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
1701	2025-02-19	A deep learning algorithm to generate synthetic computed tomography images for brain treatments from 0.35 T magnetic resonance imaging 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100708 PMID:39958708	研究论文	本研究开发了一种深度学习算法，用于从低场强磁共振成像（MRI）快速生成合成CT（sCT）图像，应用于脑部治疗	首次探索了在低场强MRI下生成脑部sCT图像的深度学习算法，为MRI-only放疗提供了新的可能性	研究样本量较小（56名患者），且仅针对脑部治疗，未涉及其他部位	开发一种快速生成脑部sCT图像的深度学习算法，以支持MRI-only放疗工作流程	脑部MRI图像及其对应的sCT图像	医学影像处理	脑部疾病	深度学习，条件生成对抗网络（cGAN）	cGAN	MRI图像	56名患者（32名训练，8名验证，16名测试）
1702	2025-02-19	Detection of Body Packs in Abdominal CT scans Through Artificial Intelligence; Developing a Machine Learning-based Model 2025, Archives of academic emergency medicine IF:2.9Q1 DOI:10.22037/aaemj.v13i1.2479 PMID:39958959	研究论文	本研究旨在开发一种基于人工智能的新诊断方法，用于实时检测腹部CT扫描中的体内藏毒包	提出了一种改进的RetinaNet模型，通过使用角度边界框（angled Bbox）来提高检测体内藏毒包的准确性	需要由领域专家精心策划定制数据集以确保成功训练	开发一种基于人工智能的实时检测体内藏毒包的方法	腹部CT扫描图像	计算机视觉	NA	深度学习	RetinaNet	图像	888张腹部CT扫描图像
1703	2025-02-19	Artificial intelligence applied to diabetes complications: a bibliometric analysis 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1455341 PMID:39959916	研究论文	本文通过文献计量学方法分析了人工智能在糖尿病并发症领域的应用研究趋势和热点	利用CiteSpace、Vosviewer和bibliometix等工具构建知识图谱，可视化文献信息，揭示研究趋势和热点	仅基于PubMed数据库的文献，可能未涵盖所有相关研究	探索人工智能在糖尿病并发症领域的应用研究趋势和前沿热点	1988年至2024年间发表的关于人工智能在糖尿病并发症中应用的科学文章	机器学习	糖尿病	文献计量分析	NA	文本	935篇符合条件的文章
1704	2025-02-18	Deep learning for cardiac imaging: focus on myocardial diseases, a narrative review 2025 Jan-Feb, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2024.12.002 PMID:39662734	综述	本文探讨了深度学习在心脏成像中的应用，特别是针对心肌疾病的自动分割、放射组学特征表型和预测	本文综述了深度学习在心脏成像中的最新应用，特别是自动分割和放射组学特征表型，展示了其在心肌疾病诊断和管理中的潜力	本文未涉及深度学习模型在临床实践中的具体实施挑战和解决方案	探讨深度学习在心脏成像中的应用，特别是针对心肌疾病的诊断和管理	心肌疾病	医学影像	心血管疾病	深度学习	深度学习算法	医学影像（CT、CMR、超声心动图、SPECT）	NA
1705	2025-02-17	An Accelerated Spectroscopic MRI Metabolite Quantification Based on a Deep Learning Method for Radiation Therapy Planning in Brain Tumor Patients 2025-Jan-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17030423 PMID:39941791	研究论文	本研究提出了一种基于深度学习的加速光谱MRI代谢物定量方法，用于脑肿瘤患者的放射治疗规划	提出了一种基于神经网络的加速光谱拟合模型NNFit，相比传统的最小二乘拟合方法，显著提高了处理速度并减少了伪影	研究样本量较小，仅包括30名GBM患者的训练数据和17名GBM患者的测试数据	比较NNFit与传统FITT方法在代谢物定量和放射治疗规划中的性能	脑肿瘤患者	数字病理学	脑肿瘤	光谱MRI (sMRI)	自监督深度学习模型	MRI图像	30名GBM患者（56次扫描）用于训练，17名GBM患者（29次扫描）用于测试
