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
3641	2025-04-01	Melanoma Skin Cancer Recognition with a Convolutional Neural Network and Feature Dimensions Reduction with Aquila Optimizer 2025-Mar-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060761 PMID:40150103	research paper	该研究开发了一种结合CNN特征提取和Aquila优化器降维的黑色素瘤皮肤癌识别系统	首次将CNN与Aquila优化器结合用于黑色素瘤检测，显著提升了分类准确率和计算效率	研究仅使用了公开数据集，未在临床环境中进行验证	开发高效准确的黑色素瘤自动检测系统	皮肤镜图像中的黑色素瘤病变	digital pathology	melanoma	CNN特征提取结合Aquila优化器降维	CNN	image	三个公开数据集(ISIC 2019/ISBI 2016/ISBI 2017)
3642	2025-04-01	Predicting Dairy Calf Body Weight from Depth Images Using Deep Learning (YOLOv8) and Threshold Segmentation with Cross-Validation and Longitudinal Analysis 2025-Mar-18, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15060868 PMID:40150397	研究论文	该研究利用深度学习和阈值分割技术预测断奶前犊牛的体重，以提高农场管理效率	结合YOLOv8深度学习分割与阈值分割方法，首次在早期时间点预测后期犊牛体重，并比较了多种预测模型的性能	样本量较小（63头荷斯坦犊牛和5头泽西犊牛），且仅20头荷斯坦犊牛进行了手动称重	开发非接触式测量方法，预测断奶前犊牛的体重，以评估生长、饲料效率、健康和断奶准备情况	荷斯坦和泽西品种的断奶前犊牛	计算机视觉	NA	深度学习和阈值分割	YOLOv8, LR, XGBoost, LMM	深度图像	63头荷斯坦犊牛和5头泽西犊牛，其中20头荷斯坦犊牛进行了手动称重
3643	2025-04-01	Benchmarking Interpretability in Healthcare Using Pattern Discovery and Disentanglement 2025-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030308 PMID:40150773	research paper	该研究评估了模式发现与解缠（PDD）系统在医疗保健领域的可解释性，通过无监督学习算法处理临床笔记以辅助决策	提出了一种无监督学习算法PDD，其在可解释性输出和聚类结果方面表现与监督深度学习模型相当，并通过全局可解释性弥补了特征重要性排名和事后分析的局限性	特征重要性排名和事后分析在临床诊断中存在局限性	评估和比较医疗保健领域AI决策的可解释性技术	临床笔记和ICD-9代码	natural language processing	NA	Term Frequency-Inverse Document Frequency, Topic Modeling	unsupervised learning algorithm	text	MIMIC-IV数据集
3644	2025-04-01	CBR-Net: A Multisensory Emotional Electroencephalography (EEG)-Based Personal Identification Model with Olfactory-Enhanced Video Stimulation 2025-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030310 PMID:40150774	research paper	提出了一种基于多感官情感EEG的个人识别模型CBR-Net，并建立了包含视频和嗅觉增强视频刺激的多感官情感EEG数据集	首次结合CNN、BiLSTM和残差连接构建CBR-Net模型，并验证嗅觉增强视频刺激对提升EEG信号情感强度的有效性	未说明模型在不同人群或跨文化场景下的泛化能力	提高基于EEG的个人识别准确率	多感官刺激下的情感EEG信号	machine learning	NA	EEG信号采集与分析	CNN-BiLSTM-Residual Network (CBR-Net)	多模态数据（EEG信号+视频/嗅觉刺激）	未明确说明被试者数量
3645	2025-04-01	Improved A-Line and B-Line Detection in Lung Ultrasound Using Deep Learning with Boundary-Aware Dice Loss 2025-Mar-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030311 PMID:40150775	research paper	提出了一种结合Transformer编码器和边界感知Dice损失的新型分割模型TransBound-UNet，用于提高肺部超声图像中A线和B线的检测和分割精度	集成了基于Transformer的编码器和边界感知Dice损失，提高了关键结构的准确分割	未提及具体的数据集多样性或模型在不同设备或条件下的泛化能力	提高肺部超声图像中A线和B线的自动检测和分割精度	肺部超声图像中的A线和B线	digital pathology	lung cancer	deep learning	TransBound-UNet (结合Transformer和UNet)	image	4599张肺部超声图像
