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
661	2024-10-18	Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias 2025-02, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31963 PMID:39413236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
662	2025-04-03	Machine learning-based prediction model integrating ultrasound scores and clinical features for the progression to rheumatoid arthritis in patients with undifferentiated arthritis 2025-Feb, Clinical rheumatology IF:2.9Q2 DOI:10.1007/s10067-025-07304-3 PMID:39789318	研究论文	本研究开发了一种基于机器学习的预测模型，整合超声评分和临床特征，用于预测未分化关节炎患者向类风湿性关节炎的进展	首次将18关节超声评分系统（US18）与临床数据结合，利用机器学习模型提高高风险患者的早期识别能力	研究仅跟踪了患者1年时间，长期预测效果尚不明确	提高未分化关节炎患者向类风湿性关节炎进展的早期预测准确性	432名未分化关节炎患者	机器学习	类风湿性关节炎	18关节超声评分系统（US18）	Random Forest (RnFr), 深度学习模型	临床数据和超声评分数据	432名未分化关节炎患者（其中152名进展为类风湿性关节炎）
663	2025-04-03	Deep learning helps discriminate between autoimmune hepatitis and primary biliary cholangitis 2025-Feb, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101198 PMID:39829723	research paper	本研究开发了一种基于深度学习的系统（ALNE），用于区分自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）	首次提出了一个无需人工标注的深度学习模型（ALNE），能够定量且准确地区分AIH和PBC	扫描技术和切片染色的多样性可能影响模型的鲁棒性和泛化能力	开发一种辅助诊断工具，以减少AIH和PBC的误诊	自身免疫性肝炎（AIH）和原发性胆汁性胆管炎（PBC）患者	digital pathology	liver disease	H&E染色全切片图像分析	transformer-based deep learning system (ALNE)	image	训练集354例（266例AIH和102例PBC），外部验证集92例（62例AIH和30例PBC）
664	2025-04-03	Artificial Intelligence-Based Predictive Modeling for Aortic Aneurysms 2025-Feb, Cureus DOI:10.7759/cureus.79662 PMID:40161150	review	本文综述了人工智能和机器学习在主动脉瘤预测建模中的当前状态和未来方向，强调了其在风险评估、筛查和预后中的多样性和进展	探讨了将临床、影像和基因组数据整合到AI/ML中以提高预测性和临床适用性，并讨论了将AI预测模型转化为临床实践的挑战和前景	数据质量、模型可解释性以及法律和伦理问题	增强主动脉瘤的风险评估和管理，推动心血管护理向精准医学转变	腹主动脉瘤（AAAs）	machine learning	cardiovascular disease	supervised and unsupervised learning, deep learning	NA	clinical, imaging, genomic data	NA
665	2025-04-01	Qualitative and Quantitative Evaluation of a Deep Learning-Based Reconstruction for Accelerated Cardiac Cine Imaging 2025-Feb-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030231 PMID:40150695	research paper	本研究系统评估了一种基于深度学习的重建技术（Sonic DL Cine）在加速心脏电影成像中的应用效果	首次全面评估了Sonic DL Cine在高达12倍加速的心脏电影成像中的表现，并验证了其在保持图像质量和心脏功能测量准确性方面的能力	研究主要使用数字幻影和健康志愿者数据，未涉及心脏病患者群体	评估深度学习重建技术在加速心脏磁共振成像中的性能	心脏电影成像	digital pathology	cardiovascular disease	cardiac MR (CMR)	deep learning-based reconstruction	image	数字幻影和健康志愿者数据（具体数量未提及）
666	2025-04-01	Multi-Model Segmentation Algorithm for Rotator Cuff Injury Based on MRI Images 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030218 PMID:40150682	research paper	提出一种基于MRI图像的AI诊断方法，用于肩袖损伤的自动分割和撕裂严重程度评估	首个专门用于肩袖损伤诊断的AI算法，结合Unet + FPN架构的多模型深度学习网络	未提及与其他现有方法的对比或临床验证的广泛性	开发一种AI辅助诊断平台，提高肩袖损伤诊断的效率和准确性	肩袖损伤的MRI图像	digital pathology	rotator cuff injury	MRI	Unet + FPN	image	376名患者的5640张图像用于训练，94名患者的1410张图像用于测试
667	2025-04-01	A Deep Convolution Method for Hypertension Detection from Ballistocardiogram Signals with Heat-Map-Guided Data Augmentation 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030221 PMID:40150686	研究论文	提出一种基于深度卷积网络的模型BH-Net，利用心冲击图信号进行高血压检测，并通过热图引导的数据增强方案提升性能	首次提出端到端深度卷积模型BH-Net用于心冲击图信号的高血压检测，并创新性地采用J波邻域选择策略进行数据增强	研究仅基于公开数据集进行验证，未涉及实际临床环境测试	开发非接触式高血压检测方法	心冲击图(BCG)信号	机器学习	心血管疾病	深度学习	CNN	时序信号数据	公开数据集（具体数量未说明）
668	2025-04-01	From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications 2025-Feb-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15030220 PMID:40149742	综述	本文系统回顾了基于EEG的情绪识别在认知神经科学和实际应用中的研究进展	整合了神经和情绪网络，探讨了多模态方法在提高分类准确性方面的潜力	实时EEG处理中的准确性与计算效率之间的权衡，以及情绪标签不一致、实验协议变化和非标准化数据集的问题	推动基于EEG的情绪识别技术向更稳健、可扩展和符合伦理的应用方向发展	EEG信号及其与生理信号的结合	认知神经科学	NA	EEG, 信号处理技术（如频谱特征、连接性分析、额叶不对称检测）	CNN, RNN	EEG信号, 生理信号	64项研究
669	2025-04-01	Transformative Approaches in Breast Cancer Detection: Integrating Transformers into Computer-Aided Diagnosis for Histopathological Classification 2025-Feb-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030212 PMID:40150677	research paper	该研究提出了一种新颖的双流方法用于乳腺癌组织病理学图像分类，结合了组织病理学继承特征和基于视觉的特征以提高诊断精度	提出了一种结合Virchow2深度学习模型和Nomic基于视觉的transformer模型的双流方法，实现了全面的特征表示	未提及具体局限性	提高乳腺癌早期检测和治疗的诊断方法	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, transformer model	Virchow2, Nomic	image	BACH数据集
670	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
671	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
672	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
673	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
674	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
675	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
676	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
677	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）
678	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
679	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）
680	2025-03-27	HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2424248 PMID:39552170	research paper	提出了一种基于混合卷积自适应ResNet与注意力机制的HCAR-AM模型，用于有效检测花生叶部病害	结合了自适应TransResunet++分割、HP-BWCF参数优化以及HCAR-AM分类模型，创新性地整合了多种技术以提高病害检测效果	未提及模型在真实田间环境下的泛化能力及对不同光照条件的适应性	开发高效的花生叶部病害检测深度学习模型	花生叶部病害图像	computer vision	plant disease	deep learning	HCAR-AM (Hybrid Convolution-based Adaptive ResNet with Attention Mechanism)	image	未明确说明样本数量（来自传统数据库）