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
5041	2025-03-09	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	本文提出了一种新颖的3D全脑分割网络，通过交叉融合机制处理PET/MR双模态图像，以实现45个脑区的精确分割	引入了交叉融合机制，同时处理PET和MR图像，采用UX-Net和交叉融合块进行特征提取和融合	未来工作将把该方法应用于临床实践，以辅助医生准确诊断和治疗脑部疾病	实现脑部不同区域和组织的精确分割，以辅助神经疾病的检测和诊断	PET/MR双模态图像	计算机视觉	神经疾病	深度学习	UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet	图像	未提及具体样本数量
5042	2025-03-09	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	研究论文	本文提出了一种新的深度学习框架RTGN，用于在中医背景下进行患者相似性学习	开发了结合自注意力和自监督策略的Siamese网络架构，增强了患者检索的鲁棒性，并设计了一种结合中医和西医方法的患者相似性度量	中医依赖医生的生理感官判断可能导致患者评估的非标准化描述和干扰	解决中医背景下患者相似性度量的设计问题，支持精准中医患者检索和下游任务	中医胃肠道恶性肿瘤患者	机器学习	胃肠道恶性肿瘤	深度学习	Siamese网络	图结构数据	719名患者，包含406种多维信息
5043	2025-03-09	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	本文提出了一种基于深度学习模型DKInception的人类活动识别方法，利用穿戴式传感器数据进行活动识别	DKInception模型结合了深度卷积残差网络和注意力机制，利用多尺度卷积核有效提取时间特征，扩展了Inception ResNet架构的能力，具有快速收敛和鲁棒扩展性	NA	提高人类活动识别的准确性，以监测日常活动和健康行为，帮助管理慢性病和促进健康生活方式	穿戴式传感器数据	机器学习	NA	深度学习	DKInception（基于Inception ResNet架构）	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2
5044	2025-03-09	EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention 2025-Mar, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3532282 PMID:40031751	研究论文	本文提出了一种结合鹰眼视觉特性的视觉Transformer模型EViT，通过引入双焦点自注意力机制和双焦点前馈网络，模仿生物视觉皮层的层次和平行信息处理方式，以提高计算机视觉任务的性能	结合鹰眼的生理和视觉特性，提出双焦点视觉交互结构、双焦点自注意力机制和双焦点前馈网络，模仿生物视觉皮层的处理方式，显著提升了模型的计算效率和可扩展性	未提及具体的数据集或任务限制，可能在实际应用中存在泛化性问题	解决视觉Transformer在计算复杂性和缺乏理想归纳偏差方面的挑战，提升计算机视觉任务的性能	视觉Transformer模型及其在计算机视觉任务中的应用	计算机视觉	NA	双焦点自注意力机制（BFSA）、双焦点前馈网络（BFFN）	Transformer	图像	未提及具体样本数量
5045	2025-03-09	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	本文提出了一种名为MMFSynergy的新方法，用于预测抗癌药物的协同组合	MMFSynergy方法首次在微尺度和宏观尺度上精细表征药物和细胞系，并通过自监督任务融合跨尺度信息，使用Transformer Encoder模型预测协同分数	尽管MMFSynergy在预测药物协同组合方面表现出色，但其泛化能力仍有待进一步验证	提高抗癌药物协同组合预测的准确性和泛化能力	抗癌药物和细胞系	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质数据	基于两个公共数据集的实验
5046	2025-03-09	Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges 2025-Mar, Chronic diseases and translational medicine DOI:10.1002/cdt3.137 PMID:40051825	综述	本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法	本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息	本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制	探索机器学习在慢性疾病早期检测和预测中的潜力	慢性疾病（如心脏病、癌症和糖尿病）	机器学习	慢性疾病	基因组学、转录组学、蛋白质组学、糖组学和脂质组学	逻辑回归、随机森林、深度学习神经网络	医学影像、基因组数据、可穿戴设备数据、电子健康记录	NA
5047	2025-03-09	A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks 2025-Feb-07, Micromachines IF:3.0Q2 DOI:10.3390/mi16020193 PMID:40047666	研究论文	本文设计了一种用于合成孔径雷达（SAR）目标检测任务的低功耗、低延迟深度学习加速器，以实现在机载和卫星SAR平台上的实时目标检测	提出了一种适用于多维卷积并行计算的Process Engine（PE），并设计了独特的存储器排列方案，以提高FPGA的计算效率和内存读写效率	实验仅在Virtex 7 690t芯片上进行，未涉及其他硬件平台或更广泛的应用场景	解决当前GPU实时处理平台在机载或卫星应用中的功耗问题，实现SAR图像的实时目标检测	合成孔径雷达（SAR）图像	计算机视觉	NA	深度学习	CNN, Yolov5s	图像	52.19张512×512大小的SAR图像每秒
5048	2024-08-07	Author Response: Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001963 PMID:39017750	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5049	2025-03-09	Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study 2025-Jan-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002105 PMID:39724577	研究论文	本研究开发了一种基于弹性成像的AI模型，用于预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结的状态	结合剪切波弹性成像（SWE）和深度学习放射组学（DLR）模型，显著提高了预测腋窝淋巴结状态的准确性	研究样本量有限，且仅包括活检证实有淋巴结转移的乳腺癌患者	开发一个准确预测乳腺癌患者在接受新辅助化疗后腋窝淋巴结状态的模型	671名活检证实有淋巴结转移并接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	剪切波弹性成像（SWE）和B型超声（BUS）	深度学习放射组学（DLR）模型	超声图像	671名乳腺癌患者
5050	2025-03-09	Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis 2025, Journal of kidney cancer and VHL IF:1.9Q3 DOI:10.15586/jkc.v12i1.366 PMID:40051609	研究论文	本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物	首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能	研究主要依赖于TCGA数据库的数据，未进行实验验证	寻找PRCC的早期诊断生物标志物	乳头状肾细胞癌（PRCC）患者	生物信息学	肾癌	RNA表达谱分析、机器学习	深度学习	RNA表达数据	TCGA数据库中的PRCC患者数据
