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
6021	2025-03-30	A Fusion Deep Learning Model for Predicting Adverse Drug Reactions Based on Multiple Drug Characteristics 2025-Mar-10, Life (Basel, Switzerland) DOI:10.3390/life15030436 PMID:40141781	研究论文	开发了一种基于多药物特征的融合深度学习模型，用于预测药物不良反应	整合了药物的多种特征（如一维和二维序列结构信息、药物-蛋白质相互作用数据及药物相似性），并采用融合模型预测药物不良反应的精确概率，显著提高了预测的准确性和鲁棒性	未提及具体的数据集规模限制或模型在特定药物类别上的泛化能力	提高药物不良反应的预测准确性，以增强新药开发和临床使用的监测措施	药物及其不良反应	机器学习	NA	深度学习	融合模型	药物分子结构数据、药物-蛋白质相互作用数据、药物相似性数据	未明确提及具体样本数量，但使用了基准数据集和LIU's数据集进行验证
6022	2025-03-30	Differential Alternating Current Field Measurement with Deep Learning for Crack Detection and Evaluation 2025-Mar-10, Micromachines IF:3.0Q2 DOI:10.3390/mi16030318 PMID:40141929	研究论文	本文介绍了一种结合深度学习的差分TMR-ACFM探头，用于裂纹检测和评估	差分设计有效减轻了提升效应和外部噪声，提高了检测性能而不增加成本，同时开发了CNN + CBAM网络进行高精度裂纹尺寸评估	裂纹尺寸评估在宽度上的相对误差较高（7.224%）	开发一种高精度的裂纹检测和评估方法	裂纹（长度10-30 mm，深度2-6 mm，宽度0.25-1.25 mm）	计算机视觉	NA	差分TMR-ACFM探头	CNN + CBAM	实验数据	裂纹尺寸范围：长度10-30 mm，深度2-6 mm，宽度0.25-1.25 mm
6023	2025-03-30	MBL-TransUNet: Enhancing Mesostructure Segmentation of Textile Composite Images via Multi-Scale Feature Fusion and Boundary Guided Learning 2025-Mar-09, Materials (Basel, Switzerland) DOI:10.3390/ma18061215 PMID:40141498	research paper	提出了一种名为MBL-TransUNet的深度学习模型，用于增强纺织复合材料图像的介观结构分割，通过多尺度特征融合和边界引导学习模块提高分割精度	引入了边界引导学习模块和多尺度特征融合模块，结合BatchFormerV2进行跨批次学习，显著提高了分割精度和模型的泛化能力	未提及模型在更大规模或不同类型数据集上的表现，以及计算资源消耗情况	解决纺织复合材料图像中精确的纱线边界识别问题，提升分割精度	纺织复合材料图像	computer vision	NA	深度学习	MBL-TransUNet (基于TransUNet改进)	图像	未明确提及具体样本数量
6024	2025-03-30	Current Role of Artificial Intelligence in the Management of Esophageal Cancer 2025-Mar-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061845 PMID:40142652	综述	本文综述了人工智能在食管癌管理中的当前应用和未来前景	整合临床因素和多模态影像特征的AI模型显示出更高的预测性能，可能改善患者治疗效果	需要解决现有局限性，进行随机对照试验，并考虑伦理和法律问题	探讨人工智能在食管癌管理中的应用	食管癌患者	数字病理	食管癌	机器学习、深度学习、放射组学	NA	临床数据和影像数据	41项研究
6025	2025-03-30	Deep Learning in Scaphoid Nonunion Treatment 2025-Mar-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061850 PMID:40142658	research paper	本研究利用深度学习算法预测舟骨不愈合手术后愈合的可能性	开发了一个基于术前X光片的深度学习模型，预测手术成功率高达93.6%，显著高于传统逻辑回归的66.3%	研究仅基于346名患者的X光片数据，样本量相对有限	开发一种可靠的工具来预测舟骨不愈合手术的成功率，以指导临床决策	346名被诊断为舟骨不愈合的患者	digital pathology	scaphoid nonunion	X-ray imaging	TensorFlow deep learning algorithm	image	346名患者的术前和术后X光片
6026	2025-03-30	AGASI: A Generative Adversarial Network-Based Approach to Strengthening Adversarial Image Steganography 2025-Mar-09, Entropy (Basel, Switzerland) DOI:10.3390/e27030282 PMID:40149206	研究论文	提出了一种基于GAN的方法AGASI，用于增强对抗性图像隐写术的鲁棒性	使用GAN框架结合编码器和解码器，提升隐写图像对抗隐写分析工具的能力，同时减少原始秘密图像与提取图像之间的差距	未提及具体在哪些类型的图像或场景下效果有限	增强图像隐写术的鲁棒性，以对抗基于深度学习的隐写分析技术	隐写图像和秘密图像	计算机视觉	NA	生成对抗网络(GAN)	GAN	图像	未提及具体样本数量
6027	2025-03-30	A Deep Learning-Based Detection and Segmentation System for Multimodal Ultrasound Images in the Evaluation of Superficial Lymph Node Metastases 2025-Mar-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061828 PMID:40142635	研究论文	开发并验证了一种基于深度学习的自动检测和分割系统，用于评估浅表淋巴结转移的多模态超声图像	首次将Mask R-CNN架构应用于多模态超声图像（B型、多普勒和弹性成像）中的淋巴结检测和分割，结合血管性和硬度参数提高了诊断能力	未提及模型在不同医疗机构或设备上的泛化能力，也未说明样本来源的多样性	开发自动化的淋巴结转移评估系统以提高诊断效率和准确性	浅表淋巴结的多模态超声图像（B型、多普勒和弹性成像）	数字病理	癌症（淋巴结转移）	多模态超声成像（B型、多普勒、弹性成像）	Mask R-CNN	图像	未明确说明数量的标注超声图像数据集
