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
12641	2025-03-09	A visual SLAM loop closure detection method based on lightweight siamese capsule network 2025-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90511-4 PMID:40038350	研究论文	本文提出了一种基于轻量级Siamese胶囊网络的视觉SLAM闭环检测方法，旨在解决传统方法在光照和视角变化下的敏感性问题	设计了一种新的胶囊网络特征提取器，并通过剪枝进一步减少参数数量，提高了算法的准确性和鲁棒性	未提及具体的数据集规模限制或计算资源需求	改进视觉SLAM系统中的闭环检测模块，减少机器人运动中的累积误差	视觉SLAM系统	计算机视觉	NA	深度学习	Siamese胶囊神经网络	图像	CityCentre数据集、New College数据集、KITTI数据集
12642	2025-03-09	Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407432 PMID:39792780	研究论文	本文介绍了一种利用深度学习增强的等离子体显微镜技术（Deep-SM），用于精确测量功能性化学和生物纳米颗粒的尺寸及碰撞检测	通过利用等离子体显微镜图像序列中独特的信号和噪声特征的时空相关性，Deep-SM能够增强信号检测并抑制噪声，从而实现对小至10纳米的生物纳米颗粒的动态成像和金属纳米颗粒电化学及量子耦合的碰撞检测	NA	开发一种高灵敏度且简单的方法，用于纳米颗粒分析，以应用于生物学、材料和能源等多个科学领域	功能性化学和生物纳米颗粒	计算机视觉	NA	等离子体显微镜	深度学习	图像序列	NA
12643	2025-03-09	Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00458-8 PMID:40026887	研究论文	本研究提出了一种基于卷积傅里叶变换模块的深度学习分割方法，用于增强心音图（PCG）信号中第一和第二心音（S1和S2）的自动识别	引入了卷积傅里叶变换（CF）模块，能够区分心音和背景噪声，提高了心音分割的准确性和鲁棒性	未提及具体局限性	提高心音图信号中S1和S2心音的自动识别准确性，以支持心脏瓣膜疾病的检测	心音图（PCG）信号	数字病理学	心血管疾病	卷积傅里叶变换（CF）模块	CNN	信号数据	内部数据集、PhysioNet 2016数据集、PhysioNet 2022数据集和Asan Medical Center（AMC）数据集
12644	2025-03-09	Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges 2025-Mar, Chronic diseases and translational medicine DOI:10.1002/cdt3.137 PMID:40051825	综述	本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法	本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息	本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制	探索机器学习在慢性疾病早期检测和预测中的潜力	慢性疾病（如心脏病、癌症和糖尿病）	机器学习	慢性疾病	基因组学、转录组学、蛋白质组学、糖组学和脂质组学	逻辑回归、随机森林、深度学习神经网络	医学影像、基因组数据、可穿戴设备数据、电子健康记录	NA
12645	2025-03-09	A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks 2025-Feb-07, Micromachines IF:3.0Q2 DOI:10.3390/mi16020193 PMID:40047666	研究论文	本文设计了一种用于合成孔径雷达（SAR）目标检测任务的低功耗、低延迟深度学习加速器，以实现在机载和卫星SAR平台上的实时目标检测	提出了一种适用于多维卷积并行计算的Process Engine（PE），并设计了独特的存储器排列方案，以提高FPGA的计算效率和内存读写效率	实验仅在Virtex 7 690t芯片上进行，未涉及其他硬件平台或更广泛的应用场景	解决当前GPU实时处理平台在机载或卫星应用中的功耗问题，实现SAR图像的实时目标检测	合成孔径雷达（SAR）图像	计算机视觉	NA	深度学习	CNN, Yolov5s	图像	52.19张512×512大小的SAR图像每秒
12646	2024-08-07	Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001963 PMID:39017750	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12647	2025-03-09	Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis 2025, Journal of kidney cancer and VHL IF:1.9Q3 DOI:10.15586/jkc.v12i1.366 PMID:40051609	研究论文	本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物	首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能	研究主要依赖于TCGA数据库的数据，未进行实验验证	寻找PRCC的早期诊断生物标志物	乳头状肾细胞癌（PRCC）患者	生物信息学	肾癌	RNA表达谱分析、机器学习	深度学习	RNA表达数据	TCGA数据库中的PRCC患者数据
