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
6141	2025-02-26	On-patient medical record and mRNA therapeutics using intradermal microneedles 2025-Feb-24, Nature materials IF:37.2Q1 DOI:10.1038/s41563-024-02115-4 PMID:39994390	研究论文	本文介绍了一种不可见的、在患者皮肤上存储医疗记录的技术，该技术结合了微针用于皮内治疗和mRNA疫苗的递送	创新点在于结合微针技术实现mRNA治疗和医疗记录存储，并通过深度学习图像处理实现信息的编码和解码	研究仅在猪模型中进行长期研究，尚未在人类中进行验证	研究目的是开发一种在患者皮肤上存储医疗记录的技术，以提高医疗记录的可靠性和治疗效果	研究对象是猪模型，用于验证技术的安全性和有效性	数字病理学	COVID-19	mRNA疫苗技术	深度学习	图像	猪模型
6142	2025-02-26	SVEA: an accurate model for structural variation detection using multi-channel image encoding and enhanced AlexNet architecture 2025-Feb-22, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06213-y PMID:39987107	研究论文	本文介绍了SVEA，一种用于结构变异检测的深度学习模型，通过多通道图像编码和增强的AlexNet架构提高检测准确性	SVEA采用多通道图像编码方法，将结构变异转化为多维图像格式，并结合多头自注意力机制和多尺度卷积模块，提升了对全局上下文和多尺度特征的捕捉能力	尽管SVEA在准确性上优于现有方法，但仍需进一步优化	提高结构变异检测的准确性	基因组中的结构变异	机器学习	NA	深度学习	AlexNet	图像	多样化的基因组数据集
6143	2025-02-26	An intelligent prediction method for rock core integrity based on deep learning 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90924-1 PMID:39987183	研究论文	本文提出了一种基于深度学习的岩石核心完整性智能预测方法，名为IDA-RCF，用于自动评估岩石核心完整性	提出了一个双分支特征提取网络，结合可变形卷积和基于自注意力的EfficientViT网络，以及多级特征融合网络，有效提取并融合局部细节和全局上下文信息	未提及具体局限性	解决传统人工评估岩石核心完整性效率低下的问题，实现自动评估	岩石核心完整性	计算机视觉	NA	深度学习	双分支特征提取网络（Deformable convolution和EfficientViT）	图像	未提及具体样本数量
6144	2025-02-26	A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91322-3 PMID:39987169	研究论文	本研究提出了一种基于深度学习的混合Inception-Dilated-ResNet架构，用于预测COVID-19的严重程度	首次将Inception-ResNet与扩张机制结合，用于从CT图像中提取特征，以评估COVID-19的肺部表现严重程度	需要经验丰富的放射科医生进行数据标注，且样本量相对较小	开发一种有效的深度学习方法，用于评估COVID-19患者的肺部受累严重程度	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	Inception-ResNet, dResNet	图像	1548例人类胸部CT扫描
6145	2025-02-26	Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90221-x PMID:39987243	研究论文	本文提出了一种新的半监督方法，用于组织病理学图像中的组织结构语义分割	引入了一种基于CNN的教师模型生成伪标签来训练学生模型，结合自监督训练和一致性正则化，以及使用蒙特卡洛dropout估计模型的不确定性	需要大量标注数据来训练模型，且对于罕见疾病的数据获取困难	提高组织病理学图像分析的语义分割准确性	组织病理学图像	数字病理学	NA	深度学习	CNN	图像	公共数据集