6028	2025-03-30	Novel Preprocessing-Based Sequence for Comparative MR Cervical Lymph Node Segmentation 2025-Mar-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061802 PMID:40142614	研究论文	本研究利用深度学习方法对磁共振图像中的颈部淋巴结进行自动分割，以提高颈部病理性肿块诊断的速度和准确性，并改善患者治疗流程	首次探索使用全面的颈部MRI序列进行颈部淋巴结的自动分割，提出的预处理模型和自动重新裁剪方法提高了分割的准确性	样本量相对较小（64名患者），且仅针对颈部淋巴结，可能限制了模型的泛化能力	提高颈部淋巴结在磁共振图像中的自动分割准确性和速度，优化诊断和治疗流程	颈部淋巴结	数字病理	颈部淋巴结疾病	MRI	DeepLabv3+ with ResNet-50	图像	64名患者的1346张MRI切片
6029	2025-03-30	A Multicenter Study on Intraoperative Glioma Grading via Deep Learning on Cryosection Pathology 2025-Mar-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100749 PMID:40057037	研究论文	本研究开发了一种基于深度学习的术中胶质瘤分级模型（IGGC），用于提高冷冻切片图像的分级准确性	开发了首个基于深度学习的术中胶质瘤分级模型（IGGC），显著提高了诊断准确性和一致性	研究样本主要来自TCGA数据集，可能无法完全代表所有临床场景	提高术中胶质瘤分级的准确性和一致性，优化手术策略和患者预后	成人型弥漫性胶质瘤的冷冻切片图像	数字病理学	胶质瘤	深度学习	CNN（未明确说明但推断为卷积神经网络）	图像	训练集1603例，验证集628例，测试集5个队列共213例
6030	2025-03-30	Applications of AI-based deep learning models for detecting dental caries on intraoral images - a systematic review 2025-Mar, Evidence-based dentistry DOI:10.1038/s41432-024-01089-1 PMID:39609513	系统综述	本文评估了基于AI的深度学习模型在口腔内图像上检测龋齿的有效性	系统综述了AI深度学习模型在龋齿检测中的应用，并评估了其性能和临床研究的质量	研究中仅有3项研究使用了可解释AI技术，且仅有4项研究开发了移动或网络应用	评估AI深度学习模型在龋齿检测中的有效性	口腔内图像	计算机视觉	龋齿	深度学习	DL	图像	23项研究
6031	2025-03-30	Fast Reverse Design of 4D-Printed Voxelized Composite Structures Using Deep Learning and Evolutionary Algorithm 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407825 PMID:39893044	research paper	本研究提出了一种结合深度学习和进化算法的优化方法，用于4D打印的体素化复合结构的快速逆向设计	开发了一种序列增强的并行卷积神经网络和渐进式进化算法（PEA），构建了DL-PEA框架，显著缩短了设计时间至约3.04秒	研究主要针对溶剂响应性水凝胶，可能不适用于其他类型的刺激响应材料	优化4D打印的体素化复合结构的设计过程，以实现特定目标形状的快速逆向设计	溶剂响应性水凝胶的4D打印体素化复合结构	machine learning	NA	深度学习（DL）、进化算法、有限元模拟	序列增强的并行CNN、渐进式进化算法（PEA）	模拟数据	NA
6032	2025-03-30	Evaluation of state-of-the-art deep learning models in the segmentation of the left and right ventricles in parasternal short-axis echocardiograms 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024002 PMID:40151505	research paper	评估深度学习模型在超声心动图短轴视图中左右心室分割的性能	首次在超声心动图短轴视图中评估深度学习模型对左右心室的分割性能，填补了长轴视图研究的空白	研究样本量较小，仅包含33名女性志愿者	评估深度学习模型在超声心动图短轴视图中分割心室的性能，以辅助心肺疾病和心肌病的诊断	超声心动图短轴视图中的左右心室	digital pathology	cardiovascular disease	超声心动图	Unet-Resnet101, Unet-ResNet50, SAM variants, Detectron2	image	33名女性志愿者的387次扫描
6033	2025-03-30	Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model 2025-Feb-24, Life (Basel, Switzerland) DOI:10.3390/life15030358 PMID:40141703	research paper	开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势	采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类	环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下	通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病	50名健康成年人在不同条件下进行举重任务	computer vision	occupational low back pain	OpenPose算法用于检测和提取关键身体点	bidirectional LSTM	video	50名健康成年人
