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
6441	2025-03-26	Single-View 3D Hair Modeling with Clumping Optimization 2025-Mar-20, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3552919 PMID:40111766	research paper	该论文提出了一种结合毛发成簇效应的单视图3D毛发建模方法，通过分层毛发表示和可微分框架优化毛发的几何结构和成簇参数	引入了毛发成簇修饰器到引导毛发和基于蒙皮的毛发表达中，提出了一种分层毛发表示方法，并设计了一个完全可微分的框架来迭代求解引导毛发位置和成簇参数	未提及具体的数据集规模或计算资源需求，可能在实际应用中存在性能限制	提升单视图毛发重建的真实感，特别是毛发的成簇效果，以支持高质量的毛发渲染和模拟	3D毛发建模	computer vision	NA	深度学习，基于线的栅格化渲染	NA	image	NA
6442	2025-03-26	A Unified Framework for Dynamics Modeling and Control Design Using Deep Learning With Side Information on Stabilizability 2025-Mar-20, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3543926 PMID:40111782	research paper	本文提出了一个统一的框架，利用深度学习结合稳定性先验信息进行动力学建模和控制设计	提出了一种新颖的基于神经网络的框架，同时学习系统动力学、稳定反馈控制器和闭环系统的李雅普诺夫函数，显式保证学习模型的稳定性	NA	开发一个数据驱动且具有控制理论保证的动力学建模和控制设计框架	控制系统	machine learning	NA	deep learning	NN	NA	NA
6443	2025-03-26	Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data 2025-Mar-18, ArXiv PMID:40034134	研究论文	本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析	使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升	方法在高维情况下可能仍面临计算挑战	开发一种计算高效的方法来量化空间点模式中的聚集现象	人类口腔微生物生物膜图像	机器学习	NA	BayesFlow方法	可逆神经网络	图像	两个不同的口腔微生物生物膜图像
6444	2025-03-26	Population-Driven Synthesis of Personalized Cranial Development from Cross-Sectional Pediatric CT Images 2025-Mar-18, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3550842 PMID:40100672	research paper	提出了一种新的深度学习方法来预测儿科颅骨发育并合成时间序列图像	设计了一种新的生成对抗网络（GAN），具有Siamese循环编码器-解码器生成器架构和身份保留机制，能够仅使用横断面数据进行训练	需要进一步验证在更大规模数据集上的泛化能力	预测儿科颅骨发育并合成个性化时间序列图像	儿科颅骨发育	计算机视觉	儿科疾病	深度学习	GAN	CT图像	2,014名受试者（年龄0-10岁）的横断面头部CT图像
6445	2025-03-26	Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions 2025-Mar-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c10763 PMID:40124037	research paper	提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断	结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能	模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息	提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度	食管病变	digital pathology	esophageal cancer	deep learning	MobileNetV2 with mutual attention module	image	三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR
6446	2025-03-26	Detection of deterministic and chaotic signals on the basis of the LSTM model training results 2025-Mar-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0224768 PMID:40131283	研究论文	本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为	该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据	方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试	提供一种替代传统LLE计算的混沌信号检测方法	动态信号（混沌和确定性信号）	机器学习	NA	LSTM神经网络	LSTM	动态信号数据	公开可用的混沌和确定性信号数据集
6447	2025-03-26	Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort 2025-Feb-04, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	research paper	利用Google街景图像和深度学习技术分析居住区建筑环境特征与心血管疾病风险的关系	首次结合Google街景图像和深度学习技术，大规模分析建筑环境特征与心血管疾病风险的潜在关联	研究结果需要在其他地区进行验证，且需要进一步探讨潜在机制	探究居住区建筑环境特征（如绿化带和人行道）与心血管疾病风险的关系	美国俄亥俄州东北部49,887名居民的居住环境及心血管事件数据	computer vision	cardiovascular disease	deep learning	CNN	image	49,887名居民，其中2,083人发生重大心血管不良事件
6448	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA
6449	2025-03-26	Gross tumor volume confidence maps prediction for soft tissue sarcomas from multi-modality medical images using a diffusion model 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100734 PMID:40123775	研究论文	本研究开发了一种基于扩散模型的深度学习技术，用于从多模态医学图像中预测软组织肉瘤的肿瘤体积置信图	首次使用扩散模型预测软组织肉瘤的肿瘤体积置信图，并考虑了读者间的变异性	样本量较小（49例患者），且仅针对软组织肉瘤	开发高精度的自动分割技术以减少放疗计划中手动勾画肿瘤体积的变异性	软组织肉瘤患者的FDG-PET、CT和MRI图像	数字病理	软组织肉瘤	扩散模型	扩散模型	多模态医学图像（FDG-PET、CT、MRI）	49例患者的多模态影像数据
6450	2025-03-26	Artificial intelligence in obstructive sleep apnea: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251324446 PMID:40123882	研究论文	通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向	首次使用VOSviewer和Citespace对OSA领域AI应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他重要文献来源	探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势	2011-2024年间发表的867篇关于AI在OSA中应用的文献	数字病理学	阻塞性睡眠呼吸暂停	文献计量分析	NA	文献数据	867篇文献
