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
1141	2025-02-16	Physics-informed deep learning for infectious disease forecasting 2025-Jan-16, ArXiv PMID:39876937	研究论文	本文提出了一种基于物理信息神经网络（PINNs）的新型传染病预测模型，旨在提高传染病预测的准确性和能力	该模型将疾病传播的动态系统表示融入损失函数中，结合流行病学理论和数据，防止模型过拟合，并引入子网络考虑流动性、疫苗接种等影响传播率的关键因素	模型仅在加利福尼亚州的COVID-19数据上进行了验证，尚未在其他地区或疾病上进行广泛测试	提高传染病预测的准确性和能力，以支持公共卫生决策	COVID-19在加利福尼亚州的传播情况	机器学习	传染病	物理信息神经网络（PINNs）	PINN	时间序列数据	加利福尼亚州的COVID-19数据
1142	2024-08-07	Cardiac CT-derived quantification of myocardial extracellular volume using deep learning-based reconstruction: A feasibility study 2025 Jan-Feb, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.07.008 PMID:39025757	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1143	2025-02-16	Improving building extraction from high-resolution aerial images: Error correction and performance enhancement using deep learning on the Inria dataset 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251318202 PMID:39943714	研究论文	本研究利用深度学习技术改进从高分辨率航空图像中提取建筑物的方法，并在Inria数据集上进行了性能比较	通过消除错误数据和调整图像大小，显著提升了深度学习网络在建筑物提取任务中的性能	某些模型在特定挑战性条件下（如树木遮挡、复杂室内花园）表现不佳，容易产生误报	提高从高分辨率航空图像中提取建筑物的准确性和效率	高分辨率航空图像中的建筑物	计算机视觉	NA	深度学习	DeepLabv3+, Attention U-Net, U-Net, SE-ResNeXt-50, SE-ResNet-50, ResNeXt-50, ResNet-50, UNet++, U2Net	图像	180张高分辨率航空图像
1144	2025-02-15	COVID-19 recognition from chest X-ray images by combining deep learning with transfer learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251319667 PMID:39949849	研究论文	本文提出了一种名为Covid-DenseNet的深度学习模型，用于从胸部X光图像中检测COVID-19，旨在构建一个计算复杂度较小、泛化能力较强且在基准数据集和其他具有不同样本分布特征和样本大小的数据集上表现优异的模型	结合迁移学习和注意力机制，通过多尺度融合架构提取和增强图像特征，提高了模型的识别准确性和泛化能力	模型在外部测试集上的识别准确率仍有提升空间，特别是在样本分布不平衡的情况下	开发一种高效且泛化能力强的深度学习模型，用于从胸部X光图像中检测COVID-19	胸部X光图像	计算机视觉	COVID-19	深度学习，迁移学习	Covid-DenseNet	图像	三个公开的胸部放射学数据集，包括基准数据集和其他两个数据集
1145	2025-02-16	Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis 2025, Frontiers in global women's health DOI:10.3389/fgwh.2025.1447579 PMID:39950139	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性	首次系统评估了AI模型在孕龄估计中的准确性，并进行了亚组分析，包括孕龄评估的孕期、AI模型类型、研究设计和外部验证	研究数量有限，且大多数研究来自高收入国家，可能限制了结果的普遍性	评估人工智能模型在孕龄估计中的准确性，并与超声作为金标准进行比较	使用超声图像进行孕龄估计的研究	数字病理学	妊娠相关疾病	超声成像	CNN, DNN	2D图像, 盲扫视频	17项研究（其中10项纳入荟萃分析），涉及不同收入地区的数据
1146	2025-02-14	Use of artificial intelligence to detect dental caries on intraoral photos 2025-Jan-30, Quintessence international (Berlin, Germany : 1985) DOI:10.3290/j.qi.b5857664 PMID:39601186	研究论文	本研究开发了一种基于多阶段深度学习的人工智能算法管道，用于定位单个牙齿并将每颗牙齿分类为不同龋齿等级	利用深度学习技术，首次在非临床环境中实现龋齿的早期检测，具有成本效益	后牙白斑位置的高变异性增加了检测难度，可能影响算法的准确性	开发一种成本效益高的人工智能工具，用于早期龋齿检测	龋齿	计算机视觉	龋齿	深度学习	多阶段深度学习管道	图像	50,179张口腔内牙齿照片
1147	2025-02-14	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jan-09, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	研究论文	本研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	首次在澳大利亚和新西兰的大规模多中心1型糖尿病患者数据上应用多种机器学习模型进行DKA和HbA1c>7%的预测，并评估了模型性能	研究仅基于澳大利亚和新西兰的数据，可能无法推广到其他地区的人群	预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	1型糖尿病患者	机器学习	糖尿病	机器学习	深度学习（DL）、支持向量机（SVM）	临床和人口统计学数据	13761名1型糖尿病患者