5051	2025-03-09	Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1505450 PMID:40051727	研究论文	本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点	首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点	研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献	分析围产医学领域中人工智能的研究趋势和应用热点	围产医学领域的文献	医学信息学	围产医学	文献计量学分析	NA	文献数据	382篇相关文献，其中121篇高被引文献
5052	2025-03-09	Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1497651 PMID:40051730	研究论文	本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型	使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能	研究样本主要来自两家医院，可能限制了模型的普遍适用性	开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型	高碳酸血症性呼吸衰竭患者	机器学习	呼吸系统疾病	随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH）	RSF, DeepSurv, CoxPH	临床数据	697名患者（565名建模组，132名外部验证组）
5053	2025-03-09	MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1532256 PMID:40051766	研究论文	本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度	首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法	样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性	开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度	长时间使用手机的年轻成年人	数字病理学	焦虑和抑郁	MRI	逻辑回归模型和K近邻模型	图像	82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁
5054	2025-03-09	Practical Applications of Artificial Intelligence Diagnostic Systems in Fundus Retinal Disease Screening 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S507100 PMID:40051895	研究论文	本研究评估了一种基于深度学习的AI诊断系统在视网膜疾病分析中的性能，评估其与专家诊断的一致性及其在筛查应用中的整体效用	使用深度学习AI系统进行视网膜疾病筛查，并与专家诊断进行对比，评估其在实际应用中的可靠性和可行性	研究仅在一家医院进行，样本量虽大但可能缺乏多样性	评估AI诊断系统在视网膜疾病筛查中的性能	3076名接受全面眼科检查的患者	数字病理	视网膜疾病	深度学习	CARE系统	图像	3076名患者
5055	2025-03-08	Corrigendum: Addressing grading bias in rock climbing: machine and deep learning approaches 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1570591 PMID:40051920	correction	本文是对先前发表文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5056	2025-03-09	Research progress on artificial intelligence technology-assisted diagnosis of thyroid diseases 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1536039 PMID:40052126	综述	本文综述了人工智能技术在甲状腺疾病早期诊断中的应用研究，特别是深度学习算法在超声和病理图像识别中的应用	整合了多项研究结果，指出卷积神经网络模型在甲状腺结节和甲状腺病理细胞病变识别中具有高准确率，U-Net网络模型作为分割算法能显著提高甲状腺结节超声图像的识别准确率	目前甲状腺疾病的早期诊断仍依赖于检查设备和医生的临床经验，存在一定的误诊率	探索一种能在早期阶段客观筛查甲状腺病变的技术	甲状腺疾病的早期筛查和诊断	数字病理学	甲状腺癌	深度学习算法	卷积神经网络, U-Net网络模型	超声图像, 病理切片	NA
5057	2025-03-09	A review of AI-based radiogenomics in neurodegenerative disease 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1515341 PMID:40052173	review	本文综述了基于人工智能的放射基因组学在神经退行性疾病中的应用	结合放射组学和基因组学，利用人工智能技术提高神经退行性疾病的诊断准确性和及时性	NA	探讨人工智能在神经退行性疾病放射基因组学中的应用	神经退行性疾病	digital pathology	geriatric disease	radiomics, genomics	machine learning, deep learning	imaging, genomic data	NA
5058	2025-03-09	Enhancing Whole Slide Image Classification with Discriminative and Contrastive Learning 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_10 PMID:40046787	研究论文	本研究通过结合判别式和对比学习技术，提升了全切片图像（WSI）分类的准确性和鲁棒性	与现有主要依赖基于WSI级别标签分配伪标签的对比学习方法不同，本研究直接在WSI级别构建正负样本，从而更有效地学习信息丰富的图像特征	NA	提高全切片图像分类的准确性和鲁棒性	全切片图像（WSI）	数字病理学	NA	对比学习	深度学习	图像	两个数据集
5059	2025-03-09	Accurate fully automated assessment of left ventricle, left atrium, and left atrial appendage function from computed tomography using deep learning 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf011 PMID:40051867	研究论文	本研究开发了一种全自动深度学习方法，用于从计算机断层扫描（CT）中计算心脏功能	首次比较了nnU-Net、3D TransUNet和UNETR在心脏功能参数分割和计算中的表现，发现nnU-Net在多个指标上优于其他模型	样本量较小（39名患者），且仅评估了左侧心脏功能	开发一种全自动深度学习方法，用于从CT中计算心脏功能参数	左心室（LV）、左心房（LA）和左心耳（LAA）	计算机视觉	心血管疾病	CT	nnU-Net, 3D TransUNet, UNETR	图像	39名患者的时间分辨CT数据集
5060	2025-03-09	Artificial intelligence applied to magnetic resonance imaging reliably detects the presence, but not the location, of meniscus tears: a systematic review and meta-analysis 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10625-7 PMID:38386028	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了卷积神经网络（CNN）在诊断半月板撕裂中的准确性，并分析了这些CNN算法的决策过程	首次系统地比较了AI模型在诊断半月板撕裂中的表现，特别是在识别撕裂存在与定位撕裂位置方面的差异	研究存在显著的异质性（I2=79%），且AI模型在定位撕裂位置方面的表现不如识别撕裂存在	评估AI模型在诊断半月板撕裂中的准确性，并分析其决策过程	半月板撕裂的诊断	医学影像分析	半月板撕裂	卷积神经网络（CNN）	CNN	磁共振成像（MRI）图像	13,467名患者和57,551张图像