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
401	2025-05-15	MRI-based deep learning with clinical and imaging features to differentiate medulloblastoma and ependymoma in children 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1570860 PMID:40356719	research paper	该研究探讨了基于T2加权MRI的深度学习结合临床和影像特征在儿童髓母细胞瘤和室管膜瘤鉴别中的有效性	结合深度学习和多模态临床影像特征构建融合模型，显著提高了鉴别诊断的准确性	样本量相对有限（201例），且来自三个研究中心可能存在数据异质性	开发有效的儿童髓母细胞瘤和室管膜瘤鉴别诊断方法	儿童髓母细胞瘤（MB）和室管膜瘤（EM）患者	digital pathology	brain tumor	T2-weighted MRI	AlexNet-based DL classifier with multimodality fusion	MRI images and clinical features	201名患者（来自三个研究中心）
402	2025-05-15	Deep learning-based automated tongue analysis system for assisted Chinese medicine diagnosis 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1559389 PMID:40356770	研究论文	本研究提出了一种结合深度学习与传统中医的自动化舌象分析系统，以提高舌诊的准确性和客观性	系统包括硬件设备、改进的半监督学习分割算法、高性能色彩校正模块以及融合不同特征的舌象分析算法	未提及具体样本量或实验设计的局限性	提升中医舌诊的准确性和客观性	舌象图像	数字病理	NA	深度学习	U2net	图像	NA
403	2025-05-15	Deep learning for malignant lymph node segmentation and detection: a review 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1526518 PMID:40356919	综述	本文深入回顾了深度学习在恶性淋巴结分割和检测方面的进展	专注于恶性淋巴结的深度学习应用，填补了该领域综述的空白	未提及具体模型的性能比较或量化分析	提升癌症治疗规划的精确性和效率	恶性淋巴结	数字病理学	癌症	深度学习	NA	医学影像	NA
404	2025-05-15	Leveraging artificial intelligence in disaster management: A comprehensive bibliometric review 2025, Jamba (Potchefstroom, South Africa) DOI:10.4102/jamba.v17i1.1776 PMID:40357012	综述	本文通过文献计量学方法回顾了人工智能在灾害管理中的应用	利用VOSviewer和Biblioshiny工具分析了848篇文献，揭示了AI在灾害管理中的研究趋势和科学图谱	仅基于Scopus数据库的英文文献，可能遗漏其他语言或数据库的重要研究	评估人工智能技术在灾害管理领域的应用现状和发展趋势	自然灾害管理相关的人工智能研究文献	机器学习	NA	文献计量分析	NA	文献数据	848篇出版物
405	2025-05-15	Making, not breaking the young, aspiring athlete: the development of Prep to be PRO (Nærmere Best) - a Norwegian school-based educational programme 2025, BMJ open sport & exercise medicine IF:3.9Q1 DOI:10.1136/bmjsem-2024-002388 PMID:40357054	research paper	本文记录了Prep to be PRO教育模块化计划的开发过程，旨在支持和保护体育初中和体育高中年轻运动员的健康与发展	该计划首次系统性地整合了多学科知识，并通过国家高中课程确保其相关性和教育标准的一致性	尚未进行系统性的数据收集和效果评估，长期可持续性仍需验证	开发一个教育计划，以预防年轻运动员的健康问题并支持其发展	体育初中和体育高中的年轻运动员	运动科学	NA	NA	NA	NA	超过40名利益相关者参与开发过程
406	2025-05-15	Deep learning object detection-based early detection of lung cancer 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1567119 PMID:40357272	research paper	本文探讨了基于深度学习的物体检测技术在肺癌早期诊断中的应用	比较了不同版本的YOLO模型在肺癌CT图像检测任务中的性能，发现YOLOv8表现最佳	研究仅基于公开数据集Lung-PET-CT-Dx，未涉及其他数据集验证	提高肺癌早期诊断和分类的准确性	肺癌CT图像	computer vision	lung cancer	deep learning	YOLO系列（YOLOv5, YOLOv8, YOLOv9, YOLOv10, YOLOv11）	image	Lung-PET-CT-Dx公共数据集
407	2025-05-15	RAMAS-Net: a module-optimized convolutional network model for aortic valve stenosis recognition in echocardiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587307 PMID:40357270	研究论文	提出了一种名为RAMAS-Net的深度学习模型，用于在超声心动图中自动识别和诊断主动脉瓣狭窄	通过将ResNet50主干的Stage 4替换为SCConv和MDTA模块，减少了冗余计算并提高了特征提取能力	NA	提高主动脉瓣狭窄的诊断准确性，支持临床决策	主动脉瓣狭窄（AS）患者	数字病理	心血管疾病	深度学习	CNN（ResNet50改进版）	图像（超声心动图）	TMED-2和TMED-1数据集
