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
101	2025-05-18	Non-Invasive Jaundice Screening Using AI: Machine Learning Analysis of Sclera and Urine Images 2025-Apr-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093125 PMID:40364159	research paper	该研究开发了一种基于AI的非侵入性黄疸筛查方法，通过分析巩膜和尿液图像来预测黄疸，并与标准血液检测的准确性进行比较	利用巩膜和尿液图像结合AI技术进行非侵入性黄疸筛查，避免了传统血液检测的侵入性	样本量较小（57名肝病患者和31名对照），且为回顾性研究	开发一种非侵入性的黄疸筛查方法，提高黄疸诊断的便捷性和准确性	肝病患者和健康对照者的巩膜和尿液图像	digital pathology	liver disease	machine learning and deep learning	Decision Tree, Random Forest, XGBoost, DeepSets, ResNet	image	57名肝病患者和31名对照者
102	2025-05-18	Monitoring Double-Cropped Extent with Remote Sensing in Areas with High Crop Diversity 2025-Apr-30, Plants (Basel, Switzerland) DOI:10.3390/plants14091362 PMID:40364389	研究论文	本文开发并应用了一种低成本、可扩展的方法，利用卫星（Landsat）影像在田间尺度上识别双季种植	结合机器学习方法与专家标注，开发了一种在作物多样性高的地区准确识别双季种植的新方法	方法在作物多样性高的地区表现良好，但在其他地区的适用性未经验证	开发一种可靠的方法来监测高作物多样性地区的双季种植范围	美国华盛顿州太平洋西北部一个干旱地区的双季种植情况	遥感	NA	卫星遥感（Landsat影像）	深度学习模型	卫星影像时间序列数据	包含60多种不同类型作物的灌溉农田区域
103	2025-05-18	Identifying Key Predictors of Sarcopenic Obesity in Italian Severely Obese Older Adults: Deep Learning Approach 2025-Apr-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093069 PMID:40364101	研究论文	本研究旨在利用深度学习神经网络识别意大利严重肥胖老年人中肌肉减少性肥胖（SO）的关键预测因子	首次在严重肥胖老年人群中应用深度学习模型识别SO的关键预测因子，并展示了深度学习在SO早期诊断中的潜力	样本量相对较小（未明确具体数量），且研究设计为横断面研究，无法确定因果关系	识别严重肥胖老年人中肌肉减少性肥胖的关键预测因子	意大利住院的严重肥胖老年人	数字病理学	老年疾病	深度学习神经网络	深度学习	临床参数和身体成分数据	未明确具体数量（意大利住院的严重肥胖老年人）
104	2025-05-18	Construction and Evaluation of an Artificial Intelligence Assistant Decision-Making System Focused on the Treat-to-Target Framework and Full Process Management for Atopic Dermatitis: Study Protocol for a Randomized Controlled Trial 2025-Apr-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093015 PMID:40364047	研究论文	本研究旨在构建和评估一个基于人工智能的辅助决策系统，用于特应性皮炎的全过程管理和达标治疗框架	结合深度学习模型和移动应用形式的人工智能辅助决策系统，实现特应性皮炎的达标治疗和全过程管理	研究样本量有限（232名参与者），且仅针对中重度特应性皮炎患者	通过AI辅助决策系统改善特应性皮炎的治疗效果和长期控制	中重度特应性皮炎患者	数字病理	特应性皮炎	深度学习	深度学习模型（未指定具体类型）	临床数据	232名中重度特应性皮炎患者
105	2025-05-18	NiO/ZnO Nanocomposites for Multimodal Intelligent MEMS Gas Sensors 2025-04-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02789 PMID:40126565	research paper	开发了一种基于NiO/ZnO纳米复合材料的多模态智能MEMS气体传感器，用于提高对多种挥发性有机化合物（VOCs）的检测灵敏度和选择性	通过精确调控NiO和ZnO纳米复合比例，实现了对不同VOCs的材料特异性选择性，并结合多任务深度学习模型进行实时定量检测	NA	提高气体传感器阵列对多种VOCs的检测灵敏度和选择性，特别是在多变环境条件下	挥发性有机化合物（VOCs），特别是乙二醇（EG）和柠檬烯（LM）	传感器技术	NA	多任务深度学习模型	深度学习	传感器数据	NA
