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	2025-05-29	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	research paper	本研究提出了一种高分辨率多延迟动脉自旋标记（MD-ASL）协议，结合基于Transformer的自监督深度学习去噪模型，用于儿童脉络丛（CP）灌注MRI成像	首次在儿科人群中应用高分辨率MD-ASL技术，并开发了基于Transformer的深度学习去噪模型，使用k空间加权图像平均（KWIA）去噪图像作为训练参考	研究样本量较小（21名儿童），且仅包括8至17岁的典型发育儿童	开发一种适用于儿童脉络丛灌注成像的高分辨率MD-ASL协议和去噪方法	儿童脉络丛（CP）和灰质的灌注参数	医学影像处理	NA	多延迟动脉自旋标记（MD-ASL），k空间加权图像平均（KWIA）	Transformer	MRI图像	21名8至17岁的典型发育儿童
142	2025-05-29	Prognostic models for unplanned intensive care unit readmission risk prediction: A systematic review and meta-analysis based on HSROC model 2025-Mar, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.13306 PMID:39995380	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了重症监护病房（ICU）非计划再入院风险预测模型的性能	比较了机器学习模型与评分系统的性能，并指出深度学习模型具有更高的敏感性	所有研究存在高偏倚风险，且机器学习模型忽略了临床记录	识别ICU非计划再入院的预后模型并比较不同模型的性能	ICU再入院预测模型	机器学习	重症监护	HSROC模型	机器学习模型、深度学习模型、评分系统	结构化临床数据	67项研究，包含335个模型和67个评分系统
143	2025-05-29	Skin cancer detection using dermoscopic images with convolutional neural network 2025-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91446-6 PMID:40021731	research paper	该研究提出了一种基于深度学习的FCDS-CNN架构，用于皮肤病变检测，旨在提高黑色素瘤数据集的分类准确性和数据质量	引入了FCDS-CNN架构，结合数据增强和类别加权技术，解决了医学图像数据集中的类别不平衡问题	虽然FCDS-CNN在皮肤病变分类上表现出色，但其在更广泛的医学图像分析中的通用性尚未验证	提高皮肤恶性黑色素瘤的早期检测准确率，支持皮肤科医生的早期筛查过程	皮肤恶性黑色素瘤的皮肤镜图像	digital pathology	skin cancer	data augmentation, class weighting	FCDS-CNN	image	10015张皮肤病变图像，涵盖七个类别
144	2025-05-29	DER-GCN: Dialog and Event Relation-Aware Graph Convolutional Neural Network for Multimodal Dialog Emotion Recognition 2025-03, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367940 PMID:38437139	研究论文	提出了一种新型的对话和事件关系感知图卷积神经网络（DER-GCN），用于多模态对话情感识别	首次同时建模说话者间的对话关系和潜在事件关系信息，并引入自监督掩码图自编码器（SMGAE）和多信息Transformer（MIT）来提升特征融合能力	未明确说明模型在跨语言或跨文化场景下的适用性	提升多模态对话情感识别的准确性	多模态对话数据（文本、视频、音频）	自然语言处理	NA	图卷积神经网络（GCN）、自监督学习、对比学习	DER-GCN（基于GCN的混合模型）	多模态数据（文本、视频、音频）	两个基准数据集（IEMOCAP和MELD）
145	2025-05-29	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	研究论文	本研究比较了商业深度学习算法（DLA）和放射科医生的临床报告在前列腺癌检测中的诊断性能	前瞻性验证了深度学习算法在前列腺MRI中的临床应用，并探讨了其与放射科医生诊断结果的结合效果	研究仅在两所医院进行，样本量相对有限（205名男性患者）	评估深度学习算法在临床显著前列腺癌（csPCa）检测中的诊断性能	疑似前列腺癌并计划进行活检的患者	数字病理	前列腺癌	双参数MRI	深度学习算法（DLA）	MRI图像	205名男性患者（中位年龄68岁），共评估259个病灶
146	2025-05-29	Applying Artificial Intelligence to Quantify Body Composition on Abdominal CTs and Better Predict Kidney Transplantation Wait-List Mortality 2025-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.01.004 PMID:40044312	研究论文	该研究应用人工智能技术从腹部CT中量化身体组成数据，以更好地预测肾移植等待名单患者的死亡率	利用深度学习模型自动提取腹部CT中的身体组成数据，结合EPTS评分提高了5年等待名单死亡率的预测准确性	单中心回顾性研究，样本量有限（899例），且主要针对白人非西班牙裔人群	探索人工智能辅助的腹部CT身体组成分析在肾移植等待名单患者预后预测中的应用价值	2007-2017年间列入肾移植等待名单并具有可用CT数据的患者	数字病理	肾脏疾病	深度学习	深度学习模型（具体类型未说明）	CT影像	899例肾移植等待患者（男性65.5%，白人非西班牙裔75.6%）
