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
621	2025-06-16	Fully automated measurement of aortic pulse wave velocity from routine cardiac MRI studies 2025-May-30, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110442 PMID:40451442	research paper	本文提出了一种利用深度学习从标准心脏MRI序列中全自动测量主动脉脉搏波速度（PWV）的方法	首次实现了从常规2D SSFP定位图像和相位对比图像中全自动测量PWV，无需特殊序列或耗时的手动分析	研究主要基于UK Biobank数据集，需要在更多临床数据集中验证其普适性	开发一种全自动方法，便于在常规临床和研究扫描中测量主动脉脉搏波速度	主动脉脉搏波速度（PWV）的自动化测量	医学影像分析	心血管疾病	深度学习	DL模型	MRI图像	1053名UK Biobank受试者
622	2025-06-16	An Information-Extreme Algorithm for Universal Nuclear Feature-Driven Automated Classification of Breast Cancer Cells 2025-May-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111389 PMID:40506962	研究论文	本研究开发了一种基于信息极限机器学习方法和通用细胞学特征的自动化乳腺癌细胞分类算法，旨在实现客观和通用的组织病理学诊断	将信息极限方法应用于细胞学特征分析以进行癌细胞分类，这是该方法的架构创新	需要在更大的数据集上验证算法，并探索其在其他癌症类型中的适用性	开发一种自动化乳腺癌细胞分类算法，以实现客观和通用的组织病理学诊断	乳腺癌细胞	数字病理学	乳腺癌	信息极限机器学习方法	信息极限算法	图像	176张标记的细胞图像
623	2025-06-16	A Hybrid Model of Feature Extraction and Dimensionality Reduction Using ViT, PCA, and Random Forest for Multi-Classification of Brain Cancer 2025-May-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111392 PMID:40506964	研究论文	提出了一种结合ViT、PCA和随机森林的混合模型ViT-PCA-RF，用于脑癌的多分类	首次将Vision Transformer (ViT)、主成分分析(PCA)和随机森林(RF)结合，用于脑肿瘤分类	模型仅在BTM数据集上进行了测试，未在其他数据集上验证	提高脑肿瘤分类的准确性，实现早期检测	脑肿瘤MRI图像	计算机视觉	脑癌	MRI图像分析	ViT, PCA, RF	图像	BTM数据集
624	2025-06-16	Mild to moderate COPD, vitamin D deficiency, and longitudinal bone loss: the Multi-ethnic Study of Atherosclerosis 2025-May-29, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117550 PMID:40449861	research paper	该研究探讨了轻度至中度COPD与维生素D缺乏对纵向骨密度(BMD)下降的影响	首次在轻度至中度COPD患者中研究了维生素D缺乏与骨密度下降的关联	研究样本量相对较小，且仅关注了胸椎骨密度	评估轻度至中度COPD患者中维生素D缺乏与骨密度下降的关系	1226名参与者，其中173名患有轻度至中度COPD	医学研究	COPD(慢性阻塞性肺病)	深度学习算法进行胸椎自动分割	深度学习算法	胸部CT影像数据	1226名参与者(173名COPD患者，1053名对照)
625	2025-06-16	Explainability of Protein Deep Learning Models 2025-May-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26115255 PMID:40508065	research paper	该研究首次使用XAI方法探索蛋白质深度学习模型的内部工作机制，评估了九种XAI方法在预测蛋白质相互作用位点和生成蛋白质嵌入向量方面的表现	首次使用XAI方法研究蛋白质深度学习模型的内部工作机制，并比较不同XAI方法在揭示蛋白质基本性质方面的效果	研究仅针对两种蛋白质相关问题进行了测试，可能无法全面反映XAI方法在所有蛋白质深度学习模型中的表现	提高蛋白质深度学习模型的可解释性，理解蛋白质相互作用的基本机制	蛋白质相互作用位点预测和蛋白质嵌入向量生成	machine learning	NA	XAI (explainable AI)	Seq-InSite, ProtBERT, ProtT5, Ankh	protein sequence data	3.3 TB总数据量
