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
581	2025-04-15	CRCL: Causal Representation Consistency Learning for Anomaly Detection in Surveillance Videos 2025-Apr-11, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558089 PMID:40215152	research paper	提出了一种名为CRCL的因果表示一致性学习方法，用于监控视频中的异常检测	通过因果学习挖掘潜在的场景鲁棒因果变量，剥离深度表示中的场景偏差并学习因果视频正态性	在真实场景中可能无法应对标签无关的数据偏移（如场景变化），且对轻微异常可能因深度神经网络的过度泛化而失效	改进监控视频中的异常检测方法	监控视频中的异常事件	computer vision	NA	causality learning	CRCL	video	在多个基准测试上进行了广泛实验
582	2025-04-15	LUND-PROBE - LUND Prostate Radiotherapy Open Benchmarking and Evaluation dataset 2025-Apr-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04954-5 PMID:40216786	研究论文	介绍了一个名为LUND-PROBE的公开临床数据集，用于前列腺癌放射治疗的自动治疗计划、分割、观察者间分析和深度学习模型不确定性研究	提供了一个包含MRI和合成CT图像、目标及风险器官分割、放射治疗剂量分布的综合数据集，并扩展了深度学习生成的分割、分割不确定性图和经放射肿瘤学家手动调整的分割	NA	促进医学影像和前列腺癌放射治疗研究的进展	432名接受MRI引导放射治疗的前列腺癌患者，以及扩展数据集中的35名患者	数字病理	前列腺癌	MRI、合成CT（sCT）、深度学习（DL）	深度学习（DL）	图像	432名患者（基础数据集）+35名患者（扩展数据集）
583	2025-04-15	Leveraging ensemble convolutional neural networks and metaheuristic strategies for advanced kidney disease screening and classification 2025-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93950-1 PMID:40216822	研究论文	开发了一种基于AI的系统，用于自动识别和分类肾脏疾病，以解决肾衰竭和全球肾科医生短缺的公共卫生问题	提出了一种基于迁移学习技术的新型深度学习模型，结合了多个DL模型和元启发式算法，以提高肾脏疾病识别的准确性、鲁棒性和泛化能力	研究仅针对肾脏疾病的三种主要类别（结石、囊肿和肿瘤），可能不涵盖所有肾脏疾病类型	开发一个基于AI的诊断系统，用于肾脏疾病的自动识别和分类	肾脏疾病（结石、囊肿和肿瘤）	数字病理学	肾脏疾病	CT成像	CNN, Bi-LSTM, 集成学习	图像	12,446张CT全腹部和尿路造影图像
584	2025-04-15	Predicting PD-L1 status in NSCLC patients using deep learning radiomics based on CT images 2025-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91575-y PMID:40216830	研究论文	本研究开发了一种基于深度学习放射组学（DLR）的方法，用于预测非小细胞肺癌（NSCLC）患者的PD-L1表达状态	结合深度学习放射组学与临床数据，构建了预测PD-L1状态的集成模型，性能优于单一模型	样本量相对有限（352例），且PD-L1阳性样本占比不足50%	开发非侵入性预测NSCLC患者PD-L1表达状态的方法	非小细胞肺癌（NSCLC）患者	数字病理	肺癌	CT影像分析	ResNet50结合LASSO算法	CT图像	352例NSCLC患者（170例PD-L1阳性）
585	2025-04-15	Continuous sleep depth index annotation with deep learning yields novel digital biomarkers for sleep health 2025-Apr-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01607-0 PMID:40216900	研究论文	提出一种深度学习方法，利用现有离散睡眠分期标签标注连续睡眠深度指数（SDI），揭示了更详细的睡眠结构并产生新的数字生物标志物	通过深度学习将传统五分类的睡眠分期扩展为连续的睡眠深度指数，捕捉了睡眠阶段的细微变化，并发现了与健康风险相关的新型睡眠亚型	研究基于回顾性数据，需要前瞻性研究验证SDI的临床价值	开发更精细的睡眠评估方法并探索其与健康风险的关联	来自四个大型队列的10,000多份多导睡眠图记录	数字健康	睡眠障碍	深度学习	深度学习模型（未指定具体架构）	多导睡眠图信号	超过10,000份睡眠记录
