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
801	2025-04-18	Smart Grain Storage Solution: Integrated Deep Learning Framework for Grain Storage Monitoring and Risk Alert 2025-Mar-18, Foods (Basel, Switzerland) DOI:10.3390/foods14061024 PMID:40232114	研究论文	提出了一种基于深度学习框架的多模型融合方法，用于粮食储存状态监测和风险预警	结合3D DenseNet和3DCNN-LSTM两种三维深度学习模型，实现了粮食储存状态的准确分类和温度场的精确预测	未提及具体的数据集规模或实际应用中的潜在问题	克服现有粮食储存状态监测方法的局限性，提高风险预警能力	粮食储存状态和温度场动态变化	机器学习	NA	深度学习	3D DenseNet, 3DCNN-LSTM	三维温度数据	NA
802	2025-04-18	The Fermentation Degree Prediction Model for Tieguanyin Oolong Tea Based on Visual and Sensing Technologies 2025-Mar-13, Foods (Basel, Switzerland) DOI:10.3390/foods14060983 PMID:40231982	研究论文	本研究基于视觉和传感技术，建立了铁观音乌龙茶发酵程度的预测模型	结合多源特征融合和Sparrow Search Algorithm优化，显著提高了发酵程度预测的准确性	研究仅针对铁观音乌龙茶，未验证在其他茶类中的适用性	实现铁观音乌龙茶发酵程度的在线实时监测，促进自动化生产	铁观音乌龙茶	机器学习	NA	重量传感器、氧化锡型气体传感器、视觉采集系统	SVR、RF、LSTM	图像、气味、重量数据	NA
803	2025-04-18	How much data do you need? An analysis of pelvic multi-organ segmentation in a limited data context 2025-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01514-w PMID:40067638	研究论文	本研究探讨了在有限数据背景下，盆腔多器官MR分割中数据集大小对nnU-Net模型性能的影响	评估了nnU-Net在有限数据和单一扫描仪条件下的性能表现，确定了数据量对分割性能的影响阈值（12张图像）	研究仅基于单一扫描仪（Elekta Unity）获取的数据，可能影响结果的普适性	探索深度学习模型在有限数据条件下的盆腔多器官分割性能	接受Elekta Unity治疗的12名参与者的58张MR图像（前列腺、精囊、膀胱和直肠）	数字病理	前列腺癌	MR成像	nnU-Net	医学影像	12名参与者（58张MR图像，其中46张用于训练，12张用于测试）
804	2025-04-18	Deep learning and robotics enabled approach for audio based emotional pragmatics deficits identification in social communication disorders 2025-Mar, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119251325331 PMID:40079556	研究论文	本研究开发了一种结合深度学习和机器人技术的方法，用于识别社交沟通障碍患者基于音频的情感语用缺陷	首次将深度学习与机器人平台结合用于识别情感语用缺陷	使用的MFCC生成数据为单一维度，可能限制模型性能	开发工具以改善社交情感语用反应缺陷患者的沟通能力	社交语用沟通缺陷患者	机器学习	社交沟通障碍	MFCC音频特征提取	1D-CNN, LSTM, Bi-LSTM	音频	开源数据集（具体数量未说明）
805	2025-04-18	Digital Health Policy and Cybersecurity Regulations Regarding Artificial Intelligence (AI) Implementation in Healthcare 2025-Mar, Cureus DOI:10.7759/cureus.80676 PMID:40236368	review	该研究分析了人工智能在医疗系统中实施的可行性，并探讨了相关的数字健康政策和网络安全法规	强调了AI算法训练的透明度和数据多样性在提升AI解决方案普适性中的重要性，并提出了加强网络安全措施的必要性	仅包括2000年至2024年间的英文出版物，可能忽略了其他语言或更早时期的重要研究	分析人工智能在医疗系统中实施的可行性及其相关政策和法规	医疗系统中的人工智能实施及其对医疗服务和患者数据安全的影响	数字病理学	NA	机器学习和深度学习	NA	医疗数据	NA
