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
5941	2025-04-02	Uncertainty-aware diabetic retinopathy detection using deep learning enhanced by Bayesian approaches 2025-01-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84478-x PMID:39779778	research paper	本研究提出了一种基于贝叶斯方法增强的深度学习模型，用于糖尿病视网膜病变检测，并评估了不确定性估计在临床决策中的价值	结合贝叶斯近似方法（如蒙特卡洛Dropout、均值场变分推断和确定性推断）增强DenseNet-121模型，不仅提高了分类准确性，还提供了预测不确定性的量化指标	研究仅针对糖尿病视网膜病变，未验证模型在其他医学影像分析任务中的泛化能力	开发一种能够提供不确定性估计的深度学习模型，以提高糖尿病视网膜病变检测的可靠性和临床决策的信任度	糖尿病视网膜病变的医学影像	digital pathology	diabetic retinopathy	Bayesian approximation techniques (Monte Carlo Dropout, Mean Field Variational Inference, Deterministic Inference)	DenseNet-121 (CNN) with Bayesian extensions	image	combined dataset (APTOS 2019 + DDR) with pre-processed images
5942	2025-04-02	A hybrid CNN model for classification of motor tasks obtained from hybrid BCI system 2025-01-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84883-2 PMID:39779796	研究论文	本文提出了一种混合CNN模型，用于分类从混合脑机接口系统获取的运动任务	结合EEG和fNIRS两种非侵入性BCI模块，提高了多类数据的分类性能	NA	评估深度学习方法在分类四类运动执行任务中的性能	从CORE数据集中获取的右手、左手、右臂和左臂的运动执行任务	脑机接口	NA	EEG, fNIRS	CNN, Bi-LSTM, 混合CNN模型	脑电信号	NA
5943	2025-04-02	Attention-based deep learning for accurate cell image analysis 2025-01-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85608-9 PMID:39779905	research paper	介绍了一种名为X-Profiler的新型高内涵分析方法，结合了细胞实验、图像处理和深度学习建模，用于准确的细胞图像分析	X-Profiler结合了CNN和Transformer来编码高内涵图像，有效过滤噪声信号并精确表征细胞表型	NA	提高细胞图像分析的准确性，推动药物开发和疾病研究	细胞图像	digital pathology	cardiovascular disease	high-content analysis (HCA)	CNN, Transformer	image	NA
5944	2025-04-02	SRADHO: statistical reduction approach with deep hyper optimization for disease classification using artificial intelligence 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82838-1 PMID:39774278	研究论文	提出了一种结合统计降维和深度超参数优化的方法（SRADHO），用于改进疾病分类的特征选择和模型性能	结合深度学习和超参数调优，通过贝叶斯优化方法自动选择最相关特征，优化模型准确性并降低维度	仅使用了三个基准数据集进行实验，可能在其他数据集上的泛化能力有限	提高疾病分类的准确性和效率，减少过拟合和欠拟合问题	脑部相关疾病	机器学习	脑部疾病	深度学习，贝叶斯优化	人工神经网络，逻辑回归，决策树，随机森林，K近邻，支持向量机，朴素贝叶斯	医学数据	三个基准数据集
5945	2025-04-02	Assessment of simulated snoring sounds with artificial intelligence for the diagnosis of obstructive sleep apnea 2025-01, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2024.11.018 PMID:39566267	研究论文	本研究利用人工智能模型分析模拟打鼾声音，以诊断阻塞性睡眠呼吸暂停(OSA)	首次验证了深度学习模型在利用模拟打鼾声音诊断OSA方面的优越性能	研究样本量有限(465名参与者)，且仅在一个睡眠中心进行	验证人工智能模型利用模拟打鼾声音诊断OSA的性能	阻塞性睡眠呼吸暂停(OSA)患者	机器学习	阻塞性睡眠呼吸暂停	Python音频数据处理	支持向量机(SVM)、K近邻(KNN)、随机森林(RF)、音频频谱变换器(AST)	音频	465名参与者
5946	2025-04-02	Correction: Secure deep learning for distributed data against malicious central server 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318164 PMID:39847555	correction	对先前发表的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5947	2025-04-02	Clinical validation of an artificial intelligence algorithm for classifying tuberculosis and pulmonary findings in chest radiographs 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1512910 PMID:39991462	research paper	本研究评估了一种基于CNN的AI算法在解读胸部X光片（CXR）中的性能，并与包括胸科放射科医生在内的医师团队进行比较	使用真实世界数据验证AI算法在多样化医疗环境中的有效性，并比较AI与不同经验水平医师的表现	研究为回顾性设计，且医师报告算法在大多数情况下未影响其决策	评估AI算法在胸部X光片解读中的性能及其对非胸科放射专科医师的辅助作用	胸部X光片及参与解读的医师团队	digital pathology	tuberculosis	deep learning	CNN	image	NA
