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
6381	2025-03-01	Diagnosis on Ultrasound Images for Developmental Dysplasia of the Hip with a Deep Learning-Based Model Focusing on Signal Heterogeneity in the Bone Region 2025-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040403 PMID:40002554	研究论文	本研究旨在开发和评估一种基于深度学习的模型，用于通过3D转换技术对二维超声图像进行自动发育性髋关节发育不良（DDH）诊断	结合3D技术和深度学习，解决了超声图像中的噪声和旋转问题，展示了与专业评估相当的准确性，即使是非专业图像也显示出其潜力	研究中使用的样本量相对较小（417名婴儿），且为回顾性研究，可能限制了结果的普遍性	开发并评估一种基于深度学习的模型，用于自动诊断发育性髋关节发育不良（DDH）	417名有DDH风险的婴儿的超声图像	计算机视觉	发育性髋关节发育不良	3D转换技术	CNN, HigherHRNet-W48	图像	417名婴儿的超声图像
6382	2025-03-01	Evaluation of the Performance of a YOLOv10-Based Deep Learning Model for Tooth Detection and Numbering on Panoramic Radiographs of Patients in the Mixed Dentition Period 2025-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15040405 PMID:40002557	研究论文	本研究评估了基于YOLOv10的深度学习模型在混合牙列期儿童全景X光片中检测和编号牙齿的性能	首次将YOLOv10模型应用于混合牙列期儿童全景X光片的牙齿检测和编号，展示了高精度的检测能力	模型在不同儿科病例中的优化仍需进一步研究以增强临床适用性	评估深度学习模型在混合牙列期儿童全景X光片中牙齿检测和编号的准确性	混合牙列期儿童的全景X光片	计算机视觉	NA	深度学习	YOLOv10	图像	200名混合牙列期儿童的全景X光片，共8153颗牙齿
6383	2025-03-01	Assessment of Cracking Development in Concrete Precast Crane Beams Using Optical and Deep Learning Methods 2025-Feb-07, Materials (Basel, Switzerland) DOI:10.3390/ma18040731 PMID:40004255	研究论文	本文提出了一种结合深度卷积神经网络和数字图像相关技术的新方法，用于评估使用超过五十年的预制起重机梁的结构健康状况	创新点在于将深度学习U-Net架构用于起重机梁表面裂缝的检测和分割，并结合数字图像相关技术进行表面应变和位移的测量，实现了非破坏性、精确且详细的分析	NA	研究目的是评估预制起重机梁的结构健康状况，以早期检测可能影响结构安全的退化	预制起重机梁	计算机视觉	NA	数字图像相关方法	U-Net	图像	NA
6384	2025-03-01	Multi-Modality Fusion and Tumor Sub-Component Relationship Ensemble Network for Brain Tumor Segmentation 2025-Feb-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020159 PMID:40001679	研究论文	本文提出了一种多模态和单模态特征重校准网络，用于磁共振成像脑肿瘤分割	设计了双重新校准模块，通过整合多模态的互补特征与单模态的特定特征，实现精确的特征校准	未提及具体局限性	探索有效的多模态特征与单模态特征融合解决方案，以提高脑肿瘤分割的准确性	脑肿瘤	计算机视觉	脑肿瘤	多模态磁共振成像	双重新校准模块	磁共振成像数据	BraTS 2018数据集
6385	2025-03-01	A Dual-Energy Computed Tomography Guided Intelligent Radiation Therapy Platform 2025-Feb-05, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.01.028 PMID:39921109	研究论文	本研究介绍了一种新型的双能计算机断层扫描（DECT）引导的智能放射治疗（DEIT）平台，旨在简化和优化放射治疗过程	结合了DECT、新设计的双层多叶准直器、用于自动分割的深度学习算法以及自动规划和质量保证功能	NA	通过先进的成像和人工智能技术提高放射治疗的精确性和适应性	放射治疗过程中的目标定位和剂量优化	数字病理	癌症	双能计算机断层扫描（DECT）	深度学习算法	CT图像	5个病例，每个病例包含99个风险器官
