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
1181	2025-02-04	Accuracy of a Cascade Network for Semi-Supervised Maxillary Sinus Detection and Sinus Cyst Classification 2025-Feb, Clinical implant dentistry and related research IF:3.7Q1 DOI:10.1111/cid.13431 PMID:39898709	研究论文	本研究开发了一种基于深度学习的管道，用于在锥形束计算机断层扫描（CBCT）图像中对上颌窦病变进行分类，以提供临床诊断的辅助支持	提出了一种级联网络，结合半监督上颌窦区域目标检测模块和上颌窦病变分类模块，采用半监督伪标签训练策略扩展数据集，并比较了CNN和Transformer架构在分类中的性能	研究中使用的数据集虽然较大，但可能仍存在样本多样性不足的问题，且模型的泛化能力未在外部数据集上验证	开发一种高精度的上颌窦病变检测和分类方法，以辅助临床诊断	上颌窦黏膜囊肿	计算机视觉	口腔颌面部疾病	CBCT	级联网络（包括CNN和Transformer）	图像	541名患者的45,136张上颌窦图像
1182	2025-02-03	Transformer-based approaches for neuroimaging: an in-depth review of their role in classification and regression tasks 2025-Feb-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0088 PMID:39333087	综述	本文深入探讨了Transformer模型在神经影像分类和回归任务中的应用，综述了相关文献以阐明其当前状态和研究进展	本文首次全面回顾了Transformer模型在神经影像领域的应用，特别是在分类和回归任务中的卓越表现和潜在能力	本文主要基于现有文献进行综述，未涉及新的实验数据或模型改进	探讨Transformer模型在神经影像分类和回归任务中的应用及其研究进展	神经影像数据	神经影像	NA	深度学习	Transformer	神经影像数据	NA
1183	2025-02-03	Predicting benefit from PARP inhibitors using deep learning on H&E-stained ovarian cancer slides 2025-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2024.115199 PMID:39742559	研究论文	本研究利用深度学习技术，通过分析H&E染色的卵巢癌全切片图像，预测患者从PARP抑制剂治疗中获益的可能性	首次尝试使用深度学习直接从组织学全切片图像预测PARP抑制剂的治疗效果，为快速且经济的替代复杂分子测试提供了可能性	模型在外部验证集上的预测性能较低（AUROC仅为57%），且需要更大规模的研究和方法学改进以提高临床实用性	开发一种基于深度学习的预测模型，用于评估卵巢癌患者从PARP抑制剂治疗中获益的可能性	卵巢癌患者	数字病理学	卵巢癌	深度学习	深度学习模型	图像	AGO-TR1队列（n=208：108训练，100测试）和PAOLA-1队列（n=447）
1184	2025-02-03	Deep learning and optimization enabled multi-objective for task scheduling in cloud computing 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2391395 PMID:39163538	研究论文	本文提出了一种利用多目标优化和深度学习模型进行任务调度的模型，以提高云计算中的任务调度效率	结合了混合分数火烈鸟甲虫优化算法（FFBO）和深度前馈神经网络融合长短期记忆网络（DFNN-LSTM）进行任务调度	未提及具体的数据集或实验环境的局限性	提高云计算中任务调度的效率和资源利用率	云计算中的任务调度	机器学习	NA	深度学习、多目标优化	DFNN-LSTM、FFBO	任务参数、虚拟机参数	未提及具体样本数量
1185	2025-02-03	Optimized deep maxout for crowd anomaly detection: A hybrid optimization-based model 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2392772 PMID:39302211	研究论文	本文提出了一种新的群体异常检测方法，结合了视觉注意力检测和异常检测两个主要步骤，以提高在拥挤场景中的异常检测精度	引入了增强的双边纹理基础方法用于视觉注意力检测，并采用优化的深度Maxout网络进行异常检测，同时使用创新的Battle Royale Coalesced Atom Search Optimization (BRCASO)算法进行模型训练，以提高检测准确性和可靠性	未提及具体的数据集大小或多样性，可能影响模型的泛化能力	提高在拥挤场景中的群体异常检测精度	监控视频中的群体行为	计算机视觉	NA	深度学习	优化的深度Maxout网络	视频	未提及具体样本数量
1186	2025-02-03	Preparing for downstream tasks in artificial intelligence for dental radiology: a baseline performance comparison of deep learning models 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae056 PMID:39563402	研究论文	本文比较了卷积神经网络（CNN）、视觉变换器（ViT）和门控多层感知器（gMLP）在牙科放射影像分类任务中的性能	首次在牙科放射影像分类任务中比较了CNN、ViT和gMLP的性能，并发现ViT在某些任务上优于CNN	研究仅基于回顾性收集的二维影像数据，未涉及其他类型的牙科影像数据	比较不同深度学习模型在牙科放射影像分类任务中的性能	牙科放射影像	计算机视觉	NA	深度学习	CNN, ViT, gMLP	图像	NA
1187	2025-02-03	A review on real time implementation of soft computing techniques in thermal power plant 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2429721 PMID:39601783	综述	本文综述了2019年至2023年间关于利用软计算技术（包括AI-ML和DL）提高热电厂生产力的研究	提供了对现有研究的全面总结，并评估了传统AI方法在提高热电厂生产力方面的有效性	仅限于2019年至2023年间的研究，可能未涵盖所有相关研究	提高热电厂的生产力	热电厂	机器学习	NA	AI-ML, DL	NA	NA	NA
