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	2025-02-09	Deep learning in microbiome analysis: a comprehensive review of neural network models 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1516667 PMID:39911715	综述	本文综述了深度学习在微生物组分析中的应用，探讨了不同神经网络模型的优势、实际用途及对未来研究的影响	深度学习在微生物组研究中的创新应用，特别是在模式识别、特征提取和预测建模方面的显著能力	深度学习在微生物组研究中面临生物数据变异性的挑战，需要定制化方法以确保结果的稳健性和普适性	探讨深度学习在微生物组研究中的应用及其对健康、疾病和环境的影响	微生物组数据，包括不同类型的组学数据集	机器学习	NA	深度学习	神经网络	组学数据	NA
7022	2025-02-09	Artificial intelligence in dentistry and dental biomaterials 2024, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2024.1525505 PMID:39917699	综述	本文综述了人工智能（AI）在牙科和牙科生物材料中的应用，特别是修复牙科和修复学领域	介绍了AI在牙科诊断、治疗计划、结果预测和以患者为中心的护理中的互补作用，以及AI与数字成像和3D打印的整合	NA	概述AI及其在生物医学、牙科和牙科生物材料中的应用	牙科和牙科生物材料，特别是修复牙科和修复学	自然语言处理	NA	机器学习（ML）、深度学习（DL）、神经网络（NNs）	深度学习	图像	NA
7023	2025-02-09	Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287465 PMID:37967076	研究论文	本研究利用机器学习工具和GCMS技术，识别用于早期检测肝细胞癌和肝硬化的新型呼吸生物标志物	结合GCMS-SPME技术和创新的机器学习模型，自动从原始数据中发现挥发性有机化合物（VOCs），无需人工干预	使用气相色谱-质谱法（GC-MS）量化挥发性有机化合物（VOCs）耗时且容易出错，需要专家操作	提高肝细胞癌和肝硬化的早期诊断、治疗和生存率	肝细胞癌（HCC）、肝硬化患者和健康对照组的呼吸样本	机器学习	肝细胞癌	气相色谱-质谱法（GCMS）和固相微萃取（SPME）	深度学习模式识别	呼吸样本	35例HCC患者、35例肝硬化患者和30例健康对照组的呼吸样本
7024	2025-02-09	Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16452-1_28 PMID:39911317	研究论文	本文提出了一种新颖的上下文编码约束神经网络，用于单阶段颅骨标记和地标定位	设计并引入了一种新的上下文编码模块到U-Net架构中，并引入了一个新的辅助任务来建模不同解剖地标的相对空间配置	NA	提高颅骨分割和地标检测的准确性和效率	颅骨和颅骨地标	计算机视觉	NA	深度学习	U-Net	3D CT图像	274名儿童的3D CT图像数据集
7025	2025-02-09	Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support: three decades' development course and future prospect 2020-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-019-03098-5 PMID:31786740	综述	本文综述了过去三十年计算机辅助肺结节诊断技术的发展，从传统方法到深度学习辅助决策支持的演变	首次对过去30年计算机辅助肺结节诊断技术的发展进行文献综述，并识别了挑战和未来研究方向	缺乏对技术发展的全面审查，特别是从传统方法到机器学习辅助决策支持的演变	提供计算机辅助肺结节检测和良恶性分类技术的全面最新综述，并识别未来研究方向	肺结节的计算机辅助诊断	计算机视觉	肺癌	深度学习	NA	图像	NA
7026	2025-02-08	Attention-enhanced corn disease diagnosis using few-shot learning and VGG16 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103172 PMID:39911906	研究论文	本文提出了一种基于注意力机制和少样本学习的玉米病害诊断方法，使用预训练的VGG16卷积神经网络进行微调，并在玉米病害数据集上实现了98.25%的分类准确率	结合注意力机制和少样本学习，减少了模型对大规模标注数据的依赖，适用于实际农业应用	未提及模型在其他作物病害上的泛化能力	开发一种高效且准确的玉米病害早期诊断方法	玉米病害	计算机视觉	植物病害	少样本学习	VGG16	图像	未明确提及样本数量
7027	2025-02-08	Using deep learning for ultrasound images to diagnose chronic lateral ankle instability with high accuracy 2025-Apr, Asia-Pacific journal of sports medicine, arthroscopy, rehabilitation and technology DOI:10.1016/j.asmart.2025.01.001 PMID:39911312	研究论文	本研究旨在通过深度学习技术，利用超声图像对慢性外侧踝关节不稳（CLAI）进行高精度诊断	首次将深度学习应用于超声图像，用于慢性外侧踝关节不稳的诊断，并展示了高准确率和AUC值	样本量较小，仅包括60个踝关节（30个对照组和30个损伤组）	计算慢性外侧踝关节不稳的诊断准确率	慢性外侧踝关节不稳患者和无踝关节扭伤史的对照组	计算机视觉	踝关节疾病	深度学习	预训练深度学习模型	超声图像	60个踝关节（30个对照组和30个损伤组），共4000张图像
