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
2161	2025-01-14	Using machine learning to improve the hard modeling of NMR time series 2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107813 PMID:39700601	研究论文	本文提出了一种结合机器学习和非线性优化的混合方法，用于改进NMR时间序列的建模	提出了一种混合方法，结合了深度学习和非线性优化的优点，通过神经网络预测初始参数，优化算法只需微调参数，从而提高了运行时间和准确性	在峰值重叠或交叉的情况下，准确性显著下降	改进NMR时间序列的建模方法，以提高运行时间和准确性	NMR时间序列	机器学习	NA	NMR	神经网络	时间序列数据	构造和实验数据集
2162	2025-01-14	Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis 2025-Jan, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.030 PMID:38176985	系统综述和元分析	本文通过系统综述和元分析评估了深度学习算法在牙科植入物品牌检测中的准确性、敏感性和特异性	首次对深度学习算法在牙科植入物品牌检测中的准确性进行了全面的评估和元分析	仅选择了13项研究进行系统综述，其中仅3项用于元分析，样本量有限	评估深度学习算法在牙科植入物品牌检测中的准确性、敏感性和特异性	牙科植入物品牌	计算机视觉	NA	深度学习	CNN, CNN Multitask ResNet152, deep CNN (Neuro-T version 2.0.1)	2D图像（如根尖周或全景X光片）	13项研究（其中3项用于元分析）
2163	2025-01-14	An Evolutionary Federated Learning Approach to Diagnose Alzheimer's Disease Under Uncertainty 2025-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010080 PMID:39795608	研究论文	本文提出了一种进化联邦学习方法，用于在不确定性条件下诊断阿尔茨海默病	结合深度学习和联邦学习框架，利用信念规则库（BRB）有效整合多种数据源，提供了一种可扩展且保护隐私的医疗解决方案	未提及具体样本量或数据集的多样性限制	通过整合医学影像和人口统计数据，早期诊断阿尔茨海默病	阿尔茨海默病患者	机器学习	老年疾病	深度学习，联邦学习	CNN, BRB	医学影像（MRI），人口统计数据	NA
2164	2025-01-14	A Deep Learning-Based Watershed Feature Fusion Approach for Tunnel Crack Segmentation in Complex Backgrounds 2025-Jan-01, Materials (Basel, Switzerland) DOI:10.3390/ma18010142 PMID:39795787	研究论文	本文提出了一种基于深度学习的流域特征融合方法，用于复杂背景下的隧道裂缝分割	提出了一种自动标注和优化裂缝样本集的算法，结合裂缝特征和流域算法实现高效自动化分割，并通过网络深度和残差结构配置的对比分析优化了深度学习裂缝分割网络	复杂背景条件和干扰因素较多，裂缝在结构中的比例较低，深度学习训练数据集的标注劳动密集且效率有限	解决复杂背景下高速公路隧道裂缝的快速准确识别问题	高速公路隧道中的裂缝	计算机视觉	NA	深度学习	CNN	图像	NA
2165	2025-01-14	A Survey of Deep Anomaly Detection in Multivariate Time Series: Taxonomy, Applications, and Directions 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010190 PMID:39796981	综述	本文对多变量时间序列异常检测（MTSAD）中的深度学习技术进行了结构化且全面的概述	提出了从学习范式和深度学习模型角度对异常检测策略进行分类的体系，并系统性地回顾了这些策略的优缺点	未涉及具体实验验证，仅进行了理论和方法上的综述	综述多变量时间序列异常检测领域的最新深度学习技术	多变量时间序列数据	机器学习	NA	深度学习	NA	时间序列数据	NA
2166	2025-01-14	Table Extraction with Table Data Using VGG-19 Deep Learning Model 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010203 PMID:39796994	研究论文	本文介绍了一种基于VGG-19深度学习模型的表格数据提取方法，旨在从包含表格的文档图像中精确识别和提取行和列	提出了一种结合表格检测、结构识别和语义规则的综合深度学习方法，并利用VGG-19进行迁移学习以增强模型性能	依赖于公开的Marmot数据集，可能限制了模型的泛化能力	开发一种能够准确提取表格结构的深度学习方法	文档图像中的表格数据	计算机视觉	NA	深度学习	VGG-19	图像	公开的Marmot数据表数据集
2167	2025-01-14	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-Jan, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新	结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险	相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理	提高药物开发过程的效率，降低成本，增强患者的治疗效果	药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学	机器学习	NA	机器学习、深度学习、生成式AI	NA	大数据	NA
