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
11021	2025-03-01	Deep Learning-Assisted Diagnostic System: Apices and Odontogenic Sinus Floor Level Analysis in Dental Panoramic Radiographs 2025-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020134 PMID:40001654	研究论文	本研究开发了一种基于深度学习的辅助诊断系统，用于牙科全景X光片中牙源性鼻窦炎的精确诊断	结合了多种深度学习模型，并融合了常见的对比度受限自适应直方图均衡化、最小-最大归一化和RGB映射方法，显著提高了诊断准确性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一种辅助牙医精确诊断牙源性鼻窦炎的AI系统	牙科全景X光片中的牙源性鼻窦炎	计算机视觉	牙源性鼻窦炎	深度学习	YOLO 11n, YOLOv8n-cls	图像	NA
11022	2025-03-01	FDoSR-Net: Frequency-Domain Informed Auto-Encoder Network for Arbitrary-Scale 3D Whole-Heart MRI Super-Resolution 2025-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020129 PMID:40001649	研究论文	本文旨在开发一种三维超分辨率网络，用于执行任意比例的三维全心磁共振成像超分辨率，同时保持精细的图像细节	提出了一种利用频域正则化训练的3D自编码器框架，能够在训练中保持精细图像细节，并实现任意比例的超分辨率	NA	开发一种能够执行任意比例三维全心磁共振成像超分辨率的网络	三维全心磁共振成像	计算机视觉	心血管疾病	NA	3D自编码器	三维磁共振成像	120个三维全心磁共振成像体积，使用四种不同的序列获取
11023	2025-03-01	Anatomically Guided Deep Learning System for Right Internal Jugular Line (RIJL) Segmentation and Tip Localization in Chest X-Ray 2025-Jan-29, Life (Basel, Switzerland) DOI:10.3390/life15020201 PMID:40003610	研究论文	本研究提出了一种结合解剖学标志分割、RIJL分割网络和后处理功能的深度学习系统，用于在胸部X光图像中准确分割右颈内静脉导管（RIJL）并定位其尖端	通过整合解剖学知识和空间推理，利用气管作为解剖学标志提取与RIJL最相关的子区域，从而提高了分割和尖端定位的准确性	NA	开发一种自动化深度学习系统，以减少临床医生在胸部X光图像中检查右颈内静脉导管（RIJL）放置的工作量	右颈内静脉导管（RIJL）在胸部X光图像中的分割和尖端定位	计算机视觉	NA	深度学习	nnU-Net	图像	NA
11024	2025-03-01	Deep Learning-Enhanced Portable Chemiluminescence Biosensor: 3D-Printed, Smartphone-Integrated Platform for Glucose Detection 2025-Jan-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020119 PMID:40001639	研究论文	本文介绍了一种新型便携式化学发光生物传感器平台，结合深度学习和智能手机集成，用于葡萄糖检测	该平台采用低成本蜡印微垫和3D打印黑盒，替代传统笨重设备，并通过深度学习模型显著提升检测性能	NA	开发一种成本效益高且选择性强的葡萄糖检测平台	葡萄糖	生物传感	NA	化学发光（CL）传感	Random Forest, SVM, InceptionV3, VGG16, ResNet-50	图像	600张实验化学发光图像，其中80%用于模型训练，20%用于测试
11025	2025-03-01	CLTNet: A Hybrid Deep Learning Model for Motor Imagery Classification 2025-Jan-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15020124 PMID:40002457	研究论文	本文提出了一种名为CLTNet的混合深度学习模型，用于改进基于脑电图（EEG）的运动想象（MI）分类	CLTNet模型创新性地结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和Transformer模块，以更全面地理解运动想象期间EEG信号的特征	NA	改进基于EEG的运动想象分类，以促进脑机接口（BCI）技术的应用	运动想象EEG信号	机器学习	NA	NA	CNN, LSTM, Transformer	EEG信号	BCI IV 2a和BCI IV 2b数据集