106	2025-05-18	From Morphology to Gene Expression Profiling in Mycosis Fungoides: Is It Still a Diagnostic Challenge? 2025-Apr-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091089 PMID:40361907	综述	本文回顾了蕈样肉芽肿（MF）最重要的临床病理特征，并探讨了人工智能在皮肤淋巴瘤诊断中的应用前景	结合深度学习与临床数据探索MF的组织学特征，提出人工智能在寻找疾病进展生物标志物方面的潜力	基因改变主要在疾病晚期被发现，其在疾病起始阶段的重要性尚不明确	提高蕈样肉芽肿的早期诊断准确性并阐明其发病机制	蕈样肉芽肿（MF）患者	数字病理学	皮肤淋巴瘤	全基因组表达分析	深度学习	组织学图像和临床数据	NA
107	2025-05-18	Representation of high-dimensional cell morphology and morphodynamics in 2D latent space 2025-Apr-24, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/adcd37 PMID:40233771	研究论文	开发了一种基于深度学习的算法，将13维细胞形态特征向量投影到2维潜在空间，以减少信息损失并可视化细胞形态和动态变化	提出了一种非线性降维方法，将高维细胞形态特征投影到2维潜在空间，信息损失小于5%，并能区分不同迁移表型的乳腺癌细胞	仅针对13维形态特征进行了验证，未探讨更高维度特征的适用性	解决高维细胞形态数据在交流和可视化方面的障碍	乳腺癌细胞的形态和动态变化	数字病理学	乳腺癌	深度学习	NA	形态特征向量	NA
108	2025-05-18	The Effectiveness of Deep Learning in the Differential Diagnosis of Hemorrhagic Transformation and Contrast Accumulation After Endovascular Thrombectomy in Acute Ischemic Stroke Patients 2025-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091080 PMID:40361898	research paper	该研究利用深度学习技术，在急性缺血性卒中患者血管内血栓切除术后，通过非对比计算机断层扫描图像区分出血性转化和对比剂积聚	首次应用多种CNN架构模型对急性缺血性卒中患者术后NCCT图像中的高密度区域进行自动分类，实现了对HT和CA的高精度区分	样本量相对较小（52名患者），且所有数据来自单中心	开发能够早期准确区分出血性转化和对比剂积聚的深度学习模型，以指导抗凝或抗血小板治疗决策	急性缺血性卒中患者血管内血栓切除术后24小时内的NCCT图像	digital pathology	cardiovascular disease	non-contrast computed tomography (NCCT)	CNN (包括DenseNet201, InceptionResNet, InceptionV3, NASNetLarge, ResNet50, ResNet101, VGG16, VGG19和Xception)	image	52名患者（21女31男）的556张NCCT图像
109	2025-05-18	Rapid and Efficient Screening of Helicobacter pylori in Gastric Samples Stained with Warthin-Starry Using Deep Learning 2025-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091085 PMID:40361903	research paper	该研究开发了一种结合特征金字塔网络和ResNet架构的深度学习算法，用于在Warthin-Starry染色的胃活检数字化图像中自动快速检测幽门螺杆菌	提出了一种结合特征金字塔网络和ResNet架构的新算法，显著减少了幽门螺杆菌检测的周转时间，并提高了诊断准确性，特别是对经验较少的人员	NA	开发一种自动快速检测幽门螺杆菌的算法，以减少检测周转时间并提高诊断准确性	Warthin-Starry染色的胃活检数字化图像	digital pathology	gastric cancer	deep learning	FPN, ResNet	image	NA
110	2025-05-18	A Multivariate Linear Regression-Based Ultrasonic Non-Destructive Evaluating Method for Characterizing Weld Tensile Strength Properties 2025-Apr-24, Materials (Basel, Switzerland) DOI:10.3390/ma18091925 PMID:40363429	研究论文	提出了一种基于多元线性回归的超声波无损评估方法，用于表征焊缝的拉伸强度特性	使用超声波无损评估方法替代传统的破坏性测试，能够在不破坏结构的情况下评估焊缝的拉伸强度	方法的准确率为76.3%，仍有提升空间，未来可以考虑使用深度学习方法提高准确性	开发一种无损评估焊缝拉伸强度的方法	X80钢管的焊缝	无损检测	NA	超声波信号处理	多元线性回归(MLR)	声学信号	240个测量点
