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
8001	2025-04-01	Deep Learning Approaches for the Classification of Keloid Images in the Context of Malignant and Benign Skin Disorders 2025-Mar-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060710 PMID:40150053	research paper	本研究探讨了深度学习算法在皮肤病变图像分类中的应用，特别是针对瘢痕疙瘩与其他良性和恶性皮肤病变的分类	研究首次将深度学习应用于瘢痕疙瘩与非皮肤镜图像的分类，并比较了九种不同CNN模型的性能	研究中使用的数据集有限，且在处理非皮肤镜图像时遇到了一些收集和处理问题	开发深度学习模型以准确分类瘢痕疙瘩与其他皮肤病变	瘢痕疙瘩、恶性皮肤病变（如黑色素瘤、基底细胞癌等）和良性皮肤病变	computer vision	skin disorders	transfer learning	CNN (VGG16, MobileNet, InceptionV3, DenseNet121, EfficientNetB0, Xception, InceptionRNV2, EfficientNetV2L, NASNetLarge)	image	两个公开可用的数据集，包含非皮肤镜图像，具体样本数量未明确说明
8002	2025-04-01	Deep Learning-Based Detection of Depression and Suicidal Tendencies in Social Media Data with Feature Selection 2025-Mar-12, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs15030352 PMID:40150247	研究论文	该研究提出了一种基于机器学习的框架，结合预训练语言模型和高级特征选择技术，用于从社交媒体数据中检测抑郁和自杀倾向	采用CWINCA进行特征选择和SVM进行分类，提高了检测抑郁和自杀倾向的准确性	未来工作需要关注实时检测能力和多语言适应性以提升实际应用性	通过社交媒体活动自动检测抑郁和自杀倾向，以支持早期干预和心理健康	社交媒体用户	自然语言处理	心理健康疾病	预训练语言模型和特征选择技术	SVM	文本	来自Twitter和Reddit的六个多样化数据集
8003	2025-04-01	Deep Multi-Modal Skin-Imaging-Based Information-Switching Network for Skin Lesion Recognition 2025-Mar-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030282 PMID:40150746	research paper	提出了一种基于深度学习的多模态皮肤成像信息交换网络（MDSIS-Net），用于端到端的皮肤病变识别	引入创新的信息交换模块和跨模态注意力机制，动态校准和整合多模态特征，提升特征表示和模态间关联	未明确提及模型在更大规模或多样化数据集上的泛化能力	提高皮肤病变识别的准确性和可解释性，以支持临床决策	皮肤病变图像，包括临床毁容性皮肤病数据和公开的Derm7pt黑色素瘤数据集	digital pathology	skin lesion	multi-modal imaging (spots, red marks, UV spots, porphyrins, brown spots)	CNN with information-switching module and cross-attention mechanism	image	临床毁容性皮肤病数据和Derm7pt黑色素瘤数据集（具体样本量未明确说明）
8004	2025-04-01	AI-Driven Advances in Low-Dose Imaging and Enhancement-A Review 2025-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060689 PMID:40150031	综述	本文回顾了人工智能在低剂量医学成像中的进展，特别是在CT、X射线和MRI中的应用	AI技术显著降低了辐射剂量同时提高了图像质量，并优化了放射学工作流程	模型泛化能力、监管限制、伦理考虑和计算需求等挑战仍需解决	探索AI在低剂量医学成像中的作用，以平衡诊断质量和辐射暴露	CT、X射线和MRI等医学成像技术	医学影像	NA	深度学习模型、卷积神经网络(CNNs)等AI技术	CNN	医学影像	NA
8005	2025-04-01	A Robust YOLOv8-Based Framework for Real-Time Melanoma Detection and Segmentation with Multi-Dataset Training 2025-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15060691 PMID:40150034	研究论文	提出了一种基于YOLOv8的深度学习框架，用于实时黑色素瘤检测和分割	采用多数据集训练策略增强泛化能力，将检测和分割任务统一到单次推理中，显著提高计算效率	建议整合可解释AI技术以增强临床信任和可解释性	提高黑色素瘤诊断的准确性和实时性	黑色素瘤图像	计算机视觉	黑色素瘤	深度学习	YOLOv8	图像	ISIC 2020、HAM10000和PH2数据集