408	2025-05-15	An optimized deep learning model based on transperineal ultrasound images for precision diagnosis of female stress urinary incontinence 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1564446 PMID:40357276	研究论文	本研究开发并验证了一种基于经会阴超声图像的优化深度学习模型，以提高女性压力性尿失禁的诊断精度和可靠性	首次将深度学习模型（如DenseNet-121）应用于经会阴超声图像，显著提高了女性压力性尿失禁的诊断性能	研究为回顾性设计，样本量相对有限（464例），且仅评估了三种深度学习模型	提高女性压力性尿失禁的诊断精度和可靠性	464名女性的经会阴超声图像（200例患者和264例对照）	数字病理	尿失禁	经会阴超声（TPUS）	ResNet-50, ResNet-152, DenseNet-121	图像	464名女性（200例患者和264例对照）
409	2025-05-15	Automatic segmentation and volume measurement of anterior visual pathway in brain 3D-T1WI using deep learning 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1530361 PMID:40357297	研究论文	本研究探讨了使用3D UX-Net深度学习模型在脑部T1加权成像中自动分割和测量前视通路（AVP）体积的可行性	首次在脑部T1WI中使用3D UX-Net模型进行AVP自动分割和体积测量，并提供了成人AVP的标准化测量值	研究样本量相对较小（119名成人），且为回顾性研究	开发自动分割和测量前视通路体积的深度学习模型	前视通路（AVP）	数字病理学	NA	3D T1加权成像（T1WI）	3D UX-Net, 3D U-Net, Swin UNEt TRansformers (UNETR), UNETR++, Swin Soft Mixture Transformer (Swin SMT)	3D医学影像	119名成人的临床数据和脑部3D T1WI影像
410	2025-05-15	Accurate total consumer price index forecasting with data augmentation, multivariate features, and sentiment analysis: A case study in Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321530 PMID:40359407	research paper	该研究提出了一种结合数据增强、多变量特征和情感分析的新框架，用于准确预测韩国的总消费者价格指数（CPI）	提出了一种混合CNN-LSTM机制，结合多变量输入、数据增强和情感指数，以提高CPI预测的准确性	研究主要针对韩国市场，可能不适用于其他国家的CPI预测	提高总消费者价格指数（CPI）的预测准确性，以支持更及时有效的经济政策制定	韩国的总消费者价格指数（CPI）及其12类商品和服务的462个项目	machine learning	NA	线性插值、情感分析	CNN-LSTM	时间序列数据、文本数据	NA
411	2025-05-15	Artificial intelligence meets genomic selection: comparing deep learning and GBLUP across diverse plant datasets 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1568705 PMID:40364946	研究论文	本文通过比较深度学习和GBLUP方法在14个植物育种数据集上的表现，探讨了基因组选择在植物育种中的应用	深度学习模型能够捕捉复杂的非线性遗传模式，尤其在小型数据集中表现优于GBLUP	两种方法在所有评估性状和场景中均未表现出绝对优势，深度学习模型的成功依赖于参数优化	提升基因组选择在植物育种中的实施效果	14个来自不同植物育种项目的真实数据集	机器学习	NA	基因组选择（GS）	深度学习（DL）、GBLUP	基因组数据	14个数据集
412	2025-05-15	sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1487020 PMID:40365011	研究论文	本研究提出了一种基于多流自适应卷积神经网络与残差模块的表面肌电手势识别方法	结合多流卷积神经网络、自适应卷积神经网络和残差模块，提升了模型的特征提取和学习能力	未考虑个体间肌电信号差异，网络计算负载较大	提高表面肌电手势识别的准确率和多手势识别性能	表面肌电信号	机器学习	NA	表面肌电信号分析	多流自适应CNN与残差模块(MSACNN-RM)	肌电信号数据	Ninapro DB1、DB2和DB4数据集
413	2025-05-15	Optimizing gene selection and module identification via ontology-based scoring and deep learning 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf034 PMID:40365108	research paper	提出了一种结合统计方法和深度学习模型的集成框架，用于优化基因选择和模块识别	结合了基于基因本体论（GO）的新型统计算法和深度神经网络模型，提高了基因选择的准确性和生物相关性的发现	未提及具体的样本量或实验验证，可能缺乏实际应用的广泛验证	优化基因选择并揭示基因相互作用，以更好地理解复杂疾病机制	基因表达数据和基因相互作用模块	computational biology	NA	gene ontology (GO) scoring, deep neural network	feed-forward neural network	omics data, regulatory pathway data	NA
