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
1421	2025-04-05	Accurate V2X traffic prediction with deep learning architectures 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1565287 PMID:40176965	研究论文	本文提出了一种基于深度学习的V2X环境交通预测方法	使用双向长短期记忆网络(BiLSTM)进行交通预测，并与其他深度学习架构进行比较，展示了BiLSTM在预测精度上的优势	未提及具体的数据集规模或实际部署中的潜在问题	提高V2X通信环境下的交通预测准确性	V2X通信环境下的交通数据	机器学习	NA	深度学习	BiLSTM, LSTM, GRU	交通数据	NA
1422	2025-04-05	A flexible transoral swab sampling robot system with visual-tactile fusion approach 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1520374 PMID:40177224	研究论文	提出了一种基于视觉-触觉融合方法的经口拭子采样机器人系统，用于自主进行核酸采样	采用视觉-触觉融合方法进行导航，结合串并联混合柔性机构实现精确的远端姿态调整	初步实验阶段，尚未大规模验证其安全性和准确性	解决核酸采样过程中需要大量医护人员参与的问题	经口拭子采样机器人系统	机器人技术	COVID-19, 季节性流感	深度学习, 视觉-触觉感知	深度学习	图像, 触觉反馈	初步实验阶段，未提及具体样本量
1423	2025-04-05	Measurement-guided therapeutic-dose prediction using multi-level gated modality-fusion model for volumetric-modulated arc radiotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1468232 PMID:40177241	研究论文	开发了一种用于头颈癌放射治疗中测量引导治疗剂量预测的新型深度学习模型	提出了一种多级门控模态融合模型，能够整合CT和剂量图像的多尺度特征，并充分利用不同模态间的相互促进作用	在皮肤或热塑性面罩压痕边界附近的区域，预测剂量值与真实值存在较大差异	提高头颈癌放射治疗前患者特定质量保证(prePSQA)的效率和准确性	头颈癌放射治疗患者	数字病理	头颈癌	容积调强弧形放射治疗(VMAT)	多级门控模态融合模型	医学影像(CT和剂量图像)	310例接受VMAT治疗的患者(训练集186例，验证集62例，测试集62例)
1424	2025-04-05	Construction of a predictive model for the efficacy of anti-VEGF therapy in macular edema patients based on OCT imaging: a retrospective study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1505530 PMID:40177270	研究论文	基于OCT影像和深度学习构建预测模型，用于评估抗VEGF治疗黄斑水肿患者的疗效	创新性地引入组卷积和多卷积核处理多维特征，结合空间金字塔池化(SPP)提取最有用的特征，并利用ResNet50作为预训练模型进行模型融合	研究为回顾性研究，可能存在选择偏倚，且样本量未明确说明	开发自动化和高效的方法预测抗VEGF治疗黄斑水肿患者的疗效	黄斑水肿患者	数字病理	黄斑水肿	OCT成像	ResNet50结合注意力机制和SPP的深度学习模型	图像	NA
1425	2025-04-05	The promise and limitations of artificial intelligence in CTPA-based pulmonary embolism detection 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1514931 PMID:40177281	综述	本文综述了人工智能在CTPA肺动脉栓塞检测中的应用及其前景与局限性	探讨了AI在CTPA图像分析中的能力，特别是在使用深度学习模型检测肺动脉栓塞方面的敏感性和特异性，以及与人类放射科医生的比较	算法偏见、可解释性问题以及严格验证的必要性，这些限制了AI在临床实践中的广泛应用	研究AI在CTPA肺动脉栓塞检测中的角色，以提高诊断精确性和效率	CTPA图像中的肺动脉栓塞	数字病理学	肺动脉栓塞	深度学习	复杂神经网络	CTPA图像	大型数据集
1426	2025-04-05	A Plantar Pressure Detection and Gait Analysis System Based on Flexible Triboelectric Pressure Sensor Array and Deep Learning 2025-01, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202405064 PMID:39473332	研究论文	开发了一种基于柔性摩擦电压力传感器阵列和深度学习的足底压力检测与步态分析系统	采用柔性、透气、可穿戴的静电纺丝纳米纤维膜作为足底压力传感器，并集成了32个FTPS到智能鞋垫中，实现了高灵敏度和无需外部电源的实时步态检测	未提及系统在极端环境下的性能表现或长期使用的耐久性测试	开发一种可穿戴、自供电的步态检测系统，用于人体健康评估和疾病早期诊断	足底压力与步态分析	机器学习	NA	静电纺丝纳米纤维膜技术	LSTM	压力传感器数据	未明确提及样本数量
1427	2025-04-04	Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images 2025, Health data science DOI:10.34133/hds.0256 PMID:40170800	research paper	评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见	首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较	研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性	探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见	皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变）	digital pathology	skin disease	multimodal large language models (LLMs), CNN, vision transformer	ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B	image	约10,000张皮肤镜图像
