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
7021	2025-03-05	RESNET-50 with ontological visual features based medicinal plants classification 2025-Mar-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2447878 PMID:40028706	研究论文	本文提出了一种基于本体视觉特征和RESNET-50的药用植物分类方法	结合了本体关系、群体智能技术（粒子群和布谷鸟搜索算法）以及深度学习模型RESNET-50，提出了一个混合模型来提高分类准确性	未提及样本多样性和模型泛化能力的验证	提高药用植物叶片分类的准确性和效率	15种药用植物的叶片	计算机视觉	NA	粒子群算法、布谷鸟搜索算法、回归神经网络（GRNN）、RESNET-50	RESNET-50、GRNN	图像	15种药用植物的叶片数据集
7022	2025-03-05	Deep Learning-Based Diagnostic Model for Parkinson's Disease Using Handwritten Spiral and Wave Images 2025-Mar-03, Current medical science IF:2.0Q3 DOI:10.1007/s11596-025-00017-3 PMID:40029495	研究论文	本文开发并验证了一种基于深度神经网络的模型，用于通过手绘螺旋和波浪图像诊断帕金森病，并与多种机器学习和深度学习模型进行了性能比较	使用深度神经网络模型处理手绘螺旋和波浪图像，显著提高了帕金森病的诊断准确性，超越了多种传统机器学习和深度学习模型	数据集规模较小，仅包含204张图像，可能影响模型的泛化能力	开发一种基于深度神经网络的帕金森病诊断模型，并验证其性能	帕金森病患者和健康受试者的手绘螺旋和波浪图像	计算机视觉	帕金森病	深度神经网络	DNN	图像	204张图像（102张螺旋图像和102张波浪图像）
7023	2025-03-05	Automated Tumor Segmentation in Breast-Conserving Surgery Using Deep Learning on Breast Tomosynthesis 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01457-y PMID:40032761	研究论文	本研究旨在通过深度学习模型改进乳腺癌保乳手术中的肿瘤分割，利用数字乳腺断层合成技术提高术中肿瘤边缘的精确度	采用改进的U-Net架构，结合卷积块注意力模块（CBAM），以提高肿瘤边缘分割的精度	研究样本量较小，仅包含51例患者，可能影响结果的普遍性	提高乳腺癌保乳手术中的肿瘤分割精度，改善术中边缘评估和手术效果	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺断层合成技术（DBT）	改进的U-Net架构，结合卷积块注意力模块（CBAM）	图像	51例患者
7024	2025-03-05	Diagnosing Ankylosing Spondylitis via Architecture-Modified ResNet and Combined Conventional Magnetic Resonance Imagery 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01427-4 PMID:40032762	研究论文	本文探讨了使用改进的ResNet架构和组合的常规磁共振成像（MRI）来诊断强直性脊柱炎（AS）	通过架构修改的ResNet50模型和组合的常规MRI序列进行AS分类，显著提高了诊断的准确性和特异性	研究样本量较小，仅涉及56名患者，可能影响模型的泛化能力	研究目的是确定是否可以使用MRI训练/优化卷积神经网络（CNNs）进行AS分类，并确定哪种类型的常规MRI可能占主导地位	强直性脊柱炎（AS）患者和对照组的骶髂关节（SIJs）	计算机视觉	强直性脊柱炎	常规磁共振成像（MRI）	ResNet50, InceptionV3, VGG16, YOLOv5	图像	56名患者的534个AS和606个对照SIJs
7025	2025-03-05	Smartphone-Based Oral Lesion Image Segmentation Using Deep Learning 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01455-0 PMID:40032764	研究论文	本研究开发了一种基于深度学习的智能手机口腔病变图像分割解决方案，旨在提高口腔疾病的早期检测和诊断准确性	提出了一种新的UNet-based模型OralSegNet，结合了EfficientNetV2L编码器、ASPP和残差块，以提高分割精度	模型参数较多（104.46百万），尽管在计算效率上表现良好，但在资源受限的设备上可能面临挑战	开发一种基于深度学习的智能手机口腔病变图像分割解决方案，以提高口腔疾病的早期检测和诊断准确性	智能手机拍摄的口腔病变图像	计算机视觉	口腔疾病	深度学习	UNet-based模型OralSegNet	图像	538张原始图像，平均分辨率为1394×1524像素
