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
12261	2025-03-26	Augmenting atmospheric turbulence effects on thermal-adapted deep object detection models 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86830-1 PMID:40121214	research paper	本文探讨了大气湍流图像增强技术在提高热适应和基于深度学习的物体检测模型在大气湍流条件下的准确性和鲁棒性方面的有效性	研究了三种不同的基于近似的湍流模拟器（几何、Zernike-based和P2S）生成的湍流训练和测试数据集，并评估了三种最先进的深度学习物体检测模型（RTMDet-x、DINO-4scale和YOLOv8-x）在这些数据集上的性能	NA	提高物体检测模型在大气湍流条件下的准确性和鲁棒性	热适应和基于深度学习的物体检测模型	computer vision	NA	turbulence image augmentation techniques	RTMDet-x, DINO-4scale, YOLOv8-x	image	NA
12262	2025-03-26	High-resolution image reflection removal by Laplacian-based component-aware transformer 2025-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94464-6 PMID:40121298	research paper	提出了一种基于Laplacian金字塔和transformer的高分辨率图像反射去除框架LapCAT	利用Laplacian金字塔网络去除高频反射模式，并通过反射感知的多头自注意力机制设计组件可分离transformer块（CSTB）	NA	解决高分辨率图像反射去除问题，提升照片拍摄质量和场景理解	高分辨率图像中的反射模式	computer vision	NA	Laplacian金字塔网络，transformer	transformer (CSTB)	image	多个基准数据集
12263	2025-03-26	4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning 2025-Mar-21, Communications engineering DOI:10.1038/s44172-025-00390-w PMID:40119014	research paper	提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影	结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息	需要验证在更广泛实验条件下的适用性	解决从稀疏投影重建4D信息的挑战	水滴碰撞模拟和增材制造实验数据	计算机视觉	NA	X射线多投影成像	深度学习	X射线投影图像	模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影
12264	2025-03-26	The artificial intelligence revolution in gastric cancer management: clinical applications 2025-Mar-21, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-03756-4 PMID:40119433	review	本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用	人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破	目前大多数基于AI的模型尚未在临床实践中广泛应用	探讨人工智能技术在胃癌临床管理中的应用及其潜力	胃癌	digital pathology	gastric cancer	machine learning, deep learning	NA	image, text	NA
12265	2025-03-26	Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111839 PMID:40124476	研究论文	开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降	首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型	样本量相对有限（526例），且前瞻性队列样本量较小（108例）	预测未破裂颅内动脉瘤支架置入术后认知功能下降风险	接受支架置入术治疗的未破裂颅内动脉瘤患者	数字病理学	颅内动脉瘤	扩散加权磁共振成像（DWI）	深度学习放射组学列线图（DLRN）	医学影像	526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例）
12266	2025-03-26	CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images 2025-Mar-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.111974 PMID:40124480	研究论文	介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节	提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度	未提及具体的数据集限制或模型在特定条件下的性能下降情况	提高肺结节分割的效率和准确性，以辅助肺癌的早期检测	CT图像中的肺结节	数字病理	肺癌	深度学习	CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN）	CT图像	多个公开数据集（未提及具体数量）
12267	2025-03-26	Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data 2025-Mar-18, ArXiv PMID:40034134	研究论文	本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析	使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升	方法在高维情况下可能仍面临计算挑战	开发一种计算高效的方法来量化空间点模式中的聚集现象	人类口腔微生物生物膜图像	机器学习	NA	BayesFlow方法	可逆神经网络	图像	两个不同的口腔微生物生物膜图像
12268	2025-03-26	Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions 2025-Mar-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10763 PMID:40124037	research paper	提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断	结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能	模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息	提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度	食管病变	digital pathology	esophageal cancer	deep learning	MobileNetV2 with mutual attention module	image	三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR
12269	2025-03-26	Detection of deterministic and chaotic signals on the basis of the LSTM model training results 2025-Mar-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0224768 PMID:40131283	研究论文	本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为	该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据	方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试	提供一种替代传统LLE计算的混沌信号检测方法	动态信号（混沌和确定性信号）	机器学习	NA	LSTM神经网络	LSTM	动态信号数据	公开可用的混沌和确定性信号数据集
