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
6761	2025-02-14	A Deep Learning-Based Approach to Detect Lamina Dura Loss on Periapical Radiographs 2025-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01405-w PMID:39838226	研究论文	本研究旨在开发一种定制的人工智能模型，用于检测口腔内根尖周X光片上前后牙根周围的硬骨板（LD）损失	这是首次应用AI算法来检测根尖周X光片上的硬骨板损失	NA	开发一种AI模型以辅助临床医生准确诊断硬骨板损失	前后牙的根尖周X光片	计算机视觉	NA	深度学习	ResNet架构的定制AI模型	图像	701张根尖周X光片
6762	2025-02-14	Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data 2025-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012753 PMID:39899595	研究论文	本文通过深度学习框架SLEAP对果蝇进行连续长时间的行为记录，分析了其在不同时间段的行为模式	使用深度学习框架SLEAP生成果蝇的全身体姿数据集，揭示了果蝇行为在一天中的变化模式，特别是黎明后一小时的行为独特性	实验环境为无特征的竞技场，可能限制了果蝇自然行为的表现	研究果蝇在不同时间尺度上的行为变化	果蝇（Drosophila melanogaster）	机器学习	NA	深度学习	SLEAP	视频	47只果蝇，产生近20亿个姿态实例
6763	2025-02-14	LeafDNet: Transforming Leaf Disease Diagnosis Through Deep Transfer Learning 2025-Feb, Plant direct IF:2.3Q2 DOI:10.1002/pld3.70047 PMID:39943923	研究论文	本文介绍了一种创新的深度迁移学习方法，利用改进的Xception架构，专门用于识别玫瑰、芒果和番茄的植物病害	在基础Xception架构后增加了额外的卷积层，并结合多个可训练的密集层，采用先进的正则化和dropout技术，以优化特征提取和分类	NA	开发一种高效、准确的早期植物病害检测方法，以支持可持续农业实践	玫瑰、芒果和番茄的植物叶片	计算机视觉	植物病害	深度迁移学习	改进的Xception架构	图像	5491张图像，涵盖四种不同的病害类别
6764	2025-02-14	Spatial-temporal activity-informed diarization and separation 2025-Feb-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0035830 PMID:39945646	研究论文	本文提出了一种利用说话者时空活动的鲁棒多通道说话者分离和识别系统	系统采用混合架构，结合阵列信号处理单元和深度学习单元，提出了一种基于空间一致性矩阵的说话者识别方法和一种全局与局部活动驱动的说话者提取网络	未明确提及具体局限性	开发一种鲁棒的多通道说话者分离和识别系统	多通道音频信号中的说话者	自然语言处理	NA	深度学习，阵列信号处理	Encoder-Decoder-based Attractor network, Global and Local Activity-driven Speaker Extraction network	音频信号	未明确提及具体样本数量
6765	2025-02-14	Use of artificial intelligence to detect dental caries on intraoral photos 2025-Jan-30, Quintessence international (Berlin, Germany : 1985) DOI:10.3290/j.qi.b5857664 PMID:39601186	研究论文	本研究开发了一种基于多阶段深度学习的人工智能算法管道，用于定位单个牙齿并将每颗牙齿分类为不同龋齿等级	利用深度学习技术，首次在非临床环境中实现龋齿的早期检测，具有成本效益	后牙白斑位置的高变异性增加了检测难度，可能影响算法的准确性	开发一种成本效益高的人工智能工具，用于早期龋齿检测	龋齿	计算机视觉	龋齿	深度学习	多阶段深度学习管道	图像	50,179张口腔内牙齿照片