2168	2025-01-13	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2025-Jan-10, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（ML）与超分辨率显微镜结合在生物医学研究中的变革性进展	利用深度学习（DL）实现超分辨率显微镜的自动化成像任务，减少人工干预并适应动态生物过程	自动化在超分辨率显微镜中的应用仍处于初期阶段	探索超分辨率显微镜中自动化的潜力及其在药物发现和疾病表型分析中的应用	超分辨率显微镜图像	计算机视觉	NA	深度学习（DL）	NA	图像	NA
2169	2025-01-13	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病和额颞叶痴呆中的潜在作用	本文综合分析了2012年至2024年间发表的31篇相关文章，重点比较了机器学习和深度学习技术在诊断中的应用效果	强调了结合临床检查和患者症状评估的重要性，以确保诊断的全面性和准确性	探讨人工智能在阿尔茨海默病和额颞叶痴呆诊断中的应用	阿尔茨海默病和额颞叶痴呆	数字病理学	老年疾病	MRI, DTI, fMRI, PET, SPECT	SVM, ResNet	影像数据	31篇文章
2170	2025-01-13	Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features 2025-Jan-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13424-5 PMID:39789538	研究论文	本研究基于扩散加权成像（DWI）的深度学习和放射组学特征，结合临床变量，构建了评估子宫内膜癌（EC）TP53突变的预测模型	结合深度学习特征、放射组学特征和临床变量，使用高斯过程（GP）算法构建的联合模型在诊断效能和风险重分类方面表现出色	样本量相对较小，训练集、测试集和外部验证集的样本量分别为80、35和40	评估子宫内膜癌（EC）中TP53突变的预测模型	155名子宫内膜癌患者	数字病理	子宫内膜癌	扩散加权成像（DWI）	高斯过程（GP）和决策树（DT）	图像和临床数据	155名子宫内膜癌患者（80名训练集，35名测试集，40名外部验证集）
2171	2025-01-13	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-Jan-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	本研究利用机器学习方法预测尿路感染（UTI），并找出最具信息量的变量	结合经典和深度学习模型，通过集成XGBoost、决策树和LightGBM模型，提出了一个高精度的UTI预测方法	未提及样本量的具体限制或数据集的潜在偏差	开发一种可靠的尿路感染预测方法，以减少抗生素的滥用和误用	尿路感染患者	机器学习	尿路感染	机器学习	XGBoost, 决策树, LightGBM	尿液检测数据、血液检测数据、人口统计数据	未提及具体样本量
2172	2025-01-13	Apnet: Lightweight network for apricot tree disease and pest detection in real-world complex backgrounds 2025-Jan-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01324-5 PMID:39789617	研究论文	本文介绍了一种轻量级网络APNet，用于在真实世界复杂背景下检测杏树病虫害	提出了ATZD01数据集，包含11类杏树病虫害，并开发了基于卷积神经网络的创新检测算法APNet和自适应阈值算法（ATA）模块	目前学术界缺乏专门针对杏树的大量真实数据集和深度学习策略	提高杏树病虫害检测的准确性	杏树病虫害	计算机视觉	NA	深度学习	CNN	图像	ATZD01数据集，包含11类杏树病虫害
2173	2025-01-13	Evaluating the effect of noise reduction strategies in CT perfusion imaging for predicting infarct core with deep learning 2025-Jan-09, The neuroradiology journal DOI:10.1177/19714009251313517 PMID:39789894	研究论文	本研究评估了深度学习模型在识别急性缺血性卒中患者CT灌注扫描中梗死组织的效果，特别关注不同供应商实施的噪声降低技术的影响	研究首次系统地评估了不同噪声降低技术对深度学习模型识别梗死组织效果的影响，并证实了CNN模型在处理不同处理方案时的适应能力	研究样本量较小，仅包括60名患者，且所有患者均接受了机械取栓术，可能限制了结果的普遍性	评估深度学习模型在识别急性缺血性卒中患者CT灌注扫描中梗死组织的效果，并探讨不同噪声降低技术的影响	急性缺血性卒中患者	数字病理学	心血管疾病	CT灌注成像，主成分分析（PCA），小波变换，非局部均值（NLM）	U-Net，卷积神经网络（CNN）	图像	60名急性缺血性卒中患者
2174	2025-01-13	The role of artificial intelligence in pandemic responses: from epidemiological modeling to vaccine development 2025-01-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-024-00238-3 PMID:39747786	综述	本文综述了人工智能（AI）在疫情响应中的多维作用，从流行病学建模到疫苗开发	探讨了AI在流行病学建模和疫苗开发中的创新应用，强调了AI技术在数据驱动决策中的革命性作用	未具体提及研究的局限性	研究AI在全球健康危机中的准备和响应作用，特别是在流行病学建模和疫苗开发中的应用	全球疫情响应，特别是流行病学建模和疫苗开发	机器学习	传染病	机器学习算法和预测分析	SIR（易感-感染-恢复）和SIS（易感-感染-易感）模型	流行病学数据	NA