11026	2025-03-01	A Robust Method for Real Time Intraoperative 2D and Preoperative 3D X-Ray Image Registration Based on an Enhanced Swin Transformer Framework 2025-Jan-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020114 PMID:40001635	研究论文	本文提出了一种基于增强Swin Transformer框架的实时术中2D和术前3D X射线图像配准方法，用于图像引导手术中的病灶定位	采用双通道Swin Transformer特征提取器，结合注意力机制和特征金字塔，提高了2D X射线和3D CT图像配准的速度和精度	NA	提高图像引导手术中2D X射线和3D CT图像配准的准确性和效率	术中2D X射线图像和术前3D CT图像	计算机视觉	NA	深度学习	Swin Transformer	图像	来自开源数据集的三个不同感兴趣区域
11027	2025-03-01	Predicting Epileptic Seizures Using EfficientNet-B0 and SVMs: A Deep Learning Methodology for EEG Analysis 2025-Jan-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020109 PMID:40001629	研究论文	本研究提出了一种结合EfficientNet-B0卷积神经网络和六种支持向量机（SVM）集成投票机制的框架，用于癫痫发作预测	该框架首次将EfficientNet-B0与SVM集成结合，利用归一化短时傅里叶变换（STFT）和通道相关性特征从EEG信号中提取频谱和空间信息，提高了预测的准确性和鲁棒性	研究仅在CHB-MIT数据集上进行了验证，未在其他数据集上测试其泛化能力	开发一种高效的癫痫发作预测方法，以改善癫痫患者的管理和干预时机	癫痫患者的EEG信号	机器学习	癫痫	短时傅里叶变换（STFT）	EfficientNet-B0, SVM	EEG信号	CHB-MIT数据集
11028	2025-03-01	A Future Picture: A Review of Current Generative Adversarial Neural Networks in Vitreoretinal Pathologies and Their Future Potentials 2025-Jan-24, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020284 PMID:40002698	综述	本文回顾了当前生成对抗网络（GANs）在玻璃体视网膜病变中的应用及其未来潜力	探讨了GANs在眼科领域的应用，特别是其在提高诊断准确性、扩展成像技术能力及预测治疗反应方面的潜力	当前GAN模型在可靠性和准确性方面面临挑战	探索GANs在视网膜疾病诊断和治疗监测中的临床应用	玻璃体视网膜病变	计算机视觉	视网膜疾病	生成对抗网络（GANs）	GAN	图像	NA
11029	2025-03-01	Segmentation of ADPKD Computed Tomography Images with Deep Learning Approach for Predicting Total Kidney Volume 2025-Jan-22, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020263 PMID:40002677	研究论文	本文提出了一种基于深度学习的框架，用于自动分割ADPKD患者的CT图像以预测总肾脏体积（TKV）	开发了一个逐步框架，能够稳健处理非增强CT（NCCT）和增强CT（CCT）图像，确保样本利用的平衡和跨模态的一致性表现	缺乏对CT模态变化的深入研究	通过自动分割ADPKD患者的CT图像来预测总肾脏体积（TKV）	ADPKD患者的CT图像	计算机视觉	肾脏疾病	深度学习	SSD, Inception V2, DeepLab V3+	CT图像	NA
11030	2025-03-01	TSF-MDD: A Deep Learning Approach for Electroencephalography-Based Diagnosis of Major Depressive Disorder with Temporal-Spatial-Frequency Feature Fusion 2025-Jan-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020095 PMID:40001616	研究论文	本文提出了一种名为TSF-MDD的深度学习方法，用于基于脑电图（EEG）的重度抑郁症（MDD）诊断，通过融合时间、空间和频率域信息来提高诊断准确性和效率	TSF-MDD方法首次将时间、空间和频率域信息整合到一个四维表示中，并使用3D-CNN和CapsNet模型进行跨域特征提取，同时采用独立于受试者的数据划分策略以避免数据泄露	尽管TSF-MDD在Mumtaz2016数据集上表现出色，但其在其他数据集上的泛化能力仍需进一步验证	开发一种自动化诊断系统，以提高重度抑郁症的诊断准确性和效率	重度抑郁症（MDD）患者	机器学习	重度抑郁症	脑电图（EEG）	3D-CNN, CapsNet	EEG信号	Mumtaz2016公共数据集
