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
61	2025-05-18	A novel skeletal muscle quantitative method and deep learning-based sarcopenia diagnosis for cervical cancer patients treated with radiotherapy 2025-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17791 PMID:40170435	research paper	该研究提出了一种基于深度学习的自动分割和肌肉减少症诊断方法，用于宫颈癌放疗患者的骨骼肌定量测量	使用第五腰椎（L5）替代第三腰椎（L3）进行骨骼肌指数（SMI）评估，并开发了一个端到端的解剖距离引导的双分支特征融合网络进行自动分割	研究样本量有限，且外部验证数据集的表现略低于训练数据集	探索CBCT在评估宫颈癌放疗患者骨骼肌指数（SMI）和肌肉减少症诊断中的实用性	宫颈癌放疗患者	digital pathology	cervical cancer	CBCT, deep learning	end-to-end anatomical distance-guided dual branch feature fusion network	image	248名宫颈癌放疗患者
62	2025-05-18	Artificial intelligence in preclinical research: enhancing digital twins and organ-on-chip to reduce animal testing 2025-May, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104360 PMID:40252989	review	本文探讨了人工智能在临床前研究中的应用，特别是通过数字孪生和器官芯片技术减少动物实验	结合AI技术提升数字孪生和器官芯片的预测能力和可扩展性，为药物研发提供更精确和高效的替代方案	未提及具体的实验数据或案例研究来验证这些技术的实际效果	探索AI在临床前药物研究中替代传统动物实验的潜力	数字孪生（DTs）和器官芯片（OoC）平台	machine learning	NA	machine learning (ML), deep learning (DL)	NA	模拟生物系统数据	NA
63	2025-05-18	Automated Lightweight Model for Asthma Detection Using Respiratory and Cough Sound Signals 2025-May-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091155 PMID:40361974	研究论文	本研究利用AI分析和建模咳嗽与呼吸声音信号，开发了一个轻量级的深度学习模型，用于区分哮喘、COPD和健康受试者	首次提出利用双重声音信号（咳嗽和呼吸声音）结合多种机器学习算法（RF、SVM、DT、NN、KNN）和多数投票集成技术，以提高哮喘诊断的准确性和鲁棒性	研究仅针对哮喘和COPD，未涵盖其他慢性呼吸系统疾病，且样本量和多样性可能有限	开发一个基于AI的诊断系统，准确区分哮喘、COPD和健康受试者，以提升早期检测和临床管理	哮喘、COPD患者及健康受试者的咳嗽和呼吸声音信号	数字病理	哮喘、COPD	Gabor时频变换、NCA特征选择	RF、SVM、DT、NN、KNN	声音信号	NA
64	2025-05-18	EM-DeepSD: A Deep Neural Network Model Based on Cell-Free DNA End-Motif Signal Decomposition for Cancer Diagnosis 2025-May-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091156 PMID:40361973	研究论文	提出了一种基于cfDNA末端基序信号分解的深度学习框架EM-DeepSD，用于提高癌症诊断的准确性并适应不同的测序模式	开发了EM-DeepSD框架，结合信号分解、机器学习和深度学习模块，优化癌症诊断的准确性，并适应不同测序模式	样本量相对较小（146名癌症患者和122名非癌症对照）	提高癌症诊断的准确性并适应不同的测序模式	癌症患者和非癌症对照的cfDNA末端基序	数字病理学	癌症	5-羟甲基胞嘧啶测序（5hmCS）和广范围cfDNA测序（BR-cfDNA-Seq）	深度学习框架（EM-DeepSD）	cfDNA末端基序数据	146名癌症患者和122名非癌症对照
65	2025-05-18	CNN-LSTM-Based Damage Localization of Plate Structure 2025-May-01, Materials (Basel, Switzerland) DOI:10.3390/ma18092081 PMID:40363584	研究论文	提出了一种结合CNN和LSTM的创新损伤定位方法，用于铝板结构的损伤检测	创新性地将CNN和LSTM联合应用于损伤检测领域，克服了传统方法在特征提取和损伤定位上的不足	实验仅在铝板上进行，未涉及其他材料或复杂结构	提高板结构损伤定位的准确性	铝板结构	机器学习	NA	CNN-LSTM联合模型	CNN, LSTM	一维信号数据转换为二维灰度图像	铝板实验数据（具体数量未提及）