626	2025-06-16	Dual-Phase Severity Grading of Strawberry Angular Leaf Spot Based on Improved YOLOv11 and OpenCV 2025-May-29, Plants (Basel, Switzerland) DOI:10.3390/plants14111656 PMID:40508330	研究论文	本研究提出了一种基于改进YOLOv11和OpenCV的双阶段草莓角斑病严重程度分级框架	结合了CARAFE模块和SE注意力机制的改进YOLOv11架构，以及基于HSV色彩空间的OpenCV阈值分割算法，实现了草莓角斑病的精确分级	NA	开发草莓角斑病严重程度评估的高级方法	草莓角斑病	计算机视觉	草莓角斑病	深度学习、计算机视觉	YOLOv11-CARAFE-SE	图像	NA
627	2025-06-16	Multi-Scale Vision Transformer with Optimized Feature Fusion for Mammographic Breast Cancer Classification 2025-May-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111361 PMID:40506933	research paper	提出一种基于MAX-ViT的多尺度特征提取和门控注意力融合模块的深度学习框架，用于乳腺X线摄影乳腺癌分类	结合MAX-ViT进行多尺度特征提取，引入门控注意力融合模块动态整合特征，并利用Harris Hawks优化算法进行特征选择	未明确提及具体局限性	提高乳腺癌诊断和分类的准确性和效率	乳腺X线摄影图像	computer vision	breast cancer	MAX-ViT, Harris Hawks optimization, XGBoost	MAX-ViT, XGBoost	image	King Abdulaziz University Mammogram Dataset（具体数量未提及）
628	2025-06-16	A Bibliometric Review of Person-Centered Care Research 2010-2024 2025-May-27, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13111267 PMID:40508880	综述	本文通过文献计量学工具对2010年至2024年以人为中心的护理（PCC）研究领域进行了全面回顾，识别了热点、趋势和发展轨迹	首次使用文献计量学工具评估PCC领域，揭示了研究热点和发展趋势	仅基于Web of Science核心合集数据库的数据，可能未涵盖所有相关研究	识别PCC研究领域的热点、趋势和发展轨迹	2010年至2024年间发表的PCC相关研究	医疗保健研究	NA	文献计量学分析	NA	文本	5837项研究
629	2025-06-16	Optimizing CNN-Based Diagnosis of Knee Osteoarthritis: Enhancing Model Accuracy with CleanLab Relabeling 2025-May-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111332 PMID:40506904	research paper	本研究探讨了使用EfficientNetB5深度学习模型结合CleanLab重新标记技术优化膝关节骨关节炎（KOA）严重程度分类的方法	采用Cleanlab框架进行系统性标签校正，显著提高了模型在五类KOA严重程度分类上的准确率	在处理'可疑'（KL Grade 1）病例时表现不佳，且严重KOA样本量较小	提高膝关节骨关节炎严重程度分类的准确性和可靠性	膝关节骨关节炎（KOA）的X光影像	computer vision	geriatric disease	深度学习	EfficientNetB5	image	9786张膝关节X光影像
630	2025-06-16	A Narrative Review of Artificial Intelligence in MRI-Guided Prostate Cancer Diagnosis: Addressing Key Challenges 2025-May-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111342 PMID:40506914	综述	本文综述了人工智能在MRI引导的前列腺癌诊断中的应用及其关键挑战	探讨了AI技术在提高MRI扫描质量、检测伪影及辅助放射科医生进行病灶检测和解释方面的应用	AI模型的泛化能力受到研究方法、数据集和成像协议差异的限制	评估AI在前列腺癌诊断中的准确性和效率提升潜力	前列腺癌诊断中的MRI图像	数字病理学	前列腺癌	机器学习和深度学习	NA	MRI图像	NA