806	2025-04-17	Deep Learning: A Heuristic Three-Stage Mechanism for Grid Searches to Optimize the Future Risk Prediction of Breast Cancer Metastasis Using EHR-Based Clinical Data 2025-Mar-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17071092 PMID:40227603	research paper	该研究提出了一种启发式三阶段机制，用于优化基于EHR临床数据的乳腺癌转移未来风险预测的深度学习模型网格搜索	引入了甜点网格搜索（SSGS）和随机网格搜索（RGS）策略，以及三阶段机制来管理低预算网格搜索的运行时间，显著提高了乳腺癌转移风险预测的性能	研究未提及外部验证或模型在其他数据集上的泛化能力	优化深度学习模型在乳腺癌转移风险预测中的性能	乳腺癌患者的EHR临床数据	machine learning	breast cancer	grid search, SHAP analysis	DFNN (deep feedforward neural network)	EHR-based clinical data	NA
807	2025-04-17	Role of Artificial Intelligence in Congenital Heart Disease and Interventions 2025-Mar, Journal of the Society for Cardiovascular Angiography & Interventions DOI:10.1016/j.jscai.2025.102567 PMID:40230672	review	本文探讨了人工智能在先天性心脏病及其干预措施中的作用，特别是在心脏成像、电生理学、介入手术和重症监护监测方面的应用	人工智能算法通过提高成像分割和处理能力以及诊断准确性，显著改善了复杂先天性心脏病的解剖诊断、心脏功能评估和长期预后预测	人工智能算法仍面临数据标准化、算法验证、漂移和可解释性等障碍	研究人工智能在先天性心脏病诊断、治疗和监护中的应用及其潜在影响	儿童和成人先天性心脏病患者	digital pathology	cardiovascular disease	machine learning, deep learning	deep learning models	image, electrocardiogram signals, intensive care data	NA
808	2025-04-16	Development of a YOLOv3-Based Model for Automated Detection of Thoracic Ossification of the Posterior Longitudinal Ligament and the Ligamentum Flavum on Plain Radiographs 2025-Mar-31, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072389 PMID:40217839	研究论文	本研究开发并验证了一种基于YOLOv3的深度学习模型，用于在胸部侧位X光片上自动检测后纵韧带骨化(OPLL)和黄韧带骨化(OLF)，以提高早期诊断和筛查的可及性	首次应用YOLOv3模型在胸部X光片上自动检测OPLL和OLF，其准确率和召回率超过了脊柱外科医生，尤其是在复合病例的检测上表现更优	OLF单独检测的准确率相对较低(53.3%)，可能由于样本量不足或特征不明显	开发一种自动检测胸部后纵韧带和黄韧带骨化的高效筛查工具	胸部侧位X光片中的后纵韧带骨化(OPLL)和黄韧带骨化(OLF)	计算机视觉	脊柱疾病	深度学习	YOLOv3	图像	356张胸部侧位X光片(176例病例和180例对照)
809	2025-04-16	Explainable and Robust Deep Learning for Liver Segmentation Through U-Net Network 2025-Mar-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070878 PMID:40218228	research paper	本文提出了一种基于深度学习的U-Net网络方法，用于医学图像中肝脏的精确分割，以支持肝癌等恶性疾病的诊断和治疗规划	采用带有残差连接的U-Net架构捕捉精细解剖细节，并考虑了预测的可解释性，以突出显示图像中与特定分割相关的症状区域	实验仅基于两个CT医学图像数据集进行，可能无法涵盖所有患者群体和成像条件	提高肝脏分割的准确性和效率，以优化肝癌等恶性疾病的诊断和治疗规划	医学图像中的肝脏分割	digital pathology	hepatocellular carcinoma	deep learning	U-Net	image	两个注释的CT医学图像数据集
810	2025-04-16	Diagnostic Accuracy of Deep Learning for Intracranial Hemorrhage Detection in Non-Contrast Brain CT Scans: A Systematic Review and Meta-Analysis 2025-Mar-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072377 PMID:40217828	meta-analysis	本文通过系统综述和荟萃分析评估深度学习在非对比脑CT扫描中检测颅内出血的诊断准确性	更新了关于深度学习模型在非对比CT扫描中检测颅内出血性能的最新知识，并提供了全面的荟萃分析结果	需要更多前瞻性研究来确认深度学习工具的临床益处，并揭示其在自动化颅内出血检测中的局限性及其对临床工作流程和患者结果的影响	评估深度学习模型在非对比脑CT扫描中检测颅内出血的诊断准确性	非对比脑CT扫描中的颅内出血	digital pathology	cardiovascular disease	NCCT	DL	image	73项研究纳入定性综合，58项研究纳入荟萃分析
