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
301	2025-05-12	Low dose computed tomography reconstruction with momentum-based frequency adjustment network 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108673 PMID:40023964	research paper	本文提出了一种基于动量频率调整网络的低剂量计算机断层扫描（LDCT）重建方法，显著减少了收敛所需的迭代次数并提高了重建质量	引入了创新的频率调整网络（FAN）和基于动量的频率调整网络（MFAN），以及独特的Focal Detail Loss（FDL）损失函数，有效改善了重建性能	未明确提及具体局限性，但可能涉及计算资源需求或对其他数据集的泛化能力	改进低剂量计算机断层扫描（LDCT）重建方法，减少迭代次数并提高图像质量	AAPM-Mayo公共数据集和真实猪仔数据集	digital pathology	NA	Low-Dose Computed Tomography (LDCT)	Frequency Adjustment Network (FAN), Momentum-based Frequency Adjustment Network (MFAN)	CT图像	AAPM-Mayo公共数据集和真实猪仔数据集（具体数量未提及）
302	2025-05-12	Reducing food waste in the HORECA sector using AI-based waste-tracking devices 2025-May-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.02.044 PMID:40024032	研究论文	本研究评估了基于AI的自动废物追踪系统在HORECA（酒店、餐厅和餐饮）行业中减少食物浪费的效果	利用计算机视觉和深度学习算法实时自动称重和光学分类食物浪费	未结合消费者层面的干预措施，未来研究需探索这一方向	评估AI技术在减少HORECA行业食物浪费中的有效性	酒店、餐厅和餐饮服务机构的食物浪费	计算机视觉	NA	计算机视觉和深度学习	深度学习算法	图像	1家德国度假村餐厅、1家德国商业餐饮服务商、1家瑞士酒店和2家希腊酒店
303	2025-05-12	Impact of aortic branch retention strategies on thrombus growth prediction in type B aortic dissection: A hemodynamic study 2025-May, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108679 PMID:40037009	research paper	本研究通过数值模拟探讨了四种主动脉分支保留策略对B型主动脉夹层血栓生长预测的影响	首次系统比较了不同分支保留策略对血流动力学稳定性和血栓形成风险的影响，并提出了简化图像处理的Type 4策略	研究基于数值模拟，尚未进行临床验证	评估不同主动脉分支保留策略对血栓生长预测的影响	B型主动脉夹层患者的主动脉模型	心血管疾病	B型主动脉夹层	数值模拟	计算流体动力学模型	数值模拟数据	四种分支保留策略的模拟比较
304	2025-05-12	Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109961 PMID:40037167	research paper	该研究利用LSTM深度学习模型，通过单个惯性传感器对帕金森病患者的疾病阶段、运动状况和生活质量进行分类	提出了一种基于LSTM的深度学习架构，能够通过单一惯性传感器实现帕金森病的多维度评估	研究样本量较小，仅包含40名患者	改善帕金森病的管理，包括疾病阶段、运动障碍和生活质量的评估	帕金森病患者	machine learning	geriatric disease	惯性传感器	LSTM	sensor data	40名患者
305	2025-05-12	Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109942 PMID:40037168	research paper	该研究探讨了深度学习模型在新生儿重症监护病房（NICU）中，利用胸部X光图像早期准确诊断呼吸机相关性肺炎（VAP）的应用	通过集成学习方法结合ResNet50和RegNetX80模型，显著提高了VAP诊断的AUC值，同时利用XAI（可解释AI）技术增强了医生对AI辅助诊断的信心	需要未来前瞻性试验来验证其临床实用性和减少医疗资源的效果	优化呼吸机相关性肺炎（VAP）的诊断策略，减少不必要的抗生素使用	接受机械通气的新生儿	digital pathology	ventilator-associated pneumonia	deep learning	ResNet, VGG, DenseNet, RegNetX80, ensemble learning	image	670名新生儿（共900张胸部X光图像，其中399张来自确诊VAP的患者，501张来自非VAP新生儿）