7028	2024-08-07	Editorial for "Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases" 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29509 PMID:39016471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7029	2025-02-08	Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review 2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.09.010 PMID:39701860	系统综述	本文系统综述了人工智能在利用3D成像进行颌骨矫正手术的治疗计划和结果预测中的应用	探讨了人工智能在颌骨矫正手术中的治疗计划和结果预测方面的应用，填补了该领域的研究空白	由于研究间的显著异质性和数据报告不足，未进行荟萃分析	评估人工智能在颌骨矫正手术中的治疗计划和结果预测中的作用	颌骨矫正手术	数字病理	NA	3D成像	深度学习算法, 机器学习	CT数据	14项研究
7030	2025-02-08	Predicting craniofacial fibrous dysplasia growth status: an exploratory study of a hybrid radiomics and deep learning model based on computed tomography images 2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.11.002 PMID:39725588	研究论文	本研究旨在开发基于CT图像的三种模型，用于区分颅面纤维性发育不良（CFD）患者的病变进展状态	结合了放射组学和深度学习的混合模型（Model Rad+DL），在评估CFD病变进展方面表现出优越性	研究为回顾性分析，样本量有限（148例患者）	开发并评估基于CT图像的模型，以区分CFD患者的病变进展状态	148名CFD患者的术前CT扫描图像	数字病理学	颅面纤维性发育不良	3D-Slicer软件用于图像分割和特征提取	混合模型（放射组学和深度学习）	CT图像	148名CFD患者
7031	2025-02-08	Evaluation of GPT-4 concordance with north American spine society guidelines for lumbar fusion surgery 2025-Mar, North American Spine Society journal DOI:10.1016/j.xnsj.2024.100580 PMID:39911377	研究论文	本文评估了GPT-4与北美脊柱协会（NASS）腰椎融合手术指南的一致性	首次评估GPT-4在腰椎融合手术临床决策中的一致性，探索AI在脊柱手术实践中的潜在应用	研究样本量较小，仅包含17个临床案例，且仅限于NASS指南的特定场景	评估GPT-4在腰椎融合手术临床决策中的一致性，探索AI在脊柱手术中的应用潜力	17个基于NASS标准的腰椎融合手术临床案例	自然语言处理	脊柱疾病	GPT-4	深度学习模型	文本	17个临床案例
7032	2025-02-08	Editorial for "Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer" 2025-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29592 PMID:39258759	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7033	2025-02-08	A joint three-plane physics-constrained deep learning based polynomial fitting approach for MR electrical properties tomography 2025-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121054 PMID:39863005	研究论文	本文提出了一种结合物理约束和深度学习的多项式拟合方法，用于磁共振电特性成像，以提高电导率估计的准确性和计算效率	结合物理约束的深度学习框架，通过在三平面上联合优化神经网络权重，提高了电导率估计的准确性和计算效率	需要大量的训练数据，且对未见数据的泛化能力有限	提高磁共振电特性成像中电导率估计的准确性和计算效率	体内组织的电特性	数字病理	NA	磁共振电特性成像	深度学习	3D数据	模拟的异质脑模型
7034	2025-02-08	NovoRank: Refinement for De Novo Peptide Sequencing Based on Spectral Clustering and Deep Learning 2025-Feb-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00300 PMID:39739539	研究论文	本文介绍了NovoRank，一种基于谱聚类和深度学习的后处理工具，用于提高肽段测序的准确性	NovoRank结合谱聚类和深度学习模型，通过重新排序候选肽段来提升肽段测序工具的准确性和召回率	未明确提及具体局限性	提高基于质谱的蛋白质组学中肽段测序的准确性	质谱数据中的肽段序列	机器学习	NA	质谱分析	深度学习模型	质谱数据	未明确提及具体样本数量