7026	2025-03-05	SSW-YOLO: Enhanced Blood Cell Detection with Improved Feature Extraction and Multi-scale Attention 2025-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01460-3 PMID:40032763	研究论文	本文介绍了一种名为SSW-YOLO的新算法，旨在提高血液细胞检测的准确性和效率	SSW-YOLO的主要创新点包括使用空间到深度卷积（SPD-Conv）层增强特征提取，采用Swin Transformer进行多尺度注意力机制，简化c2f模块以减少模型复杂性，以及利用Wasserstein距离损失（WDLoss）函数提高定位精度	NA	提高血液细胞检测的准确性和效率，加速血液疾病的诊断并提高临床诊断的精确性	血液细胞	计算机视觉	血液疾病	深度学习	YOLO, Swin Transformer	图像	BCCD血液细胞数据集
7027	2025-03-05	SeasFire cube - a multivariate dataset for global wildfire modeling 2025-Mar-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04546-3 PMID:40032880	研究论文	本文介绍了SeasFire数据立方体，一个为全球季节性至亚季节性野火建模量身定制的时空数据集	引入了包含59个变量的SeasFire数据立方体，涵盖气候、植被、海洋指数和人类因素，具有8天时间分辨率和0.25°空间分辨率，覆盖2001年至2021年	NA	通过地球观测数据，量化并归因野火的前置条件，以改进对野火的理解和预测	全球野火	地球系统科学	NA	深度学习模型	Deep Learning	时空数据	2001年至2021年的全球数据
7028	2025-03-05	Prediction of Lymph Node Metastasis in Lung Cancer Using Deep Learning of Endobronchial Ultrasound Images With Size on CT and PET-CT Findings 2025-Mar-03, Respirology (Carlton, Vic.) DOI:10.1111/resp.70010 PMID:40033122	研究论文	本研究评估了深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力，强调了整合ROI、CT上的淋巴结大小和PET-CT发现的价值	首次将ROI、CT上的淋巴结大小和PET-CT发现整合到EBUS图像的深度学习分析中，显著提高了模型诊断肺癌纵隔淋巴结转移的能力	研究中使用的样本量较大，但未提及模型的泛化能力及在不同医疗中心的应用效果	评估深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像	数字病理	肺癌	EBUS-TBNA, CT, PET-CT	ResNet18	图像	1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像
7029	2025-03-05	A novel deep learning framework for automatic scoring of PD-L1 expression in non-small cell lung cancer 2025-Mar-03, Biomolecules & biomedicine DOI:10.17305/bb.2025.12056 PMID:40035693	研究论文	本文提出了一种新的深度学习框架，用于自动评估非小细胞肺癌（NSCLC）全切片图像（WSIs）中的PD-L1表达，旨在提高肿瘤比例评分（TPS）评估的精确性和一致性	提出了一种新的自动化框架，结合深度学习技术，用于从NSCLC的WSIs中准确评估PD-L1表达，提高了TPS评估的精确性和一致性	研究仅基于66个NSCLC组织样本，样本量较小，可能影响模型的泛化能力	提高PD-L1表达的自动评估精度和一致性，减少病理学家的工作量	非小细胞肺癌（NSCLC）的全切片图像（WSIs）	数字病理学	肺癌	免疫组织化学（IHC）	EfficientNet, Inception, Vision Transformer, UNet, DeepLabV3, StarDist	图像	66个NSCLC组织样本