6146	2025-02-26	A deep learning digital biomarker to detect hypertension and stratify cardiovascular risk from the electrocardiogram 2025-Feb-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01491-8 PMID:39987256	研究论文	本文开发了一种深度学习模型HTN-AI，用于通过12导联心电图波形识别高血压并分层心血管疾病风险	利用深度学习模型从心电图中检测高血压，并作为高血压相关心血管疾病的数字生物标志物	研究依赖于特定医院的数据，可能限制了模型的普适性	开发一种基于心电图的深度学习模型，用于高血压检测和心血管疾病风险分层	103,405名成年人的752,415份心电图数据	数字病理学	心血管疾病	深度学习	深度学习模型	心电图波形	103,405名成年人的752,415份心电图数据
6147	2025-02-26	Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91364-7 PMID:39987316	研究论文	本研究通过整合无人机RGB图像和深度学习技术，提高了高覆盖率魔芋植物的识别和计数准确性	提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植物的识别和计数准确性	研究主要针对魔芋植物，未涉及其他作物在高覆盖率阶段的识别和计数	提高高覆盖率阶段魔芋植物的识别和计数准确性，为农业管理和产量预测提供支持	魔芋植物	计算机视觉	NA	无人机RGB图像采集	深度学习模型	图像	未明确提及具体样本数量
6148	2025-02-26	Building rooftop extraction from high resolution aerial images using multiscale global perceptron with spatial context refinement 2025-Feb-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91206-6 PMID:39987354	研究论文	本文提出了一种基于Transformer和CNN的多尺度全局感知网络，用于从高分辨率航空图像中提取建筑物屋顶	提出了一种改进的多头注意力编码器，通过构建多尺度标记来增强全局语义关联，并开发了上下文细化解码器，协同使用高层语义表示和浅层特征来恢复空间细节	尽管模型在WHU和Massub数据集上表现优异，但未提及在其他数据集上的泛化能力	提高从高分辨率航空图像中提取建筑物屋顶的精度和效率	建筑物屋顶	计算机视觉	NA	深度学习	Transformer, CNN	图像	WHU数据集和Massub数据集
6149	2025-02-26	Achieving a New Artificial Intelligence System for Serum Protein Electrophoresis to Recognize M-Spikes 2025-Feb-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c09327 PMID:39989836	研究论文	本文探索了一种新的人工智能系统AIRSPE，用于准确识别血清蛋白电泳（SPE）模式中的低浓度M峰	开发了基于深度学习的AIRSPE系统，显著优于人工解释，特别是在检测低浓度M峰方面	研究主要依赖于内部和外部测试集，可能需要在更广泛的数据集上进一步验证	准确识别血清蛋白电泳中的低浓度M峰	血清蛋白电泳（SPE）数据	机器学习	NA	免疫固定电泳（IFE）	MobileNetv2	电泳数据	166,003个SPE数据集，分为4个训练集和1个优化集，10,014个内部测试集和1,861个外部测试集
6150	2025-02-26	Enhanced classification of medicinal plants using deep learning and optimized CNN architectures 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42385 PMID:39991214	研究论文	本文提出了一种基于深度学习的框架，利用卷积神经网络（CNNs）对药用植物图像进行分类，以提高分类准确性	采用带有残差和倒置残差块配置的CNN架构，并结合二元黑猩猩优化和序列特征融合技术，以提高分类的准确性和速度	研究中未提及具体的数据集规模或多样性，可能影响模型的泛化能力	提高药用植物物种的准确分类，以促进其有效保护和合理使用	药用植物图像	计算机视觉	NA	深度学习，卷积神经网络（CNNs）	CNN	图像	未提及具体样本数量
