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
921	2025-04-23	Artificial intelligence-driven cybersecurity system for internet of things using self-attention deep learning and metaheuristic algorithms 2025-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98056-2 PMID:40240545	研究论文	提出了一种基于自注意力深度学习和元启发式算法的人工智能驱动的物联网网络安全系统	结合了改进的金枪鱼群优化算法(ITSO)和带有自注意力的双向长短期记忆网络(BiLSTM-SA)，并利用饥饿游戏搜索(HGS)技术进行参数选择	未提及系统在实时性和计算资源消耗方面的表现	增强物联网网络中的网络安全防护能力	物联网网络中的网络安全威胁	机器学习	NA	深度学习, 元启发式算法	BiLSTM-SA, ITSO, HGS	网络安全数据	ToN-IoT和Edge-IIoT数据集
922	2025-04-23	Examining the development, effectiveness, and limitations of computer-aided diagnosis systems for retained surgical items detection: a systematic review 2025-Apr-10, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2487558 PMID:40208001	系统综述	本文系统综述了计算机辅助诊断系统在检测手术遗留物品中的发展、有效性和局限性	总结了计算机辅助检测系统的特性，评估了其发展、有效性和局限性，并提出了改进机会	大多数研究使用合成的RSI放射照片开发CAD系统，这引发了普遍性问题，且深度学习为基础的CAD系统未纳入可解释的人工智能技术以确保决策透明度	评估计算机辅助诊断系统在检测手术遗留物品中的发展、有效性和局限性	计算机辅助诊断系统	数字病理	NA	计算机辅助检测(CAD)	深度学习	放射照片	11项研究
923	2025-04-23	Automated segmentation of dental restorations using deep learning: exploring data augmentation techniques 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00794-y PMID:39652261	research paper	该研究利用深度学习模型自动分割全景牙科X光片中的种植体、假体和填充物，并探索数据增强技术对模型性能的影响	研究了9种不同的深度学习分割模型和8种数据增强技术对牙科修复体分割性能的影响	未提及模型在临床环境中的实际应用效果	提高牙科X光片中修复体的自动分割精度	牙科全景X光片中的种植体、假体和填充物	digital pathology	NA	深度学习	9种不同的深度学习分割模型	image	未明确说明样本数量
924	2025-04-23	Evaluation of the mandibular canal and the third mandibular molar relationship by CBCT with a deep learning approach 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00793-z PMID:39658743	研究论文	本研究利用CBCT和深度学习技术评估下颌管与第三磨牙的关系，并自动分割下颌阻生第三磨牙、下颌管、颏孔和下颌孔	采用nnU-NetV2架构开发深度学习模型，自动分割和评估下颌管与第三磨牙的关系，为诊断和手术规划提供支持	样本量较小（300例），且为回顾性研究，可能存在选择偏倚	评估下颌管与第三磨牙的关系，提高手术规划和并发症预测的准确性	下颌管（MC）和下颌第三磨牙（MM3）	数字病理	牙科疾病	CBCT	nnU-NetV2	图像	300例患者的CBCT数据
925	2025-04-23	Evaluation of the effectiveness of panoramic radiography in impacted mandibular third molars on deep learning models developed with findings obtained with cone beam computed tomography 2025-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00799-7 PMID:39729224	研究论文	本研究评估了基于CBCT训练的深度学习模型在PR图像中识别下颌第三磨牙与下颌管接触关系和位置的有效性	首次比较了不同深度学习架构在两种感兴趣区域上解决四个问题的性能	样本量相对有限（546颗牙齿），且仅评估了三种深度学习架构	评估深度学习模型在口腔影像学中识别牙齿与神经管关系的准确性	290名患者的546颗阻生下颌第三磨牙	数字病理	口腔疾病	深度学习，锥形束计算机断层扫描（CBCT），全景放射摄影（PR）	SqueezeNet, GoogLeNet, Inception-v3	医学影像	290名患者的546颗牙齿
926	2025-04-23	Deep learning-based MVIT-MLKA model for accurate classification of pancreatic lesions: a multicenter retrospective cohort study 2025-Apr, La Radiologia medica DOI:10.1007/s11547-025-01949-5 PMID:39832039	研究论文	开发并验证了一种基于深度学习的MVIT-MLKA模型，用于准确分类胰腺病变	提出了一种新型混合模型MVIT-MLKA，结合了CNN和Transformer架构，用于胰腺病变分类，并在多中心数据上验证了其性能	研究为回顾性设计，可能存在选择偏差	开发并验证一种深度学习模型，用于准确区分良性和恶性胰腺病变	胰腺病变患者	数字病理	胰腺癌	CT成像	MVIT-MLKA（结合CNN和Transformer的混合模型）	图像	864名患者（来自三个医疗中心）
927	2025-04-23	Physical Considerations in Memory and Information Storage 2025-Apr, Annual review of physical chemistry IF:11.7Q1 DOI:10.1146/annurev-physchem-083122-010308 PMID:39952633	review	本文从能量学、动力学和统计力学的角度回顾了信息存储和检索的原理	探讨了Hopfield联想记忆模型的物理实现及其与深度学习中的能量基神经网络的联系	未提及具体实验验证或实际应用案例	理解稳健信息处理的物理原理	信息存储和检索的物理系统	machine learning	NA	NA	Hopfield model, energy-based neural networks	NA	NA
