深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
18921	2025-10-07	An Evolutionary Federated Learning Approach to Diagnose Alzheimer's Disease Under Uncertainty 2025-Jan-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15010080 PMID:39795608	研究论文	提出一种结合进化联邦学习和信念规则库的多模态方法，用于阿尔茨海默病的早期诊断	将联邦学习与信念规则库相结合处理医疗数据不确定性，并采用多模态数据融合方法	未明确说明样本来源和具体数据规模	开发可扩展、保护隐私的阿尔茨海默病早期诊断系统	阿尔茨海默病患者的多模态医疗数据	医疗人工智能	阿尔茨海默病	医学影像处理，联邦学习	CNN, BRB	MRI图像，人口统计数据	NA	联邦学习框架	卷积神经网络，信念规则库	准确率	NA
18922	2025-10-07	A Deep Learning-Based Watershed Feature Fusion Approach for Tunnel Crack Segmentation in Complex Backgrounds 2025-Jan-01, Materials (Basel, Switzerland) DOI:10.3390/ma18010142 PMID:39795787	研究论文	提出一种基于深度学习的 watershed 特征融合方法，用于复杂背景下隧道裂缝的自动分割	结合裂缝特征与 watershed 算法实现自动标注，通过轴提取和 watershed 填充算法优化分割结果	训练数据集标注需要大量人工且效率有限，复杂背景和干扰因素影响识别效果	开发智能裂缝分割算法以替代传统人工检测方法	高速公路隧道结构裂缝	计算机视觉	NA	watershed 算法，轴提取算法	深度学习	图像	NA	NA	残差结构	准确率，交并比(IoU)	NA
18923	2025-01-14	A Survey of Deep Anomaly Detection in Multivariate Time Series: Taxonomy, Applications, and Directions 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010190 PMID:39796981	综述	本文对多变量时间序列异常检测（MTSAD）中的深度学习技术进行了结构化且全面的概述	提出了从学习范式和深度学习模型角度对异常检测策略进行分类的体系，并系统性地回顾了这些策略的优缺点	未涉及具体实验验证，仅进行了理论和方法上的综述	综述多变量时间序列异常检测领域的最新深度学习技术	多变量时间序列数据	机器学习	NA	深度学习	NA	时间序列数据	NA	NA	NA	NA	NA
18924	2025-01-14	Table Extraction with Table Data Using VGG-19 Deep Learning Model 2025-Jan-01, Sensors (Basel, Switzerland) DOI:10.3390/s25010203 PMID:39796994	研究论文	本文介绍了一种基于VGG-19深度学习模型的表格数据提取方法，旨在从包含表格的文档图像中精确识别和提取行和列	提出了一种结合表格检测、结构识别和语义规则的综合深度学习方法，并利用VGG-19进行迁移学习以增强模型性能	依赖于公开的Marmot数据集，可能限制了模型的泛化能力	开发一种能够准确提取表格结构的深度学习方法	文档图像中的表格数据	计算机视觉	NA	深度学习	VGG-19	图像	公开的Marmot数据表数据集	NA	NA	NA	NA
18925	2025-01-14	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-Jan, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新	结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险	相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理	提高药物开发过程的效率，降低成本，增强患者的治疗效果	药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学	机器学习	NA	机器学习、深度学习、生成式AI	NA	大数据	NA	NA	NA	NA	NA
18926	2025-10-07	An optimized LSTM-based deep learning model for anomaly network intrusion detection 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85248-z PMID:39789143	研究论文	提出一种基于LSTM的优化深度学习模型用于网络异常入侵检测	使用三种优化算法（PSO、JAYA、SSA）优化LSTM超参数，显著降低误报率	NA	开发高效的网络入侵检测系统以应对网络安全威胁	网络流量数据中的异常行为	机器学习	NA	NA	LSTM	网络流量数据	NSL KDD、CICIDS和BoT-IoT三个数据集	NA	LSTM	准确率、精确率、召回率、F分数、真阳性率、假阳性率、ROC曲线	NA
18927	2025-10-07	Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features 2025-Jan-09, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-13424-5 PMID:39789538	研究论文	基于扩散加权成像的深度学习和影像组学特征构建子宫内膜癌TP53突变预测模型	首次结合深度学习特征、影像组学特征和临床变量构建高斯过程算法预测模型，在TP53突变评估中表现出最优诊断效能	样本量相对有限（155例患者），需要更大规模数据验证	评估子宫内膜癌中TP53突变状态	子宫内膜癌患者	医学影像分析	子宫内膜癌	扩散加权成像	CNN	医学影像	155例子宫内膜癌患者（训练集80例，测试集35例，外部验证集40例）	NA	卷积神经网络	AUC, NRI, 校准曲线, 决策曲线分析	NA
