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
13121	2025-02-19	Optimal surface defect detector design based on deep learning for 3D geometry 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88112-2 PMID:39952973	研究论文	本文提出了一种基于深度学习的3D几何表面缺陷检测器设计方法，用于钢铁制造环境中的自动检测	通过几何变换生成数据集，并提出了基于性能的模型优化算法，解决了现有方法中图像数据曲率问题和2D产品的局限性	研究仅针对3D几何产品，未涉及其他类型的钢铁产品	开发一种适用于钢铁制造环境的自动表面缺陷检测方法	钢铁制造环境中的3D几何产品	计算机视觉	NA	深度学习	NA	图像	NA
13122	2025-02-19	Model-constrained deep learning for online fault diagnosis in Li-ion batteries over stochastic conditions 2025-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56832-8 PMID:39952987	研究论文	本文采用深度学习方法开发了一种适用于锂离子电池在不可预测条件下运行的在线故障诊断网络	网络集成了电池模型约束，并采用了一个框架来管理随机系统的演化，从而实现故障的实时确定	NA	探索深度学习在电池实时预测和诊断中的应用，以提高电池安全性和经济效益	锂离子电池	机器学习	NA	深度学习	NA	电池运行数据	来自515辆车的1820万条有效数据
13123	2025-02-19	Multi-step ahead forecasting of daily streamflow based on the transform-based deep learning model under different scenarios 2025-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89837-w PMID:39953056	研究论文	本文介绍了一种基于相对位置编码增强的Informer模型（Rel-Informer），用于多步径流预测，并与标准Informer、Transformer和LSTM模型进行比较	提出了相对位置编码增强的Informer模型（Rel-Informer），并在不同情景下验证其多步径流预测能力	区域建模的精度低于个体建模，尽管通过微调有所改善	研究多步径流预测的深度学习模型在不同情景下的表现	径流预测	机器学习	NA	深度学习	Rel-Informer, Informer, Transformer, LSTM	径流数据	使用公开的CAMELS数据集进行训练和验证
13124	2025-02-19	MultiT2: A Tool Connecting the Multimodal Data for Bacterial Aromatic Polyketide Natural Products 2025-Feb-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c11266 PMID:39959056	研究论文	本文介绍了一种名为MultiT2的算法，用于整合细菌芳香聚酮类天然产物的多模态数据	首次在天然产物领域应用多模态算法整合生物学相关但数学上不同的数据集，以重组知识图谱	由于天然产物数据的高度碎片化，整合多模态数据具有挑战性	提高天然产物科学的研究效率，特别是在克服繁琐和耗时的过程方面	细菌芳香聚酮类天然产物	机器学习	NA	深度学习	NA	多模态数据	NA
13125	2025-02-19	Development and validation of a deep learning model for morphological assessment of myeloproliferative neoplasms using clinical data and digital pathology 2025-Feb, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19938 PMID:39658953	研究论文	本文开发并验证了一种结合临床数据和数字病理学的深度学习模型，用于骨髓增生性肿瘤的形态学评估	提出了一种融合模型，结合了骨髓全切片图像的深度学习模型和临床参数模型，提高了骨髓增生性肿瘤的诊断准确性	模型在外部验证队列中的表现可能受到数据来源和质量的限制	提高骨髓增生性肿瘤的病理评估准确性	骨髓增生性肿瘤（MPNs）患者	数字病理学	骨髓增生性肿瘤	深度学习	融合模型（深度学习模型+临床模型）	图像（骨髓全切片图像）和临床数据	1051名MPN和非MPN患者
13126	2025-02-19	Deep learning-based lung cancer risk assessment using chest computed tomography images without pulmonary nodules ≥8 mm 2025-Jan-24, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-882 PMID:39958220	研究论文	本研究开发了一种基于深度学习的无标签肺癌风险预测模型，使用低剂量胸部CT图像，针对无大于8毫米非钙化实性肺结节的个体进行验证	该研究创新地使用无结节检测的LDCT图像，通过分析肺实质来预测肺癌风险，避免了传统方法对结节的依赖	需要进一步的前瞻性研究来确定其临床效用和对筛查方案的影响，并在更大、更多样化的人群中进行验证以确保普适性	开发并验证一种基于深度学习的无标签肺癌风险预测模型，以提高低剂量胸部CT筛查的效率	无大于8毫米非钙化实性肺结节的个体	计算机视觉	肺癌	低剂量胸部CT（LDCT）	3D卷积神经网络（3D-CNN, MobileNet v2, SEResNet18, EfficientNet-B0）	图像	训练数据集包括1,064例LDCT扫描（380例肺癌患者和684例对照组），测试数据集包括1,306例LDCT扫描（1,254例低风险个体和52例高风险个体）