928	2025-04-23	Deep learning-based design and screening of benzimidazole-pyrazine derivatives as adenosine A2B receptor antagonists 2025-Apr, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2295974 PMID:38133953	research paper	本研究利用深度学习生成模型和多层虚拟筛选技术，设计并筛选苯并咪唑-吡嗪衍生物作为潜在的腺苷A2B受体选择性拮抗剂	开发了一种基于支架的协议，结合深度生成模型和多层虚拟筛选技术，用于设计具有选择性的A2B受体拮抗剂	未提及实验验证结果，仅基于计算分析	设计并筛选具有选择性的腺苷A2B受体拮抗剂，用于癌症免疫治疗	苯并咪唑-吡嗪衍生物	machine learning	cancer	deep generative model, multilayer virtual screening	generative model	chemical compounds	NA
929	2025-04-23	An energy-aware heart disease prediction system using ESMO and optimal deep learning model for healthcare monitoring in IoT 2025-Apr, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2298736 PMID:38165748	研究论文	提出了一种基于增强蜘蛛猴优化（ESMO）和权重优化神经网络的能量感知心脏病预测系统，用于物联网（IoT）医疗环境	结合ESMO和EAWO-DNN模型，优化能量消耗并提高心脏病预测准确率	未提及具体样本量或数据集来源，可能影响模型泛化能力	开发高效的心脏病预测系统以改善物联网医疗监控	心脏病患者数据	机器学习	心血管疾病	ESMO优化算法、EAWO-DNN模型	DNN	医疗数据	NA
930	2025-04-23	Revolutionizing Breast Cancer Care: AI-Enhanced Diagnosis and Patient History 2025-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2300681 PMID:38178694	研究论文	本研究提出了一种结合人工智能和机器学习的方法，用于提高乳腺癌诊断的准确性和简化医疗历史记录	整合了SVM、KNN和模糊逻辑三种算法，并利用深度学习模型提高预测准确性，同时采用AI驱动的动态问诊系统	未提及具体样本量或临床验证结果	提升乳腺癌诊断准确性和医疗历史记录效率	乳腺癌患者	数字病理学	乳腺癌	机器学习、深度学习	SVM、KNN、Fuzzy Logic、GPT-3.5	医疗历史数据	NA
931	2025-04-23	A pooling convolution model for multi-classification of ECG and PCG signals 2025-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2299697 PMID:38193152	research paper	提出了一种用于ECG和PCG信号多分类的池化卷积模型	设计了一系列简单有效的池化卷积模型，包括堆叠块(MCM)及其变体，以及残差块(REC)，能够处理不同采样率的ECG和PCG数据	未明确提及模型的局限性	提高心血管疾病检测的效率	ECG和PCG信号	machine learning	cardiovascular disease	deep learning	CNN	signal	多个ECG和PCG数据集，包括一个同步的ECG-PCG数据集，分为七个不同疲劳等级
932	2025-04-22	Role of artificial intelligence in predicting disease-related malnutrition - A narrative review 2025-Apr-21, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05672 PMID:39873467	综述	本文探讨了人工智能（AI）在预测和管理疾病相关营养不良（DRM）中的潜在作用	利用机器学习和深度学习模型改进传统DRM检测方法，提高准确性和效率	需要大量标准化数据以及与现有系统的集成	探索AI在临床环境中预测和管理DRM的潜力	疾病相关营养不良（DRM）患者	机器学习	营养不良	机器学习和深度学习	ML和DL	电子健康记录	NA
933	2025-04-22	Epileptic seizure detection in EEG signals using deep learning: LSTM and bidirectional LSTM 2025-Apr-21, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2490136 PMID:40255197	研究论文	提出了一种基于离散小波变换和深度学习的自动检测癫痫发作的新方法	结合了LSTM和双向LSTM网络，形成新的混合LSTM-BiLSTM网络，提高了分类准确率	未提及样本的多样性和模型的泛化能力	开发自动检测癫痫发作的方法	脑电图(EEG)信号	机器学习	癫痫	离散小波变换(DWT)	LSTM, 双向LSTM(BiLSTM)	EEG信号	NA
934	2025-04-22	Ultrasound detection of nonalcoholic steatohepatitis using convolutional neural networks with dual-branch global-local feature fusion architecture 2025-Apr-21, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03361-7 PMID:40257712	研究论文	本研究利用深度学习技术，通过超声B扫描图像检测非酒精性脂肪性肝炎（NASH），并引入超声特异性数据增强技术和双分支全局-局部特征融合架构以提高模型性能	提出了超声特异性数据增强技术（USDA）和双分支全局-局部特征融合架构（DG-LFFA），以增强模型在不同成像条件下的适应性和性能	样本量较小（137名参与者），可能影响模型的泛化能力	提高非酒精性脂肪性肝炎（NASH）的超声检测准确性和适应性	非酒精性脂肪性肝炎（NASH）患者的超声B扫描图像	计算机视觉	肝病	超声B模式成像，深度学习	CNN（AlexNet, Inception V3, VGG16, VGG19, ResNet50, DenseNet201）	图像	137名参与者