1428	2025-04-04	Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1511716 PMID:40171113	research paper	提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节	结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能	现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制	提高肺结节检测的准确性和性能	肺结节	digital pathology	lung cancer	Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101	CHSTM, Resnet-101	medical images	LUNA-16数据集和LIDC/IDRI数据集
1429	2025-04-04	Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332999 PMID:40171146	research paper	该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类	结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果	未提及样本的多样性或跨数据集验证的局限性	开发高效的步态分类方法以评估行走能力	使用智能鞋垫传感器收集的步态数据	digital health	gait-related disorders	压力传感器和惯性测量单元（IMU）	deep sequential networks	sensor data（压力信号、IMU数据等）	未明确提及具体样本数量，仅描述为受试者进行15米步行测试
1430	2025-04-04	Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525650 PMID:40171256	研究论文	通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向	首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	评估人工智能在甲状腺癌领域的应用现状和发展趋势	2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献	数字病理	甲状腺癌	文献计量分析	NA	文献数据	956篇文献
1431	2025-04-04	Knowledge graph and its application in the study of neurological and mental disorders 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1452557 PMID:40171303	综述	本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战	结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力	仍需克服知识图谱在医学领域应用中的障碍和限制	研究知识图谱在神经和精神障碍领域的应用及其潜力	神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症）	自然语言处理	神经和精神障碍	知识图谱（KG）	NA	医学数据	NA
1432	2025-04-04	Bridging technology and ecology: enhancing applicability of deep learning and UAV-based flower recognition 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1498913 PMID:40171479	研究论文	本研究将无人机和深度学习技术应用于生态研究，特别是花卉识别，以简化这些技术的实际应用	更新目标检测工具箱至TensorFlow 2，提升性能并确保与新软件包的兼容性，同时评估了三种目标检测模型在无人机花卉图像上的应用潜力	在密集植被中检测花卉及应对环境变化方面仍存在挑战	增强深度学习和无人机技术在生态研究中的适用性，特别是花卉资源的监测	花卉丰富的草地无人机图像	计算机视觉	NA	无人机成像、深度学习	Faster R-CNN, SSD, EfficientDet	图像	两个无人机图像数据集
1433	2025-04-03	COVINet: a deep learning-based and interpretable prediction model for the county-wise trajectories of COVID-19 in the United States 2025, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2412284 PMID:40160484	research paper	提出了一种基于深度学习的可解释预测模型COVINet，用于预测美国各县的COVID-19疫情轨迹	结合LSTM和GRU架构，整合可操作协变量，提供高精度预测和可解释响应	仅针对美国特定时间段和县区进行验证，未涉及其他地区或更长时间段	准确预测COVID-19疫情轨迹并制定遏制策略	美国各县的COVID-19确诊病例和死亡病例	machine learning	COVID-19	NA	LSTM, GRU	time-series data	美国CDC提供的最后四周数据（截至2021年4月26日）及热点州最严重县区数据（截至2023年3月23日）
1434	2025-04-03	Unravelling pathological ageing with brain age gap estimation in Alzheimer's disease, diabetes and schizophrenia 2025, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcaf109 PMID:40161217	research paper	该研究通过脑年龄差距估计（BrainAGE）探讨阿尔茨海默病、糖尿病和精神分裂症中的病理性老化	利用敏感性图谱揭示不同病理条件下脑区域对BrainAGE预测的贡献差异，为理解神经退行性疾病的机制提供新视角	神经生物学限制尚未明确，生物标志物的特异性有待进一步验证	评估BrainAGE作为病理性脑老化生物标志物的潜力，并比较不同病理条件下的神经退行性机制	阿尔茨海默病（AD）、精神分裂症和2型糖尿病（T2D）患者	digital pathology	Alzheimer's disease, schizophrenia, Type 2 diabetes	structural magnetic resonance imaging (MRI)	deep learning models	MRI scans (T-weighted, grey matter, white matter, cerebrospinal fluid tissue segmentation, deformation fields)	NA