1706	2025-02-17	Retrospectively Quantified T2 Improves Detection of Clinically Significant Peripheral Zone Prostate Cancer 2025-Jan-24, Cancers IF:4.5Q1 DOI:10.3390/cancers17030381 PMID:39941750	研究论文	本研究评估了结合深度学习估计的T2映射与传统T2加权图像在检测临床显著性前列腺癌（csPCa）中的附加价值	利用深度学习从临床获取的T1和T2加权图像估计T2映射，结合传统T2加权图像，提高了对临床显著性前列腺癌的检测能力	研究样本量较小（76例），且为回顾性分析，可能存在选择偏倚	评估深度学习估计的T2映射在检测临床显著性前列腺癌中的附加价值	76例外周带前列腺病变，包括临床显著性和非显著性病例	数字病理学	前列腺癌	多参数MRI（mpMRI），深度学习	Logistic回归，高斯过程分类器	图像	76例外周带前列腺病变
1707	2025-02-17	Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling 2025-Jan-20, The Journal of thoracic and cardiovascular surgery IF:4.9Q1 DOI:10.1016/j.jtcvs.2025.01.008 PMID:39842544	研究论文	本研究使用多种动态深度学习算法，基于视频超声心动图开发预测模型，并评估不同样本量对模型性能的影响	比较了3D卷积神经网络、视频视觉变换器以及混合卷积神经网络和长短期记忆模型在监督学习和半监督学习中的表现，特别是在不同样本量下的性能	研究主要关注模型性能的比较，未涉及实际临床应用效果的验证	开发并评估基于视频超声心动图的预测模型，探索样本量对模型性能的影响	视频超声心动图数据	计算机视觉	心血管疾病	深度学习	3D CNN, Video Vision Transformers, CNN+LSTM	视频	200、400、800个视频数据集
1708	2025-02-17	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	本文提出了一种基于流的截断去噪扩散模型（FTDDM），用于提高磁共振波谱成像（MRSI）的超分辨率	通过截断扩散链并使用基于归一化流的网络估计截断步骤，显著缩短了扩散过程，同时实现了多尺度超分辨率	尽管采样速度提高了9倍以上，但模型的训练和评估依赖于特定数据集，可能限制了其泛化能力	开发一种能够从低分辨率数据生成高分辨率MRSI的后处理方法，以克服时间和灵敏度限制	高分辨率磁共振波谱成像（MRSI）	计算机视觉	癌症	深度学习	FTDDM（基于流的截断去噪扩散模型）	图像	25名高级别胶质瘤患者的H-MRSI数据集
1709	2025-02-17	AI predictive models and advancements in microdissection testicular sperm extraction for non-obstructive azoospermia: a systematic scoping review 2025, Human reproduction open IF:8.3Q1 DOI:10.1093/hropen/hoae070 PMID:39764557	系统范围综述	本文综述了人工智能（AI）模型在预测非梗阻性无精子症（NOA）患者进行显微睾丸精子提取（m-TESE）手术中精子获取成功率方面的准确性和潜力	首次系统评估了AI模型在预测m-TESE手术结果中的应用，整合了临床、激素、组织病理学和遗传因素	研究设计的异质性、样本量小、缺乏验证研究以及仅依赖PubMed和Scopus两个数据库可能限制了研究结果的广泛适用性	评估AI模型在预测NOA患者m-TESE手术中精子获取成功率的准确性和潜力	非梗阻性无精子症（NOA）患者	生殖医学	非梗阻性无精子症	机器学习、深度学习、逻辑回归	AI预测模型	临床数据、激素水平、组织病理学评估、遗传参数	45项研究，具体样本量未明确
1710	2025-02-16	A Novel Rolling Bearing Fault Diagnosis Method Based on the NEITD-ADTL-JS Algorithm 2025-Jan-31, Sensors (Basel, Switzerland) DOI:10.3390/s25030873 PMID:39943513	研究论文	本文提出了一种创新的轴承故障诊断方法，旨在提高迁移学习的准确性和有效性	在信号预处理阶段引入了噪声消除内在时间尺度分解（NEITD）算法，并结合改进的自适应深度迁移学习（ADTL）网络和水母搜索（JS）算法自适应优化故障诊断参数	NA	提高轴承故障诊断的准确性和鲁棒性	轴承故障信号	机器学习	NA	NEITD, ADTL, JS	深度学习网络	信号数据	NA
