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
6341	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
6342	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
6343	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
6344	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
6345	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
6346	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
6347	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
6348	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）
6349	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
6350	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
6351	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
6352	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
6353	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
6354	2025-02-26	[Research Progress and Prospects of Minimally Invasive Surgical Instrument Segmentation Methods Based on Artificial Intelligence] 2025-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240436 PMID:39993977	综述	本文总结了基于深度学习的微创手术器械语义和实例分割方法，并探讨了基于Segment Anything Model的方法	深入分析了训练算法的监督方法、网络结构改进和注意力机制，并探讨了当前的数据增强方法	深度学习方法对数据要求极高，当前数据增强方法仍需进一步探索	提升微创内窥镜成像系统和手术视频分析系统的性能	微创手术器械	计算机视觉	NA	深度学习	Segment Anything Model	图像	NA
6355	2025-02-26	Machine learning-optimized targeted detection of alternative splicing 2025-Jan-24, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1260 PMID:39727154	研究论文	本文介绍了一种高效的靶向RNA测序方法LSV-seq，用于全面检测和量化选择性剪接	提出了LSV-seq方法，利用机器学习算法Optimal Prime设计引物，显著提高了剪接信息性读段的富集效率	未提及具体局限性	优化选择性剪接的靶向检测	RNA剪接事件	机器学习	NA	RNA-seq, LSV-seq	深度学习	RNA序列数据	NA
6356	2025-02-26	Automatic Segmentation of the Cisternal Segment of Trigeminal Nerve on MRI Using Deep Learning 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/6694599 PMID:39989710	研究论文	本文提出了一种基于深度学习的U-Net模型，用于自动分割三叉神经池段，以提高三叉神经相关疾病的诊断和治疗效率	首次提出了一种全自动的三叉神经池段分割方法，使用U-Net模型在解剖MRI图像上进行分割	NA	提高三叉神经池段分割的准确性和效率，以辅助三叉神经相关疾病的诊断和治疗	三叉神经池段	计算机视觉	三叉神经痛	深度学习	U-Net	MRI图像	健康对照图像和三叉神经痛患者数据集
6357	2025-02-26	Algorithmic emergence? Epistemic in/justice in AI-directed transformations of healthcare 2025, Frontiers in sociology IF:2.0Q2 DOI:10.3389/fsoc.2025.1520810 PMID:39990252	研究论文	本文探讨了人工智能（AI）在医疗保健和公共卫生领域集成所带来的认识论、社会政治和技术影响，特别是深度学习和生成式AI技术	本文创新性地分析了AI与循证医学（EBM）的社会技术纠缠对健康AI的公平发展和治理的影响，并提出了如何在这些纠缠中嵌入参与式参与	本文主要关注AI在医疗领域的应用，可能未全面覆盖AI在其他领域的影响	研究AI在医疗保健和公共卫生领域的集成及其对医疗组织、治理和角色的影响	医疗保健和公共卫生领域	机器学习	NA	深度学习, 生成式AI	NA	NA	NA
6358	2025-02-26	Exploring the role of artificial intelligence in chemotherapy development, cancer diagnosis, and treatment: present achievements and future outlook 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1475893 PMID:39990683	综述	本文探讨了人工智能在化疗开发、癌症诊断和治疗中的作用，总结了当前进展并指出了领域中的关键缺口	本文综合了人工智能在癌症诊断、化疗创新和治疗反应中的最新应用，强调了其在优化诊断准确性、个性化治疗计划和改善治疗效果方面的潜力	尽管人工智能在肿瘤学中展现出巨大潜力，但其预测准确性仍存在争议，特别是在机器学习和深度学习技术方面	探讨人工智能在预测化疗开发、癌症诊断和治疗反应结果中的作用	固体肿瘤和血液肿瘤	机器学习	癌症	机器学习（ML）、深度学习（DL）	NA	NA	NA
6359	2025-02-26	Deep learning and hyperspectral features for seedling stage identification of barnyard grass in paddy field 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1507442 PMID:39990719	研究论文	本文提出了一种名为DeepBGS的高光谱特征解析框架，用于在水稻田中识别稗草幼苗	首次将深度卷积网络与双层LSTM模块结合，用于高光谱数据的特征提取，实现了在2-3叶期准确区分稗草和水稻的高精度识别	未提及样本的具体数量及多样性，可能影响模型的泛化能力	探索高光谱成像技术在早期识别稗草幼苗中的可行性，并开发先进的早期检测系统	稗草和水稻的幼苗	计算机视觉	NA	高光谱成像技术	CNN, LSTM	高光谱图像	NA
6360	2025-02-26	Multi-label material and human risk factors recognition model for construction site safety management 2024-Dec, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2024.10.002 PMID:39998535	研究论文	本研究提出了一种基于深度学习模型的多标签风险因素识别（MRFR）框架，用于自动识别建筑工地上的多种潜在材料和人为风险因素	开发并优化了深度学习模型，以自动并发地识别和分类建筑工地上的多种材料和人为风险因素，并通过可视化解释模型的决策过程	MRFR模型在识别视觉模糊性和涉及透视时倾向于关注附近物体方面存在困难，导致性能下降	开发并优化深度学习模型，用于自动识别和分类建筑工地上的多种材料和人为风险因素，并理解模型的决策过程以改进实际应用	建筑工地上的材料和人为风险因素	计算机视觉	NA	深度学习	多标签识别模型	图像	14,605个实例，涉及八种类型的材料和人为风险因素