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
11781	2025-04-16	Artificial Intelligence Applications in Pediatric Craniofacial Surgery 2025-Mar-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070829 PMID:40218180	综述	本文探讨了人工智能在儿科颅面外科中的应用，包括提高诊断准确性、手术精度和术后护理优化	利用机器学习和深度学习模型分析复杂的颅面影像，实现先天性异常的早期检测，并辅助术前规划和个性化治疗策略	未提及具体的技术实施细节或临床验证结果	探索人工智能在儿科颅面外科中的潜在应用及其对临床决策的影响	儿科颅面外科中的先天性异常，如颅缝早闭、唇腭裂等	数字病理	儿科颅面疾病	机器学习和深度学习	NA	影像数据	NA
11782	2025-04-16	Multiphase Computed Tomography Scan Findings for Artificial Intelligence Training in the Differentiation of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma Based on Interobserver Agreement of Expert Abdominal Radiologists 2025-Mar-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070821 PMID:40218171	研究论文	本研究通过多期计算机断层扫描（CT）图像分析，探讨了区分肝细胞癌（HCC）和肝内胆管癌（ICC）的潜在CT特征，并评估了放射科专家间的一致性	利用AI、ML和DL技术在放射学领域的应用，探索HCC和ICC的CT特征差异，并计算专家间的一致性，为未来AI训练算法提供辅助特征	研究样本量较小（74例患者），且为回顾性研究，可能存在选择偏差	确定用于区分肝细胞癌和肝内胆管癌的潜在CT特征	经放射学和病理学确诊的HCC和ICC患者	数字病理学	肝癌	多期CT扫描	NA	图像	74例患者（48例HCC，26例ICC）
11783	2025-04-16	Deep Learning-Based Glaucoma Detection Using Clinical Notes: A Comparative Study of Long Short-Term Memory and Convolutional Neural Network Models 2025-Mar-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070807 PMID:40218157	研究论文	本研究探讨了深度学习模型利用临床笔记检测青光眼的能力，并比较了LSTM、CNN及基于transformer的模型的表现	首次利用临床笔记而非视网膜图像进行青光眼检测，并比较了不同深度学习模型的表现及在不同种族群体中的公平性	研究仅基于单一数据集，且模型在不同种族群体中仍存在性能差异	探索深度学习模型在利用临床笔记检测青光眼方面的能力及公平性	青光眼患者	自然语言处理	青光眼	深度学习	LSTM, CNN, BERT, BioBERT	文本	10,000名患者
11784	2025-04-16	Harnessing Artificial Intelligence, Machine Learning and Deep Learning for Sustainable Forestry Management and Conservation: Transformative Potential and Future Perspectives 2025-Mar-22, Plants (Basel, Switzerland) DOI:10.3390/plants14070998 PMID:40219066	综述	本文探讨了人工智能、机器学习和深度学习在可持续森林管理和保护中的变革潜力及未来前景	总结了AI、ML和DL在可持续森林管理中的当前研究和应用，包括预测分析和建模技术	讨论了AI、ML和DL在可持续森林管理中面临的挑战及可能的解决方案	探讨AI、ML和DL技术在可持续森林管理中的应用和潜力	森林植物和森林系统	机器学习	NA	预测分析、建模技术	深度学习(DL)	图像、视频	NA
11785	2025-04-16	Diagnostic Accuracy of Deep Learning Models in Predicting Glioma Molecular Markers: A Systematic Review and Meta-Analysis 2025-Mar-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070797 PMID:40218147	meta-analysis	该研究通过系统回顾和荟萃分析评估了深度学习模型在预测胶质瘤分子标志物方面的诊断准确性	首次通过系统回顾和荟萃分析评估深度学习模型在预测多种胶质瘤分子标志物方面的综合表现	研究设置存在较大异质性，临床转化存在困难	评估深度学习模型基于MRI预测胶质瘤分子标志物的诊断准确性	胶质瘤分子标志物（MGMT甲基化、ATRX和TERT突变等）	digital pathology	glioma	MRI	DL	image	43项研究进行定性分析，30项纳入荟萃分析