111	2025-05-18	Developments in Deep Learning Artificial Neural Network Techniques for Medical Image Analysis and Interpretation 2025-Apr-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091072 PMID:40361891	review	本文探讨了深度学习在医学图像分析中的最新进展，包括各种神经网络技术的应用及其挑战	综述了多种深度学习模型（如CNN、RNN、GAN、U-Net、ViT等）在医学图像分析中的应用，并讨论了未来研究方向	存在数据可用性、模型可解释性、过拟合和计算需求等关键挑战	探索深度学习技术在医学图像分析中的发展及其临床应用潜力	医学图像分析技术	digital pathology	NA	深度学习	CNN, RNN, GAN, U-Net, ViT	image	NA
112	2025-05-18	Classification of Intraoral Photographs with Deep Learning Algorithms Trained According to Cephalometric Measurements 2025-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091059 PMID:40361877	研究论文	本研究评估了基于实际头影测量数据训练的深度学习算法在口腔内临床照片分类中的应用	首次利用头影测量数据训练深度学习模型对口腔内照片进行分类，为无需侧位头影测量X光片的病例分类提供了新方法	分类准确率在不同测量指标间存在较大波动（33.33%-99.00%），部分分类准确率较低	探索深度学习算法在口腔正畸诊断中的应用潜力	990名患者的侧位头影测量片和右侧口腔内照片	计算机视觉	口腔正畸	深度学习	DenseNet, EfficientNet, Inception, MobileNet, NasNet, ResNet, VGG, Xception等14种模型	图像	990名患者的口腔内照片和头影测量数据
113	2025-05-18	A Novel Artificial Intelligence-Based Mobile Application for Pediatric Weight Estimation 2025-Apr-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14092873 PMID:40363905	研究论文	开发并评估了一款基于人工智能的移动应用程序PAICam，用于儿科体重估计	利用MoveNet的人体姿态估计和深度神经网络回归模型进行体重预测，相比传统方法在受限位置下减少测量误差	研究样本仅包括1个月至12岁的儿科患者，可能不适用于其他年龄段	开发一种在紧急情况下准确估计儿科体重的替代工具	1个月至12岁的儿科患者	人工智能	NA	MoveNet人体姿态估计，DNN回归模型	DNN	图像	1335名儿科参与者（57.4%男孩，42.6%女孩）
114	2025-05-18	Long-term care plan recommendation for older adults with disabilities: a bipartite graph transformer and self-supervised approach 2025-Apr-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae327 PMID:39883541	research paper	本研究提出了一种基于二分图Transformer和自监督学习的方法，为残疾老年人推荐长期护理计划	提出了一种新颖的二分图Transformer架构，结合特征向量中心性增强节点特征，并利用图结构信息作为自注意力机制的参考	在罕见或复杂服务项目上的表现有待进一步提高	利用深度学习方法为残疾老年人推荐全面的护理计划	残疾老年人	machine learning	geriatric disease	graph self-supervised learning (SSL)	Bipartite Graph Transformer (BiT)	graph data	1917个节点和195240条边组成的二分图（来自真实护理数据）
115	2025-05-18	Making sense of blobs, whorls, and shades: methods for label-free, inverse imaging in bright-field optical microscopy 2025-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-025-01301-1 PMID:40376420	research paper	本文探讨了在明场光学显微镜中实现无标记、逆向成像的方法	提出多种硬件和软件方法解决明场显微镜中的逆向成像问题，包括离焦显微镜、强度传输、ptychography和去卷积等技术	明场显微镜本身存在相位和振幅交织、相位物体在精确对焦时不可见以及图像中同时存在正负对比度等问题	解决明场显微镜中无标记样本的精确成像问题	生物样本	光学显微镜成像	NA	离焦显微镜、强度传输、ptychography、去卷积、深度学习、数字图像处理	NA	图像	NA