631	2025-06-16	Skeletal Muscle Density as a Predictive Marker for Pathologic Complete Response in Triple-Negative Breast Cancer Treated with Neoadjuvant Chemoimmunotherapy 2025-May-25, Cancers IF:4.5Q1 DOI:10.3390/cancers17111768 PMID:40507249	研究论文	评估骨骼肌密度（SMD）在三阴性乳腺癌（TNBC）患者新辅助化疗（NAC）中对病理完全缓解（pCR）的预测价值	首次探讨SMD作为TNBC患者新辅助化疗免疫联合治疗（NACIT）疗效的预测标志物，并结合PD-L1联合阳性评分（CPS）进行多变量分析	回顾性研究设计，样本量有限（144例患者），且未探讨SMD与长期生存结局的因果关系	探究肌肉相关指标对TNBC患者新辅助化疗疗效的预测作用	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	CT扫描、深度学习软件（ClariMetabo version 1.03）	NA	医学影像（CT）	144例TNBC患者（102例接受NACIT，42例接受NACT）
632	2025-06-16	Advanced Non-Destructive Testing Simulation and Modeling Approaches for Fiber-Reinforced Polymer Pipes: A Review 2025-May-24, Materials (Basel, Switzerland) DOI:10.3390/ma18112466 PMID:40508464	综述	本文系统回顾了纤维增强聚合物（FRP）管道非破坏性测试（NDT）的数字技术进展，重点探讨数值模拟、机器学习和深度学习在缺陷检测中的应用	强调了机器学习和深度学习在自动化缺陷分类、分割和严重性评估中的变革性能力，以及数值模拟技术在提高检测可靠性方面的作用	指出先进数字方法在FRP管道系统中的实际应用转化有限，缺乏针对FRP管道独特结构复杂性和操作需求的专用研究	探讨如何通过数字NDT技术提高FRP管道的缺陷检测灵敏度和自动化数据解释，支持预测性维护策略	纤维增强聚合物（FRP）管道	材料科学与工程	NA	非破坏性测试（NDT）、有限元方法（FEM）、蒙特卡洛模拟、机器学习（ML）、深度学习（DL）	机器学习算法、深度学习算法	模拟数据、实验数据	140篇同行评审文章（2016-2024年）
633	2025-06-16	Deep Learning-Based Aortic Diameter Measurement in Traumatic Hemorrhage Using Shallow Attention Network: A Path Forward 2025-May-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111312 PMID:40506884	research paper	本研究开发并验证了一种基于深度学习的自动主动脉直径测量模型，用于创伤性出血患者	使用浅层注意力网络和基于椭圆的校准方法，提高了主动脉直径测量的准确性和自动化水平	研究仅基于回顾性数据，样本量相对有限（300名患者）	开发自动化的主动脉直径测量方法以改善创伤患者的干预计划	创伤性出血患者的腹部CT扫描图像	digital pathology	cardiovascular disease	CT扫描	Shallow Attention Network	image	300名成年患者的444张手动标注的轴向CT图像
634	2025-06-16	A Convolutional Mixer-Based Deep Learning Network for Alzheimer's Disease Classification from Structural Magnetic Resonance Imaging 2025-May-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15111318 PMID:40506890	研究论文	提出一种基于卷积混合器的深度学习网络，用于从结构磁共振成像中分类阿尔茨海默病	整合深度可分离卷积层与传统卷积层，高效提取sMRI特征，并采用混合采样方法处理类别不平衡问题	医学影像数据集存在类别不平衡问题，可能导致模型泛化能力不足	开发一种准确的阿尔茨海默病分类工具，以支持有效的干预和治疗计划	阿尔茨海默病患者的结构磁共振成像扫描	数字病理学	老年病	结构磁共振成像（sMRI）	CNN	图像	NA
635	2025-06-16	Defect Recognition in Composite Materials Using Terahertz Spectral Imaging with ResNet18-SVM Approach 2025-May-23, Materials (Basel, Switzerland) DOI:10.3390/ma18112444 PMID:40508444	research paper	该研究提出了一种基于太赫兹时域光谱（THz-TDS）和连续小波变换（CWT）的缺陷检测方法，结合ResNet18模型和支持向量机（SVM）分类器，用于识别多层复合材料中的内部缺陷	采用ResNet18-SVM方法结合连续小波变换，将光谱信号转换为时频图像，显著提高了缺陷识别的准确性和深度分辨率	未提及样本的具体数量或多样性，可能影响方法的泛化能力	开发一种高精度的无损检测方法，用于识别多层复合材料中的内部缺陷	多层复合材料中的内部缺陷	computer vision	NA	太赫兹时域光谱（THz-TDS），连续小波变换（CWT）	ResNet18, SVM	image	NA
