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
4141	2025-03-30	Diagnosis of Lung Cancer Using Endobronchial Ultrasonography Image Based on Multi-Scale Image and Multi-Feature Fusion Framework 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030024 PMID:40137564	研究论文	本研究开发了一种基于多尺度图像和多特征融合框架的计算机辅助诊断系统，用于通过支气管内超声图像诊断肺癌	提出了M3-Net，一种基于注意力机制的多分支框架，整合多种特征以提高肺癌诊断性能	样本量较小，仅包含95例患者病例	开发一种计算机辅助诊断系统，以促进肺癌的早期检测并提高患者生存率	支气管内超声图像	数字病理学	肺癌	深度学习	M3-Net	图像	95例患者病例（13例良性，82例恶性），共1140张EBUS图像
4142	2025-03-30	Deep Learning for Ultrasonographic Assessment of Temporomandibular Joint Morphology 2025-Feb-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030027 PMID:40137567	研究论文	本研究开发并验证了一种基于深度学习的自动测量颞下颌关节超声图像空间宽度的方法	首次将AI驱动的分割和测量算法应用于颞下颌关节超声图像分析，填补了该领域的空白	对关节窝的分割性能较低（Dice系数0.60±0.24），这可能是由于其复杂的几何形状导致的	开发自动且可重复的颞下颌关节超声图像空间宽度测量方法	颞下颌关节超声图像	计算机视觉	颞下颌关节紊乱	超声成像	2D Residual U-Net	图像	142张颞下颌关节超声图像
4143	2025-03-30	ADMM-TransNet: ADMM-Based Sparse-View CT Reconstruction Method Combining Convolution and Transformer Network 2025-Feb-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030023 PMID:40137562	research paper	提出了一种结合ADMM迭代算法框架、CNN和Transformer模型的稀疏视图CT重建方法，以减少对数据样本的依赖并提高图像重建的准确性	结合模型驱动和数据驱动方法，引入CNN和Transformer模型以增强图像全局和局部表示的学习能力	未明确提及具体的数据集规模或计算资源需求	提高稀疏视图CT重建的准确性和泛化能力	稀疏视图CT图像	computer vision	NA	ADMM迭代算法、CNN、Transformer	CNN、Transformer	CT图像	未明确提及
4144	2025-03-30	Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model 2025-Feb-24, Life (Basel, Switzerland) DOI:10.3390/life15030358 PMID:40141703	research paper	开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势	采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类	环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下	通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病	50名健康成年人在不同条件下进行举重任务	computer vision	occupational low back pain	OpenPose算法用于检测和提取关键身体点	bidirectional LSTM	video	50名健康成年人
4145	2025-03-30	Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy 2025-Feb-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17030290 PMID:40142954	综述	本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响	探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用	面临数据整合、AI驱动决策的伦理问题及监管合规等挑战	研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响	制药制造过程中的生产流程和质量控制	机器学习	NA	云计算、数据分析	深度学习	传感器数据	NA
4146	2025-03-30	Deep Learning-Based Tumor Segmentation of Murine Magnetic Resonance Images of Prostate Cancer Patient-Derived Xenografts 2025-Feb-22, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030021 PMID:40137561	research paper	该研究开发了一种基于深度学习的自动化分割流程，用于小鼠前列腺癌患者来源异种移植模型（PDX）的磁共振图像（MRI）肿瘤分割	提出了一种结合切片分类器和多种U-Net分割架构的自动化分割流程，特别针对多部位肿瘤图像进行优化	研究仅针对六种前列腺癌PDX模型，未验证在其他癌症类型或模型中的适用性	开发自动化工具以改进小鼠异种移植模型的肿瘤监测和表征	前列腺癌患者来源异种移植（PDX）小鼠模型的MRI图像	digital pathology	prostate cancer	MRI	U-Net, dense residual recurrent U-Net	image	六种不同前列腺癌PDX模型在肾脏、肝脏和胫骨的T2加权MRI图像