1711	2025-02-16	Recent Applications of Theoretical Calculations and Artificial Intelligence in Solid-State Electrolyte Research: A Review 2025-Jan-30, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15030225 PMID:39940203	综述	本文综述了理论计算和人工智能在固态电解质研究中的最新应用	结合高通量筛选、理论计算和人工智能方法，展示了多种方法在材料发现和性能优化中的独特优势	理论计算方法如密度泛函理论和分子动力学在材料结构优化和离子传输动力学分析中存在局限性	促进高性能固态电解质材料的发展，推动全固态电池的工业应用	固态电解质材料	材料科学	NA	密度泛函理论（DFT）、分子动力学（MD）、机器学习（ML）、深度学习（DL）	NA	NA	NA
1712	2025-02-16	PPLA-Transformer: An Efficient Transformer for Defect Detection with Linear Attention Based on Pyramid Pooling 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030828 PMID:39943467	研究论文	本文提出了一种基于金字塔池化的线性注意力机制，用于提高工业产品缺陷检测的准确性和效率	提出了一种新的线性注意力机制，结合金字塔池化增强全局特征提取能力，并通过部分卷积提升局部特征提取能力，从而在减少计算负担的同时提高检测精度	未提及具体局限性	提高工业产品缺陷检测的准确性和效率	工业产品缺陷	计算机视觉	NA	深度学习	Transformer, 线性注意力机制	图像	自建的SIM卡槽缺陷数据集和公开的PKU-Market-PCB数据集
1713	2025-02-16	A Hybrid Deep Transfer Learning Framework for Delamination Identification in Composite Laminates 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030826 PMID:39943465	研究论文	本文提出了一种混合深度迁移学习框架，用于识别复合材料层压板中的分层现象	结合预训练的EfficientNet和ResNet模型，利用有限数据进行深度特征提取，提高了结构健康监测的性能	需要验证框架在不同类型复合材料或更复杂损伤情况下的适用性	提高复合材料层压板中分层检测的准确性和鲁棒性	复合材料层压板	机器学习	NA	深度迁移学习	EfficientNet, ResNet	振动信号	包含三种健康状态的复合材料层压板上的压电传感器数据
1714	2025-02-16	Towards an Energy Consumption Index for Deep Learning Models: A Comparative Analysis of Architectures, GPUs, and Measurement Tools 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030846 PMID:39943485	研究论文	本研究引入了一种新开发的能耗指数，用于评估深度学习模型的能效，提供了一个标准化且适应性强的方法	提出了一个新的能耗指数，能够评估不同深度学习模型的能效，并展示了其在多种架构和GPU上的适用性	研究主要关注卷积神经网络和Swin Transformer，未涵盖所有类型的深度学习模型	评估深度学习模型的能效，推动AI系统的可持续发展	深度学习模型，包括AlexNet、ResNet18、VGG16、EfficientNet-B3、ConvNeXt-T和Swin Transformer	机器学习	NA	NA	卷积神经网络（CNN）、Swin Transformer	图像数据（Imagenette数据集）	使用TITAN XP和GTX 1080 GPU进行训练和推理的深度学习模型
1715	2025-02-16	An Intrusion Detection System over the IoT Data Streams Using eXplainable Artificial Intelligence (XAI) 2025-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s25030847 PMID:39943488	研究论文	本文提出了一种基于深度学习和可解释人工智能（XAI）技术的新型入侵检测系统（IDS）架构，旨在提高网络和物联网（IoT）系统的安全性	结合深度学习和XAI技术，创建可解释的模型，使安全分析师能够有效使用这些模型	实时实施该方法需要解释生成的预测，这可能增加系统的复杂性	提高网络和物联网系统的入侵检测准确性和透明度	网络和物联网系统的数据流	机器学习	NA	深度学习，可解释人工智能（XAI）	1-D CNN, DNN, TabNet	网络和物联网数据流	七个不同的TON_IOT数据集