636	2025-06-16	Prediction of Key Quality Parameters in Hot Air-Dried Jujubes Based on Hyperspectral Imaging 2025-May-23, Foods (Basel, Switzerland) DOI:10.3390/foods14111855 PMID:40509382	研究论文	基于高光谱成像技术预测热风干燥红枣的关键品质参数	采用高光谱成像技术结合深度学习方法（BiLSTM、BiGRU、CNN-BiGRU）显著提升了模型预测精度，为红枣干燥过程的品质监测与优化提供了新方法	未明确说明样本的具体数量及来源，可能影响模型的泛化能力	开发一种非破坏性检测方法，用于预测干燥过程中红枣的关键品质参数	热风干燥的红枣	计算机视觉	NA	高光谱成像（HSI）	SVR、BiLSTM、BiGRU、CNN-BiGRU	光谱数据（反射率、吸光度、Kubelka-Munk）	未明确说明
637	2025-06-16	Ultrasound Diagnosis of Pelvic Organ Prolapse Using Artificial Intelligence 2025-May-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14113634 PMID:40507397	研究论文	本研究设计了一种基于人工智能的全自动混合方法，结合卷积神经网络（CNN）和基于树的模型（XGBoost），用于在动态二维超声研究中诊断不同类型的盆腔器官脱垂（POP）	首次开发出能够在动态二维超声研究中诊断POP的预测模型，结合了深度学习和机器学习技术	在区分不同类型的POP时，检测膀胱膨出和子宫脱垂的精确度、准确率、召回率和F1分数较高，而对其他类型的POP诊断性能相对较低	开发一种自动化的AI方法，用于诊断盆腔器官脱垂	188名患者（99名有POP，89名无POP）	数字病理	盆腔器官脱垂	动态二维超声	CNN, XGBoost	视频	188名患者
638	2025-06-16	Active learning for efficient nanophotonics inverse design in large and diverse design spaces 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.559669 PMID:40514961	research paper	本文探讨了在纳米光子学逆向设计中应用主动学习技术以提高样本效率和模型训练效果	提出了一种主动学习驱动的逆向设计方法，能够在训练数据集生成上实现高达82%的减少，同时保持与随机数据集训练模型相当的性能	虽然在小设计子集上表现良好，但在现代纳米制造可访问的完整设计空间中的可扩展性仍是一个挑战	探索在纳米光子学逆向设计中应用主动学习技术以提高样本效率和模型训练效果	周期性光学超表面的逆向设计，包括36种不同的形状类别以及厚度和间距的广泛变化	纳米光子学	NA	主动学习	deep learning	NA	NA
639	2025-06-16	High-quality full stokes polarimetric spectroscopy reconstruction using a model-compensated physics-informed neural network for channeled spectropolarimetry 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.553344 PMID:40514982	research paper	该论文提出了一种模型补偿的物理信息神经网络（MC-PINN），用于提高通道光谱偏振测量（CSP）中全斯托克斯参数光谱的重建质量	结合改进的物理模型与深度学习，通过预测网络和补偿网络减少模型误差，提升重建性能	未提及具体的数据限制或实验条件限制	提高通道光谱偏振测量（CSP）中光谱重建的准确性和可靠性	全斯托克斯参数光谱	光学测量	NA	通道光谱偏振测量（CSP）	模型补偿的物理信息神经网络（MC-PINN）	光谱数据	未提及具体样本数量
640	2025-06-16	Target detection enhancement method through multi-dimensional information differential projection and fusion 2025-May-19, Optics express IF:3.2Q2 DOI:10.1364/OE.560839 PMID:40515020	research paper	提出了一种通过多维信息差分投影与融合的目标检测增强方法，基于自主研发的光谱偏振成像系统	创新性地提出了基于偏振角度纯化的目标检索算法和新的投影与融合策略，有效利用和增强目标与背景的多维差异	需要获取和处理大规模数据，在复杂场景中检测目标仍面临对比度降低、空间结构丢失和背景杂乱等挑战	提升复杂场景中目标检测的能力	复杂自然环境中具有遮挡、伪装和形状损失的目标	computer vision	NA	spectral polarization imaging (SPI)	deep learning	image	复杂自然环境（如草地、林地和天空）中的目标