4147	2025-03-30	Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network 2025-Feb-21, Entropy (Basel, Switzerland) DOI:10.3390/e27030220 PMID:40149144	研究论文	本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计	将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题	NA	提高大规模MIMO通信系统中信道估计的准确性和效率	大规模MIMO通信系统	机器学习	NA	深度学习	PACE-Net（极化自注意力辅助神经网络）	信道数据	NA
4148	2025-03-30	Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks 2025-Feb-20, Life (Basel, Switzerland) DOI:10.3390/life15030327 PMID:40141673	research paper	该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性	采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11%	数据集来自Kaggle，可能存在样本多样性和泛化能力的限制	提高脑肿瘤分类的准确性和效率，支持临床决策	MRI图像中的脑肿瘤与非肿瘤图像	computer vision	brain tumor	deep transfer learning	InceptionResNetV2, VGG19, Xception, MobileNetV2	image	Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及
4149	2025-03-30	Performance of artificial intelligence on cervical vertebral maturation assessment: a systematic review and meta-analysis 2025-Feb-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-05482-9 PMID:39910512	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能在颈椎成熟度评估中的整体表现	首次对人工智能在颈椎成熟度评估中的应用进行了系统综述和荟萃分析，比较了不同AI子集（深度学习和机器学习）的性能差异	纳入研究的方法学存在差异，部分研究存在偏倚风险，且CS3阶段的评估性能相对较低	评估人工智能模型在颈椎成熟度评估中的诊断准确性	颈椎成熟度评估的放射影像	数字病理	骨科疾病	机器学习和深度学习	NA	放射影像	25项研究（其中12项纳入荟萃分析）
4150	2025-03-30	Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing 2025-Feb, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0285 PMID:40151680	研究论文	提出了一种基于多图像融合和深度学习的陶瓷增材制造中涂层缺陷实时监测方法	采用多图像融合技术和通道级YOLO（CW-YOLO）方法，显著提高了缺陷检测的准确性和实时性	未提及具体的数据集规模或实验环境的多样性限制	开发一种实时监测陶瓷增材制造中涂层缺陷的方法	陶瓷增材制造过程中的涂层缺陷	计算机视觉	NA	多图像融合、深度学习	CW-YOLO	图像	NA
4151	2025-03-30	Advances in computer vision and deep learning-facilitated early detection of melanoma 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf002 PMID:40139223	综述	本文综述了计算机视觉和深度学习在早期黑色素瘤检测中的最新进展	整合了多种先进神经网络模型（如YOLO、GAN、Mask R-CNN、ResNet和DenseNet）以提升早期黑色素瘤检测和诊断的准确性	未来研究需进一步提升技术、整合多模态数据并改善AI决策的可解释性以促进临床采用	探索计算机视觉和深度学习技术在早期黑色素瘤检测中的应用	黑色素瘤的早期检测和诊断	计算机视觉	黑色素瘤	深度学习	YOLO, GAN, Mask R-CNN, ResNet, DenseNet	图像	综合皮肤病数据集（如PH2、ISIC、DERMQUEST和MED-NODE）
4152	2025-03-29	Correction to: "UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf043 PMID:40139910	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4153	2025-03-30	Beyond the Greater Angkor Region: Automatic large-scale mapping of Angkorian-period reservoirs in satellite imagery using deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320452 PMID:40138322	研究论文	利用深度学习技术自动识别卫星图像中的吴哥时期水库，以扩展对吴哥文化区域的研究	使用先进的深度学习模型Deeplab V3+进行语义分割，自动识别吴哥时期的水库，显著提高了考古学家的工作效率	虽然模型准确度高，但仍需考古学家的进一步验证，且目前仅针对吴哥时期水库进行识别	通过自动识别卫星图像中的考古特征，扩展对吴哥文化区域的全面研究	吴哥时期的水库	计算机视觉	NA	卫星遥感技术、深度学习	Deeplab V3+	卫星图像	NA
4154	2025-03-30	Impact of imbalanced features on large datasets 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1455442 PMID:40151465	research paper	本文探讨了基于图像特征的分类框架，分析了平衡与不平衡分布对图像分类性能的影响	研究了类别不平衡对大规模数据集图像分类性能的影响，并发现Distributed Gaussian (D-GA)和Distributed Poisson (D-PO)是最有效的技术	未提及具体的数据集大小或实验的具体细节	探索类别不平衡对图像分类性能的影响	图像和视频数据	computer vision	NA	Distributed Gaussian (D-GA), Distributed Poisson (D-PO)	Random Forest (RF), SVM, deep learning models	image, video	large datasets（未提及具体数量）
