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
5721	2025-04-04	Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning 2025-Mar-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00744-5 PMID:40163154	研究论文	本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像	首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题	研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力	开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制	160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者	数字病理学	神经系统疾病	深度学习	3D CNN编码器-解码器	医学影像（MRI和PET图像）	160名参与者
5722	2025-04-04	Partial discharge defect recognition method of switchgear based on cloud-edge collaborative deep learning 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81478-9 PMID:40164608	研究论文	提出了一种基于边缘计算和深度学习的开关柜局部放电联合识别方法	构建了终端设备侧、终端采集侧、边缘计算侧和云计算侧的边缘协同缺陷识别架构，并基于DBN提出了开关柜局部放电缺陷识别方法	验证使用的是实验室模拟的局部放电样本，实际应用中的效果可能需要进一步验证	解决传统局部放电检测方法在实时监测、快速评估、样本融合和联合分析方面的不足	开关柜的局部放电信号	机器学习	NA	UHF传感器和宽带脉冲电流传感器	DBN	信号数据	实验室模拟的局部放电样本
5723	2025-04-04	Well log data generation and imputation using sequence based generative adversarial networks 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95709-0 PMID:40164658	研究论文	本研究提出了一种基于序列生成对抗网络（GANs）的新框架，用于测井数据的生成和缺失数据填补	采用两种序列GAN模型（TSGAN和SeqGAN）分别进行合成数据生成和缺失数据填补，在北海荷兰地区数据集上验证了其优越性	实验仅使用了特定区域（北海荷兰地区）的数据集，未验证在其他地质区域的泛化能力	解决测井数据中的缺失和不准确定问题，提高储层评估的可靠性	测井数据	机器学习	NA	生成对抗网络（GANs）	TSGAN, SeqGAN	时间序列数据	5、10和50个数据点的不同区段
5724	2025-04-04	The clinical implications and interpretability of computational medical imaging (radiomics) in brain tumors 2025-Mar-30, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01950-6 PMID:40159380	review	本文综述了影像组学在脑肿瘤研究中的应用及其可解释性问题	整合脑肿瘤生物学领域知识与可解释性方法，提升传统手工特征影像组学和深度学习影像组学的可解释性	深度学习模型缺乏生物学机制基础	探讨影像组学在脑肿瘤研究中的应用及其临床转化潜力	脑肿瘤影像组学	digital pathology	brain tumors	radiomics	deep learning-based models	medical imaging	NA
5725	2025-04-04	Dual discriminator GAN-based synthetic crop disease image generation for precise crop disease identification 2025-Mar-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01361-0 PMID:40159478	研究论文	本文提出了一种基于双判别器GAN的合成作物病害图像生成方法，用于提高作物病害识别的精确度	设计了具有双判别器结构的频域和小波图像增强网络（FHWD），结合小波损失和快速傅里叶变换损失函数，提升生成图像的视觉质量和真实性	实验仅在PlantVillage数据集的十种作物病害上进行，未验证在其他作物病害上的泛化能力	解决作物病害图像稀缺问题，提升深度学习模型的病害识别准确率和泛化能力	作物病害图像	计算机视觉	作物病害	GAN	双判别器GAN	图像	PlantVillage数据集中的十种作物病害
5726	2025-04-04	Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images 2025-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01539-9 PMID:40159516	research paper	本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统	开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家	研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型	开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测	眼睑肿瘤患者	computer vision	眼睑肿瘤	深度学习	YOLOv5, Efficient-Net v2-B	image	1195张预处理临床眼部照片和活检结果
5727	2025-04-04	An integration of ensemble deep learning with hybrid optimization approaches for effective underwater object detection and classification model 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95596-5 PMID:40158003	research paper	该研究提出了一种结合集成深度学习和混合优化算法的水下物体检测与分类模型（UODC-EDLHOA）	采用集成深度学习方法（DNN、DBN、LSTM）和混合优化算法（STSC）进行水下物体检测与分类，提高了检测精度	未提及模型在实时性、计算资源消耗或实际部署中的表现	提升水下物体检测与分类的准确性和鲁棒性	水下物体	computer vision	NA	deep learning, hybrid optimization algorithms	EfficientNetB7, YOLOv9, DNN, DBN, LSTM	image	UOD数据集（未提及具体数量）