6766	2025-02-14	Machine learning techniques to predict diabetic ketoacidosis and HbA1c above 7% among individuals with type 1 diabetes - A large multi-centre study in Australia and New Zealand 2025-Jan-09, Nutrition, metabolism, and cardiovascular diseases : NMCD DOI:10.1016/j.numecd.2025.103861 PMID:39939258	研究论文	本研究利用机器学习技术预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	首次在澳大利亚和新西兰的大规模多中心1型糖尿病患者数据上应用多种机器学习模型进行DKA和HbA1c>7%的预测，并评估了模型性能	研究仅基于澳大利亚和新西兰的数据，可能无法推广到其他地区的人群	预测1型糖尿病患者的糖尿病酮症酸中毒（DKA）和HbA1c>7%的风险	1型糖尿病患者	机器学习	糖尿病	机器学习	深度学习（DL）、支持向量机（SVM）	临床和人口统计学数据	13761名1型糖尿病患者
6767	2025-02-14	MUsculo-Skeleton-Aware (MUSA) deep learning for anatomically guided head-and-neck CT deformable registration 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103351 PMID:39388843	研究论文	本文提出了一种名为MUsculo-Skeleton-Aware (MUSA)的深度学习框架，用于头颈部CT图像的可变形配准，通过利用多分辨率策略和骨骼结构与软组织之间的不均匀变形约束来引导配准	MUSA框架通过分解复杂变形为整体姿势变化和残余精细变形，解决了头颈部区域多尺度肌肉骨骼运动和软组织变形的挑战，提高了配准的准确性和变形的合理性	尽管MUSA框架在头颈部CT图像的配准中表现出色，但其在其他解剖部位或不同类型图像上的适用性尚未验证	研究目的是提高头颈部CT图像的可变形配准的准确性和变形的合理性	头颈部CT图像	计算机视觉	NA	深度学习	NA	CT图像	NA
6768	2025-02-14	Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data 2025-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105501 PMID:39671751	研究论文	本研究通过使用合成的脑磁共振成像数据，系统地研究了卷积神经网络中层次偏差编码的机制，旨在理解医学图像分析模型中偏差的来源和影响	首次系统地研究了卷积神经网络中层次偏差编码的机制，并利用已知疾病和偏差效应的合成数据，量化了疾病相关信息和基于形态及强度的偏差在模型学习特征中的表现	研究依赖于合成数据，可能无法完全反映真实世界医学图像中的复杂偏差	理解医学图像分析模型中偏差的来源和影响，特别是卷积神经网络中的偏差编码机制	卷积神经网络在疾病分类中的应用	计算机视觉	NA	脑磁共振成像	卷积神经网络 (CNN)	图像	合成脑磁共振成像数据
6769	2025-02-14	A step towards quantifying, modelling and exploring uncertainty in biomedical knowledge graphs 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109355 PMID:39541901	研究论文	本研究旨在利用深度学习技术自动量化和建模生物医学知识图谱（BKGs）中事实的不确定性，基于其文本支持证据	使用句子转换器提取句子深度特征，结合朴素贝叶斯分类器对句子事实性进行分类，进而量化事实的不确定性，并创建了USemMedDB展示不确定BKG结构与置信度分数的相关性	NA	自动量化和建模生物医学知识图谱中事实的不确定性	生物医学知识图谱中的事实及其文本支持证据	自然语言处理	NA	深度学习	句子转换器、朴素贝叶斯分类器	文本	SemMedDB数据集中的事实及其支持证据
6770	2025-02-14	Enhancing PM2.5 prediction by mitigating annual data drift using wrapped loss and neural networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314327 PMID:39932913	研究论文	本文提出了一种通过使用包裹损失函数和神经网络来缓解年度数据漂移，从而增强PM2.5预测的方法	提出了两种考虑数据漂移特性的模型，并引入了包裹损失函数，显著提高了PM2.5预测的准确性	研究主要依赖于特定时间段（2014-2018年）的数据，可能无法完全代表其他时间段或地区的数据漂移情况	通过缓解年度数据漂移来提高PM2.5预测的准确性	气象空气质量数据和天气数据	机器学习	NA	深度学习	LSTM, CNN, FLC, BLC	时间序列数据	2014-2018年的数据
