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
6041	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
6042	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
6043	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
6044	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
6045	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
6046	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
6047	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)
6048	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
6049	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
6050	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
6051	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
6052	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
6053	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
6054	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
6055	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）
6056	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
6057	2025-04-01	Synthesize multiple V/H directional beams for high altitude platform station based on deep-learning algorithm 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93251-7 PMID:40155442	研究论文	本文研究了将高空平台站（HAPS）与深度学习（DL）模型相结合以增强覆盖能力的方法	提出了一种基于60单元同心圆阵列（CCA）和深度神经网络（DNN）与改进的引力搜索算法和粒子群优化（MGSA-PSO）算法的混合方法，以动态生成多方向垂直/水平（V/H）波束	未提及具体实验验证或实际部署的挑战	增强高空平台站（HAPS）的覆盖能力，特别是在复杂地形下的道路路径覆盖	高空平台站（HAPS）及其波束形成系统	机器学习	NA	深度神经网络（DNN）、改进的引力搜索算法和粒子群优化（MGSA-PSO）算法	DNN	仿真数据	使用计算机仿真技术-微波工作室套件（CST）与地球探索者（EE）用户界面工具模拟真实道路路径
6058	2025-04-01	The value of predicting breast cancer with a DBT 2.5D deep learning model 2025-Mar-29, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02170-6 PMID:40155449	research paper	评估基于数字乳腺断层合成（DBT）的2.5维深度学习模型在预测乳腺癌中的准确性和有效性	结合2.5维特征集和临床数据构建综合预测模型，展示深度学习与放射组学结合在乳腺癌早期诊断中的潜力	研究基于回顾性数据，样本量相对较小（361例），可能影响模型的泛化能力	提高乳腺癌术前预测的准确性	乳腺癌肿瘤病变患者	digital pathology	breast cancer	digital breast tomosynthesis (DBT)	DCNN, logistic regression, LightGBM, multilayer perceptron	image	361例乳腺癌患者（2018-2020年山东第一医科大学附属山东省立医院数据）
6059	2025-04-01	Deep learning for echocardiographic assessment and risk stratification of aortic, mitral, and tricuspid regurgitation: the DELINEATE-Regurgitation study 2025-Mar-29, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf248 PMID:40156921	研究论文	开发了一种基于深度学习的AI系统，用于评估主动脉、二尖瓣和三尖瓣反流，并预测二尖瓣反流的进展风险	首次开发了能够同时分类多种瓣膜反流并预测二尖瓣反流进展风险的AI系统，采用多视图方法整合多个彩色多普勒视频的预测结果	外部测试集的加权kappa值相对内部测试集有所下降，特别是三尖瓣反流的评估一致性较低	开发人工智能系统用于瓣膜反流的评估和风险分层	主动脉反流(AR)、二尖瓣反流(MR)和三尖瓣反流(TR)患者	数字病理	心血管疾病	经胸超声心动图(TTE)和彩色多普勒视频分析	深度学习	视频	71,660例TTE检查，包含1,203,980个彩色多普勒视频
6060	2025-04-01	Deep Learning Electrocardiogram Model for Risk Stratification of Coronary Revascularization Need in the Emergency Department 2025-Mar-29, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf254 PMID:40156923	research paper	开发了一种深度学习模型，用于通过心电图（ECG）识别需要冠状动脉血运重建的急性冠状动脉综合征患者	使用卷积神经网络（CNN）模型从心电图中检测与血运重建可能性相关的模式，以指导进一步评估并减少诊断不确定性	模型的特异性较高但敏感性较低，相比高敏肌钙蛋白T（hs-TnT）	识别需要冠状动脉血运重建的急性冠状动脉综合征患者，以减少诊断不确定性	急诊科就诊患者的心电图数据	machine learning	cardiovascular disease	electrocardiogram (ECG)	CNN	ECG data	训练集：144,691次急诊就诊；测试集：35,995次；外部验证集：18,673次急诊就诊