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
221	2025-05-13	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	review	本文综述了机器学习和深度学习在葡萄膜黑色素瘤诊断中的进展与应用	深度学习模型，特别是CNN，能够自动分析医学图像，识别复杂模式，并提高诊断精度，相较于传统机器学习方法具有显著优势	研究中的关键限制包括数据集规模小、外部验证有限以及对单一成像模式的依赖，这些都限制了模型在临床环境中的泛化能力	评估机器学习和深度学习在葡萄膜黑色素瘤分类中的应用，并探讨其临床整合潜力	葡萄膜黑色素瘤及其相关医学影像	digital pathology	uveal melanoma	fundus photography, OCT, ultrasound	CNN	image	NA
222	2025-05-13	Advances in analytical approaches for background parenchymal enhancement in predicting breast tumor response to neoadjuvant chemotherapy: A systematic review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317240 PMID:40053513	系统综述	本文系统综述了背景实质增强（BPE）分析在预测乳腺癌新辅助化疗（NAC）反应中的最新进展	从单时间点BPE分析转向纵向BPE分析，并探讨了人工智能（AI）在改进BPE分析中的潜在应用	现有纵向BPE分析方法存在数据缺失、手动分割乳房区域以及过度依赖传统统计方法等问题	评估BPE分析方法的可靠性及有效性，以预测乳腺癌对NAC的反应	乳腺癌患者	数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	逻辑回归，深度学习	医学影像	13项研究（来自78篇符合条件的文献）
223	2025-05-13	Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study 2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2025_92-112 PMID:40058838	research paper	本研究探讨了在肾功能不全患者中，使用深度学习图像重建（DLIR）进行半碘负荷对比增强CT（CECT）的虚拟单色成像（VMI）的图像质量	首次在肾功能不全患者中评估了半碘负荷CECT结合DLIR的VMI图像质量，并确定了40 keV与DLIR结合可提供最大对比噪声比（CNR）和主观可接受的图像质量	研究样本量较小（28例患者），且为回顾性研究，可能存在选择偏倚	评估半碘负荷CECT结合DLIR的VMI在肾功能不全患者中的图像质量	28例中重度肾功能不全的肿瘤患者	digital pathology	renal insufficiency	dual-energy CT (DECT), deep learning image reconstruction (DLIR)	DLIR	CT图像	28例中重度肾功能不全的肿瘤患者
224	2025-05-13	Advanced applications in chronic disease monitoring using IoT mobile sensing device data, machine learning algorithms and frame theory: a systematic review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1510456 PMID:40061474	系统综述	本文综述了物联网移动传感设备数据、机器学习算法和框架理论在慢性疾病监测中的高级应用	通过引入基于深度学习的先进模型、紧框架方法和实时监测系统，展示了方法学上的创新	存在与数据收集、算法选择和用户交互相关的潜在偏见和弱点	探讨物联网和人工智能技术在特定慢性疾病管理中的应用	主要慢性疾病，如心血管疾病、癌症、慢性呼吸系统疾病和糖尿病	机器学习	慢性疾病	物联网移动传感设备、机器学习算法（ANN、SVM、RF、深度学习模型）	ANN、SVM、RF、深度学习模型	传感器数据、医疗数据	NA
225	2025-05-13	Deep learning-based prediction of atrial fibrillation from polar transformed time-frequency electrocardiogram 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317630 PMID:40063554	research paper	本研究探讨了一种基于极坐标变换的短时傅里叶变换（STFT）频谱图可视化ECG信号的新方法，并评估了深度卷积神经网络（CNNs）在从这些极坐标变换频谱图中预测心房颤动中的性能	提出了一种新颖的ECG信号可视化方法，即使用极坐标变换的STFT频谱图，并评估了深度CNN在此类图像上的预测性能	研究依赖于公开数据集，可能无法涵盖所有临床场景	开发一种基于深度学习的ECG信号分析方法，用于预测心房颤动	ECG信号，特别是心房颤动的检测	machine learning	心血管疾病	短时傅里叶变换（STFT），极坐标变换	CNN	image	PhysioNet/CinC Challenge 2017数据集中的ECG数据，分为四类：正常窦性心律、心房颤动、其他心律和噪声
226	2025-05-13	Color correction methods for underwater image enhancement: A systematic literature review 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317306 PMID:40063649	系统文献综述	本文系统综述了水下图像增强中的色彩校正方法的最新进展	对13种不同的水下图像增强方法进行了分类和批判性分析，提出了未来研究方向	存在算法局限性、数据依赖性、计算复杂性和不同水下环境性能差异等挑战	分析和总结水下图像色彩校正方法的研究现状和发展趋势	水下图像增强方法	计算机视觉	NA	物理模型、非物理模型和基于深度学习的方法	深度学习模型	图像	67项相关研究（2010-2024年）