11031	2025-03-01	Deep Learning-Based Drug Compounds Discovery for Gynecomastia 2025-Jan-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020262 PMID:40002676	研究论文	本研究利用基于深度学习的计算方法发现潜在的男性乳房发育症药物化合物	结合文本挖掘和人工智能在药物发现中的有效性，为男性乳房发育症提供新的治疗途径	需要进一步的实验验证和预测模型的优化以支持新药开发	发现男性乳房发育症的潜在药物化合物	男性乳房发育症相关基因和药物化合物	机器学习	男性乳房发育症	文本挖掘、生物过程探索、通路富集、蛋白质-蛋白质相互作用网络构建、药物-靶点相互作用分析	DeepPurpose	基因数据、药物数据	177个与男性乳房发育症相关的基因
11032	2025-03-01	Artificial Intelligence in the Surgery-First Approach: Harnessing Deep Learning for Enhanced Condylar Reshaping Analysis: A Retrospective Study 2025-Jan-21, Life (Basel, Switzerland) DOI:10.3390/life15020134 PMID:40003543	研究论文	本研究利用人工智能和深度学习技术，分析手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中的髁突行为，评估其效果	首次将深度学习和卷积神经网络（CNN）应用于髁突形态的快速、精确分析，显著减少了分割时间	研究为回顾性分析，样本量相对较小（77例患者），且仅在一家医院进行，可能影响结果的普遍性	评估手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中对髁突形态的影响	77名接受正颌手术的患者（18名SFA，59名SLA）	数字病理	NA	锥形束计算机断层扫描（CBCT）	卷积神经网络（CNN）	3D图像	77名患者（18名SFA，59名SLA）
11033	2024-12-18	Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs 2025-Jan, Annals of internal medicine IF:19.6Q1 DOI:10.7326/ANNALS-24-03386 PMID:39680924	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11034	2025-03-01	Unifying fragmented perspectives with additive deep learning for high-dimensional models from partial faceted datasets 2025, NPJ biological physics and mechanics DOI:10.1038/s44341-025-00009-3 PMID:40012561	研究论文	本文提出了一种机器学习方法，通过整合分面数据子集来重建系统的完整视图，使用条件分布进行建模	提出了一种结合多项式回归和神经网络模型的方法，能够从部分数据集中成功重建系统，并随着测量变量的增加提高预测准确性	方法仅在机械弹簧网络和8维生物网络的两个示例中进行了验证，尚未在更广泛的生物系统中测试	旨在通过整合分面数据子集，重建复杂生物系统的完整视图，以量化分子元素对生物功能的贡献	机械弹簧网络和涉及衰老标志物P53的8维生物网络	机器学习	NA	多项式回归和神经网络	多项式回归模型和神经网络模型	单细胞数据	NA
11035	2025-03-01	MAEMC-NET: a hybrid self-supervised learning method for predicting the malignancy of solitary pulmonary nodules from CT images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1507258 PMID:40012977	研究论文	本文提出了一种名为MAEMC-NET的深度学习模型，用于从CT图像中预测孤立性肺结节的恶性程度	MAEMC-NET结合了生成式（Masked AutoEncoder）和对比式（Momentum Contrast）自监督学习方法，以学习CT图像中孤立性结节的内部和相互间的表示	研究仅涉及494名患者，样本量相对较小	解决肺肉芽肿性结节（PGN）与实性肺腺癌（SLA）在CT形态特征上的相似性，提高术前诊断的准确性	孤立性肺结节	计算机视觉	肺癌	CT成像	MAEMC-NET（结合Masked AutoEncoder和Momentum Contrast）	CT图像	494名患者
