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
141	2025-03-20	Deep Learning-Based Algorithm for Road Defect Detection 2025-Feb-20, Sensors (Basel, Switzerland) DOI:10.3390/s25051287 PMID:40096028	研究论文	本文提出了一种基于改进YOLOv8的模型RepGD-YOLOV8W，用于提高道路缺陷检测的精度和计算效率	改进YOLOv8模型，引入Rep-GD模块和Wise-IoU损失函数，显著提升检测精度和计算效率	未提及模型在极端天气或夜间条件下的表现	提高道路缺陷检测的精度和计算效率，解决复杂背景下的漏检和误检问题	道路缺陷（如裂缝和坑洞）	计算机视觉	NA	深度学习	YOLOv8, RepGD-YOLOV8W	图像	RDD2022数据集
142	2025-03-20	Exploring a decade of deep learning in dentistry: A comprehensive mapping review 2025-Feb-19, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06216-5 PMID:39969623	综述	本文系统回顾了过去十年深度学习在牙科领域的应用，提供了趋势、模型及其临床意义的全面概览	首次对深度学习在牙科领域的应用进行了系统性的映射回顾，识别了主要的研究趋势和模型架构	主要依赖于标注数据，且需要进一步探索新兴模型架构和学习方法	探索深度学习在牙科领域的应用，特别是诊断方面的进展	牙科领域的诊断、治疗规划和预后预测	数字病理	NA	深度学习	CNN	图像	从21,242项筛选的研究中，纳入了1,007项
143	2025-03-20	Phase determination with and without deep learning 2025-Feb, Physical review. E DOI:10.1103/PhysRevE.111.024131 PMID:40103033	研究论文	本文研究了无监督学习在检测J_{1}-J_{2}伊辛模型相变中的表现，并提出了一种基于配置直接比较的简单方法	提出了一种基于配置直接比较的简单方法，用于检测相变，并与变分自编码器生成的结果进行对比，发现简单方法在某些系统中可以产生与复杂神经网络相当的结果	研究仅限于J_{1}-J_{2}伊辛模型，未涉及其他复杂系统	研究无监督学习在统计物理学中检测相变的应用	J_{1}-J_{2}伊辛模型	机器学习	NA	无监督学习，变分自编码器	变分自编码器	配置数据	NA
144	2025-03-20	Time-inversion of spatiotemporal beam dynamics using uncertainty-aware latent evolution reversal 2025-Feb, Physical review. E DOI:10.1103/PhysRevE.111.025307 PMID:40103073	研究论文	本文提出了一种用于时空光束动力学时间反转的反向潜在演化模型，利用条件变分自编码器（CVAE）和长短期记忆（LSTM）网络进行自监督深度学习	提出了一个结合CVAE和LSTM的自监督深度学习框架，用于预测上游六维相空间投影，并捕捉输入数据的不确定性	计算复杂度较高，可能限制在线应用的实用性	解决带电粒子束动力学中的逆问题，估计上游六维相空间	带电粒子束的六维相空间投影	机器学习	NA	条件变分自编码器（CVAE），长短期记忆（LSTM）网络	CVAE, LSTM	六维相空间测量数据	NA
145	2025-03-19	A deep learning approach to perform defect classification of freeze-dried product 2025-Feb-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.125127 PMID:39756597	研究论文	本文提出了一种基于深度学习的冷冻干燥产品缺陷分类方法，用于提高制造后质量控制的效率和准确性	开发了两种基于卷积神经网络的高分辨率图像处理方法（即基于补丁的方法和多标签分类），并比较了它们的性能，以选择最优方法	研究中使用的样本是通过特定配方和工艺设置故意制造的，可能无法完全代表实际生产中的所有缺陷情况	提高冷冻干燥产品在制造后质量控制中的缺陷检测效率和准确性	冷冻干燥产品	计算机视觉	NA	深度学习	CNN	图像	多个连续冷冻干燥样品，包括故意制造的缺陷样品和无缺陷样品
146	2025-03-19	Deep Learning for Protein-Ligand Docking: Are We There Yet? 2025-Feb-09, ArXiv PMID:38827451	研究论文	本文介绍了PoseBench，第一个用于蛋白质-配体对接的全面基准测试，旨在评估深度学习方法在蛋白质-配体对接和结构预测中的应用	首次系统地研究了最新对接和结构预测方法在使用预测的蛋白质结构进行对接、同时结合多个配体以及无先验结合口袋知识的情况下的行为	深度学习方法在预测新蛋白质序列或多配体蛋白质目标时，难以在结构准确性和化学特异性之间取得平衡	评估深度学习方法在蛋白质-配体对接和结构预测中的实际应用效果	蛋白质-配体对接和结构预测	机器学习	NA	深度学习方法	DL co-folding methods, AlphaFold 3	蛋白质结构数据	使用主要配体和多配体基准数据集进行测试