12648	2025-03-09	Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1505450 PMID:40051727	研究论文	本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点	首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点	研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献	分析围产医学领域中人工智能的研究趋势和应用热点	围产医学领域的文献	医学信息学	围产医学	文献计量学分析	NA	文献数据	382篇相关文献，其中121篇高被引文献
12649	2025-03-09	Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1497651 PMID:40051730	研究论文	本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型	使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能	研究样本主要来自两家医院，可能限制了模型的普遍适用性	开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型	高碳酸血症性呼吸衰竭患者	机器学习	呼吸系统疾病	随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH）	RSF, DeepSurv, CoxPH	临床数据	697名患者（565名建模组，132名外部验证组）
12650	2025-03-09	MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1532256 PMID:40051766	研究论文	本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度	首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法	样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性	开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度	长时间使用手机的年轻成年人	数字病理学	焦虑和抑郁	MRI	逻辑回归模型和K近邻模型	图像	82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁
12651	2025-03-09	Practical Applications of Artificial Intelligence Diagnostic Systems in Fundus Retinal Disease Screening 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S507100 PMID:40051895	研究论文	本研究评估了一种基于深度学习的AI诊断系统在视网膜疾病分析中的性能，评估其与专家诊断的一致性及其在筛查应用中的整体效用	使用深度学习AI系统进行视网膜疾病筛查，并与专家诊断进行对比，评估其在实际应用中的可靠性和可行性	研究仅在一家医院进行，样本量虽大但可能缺乏多样性	评估AI诊断系统在视网膜疾病筛查中的性能	3076名接受全面眼科检查的患者	数字病理	视网膜疾病	深度学习	CARE系统	图像	3076名患者
12652	2025-03-08	Corrigendum: Addressing grading bias in rock climbing: machine and deep learning approaches 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1570591 PMID:40051920	correction	本文是对先前发表文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12653	2025-03-09	Research progress on artificial intelligence technology-assisted diagnosis of thyroid diseases 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1536039 PMID:40052126	综述	本文综述了人工智能技术在甲状腺疾病早期诊断中的应用研究，特别是深度学习算法在超声和病理图像识别中的应用	整合了多项研究结果，指出卷积神经网络模型在甲状腺结节和甲状腺病理细胞病变识别中具有高准确率，U-Net网络模型作为分割算法能显著提高甲状腺结节超声图像的识别准确率	目前甲状腺疾病的早期诊断仍依赖于检查设备和医生的临床经验，存在一定的误诊率	探索一种能在早期阶段客观筛查甲状腺病变的技术	甲状腺疾病的早期筛查和诊断	数字病理学	甲状腺癌	深度学习算法	卷积神经网络, U-Net网络模型	超声图像, 病理切片	NA
12654	2025-03-09	A review of AI-based radiogenomics in neurodegenerative disease 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1515341 PMID:40052173	review	本文综述了基于人工智能的放射基因组学在神经退行性疾病中的应用	结合放射组学和基因组学，利用人工智能技术提高神经退行性疾病的诊断准确性和及时性	NA	探讨人工智能在神经退行性疾病放射基因组学中的应用	神经退行性疾病	digital pathology	geriatric disease	radiomics, genomics	machine learning, deep learning	imaging, genomic data	NA