6771	2025-02-14	A privacy-preserved horizontal federated learning for malignant glioma tumour detection using distributed data-silos 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316543 PMID:39932966	研究论文	本文提出了一种基于分布式数据孤岛的隐私保护水平联邦学习模型，用于恶性胶质瘤的检测	创新点在于采用水平联邦学习方法，解决了数据隐私和集中存储的问题，同时在不同客户端架构下实现了高准确率的胶质瘤检测	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	研究目的是开发一种隐私保护的分布式学习模型，用于早期检测恶性胶质瘤	研究对象为恶性胶质瘤的MRI扫描图像	数字病理学	胶质瘤	联邦学习(FL)	MobileNetV2	图像	未明确提及具体样本数量，但涉及5和10个不同客户端的架构
6772	2025-02-14	Detection of Masses in Mammogram Images Based on the Enhanced RetinaNet Network With INbreast Dataset 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S493873 PMID:39935433	研究论文	本文提出了一种基于增强RetinaNet网络的乳腺X光图像肿块检测方法，旨在提高计算机辅助诊断的效率和准确性	在RetinaNet网络结构中引入ReLU函数处理特征图M5，以防止小肿块特征的分辨率损失，并采用迁移学习技术进行模型训练	研究仅基于INbreast数据集进行验证，未在其他数据集上测试模型的泛化能力	提高乳腺X光图像中肿块的检测准确率，减少假阳性和假阴性	乳腺X光图像中的肿块	计算机视觉	乳腺癌	深度学习	RetinaNet	图像	INbreast数据集
6773	2025-02-14	Diagnosis of depression based on facial multimodal data 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1508772 PMID:39935533	研究论文	本研究提出了一种基于面部视频和音频数据的深度学习方法来自动诊断抑郁症	通过融合多模态数据，使用时空注意力模块增强视觉特征提取，并结合GCN和LSTM分析音频特征，有效捕捉与抑郁症相关的不同特征模式	NA	开发基于客观指标的自动诊断工具，以解决传统量表诊断方法的主观性强和误诊率高的问题	抑郁症患者	机器学习	抑郁症	深度学习	GCN, LSTM	面部视频, 音频数据	公开的临床数据集E-DAIC
6774	2025-02-14	Mapping knowledge landscapes and emerging trends in artificial intelligence for antimicrobial resistance: bibliometric and visualization analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1492709 PMID:39935800	研究论文	本文通过文献计量学分析，系统地绘制了人工智能在抗菌素耐药性研究中的应用知识图谱和发展趋势	整合了多种文献计量学方法，包括VOSviewer、CiteSpace和定量分析，以可视化合作网络和研究集群，并分析时间演变	数据来源仅限于Web of Science核心合集数据库，可能未涵盖所有相关研究	提供基于证据的见解，指导未来研究方向，并为这一动态领域的战略决策提供信息	2014年至2024年期间发表的关于人工智能在抗菌素耐药性研究中应用的出版物	机器学习	抗菌素耐药性	文献计量学分析、VOSviewer、CiteSpace	人工神经网络、图神经网络	文献数据	2,408篇出版物
6775	2025-02-14	DPD-YOLO: dense pineapple fruit target detection algorithm in complex environments based on YOLOv8 combined with attention mechanism 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1523552 PMID:39935949	研究论文	本文提出了一种基于YOLOv8并结合注意力机制的DPD-YOLO算法，用于复杂环境下的菠萝果实目标检测	DPD-YOLO算法引入了注意力机制（Coordinate Attention）和BiFPN（双向特征金字塔网络），并替换了YOLOv8的检测头为RT-DETR检测头，结合了Cross-Attention和Self-Attention机制，显著提高了模型在复杂背景和遮挡情况下的检测精度	NA	提高复杂环境下菠萝果实目标检测的准确性	菠萝果实	计算机视觉	NA	NA	YOLOv8, DPD-YOLO, RT-DETR	图像	NA