6451	2025-03-26	Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation 2025, American journal of cardiovascular disease DOI:10.62347/YQHQ1079 PMID:40124093	研究论文	本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势	AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异	NA	比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用	Brugada综合征（BrS）及其相关基因变异	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据、基因数据	NA
6452	2025-03-26	Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches 2025, American journal of neurodegenerative disease DOI:10.62347/DZNQ2482 PMID:40124352	系统综述	本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法	突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势	仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术	评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发	神经退行性疾病中的脑结构变化	机器学习	神经退行性疾病	曲率估计技术	神经网络回归, CNN	神经影像数据	105篇研究论文
6453	2025-03-26	Improved food recognition using a refined ResNet50 architecture with improved fully connected layers 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101005 PMID:40124390	research paper	本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性	开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳	未明确说明模型在其他食物类别或不同环境下的泛化能力	评估食物识别系统在医院和餐厅环境中对人体健康的影响	16类食物（分为早餐、午餐和晚餐）	computer vision	NA	深度学习算法	ResNet50	image	初始12,000张图像，通过数据增强扩展到66,000张
6454	2025-03-26	Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging 2025, American journal of nuclear medicine and molecular imaging IF:2.0Q3 DOI:10.62347/MLFB9278 PMID:40124765	研究论文	提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像	利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求	2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差	优化心肌灌注SPECT成像的采集时间和成像质量	心肌灌注SPECT成像	数字病理	心血管疾病	SPECT/CT扫描	U-Net（2D和3D）	图像	116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集）
6455	2025-03-26	Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1558997 PMID:40124951	研究论文	本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级	提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征	研究为双中心回顾性研究，样本量相对有限(100例患者)	开发非侵入性肾细胞癌WHO/ISUP核分级方法	肾细胞癌患者	数字病理	肾细胞癌	CEUS和B型超声	MUF-Net(多模态深度学习模型)	超声视频和图像	100例患者的6293张超声图像
6456	2025-03-26	Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S501316 PMID:40125481	研究论文	开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜	首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD)	存在少量误分类情况，有7例RD被错误标记为PVD	提高在超声检查中识别和区分附着于视盘的膜的准确性	眼部超声B扫描图像	计算机视觉	眼科疾病	超声检查(USG)	Vision Transformer (ViT)	图像	训练和验证集505个样本，测试集212个样本
6457	2025-03-26	[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-0303 PMID:40128957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6458	2025-03-26	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	research paper	该研究首次探讨了利用深度学习分析CT影像预测晚期黑色素瘤免疫检查点抑制剂治疗结果的价值	首次将深度学习应用于CT影像分析以预测晚期黑色素瘤的免疫检查点抑制剂治疗效果	深度学习模型未能显著超越已知临床预测因子的预测效果	探索CT影像深度学习模型预测晚期黑色素瘤免疫治疗效果的可行性	接受免疫检查点抑制剂治疗的晚期黑色素瘤成年患者	digital pathology	melanoma	CT imaging	DLM (deep learning model)	CT images	730名患者共2722个病灶
6459	2025-03-26	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	research paper	提出了一种基于注意力引导的卷积网络，用于口腔病变的分类，旨在提高准确性、可解释性并减少数据集偏差	模型整合了分类流、引导流和解剖部位预测流，通过注意力机制提高病变定位准确性，并增强模型对数据集偏差的鲁棒性	研究依赖于单一来源的数据集，可能影响模型的泛化能力	开发一种深度学习模型，用于准确分类口腔病变并提高临床决策支持	口腔病变的16种类型	digital pathology	oral cancer	deep learning	CNN	image	2765张口腔内数字图像，来自1079名患者
6460	2025-03-26	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	research paper	本文提出了一种基于VGG16模型和增强型Hunger Games Search（EHGS）算法的优化深度学习架构EHGS-VGG16，用于logo分类	通过改进的Hunger Games Search算法（EHGS）优化VGG16模型的超参数，提高了分类性能	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提高logo分类任务的准确率	logo图像	computer vision	NA	deep learning, swarm intelligence algorithm	VGG16, EHGS-VGG16	image	Flickr-27 logo分类数据集