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
5541	2025-03-22	Performance Improvement of a Natural Language Processing Tool for Extracting Patient Narratives Related to Medical States From Japanese Pharmaceutical Care Records by Increasing the Amount of Training Data: Natural Language Processing Analysis and Validation Study 2025-Mar-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/68863 PMID:40053805	研究论文	本文通过增加训练数据量，开发了一种高性能的自然语言处理系统，用于从日本药学护理记录中提取与医疗状态相关的患者叙述	本研究创新性地通过逐步增加训练数据量来提升NLP系统的性能，并分析了错误原因，最终开发出专门用于分析药学护理记录中主观数据的高性能系统	该系统在分析药学护理记录之外的其他来源文本时性能较低，特别是提取症状信息时表现不如药学护理记录	开发一种高性能的自然语言处理系统，用于从患者叙述中提取临床信息	日本庆应义塾大学医院2018年4月1日至2019年3月31日的药学护理记录，共12,004条记录，涉及6,559个病例	自然语言处理	NA	自然语言处理（NLP）	BERT-CRF（双向编码器表示与条件随机场结合）	文本	12,004条药学护理记录，涉及6,559个病例
5542	2025-03-22	Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review 2025-Mar, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70138 PMID:40103563	系统综述	本文系统综述了机器学习算法在预测卵巢癌患者生存结果中的应用，评估了这些算法的有效性并识别了影响预测准确性的重要特征	首次系统性地比较了不同机器学习模型在预测卵巢癌生存结果中的有效性，并识别了关键预测特征	模型准确性和可解释性仍存在挑战，且数据类型的多样性有待进一步整合	评估机器学习算法在预测卵巢癌患者生存结果中的有效性	卵巢癌患者	机器学习	卵巢癌	机器学习算法	随机森林、支持向量机、逻辑回归、XGBoost、深度学习模型	临床数据、影像数据、分子数据	32项研究，涉及2400篇文章
5543	2025-03-22	Detection of Quality Deterioration of Packaged Raw Beef Based on Hyperspectral Technology 2025-Mar, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70022 PMID:40109275	研究论文	本研究探讨了结合高光谱成像技术、化学计量学和深度学习来检测聚乙烯包装生牛肉质量恶化的可行性，特别是针对关键脂质氧化指标丙二醛（MDA）含量的检测	结合高光谱成像技术、化学计量学和深度学习，探索了在包装膜干扰下检测牛肉质量恶化的新方法，并应用高斯滤波减少包装膜对光谱数据的干扰	模型在包装牛肉样本上的性能通常不如未包装牛肉样本	确保食品质量和安全，实时监测包装生牛肉在储存和运输过程中的关键质量指标	聚乙烯包装的生牛肉	计算机视觉	NA	高光谱成像技术（HSI）	最小二乘回归（PLSR）和秃鹫优化算法优化的回声神经网络（BES-ESN）	光谱和空间数据	短期储存的牛肉样本
5544	2025-03-21	Semi-supervised assisted multi-task learning for oral optical coherence tomography image segmentation and denoising 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.545377 PMID:40109516	研究论文	本文介绍了一种名为高效分割去噪模型（ESDM）的多任务深度学习框架，旨在通过减少扫描时间和提高口腔上皮层分割质量来增强光学相干断层扫描（OCT）成像	ESDM结合了卷积层的局部特征提取能力和Transformer的长期信息处理优势，实现了比现有模型更好的去噪和分割性能	NA	提高OCT成像质量，减少扫描时间，并改善口腔上皮层的分割精度	口腔黏膜组织的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	多任务深度学习框架（ESDM）	图像	NA
