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
6881	2025-03-12	Learning to Explore Sample Relationships 2025-Mar-10, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3549300 PMID:40063428	研究论文	本文提出了一种名为BatchFormerV1和BatchFormerV2的批处理变换模块，旨在使深度神经网络能够以可学习的方式探索样本关系	提出了BatchFormerV1和BatchFormerV2模块，使深度神经网络能够以可学习的方式探索样本关系，并设计了一种两流训练管道以解决训练-测试不一致问题	探索实例级关系对密集预测的影响有限	解决深度学习中数据稀缺问题，提升样本关系的探索能力	深度神经网络	计算机视觉	NA	深度学习	BatchFormerV1, BatchFormerV2	图像	超过十个流行数据集
6882	2025-03-12	A Thyroid Nodule Ultrasound Image Grading Model Integrating Medical Prior Knowledge 2025-Mar-10, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01120-y PMID:40064758	研究论文	本研究提出了一种基于中国甲状腺影像报告和数据系统（C-TIRADS）的甲状腺结节超声图像分级模型，结合了传统手工特征和深度特征	结合了医学先验知识和深度特征，采用改进的ShuffleNetV2网络和多头自注意力机制，并使用XGBoost分类器进行多类分类	数据集仅包含922张原始图像，可能限制了模型的泛化能力	提高甲状腺结节超声诊断的准确性	甲状腺结节超声图像	计算机视觉	甲状腺疾病	深度学习，图像处理	ShuffleNetV2，XGBoost	图像	922张原始图像，包括149例2类，140例3类，156例4A类，114例4B类，123例4C类，240例5类
6883	2025-03-12	Deep learning network for NMR spectra reconstruction in time-frequency domain and quality assessment 2025-Mar-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57721-w PMID:40057512	研究论文	本文提出了一种联合时频域的深度学习网络JTF-Net，用于核磁共振（NMR）光谱的重建和质量评估	JTF-Net结合了时域和频域特征，相比传统算法和单域深度学习方法，在蛋白质光谱的重建上表现更优；同时提出了无需参考光谱的质量评估指标REQUIRER	当前深度学习方法仅关注单域重建，存在峰值丢失和伪影峰等问题，且缺乏全采样光谱使得重建光谱的质量难以评估	提高核磁共振光谱的重建质量和评估效率	核磁共振光谱	机器学习	NA	深度学习	JTF-Net	光谱数据	NA
6884	2025-03-12	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-Feb-27, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	本研究提出了一种鼓励重复性的自监督学习（SSL）重建方法，用于定量MRI，旨在提高定量MRI的测量重复性	提出了一种新的自监督学习重建方法，通过最小化两个互斥时间子集的k-t空间数据之间的交叉数据一致性，鼓励定量MRI的重复性	研究仅针对心脏MR多任务T1映射数据进行了评估，未在其他类型的定量MRI数据上进行验证	提高定量MRI的测量重复性，加速重建过程	心脏MR多任务T1映射数据	医学影像	心血管疾病	自监督学习（SSL）	深度学习网络	k-t空间数据	未明确提及样本数量
6885	2025-03-12	[Generative artificial intelligence ChatGPT in clinical nutrition - Advances and challenges] 2025-Feb-26, Nutricion hospitalaria IF:1.2Q4 DOI:10.20960/nh.05692 PMID:40066572	研究论文	本文探讨了生成式人工智能ChatGPT在临床营养学中的应用进展与挑战	ChatGPT在营养评估、个性化干预建议和患者进展监测方面展现了潜力，特别是在计算热量需求和推荐营养丰富的食物方面表现出色	ChatGPT在解释非语言线索、进行体格检查、整合多种医疗条件以及确保膳食计划的准确性方面存在不足，生成的计划可能出现显著的热量偏差和微量营养素失衡	研究ChatGPT在临床营养管理中的应用潜力及其局限性	临床营养管理中的患者	自然语言处理	NA	机器学习和深度学习	ChatGPT	临床记录数据	NA
6886	2025-03-12	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新的基于一致性的预测不确定性（CPU）指数，通过其在肺癌筛查（LCS）预测中的应用，展示了其在提高风险评估方面的有效性	提出了CPU-Index框架，通过结合亚组分析和个性化AI时间到事件模型的见解，改进了肺癌筛查的预测透明度和可靠性	个性化AI时间到事件模型存在透明度问题和来自截尾数据的偏差	提高肺癌筛查的预测准确性和风险评估	肺癌筛查中的低剂量CT（LDCT）影像和患者人口统计数据	数字病理学	肺癌	低剂量CT（LDCT）放射组学	神经多任务逻辑回归时间到事件模型	影像和文本	3,326名在2015年1月1日至2020年6月30日期间接受LDCT进行LCS的患者
6887	2025-03-12	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	本研究比较了深度学习（DL）和传统机器学习（CML）方法在心律失常/心电图（ECG）模式分类中的表现，特别是使用减少的ECG导联子集时的性能	首次比较了DL和CML方法在减少ECG导联子集情况下的心律失常/ECG模式分类性能，并识别了最优的ECG导联子集	研究仅使用了PhysioNet Cardiology Challenge 2020的公开数据集，可能无法完全代表所有临床场景	评估卷积神经网络（CNN）和随机森林（RF）模型在使用减少的ECG导联子集时对心律失常/ECG模式分类的准确性	心律失常/ECG模式分类	机器学习	心血管疾病	卷积神经网络（CNN），随机森林（RF）	CNN, RF	ECG数据	PhysioNet Cardiology Challenge 2020的公开数据集