2175	2025-01-13	The Associations Between Myopia and Fundus Tessellation in School Children: A Comparative Analysis of Macular and Peripapillary Regions Using Deep Learning 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.4 PMID:39775798	研究论文	本研究利用深度学习技术量化眼底镶嵌密度，评估了学龄儿童中黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	首次使用深度学习技术量化眼底镶嵌密度，并比较黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	研究为横断面设计，无法确定因果关系	评估学龄儿童中黄斑区和视盘周围区眼底镶嵌分布模式与屈光差异的关联	1942名6至15岁的学龄儿童	数字病理学	近视	深度学习	NA	图像	1942名学龄儿童
2176	2025-01-13	Applying deep learning-based ensemble model to [18F]-FDG-PET-radiomic features for differentiating benign from malignant parotid gland diseases 2025-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01649-6 PMID:39254903	研究论文	本文开发并识别了使用预处理2-脱氧-2-[18F]氟-D-葡萄糖（[18F]-FDG）-正电子发射断层扫描（PET）的放射组学特征来区分良性和恶性腮腺疾病（PGDs）的机器学习模型	使用基于深度学习的集成机器学习模型，结合[18F]-FDG-PET的放射组学特征，克服了之前报道的[18F]-FDG-PET/CT扫描在区分良性和恶性PGDs方面的局限性	样本量较小，仅包括62名患者	开发并识别机器学习模型，用于区分良性和恶性腮腺疾病	62名患有63个PGDs的患者	数字病理学	腮腺疾病	[18F]-FDG-PET/CT	深度学习集成模型	放射组学特征	62名患者，63个PGDs
2177	2025-01-13	Diagnosis of Early Glottic Cancer Using Laryngeal Image and Voice Based on Ensemble Learning of Convolutional Neural Network Classifiers 2025-Jan, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2022.07.007 PMID:36075802	研究论文	本研究通过比较决策树集成学习和卷积神经网络（CNN）算法在诊断声门癌中的分类准确性，旨在提高分类准确性	使用决策树集成学习方法结合CNN算法，融合喉部图像和语音数据，提高了小数据集上的分类准确性	使用外部数据集时，CNN分类器的准确性显著下降，表明模型在泛化能力上存在局限	提高声门癌诊断的分类准确性	声门癌患者	计算机视觉	声门癌	深度学习	CNN, 决策树集成学习	图像, 语音	PNUH和PNUYH数据集
2178	2025-01-13	Cardiac MR image reconstruction using cascaded hybrid dual domain deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313226 PMID:39792851	研究论文	本文提出了一种级联混合双域深度学习框架，用于从高度欠采样的数据中重建诊断质量的心脏MR图像	引入了双域深度学习方法，结合多线圈数据一致性（MCDC）层，从一维变密度（VD）随机欠采样数据中重建心脏MR图像	高空间分辨率应用中存在模糊或残留伪影的问题	加速MRI数据采集并提高图像质量	心脏MR图像	计算机视觉	心血管疾病	深度学习	U-Net	图像	NA
2179	2025-01-13	From whole-slide image to biomarker prediction: end-to-end weakly supervised deep learning in computational pathology 2025-Jan, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01047-2 PMID:39285224	研究论文	本文介绍了一种名为STAMP的实用工作流程，用于从全切片图像（WSIs）直接预测生物标志物，通过深度学习在计算病理学中实现固体肿瘤的关联建模	STAMP工作流程的创新点在于其作为一个协作框架，能够被临床医生和工程师共同使用，用于在计算病理学领域建立研究项目，并且能够整合遗传和临床病理学数据	STAMP工作流程需要一天的计算执行时间和基本的命令行知识，这可能对某些用户构成限制	研究目的是开发一种能够直接从WSIs预测生物标志物的深度学习工作流程，以促进精准肿瘤学中复杂生物标志物的普及	研究对象是固体肿瘤的全切片图像（WSIs）	数字病理学	结直肠癌	深度学习	NA	图像	NA
2180	2025-01-12	MRI-Seed-Wizard: combining deep learning algorithms with magnetic resonance imaging enables advanced seed phenotyping 2025-Jan-10, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erae408 PMID:39383098	研究论文	本文介绍了一种新工具MRI-Seed-Wizard，结合深度学习算法与非侵入性磁共振成像（MRI），用于植物种子的三维形态、组成和内部特征的无损评估	MRI-Seed-Wizard工具首次将深度学习算法与MRI结合，用于植物种子表型分析，能够自动识别、标记和分析数字MRI数据，并提供了先进的MRI协议以提高通量	NA	开发一种非破坏性的三维评估工具，用于种子形态、组成和内部特征的量化分析，以支持植物育种和生物技术项目	小麦（Triticum aestivum）和大麦（Hordeum vulgare）的种子	计算机视觉	NA	磁共振成像（MRI）	深度学习算法	图像	NA