5545	2025-03-22	OAH-Net: a deep neural network for efficient and robust hologram reconstruction for off-axis digital holographic microscopy 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.547292 PMID:40109528	研究论文	本文提出了一种名为OAH-Net的深度神经网络，用于高效且稳健的离轴数字全息显微镜全息图重建	结合深度学习与离轴全息物理原理，通过超大规模学习微调网络权重，显著提升重建速度并实现硬件测量误差范围内的相位和振幅图像重建	NA	解决离轴数字全息显微镜全息图重建过程中的瓶颈问题，实现高效实时的全息图分析	稀释的全血样本	计算机视觉	NA	离轴数字全息显微镜	深度神经网络（OAH-Net）	全息图	稀释的全血样本
5546	2025-03-22	Thermal imaging-based core peripheral temperature difference measurement for neonatal monitoring in the NICU 2025-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.549693 PMID:40109525	研究论文	本文提出了一种基于热红外成像的非接触式、全自动、连续测量新生儿核心-外周温度差（CPTD）的方法，用于新生儿重症监护室（NICU）的监测	首次在临床中使用热红外相机对NICU中的早产儿进行连续非接触式CPTD监测，结合深度学习模型自动解析新生儿身体部位并测量温度差	由于热红外相机的校准和环境因素的影响，新生儿皮肤绝对温度的准确测量较为困难	开发一种非接触式、全自动、连续测量新生儿核心-外周温度差的方法，以评估新生儿的血流动力学状态	早产儿	数字病理学	新生儿疾病	热红外成像	深度学习模型	热红外图像	40名早产儿
5547	2025-03-22	An ensemble learning model for detection of pulmonary hypertension using electrocardiogram, chest X-ray, and brain natriuretic peptide 2025-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztae097 PMID:40110214	研究论文	本文旨在开发一种基于集成学习的人工智能模型，利用心电图（ECG）、胸部X光片（CXR）和脑钠肽（BNP）检测肺动脉高压（PH），以提高诊断准确性并促进进一步检查	本文的创新点在于结合了ECG、CXR和BNP三种数据，通过集成学习方法构建了一个多模态模型，显著提高了医生对PH的诊断准确性	本文的局限性在于样本来源仅限于七家机构，可能限制了模型的泛化能力	研究目标是开发一种能够准确检测肺动脉高压的人工智能模型	研究对象为肺动脉高压患者的心电图、胸部X光片和脑钠肽数据	数字病理学	心血管疾病	集成学习	卷积神经网络（CNN）、逻辑回归、ResNet18	心电图（ECG）、胸部X光片（CXR）、脑钠肽（BNP）	来自七家机构的心电图数据
5548	2025-03-22	Sudden cardiac arrest prediction via deep learning electrocardiogram analysis 2025-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztae088 PMID:40110219	研究论文	本文探讨了利用深度学习分析心电图（ECG）预测心脏骤停（SCA）的潜力	首次将深度学习模型应用于ECG数据，以预测心脏骤停，并解释了年龄和性别对SCA的影响	基础模型的特异性仅为31%，不具备临床适用性	提高心脏骤停的预测准确性，为预防策略提供支持	心脏骤停患者及对照组的12导联ECG数据	机器学习	心血管疾病	深度学习	深度卷积神经网络（CNN）	ECG数据	221名SCA患者和1046名对照者的ECG数据
5549	2025-03-22	A Robust and Efficient Representation-based DNA Storage Architecture by Deep Learning 2025-Mar, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400959 PMID:40114483	研究论文	本文提出了一种基于深度学习的表示型DNA存储架构，利用自编码器和U-Net网络实现从噪声读取中重建图像	该架构结合了自编码器和U-Net网络，能够在DNA存储中实现图像的表示、构建和精炼，并通过特征量化在压缩比和图像质量之间实现平衡	在插入-删除-替换（IDS）错误率低于6%的情况下才能重建中等质量的图像	研究目的是提出一种鲁棒且高效的DNA存储架构，适用于大规模图像应用	图像数据	机器学习	NA	深度学习	自编码器, U-Net	图像	14个质粒
