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
1001	2025-03-30	Current Role of Artificial Intelligence in the Management of Esophageal Cancer 2025-Mar-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061845 PMID:40142652	综述	本文综述了人工智能在食管癌管理中的当前应用和未来前景	整合临床因素和多模态影像特征的AI模型显示出更高的预测性能，可能改善患者治疗效果	需要解决现有局限性，进行随机对照试验，并考虑伦理和法律问题	探讨人工智能在食管癌管理中的应用	食管癌患者	数字病理	食管癌	机器学习、深度学习、放射组学	NA	临床数据和影像数据	41项研究
1002	2025-03-30	Deep Learning in Scaphoid Nonunion Treatment 2025-Mar-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061850 PMID:40142658	research paper	本研究利用深度学习算法预测舟骨不愈合手术后愈合的可能性	开发了一个基于术前X光片的深度学习模型，预测手术成功率高达93.6%，显著高于传统逻辑回归的66.3%	研究仅基于346名患者的X光片数据，样本量相对有限	开发一种可靠的工具来预测舟骨不愈合手术的成功率，以指导临床决策	346名被诊断为舟骨不愈合的患者	digital pathology	scaphoid nonunion	X-ray imaging	TensorFlow deep learning algorithm	image	346名患者的术前和术后X光片
1003	2025-03-30	AGASI: A Generative Adversarial Network-Based Approach to Strengthening Adversarial Image Steganography 2025-Mar-09, Entropy (Basel, Switzerland) DOI:10.3390/e27030282 PMID:40149206	研究论文	提出了一种基于GAN的方法AGASI，用于增强对抗性图像隐写术的鲁棒性	使用GAN框架结合编码器和解码器，提升隐写图像对抗隐写分析工具的能力，同时减少原始秘密图像与提取图像之间的差距	未提及具体在哪些类型的图像或场景下效果有限	增强图像隐写术的鲁棒性，以对抗基于深度学习的隐写分析技术	隐写图像和秘密图像	计算机视觉	NA	生成对抗网络(GAN)	GAN	图像	未提及具体样本数量
1004	2025-03-30	A Deep Learning-Based Detection and Segmentation System for Multimodal Ultrasound Images in the Evaluation of Superficial Lymph Node Metastases 2025-Mar-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061828 PMID:40142635	研究论文	开发并验证了一种基于深度学习的自动检测和分割系统，用于评估浅表淋巴结转移的多模态超声图像	首次将Mask R-CNN架构应用于多模态超声图像（B型、多普勒和弹性成像）中的淋巴结检测和分割，结合血管性和硬度参数提高了诊断能力	未提及模型在不同医疗机构或设备上的泛化能力，也未说明样本来源的多样性	开发自动化的淋巴结转移评估系统以提高诊断效率和准确性	浅表淋巴结的多模态超声图像（B型、多普勒和弹性成像）	数字病理	癌症（淋巴结转移）	多模态超声成像（B型、多普勒、弹性成像）	Mask R-CNN	图像	未明确说明数量的标注超声图像数据集
1005	2025-03-30	Novel Preprocessing-Based Sequence for Comparative MR Cervical Lymph Node Segmentation 2025-Mar-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061802 PMID:40142614	研究论文	本研究利用深度学习方法对磁共振图像中的颈部淋巴结进行自动分割，以提高颈部病理性肿块诊断的速度和准确性，并改善患者治疗流程	首次探索使用全面的颈部MRI序列进行颈部淋巴结的自动分割，提出的预处理模型和自动重新裁剪方法提高了分割的准确性	样本量相对较小（64名患者），且仅针对颈部淋巴结，可能限制了模型的泛化能力	提高颈部淋巴结在磁共振图像中的自动分割准确性和速度，优化诊断和治疗流程	颈部淋巴结	数字病理	颈部淋巴结疾病	MRI	DeepLabv3+ with ResNet-50	图像	64名患者的1346张MRI切片
1006	2025-03-30	Applications of AI-based deep learning models for detecting dental caries on intraoral images - a systematic review 2025-Mar, Evidence-based dentistry DOI:10.1038/s41432-024-01089-1 PMID:39609513	系统综述	本文评估了基于AI的深度学习模型在口腔内图像上检测龋齿的有效性	系统综述了AI深度学习模型在龋齿检测中的应用，并评估了其性能和临床研究的质量	研究中仅有3项研究使用了可解释AI技术，且仅有4项研究开发了移动或网络应用	评估AI深度学习模型在龋齿检测中的有效性	口腔内图像	计算机视觉	龋齿	深度学习	DL	图像	23项研究
1007	2025-03-30	Fast Reverse Design of 4D-Printed Voxelized Composite Structures Using Deep Learning and Evolutionary Algorithm 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407825 PMID:39893044	research paper	本研究提出了一种结合深度学习和进化算法的优化方法，用于4D打印的体素化复合结构的快速逆向设计	开发了一种序列增强的并行卷积神经网络和渐进式进化算法（PEA），构建了DL-PEA框架，显著缩短了设计时间至约3.04秒	研究主要针对溶剂响应性水凝胶，可能不适用于其他类型的刺激响应材料	优化4D打印的体素化复合结构的设计过程，以实现特定目标形状的快速逆向设计	溶剂响应性水凝胶的4D打印体素化复合结构	machine learning	NA	深度学习（DL）、进化算法、有限元模拟	序列增强的并行CNN、渐进式进化算法（PEA）	模拟数据	NA