116	2025-05-17	Evolving and Novel Applications of Artificial Intelligence in Cancer Imaging 2025-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17091510 PMID:40361437	综述	本文综述了人工智能在癌症影像学中的新兴应用及其对筛查、诊断和治疗的革命性影响	深入探讨了AI在癌症影像学中的最新应用，包括风险预测、肿瘤检测与分类、治疗预后预测等，并强调了多学科合作的重要性	AI在医疗领域的整合面临数据准确性、患者隐私保护和模型泛化性等挑战，需要更多临床验证和跨机构研究	概述人工智能在肿瘤影像学中的应用及其局限性，推动精准医疗和患者治疗效果提升	癌症影像学中的AI应用	数字病理学	癌症	深度学习、机器学习	深度学习框架	影像数据	NA
117	2025-05-17	Multi-Modal Graph Neural Networks for Colposcopy Data Classification and Visualization 2025-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers17091521 PMID:40361447	research paper	提出了一种基于图神经网络的多模态框架，用于宫颈病变分类和可视化	整合了阴道镜图像、分割掩码和图表示的多模态数据，提高了病变分类的准确性	需要多模态数据输入，可能增加数据收集和处理的复杂性	改进宫颈病变分类方法，实现早期宫颈癌检测	宫颈病变数据	digital pathology	cervical cancer	GNN, LIME	GCNConv	image, graph	NA
118	2025-05-17	Advanced Feature Extraction for Cervical Cancer Image Classification: Integrating Neural Feature Extraction and AutoInt Models 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092826 PMID:40363261	research paper	本研究提出了一种结合神经特征提取器和AutoInt模型的深度学习框架，用于宫颈癌图像分类	整合了基于预训练VGG16架构的神经特征提取器(NFE)和用于自动特征交互学习的AutoInt模型，提出了一种新颖的分类框架	未提及模型在临床环境中的实际应用验证	提高宫颈癌图像分类的准确性，特别是在资源有限的环境中	宫颈癌图像数据集	digital pathology	cervical cancer	deep learning	VGG16, AutoInt, KNN, LGBM, Extra Trees, LDA	image	公开可用的宫颈癌图像数据集(具体数量未提及)
119	2025-05-17	Hybrid Deep Learning Framework for Continuous User Authentication Based on Smartphone Sensors 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092817 PMID:40363255	research paper	提出了一种混合深度学习框架，用于基于智能手机传感器的连续用户认证	结合了计算机视觉和序列建模技术，包括ViT启发的补丁提取、多头注意力和BiLSTM网络，以从智能手机传感器数据中连续认证用户	仅在MotionSense和UCI HAR数据集上进行了实验，可能需要更多数据验证其普适性	提高移动设备安全性，解决传统一次性认证方法的漏洞	智能手机传感器数据	machine learning	NA	ViT-inspired patch extraction, multi-head attention, BiLSTM	CNN, LSTM, Transformer, Informer	sensor data	MotionSense和UCI HAR数据集
120	2025-05-17	High-Precision 3D Reconstruction in Complex Scenes via Implicit Surface Reconstruction Enhanced by Multi-Sensor Data Fusion 2025-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s25092820 PMID:40363257	研究论文	本文研究了一种基于深度学习的隐式表面重建方法，通过多传感器数据融合提高复杂场景中3D重建的精度	提出了一种新颖的深度神经网络，通过学习连续的符号距离函数（SDF）并结合多传感器特征表示，实现了多模态数据的无缝融合和精确的表面重建	NA	提高复杂场景中3D重建的精度	复杂场景的3D重建	计算机视觉	NA	多传感器数据融合	深度神经网络	3D数据	NA