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
21	2025-04-01	Deep Learning and Radiomics for Gastric Cancer Lymph Node Metastasis: Automated Segmentation and Multi-Machine Learning Study from Two Centers 2025-Feb-13, Oncology IF:2.5Q3 DOI:10.1159/000544179 PMID:39947156	研究论文	本研究开发了一种基于深度学习的自动分割脾脏CT图像方法，并结合放射组学和深度学习特征构建了胃癌淋巴结转移预测模型	使用U-Mamba深度学习模型实现脾脏CT图像的全自动分割，结合放射组学和深度学习特征构建预测模型，并生成列线图以探索临床指导意义	研究仅纳入284名患者，样本量相对有限	开发胃癌淋巴结转移的预测方法	284名经病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba, 机器学习方法	CT图像	284名胃癌患者
22	2025-03-30	Enhancing Ophthalmic Diagnosis and Treatment with Artificial Intelligence 2025-Feb-28, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61030433 PMID:40142244	综述	本文综述了人工智能在眼科诊断和治疗中的当前应用及未来潜力	AI算法在诊断糖尿病视网膜病变、年龄相关性黄斑变性和青光眼等疾病方面表现出色，甚至超过人类专家	数据隐私、安全性和算法偏见等问题仍需解决	探讨人工智能在眼科领域的应用及其对诊断和治疗的影响	眼科疾病（如糖尿病视网膜病变、年龄相关性黄斑变性、青光眼）	数字病理学	眼科疾病	机器学习和深度学习	DL	多模态数据（包括遗传信息和患者病史）	NA
23	2025-03-30	Diagnosis of Lung Cancer Using Endobronchial Ultrasonography Image Based on Multi-Scale Image and Multi-Feature Fusion Framework 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030024 PMID:40137564	研究论文	本研究开发了一种基于多尺度图像和多特征融合框架的计算机辅助诊断系统，用于通过支气管内超声图像诊断肺癌	提出了M3-Net，一种基于注意力机制的多分支框架，整合多种特征以提高肺癌诊断性能	样本量较小，仅包含95例患者病例	开发一种计算机辅助诊断系统，以促进肺癌的早期检测并提高患者生存率	支气管内超声图像	数字病理学	肺癌	深度学习	M3-Net	图像	95例患者病例（13例良性，82例恶性），共1140张EBUS图像
24	2025-03-30	Deep Learning for Ultrasonographic Assessment of Temporomandibular Joint Morphology 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030027 PMID:40137567	研究论文	本研究开发并验证了一种基于深度学习的自动测量颞下颌关节超声图像空间宽度的方法	首次将AI驱动的分割和测量算法应用于颞下颌关节超声图像分析，填补了该领域的空白	对关节窝的分割性能较低（Dice系数0.60±0.24），这可能是由于其复杂的几何形状导致的	开发自动且可重复的颞下颌关节超声图像空间宽度测量方法	颞下颌关节超声图像	计算机视觉	颞下颌关节紊乱	超声成像	2D Residual U-Net	图像	142张颞下颌关节超声图像
25	2025-03-30	ADMM-TransNet: ADMM-Based Sparse-View CT Reconstruction Method Combining Convolution and Transformer Network 2025-Feb-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030023 PMID:40137562	research paper	提出了一种结合ADMM迭代算法框架、CNN和Transformer模型的稀疏视图CT重建方法，以减少对数据样本的依赖并提高图像重建的准确性	结合模型驱动和数据驱动方法，引入CNN和Transformer模型以增强图像全局和局部表示的学习能力	未明确提及具体的数据集规模或计算资源需求	提高稀疏视图CT重建的准确性和泛化能力	稀疏视图CT图像	computer vision	NA	ADMM迭代算法、CNN、Transformer	CNN、Transformer	CT图像	未明确提及
26	2025-03-30	Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model 2025-Feb-24, Life (Basel, Switzerland) DOI:10.3390/life15030358 PMID:40141703	research paper	开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势	采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类	环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下	通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病	50名健康成年人在不同条件下进行举重任务	computer vision	occupational low back pain	OpenPose算法用于检测和提取关键身体点	bidirectional LSTM	video	50名健康成年人
27	2025-03-30	Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy 2025-Feb-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17030290 PMID:40142954	综述	本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响	探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用	面临数据整合、AI驱动决策的伦理问题及监管合规等挑战	研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响	制药制造过程中的生产流程和质量控制	机器学习	NA	云计算、数据分析	深度学习	传感器数据	NA