586	2025-04-15	Application of the YOLOv11-seg algorithm for AI-based landslide detection and recognition 2025-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95959-y PMID:40216897	研究论文	本研究提出了一种基于YOLOv11-seg深度学习模型的滑坡智能识别方法，用于高效准确地检测和识别滑坡	优化了YOLOv11-seg的特征提取和分割模块，提高了滑坡边界检测和像素级分割的准确性，特别是在复杂地形和遮挡情况下表现优异	未明确提及具体局限性，但可能包括模型在极端或未见过的地形条件下的泛化能力	开发高效准确的滑坡检测方法，以支持地质灾害监测和风险评估	滑坡	计算机视觉	NA	深度学习	YOLOv11-seg	图像	Bijie-Landslide数据集（具体样本数量未明确）
587	2025-04-15	Deep learning-based classification of lymphedema and other lower limb edema diseases using clinical images 2025-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97564-5 PMID:40216943	研究论文	本研究探讨了深度学习在提高下肢水肿疾病诊断准确性中的应用	利用深度学习模型（如EfficientNetV2）对淋巴水肿和其他下肢水肿疾病进行分类，并通过Grad-CAM增强模型的可解释性	数据集多样性不足，且评估环境受控，需在真实世界环境中进一步验证	提高下肢水肿疾病的诊断准确性	淋巴水肿和其他下肢水肿疾病（如慢性静脉功能不全、深静脉血栓等）	计算机视觉	淋巴水肿	深度学习	CNN（如EfficientNetV2）和transformer-based模型	图像	1622张临床图像
588	2025-04-15	Fine-grained forecasting of COVID-19 trends at the county level in the United States 2025-Apr-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01606-1 PMID:40216974	research paper	该研究提出了一种名为FIGI-Net的细粒度感染预测网络，用于在美国县级层面预测COVID-19趋势	FIGI-Net采用堆叠双向LSTM结构，利用县级数据生成未来两周的每日预测，能够准确预测新爆发或高峰等突变情况	深度学习模型的有效性依赖于大型数据集，而疫情不断演变的特性使得数据获取成为一大挑战	提高COVID-19趋势预测的准确性和细粒度，以支持公共卫生资源分配和防控策略	美国县级层面的COVID-19数据	machine learning	COVID-19	NA	双向LSTM	时间序列数据	县级COVID-19数据
589	2025-04-15	Predicting the efficacy of microwave ablation of benign thyroid nodules from ultrasound images using deep convolutional neural networks 2025-Apr-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02989-7 PMID:40217199	研究论文	使用深度卷积神经网络从超声图像预测良性甲状腺结节微波消融的疗效	首次比较了五种预训练的卷积神经网络模型（VGG19、Resnet 50、EfficientNetB1、EfficientNetB0和InceptionV3）在预测良性甲状腺结节微波消融疗效中的应用，并发现微调后的EfficientNetB1表现最佳	这是一项深度学习的初步研究，与实际临床应用存在差距，需要更深入的研究来开发能更好辅助临床的深度学习模型	预测超声引导下微波消融治疗良性甲状腺结节的效果	良性甲状腺结节患者	计算机视觉	甲状腺结节	超声引导微波消融（MWA）	CNN（包括VGG19、Resnet 50、EfficientNetB1、EfficientNetB0和InceptionV3）	超声图像	患者被随机分为训练集（70%）和验证集（30%）
590	2025-04-15	Deep learning assisted analysis of biomarker changes in refractory neovascular AMD after switch to faricimab 2025-Apr-11, International journal of retina and vitreous IF:1.9Q2 DOI:10.1186/s40942-025-00669-2 PMID:40217505	研究论文	本研究利用深度学习算法分析光学相干断层扫描（OCT）生物标志物，评估Faricimab在难治性新生血管性年龄相关性黄斑变性（nAMD）患者中的疗效和持久性	首次使用基于卷积神经网络的深度学习算法对OCT生物标志物进行自动化分割，评估Faricimab在难治性nAMD患者中的治疗效果	样本量较小（46眼），且为回顾性研究，未来需改进AI模型以提高预测准确性并评估长期结果	评估Faricimab在难治性nAMD患者中的疗效和持久性，并探索AI驱动的生物标志物分割在疾病监测中的应用	难治性新生血管性年龄相关性黄斑变性（nAMD）患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	41名患者的46只眼