7035	2025-02-08	Diffusion transformer model with compact prior for low-dose PET reconstruction 2025-Feb-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adac25 PMID:39832449	研究论文	本文提出了一种基于扩散变换器模型（DTM）的低剂量PET重建方法，以提高图像重建质量	首次将扩散模型与变换器模型结合用于PET重建，解决了低剂量PET图像重建中的噪声和模糊问题	未提及具体的数据集规模或模型训练时间等限制	提高低剂量PET图像的重建质量，减少辐射暴露	低剂量PET图像	医学影像	NA	扩散变换器模型（DTM）	扩散模型与变换器模型	PET图像	未提及具体样本数量，但包括体模和患者数据集
7036	2025-02-08	A novel deep learning framework for retinal disease detection leveraging contextual and local features cues from retinal images 2025-Feb-07, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03314-0 PMID:39918766	研究论文	本文提出了一种新的深度学习框架，用于从视网膜图像中提取上下文和局部特征线索，以准确分类视网膜疾病	提出了一种结合全局上下文信息和局部细粒度信息的深度学习框架，通过DCM-CNN和LP-CNN模块的协同工作，克服了眼底图像中的类间相似性、类内变异、局部信息有限等挑战	NA	提高视网膜疾病的自动诊断准确性	视网膜图像	计算机视觉	视网膜疾病	深度学习	Densely Connected Multidilated Convolution Neural Network (DCM-CNN), Local-Patch-based Convolution Neural Network (LP-CNN)	图像	两个公开的基准数据集：RFMiD和ODIR-5K
7037	2025-02-08	Evaluation of deep learning-based scatter correction on a long-axial field-of-view PET scanner 2025-Feb-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07120-6 PMID:39918764	研究论文	本文评估了基于深度学习的散射校正方法在长轴视野PET扫描仪上的性能	提出了一种基于卷积神经网络U-Net架构的深度学习方法，用于估计散射正弦图，并在长轴视野PET系统上进行了评估	尽管在[18F]-PSMA数据集上表现一致，但该方法未使用[18F]-PSMA数据进行训练	评估深度学习方法在长轴视野PET系统上的散射校正性能	长轴视野PET系统的散射校正	医学影像	NA	深度学习，蒙特卡罗模拟	CNN U-Net	正弦图，图像数据	7个[18F]-FDG和[18F]-PSMA临床数据集
7038	2025-02-08	Automated detection of traumatic bleeding in CT images using 3D U-Net# and multi-organ segmentation 2025-Feb-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adae14 PMID:39854772	研究论文	本文提出了一种使用3D U-Net#和多器官分割的深度学习方法来自动检测CT图像中的创伤性出血	结合多器官分割方法，显著减少了出血检测过程中的假阳性	需要进一步减少假阳性以提高临床应用的可行性	提高创伤性出血在CT图像中的自动检测准确性和效率	创伤性出血	计算机视觉	创伤	深度学习	3D U-Net#	CT图像	来自四个机构的延迟期对比增强创伤CT图像数据集
7039	2025-02-08	Comparison of data augmentation and classification algorithms based on plastic spectroscopy 2025-Feb-06, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01759e PMID:39817628	研究论文	本文提出了一种基于C-GAN的塑料光谱生成模型，并通过数据增强方法系统分析和比较了不同分类算法在塑料光谱数据上的性能	提出了一种基于C-GAN的塑料光谱生成模型，有效解决了样本不足的问题，并通过多种方法验证了生成光谱的真实性	数据样本的收集仍然存在挑战，且不同光谱设备的化学分类特征解释可能有限	通过数据增强和分类算法比较，提高塑料光谱数据的分类准确性	塑料光谱数据	机器学习	NA	傅里叶变换红外光谱（FTIR）、拉曼光谱（RAMAN）、激光诱导击穿光谱（LIBS）	C-GAN、SVM、BP、KNN、RF、DT、GoogleNet、ResNet	光谱数据	公共数据集中的塑料光谱数据
7040	2024-12-21	Correction to: A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding 2025-Feb-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae200 PMID:39704758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA