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
681	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
682	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
683	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）
684	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
685	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）
686	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
687	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
688	2025-03-22	Leveraging Artificial Intelligence in Breast Cancer Screening and Diagnosis 2025-Feb, Cureus DOI:10.7759/cureus.79177 PMID:40109789	评论	本文探讨了人工智能在乳腺癌筛查和诊断中的应用及其潜力	强调了人工智能在提高乳腺癌筛查和诊断准确性、效率和可及性方面的创新应用	数据可访问性、算法偏见、监管限制和临床整合等挑战阻碍了人工智能的广泛应用	探索人工智能在乳腺癌筛查和诊断中的演变角色及其改善全球乳腺癌结果的潜力	乳腺癌筛查和诊断	数字病理学	乳腺癌	机器学习（ML）和深度学习（DL）算法	NA	数字乳腺X线摄影（DM）、数字乳腺断层合成（DBT）、超声和磁共振成像（MRI）	NA
689	2025-03-21	SE(3)-Equivariant Ternary Complex Prediction Towards Target Protein Degradation 2025-Feb-26, ArXiv PMID:40061120	研究论文	本文介绍了一种名为DeepTernary的新型深度学习方法，用于预测目标蛋白质降解中的三元复合物结构	DeepTernary利用SE(3)-等变图神经网络和三元图间注意力机制，直接从高质量训练数据集TernaryDB中捕获复杂的三元相互作用，无需已知PROTAC的先验知识	三元结构预测仍面临交互机制不明确和训练数据不足的挑战	开发一种能够有效预测目标蛋白质降解中三元复合物结构的深度学习方法	蛋白质和小分子	机器学习	NA	深度学习	SE(3)-等变图神经网络（GNN）	3D结构数据	高质量训练数据集TernaryDB
690	2025-03-21	Detection of concha bullosa using deep learning models in cone-beam computed tomography images: a feasibility study 2025-Feb, Archives of craniofacial surgery DOI:10.7181/acfs.2024.00283 PMID:40068625	研究论文	本研究评估了深度学习模型在锥形束计算机断层扫描（CBCT）图像中检测鼻甲气化（CB）的性能	结合离散小波变换（DWT）的对比增强（CE）方法对CBCT图像进行预处理，并比较了不同深度学习模型（ResNet50、ResNet101和MobileNet）与随机森林分类器的组合效果	需要进一步研究以验证结果，包括更大的样本量和多种深度学习模型	评估深度学习模型在CBCT图像中检测CB的可行性	203个CBCT扫描图像（83个有CB，119个无CB）	计算机视觉	鼻部疾病	离散小波变换（DWT）、对比增强（CE）	ResNet50、ResNet101、MobileNet、随机森林（RF）	图像	203个CBCT扫描图像
691	2025-03-20	Automatic Quantification of Atmospheric Turbulence Intensity in Space-Time Domain 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051483 PMID:40096319	研究论文	本文提出了一种基于深度学习的方法，通过分析视频中的时空域来量化大气湍流强度	使用深度学习模型从视频中提取时空特征来量化大气湍流强度，这是一种新颖的方法	实验在受控环境下进行，可能无法完全反映真实世界中的复杂湍流情况	量化大气湍流强度	视频中捕捉到的静态图像在不同湍流强度下的表现	计算机视觉	NA	深度学习	CNN	视频	NA
692	2025-03-20	An Efficient and Low-Complexity Transformer-Based Deep Learning Framework for High-Dynamic-Range Image Reconstruction 2025-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s25051497 PMID:40096329	研究论文	本文提出了一种基于Transformer的高动态范围（HDR）图像重建框架，旨在在降低计算成本的同时实现与现有技术相媲美的结果	通过减少自注意力块的数量并引入卷积块注意力模块（CBAM），在保持图像质量的同时显著降低了计算复杂度	未提及具体的数据集规模或实验环境的限制	开发一种高效且低复杂度的HDR图像重建方法	高动态范围图像	计算机视觉	NA	深度学习	Transformer, 卷积块注意力模块（CBAM）	图像	在两个数据集上进行了评估，具体样本数量未提及
693	2025-03-20	A Review of Research on SLAM Technology Based on the Fusion of LiDAR and Vision 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051447 PMID:40096278	综述	本文综述了基于LiDAR和视觉融合的SLAM技术研究现状，分析了早期单传感器SLAM技术和当前LiDAR与视觉融合SLAM的主要研究成果和发现	通过融合深度学习和自适应算法，LiDAR与视觉传感器的有效融合在处理多种情况时表现出高效性	在特征稀缺（低纹理、重复结构）环境场景和动态环境中的局限性	为LiDAR和视觉融合的SLAM技术发展提供指导和见解，为进一步的SLAM技术研究提供参考	SLAM技术，特别是基于LiDAR和视觉融合的SLAM技术	计算机视觉	NA	LiDAR与视觉传感器融合	深度学习	3D空间信息，图像数据	NA