6151	2025-02-26	Improvement of reading platforms assisted by the spring framework: A recommendation technique integrating the KGMRA algorithm and BERT model 2025-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42191 PMID:39991253	研究论文	本研究提出了一种结合KGMRA算法和BERT模型的新型推荐系统，旨在提高阅读平台的推荐准确性、个性化和内容多样性	结合KGMRA算法和BERT模型，利用知识图谱和多关系网络捕捉文章间的语义关系，并通过深度学习生成文章内容的语义表示，显著提升了推荐系统的性能	未提及具体的技术实现细节和在不同平台上的适用性	提高阅读平台的推荐系统性能，包括推荐准确性、个性化和内容多样性	阅读平台的用户和文章内容	自然语言处理	NA	KGMRA算法, BERT模型	BERT	文本	未提及具体样本数量
6152	2025-02-26	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Feb-13, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文探讨了计算神经退行性神经病理学领域的最新进展，强调了其在增强神经病理学评估、诊断和研究方面的潜力	利用全切片图像（WSIs）和先进的机器学习/人工智能（ML/AI）技术，自动化疾病分期、识别新的形态学生物标志物，并通过多模态AI方法揭示新的临床见解	领域面临专家注释有限、切片扫描不可及、机构间差异以及共享大型WSI数据集的复杂性等挑战	提高深度学习模型的准确性和效率，以更好地解释神经病理学数据	神经退行性疾病	数字病理学	神经退行性疾病	机器学习/人工智能（ML/AI）	深度学习模型	全切片图像（WSIs）	NA
6153	2025-02-26	A Review of ChatGPT as a Reliable Source of Scientific Information Regarding Endodontic Local Anesthesia 2025-Feb-12, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2025.02.002 PMID:39952316	综述	本文评估了ChatGPT作为牙髓局部麻醉科学信息可靠来源的能力	首次系统地评估了ChatGPT在牙髓局部麻醉领域的回答准确性和参考文献可靠性	仅评估了16个问题，样本量较小；未评估ChatGPT在其他医学领域的表现	评估ChatGPT作为牙髓局部麻醉科学信息可靠来源的能力	ChatGPT的回答和提供的参考文献	自然语言处理	NA	深度学习	ChatGPT	文本	16个关于牙髓局部麻醉的代表性问题
6154	2025-02-26	Low dose threshold for measuring cardiac functional metrics using four-dimensional CT with deep learning 2025-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14593 PMID:39625106	研究论文	本研究探讨了使用深度学习技术降低四维CT在心脏功能成像中的辐射剂量	提出了两种深度学习网络（标准DL和噪声鲁棒DL），用于在低剂量条件下进行心脏功能指标的测量，展示了在平均辐射剂量减少5倍的情况下，全局功能指标变化最小	研究主要关注心脏功能指标的变化，未涉及其他可能的临床影响	研究目的是通过深度学习技术降低四维CT在心脏功能成像中的辐射剂量	左心室心肌和血池	计算机视觉	心血管疾病	四维CT	3D残差U-Net	图像	250个心脏CT体积
6155	2025-02-26	Deep Learning-Based Segmentation of Cervical Posterior Longitudinal Ligament Ossification in Computed Tomography Images and Assessment of Spinal Cord Compression: A Two-Center Study 2025-Feb, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.123567 PMID:39694139	研究论文	本研究开发了一种基于CT图像的深度学习模型，用于自动分割颈椎后纵韧带骨化病变，并测量骨化物质的厚度和计算颈椎脊髓压迫系数	首次提出了一种全自动的、基于3D U-Net框架的深度学习模型，用于颈椎后纵韧带骨化病变的分割和脊髓压迫的量化评估	研究样本来自两个中心，可能存在样本选择偏倚；外部测试集的性能略低于训练集和内部验证集	开发一种自动化工具，用于颈椎后纵韧带骨化病变的分割和脊髓压迫的量化评估	颈椎后纵韧带骨化病变患者	数字病理	颈椎病	深度学习	3D U-Net	CT图像	307名患者（260名来自上海长征医院，47名来自西南医科大学附属中医医院）