147	2025-03-19	Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates 2025-Feb-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae195 PMID:39576009	研究论文	本文报道了2022年和2023年举行的全球首个公开的Genomes to Fields计划中的基因型与环境预测竞赛，展示了多种建模策略在预测玉米产量方面的有效性	首次公开竞赛，结合了基因组变异、表型、天气测量和田间管理数据，展示了多种建模策略的有效性	竞赛结果可能受到数据集特定性的限制，不一定适用于所有环境或作物	探索和比较不同建模策略在预测玉米产量方面的效果	玉米	机器学习	NA	随机森林、岭回归、最小二乘法、定量遗传学、深度学习、机械模型	随机森林、岭回归、最小二乘法、深度学习模型	基因组数据、表型数据、天气数据、管理数据	9年收集的数据集
148	2025-03-19	Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.001 PMID:39289095	研究论文	本研究旨在开发一个深度学习预后模型，评估肿瘤内和肿瘤周围放射组学在预测接受铂类化疗的高级别浆液性卵巢癌患者预后中的重要性	利用深度学习模型结合肿瘤内和肿瘤周围放射组学特征，预测高级别浆液性卵巢癌患者的预后	研究基于回顾性数据，可能存在选择偏差，且样本量相对较小	开发深度学习预后模型，预测高级别浆液性卵巢癌患者的生存结果	接受铂类化疗的高级别浆液性卵巢癌患者	数字病理学	卵巢癌	深度学习	深度学习模型	CT扫描图像	474名患者（训练集362名，内部测试集86名，外部测试集26名）
149	2025-03-19	Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.061 PMID:39306521	研究论文	本研究旨在开发一种深度学习模型，利用超声单视图动态图像区分正常胆囊、非紧急胆石症和需要紧急干预的急性结石性胆囊炎	使用深度学习模型处理超声单视图动态图像，以高准确性和特异性区分不同胆囊病理状态	研究为初步结果，样本量相对较小，且仅使用单视图动态图像	开发深度学习模型以区分不同胆囊病理状态	成人急诊患者中的胆囊超声单视图动态图像	计算机视觉	胆囊疾病	深度学习	CNN	图像	186名患者的266个动态图像
150	2025-03-19	Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.021 PMID:39322536	研究论文	本研究结合深度学习和栖息地放射组学，利用多参数MRI预测胶质瘤的病理结果	结合栖息地分析和深度学习，提高了胶质瘤病理预测的准确性	临床特征在预测中的帮助证据相对较弱	提高胶质瘤病理预测的准确性	387例原发性胶质瘤患者	数字病理学	胶质瘤	多参数MRI	LightGBM, DenseNet161, ResNet50, SVM, Inception_v3, MLP	MRI图像	387例原发性胶质瘤患者（264例训练集，82例测试集，41例验证集）
151	2025-03-19	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	本研究评估了大型语言模型（LLMs）在放射学研究中的统计和深度学习解决方案及代码生成能力	首次系统评估了LLMs在放射学研究中处理生物统计学和深度学习任务的能力，并展示了其在代码生成和错误修正中的实用性	LLM生成的代码需要用户进一步验证和优化，存在潜在错误和幻觉风险，且需注意数据隐私法规	评估LLMs在放射学研究中提供统计和深度学习解决方案及代码生成的能力	放射学研究中的生物统计学和深度学习任务	自然语言处理	NA	LLM（大型语言模型）	Vision Transformer (ViT-B/16)	图像数据	使用Cancer Imaging Archive数据集和RSNA-STR Pneumonia Detection Challenge数据集
152	2025-03-19	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	研究论文	本文探讨了深度学习弹性配准算法在常规肿瘤PET/CT中减少配准伪影和提高图像质量的应用	提出了基于深度学习的弹性配准方法，用于改进PET和衰减校正CT之间的配准误差	样本量较小，仅包括30名患者，且未涵盖所有类型的肿瘤PET/CT扫描	评估深度学习弹性配准算法在减少PET/CT图像配准伪影和提高图像质量方面的效果	30名接受常规肿瘤检查的患者（20名18F-FDG PET/CT和10名64Cu-DOTATATE PET/CT）	医学影像	肿瘤	深度学习弹性配准	深度学习	医学影像	30名患者（20名18F-FDG PET/CT和10名64Cu-DOTATATE PET/CT）
153	2025-03-19	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	本研究旨在建立一个多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著前列腺癌	采用混合融合方法整合多模态数据，构建了结合模型，显著提高了诊断性能	研究为回顾性研究，可能存在选择偏差	预测灰区PSA水平患者的临床显著前列腺癌	303名2018年1月至2022年12月间有病理结果的患者	数字病理	前列腺癌	bp-MRI	SVM, 深度学习模型, XGBoost	临床变量, 影像数据	303名患者
154	2025-03-19	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-Feb, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	研究论文	本文提出了一种基于深度学习的自动化方法，用于评估修复唇裂患者的唇部对称性	使用对比学习量化唇部对称性，并通过面部图像的变换来模拟唇部不对称，无需患者图像进行训练	模型的加权准确率和皮尔逊相关系数仍有提升空间	自动化评估修复唇裂患者的唇部对称性，以更高效和客观地评估手术效果	修复唇裂患者	计算机视觉	唇裂	对比学习	深度学习模型	图像	146张修复唇裂患者的图像