11786	2025-04-16	Enhanced Superpixel-Guided ResNet Framework with Optimized Deep-Weighted Averaging-Based Feature Fusion for Lung Cancer Detection in Histopathological Images 2025-Mar-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070805 PMID:40218155	研究论文	该研究提出了一种基于深度学习的特征提取、融合、优化和分类框架，用于提高肺癌症病理图像检测的准确性和效率	结合超像素引导的ResNet框架和深度加权平均特征融合技术，以及粒子群优化和红鹿优化算法进行特征选择，显著提升了分类准确率	未来工作可能需要进一步优化和探索混合模型	提高肺癌症病理图像诊断的准确性和效率	肺癌症病理图像	数字病理	肺癌	SLIC算法、PSO、RDO	ResNet-50、ResNet-101、ResNet-152、SVM、DT、RF、KNN、SDC、BLDC、MLP	图像	NA
11787	2025-04-16	Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84497-8 PMID:39900572	research paper	提出了一种基于三维自适应图卷积神经网络的精神分裂症分类模型，利用EEG信号的三维空间特性和动态学习节点间交互	首次将三维自适应图卷积神经网络应用于精神分裂症识别，动态学习EEG信号的空间、特征和频带维度交互	未提及模型在其他精神疾病或更大规模数据集上的泛化能力	提高精神分裂症的早期诊断和识别准确率	首次发作精神分裂症患者的EEG数据	digital pathology	精神分裂症	EEG信号分析	3D-AGCN (GAT + GCN)	EEG信号	未明确说明样本数量，使用不同分段长度和频带的EEG数据
11788	2025-04-16	An interpretable machine learning model for seasonal precipitation forecasting 2025, Communications earth & environment IF:8.1Q1 DOI:10.1038/s43247-025-02207-2 PMID:40125292	研究论文	介绍了一种名为TelNet的可解释机器学习模型，用于短至中期季节性降水预测	TelNet模型采用简单的编码器-解码器-头部架构，能够在数据有限的情况下进行训练，并通过变量选择权重实现实例和提前时间的预测解释	模型在数据量有限的情况下训练，可能影响其泛化能力	开发一种高准确性和可解释性的季节性降水预测模型	季节性降水预测	机器学习	NA	序列到序列机器学习	TelNet（编码器-解码器-头部架构）	季节性降水值和气候指数	多次重采样的训练、验证和测试集
11789	2025-04-16	Practical implementation and impact of the 4R principles in ethnopharmacology: Pursuing a more humane approach to research 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1543316 PMID:40223937	research paper	本文探讨了在民族药理学研究中实施4R原则（减少、优化、替代和责任）的实际方法和影响，以追求更人道的研究方法	引入了4R原则中的'责任'原则，强调研究人员在实验过程中对动物福利的伦理义务，扩展了传统的3R原则	未具体说明实施4R原则在实际研究中的具体挑战或障碍	提升民族药理学研究中动物实验的伦理标准，推动更人道的科学研究方法	民族药理学研究中的动物实验	民族药理学	NA	3D器官样体、深度学习技术	NA	NA	NA
11790	2025-04-16	Enhancing multilevel tea leaf recognition based on improved YOLOv8n 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1540670 PMID:40225027	research paper	该研究提出了一种改进的YOLOv8n模型（T-YOLOv8n），用于增强多层级茶叶识别，以提高自动化茶叶采摘的效率和准确性	引入了重叠标记的茶叶类别数据集生成方法，并在T-YOLOv8n模型中整合了CBAM和BiFPN模块，优化了多尺度特征融合，同时结合CIOU和Focal Loss函数提高了边界框预测的准确性和稳定性	未明确提及具体的数据集规模或实际部署中的潜在挑战	提升自动化茶叶采摘中不同茶叶类别的识别精度	茶叶叶片	computer vision	NA	深度学习	T-YOLOv8n（基于YOLOv8n改进）	图像	NA