1008	2025-03-30	Evaluation of state-of-the-art deep learning models in the segmentation of the left and right ventricles in parasternal short-axis echocardiograms 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024002 PMID:40151505	research paper	评估深度学习模型在超声心动图短轴视图中左右心室分割的性能	首次在超声心动图短轴视图中评估深度学习模型对左右心室的分割性能，填补了长轴视图研究的空白	研究样本量较小，仅包含33名女性志愿者	评估深度学习模型在超声心动图短轴视图中分割心室的性能，以辅助心肺疾病和心肌病的诊断	超声心动图短轴视图中的左右心室	digital pathology	cardiovascular disease	超声心动图	Unet-Resnet101, Unet-ResNet50, SAM variants, Detectron2	image	33名女性志愿者的387次扫描
1009	2025-03-29	[Application and future of artificial intelligence in oral esthetics] 2025-Mar-28, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250116-00021 PMID:40147889	review	本文探讨了人工智能在口腔美学领域的应用及其未来发展	通过深度学习等技术，AI提升了牙科修复设计、微笑分析和个性化治疗的精确度和效率	应用仍面临技术限制、伦理问题和数据多样性不足等挑战	促进口腔美学领域的智能化和以人为中心的发展	牙科修复设计、微笑分析和个性化治疗	digital pathology	NA	deep learning	NA	NA	NA
1010	2025-03-29	Hybrid fruit bee optimization algorithm-based deep convolution neural network for brain tumour classification using MRI images 2025-Mar-28, Network (Bristol, England) DOI:10.1080/0954898X.2025.2476079 PMID:40151966	research paper	该研究提出了一种基于混合水果蜜蜂优化算法的深度卷积神经网络（HFBO-based DCNN），用于MRI图像的脑肿瘤分类	结合了混合水果蜜蜂优化算法（HFBO）和深度卷积神经网络（DCNN）以提高脑肿瘤分类的准确性	未提及对不同类型脑肿瘤的分类效果是否一致，也未讨论算法在更大规模数据集上的泛化能力	提高脑肿瘤分类的准确性	MRI图像中的脑肿瘤	digital pathology	brain tumor	MRI	DCNN, HFBO	image	NA
1011	2025-03-29	Deep Learning Accelerates the Development of Antimicrobial Peptides Comprising 15 Amino Acids 2025-Mar-27, Assay and drug development technologies IF:1.6Q3 DOI:10.1089/adt.2025.011 PMID:40139786	research paper	该研究利用深度学习加速了由15个氨基酸组成的抗菌肽的开发	使用深度学习技术加速抗菌肽的开发过程	NA	加速抗菌肽的开发	由15个氨基酸组成的抗菌肽	machine learning	NA	深度学习	NA	NA	NA
1012	2025-03-29	Concerns regarding deployment of AI-based applications in dentistry - a review 2025-Mar-25, BDJ open IF:2.5Q2 DOI:10.1038/s41405-025-00319-7 PMID:40133287	review	本文探讨了在牙科领域部署基于AI的应用程序时可能遇到的潜在问题，特别是过分关注技术性能指标而忽视临床适用性的重要性	强调了在牙科AI应用中，除了技术验证外，进行实际部署研究的重要性	研究中仅有一家公司回应并提供试用版本，不足以全面评估应用程序的有效性	评估AI在牙科诊断、治疗规划和预后中的临床应用及其挑战	牙科AI应用程序	digital pathology	NA	Deep Learning, Machine Learning	NA	NA	44项研究（34项来自电子搜索，10项来自手动搜索）
1013	2025-03-29	The invisible architects: microbial communities and their transformative role in soil health and global climate changes 2025-Mar-25, Environmental microbiome IF:6.2Q1 DOI:10.1186/s40793-025-00694-6 PMID:40133952	综述	本文综述了土壤微生物群落对土壤健康和全球气候变化的影响及其机制	提出了基于深度学习的合成微生物群落开发方法，以改善土壤健康和缓解气候变化	NA	探讨微生物如何改变土壤生态系统及其在应对土壤威胁和全球气候变化中的潜力	土壤微生物群落及其对土壤环境的影响	微生物生态学	NA	深度学习	NA	NA	NA
1014	2025-03-29	Protein Biomarkers of DNA Damage in Yeast Cells for Genotoxicity Screening 2025-Mar-21, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.4c00160 PMID:40144325	研究论文	该研究创建了一个包含酵母细胞DNA损伤响应网络的图谱，并鉴定了15个蛋白质生物标志物，用于基因毒性筛选	提出了一个基于GFP融合酵母的蛋白质组学检测方法，具有分钟级通路激活数据分辨率，为快速、高效和机制性的基因毒性筛选提供了简洁替代方案	NA	开发一种无偏且全面的DNA损伤响应检测方法，用于基因毒性物质的筛选	酵母细胞	分子生物学	NA	GFP融合技术、蛋白质组学检测	统计模型、深度学习模型	蛋白质效应水平指数(PELI)	NA