13127	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）
13128	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
13129	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
13130	2025-02-18	An efficient deep learning approach for automatic speech recognition using EEG signals 2025-Feb-16, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2456982 PMID:39957214	研究论文	本文提出了一种结合Gannet优化算法和Elman递归神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别	提出了一种新的高效深度学习框架EDLA，结合了Gannet优化算法和Elman递归神经网络，显著提高了基于EEG信号的语音识别准确率	研究仅在Kara One数据集上进行了评估，可能需要更多样化的数据集来验证其泛化能力	提高基于EEG信号的自动语音识别准确率，以促进人机交互和辅助技术发展	EEG信号	自然语言处理	NA	Savitzky-Golay滤波器，递归特征消除	Elman Recurrent Neural Network (ERNN)	EEG信号	Kara One数据集
13131	2025-02-18	Comment on "A deep learning approach for the screening of referable age-related macular degeneration - Model development and external validation" 2025-Feb-15, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2025.02.017 PMID:39956680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13132	2025-02-18	Deep learning for automated hip fracture detection and classification : achieving superior accuracy 2025-Feb-01, The bone & joint journal DOI:10.1302/0301-620X.107B2.BJJ-2024-0791.R1 PMID:39889758	研究论文	本研究旨在开发和评估一种基于深度学习的模型，用于髋部骨折的分类，以提高诊断准确性	使用卷积神经网络（CNN）进行髋部骨折的分类，并利用DAMO-YOLO进行数据处理和增强，显著提高了诊断准确性	研究仅使用了回顾性数据，且外部验证数据集的样本量相对较小	提高髋部骨折的诊断准确性	髋部骨折的X光片	计算机视觉	髋部骨折	深度学习	CNN	图像	5,168张髋部前后位X光片（4,493张用于训练，675张用于验证）
13133	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
13134	2025-02-17	A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction 2025-Mar-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133008 PMID:39880045	研究论文	本研究开发了一种多模态深度学习模型，整合心电图（ECG）信号和实验室指标，以提高急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）的诊断准确性	通过融合ECG特征和实验室指标，利用深度学习模型提高诊断准确性，为心血管疾病的快速诊断提供了新工具	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	提高急性A型主动脉夹层和急性心肌梗死的诊断准确性	急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）患者	机器学习	心血管疾病	深度学习	ResNet-34, RandomForest, XGBoost, LightGBM	ECG信号和实验室指标	训练和验证集：136例AAD-type A和141例AMI患者；前瞻性测试集：30例AMI和32例AAD-type A患者
13135	2025-02-17	Biomechanics-Function in Glaucoma: Improved Visual Field Predictions from IOP-Induced Neural Strains 2025-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.11.019 PMID:39631645	研究论文	本研究评估了神经组织结构和生物力学在青光眼功能损失预测中的作用，并探讨了生物力学在此类预测中的重要性	结合生物力学（眼压诱导的神经组织应变）和结构信息（组织形态和神经组织厚度）显著提高了视觉场损失预测的准确性	研究样本仅限于中国族群，且年龄超过50岁，可能限制了结果的普遍性	评估神经组织结构和生物力学在青光眼功能损失预测中的作用	238名青光眼患者	数字病理学	青光眼	光谱域OCT成像、数字体积相关分析	Point-Net	图像	238名青光眼患者
