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
701	2025-07-17	Deep learning-based segmentation and strain analysis of left heart chambers from long-axis CMR images 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf070 PMID:40657429	research paper	该研究提出了一种结合深度学习和特征追踪的自动化流程，用于从长轴心脏磁共振图像中分割左心室和左心房并评估心肌应变	创新点在于设计了一个结合2D和3D ResUnet的深度学习模型，用于自动化分割和应变分析，并通过特征追踪初始化提高了测量准确性	研究仅针对长轴心脏磁共振图像，且样本量相对有限（684名个体）	开发自动化方法来评估左心室和左心房的心肌应变	左心室和左心房的心肌应变	digital pathology	cardiovascular disease	cardiac magnetic resonance (CMR), feature tracking (FT)	2D- and 3D-ResUnet	image	684名个体的长轴心脏磁共振图像（训练集845，调优集281，测试集116）
702	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-04, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
703	2025-07-17	Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale 2024-Mar-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.06.24303847 PMID:38562696	研究论文	比较两种深度学习架构（FFNN和NMT）在从ICD代码预测损伤严重程度分类（ISS和ISS≥16）中的准确性	首次比较了FFNN和NMT在直接和间接转换ICD代码到AIS时的性能差异，并发现NMT在预测精确ISS分数时表现最佳	研究仅基于美国国家创伤数据库的数据，可能不适用于其他地区或数据集	开发一个从ICD代码预测损伤严重程度分类的系统，以替代耗时的手动AIS编码	创伤病例的ICD代码和AIS分类	自然语言处理	创伤	深度学习	FFNN, NMT	文本	训练和验证集2,031,793例（2017-2018年），测试集1,091,792例（2019年）
704	2025-07-17	High-resolution spiral real-time cardiac cine imaging with deep learning-based rapid image reconstruction and quantification 2024-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5051 PMID:37926525	研究论文	本研究开发并评估了一种基于深度学习的快速螺旋图像重建（DESIRE）和分割方法，用于高分辨率螺旋实时电影成像的左心室射血分数（LVEF）量化	提出了一种结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习技术，实现了快速图像重建和自动左心室功能量化	研究仅评估了1.5T和3T梯度回波成像，未涉及其他磁场强度或成像技术	开发高效的深度学习方法来加速心脏电影成像的图像重建和量化分析	心脏左心室功能	医学影像分析	心血管疾病	深度学习图像重建与分割	3D U-Net, 2D U-Net	医学影像	未明确说明样本数量，但包含40帧动态序列
705	2025-07-17	Automatic dental age calculation from panoramic radiographs using deep learning: a two-stage approach with object detection and image classification 2024-01-31, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03928-0 PMID:38291396	研究论文	本研究提出了一种基于全景X光片和深度学习的两阶段自动牙龄计算方法	首次将Scaled-YOLOv4和EfficientNetV2 M结合，实现全自动牙龄计算，临床准确度达到可接受水平	仅使用全景X光片数据，未考虑其他影像学方法	开发自动牙龄计算方法以替代耗时的手工流程	儿童和正畸患者的牙齿发育阶段	数字病理	牙科疾病	深度学习	Scaled-YOLOv4（目标检测）和EfficientNetV2 M（图像分类）	全景X光片图像	8,023张全景X光片用于训练，157张用于验证
706	2025-07-17	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究通过深度学习技术开发了一个儿童面部检测系统，用于监测车内前乘客座位上的儿童，以提醒驾驶员儿童不应坐在该位置	使用MobileNetV2架构结合迁移学习和微调技术，开发了一个低计算成本的实时儿童面部检测系统，并在Raspberry Pi 4B上实现	实验环境中的100%准确率可能过于理想化，未考虑传感器被阳光直射或污垢遮挡等实际车辆中常见的情况	提高对儿童坐在前乘客座位风险的认识，并通过技术手段减少因此导致的交通事故死亡率	车内前乘客座位上的儿童（0-13岁）	计算机视觉	NA	深度学习、迁移学习、微调、面部检测	MobileNetV2、Deep CNN	图像	102张空座位图像、71名儿童（0-13岁）图像、96名成人（14-75岁）图像，通过数据增强后成人图像2,496张、儿童图像2,310张
707	2025-07-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从国际疾病分类(ICD)编码中估计损伤严重程度的准确性	首次比较了基于神经机器翻译(NMT)和前馈神经网络(FFNN)的直接与间接方法在损伤严重程度预测中的表现	所有方法在处理时间上存在差异，间接NMT模型计算资源需求最高	评估不同深度学习方法从ICD编码预测损伤严重程度的准确性	来自国家创伤数据库的创伤患者数据	自然语言处理	创伤	深度学习方法	NMT, FFNN	医疗编码数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)