3646	2025-04-01	Self-Supervised Z-Slice Augmentation for 3D Bio-Imaging via Knowledge Distillation 2025-Mar-17, ArXiv PMID:40093360	研究论文	提出了一种名为ZAugNet的自监督深度学习方法，用于提高生物图像中的z分辨率	结合生成对抗网络（GAN）和知识蒸馏技术，实现了在不牺牲准确性的情况下最大化预测速度，并开发了支持非均匀切片间距数据集的扩展版本ZAugNet+	未提及具体的局限性	提高三维生物显微镜图像的z分辨率	三维生物显微镜图像	数字病理学	NA	深度学习	GAN	图像	未提及具体样本数量
3647	2025-04-01	Enhanced Methodology and Experimental Research for Caged Chicken Counting Based on YOLOv8 2025-Mar-16, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15060853 PMID:40150382	research paper	提出了一种基于YOLOv8改进的笼养鸡计数算法YOLO-CCA，通过集成CoordAttention机制和Reversible Column Networks骨干网络，提高了计数准确率和效率	YOLO-CCA算法通过集成CoordAttention机制和Reversible Column Networks骨干网络，显著提高了YOLOv8-small模型的准确率和平均精度，并开发了基于阈值的连续帧检测方法	在Jetson AGX Orin工业计算机上部署时，识别率略有下降至93.2%	提高笼养鸡计数的准确性和效率，支持智能化家禽养殖转型	笼养鸡	computer vision	NA	YOLO-CCA, CoordAttention, Reversible Column Networks	YOLOv8-small	image	80个笼子，共493只鸡
3648	2025-04-01	Advancing Diabetic Retinopathy Screening: A Systematic Review of Artificial Intelligence and Optical Coherence Tomography Angiography Innovations 2025-Mar-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060737 PMID:40150080	系统性综述	本文综述了人工智能（AI）与光学相干断层扫描血管成像（OCTA）在糖尿病视网膜病变（DR）筛查中的创新应用	整合先进的深度学习（DL）和机器学习（ML）算法与OCTA成像，显著提高了DR筛查的准确性和早期检测能力	需要更多多中心研究和真实世界验证以最大化这些创新工具的临床影响	探讨AI与OCTA在DR筛查中的应用及其对诊断准确性和临床工作流程的改进	糖尿病视网膜病变（DR）患者	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	CNN, 注意力机制模型, Vision Transformers (ViTs)	图像	32项研究
3649	2025-04-01	Breaking Barriers in Thyroid Cytopathology: Harnessing Deep Learning for Accurate Diagnosis 2025-Mar-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030293 PMID:40150757	research paper	该研究探讨了人工智能技术在甲状腺细胞病理学中的应用，特别是用于诊断最常见的甲状腺癌类型——乳头状甲状腺癌（PTC）	提出了两种深度学习框架：基于CNN的TCS-CNN用于小区域分类，以及基于注意力机制的AD-MIL模型用于大区域预测	研究仅针对乳头状甲状腺癌（PTC），未涵盖其他甲状腺疾病类型	提高甲状腺细胞病理学诊断的准确性和效率	甲状腺细胞病理学图像	digital pathology	thyroid cancer	fine-needle aspiration cytology (FNAC)	CNN, attention-based deep multiple instance learning (AD-MIL)	image	NA
3650	2025-04-01	Heart Sound Classification Based on Multi-Scale Feature Fusion and Channel Attention Module 2025-Mar-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030290 PMID:40150754	research paper	提出了一种名为CAFusionNet的心音分类模型，通过多尺度特征融合和通道注意力模块提高分类性能	结合多尺度特征融合和通道注意力模块，显著提升了心音分类的准确率	数据集规模有限，采用了同质迁移学习方法来缓解这一问题	提高心音分类的准确性和效率	心音信号	machine learning	cardiovascular disease	CNN	CAFusionNet	audio	公共数据集与自有数据集的组合