1188	2025-02-03	Ultra-low-dose coronary CT angiography via super-resolution deep learning reconstruction: impact on image quality, coronary plaque, and stenosis analysis 2025-Feb-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11399-2 PMID:39891682	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中减少辐射暴露的能力，并评估其对图像质量、冠状动脉斑块定量和表征以及狭窄严重性分析的影响	使用SR-DLR算法在CCTA中实现了60%的辐射剂量减少，同时保持了高图像质量和在冠状动脉斑块及狭窄分析中的优异表现	样本量较小，仅包括50名患者，且未进行长期随访以评估SR-DLR的长期效果	评估SR-DLR在CCTA中减少辐射剂量的能力及其对图像质量和临床分析的影响	50名接受低剂量（LD）和超低剂量（ULD）CCTA扫描的患者	医学影像	心血管疾病	超分辨率深度学习重建（SR-DLR）	深度学习	医学影像	50名患者
1189	2025-02-03	Normative values for lung, bronchial sizes, and bronchus-artery ratios in chest CT scans: from infancy into young adulthood 2025-Feb-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11367-w PMID:39891681	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1190	2025-02-03	Hybrid deep learning based stroke detection using CT images with routing in an IoT environment 2025-Feb-01, Network (Bristol, England) DOI:10.1080/0954898X.2025.2452280 PMID:39893512	研究论文	本文提出了一种基于混合深度学习的CT图像中风检测方法，结合物联网技术进行数据传输	提出了一种新的Jaccard_Residual SqueezeNet模型，用于从CT图像中预测中风，并结合物联网技术进行数据传输	未提及具体的研究局限性	提高中风病变的早期检测和准确分割，以改善治疗效果和减少长期残疾	CT图像中的中风病变	计算机视觉	中风	CT成像	Jaccard_Residual SqueezeNet	图像	未提及具体样本数量
1191	2025-02-02	The influence of a deep learning tool on the performance of oral and maxillofacial radiologists in the detection of apical radiolucencies 2025-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae054 PMID:39656660	研究论文	本研究评估了深度学习模型对口腔放射科医生在检测根尖周透亮区方面的影响，并分析了经验、诊断时间和专业对诊断结果的影响	首次评估了深度学习模型在口腔放射科医生检测根尖周透亮区中的实际应用效果，并分析了影响诊断结果的关键因素	样本量较小（68张影像），且仅使用了深度学习模型的测试版，可能影响结果的普遍性	评估深度学习模型对口腔放射科医生检测根尖周透亮区的影响，并分析影响诊断结果的因素	口腔放射科医生和68张根尖周X光片	数字病理	口腔疾病	深度学习	深度学习模型（Denti.AI）	影像	68张根尖周X光片
1192	2025-02-02	On-chip deep residual photonic neural networks using optical-electrical shortcut connections 2025-Feb-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.549158 PMID:39888773	研究论文	本文提出了一种片上深度残差光子神经网络架构（Res-PNN），通过使用光电快捷连接来解决深度光子神经网络训练中的梯度消失和爆炸问题	提出了光电快捷连接的设计，通过功率分配器、波长解复用器和光电探测器直接连接光学权重层的输入和输出，从而稳定训练更深的PNN	未提及具体硬件实现的复杂性和成本问题	解决深度光子神经网络训练中的梯度消失和爆炸问题，提升分类准确率	片上光子神经网络	机器学习	NA	光电快捷连接	Res-PNN	图像	CIFAR-10和CIFAR-100数据集
1193	2025-02-01	Deep learning-based automatic ASPECTS calculation can improve diagnosis efficiency in patients with acute ischemic stroke: a multicenter study 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10960-9 PMID:39060495	研究论文	本研究开发了一种基于深度学习的自动ASPECTS评分系统，用于提高急性缺血性卒中患者的诊断效率	首次开发并验证了一种基于深度学习的自动ASPECTS评分系统，显著提高了诊断效率和一致性	尽管系统在临床应用中表现出色，但仍需医生在临床应用中进行验证	开发并验证一种基于深度学习的自动ASPECTS评分系统，以提高急性缺血性卒中的诊断效率和一致性	急性缺血性卒中患者的非对比计算机断层扫描（NCCT）图像	数字病理学	急性缺血性卒中	深度学习	深度学习模型	图像	1987例NCCT扫描用于训练和验证，13,399例患者用于前瞻性临床验证