591	2025-04-15	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-Apr-11, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	research paper	利用深度学习辅助的三维多光束连续电子显微镜数据量化人类浅表白质的轴突特征	首次在纳米级分辨率下对人类浅表白质中的短程联合纤维进行详细的形态学表征，并利用深度学习技术自动分割髓鞘和有髓轴突	研究仅基于一个特定的组织样本，可能无法代表所有人类浅表白质的多样性	研究人类浅表白质中短程联合纤维的微观形态特征及其对大脑皮质-皮质连接的贡献	人类浅表白质中的短程联合纤维	digital pathology	NA	多光束扫描电子显微镜（EM）	CNN	3D电子显微镜图像	一个200×200×112 μm的人类浅表白质组织样本，包含128,285个有髓轴突
592	2025-04-15	Revolutionizing cleft lip and palate management through artificial intelligence: a scoping review 2025-Apr-10, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01371-1 PMID:40208434	综述	本文通过范围综述，综合了过去十年中人工智能在唇腭裂预测、诊断和治疗中的应用研究	首次系统综述了人工智能在唇腭裂管理中的应用，并提出了六个子类别，包括诊断、预测、治疗和教育	当前研究进展虽然前景广阔，但需要进一步研究以扩展和完善其有益应用	综合人工智能在唇腭裂管理中的应用研究，并突出其在预测、诊断和治疗方面的研究	唇腭裂患者	人工智能	唇腭裂	深度学习、机器学习	NA	NA	25项研究
593	2025-04-15	Novel deep learning algorithm based MRI radiomics for predicting lymph node metastases in rectal cancer 2025-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96618-y PMID:40204902	research paper	该研究探讨了基于MRI的放射组学列线图在预测直肠癌淋巴结转移中的价值	开发了一种新型深度学习算法（DLRS）和列线图模型，结合临床预测因子和多参数MRI图像特征，提高了预测准确性	研究为回顾性分析，可能存在选择偏差	探索MRI放射组学在预测直肠癌淋巴结转移中的应用价值	430例直肠癌患者	digital pathology	rectal cancer	multiparametric MRI (mpMRI)	deep learning radscore (DLRS), nomogram	MRI图像	430例患者（192例淋巴结转移阳性）
594	2025-04-15	Artificial Intelligence in Dentistry: A Narrative Review of Diagnostic and Therapeutic Applications 2025-Apr-08, Medical science monitor : international medical journal of experimental and clinical research IF:2.2Q3 DOI:10.12659/MSM.946676 PMID:40195079	综述	本文综述了人工智能在牙科领域的诊断和治疗应用，探讨了其在口腔疾病诊疗中的进展和挑战	全面回顾了AI在牙科多领域的应用，包括诊断和治疗优化，并指出了当前的技术挑战和未来研究方向	数据标注不准确、细粒度特征表达能力有限、缺乏通用模型、学习算法潜在偏见以及与医疗事故和数据隐私相关的法律风险	探讨人工智能在牙科领域的应用现状及未来发展方向	口腔疾病，包括牙髓病、牙周病、口腔种植、正畸、修复治疗及口腔颌面外科	数字病理学	口腔疾病	机器学习、人工神经网络(ANN)、深度学习	NA	影像数据	NA
595	2025-04-15	A fully automatic radiomics pipeline for postoperative facial nerve function prediction of vestibular schwannoma 2025-Apr-08, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.008 PMID:40210197	研究论文	提出了一种基于多序列MRI的全自动深度学习流程，用于预测前庭神经鞘瘤手术后患者的面神经功能	结合Transformer和U-Net的2.5D Trans-UNet分割网络，以及1DCNN和GRU集成的深度学习网络，实现全自动预测	研究主要基于私有数据集，可能影响模型的泛化能力	预测前庭神经鞘瘤手术后患者的面神经功能	前庭神经鞘瘤患者	数字病理学	前庭神经鞘瘤	多序列MRI	2.5D Trans-UNet, 1DCNN-GRU	MRI图像	公共和私有数据集