7030	2025-03-05	Artificial Intelligence-Assisted MRI Diagnosis in Lumbar Degenerative Disc Disease: A Systematic Review 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241274372 PMID:39147730	系统综述	本文综述了人工智能辅助MRI在腰椎退行性椎间盘疾病诊断中的应用	系统评估了AI在腰椎退行性椎间盘疾病诊断中的表现，展示了AI相比传统方法在准确性、敏感性和特异性上的优势	需要进一步的研究和验证以优化AI算法在腰椎退行性椎间盘疾病诊断中的实际应用	探讨AI辅助MRI在腰椎退行性椎间盘疾病诊断中的应用及其临床使用的研究现状	腰椎退行性椎间盘疾病	医学影像分析	腰椎退行性椎间盘疾病	MRI	机器学习和深度学习	图像	20项研究
7031	2025-03-05	Fast Window-Based Event Denoising With Spatiotemporal Correlation Enhancement 2025-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3467709 PMID:39388326	研究论文	本文提出了一种基于窗口的事件去噪方法，通过时空相关性增强来提高去噪效果	提出了一种新的窗口化事件去噪方法，结合时空相关性分析，构建了多尺度窗口化事件去噪网络WedNet，实现了高去噪精度和快速运行速度	未提及具体局限性	提高事件去噪的准确性和实时性	事件数据	计算机视觉	NA	卷积稀疏编码	WedNet	事件数据	未提及具体样本数量
7032	2025-03-05	Dataset augmentation with multiple contrasts images in super-resolution processing of T1-weighted brain magnetic resonance images 2025-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00871-1 PMID:39680317	研究论文	本研究探讨了在脑部磁共振成像（MRI）T1加权图像（T1WIs）的超分辨率处理中，通过使用深度学习技术增强数据集的有效性	通过引入同一受试者的不同对比度图像来增强数据集，以提高网络性能并评估其对图像质量指标（如峰值信噪比和结构相似性）的影响	研究为回顾性研究，可能受到数据选择和偏差的影响	提高脑部MRI图像的超分辨率处理性能	240名接受脑部MRI检查的患者	计算机视觉	NA	深度学习	U-Net, EDSR	图像	240名患者
7033	2025-03-05	Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma 2025-Mar, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16843 PMID:39687978	研究论文	本文开发了一种基于深度学习的虚拟Lugol染色内镜（V-LCE）方法，用于检测浅表性食管鳞状细胞癌（ESCC）	使用CycleGAN生成虚拟Lugol染色内镜图像，为浅表性食管鳞状细胞癌的诊断提供了一种新的辅助工具	V-LCE在病变检测、边缘识别和颜色差异方面的表现介于真实Lugol染色内镜（R-LCE）和白光内镜（WLE）之间，尚未达到R-LCE的水平	开发一种基于深度学习的虚拟Lugol染色内镜方法，以提高浅表性食管鳞状细胞癌的检测灵敏度	浅表性食管鳞状细胞癌（ESCC）	计算机视觉	食管癌	CycleGAN	GAN	图像	六名内镜医师对WLE、R-LCE和V-LCE图像进行评分
7034	2025-03-05	GSCAT-UNET: Enhanced U-Net model with spatial-channel attention gate and three-level attention for oil spill detection using SAR data 2025-Mar, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.117583 PMID:39862681	研究论文	本文提出了一种名为GSCAT-UNET的增强型U-Net模型，用于利用SAR数据进行油污检测和区分	GSCAT-UNET模型结合了空间-通道注意力门（SCAG）、三级注意力模块（TLM）和全局特征模块（GFM），以提高油污检测的准确性和鲁棒性	NA	提高油污检测的准确性和鲁棒性，以应对SAR数据的复杂性和不平衡数据集	油污及其类似物	计算机视觉	NA	深度学习	GSCAT-UNET	SAR图像	1112张Sentinel-1双极化SAR图像及其标注图像（5类）