1435	2025-04-03	Automatic classification of Giardia infection from stool microscopic images using deep neural networks 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30272 PMID:40161947	研究论文	本研究应用深度学习模型自动分类粪便显微镜图像中的贾第虫感染	与以往研究不同，本研究专注于粪便样本而非饮用水样本，并采用智能手机拍摄的显微镜图像	样本量相对较小（1610张图像），且仅针对贾第虫感染	开发一种自动分类贾第虫感染的方法，以辅助快速准确诊断贾第虫病	粪便显微镜图像中的贾第虫寄生虫	数字病理学	贾第虫病	深度学习	Xception, ResNet-50, EfficientNet-B0	图像	1610张粪便显微镜图像
1436	2025-04-03	Exploring the potential of machine learning and magnetic resonance imaging in early stroke diagnosis: a bibliometric analysis (2004-2023) 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1505533 PMID:40162012	文献计量分析	通过文献计量分析方法探讨2004至2023年间机器学习和磁共振成像在早期中风诊断中的研究热点	首次系统分析了机器学习和磁共振成像在中风早期诊断领域的研究趋势和热点	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	探索机器学习和磁共振成像在早期中风诊断中的应用	2004-2023年间发表的395篇相关研究论文	医学影像分析	中风	机器学习	深度学习	磁共振成像数据	395篇文献
1437	2025-04-03	Artificial intelligence in psychiatry: A systematic review and meta-analysis of diagnostic and therapeutic efficacy 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251330528 PMID:40162166	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在精神病学诊断和治疗中的准确性和疗效	首次全面评估了AI在精神病学中的诊断准确性和治疗效果，并比较了不同AI技术的表现	研究间存在中等程度的异质性，算法偏见和数据质量问题尚未完全解决	评估人工智能在精神病护理中的诊断准确性和治疗效果	精神病学中的各种精神障碍和AI技术	machine learning	psychiatric disorders	machine learning (ML), deep learning (DL), hybrid models	ML, DL, hybrid models	NA	14项研究
1438	2025-04-03	Fundus image classification using feature concatenation for early diagnosis of retinal disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328120 PMID:40162178	研究论文	使用特征串联的深度学习模型对眼底图像进行分类，以实现视网膜疾病的早期诊断	提出了一种基于两个独立CNN块的混合CNN模型，并采用典型相关分析融合方法融合特征，以提高分类性能	未提及模型在临床环境中的实际应用效果及泛化能力	开发一种非侵入性方法，用于早期检测眼部疾病	眼底图像，包括视盘凹陷、糖尿病视网膜病变、介质混浊和健康图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	RFMiD数据集中的多种眼底图像类别
1439	2025-04-03	scCCTR: An iterative selection-based semi-supervised clustering model for single-cell RNA-seq data 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.03.018 PMID:40165824	研究论文	提出了一种名为scCCTR的新型半监督聚类算法，用于单细胞RNA测序数据分析	scCCTR通过迭代选择高置信度细胞和标签来指导深度学习模型，结合Transformer神经网络的多头注意力机制提高聚类精度	未明确提及具体局限性	提高单细胞RNA测序数据聚类的准确性和有效性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序(scRNA-seq)	Transformer	基因表达数据	未明确提及具体样本量
1440	2025-04-03	Deep learning analysis of exercise stress electrocardiography for identification of significant coronary artery disease 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1496109 PMID:40166362	研究论文	本研究开发了一种基于深度学习的多模态AI算法，用于通过运动负荷心电图（ExECG）数据高效准确地识别患有显著冠状动脉疾病（CAD）的患者	创新点在于结合了卷积循环神经网络算法，整合了心电图信号和ExECG报告中的特征，以提高ExECG在识别CAD方面的性能	特异性中等（0.60），可能存在假阳性，需要进一步研究	提升运动负荷心电图（ExECG）在识别显著冠状动脉疾病（CAD）方面的诊断能力	818名接受ExECG和冠状动脉造影（CAG）的患者，以及197名ExECG正常且CAD风险低的个体	数字病理学	心血管疾病	深度学习	卷积循环神经网络（CRNN）	心电图信号和ExECG报告特征	818名患者（其中369名有显著CAD）和197名低风险个体