811	2025-04-16	A New Pes Planus Automatic Diagnosis Method: ViT-OELM Hybrid Modeling 2025-Mar-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070867 PMID:40218217	研究论文	提出了一种基于Vision Transformer (ViT)和Optimum Extreme Learning Machine (OELM)的混合模型，用于扁平足的自动诊断	使用ViT-OELM混合模型结合注意力机制进行特征提取，相比传统CNN模型能更好地捕捉长期依赖和全局状况	研究仅使用了公开数据集，未涉及临床实际应用验证	开发一种自动诊断扁平足的新方法	扁平足患者和正常足弓者的足部图像	计算机视觉	足部疾病	深度学习	ViT-OELM混合模型	图像	Kaggle数据库中的公开扁平足数据集（具体数量未明确说明）
812	2025-04-16	Capturing Dynamic Finger Gesturing with High-resolution Surface Electromyography and Computer Vision 2025-Mar-28, Journal of visualized experiments : JoVE DOI:10.3791/67766 PMID:40227996	研究论文	本文提出了一种结合可穿戴表面肌电和手指跟踪系统的高级方法，用于捕捉动态手部运动期间的全面数据	结合可穿戴表面肌电和手指跟踪系统，捕捉动态手部运动的全面数据，克服了现有方法依赖笨重记录设备和静态手势识别的局限性	未提及具体样本量或实验参与者的详细信息，可能影响结果的普遍性	开发直观且响应迅速的手势识别系统，应用于假肢、康复和交互技术	动态手指手势	计算机视觉	NA	表面肌电图（sEMG）	深度学习方法	肌电信号和手指位置数据	未明确说明
813	2025-04-16	The Application of Deep Learning Tools on Medical Reports to Optimize the Input of an Atrial-Fibrillation-Recurrence Predictive Model 2025-Mar-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14072297 PMID:40217746	研究论文	本研究利用深度学习和自然语言处理技术优化心房颤动复发预测模型的输入数据	提出了一种自动化系统，通过深度学习和自然语言处理技术处理医疗报告，提取关键预测变量并识别新的心房颤动病例，显著降低了识别错误率	NA	提高数据集可靠性，使未来预测模型能更准确地响应	电子健康记录和非结构化医疗报告	自然语言处理	心血管疾病	DL和NLP	前馈神经网络	文本	超过一百万份出院报告
814	2025-04-16	Lung Segmentation with Lightweight Convolutional Attention Residual U-Net 2025-Mar-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070854 PMID:40218203	research paper	提出了一种基于深度学习的轻量级卷积注意力残差U-Net模型，用于精确识别胸部X光图像中的肺部区域，以辅助放射科医生识别高风险肺部疾病的早期迹象	结合了卷积块注意力模块（CBAM）、空洞空间金字塔池化（ASPP）块和注意力模块的优势，仅包含324万个可训练参数，同时使用LeakyReLU激活函数和Dice损失函数提升了性能	未提及模型在临床环境中的实际应用效果或对不同类型肺部疾病的泛化能力	提升肺部图像分割的准确性和效率，以辅助早期肺部疾病识别	胸部X光图像（CXR）中的肺部区域	digital pathology	lung cancer	deep learning	Lightweight Residual U-Net with CBAM and ASPP	image	三个基准数据集：JSRT、SZ和MC
815	2025-04-16	Transformer and Attention-Based Architectures for Segmentation of Coronary Arterial Walls in Intravascular Ultrasound: A Narrative Review 2025-Mar-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070848 PMID:40218198	综述	本文探讨了基于Transformer和注意力机制的模型在冠状动脉壁分割中的应用，以提高IVUS扫描的诊断准确性	首次研究了与IVUS扫描壁分割相关的深度学习系统偏见，并将可解释AI（XAI）概念融入深度学习结构中	缺乏对采用XAI和剪枝AI（PAI）模型的激励，且没有UNet系统达到无偏见配置	探索Transformer模型在IVUS扫描壁分割中的应用，以评估其在人工智能系统中的固有偏见，从而提高诊断准确性	冠状动脉壁的分割和斑块量化	数字病理学	心血管疾病	IVUS扫描	Transformer, UNet	图像	NA