227	2025-05-13	LLM-FMS: A fine-grained dataset for functional movement screen action quality assessment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313707 PMID:40067873	research paper	该研究开发了一个细粒度的功能运动筛查（FMS）数据集LLM-FMS，并提出了一种基于大语言模型（LLMs）的动作质量评估框架，以提高FMS评估的可解释性	首次提出了一个细粒度的健身动作数据集LLM-FMS，并设计了一个结合专家规则和大语言模型的新框架，显著提升了动作评估的准确性和可解释性	数据集的样本量相对较小，仅包含45名受试者的数据，可能影响模型的泛化能力	开发一个细粒度的FMS数据集和评估框架，以提供更详细的反馈建议并提高自动化评估的可解释性	功能运动筛查（FMS）的动作质量评估	computer vision	NA	RTMPose用于提取关键骨骼级动作特征，大语言模型（LLMs）用于推理评分和提供详细理由	LLM（大语言模型）	视频和关键帧图像	45名受试者的1812张动作关键帧图像
228	2025-05-13	PreCM: The Padding-Based Rotation Equivariant Convolution Mode for Semantic Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558425 PMID:40249694	研究论文	本文提出了一种基于填充的旋转等变卷积模式（PreCM），用于提升语义分割任务中网络对任意旋转角度的鲁棒性	设计了通用的卷积组框架和PreCM模式，能够适应多尺度图像和卷积核，并可作为多种卷积类型的替代组件，同时提出了新的评估指标旋转差异（RD）	未明确说明在极端旋转角度或复杂背景下的性能表现	提升语义分割网络对任意旋转角度的适应能力	遥感卫星图像中的水体、医学图像中的毛细血管和息肉	计算机视觉	NA	深度学习	CNN	图像	三个数据集（卫星水体图像、DRIVE、Floodnet）
229	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2025 Jan-Dec, Pulse (Basel, Switzerland) DOI:10.1159/000543613 PMID:40330437	research paper	该研究通过深度学习架构和形态学图像操作，量化了胸主动脉的三维几何参数，并在两个大型生物银行中应用	首次在大型人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描数据，可能受限于图像质量和分辨率	量化胸主动脉的三维几何结构，以研究其与心血管健康和疾病的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants from UK Biobank and 8,456 participants from Penn Medicine Biobank
230	2025-05-13	A novel deep learning technique for multi classify Alzheimer disease: hyperparameter optimization technique 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1558725 PMID:40342359	research paper	提出一种基于深度学习和超参数优化的新方法，用于更准确地分类阿尔茨海默病的不同阶段	使用新提出的超参数优化方法来识别ResNet152V2模型的超参数，以解决有限数据和计算资源的问题	未提及具体的数据集大小和计算资源限制的详细情况	早期诊断和检测阿尔茨海默病，以实施可能减缓疾病进展的治疗方法	阿尔茨海默病的不同阶段	machine learning	geriatric disease	deep learning, hyperparameter optimization	ResNet152V2	NA	NA
231	2025-05-13	Using artificial intelligence to develop a measure of orthopaedic treatment success from clinical notes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1523953 PMID:40343216	research paper	该研究利用人工智能技术从临床记录中开发了一种衡量骨科治疗成功的方法	首次使用AI方法从临床记录中提取治疗成功或失败的短语，并开发了一种骨科治疗成功的指标	研究仅针对急性肩部损伤患者，样本量有限（868份临床记录），且仅在一个地区医疗系统内进行	开发一种反映骨科治疗成功的可用结果测量方法	急性肩部损伤患者的临床记录	自然语言处理	骨科疾病	机器学习和深度学习算法	Bio-ClinicalBERT	文本	868份临床记录，来自123名医生和35个科室
232	2025-05-13	Decalcify cardiac CT: unveiling clearer images with deep convolutional neural networks 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1475362 PMID:40351458	研究论文	本研究提出了一种名为HMDC的混合模型，用于通过深度卷积神经网络提高心脏CT图像的清晰度	提出了一种结合深度学习和传统图像处理方法的混合模型HMDC，用于心脏CT图像的去钙化，准确率达到97.22%	未提及具体的研究局限性	提高心脏CT图像的清晰度和诊断准确性	心脏CT图像	数字病理学	心血管疾病	深度学习与传统图像处理方法	CNN	图像	NA
233	2025-05-13	Multi-classification Deep Learning Approach for Diagnosing Stroke Type and Severity Using Multimodal Magnetic Resonance Images 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_37_24 PMID:40351777	研究论文	本研究利用多模态磁共振成像和卷积神经网络（CNNs）对中风类型和严重程度进行分类和预测	提出了两种基于迁移学习的改进模型（ACL-ResNet-50和ACL-MobileNetV1），通过增强层提升性能，并比较了多模态和单模态预处理技术的效果	样本量相对较小（143名患者），且仅基于磁共振成像数据	开发一种准确诊断中风类型和严重程度的方法，以辅助临床决策	中风患者（85名缺血性中风和58名出血性中风）	计算机视觉	心血管疾病	扩散加权磁共振成像（DWI）和表观扩散系数（ADC）	CNN（ACL-ResNet-50和ACL-MobileNetV1）	图像	143名患者（85名缺血性中风和58名出血性中风）