5728	2025-04-04	Quantitative analysis and visualization of chemical compositions during shrimp flesh deterioration using hyperspectral imaging: A comparative study of machine learning and deep learning models 2025-Mar-29, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143997 PMID:40174377	研究论文	利用高光谱成像技术定量分析虾肉变质过程中的化学成分变化，并比较机器学习和深度学习模型的性能	结合低层数据融合和预测模型，比较了传统化学计量学方法和深度学习方法在虾肉变质分析中的表现，并生成了化学成分变化的空间分布图	未来研究需要优化模型以适应不同条件，并探索将高光谱成像方法与其他传感器技术结合	快速、无损地预测虾肉变质过程中的化学成分变化，监控冷链物流中的虾肉质量	虾肉	计算机视觉	NA	高光谱成像(HSI)	PLS, CNN, LSTM, CNN-LSTM	图像	NA
5729	2025-04-04	Skin Cancer Detection Using Deep Learning Approaches 2025-Mar-28, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2024.0161 PMID:40151158	综述	本文综述了多种深度学习方法在皮肤癌检测中的应用及其效果	比较了不同深度学习模型在皮肤病变识别和分类中的性能，并指出GAN在训练数据增强方面的潜力	现有数据集存在肤色多样性不足、计算需求高和病变样本不均衡等问题，影响了模型的效率和泛化能力	通过深度学习技术提高皮肤癌的早期检测准确率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	ANN, CNN, KNN, GAN	图像	NA
5730	2025-04-04	Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions 2025-Mar-27, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.03.060 PMID:40174466	研究论文	评估大型语言模型在急诊胸部X光片解读中对急性胸部疾病的准确性	探索大型语言模型（如ChatGPT）在急诊放射学中的应用潜力，特别是在胸部X光片解读方面的表现	模型对某些细微病变（如肺不张和肺气肿）的诊断准确性较低，需要进一步改进	评估ChatGPT在急诊胸部X光片解读中的可行性和准确性	急诊胸部X光片中的急性胸部疾病	自然语言处理	胸部疾病	大型语言模型（ChatGPT 4.0）	LLM	图像	1400张来自NIH Chest X-ray数据集的图像，涵盖7种病理类别
5731	2025-04-04	Uncertainty-aware deep learning for segmentation of primary tumor and pathologic lymph nodes in oropharyngeal cancer: Insights from a multi-center cohort 2025-Mar-25, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102535 PMID:40174371	research paper	本研究开发了一种不确定性感知的深度学习模型，用于口咽癌原发肿瘤和病理淋巴结的分割，并在多中心队列中验证了其准确性	扩展了现有网络以同时生成原发肿瘤和病理淋巴结的体素级预测概率（TPM），并探索了结构级不确定性是否能够预测分割模型的准确性	研究依赖于回顾性数据，且外部测试集仅来自HECKTOR 2022挑战赛数据集	评估深度学习模型在口咽癌原发肿瘤和病理淋巴结分割中的准确性，并探索不确定性量化在临床中的应用潜力	口咽癌患者	digital pathology	oropharyngeal cancer	PET/CT imaging	deep learning	image	407名口咽癌患者
5732	2025-04-04	Automated chick gender determination using optical coherence tomography and deep learning 2025-Mar-15, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105033 PMID:40106909	研究论文	本研究提出了一种结合光学相干断层扫描（OCT）和深度学习的新方法，用于高分辨率、非侵入性的雏鸡性别鉴定	首次将OCT与深度学习结合用于自动化雏鸡性别鉴定，提供了一种可扩展、实时的替代方案	模型的准确率为79%，仍有提升空间	优化家禽生产中的雏鸡性别分类	雏鸡	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	NA
5733	2025-04-04	Cropformer: An interpretable deep learning framework for crop genomic prediction 2025-Mar-10, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.101223 PMID:39690739	research paper	介绍了一个名为Cropformer的可解释深度学习框架，用于作物基因组预测和表型预测	结合了卷积神经网络和多种自注意力机制，提高了预测精度和模型的可解释性	未提及具体的局限性	加速优良基因型的识别和育种周期的缩短	五种主要作物：玉米、水稻、小麦、谷子和番茄	machine learning	NA	genomic selection (GS)	CNN与自注意力机制结合的深度学习框架	基因组数据	超过20个性状的五种主要作物数据
5734	2025-04-04	A deep-learning model to predict the completeness of cytoreductive surgery in colorectal cancer with peritoneal metastasis☆ 2025-Mar-10, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.109760 PMID:40174333	研究论文	开发了一种名为DeAF的深度学习模型，用于预测结直肠癌腹膜转移患者细胞减灭术的完整性	提出了一种新型AI框架DeAF，通过解耦特征对齐和融合来辅助选择适合CRS的患者并预测手术完整性	研究样本量有限（186例患者），且所有数据来自三级医院，可能影响模型的普遍适用性	改善结直肠癌腹膜转移患者细胞减灭术的患者选择和手术完整性预测	结直肠癌伴腹膜转移患者	数字病理学	结直肠癌	深度学习	DeAF框架（基于Simsiam算法）	CT图像和临床病理参数	186例来自4家三级医院的结直肠癌伴腹膜转移患者