5948	2025-04-02	State-of-the-Art Deep Learning CT Reconstruction Algorithms in Abdominal Imaging 2024-12, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240095 PMID:39612283	review	本文综述了深度学习CT重建算法在腹部成像中的最新进展及其临床应用	深度学习重建（DLR）算法能够有效减少低辐射剂量协议下的图像噪声，并提高重建速度，解决了传统CT图像重建算法在低辐射剂量下无法保持图像纹理和诊断性能的问题	文章概述了DLR算法在CT中的当前局限性，并展望了未来的发展方向	探讨深度学习CT重建算法的技术细节及其在腹部成像中的临床应用	深度学习CT重建算法及其在腹部CT成像中的应用	digital pathology	NA	deep learning reconstruction (DLR)	deep neural networks	image	NA
5949	2025-04-02	Periapical lesion detection in periapical radiographs using the latest convolutional neural network ConvNeXt and its integrated models 2024-10-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75748-9 PMID:39455655	研究论文	本研究提出了一种新型深度学习集成模型YoCNET，结合Yolov5的目标检测能力和ConvNeXt的图像分类能力，用于根尖周X光片中牙齿的自动分割和多颗牙齿根尖周病变的并发检测	提出YoCNET集成模型，首次将Yolov5的目标检测能力与ConvNeXt的图像分类能力相结合，实现牙齿自动分割和多颗牙齿根尖周病变的并发检测	乳牙被排除在数据集之外，可能影响模型在乳牙病变检测上的表现	开发一种能够同时识别根尖周X光片中多个病变目标的深度学习模型	根尖周X光片中的牙齿和根尖周病变	数字病理学	牙科疾病	深度学习	YoCNET (Yolov5 + ConvNeXt), YoRNET (Yolov5 + ResNet34)	X光图像	1305张根尖周X光片用于训练和验证，另外从200张X光片中提取717颗单独牙齿图像用于集成模型验证
5950	2024-09-25	Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9) 2024-09, Diabetes & metabolism journal IF:6.8Q1 DOI:10.4093/dmj.2024.0490 PMID:39313234	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5951	2025-04-02	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	research paper	开发了一种名为AmyloidPETNet的深度学习模型，用于对脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类	该模型能够在不依赖经验丰富的读者或结构MRI的情况下，自动准确地对脑部PET扫描进行分类	研究为回顾性研究，可能受到数据收集和处理方法的限制	开发并评估一种深度学习模型，用于分类脑部PET扫描中的淀粉样蛋白阳性或阴性	脑部PET扫描	digital pathology	Alzheimer's disease	PET imaging	deep learning	image	8476 PET scans (6722 patients)
5952	2025-04-02	Examining the Role of Passive Design Indicators in Energy Burden Reduction: Insights from a Machine Learning and Deep Learning Approach 2024-Feb-15, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2023.111126 PMID:39155966	研究论文	本研究结合深度学习和机器学习技术，探讨被动设计指标在降低住宅建筑能源负担中的作用	采用深度学习驱动的计算机视觉与机器学习相结合的方法，解决被动设计特征数据稀缺的问题	研究仅基于芝加哥大都市区的数据，可能无法推广到其他地区	评估被动设计特征对住宅能源负担的影响，为智能和可持续城市建设提供见解	芝加哥大都市区的住宅建筑	计算机视觉	NA	深度学习、机器学习	CNN、决策树回归、随机森林回归、支持向量回归	图像、人口统计数据	基于Google街景图像的芝加哥大都市区住宅建筑
5953	2025-04-02	Deep learning of sleep apnea-hypopnea events for accurate classification of obstructive sleep apnea and determination of clinical severity 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2024.01.015 PMID:38232604	研究论文	本研究评估了一种结合鼻呼吸流量、外周血氧饱和度和心电图信号的深度学习方法，用于改进睡眠呼吸暂停/低通气事件的检测和阻塞性睡眠呼吸暂停的严重程度筛查	提出了一种结合多种生理信号和人口统计数据的Xception网络，显著提高了睡眠呼吸暂停/低通气事件的检测准确率和阻塞性睡眠呼吸暂停的严重程度分类性能	在低通气事件为主的参与者中分类错误较多	开发一种自动检测睡眠呼吸暂停/低通气事件并确定阻塞性睡眠呼吸暂停临床严重程度的方法	睡眠呼吸暂停/低通气事件和阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图(PSG)	Xception网络	生理信号(呼吸流量、血氧饱和度、心电图)和人口统计数据	NA