12655	2025-03-08	Kellgren-Lawrence grading of knee osteoarthritis using deep learning: Diagnostic performance with external dataset and comparison with four readers 2025-Jun, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100580 PMID:40046240	研究论文	本研究评估了深度学习模型在外部数据集上对膝关节骨关节炎的Kellgren-Lawrence (KL)分级诊断性能，并与四位读者进行了比较	使用深度学习模型在外部数据集上评估膝关节骨关节炎的KL分级，并与多位人类读者进行比较，展示了深度学习在医学影像诊断中的潜力	研究样本量较小（208例膝关节X光片），且仅使用了单一外部数据集进行验证	评估深度学习模型在膝关节骨关节炎KL分级中的诊断性能	膝关节骨关节炎的X光片	计算机视觉	骨关节炎	深度学习	深度学习模型	图像	208例膝关节X光片
12656	2025-03-08	Optimizing Catheter Verification: An Understandable AI Model for Efficient Assessment of Central Venous Catheter Placement in Chest Radiography 2025-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001126 PMID:39724590	研究论文	本研究旨在通过分割支持材料和解剖结构来提高中心静脉导管（CVC）错位检测的精确性和可理解性	结合分类网络和分割网络的深度学习模型，提高了CVC错位检测的准确性和临床可解释性	研究中使用的数据集可能存在标签不准确的问题，且模型的泛化能力需要进一步验证	提高中心静脉导管（CVC）错位检测的准确性和临床可解释性	中心静脉导管（CVC）在胸部X光片中的位置	医学影像分析	NA	深度学习	分类网络、分割网络及其组合	胸部X光片	1006张带注释的仰卧胸部X光片
12657	2025-03-08	Assessment of Emphysema on X-ray Equivalent Dose Photon-Counting Detector CT: Evaluation of Visual Scoring and Automated Quantification Algorithms 2025-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001128 PMID:39729642	研究论文	本研究评估了在X射线等效剂量光子计数探测器CT上使用视觉评分、低衰减体积（LAV）和深度学习方法估计肺气肿范围的可行性和效果，旨在探索未来剂量减少的潜力	首次在X射线等效剂量光子计数探测器CT上评估了视觉评分和自动化量化算法在肺气肿估计中的应用，并探索了剂量减少的潜力	深度学习和LAV算法在X射线剂量扫描中高估了肺气肿范围	评估在X射线等效剂量光子计数探测器CT上估计肺气肿范围的可行性和效果	101名前瞻性入组的患者	数字病理学	慢性阻塞性肺疾病	CT扫描、深度学习方法	深度学习模型	图像	101名患者
12658	2025-03-08	FusionNet: Dual input feature fusion network with ensemble based filter feature selection for enhanced brain tumor classification 2025-Apr-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149507 PMID:39970997	研究论文	本文提出了一种名为FusionNet的新方法，利用正常和分割的MRI图像来提高脑肿瘤分类的准确性	FusionNet结合了正常和分割的MRI图像，使用基于注意力机制和集成特征选择的方法来优先考虑相关特征，从而提高分类性能	NA	提高脑肿瘤分类的准确性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	FusionNet	MRI图像	多个数据集（Figshare, Kaggle, Sartaj, 组合数据集）
12659	2025-03-08	Lightweight sparse optoacoustic image reconstruction via an attention-driven multi-scale wavelet network 2025-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100695 PMID:40046019	研究论文	本文提出了一种轻量级的稀疏光声图像重建网络AD-WaveNet，通过结合离散二维小波变换和自适应注意力机制，提高了稀疏采样下的图像重建质量并降低了计算复杂度	AD-WaveNet网络创新性地将离散二维小波变换与自适应注意力机制相结合，利用小波变换的多尺度分解特性，强调不同尺度下的关键特征，从而在降低计算复杂度和参数量的同时保持最佳重建质量	NA	提高稀疏采样下光声断层扫描（PAT）图像的重建质量，并降低计算复杂度	光声断层扫描（PAT）图像	计算机视觉	NA	离散二维小波变换（DWT）	AD-WaveNet	图像	NA
12660	2025-03-08	Deep Learning-based Multi-class Classification for Neonatal Respiratory Diseases on Chest Radiographs in Neonatal Intensive Care Units 2025-Mar-06, Neonatology IF:2.6Q1 DOI:10.1159/000545107 PMID:40049153	研究论文	本研究介绍了一种基于深度学习的自动算法，用于分类新生儿重症监护病房中的各种新生儿呼吸系统疾病和健康肺	使用大规模高质量多类标注的胸部X光图像数据集，结合非影像数据，开发了一种新的深度学习模型，用于新生儿呼吸系统疾病的自动分类	研究仅基于韩国10所大学医院的数据，可能限制了模型的普遍适用性	开发一种自动分类算法，以支持新生儿科医生对重症新生儿的及时准确决策	新生儿重症监护病房中的新生儿	计算机视觉	新生儿呼吸系统疾病	深度学习	修改后的ResNet50	胸部X光图像	训练集34,598张，验证集4,370张，测试集4,370张