155	2025-03-19	Change analysis of surface water clarity in the Persian Gulf and the Oman Sea by remote sensing data and an interpretable deep learning model 2025-Feb, Environmental science and pollution research international DOI:10.1007/s11356-025-36018-x PMID:39966320	研究论文	本研究利用遥感数据和可解释的深度学习模型分析了波斯湾和阿曼海水体透明度的变化	结合MODIS-Aqua影像、统计测试和深度学习模型，首次对波斯湾和阿曼海的水体透明度进行长期监测，并采用解释技术确定各标准的重要性	研究时间跨度较长，但未提及数据采集和处理过程中可能存在的误差或偏差	监测波斯湾和阿曼海的水体透明度，以评估生态系统健康和水质	波斯湾和阿曼海的水体透明度及相关环境参数	遥感与深度学习	NA	MODIS-Aqua影像、统计测试、深度学习模型	CNN、LSTM	遥感影像、环境参数数据	2002年至2018年的MODIS-Aqua影像数据
156	2025-03-19	Non-invasive Assessment of Coronary Artery Disease: The Role of AI in the Current Status and Future Directions 2025-Feb, Cureus DOI:10.7759/cureus.78994 PMID:40091936	研究论文	本文探讨了人工智能在非侵入性冠状动脉疾病评估中的当前应用和未来发展方向	强调了人工智能，特别是深度学习和自然语言处理技术，在提高非侵入性冠状动脉疾病评估诊断准确性和临床效率方面的革命性潜力	人工智能的广泛应用面临数据隐私、高计算成本和资源分配不均等关键挑战	研究目的是探索人工智能在非侵入性冠状动脉疾病评估中的应用及其未来发展方向	冠状动脉疾病（CAD）患者	自然语言处理	心血管疾病	深度学习，自然语言处理	NA	NA	NA
157	2025-03-18	phyddle: software for exploring phylogenetic models with deep learning 2025-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.06.606717 PMID:39149349	研究论文	本文介绍了phyddle，一种基于深度学习的软件，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	phyddle通过无似然深度学习方法，解决了传统方法无法处理的系统发育模型问题，并提供了灵活的命令行界面	NA	开发一种软件工具，用于在缺乏可处理似然函数的系统发育模型中进行建模任务	系统发育树	机器学习	NA	深度学习	NA	系统发育数据	NA
158	2025-03-18	Consequences of training data composition for deep learning models in single-cell biology 2025-Feb-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.19.639127 PMID:40060416	研究论文	本文系统研究了训练数据集组成对单细胞转录组学深度学习模型行为的影响	首次系统探讨了训练数据组成对单细胞转录组学基础模型性能的影响，并提出了优化策略	研究主要聚焦于人类造血系统，可能限制了结果的普适性	探讨训练数据组成对单细胞转录组学深度学习模型性能的影响	人类造血系统中的单细胞转录组数据	单细胞生物学	NA	单细胞转录组学	深度学习模型	单细胞转录组数据	包括成人和发育组织、疾病状态和扰动图谱的细胞
159	2025-03-18	Artificial Intelligence in Pancreatic Imaging: A Systematic Review 2025-02, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12723 PMID:39865461	综述	本文探讨了人工智能在胰腺影像学中的角色、技术进步、临床应用及相关挑战	深入分析了人工智能，特别是深度学习和放射组学在胰腺疾病检测和诊断中的应用及其潜力	面临法律和伦理问题、算法透明度及数据安全等挑战	提升胰腺疾病的诊断和治疗效果，改善患者预后和生存率	胰腺疾病，包括急性和慢性胰腺炎及各种胰腺肿瘤	数字病理学	胰腺癌	深度学习、放射组学	CNN	影像数据（CT、MRI、内镜超声）	涉及人类受试者的英文文章，截至2024年3月31日
160	2025-03-16	Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI 2025-Feb-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050595 PMID:40075842	研究论文	本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术	首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面	研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性	评估深度学习重建技术在膀胱MRI中的图像质量	57例膀胱肿块患者	医学影像	膀胱癌	多路复用灵敏度编码扩散加权成像（MUSE-DWI）	CNN	MRI图像	57例膀胱肿块患者