6776	2025-02-14	A novel deep learning-based framework with particle swarm optimisation for intrusion detection in computer networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316253 PMID:39937819	研究论文	本文提出了一种基于深度学习和粒子群优化的新型框架，用于计算机网络中的入侵检测	提出了一种新颖的深度学习混合架构，结合PSO进行超参数优化，并优化组合了三种预训练网络模型	尽管在多个数据集上表现优异，但未提及在实时环境或更大规模网络中的适用性和性能	构建一个混合系统，以提高入侵检测的效率和准确性	计算机网络中的入侵检测	机器学习	NA	深度学习，粒子群优化（PSO）	深度神经网络（DNN）	网络数据	KDDCUP'99, NSL-KDD 和 UNSW-NB15 数据集
6777	2025-02-14	Long duration multi-channel surface electromyographic signals during walking at natural pace: Data acquisition and analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318560 PMID:39937870	研究论文	本研究介绍了一个长时间表面肌电信号（sEMG）数据集，记录了31名健康受试者在自然步速下行走时的sEMG信号	提供了长时间（几分钟而非几秒）的sEMG信号数据集，适用于需要大量数据的研究，如机器/深度学习方法	研究仅包括健康受试者，未涉及病理条件下的数据	全面分析行走过程中表面肌电信号的变异性	31名20至30岁的健康受试者	生物医学工程	NA	表面肌电信号（sEMG）记录	NA	sEMG信号、电测角信号和足地接触信号	31名健康受试者
6778	2025-02-14	Dual-stream disentangled model for microvascular extraction in five datasets from multiple OCTA instruments 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1542737 PMID:39944497	研究论文	本文提出了一种新颖的双流解耦网络（D2Net），用于视网膜OCTA微血管分割，有效减少了不同成像仪器带来的噪声和伪影干扰	提出了一种双流编码器，分别学习图像伪影和潜在血管特征，通过引入血管结构作为先验约束和构建辅助信息，实现了解耦表示学习	尽管在多个数据集上验证了方法的鲁棒性和泛化能力，但仍需进一步验证其在更广泛临床环境中的适用性	提高视网膜OCTA微血管分割的准确性，减少噪声和伪影的干扰	视网膜OCTA图像中的微血管	计算机视觉	眼科疾病	OCTA成像技术	双流解耦网络（D2Net）	图像	五个数据集（包括FOCA、OCTA-500、ROSE-O、ROSE-Z和ROSE-H），数据来自不同仪器
6779	2025-02-14	Magnetic resonance imaging-based deep learning for predicting subtypes of glioma 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1518815 PMID:39944539	研究论文	本研究探讨了基于磁共振成像（MRI）的深度学习在胶质瘤亚型分类中的应用价值	开发了一套能够有效分类胶质瘤亚型的模型，并发现仅包含FLAIR序列的模型效果最佳	研究样本主要来自公开数据库和单一医院，可能存在样本选择偏差	探索基于MRI的深度学习在胶质瘤亚型分类中的应用	747名来自公开数据库和64名来自医院的经手术病理证实的胶质瘤成年患者	计算机视觉	胶质瘤	磁共振成像（MRI）	深度学习	图像	811名患者（747名来自公开数据库，64名来自医院）
6780	2025-02-14	Modeling dose uncertainty in cone-beam computed tomography: Predictive approach for deep learning-based synthetic computed tomography generation 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100704 PMID:39944778	研究论文	本研究提出了一种基于深度学习的合成CT生成方法，用于评估锥形束CT（CBCT）中的剂量不确定性	引入了与合成CT和CT之间误差相关的体素级不确定性估计器，并提出了一种通过定义CT剂量-体积直方图（DVH）周围的置信区间来估计剂量不确定性的新方法	研究样本主要来自单一中心的头颈部患者，且仅测试了少量来自其他中心的患者，可能限制了方法的普适性	提高CBCT在图像引导放疗中的剂量计算准确性	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	NA	医学影像	85名头颈部患者（主要来自单一中心），外加3名来自不同中心的患者