6386	2025-03-01	Improving Identification of Drug-Target Binding Sites Based on Structures of Targets Using Residual Graph Transformer Network 2025-Feb-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom15020221 PMID:40001524	研究论文	本文提出了一种新的深度学习框架RGTsite，利用残差图变换网络改进药物-靶标结合位点的识别	提出了RGTsite框架，结合残差1D卷积神经网络和预训练模型ProtT5，以及残差图变换网络，显著提升了药物-靶标结合位点的识别性能	未明确提及数据集的规模限制或模型在其他类型数据上的泛化能力	改进药物-靶标结合位点的识别，以辅助药物筛选和设计	药物-靶标结合位点	机器学习	NA	深度学习	残差图变换网络（GTN）、1D卷积神经网络（1D-CNN）、ProtT5	蛋白质序列数据	多个基准数据集，但未明确样本数量
6387	2025-03-01	Machine Learning- and Deep Learning-Based Myoelectric Control System for Upper Limb Rehabilitation Utilizing EEG and EMG Signals: A Systematic Review 2025-Feb-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020144 PMID:40001664	系统综述	本文系统综述了机器学习和深度学习技术在基于肌电控制的上肢康复系统中的应用，重点关注脑电图和肌电图信号的使用	整合非侵入性信号采集方法与先进计算模型，提升康复设备的准确性和效率	模型鲁棒性、计算复杂性和实时应用性方面仍存在挑战	探讨机器学习和深度学习在上肢康复中的应用，以恢复运动功能并改善患者预后	上肢残疾患者，特别是由中风或神经系统疾病引起的患者	机器学习	中风、神经系统疾病	脑电图（EEG）、肌电图（EMG）	LSTM、SVM、CNN	EEG信号、EMG信号	14项研究
6388	2025-03-01	Predicting emergence of crystals from amorphous precursors with deep learning potentials 2025-Feb, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00752-y PMID:39695321	研究论文	本文展示了通过使用通用的深度学习原子间势能，可以在许多无机系统中预测无定形前体的结晶产物	利用深度学习原子间势能预测无定形前体的结晶产物，这在分子建模或从头计算方法中尚未实现	NA	预测无定形前体结晶的结果，以促进新材料的研究和开发	无机系统中的无定形前体及其结晶产物	机器学习	NA	深度学习原子间势能	深度学习	原子结构数据	多种材料系统，包括多晶氧化物、氮化物、碳化物、氟化物、氯化物、硫族化物和金属合金
6389	2025-03-01	Deep Learning-Assisted Diagnostic System: Apices and Odontogenic Sinus Floor Level Analysis in Dental Panoramic Radiographs 2025-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020134 PMID:40001654	研究论文	本研究开发了一种基于深度学习的辅助诊断系统，用于牙科全景X光片中牙源性鼻窦炎的精确诊断	结合了多种深度学习模型，并融合了常见的对比度受限自适应直方图均衡化、最小-最大归一化和RGB映射方法，显著提高了诊断准确性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	开发一种辅助牙医精确诊断牙源性鼻窦炎的AI系统	牙科全景X光片中的牙源性鼻窦炎	计算机视觉	牙源性鼻窦炎	深度学习	YOLO 11n, YOLOv8n-cls	图像	NA
6390	2025-03-01	FDoSR-Net: Frequency-Domain Informed Auto-Encoder Network for Arbitrary-Scale 3D Whole-Heart MRI Super-Resolution 2025-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020129 PMID:40001649	研究论文	本文旨在开发一种三维超分辨率网络，用于执行任意比例的三维全心磁共振成像超分辨率，同时保持精细的图像细节	提出了一种利用频域正则化训练的3D自编码器框架，能够在训练中保持精细图像细节，并实现任意比例的超分辨率	NA	开发一种能够执行任意比例三维全心磁共振成像超分辨率的网络	三维全心磁共振成像	计算机视觉	心血管疾病	NA	3D自编码器	三维磁共振成像	120个三维全心磁共振成像体积，使用四种不同的序列获取