1148	2025-02-14	MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103351 PMID:39388843	研究论文	本文提出了一种名为MUsculo-Skeleton-Aware (MUSA)的深度学习框架，用于头颈部CT图像的可变形配准，通过利用多分辨率策略和骨骼结构与软组织之间的不均匀变形约束来引导配准	MUSA框架通过分解复杂变形为整体姿势变化和残余精细变形，解决了头颈部区域多尺度肌肉骨骼运动和软组织变形的挑战，提高了配准的准确性和变形的合理性	尽管MUSA框架在头颈部CT图像的配准中表现出色，但其在其他解剖部位或不同类型图像上的适用性尚未验证	研究目的是提高头颈部CT图像的可变形配准的准确性和变形的合理性	头颈部CT图像	计算机视觉	NA	深度学习	NA	CT图像	NA
1149	2025-02-14	Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data 2025-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105501 PMID:39671751	研究论文	本研究通过使用合成的脑磁共振成像数据，系统地研究了卷积神经网络中层次偏差编码的机制，旨在理解医学图像分析模型中偏差的来源和影响	首次系统地研究了卷积神经网络中层次偏差编码的机制，并利用已知疾病和偏差效应的合成数据，量化了疾病相关信息和基于形态及强度的偏差在模型学习特征中的表现	研究依赖于合成数据，可能无法完全反映真实世界医学图像中的复杂偏差	理解医学图像分析模型中偏差的来源和影响，特别是卷积神经网络中的偏差编码机制	卷积神经网络在疾病分类中的应用	计算机视觉	NA	脑磁共振成像	卷积神经网络 (CNN)	图像	合成脑磁共振成像数据
1150	2025-02-14	A step towards quantifying, modelling and exploring uncertainty in biomedical knowledge graphs 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109355 PMID:39541901	研究论文	本研究旨在利用深度学习技术自动量化和建模生物医学知识图谱（BKGs）中事实的不确定性，基于其文本支持证据	使用句子转换器提取句子深度特征，结合朴素贝叶斯分类器对句子事实性进行分类，进而量化事实的不确定性，并创建了USemMedDB展示不确定BKG结构与置信度分数的相关性	NA	自动量化和建模生物医学知识图谱中事实的不确定性	生物医学知识图谱中的事实及其文本支持证据	自然语言处理	NA	深度学习	句子转换器、朴素贝叶斯分类器	文本	SemMedDB数据集中的事实及其支持证据
1151	2025-02-14	Detection of Masses in Mammogram Images Based on the Enhanced RetinaNet Network With INbreast Dataset 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S493873 PMID:39935433	研究论文	本文提出了一种基于增强RetinaNet网络的乳腺X光图像肿块检测方法，旨在提高计算机辅助诊断的效率和准确性	在RetinaNet网络结构中引入ReLU函数处理特征图M5，以防止小肿块特征的分辨率损失，并采用迁移学习技术进行模型训练	研究仅基于INbreast数据集进行验证，未在其他数据集上测试模型的泛化能力	提高乳腺X光图像中肿块的检测准确率，减少假阳性和假阴性	乳腺X光图像中的肿块	计算机视觉	乳腺癌	深度学习	RetinaNet	图像	INbreast数据集
1152	2025-02-14	Diagnosis of depression based on facial multimodal data 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1508772 PMID:39935533	研究论文	本研究提出了一种基于面部视频和音频数据的深度学习方法来自动诊断抑郁症	通过融合多模态数据，使用时空注意力模块增强视觉特征提取，并结合GCN和LSTM分析音频特征，有效捕捉与抑郁症相关的不同特征模式	NA	开发基于客观指标的自动诊断工具，以解决传统量表诊断方法的主观性强和误诊率高的问题	抑郁症患者	机器学习	抑郁症	深度学习	GCN, LSTM	面部视频, 音频数据	公开的临床数据集E-DAIC
1153	2025-02-14	Mapping knowledge landscapes and emerging trends in artificial intelligence for antimicrobial resistance: bibliometric and visualization analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1492709 PMID:39935800	研究论文	本文通过文献计量学分析，系统地绘制了人工智能在抗菌素耐药性研究中的应用知识图谱和发展趋势	整合了多种文献计量学方法，包括VOSviewer、CiteSpace和定量分析，以可视化合作网络和研究集群，并分析时间演变	数据来源仅限于Web of Science核心合集数据库，可能未涵盖所有相关研究	提供基于证据的见解，指导未来研究方向，并为这一动态领域的战略决策提供信息	2014年至2024年期间发表的关于人工智能在抗菌素耐药性研究中应用的出版物	机器学习	抗菌素耐药性	文献计量学分析、VOSviewer、CiteSpace	人工神经网络、图神经网络	文献数据	2,408篇出版物
1154	2025-02-14	DPD-YOLO: dense pineapple fruit target detection algorithm in complex environments based on YOLOv8 combined with attention mechanism 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1523552 PMID:39935949	研究论文	本文提出了一种基于YOLOv8并结合注意力机制的DPD-YOLO算法，用于复杂环境下的菠萝果实目标检测	DPD-YOLO算法引入了注意力机制（Coordinate Attention）和BiFPN（双向特征金字塔网络），并替换了YOLOv8的检测头为RT-DETR检测头，结合了Cross-Attention和Self-Attention机制，显著提高了模型在复杂背景和遮挡情况下的检测精度	NA	提高复杂环境下菠萝果实目标检测的准确性	菠萝果实	计算机视觉	NA	NA	YOLOv8, DPD-YOLO, RT-DETR	图像	NA
