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
4441	2025-04-25	ChatGPT, Bard, and Bing Chat Are Large Language Processing Models That Answered Orthopaedic In-Training Examination Questions With Similar Accuracy to First-Year Orthopaedic Surgery Residents 2025-Mar, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.08.023 PMID:39209078	research paper	评估ChatGPT、Bard和Bing Chat在骨科培训考试(OITE)问题上的表现，并与骨科实习生的表现进行比较	首次比较了大型语言处理模型与骨科实习生在骨科培训考试中的表现	未包含图像相关问题，且样本仅限于2021和2022年的OITE问题	评估AI模型在骨科诊断和治疗问题上的准确率	ChatGPT、Bard和Bing Chat模型以及骨科实习生	natural language processing	骨科疾病	大型语言模型	GPT-3.5, Bard, Bing Chat	text	420个OITE问题
4442	2025-04-25	Deep learning-based analysis of gross features for ovarian epithelial tumors classification: A tool to assist pathologists for frozen section sampling 2025-Mar, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.105762 PMID:40122402	research paper	本研究提出了一种基于Swin Transformer的SGFD-network，用于辅助病理学家通过大体特征定位卵巢上皮性肿瘤的病变区域	首次利用深度学习分析大体图像特征辅助卵巢上皮性肿瘤分类，特别是针对冰冻切片采样中的微浸润鉴别难题	研究仅基于4129张大样本图像，未说明外部验证集的性能表现	开发辅助病理学家进行卵巢上皮性肿瘤冰冻切片采样的AI工具	卵巢上皮性肿瘤的大体图像特征	digital pathology	ovarian cancer	deep learning	Swin Transformer	image	4129张卵巢上皮性肿瘤大体图像
4443	2025-04-25	RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597812 PMID:38895232	研究论文	介绍了一个名为RESPAN的开源深度学习流程，用于准确、自动地恢复、分割和量化树突棘	RESPAN整合了最先进的深度学习技术，用于图像恢复、分割和分析，提供了一个易于部署、用户友好的界面，显著提高了可用性和准确性	未明确提及具体限制	开发一个自动化工具，用于树突棘的恢复、分割和量化，以研究突触连接性	树突棘、树突分支和神经元胞体	数字病理学	NA	深度学习	NA	图像	多种样本，包括活体成像和体内双光子显微镜获取的挑战性数据集
4444	2025-04-25	Blockchain-integrated IoT device for advanced inspection of casting defects 2025-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86777-3 PMID:39939622	研究论文	本研究提出了一种创新的区块链集成物联网系统，用于铸件缺陷的高级检测，结合了基于ResNet的深度学习模型和区块链技术	结合ResNet深度学习模型与区块链技术，提升缺陷检测精度并确保数据完整性和可追溯性	可扩展性和能源效率仍有待改进	解决智能制造中的质量控制和数据管理挑战	铸件缺陷检测与数据管理	智能制造	NA	区块链技术、深度学习	ResNet	图像数据	NA
4445	2025-04-25	Mortality risk assessment using deep learning-based frequency analysis of electroencephalography and electrooculography in sleep 2025-Feb-10, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsae219 PMID:39301948	research paper	利用基于深度学习的脑电图和眼电图频率分析评估睡眠中的全因死亡风险	首次使用深度学习模型分析EEG和EOG的功率谱，以预测全因死亡率，并通过SHAP方法进行数据驱动的睡眠阶段特定频带定义	预测全因死亡率的C-index增益较小，仅增加0.24%	评估夜间多导睡眠图（PSG）中EEG和EOG的频率内容是否能预测全因死亡率	8716名参与者，包括MrOS睡眠研究和睡眠心脏健康研究的参与者	machine learning	NA	深度学习生存模型，SHAP分析，Cox比例风险模型	深度学习模型	EEG和EOG信号数据	8716名参与者的PSG数据
