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	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
662	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
663	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
664	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
665	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
666	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
667	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
668	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
669	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）
670	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
671	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）
672	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）
673	2025-03-27	Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review 2025-Feb, Cureus DOI:10.7759/cureus.79391 PMID:40130121	系统综述	本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性	强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术	部署AI工具用于诊断目的的问题需要更多关注	探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合	肌肉骨骼疾病	数字病理学	肌肉骨骼疾病	机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs）	CNN	图像	NA
674	2025-03-26	Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort 2025-Feb-04, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	research paper	利用Google街景图像和深度学习技术分析居住区建筑环境特征与心血管疾病风险的关系	首次结合Google街景图像和深度学习技术，大规模分析建筑环境特征与心血管疾病风险的潜在关联	研究结果需要在其他地区进行验证，且需要进一步探讨潜在机制	探究居住区建筑环境特征（如绿化带和人行道）与心血管疾病风险的关系	美国俄亥俄州东北部49,887名居民的居住环境及心血管事件数据	computer vision	cardiovascular disease	deep learning	CNN	image	49,887名居民，其中2,083人发生重大心血管不良事件
675	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA
676	2025-03-23	Spectral dual-layer detector CT-based radiomics-deep learning for predicting pathological aggressiveness of stage I lung adenocarcinoma: discrimination of precursor glandular lesions and invasive adenocarcinomas 2025-Feb-28, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-726 PMID:40114963	研究论文	本研究评估了基于光谱双层探测器CT（SDCT）的有效原子数（Zeff）的放射组学、深度学习和临床特征在区分磨玻璃结节（GGN）特征的腺前体病变（PGLs）和腺癌中的效用	结合SDCT-Zeff放射组学、深度学习和临床特征，构建了临床基于深度学习的放射组学（DLR）签名诺模图，提高了预测性能	研究仅在中国两个医疗中心进行，样本量和地理多样性可能有限	区分I期肺腺癌的病理侵袭性，特别是腺前体病变和侵袭性腺癌	磨玻璃结节（GGN）患者	数字病理	肺癌	光谱双层探测器CT（SDCT）	ResNet50, LightGBM	医学影像	792个GGN（训练队列582个，外部验证队列210个）
677	2025-03-23	The role of artificial intelligence in sepsis in the Emergency Department: a narrative review 2025-Feb-28, Annals of translational medicine DOI:10.21037/atm-24-150 PMID:40115064	综述	本文综述了人工智能在急诊科脓毒症诊断、管理和预后中的应用	与传统预测分析相比，AI能够整合多种变量，提高诊断性能，并在脓毒症的诊断和预后中优于传统评分工具	现有的AI工具缺乏普适性和用户接受度，存在自动化偏差的风险，可能导致临床医生技能退化	探讨人工智能在急诊科脓毒症管理中的应用潜力	急诊科成年脓毒症患者	医疗人工智能	脓毒症	机器学习	机器学习模型	生命体征、自由文本输入、实验室测试和心电图	NA
678	2025-03-23	Artificial intelligence algorithm was used to establish and verify the prediction model of portal hypertension in hepatocellular carcinoma based on clinical parameters and imaging features 2025-Feb-28, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2024-931 PMID:40115915	研究论文	本研究旨在基于临床参数和影像特征，利用人工智能算法建立并验证肝细胞癌患者门静脉高压的预测模型	结合临床特征、放射组学特征和深度学习特征，构建了一个综合预测模型，以更全面地捕捉与门静脉高压相关的复杂信息，从而实现高预测准确性和实用性	验证集的AUC和敏感性较低，表明模型在外部验证中的表现有待提高	建立并验证肝细胞癌患者门静脉高压的预测模型，以支持早期干预和个性化治疗	肝细胞癌患者	数字病理	肝细胞癌	放射组学和深度学习特征提取	逻辑回归模型	临床参数和CT影像	884名患者（707名训练集，177名验证集）
679	2025-03-22	Dynamic MRI with Locally Low-Rank Subspace Constraint: Towards 1-Second Temporal Resolution Aided by Deep Learning 2025-Feb-27, Research square DOI:10.21203/rs.3.rs-5448452/v1 PMID:40060040	研究论文	本文提出了一种结合局部低秩子空间约束和深度学习的动态MRI重建框架，旨在提高动态对比增强成像的时空分辨率	结合局部低秩子空间模型和神经网络，实现了从几秒到1秒的灵活时间分辨率，显著提高了图像质量	未明确提及具体样本量或临床验证结果	解决动态MRI中空间和时间分辨率平衡的挑战，提升动态对比增强成像的质量	高风险的乳腺癌患者，以及头颈部和脑部MRI应用	医学影像处理	乳腺癌	动态对比增强MRI（DCE-MRI）	神经网络	MRI图像	NA
680	2025-03-22	AI and Neurology 2025-Feb-17, Neurological research and practice DOI:10.1186/s42466-025-00367-2 PMID:39956906	review	本文综述了人工智能在神经学领域的应用及其潜力，同时指出了相关的风险和挑战	总结了人工智能在神经学中的多种应用，并提出了需要关注的安全、伦理和公平性问题	需要将研究推进到前瞻性水平，并采用联邦学习以提高算法的普适性	探讨人工智能在神经学中的应用及其潜力	神经学领域，特别是急性与重症神经学、中风、癫痫和运动障碍	machine learning	NA	machine and deep learning	NA	NA	NA