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
3961	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
3962	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
3963	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
3964	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
3965	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）
3966	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
3967	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×
3968	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
3969	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
3970	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
3971	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
3972	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
3973	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）
3974	2025-04-01	AI-Driven Advances in Low-Dose Imaging and Enhancement-A Review 2025-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060689 PMID:40150031	综述	本文回顾了人工智能在低剂量医学成像中的进展，特别是在CT、X射线和MRI中的应用	AI技术显著降低了辐射剂量同时提高了图像质量，并优化了放射学工作流程	模型泛化能力、监管限制、伦理考虑和计算需求等挑战仍需解决	探索AI在低剂量医学成像中的作用，以平衡诊断质量和辐射暴露	CT、X射线和MRI等医学成像技术	医学影像	NA	深度学习模型、卷积神经网络(CNNs)等AI技术	CNN	医学影像	NA
3975	2025-04-01	A Robust YOLOv8-Based Framework for Real-Time Melanoma Detection and Segmentation with Multi-Dataset Training 2025-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060691 PMID:40150034	研究论文	提出了一种基于YOLOv8的深度学习框架，用于实时黑色素瘤检测和分割	采用多数据集训练策略增强泛化能力，将检测和分割任务统一到单次推理中，显著提高计算效率	建议整合可解释AI技术以增强临床信任和可解释性	提高黑色素瘤诊断的准确性和实时性	黑色素瘤图像	计算机视觉	黑色素瘤	深度学习	YOLOv8	图像	ISIC 2020、HAM10000和PH2数据集
3976	2025-04-01	Real-Time Object Detector for Medical Diagnostics (RTMDet): A High-Performance Deep Learning Model for Brain Tumor Diagnosis 2025-Mar-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030274 PMID:40150738	研究论文	介绍了一种名为RTMDet的高性能深度学习模型，用于实时脑肿瘤诊断	RTMDet通过优化CNN架构，在保持诊断精度的同时降低了计算负担，实现了实时处理	未提及具体的数据集规模或模型在多样化临床环境中的泛化能力	优化深度学习模型以实现脑肿瘤的实时高精度诊断	脑肿瘤的医学影像数据	数字病理	脑肿瘤	深度卷积神经网络	CNN	医学影像	未明确提及具体样本量，但使用了综合医学影像数据集
3977	2025-04-01	Integrated Machine Learning Algorithms-Enhanced Predication for Cervical Cancer from Mass Spectrometry-Based Proteomics Data 2025-Mar-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030269 PMID:40150733	研究论文	本研究利用基于质谱的蛋白质组学数据和多种机器学习算法，开发了一个AI驱动的流程，用于宫颈癌早期诊断血清生物标志物的识别和验证	结合八种不同的机器学习算法和多维学习模型，显著提高了早期宫颈癌诊断的准确性，AUC接近1	研究样本量相对较小（240例患者），且仅针对宫颈癌，未验证其他癌症类型的适用性	开发AI驱动的流程，提高早期癌症诊断的准确性	宫颈癌患者血清中的多肽差异峰	机器学习	宫颈癌	质谱蛋白质组学	多种机器学习算法（未具体说明）	蛋白质组学数据	240例患者
3978	2025-04-01	Deep learning‑based prediction of in‑hospital mortality for acute kidney injury 2025-Mar-07, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2470809 PMID:40052403	research paper	该研究提出了一种基于深度学习的GCAT模型，用于预测急性肾损伤（AKI）患者的院内死亡率	GCAT模型通过探索患者属性特征的相似性并构建患者特征相似性网络（PFSN），显著提高了预测准确性	研究仅使用了MIMIC-III数据集，可能无法涵盖所有临床场景	预测急性肾损伤（AKI）患者的院内死亡率	急性肾损伤（AKI）患者	machine learning	acute kidney injury	深度学习	GCAT	临床数据	MIMIC-III数据集中的患者
3979	2025-04-01	Anomaly Detection in Retinal OCT Images With Deep Learning-Based Knowledge Distillation 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.26 PMID:40146150	研究论文	开发了一种基于深度学习的无监督异常检测系统，用于识别视网膜OCT图像中的病理形态学表现	采用Teacher-Student知识蒸馏方法，仅使用正常病例进行训练，无需额外人工标注，实现了高效的异常检测和定位	在外部数据集上的B-scan检测AUC值在0.81-0.87之间，性能有待进一步提升	开发一个稳健且通用的AI系统，用于筛查视网膜OCT图像中的病理异常	视网膜OCT图像	计算机视觉	年龄相关性黄斑变性(AMD)和糖尿病性黄斑水肿(DME)	深度学习	Teacher-Student知识蒸馏模型	图像	3358名患者的OCT扫描数据
3980	2025-04-01	A Novel Tactile Learning Assistive Tool for the Visually and Hearing Impaired with 3D-CNN and Bidirectional LSTM Leveraging Morse Code Technology 2025-Mar-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030253 PMID:40150717	研究论文	开发一种结合3D-CNN和双向LSTM的新型触觉学习辅助工具，利用摩尔斯电码技术帮助视力和听力受损儿童	结合3D-CNN和双向LSTM深度学习技术，将说话者的唇部动作转换为摩尔斯电码，通过可穿戴设备传递给聋盲儿童	实验评估中单词错误率为2%，可能存在一定的识别误差	减少聋盲儿童与同伴沟通的困难，并帮助他们在课堂环境中独立学习	聋盲儿童	机器学习	NA	摩尔斯电码技术	3D-CNN和双向LSTM	唇部动作视频	NA