11791	2025-04-15	MSTNet: Multi-scale spatial-aware transformer with multi-instance learning for diabetic retinopathy classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103511 PMID:40020421	research paper	提出了一种名为MSTNet的新型多尺度空间感知Transformer网络，用于糖尿病视网膜病变分类	MSTNet通过多尺度图像块编码信息，构建双路径主干网络，结合空间感知模块和多实例学习策略，有效捕捉局部细节和全局上下文，提升对细微病变区域的关联性	未明确提及具体局限性	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变患者的眼底图像	computer vision	diabetic retinopathy	Multiple Instance Learning (MIL)	Transformer	image	四个公共DR数据集（APTOS2019、RFMiD2020、Messidor和IDRiD）
11792	2025-04-15	Deep learning based coronary vessels segmentation in X-ray angiography using temporal information 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103496 PMID:40049029	research paper	提出了一种基于深度学习的冠状动脉血管分割方法TVS-Net，利用时间信息在X射线血管造影中进行血管分割	提出了一种新颖的密集连接3D编码器-2D解码器结构，结合基于弹性交互的损失函数，融合了连续的ICA信息	使用了相对宽松的标注协议，生成了粗粒度的样本，可能影响分割精度	提高冠状动脉血管在ICA中的分割准确性，以辅助诊断和治疗计划制定	冠状动脉血管	computer vision	cardiovascular disease	深度学习	TVS-Net（密集连接3D编码器-2D解码器结构）	X射线血管造影图像	323个ICA样本（173训练，82验证，68测试），外加60张本地医院图像用于外部评估
11793	2025-04-15	Motor imagery EEG decoding based on TS-former for spinal cord injury patients 2025-May, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111298 PMID:40081503	研究论文	提出一种基于Transformer的迁移学习方法TS-former，用于脊髓损伤患者的运动想象脑电信号解码	结合FBCSP和Transformer构建新型时空域特征提取网络，采用迁移学习实现跨任务适应	未说明模型在更大人群或不同病理条件下的泛化能力	开发高效脑机接口系统用于脊髓损伤患者康复训练	16名脊髓损伤患者的运动想象脑电信号	脑机接口	脊髓损伤	Filter Bank Common Spatial Pattern (FBCSP), Transformer	TS-former (基于Transformer的混合架构)	EEG信号	16名患者数据（十折交叉验证）
11794	2025-04-15	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	research paper	提出了一种统一的半监督主动学习框架（UniSAL），用于高效选择信息丰富且具有代表性的组织病理学图像进行标注	引入双视角高置信度伪训练和伪标签引导的类对比学习，以及设计新颖的不确定性和代表性样本选择策略	未提及具体局限性	减少标注成本并提高组织病理学图像分类的效率	组织病理学图像	digital pathology	cancer	deep learning	dual-view networks	image	CRC5000, Chaoyang和CRC100K三个公共病理图像分类数据集
11795	2025-04-15	Predicting infant brain connectivity with federated multi-trajectory GNNs using scarce data 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103541 PMID:40107118	research paper	该论文提出了一种名为FedGmTE-Net++的联邦图多轨迹演化网络，用于在数据稀缺环境下预测婴儿大脑连接的多轨迹演化	首次设计了专门用于大脑多轨迹演化预测的联邦学习框架，在局部目标函数中加入了辅助正则化器以利用所有纵向大脑连接数据，并引入了一个两步插补过程	需要依赖多个医院的数据合作，可能面临数据协调和隐私保护的挑战	预测婴儿出生后第一年大脑连接网络的多轨迹演化	婴儿大脑连接网络	digital pathology	NA	federated learning, GNN	FedGmTE-Net++ (基于GNN的联邦学习模型)	graph data (大脑连接网络)	来自多家医院的有限数据集