5550	2025-03-22	Dynamic MRI with Locally Low-Rank Subspace Constraint: Towards 1-Second Temporal Resolution Aided by Deep Learning 2025-Feb-27, Research square DOI:10.21203/rs.3.rs-5448452/v1 PMID:40060040	研究论文	本文提出了一种结合局部低秩子空间约束和深度学习的动态MRI重建框架，旨在提高动态对比增强成像的时空分辨率	结合局部低秩子空间模型和神经网络，实现了从几秒到1秒的灵活时间分辨率，显著提高了图像质量	未明确提及具体样本量或临床验证结果	解决动态MRI中空间和时间分辨率平衡的挑战，提升动态对比增强成像的质量	高风险的乳腺癌患者，以及头颈部和脑部MRI应用	医学影像处理	乳腺癌	动态对比增强MRI（DCE-MRI）	神经网络	MRI图像	NA
5551	2025-03-22	AI and Neurology 2025-Feb-17, Neurological research and practice DOI:10.1186/s42466-025-00367-2 PMID:39956906	review	本文综述了人工智能在神经学领域的应用及其潜力，同时指出了相关的风险和挑战	总结了人工智能在神经学中的多种应用，并提出了需要关注的安全、伦理和公平性问题	需要将研究推进到前瞻性水平，并采用联邦学习以提高算法的普适性	探讨人工智能在神经学中的应用及其潜力	神经学领域，特别是急性与重症神经学、中风、癫痫和运动障碍	machine learning	NA	machine and deep learning	NA	NA	NA
5552	2025-03-22	Leveraging Artificial Intelligence in Breast Cancer Screening and Diagnosis 2025-Feb, Cureus DOI:10.7759/cureus.79177 PMID:40109789	评论	本文探讨了人工智能在乳腺癌筛查和诊断中的应用及其潜力	强调了人工智能在提高乳腺癌筛查和诊断准确性、效率和可及性方面的创新应用	数据可访问性、算法偏见、监管限制和临床整合等挑战阻碍了人工智能的广泛应用	探索人工智能在乳腺癌筛查和诊断中的演变角色及其改善全球乳腺癌结果的潜力	乳腺癌筛查和诊断	数字病理学	乳腺癌	机器学习（ML）和深度学习（DL）算法	NA	数字乳腺X线摄影（DM）、数字乳腺断层合成（DBT）、超声和磁共振成像（MRI）	NA
5553	2025-03-22	Current Status of Artificial Intelligence Use in Colonoscopy 2025, Digestion IF:3.0Q2 DOI:10.1159/000543345 PMID:39724867	研究论文	本文探讨了人工智能在结肠镜检查中的应用现状及其对结直肠癌筛查的影响	介绍了实时计算机辅助检测系统和用于组织病理学预测的计算机辅助诊断系统，这些系统有助于区分肿瘤性和非肿瘤性病变	存在霍桑效应和潜在过度诊断等偏差，需要大规模临床试验验证AI的长期效益	评估人工智能在提高结肠镜检查质量和结直肠癌筛查效果方面的潜力	结肠镜检查中的结直肠息肉检测和诊断	数字病理学	结直肠癌	深度学习	NA	医学影像	NA
5554	2025-03-22	Deep learning-based analysis of 12-lead electrocardiograms in school-age children: a proof of concept study 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1471989 PMID:40109297	研究论文	本研究旨在开发和验证一种基于深度学习的模型，用于自动分析儿童12导联心电图，以筛查有猝死风险的儿科心脏病	开发了一种新的基于深度学习的模型，用于自动分析儿童心电图，其诊断性能至少与传统算法相当	需要进一步研究以开发适用于学龄儿童的自动心电图分析方法	开发和验证一种基于深度学习的模型，用于自动分析儿童心电图，以筛查有猝死风险的儿科心脏病	6-18岁儿童的心电图数据	机器学习	心血管疾病	信号处理方法	深度学习模型	心电图数据	1,842份心电图，来自1,062名患者
5555	2025-03-22	PoseRL-Net: human pose analysis for motion training guided by robot vision 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1531894 PMID:40109574	研究论文	本文提出了一种基于深度学习的人体姿态识别模型PoseRL-Net，旨在解决传统方法在复杂动态环境中人体姿态识别的局限性	PoseRL-Net集成了时空图卷积网络（STGCN）、注意力机制、门控循环单元（GRU）模块、姿态优化和对称约束，提高了姿态估计的准确性和鲁棒性	NA	提高复杂动态环境中人体姿态识别的准确性和鲁棒性，以支持人机交互中的智能决策和运动规划	人体姿态	计算机视觉	NA	深度学习	STGCN, GRU	视频	Human3.6M和MPI-INF-3DHP数据集