18928	2025-10-07	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-Jan-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	本研究使用机器学习方法预测尿路感染并确定最具信息量的预测变量	结合经典机器学习和深度学习模型，通过集成学习方法识别尿路感染预测的关键变量	NA	开发可靠的尿路感染预测模型并识别最重要的预测因素	尿路感染患者	机器学习	尿路感染	机器学习	XGBoost,决策树,轻量梯度提升机	尿液检测数据、血液检测数据、人口统计数据	NA	NA	集成学习架构	AUC,准确率	NA
18929	2025-10-07	Apnet: Lightweight network for apricot tree disease and pest detection in real-world complex backgrounds 2025-Jan-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01324-5 PMID:39789617	研究论文	提出用于杏树病虫害检测的轻量级网络APNet和自适应阈值算法ATA，并创建了真实场景下的杏树病虫害数据集ATZD01	开发了专门针对杏树病虫害检测的新型目标检测框架APNet和自适应阈值算法ATA，并首次构建了包含11类杏树病虫害的公开真实场景数据集	未提及模型在其他作物病虫害检测上的泛化能力，数据集规模可能有限	开发高效的杏树病虫害自动检测方法以替代传统人工检测	杏树的病虫害	计算机视觉	植物病虫害	深度学习	CNN	图像	ATZD01数据集包含11类杏树病虫害样本	未明确提及	APNet	准确率	NA
18930	2025-10-07	Graph neural networks in histopathology: Emerging trends and future directions 2025-Jan-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103444 PMID:39793218	综述	本文全面综述了图神经网络在病理学全切片图像分析中的应用、新兴趋势和未来发展方向	首次系统性地识别并深入探讨了图神经网络在病理学中的四大新兴趋势：分层GNN、自适应图结构学习、多模态GNN和高阶GNN	作为综述性文章，未提出新的算法模型或实验验证	探索图神经网络在病理学图像分析中的应用前景和发展方向	病理学全切片图像（WSIs）中的组织拓扑结构和细胞空间关系	数字病理学	NA	全切片图像分析	GNN	图像	NA	NA	分层GNN, 自适应图结构学习, 多模态GNN, 高阶GNN	NA	NA
18931	2025-10-07	Recurrent and Metastatic Head and Neck Cancer: Mechanisms of Treatment Failure, Treatment Paradigms, and New Horizons 2025-Jan-05, Cancers IF:4.5Q1 DOI:10.3390/cancers17010144 PMID:39796771	综述	本文综述了复发性和转移性头颈癌的治疗失败机制、当前治疗模式及精准肿瘤学新方向	整合免疫治疗机制与人工智能技术，提出精准肿瘤学新范式	叙述性综述方法可能存在文献选择偏倚	探讨头颈癌治疗失败机制并总结临床治疗进展	复发性和转移性头颈癌患者	医学肿瘤学	头颈癌	免疫治疗，人工智能，深度学习	NA	临床试验数据，肿瘤生物学数据	NA	NA	NA	NA	NA
18932	2025-10-07	Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging 2025-Jan-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103451 PMID:39793216	研究论文	提出一种通过从心脏磁共振成像转移信息来增强心电图诊断能力的深度学习策略	结合多模态对比学习和掩码数据建模，将CMR的领域特定信息转移到ECG表示中	NA	开发仅使用心电图进行经济高效且全面的心脏筛查方法	心血管疾病诊断和心脏表型预测	医学影像分析	心血管疾病	深度学习，多模态学习	深度学习模型	心电图，心脏磁共振图像	40,044名UK Biobank受试者	NA	多模态对比学习，掩码数据建模	风险预测性能提升，表型预测性能提升	NA
18933	2025-10-07	The role of artificial intelligence in pandemic responses: from epidemiological modeling to vaccine development 2025-01-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-024-00238-3 PMID:39747786	综述	本文综述人工智能在流行病应对中的多维作用，从流行病学建模到疫苗开发	系统整合AI在流行病应对各环节的应用，强调AI驱动决策与多技术协同的创新价值	未涉及具体实施案例的定量分析，缺乏对AI模型在实际应用中效能的实证评估	评估人工智能技术在全球公共卫生危机应对中的整体作用与战略价值	流行病应对全流程（预测建模、疫苗研发、临床实验、监测网络）	机器学习	传染病	机器学习、深度学习、预测分析	SIR模型,SIS模型	流行病学数据	NA	NA	NA	NA	NA
18934	2025-10-07	Deep Convolutional Framelets for Dose Reconstruction in Boron Neutron Capture Therapy with Compton Camera Detector 2025-Jan-03, Cancers IF:4.5Q1 DOI:10.3390/cancers17010130 PMID:39796757	研究论文	开发基于深度神经网络的硼中子俘获治疗剂量重建方法，使用康普顿相机探测器数据	首次将深度卷积框架应用于BNCT剂量重建，显著缩短重建时间约6倍	基于模拟数据集，需要进一步优化输入图像的重建技术	开发快速剂量重建方法以支持BNCT治疗期间的实时监测	硼中子俘获治疗中的剂量分布	医学影像分析	癌症	康普顿成像	深度学习	医学影像	模拟BNCT康普顿相机图像数据集	NA	U-Net, 深度卷积框架变体	重建精度, 处理时间	NA