7035	2025-02-01	Shaping the future of MRI in upper abdominal imaging: The promise of deep learning reconstruction 2025-Mar, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.12.003 PMID:39884888	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7036	2025-03-05	Feasibility of using Gramian angular field for preprocessing MR spectroscopy data in AI classification tasks: Differentiating glioblastoma from lymphoma 2025-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.111957 PMID:39892374	研究论文	本文探讨了使用Gramian角场将1D光谱转换为2D图像，作为卷积神经网络输入用于胶质母细胞瘤与淋巴瘤分类任务的可行性	首次将Gramian角场技术应用于MR光谱数据的预处理，以生成适合深度学习算法输入的2D图像	研究样本量较小，仅包括98名患者，且仅比较了傅里叶变换后的原始光谱和后处理拟合光谱的分类性能	探索MR光谱数据在神经网络分类任务中的应用潜力	胶质母细胞瘤和淋巴瘤患者	数字病理学	胶质母细胞瘤, 淋巴瘤	MR光谱, Gramian角场	卷积神经网络(CNN)	图像	98名患者（65名胶质母细胞瘤，33名淋巴瘤）
7037	2025-03-05	Fluid Inverse Volumetric Modeling and Applications From Surface Motion 2025-Mar, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3370551 PMID:38416615	研究论文	本研究提出了一种从可观测、可测量的自由表面运动中进行流体体积重建的框架	结合深度学习和传统模拟的优势，保持再现流体的引导运动和时间一致性，并利用3D CNN生成体积速度场	NA	开发一种从表面运动中进行流体体积重建的方法，并应用于图形学中的流体行为再现和场景重编辑	流体	计算机视觉	NA	深度学习，3D CNN	3D CNN	图像	NA
7038	2025-03-05	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文介绍了一种针对心电图（ECG）数据的专门数据增强技术，通过考虑12导联ECG中胸前导联之间的独特角度，提出了一种在临床环境中可能发生的情况下的数据增强方法，并用于训练深度学习模型以诊断多种心脏疾病	本文的创新点在于提出了一种专门针对ECG数据的数据增强技术，考虑了胸前导联之间的独特角度，并在多种数据集和任务中展示了其性能提升	本文的局限性在于未提及该方法在其他类型生物信号处理中的适用性，且未详细讨论其在更大规模数据集上的表现	研究目的是开发一种优化的数据增强技术，以提高ECG数据的深度学习模型诊断心脏疾病的准确性	研究对象是12导联ECG数据，特别是胸前导联之间的角度变化	生物信号处理	心血管疾病	数据增强技术	深度学习模型	ECG信号	NA
7039	2025-03-05	Reinforcement learning-based generative artificial intelligence for novel pesticide design 2025-Mar-01, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.030 PMID:40032026	研究论文	本研究提出了一种基于强化学习的生成人工智能框架，用于设计具有高结合亲和力的农药样分子	首次将生成人工智能应用于农药设计，提出了结合强化学习的框架，并成功设计出一种新型4-羟基苯基丙酮酸双加氧酶抑制剂	未提及具体样本量或实验数据规模	探索生成人工智能在农药设计中的应用，开发新型绿色农药	农药样分子	机器学习	NA	强化学习，蒙特卡洛树搜索算法	生成模型	化学分子数据	NA
7040	2025-03-05	Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort 2025-Feb-28, NPJ genomic medicine IF:4.7Q1 DOI:10.1038/s41525-025-00480-w PMID:40021654	研究论文	本文探讨了深度学习模型AlphaMissense在预测错义变体功能影响和评估基因必要性方面的局限性，特别是在罕见疾病队列中的表现	揭示了AlphaMissense在识别致病性错义变体方面的不足，尤其是在内在无序区域（IDRs）的评估上	AlphaMissense在识别致病性错义变体方面的精确度和召回率较低，特别是在IDRs区域的表现不可靠	评估深度学习模型在罕见疾病中预测错义变体致病性的能力	罕见疾病队列中的错义变体	生物医学信息学	罕见疾病	深度学习	AlphaMissense	基因变异数据	45种罕见疾病队列