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
6941	2025-04-10	Real-world validation of a deep learning algorithm for chest radiography in the emergency department: A tale of two specialties 2025-Apr-07, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.03.008 PMID:40199640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6942	2025-04-10	Predicting categories of coronary artery calcium scores from chest X-ray images using deep learning 2025-Apr-07, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.03.010 PMID:40199634	研究论文	本研究开发并验证了一种深度学习模型，用于从胸部X光片中预测冠状动脉钙化评分类别	首次使用深度学习模型从胸部X光片中预测冠状动脉钙化评分类别，并结合临床因素提高预测准确性	研究依赖于特定时间范围内获取的CXR和CACS数据，可能限制了模型的泛化能力	开发一种成本效益高且能减少辐射暴露的冠状动脉疾病风险评估方法	10,230名具有可用胸部X光片和冠状动脉钙化评分的患者	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	10,230名患者
6943	2025-04-10	Deep spatio-temporal dependent convolutional LSTM network for traffic flow prediction 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95711-6 PMID:40189608	研究论文	提出了一种名为STDConvLSTM的深度学习算法，用于解决交通流量预测中的空间和时间不平衡问题	设计了空间依赖的注意力机制和时间依赖的注意力机制，分别解决空间不平衡和时间不平衡问题	未提及具体局限性	准确预测交通流量以支持智能交通系统和智慧城市建设	交通流量数据	机器学习	NA	深度学习	STDConvLSTM（结合CNN和LSTM）	时间序列数据	两个真实世界的数据集
6944	2025-04-10	Research on intelligent identification of microscopic substances in shale scanning electron microscope images based on deep learning theory 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91225-3 PMID:40189619	研究论文	基于深度学习理论实现页岩扫描电镜图像中微观物质的智能识别	采用改进的深度学习模型（优化的Yolov8模型）进行页岩微观物质识别，性能优于其他深度学习模型，并与SEM技术结合，提高了储层评价的效率和准确性	研究主要针对页岩扫描电镜图像，尚未在其他领域广泛应用	实现页岩扫描电镜图像中微观物质的智能识别，提高储层评价的效率和准确性	页岩扫描电镜图像中的微观物质	计算机视觉	NA	SEM技术	优化的Yolov8模型	图像	NA
6945	2025-04-10	Applying deep learning for style transfer in digital art: enhancing creative expression through neural networks 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95819-9 PMID:40189651	研究论文	本研究提出了一种改进的神经风格迁移模型，旨在提高数字艺术中风格迁移的效率和质量	结合了自适应实例归一化(AdaIN)和基于Gram矩阵的风格表示，显著提升了风格与内容的平衡及计算效率	未提及模型在极端风格强度下的表现及跨域适应性	提升神经风格迁移技术在数字艺术创作中的实用性和实时性	数字艺术图像风格迁移	计算机视觉	NA	神经风格迁移(NST)	CNN架构结合AdaIN	图像	未明确说明具体样本量（使用多种图像对进行评估）
6946	2025-04-10	Deep learning for simultaneous phase and amplitude identification in coherent beam combination 2025-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96385-w PMID:40189661	研究论文	本文提出了一种深度学习算法，用于从组合光束的强度分布单次观测中同时识别相位和振幅	利用深度学习算法在存在显著功率波动的情况下准确分离相位和功率贡献	研究基于模拟的相干光束组合系统，实际应用中的效果需进一步验证	解决光纤激光器功率退化对相位检索带来的挑战	相干光束组合系统中的相位和振幅识别	机器学习	NA	深度学习	NA	图像	NA
6947	2025-04-10	Clinical microbiology and artificial intelligence: Different applications, challenges, and future prospects 2025-Apr-04, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107125 PMID:40188989	综述	本文综述了人工智能在临床微生物学中的不同应用、挑战及未来前景	介绍了人工智能如何通过处理和分析综合数据来优化传统临床微生物技术，并探讨了AI在预测新型抗菌剂和COVID-19疫苗开发中的应用	人工智能在临床微生物学中的应用面临伦理问题、潜在偏见和数据训练相关的错误等挑战	概述人工智能在临床微生物学中的最新应用，并讨论其面临的挑战和未来机会	临床微生物学领域的研究者和从业者	人工智能	传染病	全基因组测序（WGS）、蛋白质数据库（PDBs）、拉曼光谱、MALDI-TOF光谱	机器学习和深度学习算法	光谱分析数据、显微图像、基因组和蛋白质序列	NA