8006	2025-04-01	Real-Time Object Detector for Medical Diagnostics (RTMDet): A High-Performance Deep Learning Model for Brain Tumor Diagnosis 2025-Mar-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030274 PMID:40150738	研究论文	介绍了一种名为RTMDet的高性能深度学习模型，用于实时脑肿瘤诊断	RTMDet通过优化CNN架构，在保持诊断精度的同时降低了计算负担，实现了实时处理	未提及具体的数据集规模或模型在多样化临床环境中的泛化能力	优化深度学习模型以实现脑肿瘤的实时高精度诊断	脑肿瘤的医学影像数据	数字病理	脑肿瘤	深度卷积神经网络	CNN	医学影像	未明确提及具体样本量，但使用了综合医学影像数据集
8007	2025-04-01	Integrated Machine Learning Algorithms-Enhanced Predication for Cervical Cancer from Mass Spectrometry-Based Proteomics Data 2025-Mar-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030269 PMID:40150733	研究论文	本研究利用基于质谱的蛋白质组学数据和多种机器学习算法，开发了一个AI驱动的流程，用于宫颈癌早期诊断血清生物标志物的识别和验证	结合八种不同的机器学习算法和多维学习模型，显著提高了早期宫颈癌诊断的准确性，AUC接近1	研究样本量相对较小（240例患者），且仅针对宫颈癌，未验证其他癌症类型的适用性	开发AI驱动的流程，提高早期癌症诊断的准确性	宫颈癌患者血清中的多肽差异峰	机器学习	宫颈癌	质谱蛋白质组学	多种机器学习算法（未具体说明）	蛋白质组学数据	240例患者
8008	2025-04-01	Deep learning‑based prediction of in‑hospital mortality for acute kidney injury 2025-Mar-07, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2470809 PMID:40052403	research paper	该研究提出了一种基于深度学习的GCAT模型，用于预测急性肾损伤（AKI）患者的院内死亡率	GCAT模型通过探索患者属性特征的相似性并构建患者特征相似性网络（PFSN），显著提高了预测准确性	研究仅使用了MIMIC-III数据集，可能无法涵盖所有临床场景	预测急性肾损伤（AKI）患者的院内死亡率	急性肾损伤（AKI）患者	machine learning	acute kidney injury	深度学习	GCAT	临床数据	MIMIC-III数据集中的患者
8009	2025-04-01	Anomaly Detection in Retinal OCT Images With Deep Learning-Based Knowledge Distillation 2025-Mar-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.3.26 PMID:40146150	研究论文	开发了一种基于深度学习的无监督异常检测系统，用于识别视网膜OCT图像中的病理形态学表现	采用Teacher-Student知识蒸馏方法，仅使用正常病例进行训练，无需额外人工标注，实现了高效的异常检测和定位	在外部数据集上的B-scan检测AUC值在0.81-0.87之间，性能有待进一步提升	开发一个稳健且通用的AI系统，用于筛查视网膜OCT图像中的病理异常	视网膜OCT图像	计算机视觉	年龄相关性黄斑变性(AMD)和糖尿病性黄斑水肿(DME)	深度学习	Teacher-Student知识蒸馏模型	图像	3358名患者的OCT扫描数据
8010	2025-04-01	A Novel Tactile Learning Assistive Tool for the Visually and Hearing Impaired with 3D-CNN and Bidirectional LSTM Leveraging Morse Code Technology 2025-Mar-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030253 PMID:40150717	研究论文	开发一种结合3D-CNN和双向LSTM的新型触觉学习辅助工具，利用摩尔斯电码技术帮助视力和听力受损儿童	结合3D-CNN和双向LSTM深度学习技术，将说话者的唇部动作转换为摩尔斯电码，通过可穿戴设备传递给聋盲儿童	实验评估中单词错误率为2%，可能存在一定的识别误差	减少聋盲儿童与同伴沟通的困难，并帮助他们在课堂环境中独立学习	聋盲儿童	机器学习	NA	摩尔斯电码技术	3D-CNN和双向LSTM	唇部动作视频	NA
8011	2025-04-01	Non-Contact Blood Pressure Monitoring Using Radar Signals: A Dual-Stage Deep Learning Network 2025-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030252 PMID:40150716	研究论文	提出了一种基于雷达信号的非接触式血压监测方法，采用双阶段深度学习网络	结合空间和时间特征学习的层次神经网络框架，利用雷达信号实现非接触式血压监测，并通过早期估计扩展特征集以提升预测能力	临床误差虽可接受，但仍存在改进空间（SBP: -1.09 ± 5.15 mmHg, DBP: -0.26 ± 4.35 mmHg）	开发一种非接触式血压监测技术，提升用户舒适度和隐私保护	通过雷达信号捕捉的胸壁微振动及其二阶导数	机器学习	心血管疾病	雷达传感技术	CNN和Transformer结合的层次神经网络	雷达信号	NA