28	2025-03-30	Deep Learning-Based Tumor Segmentation of Murine Magnetic Resonance Images of Prostate Cancer Patient-Derived Xenografts 2025-Feb-22, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030021 PMID:40137561	research paper	该研究开发了一种基于深度学习的自动化分割流程，用于小鼠前列腺癌患者来源异种移植模型（PDX）的磁共振图像（MRI）肿瘤分割	提出了一种结合切片分类器和多种U-Net分割架构的自动化分割流程，特别针对多部位肿瘤图像进行优化	研究仅针对六种前列腺癌PDX模型，未验证在其他癌症类型或模型中的适用性	开发自动化工具以改进小鼠异种移植模型的肿瘤监测和表征	前列腺癌患者来源异种移植（PDX）小鼠模型的MRI图像	digital pathology	prostate cancer	MRI	U-Net, dense residual recurrent U-Net	image	六种不同前列腺癌PDX模型在肾脏、肝脏和胫骨的T2加权MRI图像
29	2025-03-30	Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network 2025-Feb-21, Entropy (Basel, Switzerland) DOI:10.3390/e27030220 PMID:40149144	研究论文	本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计	将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题	NA	提高大规模MIMO通信系统中信道估计的准确性和效率	大规模MIMO通信系统	机器学习	NA	深度学习	PACE-Net（极化自注意力辅助神经网络）	信道数据	NA
30	2025-03-30	Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks 2025-Feb-20, Life (Basel, Switzerland) DOI:10.3390/life15030327 PMID:40141673	research paper	该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性	采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11%	数据集来自Kaggle，可能存在样本多样性和泛化能力的限制	提高脑肿瘤分类的准确性和效率，支持临床决策	MRI图像中的脑肿瘤与非肿瘤图像	computer vision	brain tumor	deep transfer learning	InceptionResNetV2, VGG19, Xception, MobileNetV2	image	Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及
31	2025-03-30	Performance of artificial intelligence on cervical vertebral maturation assessment: a systematic review and meta-analysis 2025-Feb-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05482-9 PMID:39910512	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能在颈椎成熟度评估中的整体表现	首次对人工智能在颈椎成熟度评估中的应用进行了系统综述和荟萃分析，比较了不同AI子集（深度学习和机器学习）的性能差异	纳入研究的方法学存在差异，部分研究存在偏倚风险，且CS3阶段的评估性能相对较低	评估人工智能模型在颈椎成熟度评估中的诊断准确性	颈椎成熟度评估的放射影像	数字病理	骨科疾病	机器学习和深度学习	NA	放射影像	25项研究（其中12项纳入荟萃分析）
32	2025-03-30	ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86819-w PMID:39905156	research paper	提出了一种名为ThyroNet-X4 Genesis的深度学习模型，用于辅助诊断甲状腺结节的良恶性	基于ResNet架构，通过引入分组卷积和使用更大的卷积核增强特征提取能力，提高了对甲状腺超声图像的分析能力	外部验证集的准确率相对较低（67.02%），可能表明模型在泛化能力上仍有提升空间	开发高性能的深度学习模型，用于甲状腺结节的良恶性分类	甲状腺结节	digital pathology	thyroid nodules	deep learning	ResNet-based CNN	ultrasound images	公开可用的甲状腺超声成像数据集及汉仲中心医院的外部验证数据集
33	2025-03-30	Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing 2025-Feb, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0285 PMID:40151680	研究论文	提出了一种基于多图像融合和深度学习的陶瓷增材制造中涂层缺陷实时监测方法	采用多图像融合技术和通道级YOLO（CW-YOLO）方法，显著提高了缺陷检测的准确性和实时性	未提及具体的数据集规模或实验环境的多样性限制	开发一种实时监测陶瓷增材制造中涂层缺陷的方法	陶瓷增材制造过程中的涂层缺陷	计算机视觉	NA	多图像融合、深度学习	CW-YOLO	图像	NA