6888	2025-03-12	Artificial Intelligence in Myopic Maculopathy: A Comprehensive Review of Identification, Classification, and Monitoring Using Diverse Imaging Modalities 2025-Feb, Cureus DOI:10.7759/cureus.78685 PMID:40062093	综述	本文综述了人工智能（AI）在近视性黄斑病变识别、分类和监测中的应用，主要使用传统成像技术如眼底摄影和光学相干断层扫描（OCT）	本文综合分析了2018年至2024年间发表的13项研究，探讨了机器学习和深度学习算法在高度近视病例诊断、分类和随访中的角色，揭示了AI模型在疾病诊断中的支持作用	大多数研究集中在中国，且主要关注近视性黄斑变性和高度近视患者，可能限制了结果的普遍性	探讨AI工具在近视性黄斑病变检测中的有效性和实用性	近视性黄斑病变患者	数字病理学	近视性黄斑病变	眼底摄影, 光学相干断层扫描（OCT）	ResNet-18, ResNet-50, ResNet-101, DeepLabv3+, DarkNet-19, Efficient Net (B0/B7), VOLO-D2, Efficient Former, ALFA-Mix+, XGBoost	图像	13项研究，主要来自中国
6889	2025-03-12	AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis 2025-01, Abdominal radiology (New York) DOI:10.1007/s00261-024-04512-4 PMID:39133362	综述	本文综述了人工智能在胰腺炎影像诊断中的创新应用及其对临床支持的改进	探讨了深度学习模型在胰腺炎非侵入性诊断中的应用及其潜力	讨论了当前AI在胰腺炎早期检测和管理中的方法学限制	提高胰腺炎的早期识别和诊断准确性	胰腺炎患者	数字病理学	胰腺炎	深度学习	深度学习模型	影像数据	NA
6890	2025-03-12	Automated Deep Learning-Based Finger Joint Segmentation in 3-D Ultrasound Images With Limited Dataset 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241277178 PMID:39295443	研究论文	本文提出了一种基于深度学习的自动化方法，用于在受类风湿性关节炎影响的手指关节的超声图像中分割滑膜	利用深度学习技术自动化分割超声图像中的滑膜，特别是在有限数据集的情况下，通过数据增强策略提高模型性能	研究基于有限的数据集（18个3-D超声体积，来自9名患者），且地面真实标注稀疏，可能影响模型的泛化能力	开发一种自动化工具，用于更高效和标准化地筛查类风湿性关节炎	类风湿性关节炎患者的手指关节超声图像	计算机视觉	类风湿性关节炎	深度学习	卷积神经网络（CNN）	3-D超声图像	18个3-D超声体积，来自9名类风湿性关节炎患者
6891	2025-03-12	CBAM-RIUnet: Breast Tumor Segmentation With Enhanced Breast Ultrasound and Test-Time Augmentation 2025-01, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241276411 PMID:39283069	研究论文	本研究提出了一种名为CBAM-RIUnet的深度学习模型，用于在乳腺超声图像中自动分割乳腺肿瘤，以提高计算机辅助诊断（CAD）的效果	CBAM-RIUnet模型结合了卷积块注意力模块（CBAM）和残差初始深度可分离卷积，能够消除无关特征并专注于感兴趣区域，显著提升了分割精度	未提及具体的研究局限性	提高乳腺超声图像中乳腺肿瘤的自动分割精度，以支持计算机辅助诊断	乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	深度学习	CBAM-RIUnet（基于Unet结构的深度学习模型）	图像	未提及具体样本数量
6892	2025-03-12	Contrastive self-supervised learning for neurodegenerative disorder classification 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1527582 PMID:40034453	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	使用对比自监督学习方法训练深度学习模型，无需大量标注数据，且模型表现与最先进的监督学习方法相当	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型在神经退行性疾病分类中的应用及其可解释性	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）的T1加权MRI扫描数据	计算机视觉	神经退行性疾病	对比自监督学习	深度卷积神经网络（CNN）	T1加权MRI扫描图像	2,694个T1加权MRI扫描样本，来自四个数据集：ADNI、AIBL和FTLDNI
6893	2025-03-12	Using machine learning models for cuffless blood pressure estimation with ballistocardiogram and impedance plethysmogram 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1511667 PMID:40060031	研究论文	本文探讨了利用机器学习模型通过心冲击图和阻抗体积描记图进行无袖带血压估计的方法	提出了一种结合一维卷积神经网络（1D CNN）和门控循环单元（GRU）的堆叠模型，用于分类心冲击图和阻抗体积描记图信号的质量，并使用随机森林（RF）和XGBoost模型估计血压	研究仅涉及17名健康受试者，样本量较小，且血压升高是通过运动实现的，可能不适用于所有人群	提高无袖带血压测量的准确性，以适用于移动健康（mHealth）应用	心冲击图（BCG）和阻抗体积描记图（IPG）信号	机器学习	心血管疾病	深度学习，机器学习	1D CNN, GRU, 随机森林（RF）, XGBoost	信号数据	17名健康受试者