5556	2025-03-22	Revolutionizing electrocardiography: the role of artificial intelligence in modern cardiac diagnostics 2025-Jan, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000002778 PMID:40109609	综述	本文综述了人工智能（AI）在现代心脏诊断中的革命性作用，特别是在心电图（ECG）分析中的应用	AI，尤其是深度学习模型，通过实现自动化、高精度的诊断，彻底改变了ECG分析，展示了在心律失常检测、异常心跳分类和结构性心脏病预测方面的最新进展	实际应用中面临模型可解释性、数据隐私问题和多样化训练数据集需求的挑战	探讨AI在提高心脏诊断准确性、效率和可扩展性方面的潜力	心电图（ECG）数据	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	图像	NA
5557	2025-03-22	Emotion recognition based on multimodal physiological electrical signals 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1512799 PMID:40109659	研究论文	本研究提出了一种基于脑电图（EEG）和心电图（ECG）信号融合的多模态情绪识别方法，旨在准确分类情绪状态，特别是情绪的三个维度（效力、唤醒和支配感）	设计了一种结合一维卷积神经网络、注意力机制和门控循环单元的复合神经网络模型（Att-1DCNN-GRU），通过提取EEG和ECG信号的时域、频域和非线性特征，并采用随机森林方法进行特征过滤，提高了情绪识别的准确性和鲁棒性	NA	提高情绪识别的准确性和鲁棒性，为情绪计算和心理健康管理提供技术支持	脑电图（EEG）和心电图（ECG）信号	机器学习	心理健康问题	脑电图（EEG）和心电图（ECG）信号融合	Att-1DCNN-GRU	生理电信号	DREAMER和DEAP数据集
5558	2025-03-22	Predicting implicit concept embeddings for singular relationship discovery replication of closed literature-based discovery 2025, Frontiers in research metrics and analytics DOI:10.3389/frma.2025.1509502 PMID:40110121	研究论文	本文提出了一种新的方法来预测文献中隐含的概念嵌入，以加速知识发现过程，并在癌症标志物数据集上验证了其有效性	将知识图谱补全任务重新定义为预测图中顶点的嵌入，并探索了三种表示顶点间边连接的方法，以及一种加速模型收敛的输入表示缩放方法	需要研究人员具备领域专业知识以提交相关查询，且在某些数据集上的性能与现有方法相当，未显著超越	改进文献基础发现（LBD）系统，通过预测隐含关系加速新知识的发现	文献中的隐含概念及其关系	自然语言处理	癌症	深度学习	相似性学习模型	文本	五个癌症标志物数据集
5559	2025-03-22	GDP prediction of The Gambia using generative adversarial networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1546398 PMID:40110175	研究论文	本研究旨在使用生成对抗网络（GAN）预测冈比亚的国内生产总值（GDP），并探讨其在小型经济体中的应用	首次将生成对抗网络（GAN）应用于GDP预测，特别是在数据量较小的经济体如冈比亚中展示了其高精度预测能力	研究仅针对冈比亚，可能无法直接推广到其他经济体或更大规模的数据集	预测GDP以支持经济分析和政策制定	冈比亚的GDP及其影响因素（如政府支出、通货膨胀、官方发展援助等）	机器学习	NA	生成对抗网络（GAN）	GAN, Random Forest Regression (RF), XGBoost (XGB), Support Vector Regression (SVR)	经济数据	1970年至2022年的经济数据
5560	2025-03-22	Prediction of time averaged wall shear stress distribution in coronary arteries' bifurcation varying in morphological features via deep learning 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1518732 PMID:40110184	研究论文	本研究提出了一种基于深度学习的冠状动脉分叉处时间平均壁面剪应力（TAWSS）预测方法，以提高计算流体动力学（CFD）模拟的效率和响应速度	通过深度学习模型（CNN-based U-net架构）预测TAWSS，显著提高了计算效率，能够在不到一秒的时间内生成结果	研究基于理想化模型，可能无法完全反映真实冠状动脉的复杂形态和血流动力学特性	提高冠状动脉分叉处血流动力学模拟的效率和响应速度	冠状动脉分叉处的血流动力学	机器学习	心血管疾病	深度学习	CNN-based U-net	点云数据	1800个理想化模型