1155	2025-02-14	Dual-stream disentangled model for microvascular extraction in five datasets from multiple OCTA instruments 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1542737 PMID:39944497	研究论文	本文提出了一种新颖的双流解耦网络（D2Net），用于视网膜OCTA微血管分割，有效减少了不同成像仪器带来的噪声和伪影干扰	提出了一种双流编码器，分别学习图像伪影和潜在血管特征，通过引入血管结构作为先验约束和构建辅助信息，实现了解耦表示学习	尽管在多个数据集上验证了方法的鲁棒性和泛化能力，但仍需进一步验证其在更广泛临床环境中的适用性	提高视网膜OCTA微血管分割的准确性，减少噪声和伪影的干扰	视网膜OCTA图像中的微血管	计算机视觉	眼科疾病	OCTA成像技术	双流解耦网络（D2Net）	图像	五个数据集（包括FOCA、OCTA-500、ROSE-O、ROSE-Z和ROSE-H），数据来自不同仪器
1156	2025-02-14	Magnetic resonance imaging-based deep learning for predicting subtypes of glioma 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1518815 PMID:39944539	研究论文	本研究探讨了基于磁共振成像（MRI）的深度学习在胶质瘤亚型分类中的应用价值	开发了一套能够有效分类胶质瘤亚型的模型，并发现仅包含FLAIR序列的模型效果最佳	研究样本主要来自公开数据库和单一医院，可能存在样本选择偏差	探索基于MRI的深度学习在胶质瘤亚型分类中的应用	747名来自公开数据库和64名来自医院的经手术病理证实的胶质瘤成年患者	计算机视觉	胶质瘤	磁共振成像（MRI）	深度学习	图像	811名患者（747名来自公开数据库，64名来自医院）
1157	2025-02-14	Modeling dose uncertainty in cone-beam computed tomography: Predictive approach for deep learning-based synthetic computed tomography generation 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100704 PMID:39944778	研究论文	本研究提出了一种基于深度学习的合成CT生成方法，用于评估锥形束CT（CBCT）中的剂量不确定性	引入了与合成CT和CT之间误差相关的体素级不确定性估计器，并提出了一种通过定义CT剂量-体积直方图（DVH）周围的置信区间来估计剂量不确定性的新方法	研究样本主要来自单一中心的头颈部患者，且仅测试了少量来自其他中心的患者，可能限制了方法的普适性	提高CBCT在图像引导放疗中的剂量计算准确性	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	NA	医学影像	85名头颈部患者（主要来自单一中心），外加3名来自不同中心的患者
1158	2025-02-14	Association between the subclinical level of problematic internet use and habenula volume: a look at mediation effect of neuroticism 2025, General psychiatry IF:5.3Q1 DOI:10.1136/gpsych-2024-101694 PMID:39944777	研究论文	本研究探讨了亚临床水平的问题性互联网使用（PIU）与缰核体积之间的关系，以及神经质在这一关系中的中介作用	首次揭示了缰核体积减少与PIU增加之间的关键联系，并发现神经质是PIU发展的关键风险因素，且在其中起中介作用	研究为横断面设计，无法确定因果关系；样本量相对较小	探讨亚临床PIU与缰核体积的关系及人格特质的中介作用	110名健康成年人	神经科学	精神疾病	结构磁共振成像，深度学习技术	深度学习	图像，问卷数据	110名健康成年人
1159	2025-02-13	Foundation models in ophthalmology: opportunities and challenges 2025-Jan-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001091 PMID:39329204	综述	本文探讨了眼科领域基础模型的机遇与挑战，特别是RETFound模型和大型语言模型（如GPT-4和Gemini）在医疗专业化中的应用	RETFound模型在特定任务上优于传统深度学习模型，且仅需在小数据集上进行微调；大型语言模型如Med-Gemini和Medprompt GPT-4在眼科任务中表现优于现成模型	眼科领域缺乏多模态模型，主要由于训练这些模型需要大量计算资源，且高质量眼科数据集有限	探讨眼科领域基础模型的进一步发展和应用	眼科领域的基础模型和大型语言模型	自然语言处理	眼科疾病	NA	RETFound, GPT-4, Gemini	文本, 图像	NA
1160	2025-02-13	Deep learning CT image restoration using system blur and noise models 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014003 PMID:39906485	研究论文	本文提出了一种结合系统模糊和噪声模型的深度学习CT图像恢复方法	该方法不仅利用退化的图像输入，还结合了系统的模糊和噪声特性，通过输入变异和权重变异两种方法将辅助输入整合到卷积神经网络中	当模糊和噪声参数偏离其真实值时，模型的鲁棒性可能有限	提高CT图像恢复的质量	受模糊和噪声影响的CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA