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
401	2025-05-12	Quantifying Facial Gestures Using Deep Learning in a New World Monkey 2025-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70013 PMID:40019116	研究论文	该研究利用深度学习技术量化新世界猴（棉顶狨猴）的面部表情，以探索其在多模式交流中的独特性	首次将无标记姿态估计算法应用于棉顶狨猴面部表情的自动识别，并成功区分不同行为背景下的面部配置	研究仅针对圈养个体，可能无法完全反映野外环境下的自然行为	开发自动化工具从原始视频数据中提取行为线索，推进灵长类多模式交流研究	棉顶狨猴（新世界猴）的面部表情	计算机视觉	NA	无标记姿态估计	深度学习	视频	圈养棉顶狨猴的视频片段（具体数量未明确说明）
402	2025-05-12	Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting 2025-Mar-01, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.10.0305 PMID:40023145	研究论文	开发一种基于深度学习和智能手机的人工智能诊断工具，用于提高非洲猪瘟（ASF）侧流层析试纸条（LFA）读取的准确性	结合深度学习模型（YOLO）和智能手机技术，开发了一种用户友好、可现场部署的AI工具，用于提高LFA测试的准确性和早期诊断能力	模型在召回率（79%）方面仍有提升空间，且数据集可能受限于手动标注的LFA图像	提高非洲猪瘟（ASF）的诊断速度和准确性，特别是在实验室资源有限的地区	非洲猪瘟（ASF）的侧流层析试纸条（LFA）测试图像	计算机视觉	非洲猪瘟	深度学习辅助的智能手机图像分类	YOLO	图像	未明确提及具体样本数量，但使用了3种不同的训练/开发/测试数据集划分
403	2025-05-12	Evaluation by dental professionals of an artificial intelligence-based application to measure alveolar bone loss 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05677-0 PMID:40025477	research paper	评估牙科专业人员对基于人工智能的牙槽骨流失测量应用的接受度和使用效果	开发并实施了一种结合语义分割神经网络和对象检测网络的深度学习模型，用于精确测量牙槽嵴高度变化，并调查了牙科专业人员对该AI应用的接受度	样本量相对较小（56名牙科专业人员），且参与者中学术背景的比例较高（52%）	评估AI在牙科诊断中的接受度和实用性，以及其在常规实践中的潜在应用	牙科专业人员和牙槽骨流失测量	digital pathology	牙周病	深度学习	语义分割神经网络和对象检测网络	X光影像	550张咬翼X光片数据集，56名牙科专业人员参与评估
404	2025-05-12	Data-driven AI platform for dens evaginatus detection on orthodontic intraoral photographs 2025-Mar-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05231-4 PMID:40025464	研究论文	开发并评估了一种用于自动检测正畸口内照片中牙外突前磨牙的深度学习模型（BiStageNet），并基于训练结果构建了一个牙外突检测平台	提出了BiStageNet模型，并开发了一个用于正畸临床应用的牙外突检测平台	未提及具体局限性	开发一个自动检测牙外突前磨牙的深度学习模型及其临床应用平台	正畸口内照片中的前磨牙	计算机视觉	牙科疾病	深度学习	BiStageNet	图像	1,400张高质量口内照片用于前磨牙识别训练，2,128张图像用于牙外突检测训练
405	2025-05-12	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	research paper	提出了一种名为Syn-Net的同步频率感知融合网络，用于超声图像中乳腺肿瘤的精确分割	设计了同步双分支编码器提取局部和全局特征，引入了频率感知交叉特征融合块（FrCFusion Block）利用DCT学习全频特征，并开发了全尺度深度监督方法	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	超声图像中的乳腺肿瘤	digital pathology	breast cancer	Discrete Cosine Transform (DCT)	Syn-Net (a CNN-based model)	image	三个公开的超声乳腺肿瘤数据集
406	2025-05-12	Prediction of Lymph Node Metastasis in Colorectal Cancer Using Intraoperative Fluorescence Multi-Modal Imaging 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3510836 PMID:40030456	research paper	该研究开发了一种结合术中荧光多模态成像和深度学习的模型，用于预测结直肠癌淋巴结转移	提出了多模态荧光成像特征融合预测模型（MFI-FFP），结合白光、荧光和伪彩色成像，设计了多模态特征融合模块和新颖的损失函数	未提及具体样本量或外部验证结果	提高结直肠癌淋巴结转移的诊断效率	结直肠癌患者的淋巴结	digital pathology	colorectal cancer	intraoperative fluorescence multi-modal imaging	MFI-FFP (deep learning based multi-modal fusion model)	multi-modal medical images (white light/fluorescence/pseudo-color)	NA