147	2025-05-28	Enhancing convolutional neural networks in electroencephalogram driver drowsiness detection using human inspired optimizers 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93765-0 PMID:40155444	research paper	该研究探讨了使用人类启发式优化算法（TLBO和SPBO）优化卷积神经网络（CNN）在基于脑电图（EEG）的驾驶员 drowsiness 检测中的应用	引入了两种人类启发式优化算法（TLBO和SPBO）来优化CNN架构，提高了EEG信号中 drowsiness 检测的性能	存在轻微的过拟合问题	提高基于EEG的驾驶员 drowsiness 检测系统的性能	驾驶员 drowsiness 检测	machine learning	NA	EEG	CNN	EEG信号	NA
148	2025-05-28	Multimodal medical image fusion combining saliency perception and generative adversarial network 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95147-y PMID:40148552	研究论文	本文提出了一种结合显著性感知和生成对抗网络的多模态医学图像融合方法，以提高诊断准确性	提出了一种新颖的深度学习架构Temporal Decomposition Network (TDN)，通过特征级时间分析和对抗学习机制优化多模态医学图像融合	NA	优化多模态医学图像融合，提高诊断准确性	多模态医学图像	数字病理	NA	生成对抗网络(GAN)	TDN (Temporal Decomposition Network)	图像	多样化的医学图像数据集，包含多种模态和图像维度
149	2025-05-28	Deep learning-based evaluation of panoramic radiographs for osteoporosis screening: a systematic review and meta-analysis 2025-Mar-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01626-z PMID:40075328	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在利用全景X光片预测骨质疏松症方面的准确性	首次对深度学习模型在全景X光片骨质疏松筛查中的准确性进行系统评价和荟萃分析	需要更多多中心研究来验证模型在高风险群体中的有效性	评估深度学习模型在全景X光片骨质疏松筛查中的诊断准确性	骨质疏松症患者	digital pathology	geriatric disease	deep learning	AlexNet, ResNet	image	7项研究（具体样本量未明确说明）
150	2025-05-28	Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051576 PMID:40096448	研究论文	本文探讨了基于大脑网格细胞的生物启发式导航在机器人中的应用，特别是利用深度学习模型处理不确定性和动态环境	展示了网格细胞网络能够从机器人轨迹中有效学习空间表示，为开发先进的移动机器人导航算法奠定了基础	讨论了当前面临的挑战和未来研究方向，暗示存在未解决的问题和限制	研究目的是探索基于网格细胞的导航系统在机器人中的应用，特别是在不确定和动态环境中的表现	研究对象是移动无人地面车辆（UGV）机器人的轨迹数据	机器人学	NA	深度学习	网格细胞网络	轨迹数据	NA
151	2025-05-28	Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review 2025-Mar, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70138 PMID:40103563	系统性综述	本文系统性综述了机器学习算法在预测卵巢癌患者生存结果中的应用	比较了多种AI模型在预测卵巢癌生存结果中的有效性，并识别了影响预测准确性的重要特征	模型准确性和可解释性仍存在挑战	评估机器学习算法在预测卵巢癌患者生存结果中的有效性	卵巢癌患者	机器学习	卵巢癌	机器学习算法	随机森林、支持向量机、逻辑回归、XGBoost及多种深度学习模型	临床数据、影像数据和分子数据	32项符合纳入标准的研究
152	2025-05-28	Using pretrained models in ensemble learning for date fruits multiclass classification 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70136 PMID:40135491	研究论文	该研究使用预训练模型和集成学习方法对九种不同椰枣进行多类分类	提出了Dirichlet Ensemble方法，结合多个CNN模型的预测结果，显著提高了分类准确率	VGG16模型表现不佳，仅获得73.24%的准确率，表明其难以处理复杂分类任务	提高椰枣分类的准确性和鲁棒性，用于质量控制、自动分拣和商业应用	九种不同椰枣	计算机视觉	NA	集成学习	CNN（DenseNet121, MobileNetV2, ResNet18, VGG16）	图像	NA
153	2025-05-27	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-Mar-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统性综述	本文系统性综述了利用深度学习模型整合序列诊断数据以预测患者结局的研究现状	首次系统评估了序列诊断数据在深度学习模型中的应用及其对预测性能的影响	研究方法和结局指标存在异质性，且多数研究存在高偏倚风险	评估序列诊断数据在深度学习模型中的整合方式及其对预测性能的影响	基于电子健康记录中序列诊断代码的深度学习预测模型	医疗人工智能	多种疾病（重点关注心力衰竭）	深度学习	RNN及其衍生模型（56%）、Transformer（26%）	序列诊断代码、用药记录等结构化电子健康记录数据	84项符合条件的研究（共740篇初筛文献）