306	2025-05-12	Potential of AI and ML in oncology research including diagnosis, treatment and future directions: A comprehensive prospective 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109918 PMID:40037170	review	本文综述了人工智能（AI）和机器学习（ML）在肿瘤学研究中的潜力，包括诊断、治疗及未来发展方向	探讨了AI和ML在癌症预测、诊断和治疗中的最新进展，包括FDA批准的技术及其在个性化医疗中的应用	讨论了AI在医疗领域的挑战、限制、监管考虑和伦理问题	评估AI和ML在肿瘤学研究中的应用及其对癌症护理和治疗的潜在影响	癌症研究，特别是预测、诊断和治疗	machine learning	cancer	deep learning (DL), machine learning (ML)	CNN, MLP	NA	NA
307	2025-05-12	Predictive modeling and optimization in dermatology: Machine learning for skin disease classification 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109946 PMID:40037169	研究论文	本研究利用机器学习分类器基于活检样本的组织病理学特征预测皮肤疾病，以提高诊断准确性	采用六种广泛使用的分类器进行比较，其中SGD分类器表现最佳，准确率达到99.09%，F1分数达到98.77%，并通过高级特征选择技术提高了模型性能和可解释性	未来工作需改进特征选择方法、扩大数据集以提高泛化能力，并探索更先进的深度学习技术	提高皮肤疾病的诊断准确性，开发可靠且自动化的诊断工具	皮肤疾病的组织病理学特征	机器学习	皮肤疾病	NA	Random Forest, Logistic Regression, SGD Classifier, SVM, AdaBoost, Naive Bayes	组织病理学特征	NA
308	2025-05-12	Factor enhanced DeepSurv: A deep learning approach for predicting survival probabilities in cirrhosis data 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109963 PMID:40037171	研究论文	本文提出了一种名为Factor Enhanced DeepSurv（FE-DeepSurv）的新型深度神经网络模型，用于预测肝硬化患者的生存概率	结合因子分析降低预测变量维度，应用转换技术处理数据截尾，并使用深度神经网络预测每个时间间隔的条件失效概率，从而提高生存概率估计的精确度	研究仅针对肝硬化数据进行了验证，未在其他疾病数据集上测试	开发一种能够更准确预测生存概率的深度学习模型	肝硬化患者的生存数据	机器学习	肝硬化	因子分析、深度神经网络	FE-DeepSurv	生存数据	来自Mayo Clinic试验的继发性肝硬化数据
309	2025-05-12	Deep learning based image enhancement for dynamic non-Cartesian MRI: Application to "silent" fMRI 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109920 PMID:40037172	research paper	本研究探讨了深度学习图像增强方法在非笛卡尔MRI中的应用，特别关注于保留动态时间信号变化	利用高分辨率静息态fMRI数据集构建了真实训练集，并比较了2D-UNet和3D-UNet在图像增强任务中的表现，发现3D-UNet表现更优	研究主要基于模拟数据，实际临床应用中的效果尚需进一步验证	提高非笛卡尔MRI图像质量，同时保留动态时间信号变化	非笛卡尔MRI图像，特别是静息态fMRI数据	medical imaging	NA	deep learning, fMRI	2D-UNet, 3D-UNet	image	Human Connectome Project (HCP) foundation的高分辨率静息态fMRI数据集
310	2025-05-12	EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.141538 PMID:40043997	research paper	提出了一种名为EVlncRNA-net的双通道深度学习框架，用于准确预测经过实验验证的lncRNAs	EVlncRNA-net结合了图卷积网络（GCN）和卷积神经网络（CNN）两种表示学习模块，创新性地将lncRNA序列转化为图形格式并通过图卷积处理，同时从one-hot编码序列中提取特征	实验验证成本高昂，限制了验证的lncRNAs数量	开发预测工具以优先选择潜在功能性lncRNAs进行低通量验证	人类、小鼠和植物的lncRNAs	natural language processing	NA	high-throughput RNA sequencing (HTlncRNAs)	GCN, CNN	sequence	NA