6156	2025-02-26	An empirical study of using radiology reports and images to improve intensive care unit mortality prediction 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae137 PMID:39980476	研究论文	本研究构建了一个基于深度学习的生存预测模型，利用多模态数据预测ICU患者的死亡率	首次结合了生理测量、放射科医生预定义的常见胸部疾病、基于BERT的文本表示和胸部X光图像特征，显著提升了ICU死亡率预测的准确性	研究依赖于单一数据集（MIMIC-IV），可能限制了模型的泛化能力	提高ICU患者死亡率的预测准确性	ICU患者	机器学习	重症监护	深度学习	深度学习模型	结构化临床数据、文本、图像	使用MIMIC-IV数据集
6157	2025-02-26	Enhancing Pediatric Bone Age Assessment Using Artificial Intelligence: Implications for Orthopedic Surgery 2025-Feb, Cureus DOI:10.7759/cureus.79507 PMID:39989489	研究论文	本研究评估了人工智能在儿科骨龄预测中的应用，使用RSNA 2017儿科骨龄挑战数据集，开发并训练了一个基于ResNet-50架构的深度学习模型	利用深度学习模型（ResNet-50）进行儿科骨龄预测，相比传统方法减少了操作者间的变异性并提高了可靠性	需要进一步验证研究以确保在不同患者群体中的临床适用性	提高儿科骨龄评估的准确性、效率和标准化，优化治疗时机并扩大高质量骨龄评估的普及	儿科骨龄评估	计算机视觉	骨科疾病	深度学习	ResNet-50	图像	12,611张手和手腕的X光片用于训练，1,425张用于验证，200张用于测试
6158	2025-02-26	Lentil plant disease and quality assessment: A detailed dataset of high-resolution images for deep learning research 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111224 PMID:39989639	研究论文	本文介绍了一个包含高分辨率扁豆植物图像的详细数据集，旨在支持机器学习模型在扁豆种植中的疾病检测和质量评估	提供了一个全面的高分辨率扁豆植物图像数据集，专门用于农业研究中的计算机视觉和深度学习应用	数据集仅涵盖孟加拉国地区的扁豆植物，可能不适用于其他地区的扁豆种植	开发机器学习模型以精确检测扁豆疾病并评估其质量，从而提高扁豆生产效率	扁豆植物	计算机视觉	扁豆疾病（如褐斑病、锈病和白粉病）	深度学习	NA	图像	四个月内在孟加拉国多个地点收集的高分辨率扁豆植物图像
6159	2025-02-26	Explainability of a Deep Learning-Based Classification Model for Antineutrophil Cytoplasmic Autoantibody-Associated Glomerulonephritis 2025-Feb, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2024.11.005 PMID:39990883	研究论文	本文介绍了一种基于深度学习的模型，用于分类抗中性粒细胞胞浆抗体相关性肾小球肾炎（ANCA-GN）的肾活检样本，并探讨了模型的可解释性	首次开发了基于深度学习的计算流程，用于按照Berden分类法对ANCA-GN肾活检进行分类，并利用可解释的人工智能技术使模型决策对肾病理学家透明	研究样本量较小，仅包括80名患者的肾活检样本，且数据来自三个欧洲中心，可能限制了模型的泛化能力	开发并验证一种深度学习模型，用于分类ANCA-GN肾活检样本，并提高模型决策的透明度和可解释性	80名ANCA-GN患者的肾活检样本	数字病理学	肾小球肾炎	深度学习	深度学习模型	图像	80名患者的肾活检样本
6160	2025-02-26	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	研究论文	本研究探讨了自动CT测量总肾脏体积（TKV）在预测177Lu前列腺特异性膜抗原（PSMA）放射配体治疗后肾功能下降中的应用	首次使用基于nnU-Net框架的深度学习分割模型TotalSegmentator自动从CT图像中提取TKV，并发现TKV在6个月时的10%或更大减少可预测12个月时30%或更大的eGFR下降	研究为回顾性设计，样本量相对较小（121名患者），且仅包括接受至少四次Lu-PSMA-I&T治疗的患者	识别在接受Lu-PSMA-I&T放射配体治疗的患者中，预测肾功能显著恶化的标志物	接受至少四次Lu-PSMA-I&T治疗的转移性去势抵抗性前列腺癌患者	数字病理	前列腺癌	CT成像，深度学习分割	nnU-Net	CT图像	121名患者