66	2025-05-18	Advanced Deep Learning Approaches in Detection Technologies for Comprehensive Breast Cancer Assessment Based on WSIs: A Systematic Literature Review 2025-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091150 PMID:40361968	系统综述	本文系统综述了2020年至2024年间基于深度学习的乳腺癌检测方法，分析了39项同行评审研究和20个广泛使用的WSI数据集	提出了一个五维评估框架，涵盖准确性和性能、鲁棒性和泛化性、可解释性、计算效率和注释质量，以增强临床相关性并指导模型开发	研究中存在的挑战包括图像质量的可变性、高质量注释的有限可用性、模型可解释性差、计算需求高以及处理效率不佳	优化和将基于WSI的技术转化为临床工作流程，以实现全面的乳腺癌评估	乳腺癌的淋巴细胞和分子生物标志物	数字病理学	乳腺癌	深度学习	NA	图像（WSI）	39项研究和20个WSI数据集
67	2025-05-18	Postural Analysis in Ventral and Dorsal Decubitus Babies Using Deep Learning Techniques: A Protocol Study 2025-Apr-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093096 PMID:40364127	研究论文	使用深度学习技术分析0至6个月大婴儿在俯卧和仰卧姿势中的体位，以确定客观的体位评估参数	首次将人工智能技术应用于婴儿体位分析，以客观评估体位控制并检测可能的发育延迟	研究为观察性和横断面研究，可能无法全面反映婴儿体位发育的长期变化	分析婴儿体位以优化早期运动或体位发育延迟的检测和治疗	0至6个月大的婴儿	数字病理学	NA	深度学习	NA	图像	未明确说明样本数量，研究对象为0至6个月大的婴儿
68	2025-05-18	Non-Invasive Jaundice Screening Using AI: Machine Learning Analysis of Sclera and Urine Images 2025-Apr-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093125 PMID:40364159	research paper	该研究开发了一种基于AI的非侵入性黄疸筛查方法，通过分析巩膜和尿液图像来预测黄疸，并与标准血液检测的准确性进行比较	利用巩膜和尿液图像结合AI技术进行非侵入性黄疸筛查，避免了传统血液检测的侵入性	样本量较小（57名肝病患者和31名对照），且为回顾性研究	开发一种非侵入性的黄疸筛查方法，提高黄疸诊断的便捷性和准确性	肝病患者和健康对照者的巩膜和尿液图像	digital pathology	liver disease	machine learning and deep learning	Decision Tree, Random Forest, XGBoost, DeepSets, ResNet	image	57名肝病患者和31名对照者
69	2025-05-18	Monitoring Double-Cropped Extent with Remote Sensing in Areas with High Crop Diversity 2025-Apr-30, Plants (Basel, Switzerland) DOI:10.3390/plants14091362 PMID:40364389	研究论文	本文开发并应用了一种低成本、可扩展的方法，利用卫星（Landsat）影像在田间尺度上识别双季种植	结合机器学习方法与专家标注，开发了一种在作物多样性高的地区准确识别双季种植的新方法	方法在作物多样性高的地区表现良好，但在其他地区的适用性未经验证	开发一种可靠的方法来监测高作物多样性地区的双季种植范围	美国华盛顿州太平洋西北部一个干旱地区的双季种植情况	遥感	NA	卫星遥感（Landsat影像）	深度学习模型	卫星影像时间序列数据	包含60多种不同类型作物的灌溉农田区域
70	2025-05-18	Identifying Key Predictors of Sarcopenic Obesity in Italian Severely Obese Older Adults: Deep Learning Approach 2025-Apr-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093069 PMID:40364101	研究论文	本研究旨在利用深度学习神经网络识别意大利严重肥胖老年人中肌肉减少性肥胖（SO）的关键预测因子	首次在严重肥胖老年人群中应用深度学习模型识别SO的关键预测因子，并展示了深度学习在SO早期诊断中的潜力	样本量相对较小（未明确具体数量），且研究设计为横断面研究，无法确定因果关系	识别严重肥胖老年人中肌肉减少性肥胖的关键预测因子	意大利住院的严重肥胖老年人	数字病理学	老年疾病	深度学习神经网络	深度学习	临床参数和身体成分数据	未明确具体数量（意大利住院的严重肥胖老年人）