6948	2025-04-10	Revisiting Supervised Learning-Based Photometric Stereo Networks 2025-Apr-03, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557498 PMID:40178960	research paper	本文通过重新审视现有方法的深度特征、深度特征编码策略和网络架构，揭示了监督学习光度立体网络如何解决未知反射率和全局光照效应带来的挑战，并提出了ESSENCE-Net方法	提出了ESSENCE-Net，采用easy-first-encoding策略有效编码深度阴影特征，通过阴影监督增强阴影特征，并利用空间上下文感知注意力准确解码法线	未明确提及具体限制	揭示监督学习光度立体网络如何解决未知反射率和全局光照效应带来的挑战，并提升性能	光度立体网络	computer vision	NA	深度学习	ESSENCE-Net	image	三个基准数据集
6949	2025-04-10	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2025-Apr-02, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	开发并验证了一种基于级联掩膜区域卷积神经网络（R-CNN）的深度学习模型，用于非侵入性且准确地识别人类圆形精子细胞	首次使用深度学习模型非侵入性地识别人类圆形精子细胞，避免了传统Hoechst染色的毒性问题	研究样本量相对较小（3457张图像），且模型在临床广泛应用前需进一步验证	评估深度学习模型在非侵入性识别人类圆形精子细胞方面的能力	人类圆形精子细胞（hRSs）	计算机视觉	男性不育症	流式细胞术分析	级联掩膜区域卷积神经网络（R-CNN）	图像	3457张光学显微镜图像
6950	2025-04-10	An explainable deep learning platform for molecular discovery 2025-Apr, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01084-x PMID:39653800	研究论文	介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素的结构类别	提出了一个基于图神经网络的可解释深度学习平台，能够识别预测活性的化学子结构，提高分子发现的效率	需要实验数据生成和模型实现，且平台的应用范围虽然广泛，但具体效果可能因分子类型而异	开发一个可解释的深度学习平台，用于高效发现具有特定活性的分子结构类别	抗生素的结构类别，以及其他小分子如抗癌、抗病毒和抗衰老药物	机器学习	NA	图神经网络	GNN	化学结构数据	NA
6951	2025-04-10	Deep Learning and Hyperspectral Imaging for Liver Cancer Staging and Cirrhosis Differentiation 2025-Apr, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400557 PMID:39873135	研究论文	本文提出了一种结合高光谱成像和深度学习的新诊断策略，用于肝癌分期和肝硬化鉴别	创新性地整合高光谱成像与深度学习，捕捉传统方法难以识别的细微细胞差异	未提及样本来源的多样性或外部验证结果	开发高精度、快速、非侵入性的肝癌诊断工具	肝组织样本（肝癌及肝硬化病例）	数字病理	肝癌	高光谱成像	深度卷积神经网络（CNN）	高光谱图像	未明确说明具体样本量
6952	2025-04-10	Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer 2025-01-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87966-w PMID:39863695	research paper	本研究开发了一种新型混合放射组学方法，用于预测子宫内膜癌的微卫星不稳定性和Ki-67表达	结合多参数MRI、深度学习和多通道图像分析，采用新兴的注意力机制提取特征，并使用XGBoost分类器进行预测	研究为回顾性研究，样本量较小（156例患者）	探索先进人工智能技术在预测子宫内膜癌微卫星不稳定性和Ki-67表达中的潜在价值	子宫内膜癌患者	digital pathology	endometrial cancer	multiparametric MRI, deep learning, multichannel image analysis	XGBoost	image	156名子宫内膜癌患者
6953	2025-04-10	An optimized LSTM-based deep learning model for anomaly network intrusion detection 2025-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85248-z PMID:39789143	研究论文	提出了一种基于LSTM的优化深度学习模型，用于网络异常入侵检测	采用三种优化方法（PSO、JAYA和SSA）优化LSTM的超参数，以提高检测性能	未提及模型在实际网络环境中的泛化能力测试	开发高效的网络入侵检测系统以减少误报率	网络入侵检测	机器学习	NA	深度学习	LSTM	网络流量数据	NSL KDD、CICIDS和BoT-IoT数据集
