深度学习	DLM	生物力学参数	959名虚拟受试者
57	2025-06-20	Forward dynamics computational modelling of a cyclist fall with the inclusion of protective response using deep learning-based human pose estimation 2024-01, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111959 PMID:38286096	研究论文	本研究通过视频分析和深度学习技术，研究自行车骑行者跌倒的运动学和动力学特性，并开发了一种新的重建流程用于计算建模	提出了一种结合深度学习人体姿态估计和逆向运动学优化的新流程，用于从真实跌倒视频中提取人体运动数据，并应用于前向动力学计算人体模型	研究仅针对自行车骑行者跌倒案例，可能不适用于其他类型的跌倒情况	研究自行车骑行者跌倒的运动学和动力学特性，以改进防护装备和安全措施	自行车骑行者的跌倒运动	计算机视觉	NA	深度学习人体姿态估计、逆向运动学优化、遗传算法	深度学习模型	视频	NA
58	2025-06-19	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	research paper	本文提出了一种使用深度学习技术增强MRI图像中脑肿瘤检测和分割的方法	采用二进制卷积神经网络（BCNN）进行分割，能够处理10种最常见的脑肿瘤类型，显著优于现有仅能分割4种类型的模型	NA	提高脑肿瘤的早期精确检测和分割，以支持有效治疗	脑肿瘤	digital pathology	brain tumor	deep learning	BCNN	MRI images	6,600张脑部MRI图像
59	2025-06-17	Application of ChatGPT in Routine Diagnostic Pathology: Promises, Pitfalls, and Potential Future Directions 2024-Jan-01, Advances in anatomic pathology IF:5.1Q1 DOI:10.1097/PAP.0000000000000406 PMID:37501529	文献综述	本文综述了ChatGPT在常规诊断病理学中的应用现状、前景、潜在问题及未来发展方向	探讨了ChatGPT这一新兴自然语言处理技术在病理诊断领域的应用潜力及其面临的挑战	目前关于ChatGPT在病理学领域应用的研究数据仍较为有限	评估ChatGPT在诊断病理学中的应用价值	ChatGPT及其在病理诊断中的应用	数字病理学	NA	自然语言处理	大型语言模型(LLM)	文本	NA
60	2025-06-15	Integrative analysis of noncoding mutations identifies the druggable genome in preterm birth 2024-01-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk1057 PMID:38241369	research paper	通过整合非编码突变分析，识别早产的可药物基因组	利用深度学习和图形模型在碱基分辨率上评估突变效应，整合孕妇子宫肌层表观基因组和大规模患者基因组数据，发现新的早产相关基因	研究主要基于欧洲和非裔美国人队列，可能不适用于其他人群	识别早产的可药物基因组并研究复杂疾病的通用框架	孕妇子宫肌层表观基因组和大规模患者基因组数据	machine learning	preterm birth	deep learning, graphical models	NA	genomic data	大规模患者基因组数据（欧洲和非裔美国人队列）及招募的孕妇