1716	2025-02-16	Infrared Small Target Detection Algorithm Based on Improved Dense Nested U-Net Network 2025-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s25030814 PMID:39943453	研究论文	本文提出了一种基于改进的密集嵌套U-Net网络的红外小目标检测算法，旨在解决传统CNN方法在红外小目标检测中因多次下采样操作导致的深层目标消失问题	提出了IDNA-UNet方法，设计了密集嵌套交互模块（DNIM）和自底向上的特征金字塔融合模块，以保留小目标的特征和细节定位信息，并应用了更适合的尺度与位置敏感（SLS）损失函数	未提及具体的数据集或实验环境限制	提高红外小目标检测的准确性和鲁棒性	红外小目标	计算机视觉	NA	深度学习	U-Net	红外图像	未提及具体样本数量
1717	2025-02-16	Aircraft Sensor Fault Diagnosis Based on GraphSage and Attention Mechanism 2025-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s25030809 PMID:39943448	研究论文	本文提出了一种基于GraphSage和注意力机制的飞机传感器故障诊断方法，以提高故障检测性能和计算速度	结合GraphSage和注意力机制，增强了故障特征的提取，并通过图采样和基于注意力的聚合方法充分利用数据点之间的相关性	未提及方法在极端或复杂环境下的鲁棒性	提高飞机传感器故障诊断的准确性和效率	飞机传感器	机器学习	NA	GraphSage, 注意力机制	GraphSage, 注意力机制	传感器信号数据	模拟和真实飞行数据
1718	2025-02-16	A Deep Learning Approach for the Classification of Fibroglandular Breast Density in Histology Images of Human Breast Tissue 2025-Jan-28, Cancers IF:4.5Q1 DOI:10.3390/cancers17030449 PMID:39941816	研究论文	本研究旨在开发一种基于深度学习的计算工具，用于分类H&E染色的人乳腺组织切片中的纤维腺体密度，以辅助未来的乳腺密度研究	使用迁移学习的MobileNet-v2卷积神经网络和视觉变换器模型来分类纤维腺体密度，提供了快速且易于使用的乳腺密度分析工具	分类中最具挑战性的是第3类，第2类和第4类的图像被错误分类为第3类	开发一种计算工具，用于分类纤维腺体密度，以辅助乳腺密度研究	H&E染色的人乳腺组织切片	计算机视觉	乳腺癌	深度学习	MobileNet-v2, 视觉变换器	图像	93名患者的965个组织块
1719	2025-02-16	Decoding Pain: A Comprehensive Review of Computational Intelligence Methods in Electroencephalography-Based Brain-Computer Interfaces 2025-Jan-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15030300 PMID:39941230	综述	本文综述了基于脑电图（EEG）信号的疼痛检测研究，探讨了机器学习和深度学习方法在脑机接口（BCI）技术中的应用	结合人工智能与脑机接口技术，提升系统的实时响应和适应性，深度学习方法在分析EEG信号和识别疼痛相关模式方面表现出色	讨论了EEG基础疼痛检测的进展和挑战，特别是在临床应用中的功能需求，指出了当前研究的空白和未来研究的机会	探讨基于EEG信号的疼痛检测方法，评估机器学习和深度学习技术在疼痛分类和检测中的应用效果	脑电图（EEG）信号	脑机接口	疼痛	机器学习，深度学习	支持向量机，随机森林，k近邻，卷积神经网络，循环神经网络，Transformer	EEG信号	20篇同行评审文章
1720	2025-02-16	Research on Detection Methods for Gas Pipeline Networks Under Small-Hole Leakage Conditions 2025-Jan-26, Sensors (Basel, Switzerland) DOI:10.3390/s25030755 PMID:39943394	研究论文	本文提出了一种针对小孔泄漏条件下的气体管道网络检测方法，采用时空注意力网络（STAN）来提高检测精度	创新点在于结合图注意力网络（GAT）和LSTM模型，通过时空注意力机制捕捉管道数据的动态变化，从而提升检测能力	现有方法未能有效建模管道的时间变化结构数据，限制了检测能力	研究目的是提高气体管道网络在小孔泄漏条件下的检测精度	研究对象是气体管道网络及其泄漏检测	机器学习	NA	时空注意力网络（STAN）、图注意力网络（GAT）、LSTM模型	STAN、GAT、LSTM	时间序列数据	使用气体管道仿真数据集进行评估