694	2025-03-20	Deep Learning Based Pile-Up Correction Algorithm for Spectrometric Data Under High-Count-Rate Measurements 2025-Feb-27, Sensors (Basel, Switzerland) DOI:10.3390/s25051464 PMID:40096323	研究论文	本文提出了一种基于深度学习的堆积校正算法，用于高计数率测量下的光谱数据	提出了一种新颖的深度学习框架，结合计数率信息和2D注意力U-Net进行能量谱恢复	训练数据基于开源模拟器生成，可能无法完全反映真实场景	解决高计数率测量下的堆积效应问题，提高光谱数据的准确性	伽马射线光谱数据	机器学习	NA	深度学习	2D注意力U-Net	光谱数据	基于公开的伽马光谱数据库生成的训练数据
695	2025-03-20	Energy-Efficient Dynamic Workflow Scheduling in Cloud Environments Using Deep Learning 2025-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s25051428 PMID:40096273	研究论文	本文提出了一种新的调度框架，结合图神经网络（GNN）和深度强化学习（DRL），使用近端策略优化（PPO）算法，在云环境中实现动态工作流调度，以最小化完成时间和减少能耗	结合图神经网络（GNN）和深度强化学习（DRL）进行多目标优化，专注于最小化完成时间和减少能耗	研究基于模拟环境（CloudSim）和合成数据集，未在实际云环境中验证	在云环境中实现动态工作流调度，优化完成时间和能耗	云环境中的动态工作流调度	机器学习	NA	图神经网络（GNN）、深度强化学习（DRL）、近端策略优化（PPO）	GNN、DRL、PPO	合成数据集	模拟环境中的基准数据集
696	2025-03-20	Optimizing Real-Time Object Detection in a Multi-Neural Processing Unit System 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051376 PMID:40096141	研究论文	本文构建了一个基于YOLOv3的实时目标检测系统，利用Neubla的Antara NPU，并提出了两种性能优化方法	通过双缓冲和多NPU环境下的任务分配，显著提高了系统的吞吐量和降低了延迟	未提及系统在不同硬件配置下的兼容性和扩展性	优化实时目标检测系统的性能	实时目标检测系统	计算机视觉	NA	NA	YOLOv3	图像	NA
697	2025-03-20	DC-NFC: A Custom Deep Learning Framework for Security and Privacy in NFC-Enabled IoT 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051381 PMID:40096219	研究论文	本文介绍了一种名为DC-NFC的新型深度学习框架，旨在增强物联网环境中NFC通信的安全性和隐私性	DC-NFC框架集成了三个创新组件：CE用于捕捉复杂的时间和空间模式，PML用于实施端到端的隐私约束，ATF模块用于实时威胁检测和动态模型适应	NA	增强物联网环境中NFC通信的安全性和隐私性	NFC通信	机器学习	NA	深度学习	DC-NFC	时间序列数据	四个基准数据集（UNSW-NB15、Bot-IoT、TON-IoT Telemetry和Edge-IIoTset）
698	2025-03-20	DVF-NET: Bi-Temporal Remote Sensing Image Registration Network Based on Displacement Vector Field Fusion 2025-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s25051380 PMID:40096252	研究论文	本文介绍了一种基于深度学习的新型双时相遥感图像配准框架DVF-NET，通过融合两个位移矢量场来解决图像间的非线性畸变问题	DVF-NET的创新点包括引入结构注意力模块（SAT）以增强模型对结构特征的关注，并提出了一种结合多种相似性度量的新型损失函数设计	NA	提高双时相遥感图像配准的精度和鲁棒性	双时相遥感图像	计算机视觉	NA	深度学习	DVF-NET	图像	多种遥感数据集
699	2025-03-20	Enhancing Maritime Safety: Estimating Collision Probabilities with Trajectory Prediction Boundaries Using Deep Learning Models 2025-Feb-23, Sensors (Basel, Switzerland) DOI:10.3390/s25051365 PMID:40096138	研究论文	本文研究了波罗的海博恩霍尔姆岛附近的海上事故，提出了一种利用深度学习模型预测船舶轨迹并评估碰撞风险的方法，以提高海上安全	提出了一种结合轨迹预测和统计技术构建概率边界的方法，并引入碰撞风险评分来评估边界重叠的可能性	方法主要应用于模拟测试场景和一个真实案例，尚未在大规模实际场景中验证	提高海上安全，预防船舶碰撞事故	波罗的海博恩霍尔姆岛附近的船舶轨迹	机器学习	NA	LSTM自编码器	LSTM	轨迹数据	模拟测试场景和2021年Scot Carrier与Karin Hoej货船碰撞的真实案例
700	2025-03-20	Efficient Deep Learning-Based Device-Free Indoor Localization Using Passive Infrared Sensors 2025-Feb-23, Sensors (Basel, Switzerland) DOI:10.3390/s25051362 PMID:40096168	研究论文	本文提出了一种基于深度学习的无设备室内定位方法，使用被动红外传感器进行多人定位	提出了一种结合通道分离和模板匹配技术的深度CNN-LSTM架构，并使用均值装袋技术提高定位精度	信号质量、模糊性以及多人复杂交错运动引起的干扰仍然是挑战	提高无设备室内定位的精度，特别是在多人环境中的应用	室内环境中的多人定位	机器学习	NA	被动红外传感器	CNN-LSTM	传感器数据	两个参与者