407	2025-05-12	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	引入了先进的注意力机制模块（CA和MHSA）和医学知识嵌入，提升了模型性能	当前自动化检测方法的准确性尚不够高，需要专业资深放射科医师的参与	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结的超声图像	计算机视觉	癌症	深度学习	YOLOv8	图像	NA
408	2025-05-12	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	提出了一种通过交叉融合机制实现PET/MR双模态图像自动脑分割的新方法	引入了交叉融合机制的3D全脑分割网络，同时处理PET和MR图像，利用UX-Net和交叉融合块进行特征提取和融合	未提及具体局限性，但未来工作将集中在临床应用验证	实现精确的脑区分割以辅助神经系统疾病的检测和诊断	PET/MR双模态脑部图像	数字病理学	神经系统疾病	PET/MR双模态成像	3D UX-Net with cross-fusion block	3D医学图像	未明确提及样本量，但评估了45个脑区
409	2025-05-12	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	研究论文	本文提出了一种名为RTGN的鲁棒中医图网络，用于患者相似性学习，结合中医和西医方法设计了一种患者相似性度量	开发了结合自注意力和自监督策略的Siamese网络架构，增强了患者检索的鲁棒性，并设计了结合中西医方法的患者相似性度量	依赖中医医师的生理感官判断可能导致临床信息描述的非标准化和患者评估的干扰	研究中医背景下患者相似性学习，提升精准中医患者检索和下游任务如处方生成的性能	中医胃肠道恶性肿瘤患者	机器学习	胃肠道恶性肿瘤	深度学习	Siamese网络	图结构数据	719名患者的406种多维信息
410	2025-05-12	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	research paper	提出了一种基于可穿戴传感器的人类活动识别深度学习模型DKInception，用于生物医学和健康信息学中的活动监测	DKInception模型结合了深度卷积残差网络与注意力机制，利用多尺度卷积核高效提取时间特征，具有快速收敛和鲁棒扩展特性	NA	提高人类活动识别的准确性，以监测日常活动和健康行为	人类活动数据	machine learning	NA	深度学习	CNN (Inception ResNet架构)	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2
411	2025-05-12	EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention 2025-Mar, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3532282 PMID:40031751	research paper	提出了一种结合鹰眼视觉特性的视觉变换器EViT，通过双凹视觉交互结构和双凹自注意力机制，提高了计算效率和特征表示能力	结合鹰眼的生理和视觉特性，设计了双凹视觉交互结构和双凹自注意力机制，模仿生物视觉皮层的层次和平行信息处理方式	未提及具体在哪些任务或数据集上表现不佳，或是否存在特定场景下的局限性	解决视觉变换器计算复杂度高和缺乏理想归纳偏置的问题，提升计算机视觉任务的性能	视觉变换器及其在计算机视觉任务中的应用	computer vision	NA	双凹自注意力机制(BFSA)和双凹前馈网络(BFFN)	EViT (Eagle Vision Transformer)	image	NA
412	2025-05-12	Prediction of quality traits in packaged mango by NIR spectroscopy 2025-Mar, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.115963 PMID:40032464	研究论文	本研究通过近红外光谱技术预测包装芒果的质量特性，并开发了减少纸袋干扰的创新方法	结合深度学习全连接神经网络（FNN）和高斯空间（GS）滤波，有效减少包装对芒果近红外光谱的干扰	NA	准确评估包装芒果的硬度（FI）、干物质含量（DMC）、可溶性固形物含量（SSC）和可滴定酸度（TA）	包装芒果	光谱分析	NA	近红外光谱（NIR）	全连接神经网络（FNN）、偏最小二乘回归（PLSR）、主成分回归（PCR）	光谱数据	NA
413	2025-05-12	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	开发并测试了一种两阶段深度学习模型，用于在腹部CT图像上自动检测肾上腺结节	提出了一种两阶段架构的深度学习模型，分别针对左右肾上腺进行训练，结合人类解读模拟分诊性能	研究为回顾性研究，可能受限于数据收集的时间范围和样本选择	开发自动检测肾上腺结节的深度学习模型，并评估其与人类解读结合的分诊性能	肾上腺结节	数字病理	肾上腺疾病	深度学习	两阶段检测和分割模型	CT图像	内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者
414	2025-05-12	Deep-Learning-Based Approaches for Rational Design of Stapled Peptides With High Antimicrobial Activity and Stability 2025-Mar, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70121 PMID:40042163	research paper	本研究利用深度学习和机器学习构建了十种预测模型，用于设计具有高抗菌活性和稳定性的钉合肽，并通过实验验证了其效果	首次将深度学习方法应用于钉合肽的设计，提高了预测准确性和设计效率，并通过实验验证了设计的钉合肽具有高抗菌活性和稳定性	研究仅针对钉合肽的设计和验证，未涉及其他类型的抗菌肽	探索深度学习方法在抗菌肽设计和优化中的应用	钉合抗菌肽（AMPs）	machine learning	NA	deep learning, machine learning, AlphaFold	support vector machine, deep learning models	structural, sequence and amino acid descriptors	独立数据集和湿实验室实验