414	2025-05-15	Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI 2025, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-74561-4_16 PMID:40365134	研究论文	该研究提出了一种通过潜在空间正则化方法提高MRI脑部研究中深度学习模型可解释性的技术	通过成对解缠技术对多标签分类器的潜在空间进行正则化，使潜在空间中两个脑MRI表征的差异与神经心理学测试分数的差异相似	研究样本量相对有限，特别是HIV无HAND组仅32例	提高MRI脑部研究中深度学习模型的可解释性，并实现多标签诊断	脑MRI图像	医学影像分析	认知障碍（包括轻度认知障碍和HIV相关认知障碍）	潜在空间正则化、成对解缠技术	多标签分类器	MRI图像	519例（156例对照组，165例MCI，166例HAND，32例HIV无HAND）
415	2025-05-15	A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1504412 PMID:40365227	研究论文	通过深度学习超声图像分析建立甲状腺结节的预测列线图模型	结合深度学习和患者临床超声特征构建的列线图模型，其准确性高于单独使用C-TIRADS或深度学习模型	研究为回顾性设计，可能存在选择偏差	提高甲状腺结节良恶性的预测性能	甲状腺结节	数字病理	甲状腺疾病	深度学习超声图像分析	深度学习模型	超声图像	2247个甲状腺结节（1573个用于训练和测试，674个用于验证）
416	2025-05-15	Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1526144 PMID:40365495	研究论文	本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法	结合深度学习和放射组学技术，开发了自动化分割模型和放射组学特征，用于MTS的诊断	研究样本量有限，且仅基于特定纳入和排除标准的病例	开发自动化识别May-Thurner综合征（MTS）的算法	髂静脉CTV扫描图像	计算机视觉	心血管疾病	放射组学分析	UPerNet	图像	490例（201例阳性，289例阴性）
417	2025-05-15	Cryptographic key generation using deep learning with biometric face and finger vein data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1545946 PMID:40365578	研究论文	提出了一种利用深度学习和多模态生物特征数据（人脸和手指静脉）生成加密密钥的新方法	结合FaceNet和VGG19预训练模型进行特征提取，采用Siamese Neural Network (SNN)和模糊提取器，实现安全且可复现的加密密钥生成	NA	提高生物特征密码学的准确性和鲁棒性，探索抗量子攻击的可扩展系统	人脸和手指静脉的生物特征数据	机器学习和密码学	NA	深度学习和特征融合技术	FaceNet, VGG19, Siamese Neural Network (SNN)	生物特征数据（图像）	NA
418	2025-05-15	Regional, rural and remote medicine attracts students with a similar approach to learning in both the Northern and Southern hemisphere 2024-12, International journal of circumpolar health IF:1.3Q4 DOI:10.1080/22423982.2024.2404274 PMID:39285655	研究论文	本研究比较了南北半球两个医学项目中学生的学习目标取向和学习特征，以探讨适合农村医疗环境的学生特质	首次在跨半球背景下比较农村医学项目学生的学习特征和目标取向	样本仅来自两个医学项目，可能无法代表所有农村医学学生	探讨适合农村医疗环境的学生学习特征和目标取向	263名医学学生（分别来自南北半球的两个医学项目）	医学教育	NA	问卷调查（三种调查工具）	NA	问卷调查数据	263名医学学生
419	2025-05-15	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，并通过个性化机器学习和自监督学习技术提高了检测准确性	采用参与者特定的卷积神经网络（CNNs）结合自监督学习（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	开发一种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	自监督学习（SSL）	1D-CNN	生物信号数据	9名参与者
420	2025-05-15	Using Deep Learning to Suggest Treatment for Proximal Humerus Fractures 2024-11-22, Studies in health technology and informatics DOI:10.3233/SHTI241080 PMID:39575796	research paper	该研究开发了一个基于深度学习的模型，用于根据肱骨近端骨折的放射影像预测治疗类型	利用深度学习模型预测肱骨近端骨折的治疗类型，其准确性和观察者间可靠性超过了肩部外科医生的判断	模型仅在特定测试数据集上进行了验证，可能需要更多样化的数据以提高泛化能力	开发一个治疗决策支持系统，以加快急诊科对肱骨近端骨折的治疗决策	肱骨近端骨折患者	digital pathology	骨折	深度学习	NA	image	NA