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
1561	2025-03-15	A 5G network based conceptual framework for real-time malaria parasite detection from thick and thin blood smear slides using modified YOLOv5 model 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251321540 PMID:40078448	研究论文	本文提出了一种基于5G网络的实时疟疾寄生虫检测框架，使用改进的YOLOv5模型从厚薄血涂片中进行检测	通过引入两个SENet层改进YOLOv5x网络架构，优化了模型在5G网络上的实时检测性能	未提及模型在低资源环境下的实际部署效果和成本效益分析	开发一种实时疟疾检测系统，特别是在诊断资源有限的地区	厚薄血涂片中的疟疾寄生虫	数字病理学	疟疾	深度学习	改进的YOLOv5x模型	图像	未提及具体样本数量
1562	2025-03-15	A spatial and temporal transformer-based EEG emotion recognition in VR environment 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1517273 PMID:40078487	研究论文	本文提出了一种基于Transformer的EEG情感识别方法EmoSTT，用于VR环境中的情感识别	首次在VR环境中使用纯Transformer方法进行EEG情感识别，并通过两个独立的Transformer模块全面建模EEG信号的时空信息	研究主要依赖于实验室环境和VR环境下的数据集，尚未在更广泛的真实场景中进行验证	提高EEG情感识别在真实场景中的生态效度，探索VR环境下的情感识别方法	参与者在观看VR视频时的EEG数据	脑机接口	NA	EEG信号处理	Transformer	EEG信号	未明确提及具体样本数量
1563	2025-03-15	Artificial intelligence integration in surgery through hand and instrument tracking: a systematic literature review 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1528362 PMID:40078701	系统文献综述	本文通过系统文献综述探讨了人工智能（AI）在手术实践中通过手和器械追踪的应用，分析了AI与手术交叉领域的最新进展和当前文献	本文首次系统性地总结了AI在手术手和器械追踪中的应用，并分析了不同AI算法在手术实践中的具体应用	当前AI技术在手术中的应用仍存在技术和社会限制，未来研究需要填补这些空白	探讨AI在手术手和器械追踪中的应用，以优化手术技能培训并改善手术结果	手术实践中的手和器械追踪	计算机视觉	NA	深度学习算法、传统机器学习算法	深度学习模型	预录视频、摄像头数据、图像数据集	77篇符合纳入标准的文章
1564	2025-03-15	Singing to speech conversion with generative flow 2025, EURASIP journal on audio, speech, and music processing DOI:10.1186/s13636-025-00400-x PMID:40078713	研究论文	本文介绍了歌唱到语音转换（S2S）任务，并提出了首个基于深度学习的S2S系统	首次提出基于生成流的S2S系统，并调整了潜在特征之间的对齐模块，适应了歌唱到语音转换的场景	未提及具体局限性	研究歌唱到语音的转换，保留语音信息并减少音高、节奏和音色的变化	歌唱和语音信号	自然语言处理	NA	生成流（Generative Flow）	Glow-TTS架构	音频信号	未提及具体样本数量
1565	2025-03-14	AI-enhanced PET/CT image synthesis using CycleGAN for improved ovarian cancer imaging 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/196804 PMID:40070416	研究论文	本研究利用CycleGAN进行PET图像的衰减校正，旨在提高卵巢癌成像的质量	使用生成对抗网络（GANs）进行PET图像衰减校正，避免了额外的CT成像	需要进一步优化和临床验证以实现全面的临床应用	提高卵巢癌成像的质量，减少辐射暴露	55名卵巢癌患者的PET/CT数据	计算机视觉	卵巢癌	生成对抗网络（GANs）	CycleGAN	图像	55名卵巢癌患者的PET/CT数据
1566	2025-03-14	Unsupervised semantic label generation in agricultural fields 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1548143 PMID:40070454	研究论文	本文提出了一种用于农业领域中作物-杂草语义图像分割的自动标注管道，旨在减少深度学习模型训练对手动标注数据的依赖	提出了一种利用无人机或地面机器人记录的RGB图像，结合田间行结构进行空间一致性标注的自动化标注系统，并采用证据深度学习来提供预测不确定性估计，以改进语义预测	尽管在作物上的IoU表现优于完全监督方法，但在杂草上的IoU表现仍较低（22.7% vs 33.5%）	减少农业领域中深度学习模型训练对手动标注数据的依赖，提升作物-杂草语义分割的自动化水平	农业领域中的作物和杂草	计算机视觉	NA	证据深度学习	深度学习模型	RGB图像	多个田地和作物种类
1567	2025-03-14	Advancements in the application of artificial intelligence in the field of colorectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1499223 PMID:40071094	研究论文	本文探讨了人工智能在结直肠癌领域的应用进展	利用机器学习和深度学习算法，提高结直肠癌的早期检测、诊断和治疗效果	未具体提及研究的局限性	探索人工智能在结直肠癌管理中的潜力	结直肠癌患者	机器学习	结直肠癌	机器学习和深度学习算法	深度学习（DL）	医疗数据	NA