415	2025-05-12	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	提出一种名为MMFSynergy的新方法，用于预测抗癌药物组合的协同作用	通过融合微观和宏观尺度信息，结合自监督任务和Transformer Encoder模型，提高了预测药物组合协同作用的泛化能力	未明确提及具体局限性	提高抗癌药物组合协同作用的预测准确性和泛化能力	抗癌药物组合和细胞系	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质数据	基于两个公共数据集
416	2025-05-12	Pyramid Network With Quality-Aware Contrastive Loss for Retinal Image Quality Assessment 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3501405 PMID:40030237	research paper	提出了一种名为QAC-Net的统一视网膜图像质量评估框架，能够定性和定量评估视网膜图像质量	采用金字塔网络结构和质量感知对比损失（QAC）来提取区分性特征，同时构建了一个包含2300张真实失真视网膜图像的数据集用于定量评估	定量评估任务的数据集仍然不足	设计有效的视网膜图像质量评估（RIQA）方法以减少低质量图像导致的误诊风险	视网膜图像	computer vision	NA	deep learning	CNN	image	2300张真实失真视网膜图像
417	2025-05-12	Deep Learning for High Speed Optical Coherence Elastography With a Fiber Scanning Endoscope 2025-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3505676 PMID:40030355	research paper	该研究提出了一种基于深度学习的高速光学相干弹性成像方法，使用光纤扫描内窥镜进行实时弹性估计	开发了一种微型光纤扫描内窥镜，结合深度学习信号处理流程，实现了复杂波场的实时弹性估计	研究仅在体外猪组织上验证了可行性，未进行临床人体试验	开发一种适用于微创手术的实时组织弹性成像技术	组织弹性	digital pathology	NA	光学相干弹性成像	spatio-temporal deep learning network	image sequences	phantom measurements and ex-vivo porcine tissue
418	2025-05-11	A new era of psoriasis treatment: Drug repurposing through the lens of nanotechnology and machine learning 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125385 PMID:39999900	review	本文综述了通过纳米技术和机器学习重新利用药物治疗银屑病的新方法	结合纳米技术和人工智能（AI）重新利用现有药物治疗银屑病，克服传统疗法的挑战	药物重新利用方法尚处于早期阶段，可能存在潜在缺点	探索纳米技术和AI在银屑病治疗药物重新利用中的应用	银屑病治疗药物	machine learning	银屑病	machine learning, deep learning, nanotechnology	NA	NA	NA
419	2025-05-11	Characteristics of left ventricular dysfunction in repaired tetralogy of Fallot: A multi-institutional deep learning analysis of regional strain and dyssynchrony 2025-Mar-21, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101886 PMID:40122390	research paper	本研究利用深度学习合成应变（DLSS）算法，对修复后的法洛四联症（rTOF）患者的左心室功能障碍模式进行了多机构分析	首次使用深度学习算法DLSS自动测量区域左心室应变和不同步性，识别出rTOF患者左心室功能障碍的四种独特模式	研究为回顾性设计，样本量相对较小（198例患者和21例健康对照）	表征修复后法洛四联症患者左心室功能障碍的模式及其与右心室功能障碍和肺动脉瓣置换术进展的关系	修复后的法洛四联症患者和健康对照者	digital pathology	cardiovascular disease	cardiovascular magnetic resonance (CMR) imaging, deep learning synthetic strain (DLSS)	deep learning algorithm	MRI images	198例rTOF患者和21例健康对照
420	2025-05-11	Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models 2025-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003489 PMID:40008785	综述	本文综述了人工智能在医学影像中的应用，从特定任务模型到大规模基础模型的发展	探讨了基础模型在医学影像中的潜力及其与特定任务模型的互补性	基础模型目前主要关注分割和分类任务，尚未广泛应用于其他临床场景	分析人工智能在医学影像中的应用现状及未来发展方向	医学影像（包括X光、CT、MRI、超声、PET和病理影像）	医学影像分析	NA	深度学习	基础模型和特定任务模型	医学影像	NA