596	2025-04-15	Reinforcement learning using neural networks in estimating an optimal dynamic treatment regime in patients with sepsis 2025-Apr-08, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108754 PMID:40222267	研究论文	本研究提出了一种结合神经网络和强化学习的算法（RL-NN），用于优化脓毒症患者的动态治疗方案，特别是早期液体复苏的剂量	利用深度学习的灵活性减轻模型误设，并通过交叉验证和随机搜索优化超参数，提高了模型的鲁棒性和泛化能力	研究结果基于模拟数据和MIMIC-III数据库，可能需要进一步的实际临床验证	确定脓毒症患者多阶段液体复苏的最佳剂量，以改善患者预后	脓毒症患者	机器学习	脓毒症	强化学习与神经网络结合（RL-NN）	神经网络	电子健康记录（EHR）数据	MIMIC-III数据库中的脓毒症患者队列
597	2025-04-15	Intelligent Detection and Recognition of Marine Plankton by Digital Holography and Deep Learning 2025-Apr-06, Sensors (Basel, Switzerland) DOI:10.3390/s25072325 PMID:40218838	research paper	提出了一种结合数字全息术和深度学习算法的智能方法，用于检测和识别海洋浮游生物	通过集成A-Unet网络和YOLOv5系统界面，实现了单张全息图稳定高效地重建和识别多种浮游生物	数字全息术的记录和重建需要严格控制的实验室环境和耗时的迭代计算	提高海洋浮游生物检测和识别的效率和准确性	海洋浮游生物	computer vision	NA	digital holography, deep learning	A-Unet, YOLOv5	image	典型海洋浮游生物样本（来自中国潍坊），包括桡足类、被囊动物和多毛类
598	2025-04-15	Incremental learning for acute lymphoblastic leukemia classification based on hybrid deep learning using blood smear image 2025-Apr-05, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108456 PMID:40222054	研究论文	本文提出了一种基于混合深度学习的增量学习方法，用于血涂片图像中的急性淋巴细胞白血病分类	设计了TSCO-L-LeNet模型，结合Tangent Sand Cat Swarm Optimization和长短期记忆网络，采用增量学习进行精确分类	未提及模型在其他类型白血病或更大规模数据集上的泛化能力	开发一种快速、准确的白血病分类方法以辅助早期诊断	急性淋巴细胞白血病的血涂片图像	数字病理学	白血病	图像处理、深度学习	TSCO-L-LeNet (结合Tangent Sand Cat Swarm Optimization和LSTM的LeNet变体)	图像	未明确提及具体样本数量
599	2025-04-15	Emittance minimization for aberration correction I: Aberration correction of an electron microscope without knowing the aberration coefficients 2025-Apr-05, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2025.114137 PMID:40222084	research paper	该论文提出了一种基于深度学习的方法，通过最小化电子束的发射度增长来校正电子显微镜的像差，而无需知道像差系数	从加速器物理学的角度出发，将像差校正问题转化为最小化电子束的发射度增长，并利用深度学习模型预测发射度变化	需要依赖高速电子相机进行快速测量，可能对设备有较高要求	开发一种无需知道像差系数的电子显微镜像差校正方法	扫描透射电子显微镜(STEM)的电子束	电子显微镜技术	NA	深度学习	深度学习模型	Ronchigrams图像	NA
600	2025-04-15	An Explainable LSTM-Based Intrusion Detection System Optimized by Firefly Algorithm for IoT Networks 2025-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s25072288 PMID:40218800	研究论文	本文提出了一种基于LSTM的可解释入侵检测系统，通过萤火虫算法优化，用于IoT网络	结合统计方法和元启发式算法进行特征选择，构建LSTM模型，并应用XAI工具（LIME和SHAP）提高模型的可解释性	仅在两个公开数据集上进行测试，可能无法涵盖所有IoT网络攻击场景	开发一种可解释且高效的入侵检测系统，以应对IoT设备面临的安全威胁	IoT网络中的入侵行为	机器学习	NA	元启发式算法（萤火虫算法），XAI工具（LIME和SHAP）	LSTM	网络流量数据	两个公开数据集（NF-BoT-IoT-v2和IoTID20）