1015	2025-03-29	Mathematical expression exploration with graph representation and generative graph neural network 2025-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107405 PMID:40147161	研究论文	本文提出了一种基于图表示和生成图神经网络的数学表达式探索方法，名为GraphDSR	采用有向无环图（DAG）表示数学表达式，并结合生成图神经网络进行符号回归任务，避免了树表示中的冗余子结构	未明确提及具体局限性	解决符号回归任务，探索数学表达式的更优表示和生成方法	数学表达式	机器学习	NA	生成图神经网络，强化学习	GNN	图数据	110个基准测试
1016	2025-03-29	Prediction of Water Chemical Oxygen Demand with Multi-Scale One-Dimensional Convolutional Neural Network Fusion and Ultraviolet-Visible Spectroscopy 2025-Mar-20, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030191 PMID:40136845	研究论文	提出了一种基于多尺度一维卷积神经网络融合和紫外-可见光谱的水化学需氧量预测方法	设计了一种新颖的多尺度一维卷积神经网络融合模型，用于光谱特征提取和COD预测，显著提高了预测精度	未提及具体的数据集规模或模型在不同水质条件下的泛化能力	提高水化学需氧量(COD)的预测准确性，以实现更可靠和高效的水质监测	水质监测中的化学需氧量(COD)	机器学习	NA	紫外-可见光谱(UV-Vis)	多尺度一维卷积神经网络(MS-1D-CNN)	光谱数据	未提及具体样本数量
1017	2025-03-29	Machine Learning for Human Activity Recognition: State-of-the-Art Techniques and Emerging Trends 2025-Mar-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030091 PMID:40137203	综述	本文全面回顾了人类活动识别（HAR）的技术，重点关注基于传感器、视觉和混合方法的整合	探讨了传统机器学习方法与深度学习的最新进展，如卷积和循环神经网络、注意力机制及强化学习框架	HAR仍面临环境变化处理、模型可解释性及复杂现实场景中高识别准确率的挑战	提升HAR技术的可靠性和适用性，以应对多样化领域的应用需求	人类活动识别技术及其应用	机器学习	NA	传感器技术、深度学习	CNN, LSTM, 注意力机制, 强化学习框架	RGB图像/视频、深度传感器数据、运动捕捉系统数据、可穿戴设备数据、雷达和Wi-Fi信道状态信息	NA
1018	2025-03-29	Comparative Evaluation of Deep Learning Models for Diagnosis of Helminth Infections 2025-Mar-20, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15030121 PMID:40137437	研究论文	本研究评估了深度学习模型在准确分类蛔虫和绦虫卵显微图像中的效果，提出了一种技术增强的临床诊断方法	使用先进的深度学习模型（ConvNeXt Tiny、EfficientNet V2 S和MobileNet V3 S）进行蛔虫卵分类，展示了高准确率	研究未提及模型在真实临床环境中的泛化能力或对不同种类寄生虫卵的适用性	评估深度学习模型在寄生虫感染诊断中的效果，提高诊断准确性和效率	蛔虫（Ascaris）和绦虫（Taenia）的卵以及未感染的卵	计算机视觉	寄生虫感染	深度学习	ConvNeXt Tiny, EfficientNet V2 S, MobileNet V3 S	图像	包含蛔虫、绦虫和未感染卵的多样化数据集
1019	2025-03-29	Recovering Image Quality in Low-Dose Pediatric Renal Scintigraphy Using Deep Learning 2025-Mar-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030088 PMID:40137200	研究论文	本研究提出了一种先进的图像增强策略，旨在解决儿科肾闪烁扫描中减少辐射剂量的挑战	评估了四种去噪神经网络在低剂量儿科肾闪烁扫描中的应用，发现UDnCNN在信噪比和多尺度结构相似性之间取得了最佳平衡	研究仅基于公开数据库的数据，未涉及实际临床环境中的验证	开发一种深度学习方法来提高低剂量儿科肾闪烁扫描的图像质量，以减少患者的辐射暴露	儿科肾闪烁扫描图像	数字病理	儿科肾病	深度学习	DnCNN, UDnCNN, DUDnCNN, AttnGAN	图像	来自公共动态肾闪烁扫描数据库的数据
1020	2025-03-29	Deep Learning-Based Semantic Segmentation for Objective Colonoscopy Quality Assessment 2025-Mar-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030084 PMID:40137196	research paper	本研究旨在通过专门训练的深度学习语义分割神经网络客观评估结肠镜检查的整体质量	提出了一种基于深度学习的语义分割方法，能够识别和量化结肠黏膜、残留物和伪影的百分比，提供比波士顿肠道准备量表更全面和客观的评估	Cohen's Kappa值为0.28，表明与专家评估的一致性仅为一般水平	客观评估结肠镜检查的质量	结肠镜检查视频帧	digital pathology	NA	深度学习语义分割	semantic segmentation network	image	数千个结肠镜检查视频帧