71	2025-05-18	Construction and Evaluation of an Artificial Intelligence Assistant Decision-Making System Focused on the Treat-to-Target Framework and Full Process Management for Atopic Dermatitis: Study Protocol for a Randomized Controlled Trial 2025-Apr-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14093015 PMID:40364047	研究论文	本研究旨在构建和评估一个基于人工智能的辅助决策系统，用于特应性皮炎的全过程管理和达标治疗框架	结合深度学习模型和移动应用形式的人工智能辅助决策系统，实现特应性皮炎的达标治疗和全过程管理	研究样本量有限（232名参与者），且仅针对中重度特应性皮炎患者	通过AI辅助决策系统改善特应性皮炎的治疗效果和长期控制	中重度特应性皮炎患者	数字病理	特应性皮炎	深度学习	深度学习模型（未指定具体类型）	临床数据	232名中重度特应性皮炎患者
72	2025-05-18	NiO/ZnO Nanocomposites for Multimodal Intelligent MEMS Gas Sensors 2025-04-25, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c02789 PMID:40126565	research paper	开发了一种基于NiO/ZnO纳米复合材料的多模态智能MEMS气体传感器，用于提高对多种挥发性有机化合物（VOCs）的检测灵敏度和选择性	通过精确调控NiO和ZnO纳米复合比例，实现了对不同VOCs的材料特异性选择性，并结合多任务深度学习模型进行实时定量检测	NA	提高气体传感器阵列对多种VOCs的检测灵敏度和选择性，特别是在多变环境条件下	挥发性有机化合物（VOCs），特别是乙二醇（EG）和柠檬烯（LM）	传感器技术	NA	多任务深度学习模型	深度学习	传感器数据	NA
73	2025-05-18	From Morphology to Gene Expression Profiling in Mycosis Fungoides: Is It Still a Diagnostic Challenge? 2025-Apr-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091089 PMID:40361907	综述	本文回顾了蕈样肉芽肿（MF）最重要的临床病理特征，并探讨了人工智能在皮肤淋巴瘤诊断中的应用前景	结合深度学习与临床数据探索MF的组织学特征，提出人工智能在寻找疾病进展生物标志物方面的潜力	基因改变主要在疾病晚期被发现，其在疾病起始阶段的重要性尚不明确	提高蕈样肉芽肿的早期诊断准确性并阐明其发病机制	蕈样肉芽肿（MF）患者	数字病理学	皮肤淋巴瘤	全基因组表达分析	深度学习	组织学图像和临床数据	NA
74	2025-05-18	Representation of high-dimensional cell morphology and morphodynamics in 2D latent space 2025-Apr-24, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/adcd37 PMID:40233771	研究论文	开发了一种基于深度学习的算法，将13维细胞形态特征向量投影到2维潜在空间，以减少信息损失并可视化细胞形态和动态变化	提出了一种非线性降维方法，将高维细胞形态特征投影到2维潜在空间，信息损失小于5%，并能区分不同迁移表型的乳腺癌细胞	仅针对13维形态特征进行了验证，未探讨更高维度特征的适用性	解决高维细胞形态数据在交流和可视化方面的障碍	乳腺癌细胞的形态和动态变化	数字病理学	乳腺癌	深度学习	NA	形态特征向量	NA
75	2025-05-18	The Effectiveness of Deep Learning in the Differential Diagnosis of Hemorrhagic Transformation and Contrast Accumulation After Endovascular Thrombectomy in Acute Ischemic Stroke Patients 2025-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091080 PMID:40361898	research paper	该研究利用深度学习技术，在急性缺血性卒中患者血管内血栓切除术后，通过非对比计算机断层扫描图像区分出血性转化和对比剂积聚	首次应用多种CNN架构模型对急性缺血性卒中患者术后NCCT图像中的高密度区域进行自动分类，实现了对HT和CA的高精度区分	样本量相对较小（52名患者），且所有数据来自单中心	开发能够早期准确区分出血性转化和对比剂积聚的深度学习模型，以指导抗凝或抗血小板治疗决策	急性缺血性卒中患者血管内血栓切除术后24小时内的NCCT图像	digital pathology	cardiovascular disease	non-contrast computed tomography (NCCT)	CNN (包括DenseNet201, InceptionResNet, InceptionV3, NASNetLarge, ResNet50, ResNet101, VGG16, VGG19和Xception)	image	52名患者（21女31男）的556张NCCT图像