708	2025-07-17	ADHD detection based on human action recognition 2024, Neuroscience applied DOI:10.1016/j.nsa.2024.104093 PMID:40656101	研究论文	本文介绍了一种基于人类动作识别的ADHD检测系统，通过捕捉ADHD特征并记录真实的多模态ADHD数据集（M-ADHD）来检测ADHD症状	首次提出基于人类动作识别的ADHD检测系统，设计了一种新型的多动测试来捕捉ADHD特征，并首次记录了真实的多模态ADHD数据集（M-ADHD）	未提及具体的数据集规模或多样性限制	开发一种成本效益高且易于操作的ADHD检测系统，用于远程筛查ADHD	ADHD患者的行为特征	计算机视觉	神经发育障碍	深度学习	未提及具体模型类型	视频	未提及具体样本数量
709	2025-07-17	Investigating mental workload caused by NDRTs in highly automated driving with deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2023.2276657 PMID:38240567	研究论文	本研究探讨了高度自动驾驶场景中非驾驶相关任务(NDRTs)对驾驶员心理负荷的影响，并开发了一种基于深度学习的脑电图(EEG)信号分类模型	利用LSTM和BLSTM深度学习模型对EEG信号进行分类，以评估心理负荷，并发现特定频段与心理负荷的线性相关性	样本量较小(28名参与者)，且实验环境为模拟驾驶，可能无法完全反映真实驾驶场景	评估高度自动驾驶中NDRTs对驾驶员心理负荷的影响，并开发高精度的EEG信号分类模型	驾驶员在高度自动驾驶场景中的心理负荷	机器学习	NA	EEG信号分析，NASA Task Load Index (NASA-TLX)评分	LSTM, BLSTM	EEG信号	28名参与者
710	2025-07-17	Artificial intelligence-enabled penicillin allergy delabelling: an implementation study 2023-11, Internal medicine journal IF:1.8Q2 DOI:10.1111/imj.16266 PMID:37997266	研究论文	本研究探讨了基于人工智能的青霉素过敏标签去除的实施效果	利用深度学习人工智能算法识别适合去除青霉素过敏标签的患者，并通过电子邮件通知系统进行干预	样本量较小（n=59），需要进一步研究优化此类方法	评估人工智能辅助的青霉素过敏标签去除的实施效果	被标记为青霉素过敏的患者	医疗人工智能	过敏性疾病	深度学习	深度学习算法	电子医疗记录	59名干预组患者
711	2025-07-17	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-10, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	介绍了一种名为FocA的深度学习工具，用于在自动化细胞检测流程中实时分析图像聚焦情况	FocA能够在近实时条件下识别聚焦和失焦图像，并通过小图像块训练优化计算效率，确保不存储和使用低质量图像	未明确提及具体局限性	提高自动化细胞检测中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	计算机视觉	NA	深度学习	CNN（推测）	图像	未明确提及具体样本数量
712	2025-07-16	Neurofusionnet: a comprehensive framework for accurate epileptic seizure prediction from EEG data with hybrid meta-heuristic optimization algorithm 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10293-3 PMID:40661693	研究论文	本文提出了一种名为Neurofusionnet的综合框架，用于从EEG数据中准确预测癫痫发作，结合了混合元启发式优化算法	提出了一种新的检测模型NeuroFusionNet，结合了多种深度学习网络和改进的混合优化算法，以提高癫痫发作预测的准确性和鲁棒性	NA	开发一个全面的框架，用于从EEG数据中准确预测癫痫发作	癫痫患者的EEG数据	数字病理学	癫痫	EEG数据处理、独立成分分析、小波变换、傅里叶变换	NeuroFusionNet（结合Improved ShuffleNet V2、SqueezeNet、EfficientNet V2和基于Multi Head Attention的GhostNet V2）	EEG数据	NA
713	2025-07-16	Structure from motion-convolutional neural network model (SfM-CNN) achieved accurate portable Chinese dietary chemical composition estimation for dietary recall 2025-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144908 PMID:40449202	研究论文	本研究介绍了一种基于SfM-CNN模型的新型AI驱动解决方案，用于自动化分析中国食物的化学成分	结合先进的3D重建技术与深度学习（特别是SIFT算法），实现了误差小于4%的卓越特征提取和食物体积估计	NA	为健康和营养管理提供准确的中国饮食化学成分估计	中国食物	计算机视觉	NA	SIFT算法	SfM-CNN, SIFT-ResNet50	图像	ChineseDish-100数据集
714	2025-07-16	Detection and classification of meat freshness using an optimized deep learning method 2025-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144783 PMID:40479992	研究论文	本文提出了一种基于深度学习的肉类新鲜度分类方法，结合VGG19卷积神经网络和改进的人工原生动物优化器进行特征提取和选择	采用改进的人工原生动物优化器(IAPO)结合粒子群优化(PSO)进行特征选择，相比现有五种优化技术表现出更高性能	未提及方法在不同肉类品种或实际工业环境中的泛化能力测试	开发高精度的肉类新鲜度自动分类系统	肉类样本的新鲜度（新鲜/半新鲜/变质）	计算机视觉	NA	深度学习	VGG19 CNN结合IAPO-PSO优化	图像	未明确说明具体样本数量