11796	2025-04-15	A deep learning approach to multi-fiber parameter estimation and uncertainty quantification in diffusion MRI 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103537 PMID:40112509	研究论文	本文提出了一种基于深度学习的多纤维参数估计和不确定性量化方法，用于扩散MRI中的脑微结构研究	引入了一种新颖的顺序方法，将多纤维参数推断任务分解为一系列可管理的子问题，并使用针对特定问题和对称性定制的深度神经网络进行求解	方法在HCP类采集方案下，对细胞外平行扩散率的估计具有高度不确定性	开发一种可靠且计算效率高的参数推断方法，用于常见的dMRI生物物理模型	脑微结构中的白质纤维群体	医学影像分析	NA	扩散MRI (dMRI)	深度神经网络	医学影像数据	Human Connectome Project (HCP) 的成像数据
11797	2025-04-15	Segment Like A Doctor: Learning reliable clinical thinking and experience for pancreas and pancreatic cancer segmentation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103539 PMID:40112510	研究论文	提出了一种名为SLAD的新框架，通过学习医生的临床思维和经验，提高胰腺和胰腺癌在CT图像上的分割准确性	首次模拟医生在胰腺癌诊断过程中的逻辑思维和经验，包括器官、病变和边界三个阶段，并设计了相应的模块（AMAE、CGRM和DDCM）来实现这一目标	未提及具体的数据集规模限制或模型在其他类型癌症上的泛化能力	提高胰腺和胰腺癌在CT图像上的分割准确性，以满足临床需求	胰腺和胰腺癌的CT图像	数字病理	胰腺癌	CT图像分析	AMAE、CGRM、DDCM	图像	三个独立数据集（未提及具体样本数量）
11798	2025-04-15	An extragradient and noise-tuning adaptive iterative network for diffusion MRI-based microstructural estimation 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103535 PMID:40157297	研究论文	本文提出了一种基于扩散MRI的微结构估计的外梯度和噪声调谐自适应迭代网络	引入了一种自适应机制，根据特定的dMRI模型、数据集和下采样策略灵活调整稀疏表示过程，避免了手动选择并加速推理，同时提出了噪声调谐模块帮助网络逃离局部极小值/鞍点	未提及具体局限性	改进扩散MRI模型参数估计的准确性和通用性	扩散MRI数据	医学影像分析	NA	扩散MRI (dMRI)	外梯度和噪声调谐自适应迭代网络	MRI图像	两个3T Human Connectome Project (HCP)数据集和一个7T HCP数据集
11799	2025-04-15	ArtiDiffuser: A unified framework for artifact restoration and synthesis for histology images via counterfactual diffusion model 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103567 PMID:40188685	研究论文	提出ArtiDiffuser，一种基于反事实扩散模型的统一框架，用于组织学图像的伪影修复和合成	首次将反事实扩散模型应用于组织学图像的伪影修复与合成，通过Swin-Transformer去噪网络和类别引导的专家混合增强特征处理能力	需要人工标注的伪影类别数据，且模型性能依赖于标注质量	解决组织学图像中伪影导致的误诊问题	组织学图像中的伪影区域	数字病理学	NA	扩散模型	Swin-Transformer+MoE	图像	包含723个标注图像块的首个综合组织学数据集
11800	2025-04-15	Unsupervised brain MRI tumour segmentation via two-stage image synthesis 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103568 PMID:40199108	研究论文	本文提出了一种通过两阶段图像合成策略进行无监督脑部MRI肿瘤分割的方法	采用两阶段图像合成策略，生成更真实的合成数据以缩小真实与合成数据之间的领域差距	未明确提及具体局限性，但可能依赖于合成数据的质量和伪标签的准确性	开发一种无需专家标注的无监督脑部肿瘤分割方法	脑部MRI图像中的肿瘤区域	数字病理	脑肿瘤	两阶段图像合成策略	无监督学习模型	MRI图像	五个脑部成像数据集