3651	2025-04-01	A Hybrid Deep Learning-Based Feature Selection Approach for Supporting Early Detection of Long-Term Behavioral Outcomes in Survivors of Cancer: Cross-Sectional Study 2025-Mar-13, JMIR bioinformatics and biotechnology DOI:10.2196/65001 PMID:40080820	研究论文	开发了一种基于混合深度学习的特征选择方法，用于预测癌症幸存者的长期负面行为结果	提出了一种新的两阶段特征选择算法，结合多度量多数投票过滤器和深度丢弃神经网络，动态自动选择最佳特征集	研究样本量较小（102名急性淋巴细胞白血病幸存者），且仅在中国香港的一家公立医院进行治疗的患者中进行	提高机器学习分类器预测癌症幸存者长期负面行为结果的能力	急性淋巴细胞白血病的年轻幸存者（评估时年龄15-39岁，癌症诊断后超过5年）	机器学习	急性淋巴细胞白血病	混合深度学习	深度丢弃神经网络	临床和社会环境因素数据	102名急性淋巴细胞白血病幸存者
3652	2025-04-01	Deep Learning Models Based on Pretreatment MRI and Clinicopathological Data to Predict Responses to Neoadjuvant Systemic Therapy in Triple-Negative Breast Cancer 2025-Mar-13, Cancers IF:4.5Q1 DOI:10.3390/cancers17060966 PMID:40149299	research paper	开发基于治疗前MRI和临床病理数据的深度学习模型，用于预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解	利用多参数乳腺MRI和临床病理数据，结合3D深度学习框架，预测三阴性乳腺癌患者对新辅助系统治疗的响应	模型在内部和外部测试数据集中的AUC值分别为0.76和0.72，仍有提升空间	预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解	282名I-III期三阴性乳腺癌患者	digital pathology	breast cancer	multiparametric breast MRI (DCE, DWI)	ResNeXt50, ResNet18	image, clinical data	282名患者（内部测试数据集）及I-SPY 2试验数据（外部测试数据集）
3653	2025-04-01	Multi-Modal Fusion and Longitudinal Analysis for Alzheimer's Disease Classification Using Deep Learning 2025-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060717 PMID:40150060	research paper	本研究介绍了一种名为FusionNet的创新框架，旨在通过整合多模态和纵向成像数据来提升阿尔茨海默病（AD）的分类准确性	FusionNet通过结合MRI、PET和CT扫描数据，利用GAN进行数据增强、轻量级神经网络架构和深度度量学习，显著提高了AD的诊断准确性并实现了早期检测和持续监测	NA	提升阿尔茨海默病的诊断准确性，实现早期检测和持续监测	阿尔茨海默病患者的多模态和纵向成像数据	digital pathology	geriatric disease	MRI, PET, CT	GAN, lightweight neural architectures, deep metric learning	image	NA
3654	2025-04-01	Leveraging Attention-Based Deep Learning in Binary Classification for Early-Stage Breast Cancer Diagnosis 2025-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060718 PMID:40150061	research paper	本研究探讨了基于注意力的深度学习模型与传统机器学习方法在乳腺癌早期诊断中的结合应用	利用高效的通道-空间注意力网络（ECSAnet）进行二分类，通过先进的注意力机制增强空间和通道维度的特征提取	研究仅基于BreakHis数据集，未涉及其他类型的数据或多模态方法	提高乳腺癌早期诊断的准确性和效率	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, machine learning	ECSAnet, Decision Trees, Logistic Regression	image	BreakHis数据集中的组织病理学图像，包含良性和恶性肿瘤，放大倍数为40×、100×、200×和400×
3655	2025-04-01	Chinese Named Entity Recognition for Dairy Cow Diseases by Fusion of Multi-Semantic Features Using Self-Attention-Based Deep Learning 2025-Mar-13, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15060822 PMID:40150352	研究论文	本文提出了一种融合多语义特征的自注意力深度学习模型，用于中文奶牛疾病命名实体识别	结合字符级、拼音级、字形级和词级特征，并采用多头自注意力机制的Bi-LSTM网络学习长距离依赖关系	未提及具体的数据集规模和模型在其他领域的泛化能力	构建高质量的奶牛疾病知识图谱，辅助诊断以减少漏诊和误诊	中文奶牛疾病语料库	自然语言处理	奶牛疾病	多头自注意力机制	Bi-LSTM + CRF	文本	NA