234	2025-05-13	Telemedicine in China: Effective indicators of telemedicine platforms for promoting health and well-being among healthcare consumers 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251341163 PMID:40351848	research paper	本研究旨在识别影响中国远程医疗平台服务质量的关键因素，以促进患者健康和福祉，并为行业利益相关者提供基于证据的服务创新信息	提出了一种结合Servqual质量评估模型和CNN-BiLSTM深度学习模型的新方法，并通过注意力机制增强，以更精确地识别消费者情感模式	研究仅基于在线评论数据，可能未涵盖所有影响服务质量的因素	识别影响中国远程医疗平台服务质量的关键因素，促进患者健康和福祉	远程医疗平台的服务质量及其对医疗消费者健康和福祉的影响	自然语言处理	NA	深度学习，情感分析	CNN-BiLSTM	文本	25,499条有效在线评论
235	2025-05-13	TongueNet: a multi-modal fusion and multi-label classification model for traditional Chinese Medicine tongue diagnosis 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1527751 PMID:40352152	research paper	提出了一种名为TongueNet的多模态融合和多标签分类模型，用于中医舌诊	结合了舌图像数据和文本特征，采用分层聚合网络和特征空间投影模块进行特征融合，引入多尺度注意力机制和Kolmogorov-Arnold网络优化输出	数据稀缺问题尚未完全解决，且模型在多标签分类任务中的泛化能力有待进一步验证	提升中医舌诊的智能化和多维度诊断能力	舌图像数据和文本特征	digital pathology	NA	deep learning	HAN, KAN	image, text	整合了三个公开的舌图像数据集，具体样本量未明确说明
236	2025-05-13	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	本文提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应病毒的快速进化	提出了AlphaFold 3辅助的多任务拓扑拉普拉斯策略（MT-TopLap），结合深度学习和拓扑数据分析（TDA）模型，提高了对病毒突变影响的预测能力	与使用实验结构相比，Pearson相关系数平均下降1.1%，均方根误差平均增加9.3%	开发高效的计算方法以应对病毒的快速进化，特别是在病毒追踪、诊断和抗体及疫苗设计方面	SARS-CoV-2病毒及其刺突蛋白受体结合域（RBD）与人类血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	深度突变扫描（DMS）、拓扑数据分析（TDA）	多任务拓扑拉普拉斯（MT-TopLap）、AlphaFold 3（AF3）	蛋白质-蛋白质相互作用（PPI）复合物的三维结构数据	四个实验性DMS数据集和一个SARS-CoV-2 HK.3变体DMS数据集
237	2025-05-13	A deep learning pipeline for morphological and viability assessment of 3D cancer cell spheroids 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf030 PMID:40352793	research paper	提出了一种用于3D癌细胞球体形态和活力评估的深度学习流程	开发了一个可扩展的两阶段深度学习流程，结合了U-Net模型和CNN回归混合方法，实现了对3D球体的精确分割和活力评估	未提及具体的数据集规模或实验验证的广泛性	提高3D癌细胞球体形态特征和细胞活力的高通量分析效率	3D癌细胞球体	digital pathology	cancer	deep learning	U-Net, CNN Regression Hybrid	microscopic images	NA
238	2025-05-13	[Coronary artery segmentation based on Transformer and convolutional neural networks dual parallel branch encoder neural network] 2024-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403058 PMID:40000209	研究论文	提出了一种基于Transformer和CNN双并行分支编码器的新型神经网络DUNETR，用于冠状动脉CTA图像的分割	首次将Transformer和CNN作为双编码器集成，通过NRFF模块融合全局与局部特征，显著提升3D冠状动脉分割效果	未提及模型在小型医疗机构或低质量CT图像上的泛化能力	提高冠状动脉CTA图像自动分割的准确率	冠状动脉的3D CTA图像	计算机视觉	心血管疾病	CTA成像	DUNETR（Transformer+CNN双编码器U-Net变体）	3D医学图像	公开数据集（具体数量未说明）
239	2025-05-13	Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing 2024-Dec, AI (Basel, Switzerland) DOI:10.3390/ai5040131 PMID:40351335	研究论文	本研究探讨了使用Fitbit生物信号监测物质使用的可行性，并通过深度学习和自我监督学习技术提高检测准确性	采用参与者特定的CNN模型结合自我监督学习（SSL）来检测药物使用，以应对个体间数据异质性问题	样本量较小（仅9名参与者），限制了研究结果的普适性	开发基于可穿戴设备生物信号的物质使用实时监测系统	物质使用障碍患者	机器学习	物质使用障碍	自我监督学习（SSL）	CNN	生物信号数据	9名参与者
240	2025-05-13	Thoracic Aortic Three-Dimensional Geometry 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.09.593413 PMID:38798566	research paper	该研究通过深度学习架构和形态学图像操作，全面量化了胸主动脉的三维几何参数，并在两个大型生物库中应用了该方法	首次在大规模人群中全面表征胸主动脉的三维几何结构，并开发了全自动量化方法	研究依赖于影像扫描的质量，且仅针对特定生物库数据	量化胸主动脉的三维几何结构，研究其与心血管健康和衰老的关系	胸主动脉的三维几何参数	digital pathology	cardiovascular disease	deep learning, morphological image operations	deep learning architecture	imaging scans	54,241 participants in the UK Biobank and 8,456 participants in the Penn Medicine Biobank