154	2025-05-27	Oculomics approaches using retinal imaging to predict mental health disorders: a systematic review and meta-analysis 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03500-x PMID:40100514	meta-analysis	该研究通过系统综述和荟萃分析评估了眼组学方法（包括深度学习、机器学习和逻辑回归模型）在利用视网膜成像检测主要精神障碍中的诊断性能	首次通过荟萃分析方法综合评估了眼组学技术在精神障碍诊断中的应用效果，并揭示了其高诊断准确性	所有研究存在高偏倚风险，主要源于病例对照研究设计、缺乏外部验证和选择偏倚，部分模型出现过拟合现象，且未发现精神障碍特异性视网膜生物标志物	评估眼组学方法在精神障碍诊断中的性能并探讨其临床应用潜力	主要精神障碍（包括重度抑郁症、双相情感障碍、精神分裂症、强迫症和自闭症谱系障碍）患者	数字病理学	精神障碍	深度学习，机器学习，逻辑回归模型	NA	视网膜图像（包括彩色眼底照相、光学相干断层扫描和光学相干断层扫描血管成像）	11项研究中的13个诊断模型
155	2025-05-25	Intelligent detection and grading diagnosis of fresh rib fractures based on deep learning 2025-Mar-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01641-0 PMID:40128676	研究论文	本文提出了一种基于深度学习的智能检测和分级诊断方法，用于新鲜肋骨骨折的准确识别和分类	开发了一种改进的基于YOLO的深度学习模型，用于肋骨骨折的自动检测和分级，其性能优于不同经验水平的胸外科医生	研究仅回顾性分析了383名患者的CT图像，外部测试集仅包含50名患者，样本量相对有限	提高新鲜肋骨骨折的检测和分级诊断准确性，减轻医生工作负担，节省医疗资源	新鲜肋骨骨折患者	数字病理学	肋骨骨折	CT成像	改进的YOLO模型	CT图像	433名患者（383名内部数据集，50名外部数据集）
156	2025-05-25	FlyVISTA, an integrated machine learning platform for deep phenotyping of sleep in Drosophila 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adq8131 PMID:40073129	研究论文	介绍了一个名为FlyVISTA的机器学习平台，用于果蝇睡眠的深度表型分析	开发了一个集成了高分辨率视频成像系统和深度学习网络的平台，能够注释35个身体部位并从高维数据中提取行为，发现了睡眠和清醒相关的微行为的独特时空动态	研究仅限于果蝇，未涉及其他生物体的睡眠表型分析	深入了解果蝇睡眠的调控和功能	果蝇	机器学习	NA	深度学习	深度学习网络	视频	NA
157	2025-05-25	Learning soft tissue deformation from incremental simulations 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17554 PMID:39642013	research paper	本研究探讨了使用时空增量建模进行面部软组织生物力学模拟的方法	提出了结合时空特征的增量学习方法，显著减少了模拟时间并提高了准确性	样本量较小，仅包含17名接受正颌手术的受试者	加速面部软组织生物力学模拟，以优化正颌手术规划	面部软组织变形模拟	生物力学模拟	正颌手术相关疾病	有限元方法(FEM)与深度学习结合	图神经网络(GNN)	生物力学模拟数据	17名接受正颌手术的受试者
158	2025-05-24	Reasoning-Driven Food Energy Estimation via Multimodal Large Language Models 2025-Mar-24, Nutrients IF:4.8Q1 DOI:10.3390/nu17071128 PMID:40218886	research paper	该研究探讨了利用多模态大语言模型（MLLMs）进行基于图像的食物能量估计的方法	提出了两种方法：微调和体积感知推理结合细粒度估计提示，以提高食物能量估计的准确性	MLLMs在识别食物大小方面存在局限性，这是能量含量评估的关键因素	改进基于图像的食物能量估计方法，以支持用户友好的食物跟踪应用	食物图像及其能量估计	computer vision	NA	多模态大语言模型（MLLMs）	MLLMs	image	Nutrition5k数据集
159	2025-05-24	Deep learning-based normative database of anterior chamber dimensions for angle closure assessment: the Singapore Chinese Eye Study 2025-Mar-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-325602 PMID:39486884	研究论文	本研究通过深度学习算法建立了新加坡华人眼研究中的前房尺寸标准数据库，用于评估闭角型青光眼	首次使用深度学习算法建立前房尺寸的标准分布，并应用百分位数截断值检测原发性闭角型青光眼	研究仅基于新加坡华人群体，可能不适用于其他种族或地区的人群	建立前房尺寸的标准数据库并评估其在闭角型青光眼检测中的应用	新加坡华人眼研究中的2157只眼睛（1853只开角眼，304只闭角眼）	数字病理学	青光眼	前段光学相干断层扫描（ASOCT）	深度学习算法	图像	2157只眼睛
160	2025-05-24	Leveraging large language models for knowledge-free weak supervision in clinical natural language processing 2025-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68168-2 PMID:40064991	研究论文	本文提出了一种利用大型语言模型（LLMs）进行知识无关的弱监督方法，用于临床自然语言处理任务	提出了一种结合微调LLMs和弱监督的方法，无需领域知识即可生成弱标记数据，并在少量黄金标准数据上进一步微调，显著提升了性能	LLMs的推理计算量较大	解决临床自然语言处理任务中标记数据不足的问题	临床命名实体识别	自然语言处理	NA	弱监督学习、上下文学习	LLM（Llama2-13B）、BERT	文本	不超过10份黄金标准笔记（少量数据）