1568	2025-03-14	Deep learning model for the early prediction of pathologic response following neoadjuvant chemotherapy in breast cancer patients using dynamic contrast-enhanced MRI 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1491843 PMID:40071096	研究论文	本研究旨在探讨不同深度学习方法在DCE-MRI上的诊断准确性，为预测乳腺癌患者新辅助化疗（NAC）后的病理反应提供一个简单易用的工具	利用多种深度学习框架进行迁移学习，结合多种机器学习技术构建分类模型，成功开发出性能最佳的DLR模型，用于预测乳腺癌患者NAC后的病理反应	研究样本量有限，仅包括313名乳腺癌患者，且所有患者均来自单一机构，可能影响模型的泛化能力	开发一个基于DCE-MRI的深度学习模型，用于早期预测乳腺癌患者NAC后的病理反应	313名乳腺癌患者	计算机视觉	乳腺癌	DCE-MRI	ViT, VGG16, ShuffleNet_v2, ResNet18, MobileNet_v2, MnasNet-0.5, GoogleNet, DenseNet121, AlexNet, SVM, KNN, RandomForest, ExtraTrees, XGBoost, LightGBM, MLP	图像	313名乳腺癌患者
1569	2025-03-14	Data augmented lung cancer prediction framework using the nested case control NLST cohort 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1492758 PMID:40071099	研究论文	本研究探讨了在肺癌筛查中使用数据增强技术来提高深度学习模型的预测性能	全面评估了多种数据增强方法在肺癌预测中的应用，并发现传统方法在某些情况下优于最新的在线数据增强技术	研究仅基于253名个体的CT扫描数据，样本量相对较小	评估数据增强技术在肺癌筛查中的有效性	253名个体的CT扫描数据	计算机视觉	肺癌	数据增强技术	3D深度学习模型	CT扫描图像	253名个体的CT扫描数据
1570	2025-03-13	Diagnostic accuracy of artificial intelligence models in detecting congenital heart disease in the second-trimester fetus through prenatal cardiac screening: a systematic review and meta-analysis 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1473544 PMID:40066351	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产前心脏筛查中检测胎儿先天性心脏病的诊断准确性	首次系统评估人工智能模型在胎儿先天性心脏病筛查中的表现，并进行了荟萃分析	研究样本量有限，且需要更大数据集和更多样化人群的前瞻性研究来验证结果	评估人工智能模型在产前心脏筛查中检测先天性心脏病的诊断准确性	胎儿先天性心脏病	医学影像分析	先天性心脏病	超声和超声心动图	深度学习模型	图像	9项研究，共374项研究筛选
1571	2025-03-13	Advancements in cache management: a review of machine learning innovations for enhanced performance and security 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1441250 PMID:40070808	review	本文综述了机器学习在缓存管理中的应用，包括优化缓存性能和增强安全性	探讨了从基于强化学习的缓存替换策略到LSTM模型预测内容特性以做出缓存决策的多种机器学习技术	未提及具体实验数据或样本量，可能缺乏实证支持	研究机器学习在缓存管理中的应用，以优化性能和增强安全性	缓存管理系统	machine learning	NA	reinforcement learning, LSTM, imitation learning, neural networks	LSTM, neural networks	NA	NA
1572	2025-03-12	AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis 2025-01, Abdominal radiology (New York) DOI:10.1007/s00261-024-04512-4 PMID:39133362	综述	本文综述了人工智能在胰腺炎影像诊断中的创新应用及其对临床支持的改进	探讨了深度学习模型在胰腺炎非侵入性诊断中的应用及其潜力	讨论了当前AI在胰腺炎早期检测和管理中的方法学限制	提高胰腺炎的早期识别和诊断准确性	胰腺炎患者	数字病理学	胰腺炎	深度学习	深度学习模型	影像数据	NA
1573	2025-03-12	Automated Deep Learning-Based Finger Joint Segmentation in 3-D Ultrasound Images With Limited Dataset 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241277178 PMID:39295443	研究论文	本文提出了一种基于深度学习的自动化方法，用于在受类风湿性关节炎影响的手指关节的超声图像中分割滑膜	利用深度学习技术自动化分割超声图像中的滑膜，特别是在有限数据集的情况下，通过数据增强策略提高模型性能	研究基于有限的数据集（18个3-D超声体积，来自9名患者），且地面真实标注稀疏，可能影响模型的泛化能力	开发一种自动化工具，用于更高效和标准化地筛查类风湿性关节炎	类风湿性关节炎患者的手指关节超声图像	计算机视觉	类风湿性关节炎	深度学习	卷积神经网络（CNN）	3-D超声图像	18个3-D超声体积，来自9名类风湿性关节炎患者