1194	2025-02-01	Deep learning model based on contrast-enhanced ultrasound for predicting vessels encapsulating tumor clusters in hepatocellular carcinoma 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10985-0 PMID:39066894	研究论文	本文建立并验证了一种基于对比增强超声（CEUS）的非侵入性深度学习模型，用于预测肝细胞癌（HCC）中的血管包裹肿瘤簇（VETC）模式	首次使用深度学习模型基于CEUS图像预测HCC中的VETC模式，并评估其对术后早期复发（ER）的预测价值	研究为回顾性研究，样本量相对较小，需要进一步的前瞻性研究验证	建立并验证一种非侵入性深度学习模型，用于预测HCC中的VETC模式	肝细胞癌（HCC）患者	计算机视觉	肝癌	对比增强超声（CEUS）	ResNet-18卷积神经网络	图像	242名HCC患者（训练队列195名，测试队列47名）
1195	2025-02-01	Multi-reader multiparametric DECT study evaluating different strengths of iterative and deep learning-based image reconstruction techniques 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10974-3 PMID:39046499	研究论文	本研究通过多读者比较，评估了使用深度学习图像重建（DLIR）和标准自适应统计迭代重建-V（ASIR-V）重建的多参数双能CT（DECT）图像的质量	首次在多参数DECT图像重建中比较了DLIR和ASIR-V的效果，并发现DLIR在图像质量上优于ASIR-V	研究为回顾性研究，样本量相对较小（100名患者），且仅针对腹部CT扫描	比较DLIR和ASIR-V在多参数DECT图像重建中的效果	100名接受门静脉期腹部CT扫描的患者	医学影像	NA	双能CT（DECT）扫描	深度学习图像重建（DLIR）	CT图像	100名患者
1196	2025-02-01	Artificial intelligence-driven volumetric CT outcome score in cystic fibrosis: longitudinal and multicenter validation with/without modulators treatment 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11019-5 PMID:39150489	研究论文	本文介绍了一种基于3D深度学习的囊性纤维化（CF）CT结构改变全息分割方法，用于自动化定量测量气道异常（NOVAA-CT）的标准化体积，并进行了纵向和多中心验证	首次使用3D深度学习技术对囊性纤维化患者的CT结构改变进行全息分割，并开发了NOVAA-CT自动化定量评分系统，用于监测疾病严重程度和治疗效果	研究为回顾性研究，样本量相对较小（139例患者），且仅针对囊性纤维化患者	验证NOVAA-CT自动化评分系统在囊性纤维化患者中的有效性、可靠性和响应性，用于监测疾病严重程度和治疗效果	囊性纤维化患者，包括接受Elexacaftor/Tezacaftor/Ivacaftor（ETI）或皮质类固醇治疗的患者	数字病理学	囊性纤维化	3D深度学习	深度学习模型	CT图像	139例囊性纤维化患者
1197	2025-02-01	Medical meteorological forecast for ischemic stroke: random forest regression vs long short-term memory model 2025-Feb, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-024-02818-y PMID:39567379	研究论文	本研究旨在开发基于机器学习和深度学习算法的缺血性卒中（IS）发作的医学气象预测模型	比较了随机森林回归（RF）和长短期记忆（LSTM）模型在预测IS发作中的性能，发现LSTM模型更为准确	研究仅基于海口市的数据，可能不适用于其他地区	开发IS发作的医学气象预测模型，以帮助预防和治疗IS事件	海口市2016年9月18日至2020年12月31日的IS发作和气象数据	机器学习	心血管疾病	随机森林回归（RF）和长短期记忆（LSTM）算法	RF, LSTM	气象数据和医院入院数据	42849次IS发作
1198	2024-11-24	[Ecological sustainability of deep learning in pathology : A modeling study] 2025-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-024-01382-x PMID:39578266	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1199	2025-02-01	Development of multistage crop yield estimation model using machine learning and deep learning techniques 2025-Feb, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-024-02829-9 PMID:39643782	研究论文	本研究应用机器学习和深度学习技术，基于多元气象时间序列数据，开发了用于估计旁遮普五个地区小麦产量的多阶段模型	创新点在于结合了多种机器学习模型（SMLR、ANN、SVR、RF和DNN）和多阶段作物生长数据，进行小麦产量估计	研究仅限于旁遮普五个地区的小麦产量估计，可能无法直接推广到其他地区或作物	研究目的是开发一个多阶段小麦产量估计模型，以提高产量预测的准确性	研究对象是旁遮普五个地区的小麦产量和气象数据	机器学习	NA	多元气象时间序列数据分析	SMLR, ANN, SVR, RF, DNN	时间序列数据	34年的小麦产量和气象数据
1200	2025-02-01	Let it shine: Autofluorescence of Papanicolaou-stain improves AI-based cytological oral cancer detection 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109498 PMID:39662319	研究论文	本研究通过多模态成像和深度多模态信息融合，改进基于AI的口腔癌细胞学检测	引入荧光成像和多模态信息融合策略，提升细胞学样本的诊断信息量和分类性能	详细的细胞级注释不可行，限制了模型性能的评估和结果解释	改进基于AI的口腔癌早期检测方法	健康人群和癌症患者的刷检细胞学样本	数字病理学	口腔癌	多模态成像（亮场和荧光显微镜成像）	弱监督深度学习，Co-Attention Fusion Network (CAFNet)	图像	健康人群和癌症患者的刷检细胞学样本