12270	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA
12271	2025-03-26	Artificial intelligence in obstructive sleep apnea: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251324446 PMID:40123882	研究论文	通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向	首次使用VOSviewer和Citespace对OSA领域AI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，可能遗漏其他重要文献来源	探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势	2011-2024年间发表的867篇关于AI在OSA中应用的文献	数字病理学	阻塞性睡眠呼吸暂停	文献计量分析	NA	文献数据	867篇文献
12272	2025-03-26	Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation 2025, American journal of cardiovascular disease DOI:10.62347/YQHQ1079 PMID:40124093	研究论文	本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势	AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异	NA	比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用	Brugada综合征（BrS）及其相关基因变异	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据、基因数据	NA
12273	2025-03-26	Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches 2025, American journal of neurodegenerative disease DOI:10.62347/DZNQ2482 PMID:40124352	系统综述	本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法	突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势	仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术	评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发	神经退行性疾病中的脑结构变化	机器学习	神经退行性疾病	曲率估计技术	神经网络回归, CNN	神经影像数据	105篇研究论文
12274	2025-03-26	Improved food recognition using a refined ResNet50 architecture with improved fully connected layers 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101005 PMID:40124390	research paper	本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性	开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳	未明确说明模型在其他食物类别或不同环境下的泛化能力	评估食物识别系统在医院和餐厅环境中对人体健康的影响	16类食物（分为早餐、午餐和晚餐）	computer vision	NA	深度学习算法	ResNet50	image	初始12,000张图像，通过数据增强扩展到66,000张
12275	2025-03-26	Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging 2025, American journal of nuclear medicine and molecular imaging IF:2.0Q3 DOI:10.62347/MLFB9278 PMID:40124765	研究论文	提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像	利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求	2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差	优化心肌灌注SPECT成像的采集时间和成像质量	心肌灌注SPECT成像	数字病理	心血管疾病	SPECT/CT扫描	U-Net（2D和3D）	图像	116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集）
12276	2025-03-26	Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1558997 PMID:40124951	研究论文	本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级	提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征	研究为双中心回顾性研究，样本量相对有限(100例患者)	开发非侵入性肾细胞癌WHO/ISUP核分级方法	肾细胞癌患者	数字病理	肾细胞癌	CEUS和B型超声	MUF-Net(多模态深度学习模型)	超声视频和图像	100例患者的6293张超声图像
12277	2025-03-26	Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S501316 PMID:40125481	研究论文	开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜	首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD)	存在少量误分类情况，有7例RD被错误标记为PVD	提高在超声检查中识别和区分附着于视盘的膜的准确性	眼部超声B扫描图像	计算机视觉	眼科疾病	超声检查(USG)	Vision Transformer (ViT)	图像	训练和验证集505个样本，测试集212个样本
12278	2025-03-26	[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-0303 PMID:40128957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12279	2025-03-25	Ink classification in historical documents using hyperspectral imaging and machine learning methods 2025-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125916 PMID:40049019	研究论文	本研究探索了使用高光谱成像和机器学习技术对历史文献中的墨水进行分类	结合高光谱成像和多种机器学习方法（包括传统算法和深度学习模型）进行墨水分类，并在具有挑战性的条件下实现高准确率	仅针对三种特定类型的墨水进行分类，可能不适用于其他类型的墨水	开发非侵入性的墨水识别和映射方法，以促进历史文献的保护和分析	历史文献中的墨水（纯金属没食子酸墨水、含碳墨水和非含碳墨水）	计算机视觉	NA	高光谱成像	SVM, KNN, LDA, Random Forest, PLS-DA, DL-based model	图像	模拟样本和历史文献样本
12280	2025-03-25	Detection of basal cell carcinoma by machine learning-assisted ex vivo confocal laser scanning microscopy 2025-Apr, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.17519 PMID:39627947	研究论文	本研究开发了一种基于机器学习的算法，用于在离体共聚焦激光扫描显微镜（EVCM）图像中检测基底细胞癌（BCC）	首次将卷积神经网络（MobileNet-V1）应用于EVCM图像中的BCC检测，以辅助临床决策	样本量较小（50张训练图像和19张测试图像），且为概念验证研究	通过机器学习算法提高EVCM图像中基底细胞癌的检测效率，减少专业人员培训时间	基底细胞癌（BCC）的离体组织样本	数字病理学	基底细胞癌	离体共聚焦激光扫描显微镜（EVCM）	CNN（MobileNet-V1）	图像	50张训练EVCM图像（来自组织学确认的BCC新鲜组织样本）和19张测试图像（10张含肿瘤，9张无肿瘤）