3656	2025-04-01	An Effective and Interpretable Sleep Stage Classification Approach Using Multi-Domain Electroencephalogram and Electrooculogram Features 2025-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030286 PMID:40150750	研究论文	提出了一种基于多域脑电图和眼电图特征的有效且可解释的睡眠阶段分类方法	结合F-score预过滤和XGBoost特征排序的两步特征选择策略，以及新创建的眼电图特征	模型在复杂性和可解释性方面有所提升，但未提及在其他数据集上的泛化能力	提高睡眠阶段分类的准确性和可解释性	睡眠阶段的分类	机器学习	睡眠障碍	脑电图(EEG)和眼电图(EOG)信号处理	XGBoost	信号数据	公共Sleep-EDF数据集
3657	2025-04-01	Progress in the Application of Artificial Intelligence in Ultrasound-Assisted Medical Diagnosis 2025-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030288 PMID:40150752	综述	本文综述了人工智能在超声医学诊断中的应用、挑战及未来发展方向	重点介绍了AI技术，特别是机器学习和深度学习在超声诊断中的应用，以及如何通过卷积神经网络等先进算法提升图像获取、质量评估和疾病诊断的客观性	对AI诊断准确性和伦理影响的全面评估仍有限，需要严格的临床实践验证	探讨人工智能在超声医学诊断中的应用及其对全球医疗结果的潜在影响	超声医学诊断	医学影像	NA	机器学习（ML）、深度学习（DL）	CNN	图像	NA
3658	2025-04-01	Deep Learning Approaches for the Classification of Keloid Images in the Context of Malignant and Benign Skin Disorders 2025-Mar-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060710 PMID:40150053	research paper	本研究探讨了深度学习算法在皮肤病变图像分类中的应用，特别是针对瘢痕疙瘩与其他良性和恶性皮肤病变的分类	研究首次将深度学习应用于瘢痕疙瘩与非皮肤镜图像的分类，并比较了九种不同CNN模型的性能	研究中使用的数据集有限，且在处理非皮肤镜图像时遇到了一些收集和处理问题	开发深度学习模型以准确分类瘢痕疙瘩与其他皮肤病变	瘢痕疙瘩、恶性皮肤病变（如黑色素瘤、基底细胞癌等）和良性皮肤病变	computer vision	skin disorders	transfer learning	CNN (VGG16, MobileNet, InceptionV3, DenseNet121, EfficientNetB0, Xception, InceptionRNV2, EfficientNetV2L, NASNetLarge)	image	两个公开可用的数据集，包含非皮肤镜图像，具体样本数量未明确说明
3659	2025-04-01	Deep Learning-Based Detection of Depression and Suicidal Tendencies in Social Media Data with Feature Selection 2025-Mar-12, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs15030352 PMID:40150247	研究论文	该研究提出了一种基于机器学习的框架，结合预训练语言模型和高级特征选择技术，用于从社交媒体数据中检测抑郁和自杀倾向	采用CWINCA进行特征选择和SVM进行分类，提高了检测抑郁和自杀倾向的准确性	未来工作需要关注实时检测能力和多语言适应性以提升实际应用性	通过社交媒体活动自动检测抑郁和自杀倾向，以支持早期干预和心理健康	社交媒体用户	自然语言处理	心理健康疾病	预训练语言模型和特征选择技术	SVM	文本	来自Twitter和Reddit的六个多样化数据集
3660	2025-04-01	Deep Multi-Modal Skin-Imaging-Based Information-Switching Network for Skin Lesion Recognition 2025-Mar-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030282 PMID:40150746	research paper	提出了一种基于深度学习的多模态皮肤成像信息交换网络（MDSIS-Net），用于端到端的皮肤病变识别	引入创新的信息交换模块和跨模态注意力机制，动态校准和整合多模态特征，提升特征表示和模态间关联	未明确提及模型在更大规模或多样化数据集上的泛化能力	提高皮肤病变识别的准确性和可解释性，以支持临床决策	皮肤病变图像，包括临床毁容性皮肤病数据和公开的Derm7pt黑色素瘤数据集	digital pathology	skin lesion	multi-modal imaging (spots, red marks, UV spots, porphyrins, brown spots)	CNN with information-switching module and cross-attention mechanism	image	临床毁容性皮肤病数据和Derm7pt黑色素瘤数据集（具体样本量未明确说明）