6391	2025-03-01	Anatomically Guided Deep Learning System for Right Internal Jugular Line (RIJL) Segmentation and Tip Localization in Chest X-Ray 2025-Jan-29, Life (Basel, Switzerland) DOI:10.3390/life15020201 PMID:40003610	研究论文	本研究提出了一种结合解剖学标志分割、RIJL分割网络和后处理功能的深度学习系统，用于在胸部X光图像中准确分割右颈内静脉导管（RIJL）并定位其尖端	通过整合解剖学知识和空间推理，利用气管作为解剖学标志提取与RIJL最相关的子区域，从而提高了分割和尖端定位的准确性	NA	开发一种自动化深度学习系统，以减少临床医生在胸部X光图像中检查右颈内静脉导管（RIJL）放置的工作量	右颈内静脉导管（RIJL）在胸部X光图像中的分割和尖端定位	计算机视觉	NA	深度学习	nnU-Net	图像	NA
6392	2025-03-01	Impact of Deep Learning 3D CT Super-Resolution on AI-Based Pulmonary Nodule Characterization 2025-Jan-27, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11020013 PMID:39997996	研究论文	本文提出了一种基于深度学习的超分辨率技术，用于从厚层CT图像生成薄层CT图像，以提高肺结节体积测量和分类的准确性	提出了一种新的深度学习超分辨率技术，显著提高了肺结节分类的准确性，从72.7%提升至94.5%	研究未提及样本的具体数量，且仅使用了商业化的AI肺癌筛查软件进行评估，可能限制了结果的普适性	提高肺结节体积测量和分类的准确性，以支持肺癌筛查项目	肺结节	计算机视觉	肺癌	深度学习超分辨率技术	NA	CT图像	NA
6393	2025-03-01	Deep Learning-Enhanced Portable Chemiluminescence Biosensor: 3D-Printed, Smartphone-Integrated Platform for Glucose Detection 2025-Jan-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020119 PMID:40001639	研究论文	本文介绍了一种新型便携式化学发光生物传感器平台，结合深度学习和智能手机集成，用于葡萄糖检测	该平台采用低成本蜡印微垫和3D打印黑盒，替代传统笨重设备，并通过深度学习模型显著提升检测性能	NA	开发一种成本效益高且选择性强的葡萄糖检测平台	葡萄糖	生物传感	NA	化学发光（CL）传感	Random Forest, SVM, InceptionV3, VGG16, ResNet-50	图像	600张实验化学发光图像，其中80%用于模型训练，20%用于测试
6394	2025-03-01	CLTNet: A Hybrid Deep Learning Model for Motor Imagery Classification 2025-Jan-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15020124 PMID:40002457	研究论文	本文提出了一种名为CLTNet的混合深度学习模型，用于改进基于脑电图（EEG）的运动想象（MI）分类	CLTNet模型创新性地结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和Transformer模块，以更全面地理解运动想象期间EEG信号的特征	NA	改进基于EEG的运动想象分类，以促进脑机接口（BCI）技术的应用	运动想象EEG信号	机器学习	NA	NA	CNN, LSTM, Transformer	EEG信号	BCI IV 2a和BCI IV 2b数据集
6395	2025-03-01	NETest and Gastro-Entero-Pancreatic Neuroendocrine Tumors: Still Far from Routine Clinical Application? A Systematic Review 2025-Jan-27, Genes IF:2.8Q2 DOI:10.3390/genes16020161 PMID:40004490	系统综述	本文系统综述了NETest在胃肠胰神经内分泌肿瘤（GEP-NETs）诊断和预后分层中的应用	NETest结合实时PCR和深度学习策略，专门识别具有神经内分泌基因型的肿瘤	NETest在某些研究中显示出低特异性，主要归因于与其他胃肠道恶性肿瘤的干扰	评估NETest在GEP-NETs诊断和预后中的临床应用价值	胃肠胰神经内分泌肿瘤（GEP-NETs）	数字病理学	胃肠胰神经内分泌肿瘤	实时PCR, 深度学习	NA	基因表达数据	涉及14项研究（5项诊断研究，9项预后研究）