311	2025-05-12	Systematic review of computational techniques, dataset utilization, and feature extraction in electrocardiographic imaging 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03264-z PMID:39779645	综述	分析ECG成像（ECGI）重建中的计算技术，重点关注数据集识别、问题解决和特征提取	结合传统方法（如边界元法和Tikhonov方法）与先进技术（如混合技术和深度学习），提升心脏诊断和治疗的精确性	仅限于2010年至2023年发表的英文同行评审论文，且排除了未描述计算技术的研究	评估ECGI重建中的计算技术及其在心脏诊断和治疗中的应用	从Scopus和Web of Science中筛选的99篇论文	数字病理学	心血管疾病	边界元法、Tikhonov方法、混合技术、深度学习	NA	ECG成像数据	99篇论文
312	2025-05-12	INFERYS rescoring: Boosting peptide identifications and scoring confidence of database search results 2025-May, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.9128 PMID:34015160	研究论文	介绍了一种名为INFERYS™重评分的处理工作流程，用于在Thermo Scientific™ Proteome Discoverer™ 2.5软件中对Sequest HT搜索引擎结果进行基于强度的重评分	利用深度学习准确预测肽段碎片离子强度，并通过计算基于强度的额外分数来克服数据库搜索引擎忽略碎片离子强度的缺点	未明确提及具体限制	提升肽段鉴定的数量和评分置信度，优化蛋白质组学数据分析	肽段谱匹配、肽段和蛋白质鉴定	蛋白质组学	NA	深度学习、质谱分析	深度学习平台INFERYS	质谱数据	HeLa标准样本和免疫肽组数据集
313	2025-05-12	External Validation of a Novel Landmark-Based Deep Learning Automated Tibial Slope Measurement Algorithm Applied on Short Radiographs Obtained in Patients With ACL Injuries 2025-May, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251333607 PMID:40342354	研究论文	本研究通过外部验证一种基于深度学习的新型自动胫骨斜率测量算法，应用于ACL损伤患者的短放射线照片	开发并验证了一种新型的基于地标的深度学习算法，用于自动测量胫骨斜率，减少了人为误差并提高了测量效率	与金标准手动测量相比，模型在报告胫骨斜率方面需要进一步改进	验证深度学习模型在胫骨斜率测量中的可靠性和效率	接受前交叉韧带手术的患者的膝关节侧位放射线照片	数字病理	ACL损伤	深度学习	深度学习模型	放射线照片	289张放射线照片
314	2025-05-12	Deep learning segmentation of periarterial and perivenous capillary-free zones in optical coherence tomography angiography 2025-May, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056005 PMID:40342523	研究论文	本研究开发并评估了深度学习模型（包括CNN和ViT）用于光学相干断层扫描血管成像（OCTA）中动脉周围和静脉周围无毛细血管区（CFZs）的精确分割，以改善糖尿病视网膜病变（DR）的早期检测和监测	首次使用深度学习模型（如UNet++与EfficientNet-b7）实现CFZs的高精度自动分割，并定量分析CFZ特征作为DR的潜在生物标志物	研究样本仅包括健康对照组、无DR的糖尿病患者和轻度DR患者，未涵盖DR的中重度阶段	开发自动化CFZ分割方法并探索其作为DR生物标志物的潜力	OCTA图像中的动脉周围和静脉周围无毛细血管区（CFZs）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	UNet, UNet++, TransUNet, Segformer, CNN, ViT	图像	健康对照组、无DR糖尿病患者和轻度DR患者的OCTA图像
315	2025-05-12	Lung disease classification in chest X-ray images using optimal cross stage partial bidirectional long short term memory 2025-May, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241304987 PMID:40343884	研究论文	本研究提出了一种深度学习模型OCBiNet，用于在胸部X光图像中对肺部疾病进行分类	提出了结合交叉阶段部分连接的双向长短期记忆网络(OCBiNet)和改进的母优化算法(ImMO)，以提高分类准确性和收敛速度	未提及模型在更大规模或多样化数据集上的泛化能力	提高肺部疾病分类的准确性和效率	胸部X光图像中的肺部疾病分类	计算机视觉	肺部疾病	深度学习	OCBiNet（基于BiLSTM和交叉阶段部分连接）	图像	NA