935	2025-04-22	A fully automated, expert-perceptive image quality assessment system for whole-body [18F]FDG PET/CT 2025-Apr-18, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01238-2 PMID:40249445	research paper	开发了一种基于深度学习的全自动图像质量评估系统，用于评估[18F]FDG PET/CT全身扫描的图像质量	首次将Vision Transformer、Transposed Attention和Scale Swin Transformer Blocks集成到MANIQA框架中，实现了全自动、可解释的临床全身PET/CT图像质量评估	研究为回顾性多中心研究，可能存在选择偏倚；模型在CT图像质量评估方面的Spearman系数相对较低	开发一个专家感知的深度学习图像质量评估系统，解决临床全身PET/CT图像质量缺乏自动化、可解释评估的问题	718名患者的临床全身[18F]FDG PET/CT扫描图像	digital pathology	NA	PET/CT扫描	Vision Transformer, Transposed Attention, Scale Swin Transformer Blocks	image	718名患者的PET/CT扫描图像
936	2025-04-22	A prediction method for radiation proctitis based on SAM-Med2D model 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87409-6 PMID:40251184	研究论文	提出一种基于SAM-Med2D模型的放射性直肠炎预测方法，结合深度学习和放射组学分析	结合Transformer-based SAM-Med2D模型进行初始分割，随后进行详细的放射组学分析，以提高放射性直肠炎的预测准确性	需要大量手动注释，且放射组学特征可能缺乏普适性	优化宫颈癌放疗中放射性直肠炎的诊断和预测策略	宫颈癌患者的CT图像	数字病理	宫颈癌	CT成像	SAM-Med2D, logistic regression, random forest, naive Gaussian Bayesian	图像	NA
937	2025-04-22	DrugGen enhances drug discovery with large language models and reinforcement learning 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98629-1 PMID:40251288	研究论文	介绍了一种基于大型语言模型和强化学习的增强模型DrugGen，用于改进药物发现过程	DrugGen通过微调已批准的药物-靶点相互作用数据，并利用近端策略优化和预训练变换器的蛋白质-配体结合亲和力预测反馈，显著提高了药物分子的生成质量和效率	虽然DrugGen在生成有效结构和预测结合亲和力方面表现优异，但未提及其在真实临床环境中的验证情况	改进传统药物设计方法，提高药物发现的效率和质量	小分子药物生成	机器学习	NA	大型语言模型、强化学习、近端策略优化(PPO)	Transformer-based model (DrugGen)	蛋白质序列、药物-靶点相互作用数据	多个靶点评估（具体数量未提及）
938	2025-04-22	Exploring a multi-path U-net with probability distribution attention and cascade dilated convolution for precise retinal vessel segmentation in fundus images 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98021-z PMID:40251298	research paper	该论文提出了一种结合注意力机制和级联扩张卷积模块的多路径U-Net架构，用于精确分割眼底图像中的视网膜血管	创新点包括开发了双路径U-Net以分别提取粗糙和精细血管结构，集成了级联扩张卷积模块以捕获多尺度血管特征，并采用了概率分布注意力机制来调整概率分布，增强浅层信息的贡献	未明确提及具体局限性	提高眼底图像中视网膜血管分割的准确性	眼底图像中的视网膜血管	computer vision	NA	深度学习	multi-path U-Net, CNN	image	三个基准数据集（CHASEDB1、DRIVE和STARE）
939	2025-04-22	Automated pain detection using facial expression in adult patients with a customized spatial temporal attention long short-term memory (STA-LSTM) network 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97885-5 PMID:40251301	研究论文	开发了一种基于面部表情的自动疼痛评估系统，用于成年患者	提出了一种定制的时空注意力长短期记忆（STA-LSTM）深度学习网络，用于从面部表情中检测疼痛水平	研究样本仅来自新加坡的两家公共医疗机构，可能不具有广泛代表性	开发自动疼痛评估系统，以替代自我报告和观察者评估	成年手术或介入性疼痛治疗患者	计算机视觉	疼痛管理	STA-LSTM	LSTM	视频	200名患者，共收集2008个视频，进一步剪辑为10,274个1秒片段
940	2025-04-22	AI analysis for ejection fraction estimation from 12-lead ECG 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97113-0 PMID:40251349	research paper	该研究探讨了使用12导联心电图（ECG）信号通过机器学习和深度学习模型估计心脏射血分数（EF）的潜力，特别关注农村阿巴拉契亚地区人群	研究首次在农村阿巴拉契亚地区人群中应用AI模型进行EF估计，并比较了不同ECG导联组合的效果，同时进行了模型可解释性分析	研究数据主要来自西弗吉尼亚州的医院，可能无法完全代表其他农村地区的人群特征	开发基于AI的EF估计方法，以替代昂贵且不易获取的超声心动图检查	55,500名来自西弗吉尼亚州医院的患者	machine learning	cardiovascular disease	12-lead ECG	Random Forest, Transformers	ECG信号数据	55,500名患者