4446	2025-04-25	Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media 2025-Feb-04, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.03.636280 PMID:39974903	研究论文	本文介绍了一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基	利用深度学习和胶体数字SERS技术，通过将时间波动的SERS强度转换为数字二进制信号，显著提高了检测的准确性和可重复性	某些分析物缺乏特征SERS峰可能限制了该平台的广泛应用	开发一种快速、精确监测细胞培养基的新技术，以提高生物制药制造的质量控制	细胞培养基（特别是AMBIC 1.1）中的小分子关键过程参数和质量属性	生物医学诊断	NA	表面增强拉曼光谱（SERS），深度学习	深度学习	光谱数据	NA
4447	2025-04-25	Heatmap-Based Active Shape Model for Landmark Detection in Lumbar X-ray Images 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01210-x PMID:39103566	研究论文	提出了一种基于热图和主动形状模型的方法，用于提高腰椎X射线图像中地标检测的鲁棒性	结合深度学习的图像分析能力和地标分布的统计形状约束，提高了地标检测的准确性	未提及具体对噪声和图像模糊性的处理效果	提高腰椎X射线图像中地标检测的鲁棒性	腰椎X射线图像	计算机视觉	腰椎疾病	热图响应和主动形状模型	CNN（Pose-Net和M-Net）	图像	3600张腰椎X射线图像
4448	2025-04-25	IEA-Net: Internal and External Dual-Attention Medical Segmentation Network with High-Performance Convolutional Blocks 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01217-4 PMID:39105850	研究论文	提出了一种内部和外部双重注意力的医学图像分割网络IEA-Net，用于解决传统CNN在特征提取和远程依赖建模方面的不足	设计了ICSwR模块和IEAM模块，其中IEAM模块包含LGGW-SA和EA模块，分别用于学习样本内局部-全局特征关联和样本间连接	未明确提及具体局限性	提升医学图像分割性能，特别是人体器官分割任务	医学图像（人体器官图像）	计算机视觉	NA	深度学习	IEA-Net（包含ICSwR和IEAM模块）	图像	Synapse多器官分割数据集和ACDC心脏分割数据集（具体样本数量未提及）
4449	2025-04-25	Automated 3D Cobb Angle Measurement Using U-Net in CT Images of Preoperative Scoliosis Patients 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01211-w PMID:39117939	研究论文	提出一种名为SpineCurve-net的深度学习框架，用于从术前脊柱侧弯患者的CT图像中自动测量3D Cobb角度	开发了结合U-net和NURBS-net的自动化3D Cobb角度测量方法，能更准确反映脊柱三维畸形特征	样本量相对有限（116例患者），且验证集年龄分布与训练集存在差异	开发自动化脊柱侧弯评估工具以辅助手术规划	脊柱侧弯患者的CT影像	数字病理	脊柱侧弯	CT成像	U-net结合NURBS-net	3D医学影像	116例脊柱侧弯患者（89例训练集，27例验证集）
4450	2025-04-25	Allergy Wheal and Erythema Segmentation Using Attention U-Net 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01075-0 PMID:39120761	research paper	该研究使用深度学习方法对皮肤点刺试验（SPT）图像中的风团和红斑进行分割	采用Attention U-Net模型和图像预处理技术（CLAHE）来提高SPT图像中目标区域的分割精度	样本量较小（46张SPT图像，来自33名参与者），且模型的敏感性和Dice相似系数仍有提升空间	开发一种自动化方法来准确分割SPT图像中的风团和红斑区域	皮肤点刺试验（SPT）图像中的风团和红斑区域	computer vision	过敏性疾病	CLAHE（对比度受限的自适应直方图均衡化）	Attention U-Net	image	46张SPT图像（来自33名参与者），其中144个风团和150个红斑训练数据集