76	2025-05-18	Rapid and Efficient Screening of Helicobacter pylori in Gastric Samples Stained with Warthin-Starry Using Deep Learning 2025-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091085 PMID:40361903	research paper	该研究开发了一种结合特征金字塔网络和ResNet架构的深度学习算法，用于在Warthin-Starry染色的胃活检数字化图像中自动快速检测幽门螺杆菌	提出了一种结合特征金字塔网络和ResNet架构的新算法，显著减少了幽门螺杆菌检测的周转时间，并提高了诊断准确性，特别是对经验较少的人员	NA	开发一种自动快速检测幽门螺杆菌的算法，以减少检测周转时间并提高诊断准确性	Warthin-Starry染色的胃活检数字化图像	digital pathology	gastric cancer	deep learning	FPN, ResNet	image	NA
77	2025-05-18	A Multivariate Linear Regression-Based Ultrasonic Non-Destructive Evaluating Method for Characterizing Weld Tensile Strength Properties 2025-Apr-24, Materials (Basel, Switzerland) DOI:10.3390/ma18091925 PMID:40363429	研究论文	提出了一种基于多元线性回归的超声波无损评估方法，用于表征焊缝的拉伸强度特性	使用超声波无损评估方法替代传统的破坏性测试，能够在不破坏结构的情况下评估焊缝的拉伸强度	方法的准确率为76.3%，仍有提升空间，未来可以考虑使用深度学习方法提高准确性	开发一种无损评估焊缝拉伸强度的方法	X80钢管的焊缝	无损检测	NA	超声波信号处理	多元线性回归(MLR)	声学信号	240个测量点
78	2025-05-18	Developments in Deep Learning Artificial Neural Network Techniques for Medical Image Analysis and Interpretation 2025-Apr-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091072 PMID:40361891	review	本文探讨了深度学习在医学图像分析中的最新进展，包括各种神经网络技术的应用及其挑战	综述了多种深度学习模型（如CNN、RNN、GAN、U-Net、ViT等）在医学图像分析中的应用，并讨论了未来研究方向	存在数据可用性、模型可解释性、过拟合和计算需求等关键挑战	探索深度学习技术在医学图像分析中的发展及其临床应用潜力	医学图像分析技术	digital pathology	NA	深度学习	CNN, RNN, GAN, U-Net, ViT	image	NA
79	2025-05-18	Classification of Intraoral Photographs with Deep Learning Algorithms Trained According to Cephalometric Measurements 2025-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15091059 PMID:40361877	研究论文	本研究评估了基于实际头影测量数据训练的深度学习算法在口腔内临床照片分类中的应用	首次利用头影测量数据训练深度学习模型对口腔内照片进行分类，为无需侧位头影测量X光片的病例分类提供了新方法	分类准确率在不同测量指标间存在较大波动（33.33%-99.00%），部分分类准确率较低	探索深度学习算法在口腔正畸诊断中的应用潜力	990名患者的侧位头影测量片和右侧口腔内照片	计算机视觉	口腔正畸	深度学习	DenseNet, EfficientNet, Inception, MobileNet, NasNet, ResNet, VGG, Xception等14种模型	图像	990名患者的口腔内照片和头影测量数据
80	2025-05-18	A Novel Artificial Intelligence-Based Mobile Application for Pediatric Weight Estimation 2025-Apr-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14092873 PMID:40363905	研究论文	开发并评估了一款基于人工智能的移动应用程序PAICam，用于儿科体重估计	利用MoveNet的人体姿态估计和深度神经网络回归模型进行体重预测，相比传统方法在受限位置下减少测量误差	研究样本仅包括1个月至12岁的儿科患者，可能不适用于其他年龄段	开发一种在紧急情况下准确估计儿科体重的替代工具	1个月至12岁的儿科患者	人工智能	NA	MoveNet人体姿态估计，DNN回归模型	DNN	图像	1335名儿科参与者（57.4%男孩，42.6%女孩）