316	2025-05-12	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	research paper	评估多模态人工智能模型在非洲和非非洲裔男性前列腺癌患者中的算法公平性	使用多模态AI深度学习系统结合数字组织病理学和临床数据，评估算法在不同种族亚组中的普适性	研究中存在少数种族状态未知或缺失的患者	评估AI工具在临床决策中的公平性，避免因偏见加剧不平等	非洲裔和非非洲裔前列腺癌患者	digital pathology	prostate cancer	multimodal AI (MMAI) deep learning system	deep learning	digital histopathology and clinical data	5,708名患者（包括948名非洲裔和4,731名非非洲裔患者）
317	2025-05-12	Localization and Classification of Adrenal Masses in Multiphase Computed Tomography: Retrospective Study 2025-Apr-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65937 PMID:40273442	研究论文	本研究开发了一种基于深度学习的肾上腺肿块检测模型MA-YOLO，用于CT图像中肾上腺肿块的自动定位和分类	提出了Multi-Attention YOLO (MA-YOLO)模型，能够自动定位和分类6种常见肾上腺肿块	研究为回顾性分析，可能受到数据选择和标注偏差的影响	提高肾上腺肿块的诊断效率，改变当前临床术前诊断实践	肾上腺肿块患者	计算机视觉	肾上腺疾病	多期相CT成像	MA-YOLO (改进的YOLO模型)	CT图像	516名患者（内部数据集21,649张训练图像，2,406张验证图像；外部数据集12,857张测试图像）
318	2025-05-12	Prediction of Reactivation After Antivascular Endothelial Growth Factor Monotherapy for Retinopathy of Prematurity: Multimodal Machine Learning Model Study 2025-Apr-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/60367 PMID:40267476	研究论文	本研究开发并验证了使用多模态机器学习算法预测早产儿视网膜病变（ROP）抗血管内皮生长因子（anti-VEGF）治疗后复发的模型	结合传统机器学习、深度学习和融合模型，构建了预测ROP复发的多模态机器学习模型，其中融合模型表现最佳	样本量相对较小（239例），且仅来自3家医院，可能存在选择偏差	预测ROP患者接受anti-VEGF治疗后复发的风险	接受anti-VEGF治疗的ROP婴儿	数字病理学	早产儿视网膜病变	多模态机器学习算法	传统机器学习模型、深度学习模型、融合模型	临床数据	239例ROP婴儿（90例复发，149例未复发）
319	2025-05-12	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-Apr-21, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据	采用端到端非刚性运动校正重建网络，从八个多对比度欠采样数据中估计高质量运动校正重建，显著减少重建时间	未提及具体样本量或临床验证的广泛性	加速3D全心联合T1/T2映射，用于心肌组织表征	心肌组织	医学影像处理	心血管疾病	深度学习算法	端到端非刚性运动校正重建网络	多对比度欠采样数据	NA
320	2025-05-12	PM2.5 concentration prediction using a whale optimization algorithm based hybrid deep learning model in Beijing, China 2025-Apr-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125953 PMID:40032225	研究论文	本研究提出了一种基于鲸鱼优化算法(WOA)的混合深度学习模型，用于预测北京的PM2.5浓度	结合了鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)的混合模型，显著提高了预测精度	研究仅使用了2014年至2018年的数据，可能无法涵盖所有气象和污染情况	开发一种高精度的PM2.5浓度预测模型，以支持空气污染风险评估和早期预警	北京的PM2.5浓度	机器学习	NA	鲸鱼优化算法(WOA)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和注意力机制(AM)	WOA-CNN-LSTM-AM	气象和空气污染数据	2014年至2018年的每日数据