4451	2025-04-25	Robust ROI Detection in Whole Slide Images Guided by Pathologists' Viewing Patterns 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01202-x PMID:39122892	研究论文	该研究提出了一种基于深度学习的方法，通过模拟病理学家的观察模式来增强全切片图像中感兴趣区域的检测	利用病理学家诊断时的观察模式生成热图，指导深度学习架构训练，无需单个病例注释	在没有眼动追踪数据的情况下，精确识别焦点区域具有挑战性	提高计算机辅助诊断系统中感兴趣区域检测的准确性和效率	皮肤活检全切片图像中的黑色素瘤诊断	数字病理学	黑色素瘤	深度学习	U-Net with pre-trained ResNet-18 encoder	图像	NA
4452	2025-04-25	RVDLAHA: An RISC-V DLA Hardware Architecture for On-Device Real-Time Seizure Detection and Personalization in Wearable Applications 2025-Feb, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3442250 PMID:39137083	研究论文	提出了一种基于RISC-V的深度学习加速器硬件架构（RVDLAHA），用于可穿戴设备上的实时癫痫发作检测和个性化算法	提出了实时癫痫发作检测和个性化算法、可编程RISC-V深度学习加速器硬件架构（RVDLAHA）以及专用的RISC-V DLA（RVDLA）编译器	实验仅在实验室大鼠中进行，尚未在人类患者中验证	解决可穿戴设备中实时癫痫检测和个性化算法的硬件实现问题	癫痫患者的脑电信号数据	机器学习	癫痫	CNN	CNN	脑电信号数据	实验室大鼠
4453	2025-04-25	Artificial intelligence-driven electrocardiography: Innovations in hypertrophic cardiomyopathy management 2025-Feb, Trends in cardiovascular medicine IF:7.3Q1 DOI:10.1016/j.tcm.2024.08.002 PMID:39147002	综述	本文探讨了人工智能（AI）和机器学习（ML）技术在肥厚型心肌病（HCM）的心电图（ECG）分析中的应用及其对诊断、预后和管理的潜在影响	利用深度学习（DL）模型（如卷积神经网络）分析ECG信号，准确识别HCM相关异常，超越传统诊断方法，并在风险评估中预测心律失常事件	需要更大、更多样化的数据集以提高模型的泛化能力，并解决罕见事件预测中的不平衡问题	探索AI和ML技术在HCM的ECG分析中的应用，以改进诊断、预后和管理策略	肥厚型心肌病（HCM）患者	机器学习	心血管疾病	深度学习（DL）	CNN	ECG信号	NA
4454	2025-04-25	Artificial intelligence-driven volumetric CT outcome score in cystic fibrosis: longitudinal and multicenter validation with/without modulators treatment 2025-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11019-5 PMID:39150489	研究论文	本研究利用3D深度学习技术对囊性纤维化（CF）患者CT结构变化进行全肺分割，开发了一种自动定量评估气道异常的标准化体积（NOVAA-CT）方法，并进行了纵向和多中心验证	首次开发了基于AI的全肺自动定量评估系统NOVAA-CT，可量化多种气道异常参数，并验证了其对治疗效果的监测能力	研究为回顾性设计，样本量相对有限（139例），且仅针对特定治疗药物（ETI和皮质类固醇）进行了验证	验证AI驱动的CT体积评分在囊性纤维化病情监测和治疗效果评估中的临床应用价值	囊性纤维化患者（接受ETI或皮质类固醇治疗）	数字病理学	囊性纤维化	3D深度学习	3D CNN	CT影像	139例CF患者（60例ETI组，20例ABPA组，59例外部验证组）
4455	2025-04-25	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2025-Feb, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	使用基于深度学习的OCT图像分析技术量化pegcetacoplan治疗下地理萎缩(GA)患者的光感受器(PRs)和视网膜色素上皮(RPE)层的形态学变化	首次采用深度学习技术对OCT图像进行分析，量化pegcetacoplan治疗对GA患者PR和RPE退化的影响，并发现EZ-RPE差异对疾病进展和治疗反应有显著影响	研究为事后纵向图像分析，可能存在选择偏倚；样本仅来自两项临床试验(OAKS和DERBY)	评估pegcetacoplan治疗对GA患者视网膜结构变化的影响	年龄相关性黄斑变性导致的GA患者	数字病理学	年龄相关性黄斑变性	OCT成像，深度学习分析	深度学习分割模型	OCT图像	897名患者的897只眼睛