4155	2025-03-30	Research on herd sheep facial recognition based on multi-dimensional feature information fusion technology in complex environment 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1404564 PMID:40151568	研究论文	本文提出了一种基于深度学习的智能监测系统，用于复杂环境下羊群的面部识别和健康评估	系统整合了多部分检测网络、面部分类模型和面部表情分析网络，并引入了多链接卷积融合块(MCFB)和可重参数化卷积(RepConv)结构以提高检测精度	NA	提高大规模农场中羊群个体监测的准确性和效率	羊群	计算机视觉	NA	深度学习	YOLOv5s, GhostNet, EfficientNet	图像	NA
4156	2025-03-30	Transformer-based ensemble model for dialectal Arabic sentiment classification 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2644 PMID:40151815	研究论文	该研究提出了一种基于Transformer的集成模型，用于方言阿拉伯语的情感分类	提出了一种基于Transformer的集成模型，在方言阿拉伯语情感分类任务中表现优于传统机器学习和深度学习模型	研究仅限于三个基准数据集，可能无法涵盖所有方言阿拉伯语的变体	提高方言阿拉伯语情感分类的准确性和性能	阿拉伯语推文的情感分类	自然语言处理	NA	AraVec, FastText, AraBERT, TF-IDF	Transformer-based ensemble model, SVM, NB, DT, XGBoost, CNN, BLSTM, CAMeLBERT, XLM-RoBERTa, MARBERT	文本	三个基准数据集：ASTD、ASAD和TEAD
4157	2025-03-30	A semantic segmentation-based automatic pterygium assessment and grading system 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1507226 PMID:40151829	研究论文	本研究开发了一种结合深度学习和图像处理技术的自动翼状胬肉评估和分级系统	通过整合语义分割和曲线拟合技术，实现了翼状胬肉的自动分级，与医生临床评估高度一致	数据集的构建仍需在未来研究中进一步优化	开发自动化的翼状胬肉评估系统以优化治疗并减轻患者痛苦	翼状胬肉患者	数字病理学	眼部疾病	深度学习、图像处理	改进的TransUnet架构	图像	临床数据集中的裂隙灯显微镜图像
4158	2025-03-30	Addressing Class Imbalance with Latent Diffusion-based Data Augmentation for Improving Disease Classification in Pediatric Chest X-rays 2024-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm62325.2024.10822172 PMID:40134830	研究论文	本研究探讨了使用基于潜在扩散模型的数据增强技术来解决儿科胸部X光片分类中的类别不平衡问题	首次评估了文本引导的图像到图像潜在扩散模型在合成疾病阳性胸部X光片中的应用，并验证了其在改善分类性能方面的有效性	研究仅针对两种特定肺部疾病（肺炎和支气管肺炎）进行了验证，未涵盖更广泛的儿科胸部疾病	解决医学图像分类中的类别不平衡问题，提高深度学习模型在儿科胸部X光片疾病分类中的性能	儿科胸部X光片（CXRs）	数字病理学	儿科肺部疾病（肺炎和支气管肺炎）	潜在扩散模型（LDM）	Inception-V3, 潜在扩散模型（LDM）	医学图像（胸部X光片）	未明确说明具体样本数量，但涉及类别不平衡的儿科胸部X光片数据集
4159	2025-03-30	STMGraph: spatial-context-aware of transcriptomes via a dual-remasked dynamic graph attention model 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae685 PMID:39764614	研究论文	介绍了一种名为STMGraph的双重掩蔽动态图注意力模型，用于空间转录组数据的全局上下文感知分析	提出了一种结合双重掩蔽机制(MASK-REMASK)与动态图注意力模型(DGAT)的新型深度学习框架，能够更好地处理空间转录组数据	未明确提及具体局限性	提高空间转录组数据分析的准确性和鲁棒性，实现微环境异质性检测、空间域聚类和批次效应校正	空间转录组数据	生物信息学	NA	空间转录组技术	动态图注意力模型(DGAT)	空间转录组数据	未明确提及具体样本量
4160	2025-03-30	Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence 2024-May-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae158 PMID:38544295	研究论文	本研究利用Google街景图像和深度学习技术评估建筑环境与冠状动脉疾病患病率之间的关联	首次将深度学习应用于Google街景图像分析，建立建筑环境特征与心血管疾病患病率的关联模型	横断面研究设计无法确定因果关系，研究仅限于美国七个城市	探索基于机器视觉的建筑环境评估与心血管疾病患病率之间的关系	美国七个城市的789个人口普查区的建筑环境特征	计算机视觉	心血管疾病	深度学习	CNN, 线性混合效应模型	图像	53万张Google街景图像，覆盖7个美国城市的789个人口普查区