715	2025-07-16	Low-field NMR-based deep learning for non-destructive quality assessment of frozen model foods 2025-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145181 PMID:40540836	研究论文	使用低场核磁共振结合深度学习技术对冷冻模型食品进行非破坏性质量评估	结合低场核磁共振(LF-NMR)和反向传播人工神经网络(BP-ANN)构建新型非破坏性质量评估模型	仅针对含水量90%和80%的凝胶模型食品进行研究，未涉及其他类型食品	开发冷冻食品质量非破坏性评估方法	含水量90%和80%的凝胶模型食品	食品科学	NA	低场核磁共振(LF-NMR)	BP-ANN, PLSR	核磁共振信号数据	梯度温度条件下冷冻的凝胶模型食品样本
716	2025-07-16	Deep learning reduced order models of vaginal tear propagation 2025-Oct, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107074 PMID:40499333	research paper	该论文介绍了结合有限元分析、适当正交分解和机器学习的新计算方法，用于预测阴道变形和撕裂	整合有限元分析、适当正交分解和机器学习技术，开发了全阶ML模型和基于POD的降阶模型，用于快速计算阴道分娩结果	研究基于啮齿类动物的离体微机械数据，可能无法完全模拟人类阴道组织的复杂性	预测阴道分娩过程中可能出现的并发症，如阴道撕裂	阴道组织的变形和撕裂	machine learning	产科疾病	有限元分析(FE)、适当正交分解(POD)、机器学习(ML)	全阶ML模型、基于POD的降阶ML模型	微机械数据、位移场快照	基于啮齿类动物的离体微机械数据
717	2025-07-16	Longitudinal EEG-based assessment of neuroplasticity and adaptive responses to transcranial focused ultrasound stimulation 2025-Oct, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110521 PMID:40581220	研究论文	该研究提出了一种名为ILEP的模型，用于通过纵向EEG监测评估经颅聚焦超声刺激（tFUS）引起的神经可塑性和适应性反应	提出了一种集成纵向评估协议（ILEP）模型，结合高分辨率EEG监测和多会话tFUS刺激，能够有效区分短期和长期的神经可塑性变化	研究未明确说明样本量大小及具体受试者特征，可能影响结果的普遍性	开发一种标准化、实时的评估协议，以理解重复tFUS应用对神经可塑性和适应性脑反应的长期影响	神经可塑性和脑适应性反应	神经科学	神经系统疾病	经颅聚焦超声刺激（tFUS）、高分辨率脑电图（EEG）	深度学习（DL）模型、神经网络（NN）	EEG信号	NA
718	2025-07-16	Predicting rat lumbar vertebral failure patterns as synthetic μCT images using a deep convolutional generative adversarial network 2025-Oct, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107116 PMID:40582223	研究论文	本研究开发了一种生成式深度学习模型，通过创建合成3D μCT图像预测大鼠腰椎骨折模式	使用3D条件生成对抗网络(cGAN)预测骨折模式，并生成合成3D μCT图像	训练数据集较小（64个μCT图像），验证集仅包含8个图像	开发生成式深度学习模型以预测生物结构损伤行为	大鼠腰椎椎体	数字病理学	NA	μCT成像	3D cGAN	3D μCT图像	64个训练用μCT图像，8个验证用图像
719	2025-07-16	Near-infrared spectroscopy coupled with Gramian angular field two-dimensional convolutional neural network for white tea adulteration detection 2025-Aug-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14353 PMID:40405615	研究论文	本研究利用近红外光谱结合Gramian角场二维卷积神经网络（GAF-2D-CNN）检测白茶的地理来源掺假	首次将GAF图像编码技术与2D-CNN结合应用于近红外光谱数据，提高了掺假检测的准确性和实用性	研究仅针对白茶的地理来源掺假，未涉及其他类型的茶叶或掺假方式	开发一种高效的白茶地理来源掺假定量检测方法	白茶及其地理来源掺假样本	计算机视觉	NA	近红外光谱（NIRS）	2D-CNN	光谱数据	未明确说明样本数量
720	2025-07-16	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-Aug-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	系统综述	本文综述了脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的研究现状及进展	利用深度学习技术预测脑年龄，并评估脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的潜力	包括站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等关键挑战	探讨脑年龄差距（BAG）作为阿尔茨海默病早期诊断生物标志物的潜力	阿尔茨海默病患者和健康老年人的脑结构变化	数字病理学	阿尔茨海默病	深度学习	深度学习模型	神经影像数据	NA