13136	2025-02-17	Towards an interpretable deep learning model of cancer 2025-Feb-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00822-y PMID:39948231	研究论文	本文探讨了使用深度学习算法整合组学数据和分子网络先验知识，以构建可解释的癌症深度学习模型	提出利用深度学习算法整合组学数据和分子网络先验知识，以解决癌症治疗中的分子原因推断问题	目前此类模型受到实验和计算限制的阻碍	构建系统范围的计算机模型，以快速生成和测试假设，解决癌症治疗中的分子原因推断问题	癌症细胞状态及其分子网络	机器学习	癌症	深度学习	深度学习模型	组学数据	NA
13137	2025-02-17	Ischemic Stroke Lesion Core Segmentation from CT Perfusion Scans Using Attention ResUnet Deep Learning 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01407-8 PMID:39953256	研究论文	本文提出了一种基于深度学习的系统，用于从CT灌注扫描中自动分割缺血性卒中病灶	结合边缘增强扩散（EED）滤波和注意力机制的Attention ResUnet架构，用于卒中病灶分割	模型在ISLES 2018数据集上的Dice相似系数为59%，仍有提升空间	提高缺血性卒中病灶分割的准确性和效率，以优化诊断、预后和治疗计划	缺血性卒中病灶	计算机视觉	心血管疾病	深度学习	Attention ResUnet	CT灌注扫描图像	ISLES 2018数据集，采用五折交叉验证
13138	2025-02-17	Impact of Combined Deep Learning Image Reconstruction and Metal Artifact Reduction Algorithm on CT Image Quality in Different Scanning Conditions for Maxillofacial Region with Metal Implants: A Phantom Study 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01287-4 PMID:39953255	研究论文	本研究探讨了结合深度学习图像重建（DLIR）和金属伪影减少（MAR）算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	结合DLIR和MAR算法在不同剂量水平下对CT图像质量的影响进行了系统评估，并展示了DLIR在减少金属伪影和提高图像质量方面的优势	研究基于猪模型，可能无法完全反映人体情况，且样本量较小（四只猪）	评估DLIR和MAR算法在不同扫描条件下对带有金属植入物的CT图像质量的影响	带有金属植入物的猪上颌面部区域CT图像	医学影像	NA	CT扫描、深度学习图像重建（DLIR）、金属伪影减少（MAR）	深度学习	CT图像	四只猪的上颌面部区域图像
13139	2025-02-17	Hybrid Approach to Classifying Histological Subtypes of Non-small Cell Lung Cancer (NSCLC): Combining Radiomics and Deep Learning Features from CT Images 2025-Feb-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01442-5 PMID:39953259	研究论文	本研究旨在开发一种结合放射组学和深度学习特征的混合模型，用于分类非小细胞肺癌（NSCLC）的组织学亚型	提出了一种结合放射组学和深度学习特征的混合模型，用于提高NSCLC亚型分类的准确性和可靠性	样本量相对较小，外部验证数据集仅包含24名患者	提高非小细胞肺癌（NSCLC）组织学亚型分类的准确性和可靠性	非小细胞肺癌（NSCLC）患者	计算机视觉	肺癌	CT成像	混合模型（放射组学+深度学习）	CT图像	235名NSCLC患者（内部数据集），24名NSCLC患者（外部验证数据集）
13140	2025-02-17	Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model 2025-Feb-13, Journal of ophthalmic inflammation and infection IF:2.9Q1 DOI:10.1186/s12348-025-00465-x PMID:39946047	研究论文	本研究探讨了使用智能手机拍摄的图像通过深度学习模型诊断和区分微生物性角膜炎（MK）亚型的应用	利用智能手机拍摄的图像和深度学习技术进行微生物性角膜炎的诊断，提供了一种快速且适用于资源有限地区的诊断方法	研究样本量相对较小，且未涵盖所有可能的MK亚型	开发一种快速且准确的微生物性角膜炎诊断方法，特别是在资源有限的地区	微生物性角膜炎（MK）及其亚型（细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎）	计算机视觉	角膜炎	深度学习	卷积神经网络（CNN）	图像	889例（2020年至2023年收集的细菌性角膜炎、真菌性角膜炎和阿米巴性角膜炎病例）