6034	2025-03-30	Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy 2025-Feb-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17030290 PMID:40142954	综述	本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响	探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用	面临数据整合、AI驱动决策的伦理问题及监管合规等挑战	研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响	制药制造过程中的生产流程和质量控制	机器学习	NA	云计算、数据分析	深度学习	传感器数据	NA
6035	2025-03-30	Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network 2025-Feb-21, Entropy (Basel, Switzerland) DOI:10.3390/e27030220 PMID:40149144	研究论文	本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计	将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题	NA	提高大规模MIMO通信系统中信道估计的准确性和效率	大规模MIMO通信系统	机器学习	NA	深度学习	PACE-Net（极化自注意力辅助神经网络）	信道数据	NA
6036	2025-03-30	Brain Tumor Detection and Prediction in MRI Images Utilizing a Fine-Tuned Transfer Learning Model Integrated Within Deep Learning Frameworks 2025-Feb-20, Life (Basel, Switzerland) DOI:10.3390/life15030327 PMID:40141673	research paper	该研究通过微调迁移学习模型，利用深度学习框架提高MRI图像中脑肿瘤检测和预测的准确性	采用多种迁移学习模型（如InceptionResNetV2、VGG19、Xception和MobileNetV2）进行脑肿瘤分类，其中Xception模型表现最佳，准确率达到96.11%	数据集来自Kaggle，可能存在样本多样性和泛化能力的限制	提高脑肿瘤分类的准确性和效率，支持临床决策	MRI图像中的脑肿瘤与非肿瘤图像	computer vision	brain tumor	deep transfer learning	InceptionResNetV2, VGG19, Xception, MobileNetV2	image	Kaggle数据集中的肿瘤与非肿瘤图像，具体数量未提及
6037	2025-03-30	Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing 2025-Feb, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0285 PMID:40151680	研究论文	提出了一种基于多图像融合和深度学习的陶瓷增材制造中涂层缺陷实时监测方法	采用多图像融合技术和通道级YOLO（CW-YOLO）方法，显著提高了缺陷检测的准确性和实时性	未提及具体的数据集规模或实验环境的多样性限制	开发一种实时监测陶瓷增材制造中涂层缺陷的方法	陶瓷增材制造过程中的涂层缺陷	计算机视觉	NA	多图像融合、深度学习	CW-YOLO	图像	NA
6038	2025-03-29	Correction to: "UDE DIATOMS in the Wild 2024": a new image dataset of freshwater diatoms for training deep learning models 2025-Jan-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf043 PMID:40139910	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6039	2025-03-30	Impact of imbalanced features on large datasets 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1455442 PMID:40151465	research paper	本文探讨了基于图像特征的分类框架，分析了平衡与不平衡分布对图像分类性能的影响	研究了类别不平衡对大规模数据集图像分类性能的影响，并发现Distributed Gaussian (D-GA)和Distributed Poisson (D-PO)是最有效的技术	未提及具体的数据集大小或实验的具体细节	探索类别不平衡对图像分类性能的影响	图像和视频数据	computer vision	NA	Distributed Gaussian (D-GA), Distributed Poisson (D-PO)	Random Forest (RF), SVM, deep learning models	image, video	large datasets（未提及具体数量）
6040	2025-03-30	Research on herd sheep facial recognition based on multi-dimensional feature information fusion technology in complex environment 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1404564 PMID:40151568	研究论文	本文提出了一种基于深度学习的智能监测系统，用于复杂环境下羊群的面部识别和健康评估	系统整合了多部分检测网络、面部分类模型和面部表情分析网络，并引入了多链接卷积融合块(MCFB)和可重参数化卷积(RepConv)结构以提高检测精度	NA	提高大规模农场中羊群个体监测的准确性和效率	羊群	计算机视觉	NA	深度学习	YOLOv5s, GhostNet, EfficientNet	图像	NA