816	2025-04-16	Artificial Intelligence Applications in Pediatric Craniofacial Surgery 2025-Mar-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070829 PMID:40218180	综述	本文探讨了人工智能在儿科颅面外科中的应用，包括提高诊断准确性、手术精度和术后护理优化	利用机器学习和深度学习模型分析复杂的颅面影像，实现先天性异常的早期检测，并辅助术前规划和个性化治疗策略	未提及具体的技术实施细节或临床验证结果	探索人工智能在儿科颅面外科中的潜在应用及其对临床决策的影响	儿科颅面外科中的先天性异常，如颅缝早闭、唇腭裂等	数字病理	儿科颅面疾病	机器学习和深度学习	NA	影像数据	NA
817	2025-04-16	Multiphase Computed Tomography Scan Findings for Artificial Intelligence Training in the Differentiation of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma Based on Interobserver Agreement of Expert Abdominal Radiologists 2025-Mar-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070821 PMID:40218171	研究论文	本研究通过多期计算机断层扫描（CT）图像分析，探讨了区分肝细胞癌（HCC）和肝内胆管癌（ICC）的潜在CT特征，并评估了放射科专家间的一致性	利用AI、ML和DL技术在放射学领域的应用，探索HCC和ICC的CT特征差异，并计算专家间的一致性，为未来AI训练算法提供辅助特征	研究样本量较小（74例患者），且为回顾性研究，可能存在选择偏差	确定用于区分肝细胞癌和肝内胆管癌的潜在CT特征	经放射学和病理学确诊的HCC和ICC患者	数字病理学	肝癌	多期CT扫描	NA	图像	74例患者（48例HCC，26例ICC）
818	2025-04-16	Deep Learning-Based Glaucoma Detection Using Clinical Notes: A Comparative Study of Long Short-Term Memory and Convolutional Neural Network Models 2025-Mar-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070807 PMID:40218157	研究论文	本研究探讨了深度学习模型利用临床笔记检测青光眼的能力，并比较了LSTM、CNN及基于transformer的模型的表现	首次利用临床笔记而非视网膜图像进行青光眼检测，并比较了不同深度学习模型的表现及在不同种族群体中的公平性	研究仅基于单一数据集，且模型在不同种族群体中仍存在性能差异	探索深度学习模型在利用临床笔记检测青光眼方面的能力及公平性	青光眼患者	自然语言处理	青光眼	深度学习	LSTM, CNN, BERT, BioBERT	文本	10,000名患者
819	2025-04-16	Harnessing Artificial Intelligence, Machine Learning and Deep Learning for Sustainable Forestry Management and Conservation: Transformative Potential and Future Perspectives 2025-Mar-22, Plants (Basel, Switzerland) DOI:10.3390/plants14070998 PMID:40219066	综述	本文探讨了人工智能、机器学习和深度学习在可持续森林管理和保护中的变革潜力及未来前景	总结了AI、ML和DL在可持续森林管理中的当前研究和应用，包括预测分析和建模技术	讨论了AI、ML和DL在可持续森林管理中面临的挑战及可能的解决方案	探讨AI、ML和DL技术在可持续森林管理中的应用和潜力	森林植物和森林系统	机器学习	NA	预测分析、建模技术	深度学习(DL)	图像、视频	NA
820	2025-04-16	Diagnostic Accuracy of Deep Learning Models in Predicting Glioma Molecular Markers: A Systematic Review and Meta-Analysis 2025-Mar-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15070797 PMID:40218147	meta-analysis	该研究通过系统回顾和荟萃分析评估了深度学习模型在预测胶质瘤分子标志物方面的诊断准确性	首次通过系统回顾和荟萃分析评估深度学习模型在预测多种胶质瘤分子标志物方面的综合表现	研究设置存在较大异质性，临床转化存在困难	评估深度学习模型基于MRI预测胶质瘤分子标志物的诊断准确性	胶质瘤分子标志物（MGMT甲基化、ATRX和TERT突变等）	digital pathology	glioma	MRI	DL	image	43项研究进行定性分析，30项纳入荟萃分析