6894	2025-03-11	A novel approach to Indian bird species identification: employing visual-acoustic fusion techniques for improved classification accuracy 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1527299 PMID:40061023	研究论文	本文提出了一种新颖的视觉-声学融合技术，用于提高印度鸟类物种识别的准确性	采用视觉-声学融合技术，结合DCNN和LSTM网络，显著提高了物种识别的准确性	NA	提高印度鸟类物种识别的准确性，以支持生物多样性监测和生态保护	印度鸟类物种	计算机视觉	NA	视觉-声学融合技术	DCNN, LSTM	图像, 声音	iBC53（印度鸟鸣）数据集
6895	2025-03-12	Leveraging deep learning for plant disease and pest detection: a comprehensive review and future directions 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1538163 PMID:40061031	综述	本文综述了深度学习在植物病害和害虫检测中的应用，探讨了其挑战、机遇及未来发展方向	深入分析了深度学习在植物病害和害虫检测中的最新进展，并预测了未来研究方向	未提及具体实验数据或样本量，主要基于现有研究的总结和分析	探讨深度学习在农业诊断中的应用，特别是植物病害和害虫检测	植物病害和害虫	计算机视觉	NA	深度学习	分类、检测和分割网络	图像	NA
6896	2025-03-12	Leveraging a hybrid convolutional gated recursive diabetes prediction and severity grading model through a mobile app 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2642 PMID:40062236	研究论文	本文提出了一种新型的深度学习机制——卷积门控递归单元（CGRU），用于糖尿病的早期检测和严重程度分级，并通过移动应用实现	提出了一种新的深度学习技术CGRU，通过从数据中提取时空特征来提高预测准确性，并利用聚类算法对患者进行分类以确定糖尿病的严重程度	研究仅限于在单一数据集上进行，缺乏对多样化数据集的验证	提高糖尿病早期检测和严重程度分级的准确性和可靠性	糖尿病患者	机器学习	糖尿病	深度学习	CGRU（卷积门控递归单元）	结构化数据	BRFSS数据集
6897	2025-03-12	Lung image segmentation with improved U-Net, V-Net and Seg-Net techniques 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2700 PMID:40062241	研究论文	本研究提出了基于U-Net、V-Net和Seg-Net架构的三种分割模型，以提高肺结核检测的准确性	通过采用先进的预处理技术、注意力机制和非局部块，提升了分割精度	未提及模型在实际临床环境中的验证情况	提高肺结核的准确诊断	肺结核的肺部图像	计算机视觉	肺结核	深度学习	U-Net, V-Net, Seg-Net	图像	Shenzhen和Montgomery数据库中的样本
6898	2025-03-12	A systematic review of deep learning techniques for apple leaf diseases classification and detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2655 PMID:40062248	系统综述	本文系统回顾了深度学习技术在苹果叶病分类和检测中的应用	对2016年至2024年间发表的45篇相关文章进行了系统分析，评估了该领域的最新发展、方法和研究需求	仅限于分析已发表的文章，未涉及未发表或正在进行的研究	准确及时地诊断苹果叶病，以减少产量损失和经济影响	苹果叶病	计算机视觉	苹果叶病	深度学习	NA	图像	45篇文章
6899	2025-03-12	Lightweight-CancerNet: a deep learning approach for brain tumor detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2670 PMID:40062242	研究论文	本文提出了一种名为Lightweight-CancerNet的深度学习架构，用于高效准确地检测脑肿瘤	提出了一种新的深度学习架构Lightweight-CancerNet，结合MobileNet和NanoDet，实现了高精度和低计算资源需求	未提及具体局限性	开发一种高效且准确的脑肿瘤检测方法	脑肿瘤	计算机视觉	脑肿瘤	深度学习	MobileNet, NanoDet	磁共振成像（MRI）图像	两个MRI数据集
6900	2025-03-12	Classification of sleep apnea syndrome using the spectrograms of EEG signals and YOLOv8 deep learning model 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2718 PMID:40062247	研究论文	本研究利用从多导睡眠图（PSG）记录中获取的脑电图（EEG）信号的频谱图，以及YOLOv8深度学习模型，对睡眠呼吸暂停综合征进行分类	使用YOLOv8模型进行四分类（轻度、中度、重度呼吸暂停及健康），填补了现有文献中关于四分类EEG信号分类参数减少方法的空白，并减少了模型参数数量	现有文献中关于四分类EEG信号分类的参数减少方法尚未充分探讨，存在局限性	分类睡眠呼吸暂停综合征，并评估参数减少方法在EEG分类中的性能	从PSG记录中获取的EEG信号	机器学习	睡眠呼吸暂停综合征	短时傅里叶变换（STFT）	YOLOv8	图像（频谱图）	未明确提及样本数量