4456	2025-04-25	Deep learning and optimization enabled multi-objective for task scheduling in cloud computing 2025-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2391395 PMID:39163538	研究论文	本文提出了一种结合多目标优化和深度学习的任务调度模型，用于云计算环境中的任务分配	提出了一种混合分数火烈鸟甲虫优化算法(FFBO)和深度前馈神经网络融合长短期记忆网络(DFNN-LSTM)的新模型	NA	优化云计算环境中的任务调度性能	云计算任务调度	机器学习	NA	深度学习	DFNN-LSTM, FFBO	任务参数和虚拟机参数	NA
4457	2025-04-25	Sleep onset time as a mediator in the association between screen exposure and aging: a cross-sectional study 2025-Feb, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01321-x PMID:39190220	研究论文	本研究探讨了屏幕暴露时间对中老年人群衰老的影响，并分析了睡眠开始时间在这一关系中的中介作用	首次使用视网膜年龄差作为衰老指标，并发现睡眠开始时间在屏幕使用与视网膜年龄差之间起中介作用	研究为横断面设计，无法确定因果关系	探究屏幕暴露时间与衰老之间的关系及其潜在机制	中国上海45岁以上的健康在职成年人	数字病理学	老年疾病	深度学习算法	深度学习	图像（眼底图像）和问卷数据	未明确说明样本数量，研究对象为上海45岁以上健康在职成年人
4458	2025-04-25	Brain tumor detection and segmentation using deep learning 2025-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01203-5 PMID:39231857	research paper	该研究提出了一种基于深度学习的脑肿瘤检测、分类和分割方法，结合YOLOv5与2D U-Net	首次比较了不同目标检测算法（Faster R-CNN、YOLO和SSD）在脑肿瘤MRI数据上的表现，并将最佳检测网络与2D U-Net结合进行像素级分割	研究仅针对特定数据集（BTF和BRATS 2018）进行了验证，未在其他数据集上测试泛化能力	比较不同目标检测算法在脑肿瘤检测中的性能，并开发一种高效的脑肿瘤检测与分割方法	脑肿瘤的检测、分类和分割	digital pathology	brain tumor	deep learning-based object detection and segmentation	YOLOv5, 2D U-Net, Faster R-CNN, SSD, Mask R-CNN	MRI images	Brain Tumor Figshare (BTF) dataset和BRATS 2018数据集
4459	2025-04-25	Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy 2025-Feb, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.08.004 PMID:39232875	研究论文	比较病理学家和基于人工智能的分级方法在预测前列腺癌根治术后转移结果中的表现	首次将深度学习算法应用于组织病理学图像分级，并与病理学家的分级结果在预测转移性结果方面进行比较	研究仅基于777名患者的数据，样本量相对有限	评估人工智能在前列腺癌分级中的预测性能	前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	图像	777名前列腺癌患者
4460	2025-04-25	Multiparametric ultrasound evaluation of thyroid nodules 2025-Feb, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2329-2866 PMID:39242086	研究论文	本文探讨了多参数超声评估在甲状腺结节管理中的应用及其改进诊断准确性的潜力	结合AI技术，特别是机器学习和深度学习，以及基于AI的计算机辅助诊断系统，提高了甲状腺结节的诊断准确性	存在挑战，如需要标准化的TIRADS、超声弹性成像在常规实践中的作用以及AI与临床协议的整合	改进甲状腺结节的表征，减少不必要的干预和治疗	甲状腺结节	数字病理	甲状腺疾病	多参数超声评估、超声弹性成像、CEUS	机器学习、深度学习	超声图像	NA