6954	2025-04-10	Application of Artificial Intelligence and its Subsets in Various Stages of Knee Arthroplasty from Pre-op to Post-op: An Overview 2025, Journal of orthopaedics and sports medicine DOI:10.26502/josm.511500185 PMID:40190766	综述	本文概述了人工智能及其子集在膝关节置换术从术前到术后各阶段的应用	探讨了人工智能在膝关节置换术各阶段（术前、术中和术后）的多样化应用，包括患者教育、手术辅助和结果评估	NA	综述人工智能在膝关节置换术中的应用，以提高诊断准确性、手术效率和患者预后	膝关节置换术的各个阶段（术前、术中和术后）	数字病理学	骨关节炎	机器学习、深度学习	NA	NA	NA
6955	2025-04-10	Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1573370 PMID:40196195	研究论文	本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑	利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合	样本量较小（202例患者），且仅使用了MRI-T1WI图像	预测接受肺癌手术患者的术后焦虑	接受肺癌手术的患者	数字病理学	肺癌	MRI	ResNet-152	图像	202例接受肺癌手术的患者
6956	2025-04-10	A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1547588 PMID:40196347	研究论文	本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型	提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型	研究仅使用了12只大鼠的骨折动物模型，样本量较小	开发骨折不愈合的早期诊断模型	大鼠骨折模型	数字病理	骨折	micro-CT成像	VM-TE-UNet	图像	12只大鼠的2448张micro-CT图像
6957	2025-04-10	Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1549698 PMID:40196449	研究论文	本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力	Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示	NA	提升模拟假体视觉系统中的物体识别性能	视觉假体系统及视觉障碍患者	计算机视觉	视力障碍	深度学习	端到端深度学习模型	图像	NA
6958	2025-04-10	Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf021 PMID:40196751	research paper	该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升	通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少	需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响	提高体积电子显微镜图像中细胞器分割的自动化水平和性能	哺乳动物组织中的细胞器（如线粒体和内质网）	digital pathology	NA	serial block face scanning electron microscopy	deep learning segmentation algorithms	volumetric electron microscopy images	四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素）
6959	2025-04-10	HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1549811 PMID:40196844	研究论文	本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA）	HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能	研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力	开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性	肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像	数字病理学	肝癌	深度学习	HTRecNet（自定义深度学习框架）	图像	5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试）
6960	2025-04-10	Use of Artificial Intelligence in Imaging Dementia 2024-11-27, Cells IF:5.1Q2 DOI:10.3390/cells13231965 PMID:39682713	research paper	本文探讨了人工智能在痴呆症影像诊断中的应用及其潜力	利用图卷积网络框架为阿尔茨海默病及其前驱阶段提供多模态稀疏可解释性支持，并开发了基于卷积神经网络的方法进行外部验证	人工智能在临床实践中的应用面临技术、疾病相关和制度性挑战	改善痴呆症患者的诊断和预后	老年痴呆症患者，包括阿尔茨海默病、血管性痴呆、路易体痴呆等	digital pathology	geriatric disease	machine learning, deep learning	CNN, GCN	image	NA