34	2025-03-29	Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease 2025-Feb-28, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103538 PMID:40121807	研究论文	本研究开发了一种基于深度学习的脑沟模式分析方法，用于识别先天性心脏病患者的皮质脑沟模式异常	采用基于原型的图神经网络，并提出原型逆投影方法以提高模型的可解释性，能够高效可视化原型并聚焦于特定区域	研究中未提及方法在其他神经系统疾病中的泛化能力	开发一种敏感且可理解的脑沟模式分析工具，用于识别先天性心脏病患者的神经发育差异	健康对照组（174人）和先天性心脏病患者（345人）的脑沟模式	数字病理学	先天性心脏病	深度学习	图神经网络（GNN）	图像	519人（174健康对照和345患者）
35	2025-03-29	Multimodal Deep Learning Model for Cylindrical Grasp Prediction Using Surface Electromyography and Contextual Data During Reaching 2025-Feb-27, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030145 PMID:40136799	research paper	该研究提出了一种多模态深度学习模型，用于结合表面肌电信号和上下文数据预测圆柱形抓握动作	整合了表面肌电信号和上下文信息的多模态模型，相比传统单模态方法能更好地预测真实场景中的抓握动作	仅针对圆柱形抓握这一特定抓握类型进行研究，未涵盖其他常见抓握类型	改进人机交互系统中抓握动作的预测精度	人体抓握动作（特别是圆柱形抓握）	machine learning	NA	表面肌电信号(EMG)采集	CNN（用于EMG处理）和全连接网络（用于上下文信息处理）的混合架构	生物电信号（EMG）和上下文数据	未明确说明受试者数量
36	2025-03-29	Concealed Weapon Detection Using Thermal Cameras 2025-Feb-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030072 PMID:40137184	研究论文	本文提出了一种利用热成像和深度学习的两阶段方法，用于隐蔽手枪检测，为执法和监控应用提供潜在的实时解决方案	提出了一种轻量级算法，适用于低端嵌入式设备，并创建了一个针对隐蔽场景定制的热数据集	实验数据集可能不够广泛，且仅针对手枪检测	开发一种高效、可靠的隐蔽武器检测技术，以提升公共安全	隐蔽手枪	计算机视觉	NA	热成像和深度学习	NA	热成像图像	定制热数据集（具体数量未提及）
37	2025-03-29	Explainable Siamese Neural Networks for Detection of High Fall Risk Older Adults in the Community Based on Gait Analysis 2025-Feb-22, Journal of functional morphology and kinesiology IF:2.6Q1 DOI:10.3390/jfmk10010073 PMID:40137325	research paper	该研究提出了一种基于步态分析的深度学习新方法，用于检测社区中高跌倒风险的老年人	将生物力学时间序列数据转化为视觉表示，并应用CNN和SNN进行跌倒风险评估，同时利用Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他人群中的泛化能力	提高老年人跌倒风险预测的准确性，以实施及时预防措施	社区中的老年人	machine learning	geriatric disease	gait analysis	CNN, SNN, RF	time-series data, visual representations	NA
38	2025-03-29	Quantifying Nuclear Structures of Digital Pathology Images Across Cancers Using Transport-Based Morphometry 2025-Feb, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24917 PMID:39982036	研究论文	本文介绍了一种基于最优传输数学的新技术，用于直接从成像数据中建模与核染色质结构相关的信息内容	提出了一种基于最优传输的形态测量（TBM）框架，能够表示每个细胞核相对于模板细胞核的整个信息内容，且对不同的染色模式和成像协议具有鲁棒性	NA	开发一种定量测量方法，用于在不同数据集和癌症类型之间进行有意义的比较	癌细胞核的形态学特征	数字病理学	癌症	最优传输、特征提取、深度学习	TBM框架	图像	来自TCGA和人类蛋白质图谱等大型数据集的多种癌症组织类型样本
39	2025-03-29	A Narrative Review on the Role of Artificial Intelligence (AI) in Colorectal Cancer Management 2025-Feb, Cureus DOI:10.7759/cureus.79570 PMID:40144438	review	本文综述了人工智能（AI）在结直肠癌管理中的作用及其潜在优势	探讨了AI在结直肠癌筛查、病理评估、精准手术和术后护理中的创新应用	多中心研究和随机试验的缺乏限制了AI在标准实践中全面评估和整合的可能性	评估AI在结直肠癌管理中的应用及其对临床实践的潜在影响	结直肠癌患者，特别是35岁以上的成年患者	digital pathology	colorectal cancer	deep learning	NA	NA	122篇文献（包括随机对照试验、队列研究、荟萃分析等）
40	2025-03-28	Cell Segmentation With Globally Optimized Boundaries (CSGO): A Deep Learning Pipeline for Whole-Cell Segmentation in Hematoxylin-and-Eosin-Stained Tissues 2025-02, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102184 PMID:39528162	研究论文	开发了一种基于深度学习的全细胞分割管道CSGO，用于H&E染色组织中的细胞分割	整合了细胞核和细胞膜分割算法，并使用基于能量的分水岭方法进行后处理，显著提高了分割性能	仅在5个外部数据集上进行了评估，样本量相对有限	开发自动分割H&E染色组织中细胞的方法，以推进病理图像分析的能力	H&E染色组织中的细胞	数字病理学	肝癌	深度学习	YOLO, U-Net	图像	7例肝细胞癌和11例正常肝组织样本，并在5个外部数据集（包括肝、肺和口腔疾病病例）上评估