5954	2025-04-02	Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2023.12.013 PMID:38154150	研究论文	一项为期两年的前瞻性队列研究，利用智能手表、深度学习和可解释的人工智能模型预测恐慌发作及焦虑状态	首次结合智能手表数据、深度学习和可解释AI方法预测恐慌发作及焦虑状态，并识别关键影响因素	样本量中等且依赖自评问卷	预测恐慌发作(PA)、状态焦虑(SA)、特质焦虑(TA)和恐慌障碍严重程度(PDS)	114名恐慌障碍(PD)患者	机器学习	恐慌障碍	RNN, LSTM, GRU深度学习模型及SHAP可解释方法	LSTM	可穿戴设备记录的睡眠、体力活动和心率数据，以及临床问卷数据	114名PD患者，数据收集时间为2020年6月16日至2022年6月10日
5955	2025-04-02	Machine learning applications for early detection of esophageal cancer: a systematic review 2023-07-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02235-y PMID:37460991	系统综述	本文系统综述了机器学习在食管癌早期检测中的应用现状	总结了机器学习特别是卷积神经网络在食管癌早期检测中的高准确性和敏感性	现有文献有限，许多研究存在类别不平衡和偏差，需要跨机构纵向研究验证检测算法	探讨机器学习在食管癌早期检测中的应用及其潜力	食管癌的早期检测	计算机视觉	食管癌	机器学习（ML）、深度学习（DL）、神经网络（NN）	CNN	内窥镜图像和计算机断层扫描（CT）图像	31篇相关文章
5956	2025-04-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了数字病理学中深度学习在癌症患者个性化治疗计划中的应用	利用AI自动量化生物标志物，提高治疗选择的效率和客观性	NA	改善癌症患者的个性化治疗选择	癌症患者	数字病理学	癌症	AI	深度学习	H&E染色病理图像	NA
5957	2025-04-02	Neurodegeneration: 2023 update 2023-Jan, Free neuropathology DOI:10.17879/freeneuropathology-2023-4899 PMID:37694160	综述	本文回顾了作者从前一年的神经退行性神经病理学文献中精选的十项具有高度影响力的研究	强调了人类组织基础的实验，涵盖了多种疾病类别、方法和方法论，展示了研究领域的广度	仅选择了十项研究，可能未能涵盖所有重要进展	突出与神经病理学家最相关的人类组织基础研究	神经退行性疾病相关的人类组织研究	神经病理学	阿尔茨海默病、进行性核上性麻痹、Gerstmann-Sträussler-Scheinker病、慢性创伤性脑病等	冷冻电子显微镜（cryo-EM）、功能基因组学、深度学习	弱监督多实例学习范式	蛋白质组学、转录组学、基因表达数据、图像数据	NA
5958	2025-04-01	Artificial intelligence in emergency neuroradiology: Current applications and perspectives 2025-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.002 PMID:39672753	综述	本文综述了人工智能在急诊神经放射学中的当前应用及未来展望	提供了关于人工智能在急诊神经放射学中应用的最新进展和深度分析，包括多种成像模态和现有商业产品的描述	未提及具体的技术局限性，但呼吁更多基于临床需求的开发和儿科神经影像学的关注	探讨人工智能在急诊神经放射学中的应用现状和未来发展	急诊神经放射学中的急性缺血性卒中、颅内出血、颅内动脉瘤、动静脉畸形等疾病	数字病理学	脑血管疾病	机器学习和深度学习算法	NA	影像数据	NA
5959	2025-04-01	Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram 2025-Mar-30, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf073 PMID:40157386	研究论文	本研究开发了一种基于深度学习的单导联动态心电图模型，用于短期预测持续性室性心律失常	首次将深度学习应用于单导联动态心电图，以预测短期内的持续性室性心动过速风险，并揭示了早期去极化模式作为潜在预测因子	研究为回顾性设计，且阳性事件发生率较低（0.5%）	开发能预测致命性室性心律失常的AI模型以预防心脏骤停/猝死	来自6个国家的247254份14天动态心电图记录	数字病理学	心血管疾病	深度学习	深度学习模型	心电图信号	247254份动态心电图记录（开发集183177份，内部验证集43580份，外部验证集20497份）
5960	2025-04-01	Digital twin-assisted graph matching multi-task object detection method in complex traffic scenarios 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87914-8 PMID:40155390	研究论文	提出一种基于数字孪生的跨领域目标检测迁移方法，以解决交通数据收集和标注耗时耗力的问题	结合数字孪生技术构建虚拟交通场景数据集，并引入基于图匹配的多任务目标检测算法，通过注意力机制和对抗训练提升模型鲁棒性	未提及实际部署中的计算资源消耗和实时性表现	提升复杂交通场景下的目标检测性能	虚拟和真实交通场景中的目标物体	计算机视觉	NA	数字孪生、对抗训练	多任务网络、图匹配模块	图像	未明确说明具体样本数量，包含虚拟生成和真实交通数据集