6396	2025-03-01	A Robust Method for Real Time Intraoperative 2D and Preoperative 3D X-Ray Image Registration Based on an Enhanced Swin Transformer Framework 2025-Jan-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020114 PMID:40001635	研究论文	本文提出了一种基于增强Swin Transformer框架的实时术中2D和术前3D X射线图像配准方法，用于图像引导手术中的病灶定位	采用双通道Swin Transformer特征提取器，结合注意力机制和特征金字塔，提高了2D X射线和3D CT图像配准的速度和精度	NA	提高图像引导手术中2D X射线和3D CT图像配准的准确性和效率	术中2D X射线图像和术前3D CT图像	计算机视觉	NA	深度学习	Swin Transformer	图像	来自开源数据集的三个不同感兴趣区域
6397	2025-03-01	Predicting Epileptic Seizures Using EfficientNet-B0 and SVMs: A Deep Learning Methodology for EEG Analysis 2025-Jan-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020109 PMID:40001629	研究论文	本研究提出了一种结合EfficientNet-B0卷积神经网络和六种支持向量机（SVM）集成投票机制的框架，用于癫痫发作预测	该框架首次将EfficientNet-B0与SVM集成结合，利用归一化短时傅里叶变换（STFT）和通道相关性特征从EEG信号中提取频谱和空间信息，提高了预测的准确性和鲁棒性	研究仅在CHB-MIT数据集上进行了验证，未在其他数据集上测试其泛化能力	开发一种高效的癫痫发作预测方法，以改善癫痫患者的管理和干预时机	癫痫患者的EEG信号	机器学习	癫痫	短时傅里叶变换（STFT）	EfficientNet-B0, SVM	EEG信号	CHB-MIT数据集
6398	2025-03-01	A Future Picture: A Review of Current Generative Adversarial Neural Networks in Vitreoretinal Pathologies and Their Future Potentials 2025-Jan-24, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020284 PMID:40002698	综述	本文回顾了当前生成对抗网络（GANs）在玻璃体视网膜病变中的应用及其未来潜力	探讨了GANs在眼科领域的应用，特别是其在提高诊断准确性、扩展成像技术能力及预测治疗反应方面的潜力	当前GAN模型在可靠性和准确性方面面临挑战	探索GANs在视网膜疾病诊断和治疗监测中的临床应用	玻璃体视网膜病变	计算机视觉	视网膜疾病	生成对抗网络（GANs）	GAN	图像	NA
6399	2025-03-01	Segmentation of ADPKD Computed Tomography Images with Deep Learning Approach for Predicting Total Kidney Volume 2025-Jan-22, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13020263 PMID:40002677	研究论文	本文提出了一种基于深度学习的框架，用于自动分割ADPKD患者的CT图像以预测总肾脏体积（TKV）	开发了一个逐步框架，能够稳健处理非增强CT（NCCT）和增强CT（CCT）图像，确保样本利用的平衡和跨模态的一致性表现	缺乏对CT模态变化的深入研究	通过自动分割ADPKD患者的CT图像来预测总肾脏体积（TKV）	ADPKD患者的CT图像	计算机视觉	肾脏疾病	深度学习	SSD, Inception V2, DeepLab V3+	CT图像	NA
6400	2025-03-01	TSF-MDD: A Deep Learning Approach for Electroencephalography-Based Diagnosis of Major Depressive Disorder with Temporal-Spatial-Frequency Feature Fusion 2025-Jan-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12020095 PMID:40001616	研究论文	本文提出了一种名为TSF-MDD的深度学习方法，用于基于脑电图（EEG）的重度抑郁症（MDD）诊断，通过融合时间、空间和频率域信息来提高诊断准确性和效率	TSF-MDD方法首次将时间、空间和频率域信息整合到一个四维表示中，并使用3D-CNN和CapsNet模型进行跨域特征提取，同时采用独立于受试者的数据划分策略以避免数据泄露	尽管TSF-MDD在Mumtaz2016数据集上表现出色，但其在其他数据集上的泛化能力仍需进一步验证	开发一种自动化诊断系统，以提高重度抑郁症的诊断准确性和效率	重度抑郁症（MDD）患者	机器学习	重度抑郁症	脑电图（EEG）	3D-CNN, CapsNet	EEG信号	Mumtaz2016公共数据集