5735	2025-04-04	Introduction to Artificial Intelligence for General Surgeons: A Narrative Review 2025-Mar, Cureus DOI:10.7759/cureus.79871 PMID:40171361	review	本文是一篇叙述性综述，旨在向普通外科医生介绍人工智能（AI）的基础知识及其在胸腹部创伤中的应用	综述了AI在创伤护理中的潜在应用，特别是在诊断、风险预测和决策支持方面，并讨论了将AI整合到澳大利亚医疗系统中的意义	当前AI在临床实践中的应用仍有限，需要未来进行前瞻性和本地验证的研究	教育普通外科医生了解AI的基础知识及其在创伤护理中的应用	普通外科医生及AI在胸腹部创伤中的应用	machine learning	trauma	machine learning, deep learning, natural language processing, computer vision	NA	NA	NA
5736	2025-04-04	Evaluating Sex and Age Biases in Multimodal Large Language Models for Skin Disease Identification from Dermatoscopic Images 2025, Health data science DOI:10.34133/hds.0256 PMID:40170800	research paper	评估多模态大语言模型在皮肤疾病识别中的性别和年龄偏见	首次评估了多模态大语言模型（如ChatGPT-4和LLaVA-1.6）在皮肤疾病识别中的性别和年龄偏见，并与传统的CNN和视觉Transformer模型进行了比较	研究使用的数据集虽然较大（约10,000张图像），但未来需要使用更大、更多样化的数据集来进一步验证模型的可靠性和公平性	探索多模态大语言模型在皮肤疾病识别中的实际应用，并评估其性别和年龄偏见	皮肤疾病（黑色素瘤、黑色素细胞痣和良性角化病样病变）	digital pathology	skin disease	multimodal large language models (LLMs), CNN, vision transformer	ChatGPT-4, LLaVA-1.6, VGG16, ResNet50, Model Derm, Swin-B	image	约10,000张皮肤镜图像
5737	2025-04-04	Cnidaria herd optimized fuzzy C-means clustering enabled deep learning model for lung nodule detection 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1511716 PMID:40171113	research paper	提出了一种结合Cnidaria群体优化模糊C均值聚类和深度学习的模型，用于有效检测肺结节	结合Cnidaria群体优化算法（CHO）和双向长短期记忆模型（CHSTM），以及优化的模糊C均值聚类算法和Resnet-101深度学习模型，提高了肺结节检测的准确性和性能	现有方法在可扩展性、鲁棒性、数据可用性和误检率方面存在一定限制	提高肺结节检测的准确性和性能	肺结节	digital pathology	lung cancer	Cnidaria Herd Optimization (CHO) algorithm, Bi-directional Long Short-Term Memory (CHSTM), fuzzy C-means clustering, Resnet-101	CHSTM, Resnet-101	medical images	LUNA-16数据集和LIDC/IDRI数据集
5738	2025-04-04	Smart insole-based abnormal gait identification: Deep sequential networks and feature ablation study 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332999 PMID:40171146	research paper	该研究利用智能鞋垫传感器数据，通过深度序列网络和特征消融研究，对九种步态（包括一种正常和八种异常步态）进行分类	结合多种传感器特征（压力信号、IMU数据等）进行步态分类，并通过消融研究验证不同特征组合的效果	未提及样本的多样性或跨数据集验证的局限性	开发高效的步态分类方法以评估行走能力	使用智能鞋垫传感器收集的步态数据	digital health	gait-related disorders	压力传感器和惯性测量单元（IMU）	deep sequential networks	sensor data（压力信号、IMU数据等）	未明确提及具体样本数量，仅描述为受试者进行15米步行测试
5739	2025-04-04	Quantitative analysis of studies that use artificial intelligence on thyroid cancer: a 20-year bibliometric analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1525650 PMID:40171256	研究论文	通过文献计量分析评估人工智能在甲状腺癌领域的研究进展、热点和未来方向	首次对过去20年人工智能在甲状腺癌领域的应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库的文献，可能未涵盖所有相关研究	评估人工智能在甲状腺癌领域的应用现状和发展趋势	2004-2024年间发表的956篇关于人工智能在甲状腺癌中应用的文献	数字病理	甲状腺癌	文献计量分析	NA	文献数据	956篇文献
5740	2025-04-04	Knowledge graph and its application in the study of neurological and mental disorders 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1452557 PMID:40171303	综述	本文综述了知识图谱在神经和精神障碍研究中的应用，并探讨了医学知识图谱的现状及其面临的挑战	结合大数据和深度学习技术，探讨知识图谱在神经和精神障碍研究中的潜力	仍需克服知识图谱在医学领域应用中的障碍和限制	研究知识图谱在神经和精神障碍领域的应用及其潜力	神经障碍（如阿尔茨海默病和帕金森病）和精神障碍（如抑郁症和焦虑症）	自然语言处理	神经和精神障碍	知识图谱（KG）	NA	医学数据	NA