11036	2025-03-01	MRpoxNet: An enhanced deep learning approach for early detection of monkeypox using modified ResNet50 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251320726 PMID:40013075	研究论文	本文介绍了一种增强的深度学习模型MRpoxNet，基于改进的ResNet50架构，用于从数字皮肤病变图像中早期检测猴痘	MRpoxNet通过扩展ResNet50的层数并引入额外的卷积、ReLU、dropout和批量归一化层，提高了诊断准确性和临床可靠性	未来需要进一步扩展数据集并增强模型对多样化临床场景的多模态适应性	开发一种高效的深度学习模型，用于早期检测猴痘	数字皮肤病变图像	计算机视觉	猴痘	深度学习	改进的ResNet50	图像	初始1156张图像，增强至6116张图像，分为猴痘、非猴痘和正常皮肤三类
11037	2025-02-28	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	本研究利用深度学习和电子健康记录（EHR）识别ANCA相关性血管炎（AAV）病例，提出了一种比传统方法更准确的病例识别模型	首次使用深度学习模型分析EHR数据来识别AAV病例，相比传统基于规则的方法，能够发现更多遗漏的病例	模型在测试队列中的阳性预测值（PPV）较低（0.262），可能影响其在实际应用中的可靠性	开发一种基于深度学习的模型，用于从电子健康记录中准确识别ANCA相关性血管炎（AAV）病例	电子健康记录（EHR）中的临床文档	自然语言处理	血管炎	深度学习	分层注意力网络（HAN）	文本	三个数据集分别包含6000、3008和7500个注释部分，测试队列包含2000个样本
11038	2025-02-28	Hip prosthesis failure prediction through radiological deep sequence learning 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	首次结合时间序列和空间信息，利用多张连续X光片进行髋关节假体失败预测	外部验证集的样本量较小（14例患者），可能影响模型的泛化能力	开发基于多张连续X光片的人工智能模型，用于预测髋关节假体失败	224名患者的髋关节X光片序列	计算机视觉	骨科疾病	深度学习	CNN（卷积神经网络）与GRU（门控循环单元）或LSTM（长短期记忆网络）结合	X光片图像	224名患者的X光片序列，其中14名用于外部验证
11039	2025-02-28	Deep learning based prediction of depression and anxiety in patients with type 2 diabetes mellitus using regional electronic health records 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105801 PMID:39889672	研究论文	本研究开发并验证了一个深度学习模型REDAPM，利用区域电子健康记录（EHR）数据预测2型糖尿病患者中的抑郁和焦虑	REDAPM模型首次整合了区域异构EHR数据，包括结构化和非结构化数据，捕捉临床事件的时间依赖性，显著提升了预测性能	研究依赖于特定区域（南京）的EHR数据，可能限制了模型的普适性	开发并验证一个深度学习模型，用于预测2型糖尿病患者中的抑郁和焦虑	2型糖尿病患者	机器学习	糖尿病	深度学习	REDAPM	电子健康记录（EHR）数据	内部验证数据集包含24,724名患者，外部验证数据集包含34,340名患者
11040	2025-02-03	A deep learning model for QRS delineation in organized rhythms during in-hospital cardiac arrest 2025-Apr, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105803 PMID:39891984	研究论文	本文介绍了一种新的深度学习模型，用于在院内心脏骤停期间准确描绘有组织心律中的QRS复合波	提出了一种基于U-Net模型的深度学习方法，首次在心脏骤停心律中测试并准确描绘QRS复合波	未提及具体局限性	提高在院内心脏骤停期间QRS复合波的准确描绘，以支持临床诊断和治疗策略优化	院内心脏骤停患者和血流动力学稳定的患者	数字病理学	心血管疾病	深度学习	U-Net	ECG信号	332次院内心脏骤停事件（151815个QRS复合波）和105名血流动力学稳定的患者（112497个QRS复合波）