18935	2025-10-07	The Associations Between Myopia and Fundus Tessellation in School Children: A Comparative Analysis of Macular and Peripapillary Regions Using Deep Learning 2025-Jan-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.1.4 PMID:39775798	研究论文	使用深度学习技术量化眼底镶嵌纹理密度，比较学龄儿童黄斑区与视盘周围区眼底镶嵌纹理分布模式与近视的关联	首次使用深度学习技术精确量化眼底镶嵌纹理密度，并比较不同分布模式与近视参数的关联	横断面研究设计无法确定因果关系，样本仅来自学龄儿童群体	评估学龄儿童眼底镶嵌纹理分布模式与屈光参数的关联	1942名6-15岁学龄儿童	计算机视觉	近视	眼底摄影，深度学习图像处理	深度学习	图像	1942名学龄儿童	NA	NA	相关系数，卡方检验，P值	NA
18936	2025-10-07	Advanced Brain Tumor Classification in MR Images Using Transfer Learning and Pre-Trained Deep CNN Models 2025-Jan-02, Cancers IF:4.5Q1 DOI:10.3390/cancers17010121 PMID:39796749	研究论文	本研究利用迁移学习和预训练深度CNN模型对脑部MRI图像进行肿瘤分类	采用多种先进预训练模型进行脑肿瘤分类比较，并应用迁移学习优化分类精度	胶质瘤和脑膜瘤类别的召回率仍需改进，深度学习模型的黑盒特性影响可解释性	通过自动化脑部MRI图像分类来增强诊断过程	脑部MRI图像	计算机视觉	脑肿瘤	MRI成像	CNN	图像	7023张脑部MRI图像	TensorFlow, Keras	Xception, MobileNetV2, InceptionV3, ResNet50, VGG16, DenseNet121	准确率, F1分数	NA
18937	2025-10-07	Deep learning segmentation of mandible with lower dentition from cone beam CT 2025-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00770-6 PMID:39141154	研究论文	本研究训练了一个3D U-Net卷积神经网络，用于从锥形束CT扫描中自动分割下颌骨和下牙列	在包含高度金属伪影的人口多样化队列中开发了自动分割模型，并进行了内部和外部验证	分割精度受年龄组和金属伪影程度影响	开发从CBCT扫描中自动分割下颌骨和下牙列的深度学习模型	下颌骨和下牙列	计算机视觉	口腔颌面疾病	锥形束CT	CNN	3D医学图像	648个CBCT扫描来自490名患者	NA	3D U-Net	Dice相似系数	NA
18938	2025-10-07	Applying deep learning-based ensemble model to [18F]-FDG-PET-radiomic features for differentiating benign from malignant parotid gland diseases 2025-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01649-6 PMID:39254903	研究论文	本研究开发基于[18F]-FDG-PET影像组学特征的深度学习集成模型，用于鉴别腮腺良恶性疾病	首次将深度学习集成模型应用于[18F]-FDG-PET影像组学特征，结合装袋和多层堆叠方法构建分类器	回顾性研究，样本量较小（62例患者），需要更大规模的前瞻性验证	开发机器学习模型鉴别腮腺良恶性疾病	腮腺疾病患者	医学影像分析	腮腺疾病	[18F]-FDG-PET/CT影像组学	集成学习,深度学习	医学影像特征	62例患者共63个腮腺病灶（训练集44例，测试集19例）	NA	集成模型（装袋和多层堆叠方法）	AUC,准确率	NA
18939	2025-10-07	Diagnosis of Early Glottic Cancer Using Laryngeal Image and Voice Based on Ensemble Learning of Convolutional Neural Network Classifiers 2025-Jan, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2022.07.007 PMID:36075802	研究论文	本研究通过集成学习方法结合喉部图像和语音数据提高早期声门癌诊断准确率	提出基于决策树集成学习的CNN分类器融合方法，通过整合喉部图像和语音数据提升小数据集下的分类性能	研究数据集规模较小，仅使用两家医院的数据进行验证	提高早期声门癌的诊断分类准确率	声门癌患者的喉部图像和语音数据	医学影像分析	声门癌	深度学习，集成学习	CNN, 决策树	图像, 语音	釜山国立大学医院(PNUH)数据集用于训练，釜山国立大学梁山医院(PNUYH)数据集用于验证	NA	卷积神经网络	分类准确率	NA
18940	2025-10-07	Cardiac MR image reconstruction using cascaded hybrid dual domain deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313226 PMID:39792851	研究论文	提出一种级联混合双域深度学习框架用于心脏MR图像重建	引入结合多线圈数据一致性层的双域深度学习方法，充分利用图像域和k空间域的相关性	仅针对1-D可变密度随机欠采样数据，未涉及其他采样模式	从高度欠采样数据中恢复诊断质量的心脏MR图像	心脏MR图像	医学图像处理	心血管疾病	MRI	深度学习	医学图像	NA	NA	U-Net	SSIM, RMSE, PSNR	NA