1574	2025-03-12	CBAM-RIUnet: Breast Tumor Segmentation With Enhanced Breast Ultrasound and Test-Time Augmentation 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276411 PMID:39283069	研究论文	本研究提出了一种名为CBAM-RIUnet的深度学习模型，用于在乳腺超声图像中自动分割乳腺肿瘤，以提高计算机辅助诊断（CAD）的效果	CBAM-RIUnet模型结合了卷积块注意力模块（CBAM）和残差初始深度可分离卷积，能够消除无关特征并专注于感兴趣区域，显著提升了分割精度	未提及具体的研究局限性	提高乳腺超声图像中乳腺肿瘤的自动分割精度，以支持计算机辅助诊断	乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	深度学习	CBAM-RIUnet（基于Unet结构的深度学习模型）	图像	未提及具体样本数量
1575	2025-03-12	Contrastive self-supervised learning for neurodegenerative disorder classification 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1527582 PMID:40034453	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	使用对比自监督学习方法训练深度学习模型，无需大量标注数据，且模型表现与最先进的监督学习方法相当	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型在神经退行性疾病分类中的应用及其可解释性	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）的T1加权MRI扫描数据	计算机视觉	神经退行性疾病	对比自监督学习	深度卷积神经网络（CNN）	T1加权MRI扫描图像	2,694个T1加权MRI扫描样本，来自四个数据集：ADNI、AIBL和FTLDNI
1576	2025-03-12	Using machine learning models for cuffless blood pressure estimation with ballistocardiogram and impedance plethysmogram 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1511667 PMID:40060031	研究论文	本文探讨了利用机器学习模型通过心冲击图和阻抗体积描记图进行无袖带血压估计的方法	提出了一种结合一维卷积神经网络（1D CNN）和门控循环单元（GRU）的堆叠模型，用于分类心冲击图和阻抗体积描记图信号的质量，并使用随机森林（RF）和XGBoost模型估计血压	研究仅涉及17名健康受试者，样本量较小，且血压升高是通过运动实现的，可能不适用于所有人群	提高无袖带血压测量的准确性，以适用于移动健康（mHealth）应用	心冲击图（BCG）和阻抗体积描记图（IPG）信号	机器学习	心血管疾病	深度学习，机器学习	1D CNN, GRU, 随机森林（RF）, XGBoost	信号数据	17名健康受试者
1577	2025-03-11	A novel approach to Indian bird species identification: employing visual-acoustic fusion techniques for improved classification accuracy 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1527299 PMID:40061023	研究论文	本文提出了一种新颖的视觉-声学融合技术，用于提高印度鸟类物种识别的准确性	采用视觉-声学融合技术，结合DCNN和LSTM网络，显著提高了物种识别的准确性	NA	提高印度鸟类物种识别的准确性，以支持生物多样性监测和生态保护	印度鸟类物种	计算机视觉	NA	视觉-声学融合技术	DCNN, LSTM	图像, 声音	iBC53（印度鸟鸣）数据集
1578	2025-03-12	Leveraging deep learning for plant disease and pest detection: a comprehensive review and future directions 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1538163 PMID:40061031	综述	本文综述了深度学习在植物病害和害虫检测中的应用，探讨了其挑战、机遇及未来发展方向	深入分析了深度学习在植物病害和害虫检测中的最新进展，并预测了未来研究方向	未提及具体实验数据或样本量，主要基于现有研究的总结和分析	探讨深度学习在农业诊断中的应用，特别是植物病害和害虫检测	植物病害和害虫	计算机视觉	NA	深度学习	分类、检测和分割网络	图像	NA
1579	2025-03-12	Leveraging a hybrid convolutional gated recursive diabetes prediction and severity grading model through a mobile app 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2642 PMID:40062236	研究论文	本文提出了一种新型的深度学习机制——卷积门控递归单元（CGRU），用于糖尿病的早期检测和严重程度分级，并通过移动应用实现	提出了一种新的深度学习技术CGRU，通过从数据中提取时空特征来提高预测准确性，并利用聚类算法对患者进行分类以确定糖尿病的严重程度	研究仅限于在单一数据集上进行，缺乏对多样化数据集的验证	提高糖尿病早期检测和严重程度分级的准确性和可靠性	糖尿病患者	机器学习	糖尿病	深度学习	CGRU（卷积门控递归单元）	结构化数据	BRFSS数据集
1580	2025-03-12	Lung image segmentation with improved U-Net, V-Net and Seg-Net techniques 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2700 PMID:40062241	研究论文	本研究提出了基于U-Net、V-Net和Seg-Net架构的三种分割模型，以提高肺结核检测的准确性	通过采用先进的预处理技术、注意力机制和非局部块，提升了分割精度	未提及模型在实际临床环境中的验证情况	提高肺结核的准确诊断	肺结核的肺部图像	计算机视觉	肺结核	深度学习	U-Net, V-Net, Seg-Net	图像	Shenzhen和Montgomery数据库中的样本