8012	2025-03-05	Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.250387 PMID:40035670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8013	2025-04-01	Qualitative and Quantitative Evaluation of a Deep Learning-Based Reconstruction for Accelerated Cardiac Cine Imaging 2025-Feb-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030231 PMID:40150695	research paper	本研究系统评估了一种基于深度学习的重建技术（Sonic DL Cine）在加速心脏电影成像中的应用效果	首次全面评估了Sonic DL Cine在高达12倍加速的心脏电影成像中的表现，并验证了其在保持图像质量和心脏功能测量准确性方面的能力	研究主要使用数字幻影和健康志愿者数据，未涉及心脏病患者群体	评估深度学习重建技术在加速心脏磁共振成像中的性能	心脏电影成像	digital pathology	cardiovascular disease	cardiac MR (CMR)	deep learning-based reconstruction	image	数字幻影和健康志愿者数据（具体数量未提及）
8014	2025-04-01	Multi-Model Segmentation Algorithm for Rotator Cuff Injury Based on MRI Images 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030218 PMID:40150682	research paper	提出一种基于MRI图像的AI诊断方法，用于肩袖损伤的自动分割和撕裂严重程度评估	首个专门用于肩袖损伤诊断的AI算法，结合Unet + FPN架构的多模型深度学习网络	未提及与其他现有方法的对比或临床验证的广泛性	开发一种AI辅助诊断平台，提高肩袖损伤诊断的效率和准确性	肩袖损伤的MRI图像	digital pathology	rotator cuff injury	MRI	Unet + FPN	image	376名患者的5640张图像用于训练，94名患者的1410张图像用于测试
8015	2025-04-01	A Deep Convolution Method for Hypertension Detection from Ballistocardiogram Signals with Heat-Map-Guided Data Augmentation 2025-Feb-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030221 PMID:40150686	研究论文	提出一种基于深度卷积网络的模型BH-Net，利用心冲击图信号进行高血压检测，并通过热图引导的数据增强方案提升性能	首次提出端到端深度卷积模型BH-Net用于心冲击图信号的高血压检测，并创新性地采用J波邻域选择策略进行数据增强	研究仅基于公开数据集进行验证，未涉及实际临床环境测试	开发非接触式高血压检测方法	心冲击图(BCG)信号	机器学习	心血管疾病	深度学习	CNN	时序信号数据	公开数据集（具体数量未说明）
8016	2025-04-01	From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications 2025-Feb-20, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15030220 PMID:40149742	综述	本文系统回顾了基于EEG的情绪识别在认知神经科学和实际应用中的研究进展	整合了神经和情绪网络，探讨了多模态方法在提高分类准确性方面的潜力	实时EEG处理中的准确性与计算效率之间的权衡，以及情绪标签不一致、实验协议变化和非标准化数据集的问题	推动基于EEG的情绪识别技术向更稳健、可扩展和符合伦理的应用方向发展	EEG信号及其与生理信号的结合	认知神经科学	NA	EEG, 信号处理技术（如频谱特征、连接性分析、额叶不对称检测）	CNN, RNN	EEG信号, 生理信号	64项研究
8017	2025-04-01	Transformative Approaches in Breast Cancer Detection: Integrating Transformers into Computer-Aided Diagnosis for Histopathological Classification 2025-Feb-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030212 PMID:40150677	research paper	该研究提出了一种新颖的双流方法用于乳腺癌组织病理学图像分类，结合了组织病理学继承特征和基于视觉的特征以提高诊断精度	提出了一种结合Virchow2深度学习模型和Nomic基于视觉的transformer模型的双流方法，实现了全面的特征表示	未提及具体局限性	提高乳腺癌早期检测和治疗的诊断方法	乳腺癌组织病理学图像	digital pathology	breast cancer	deep learning, transformer model	Virchow2, Nomic	image	BACH数据集
8018	2025-04-01	Deep Learning and Radiomics for Gastric Cancer Lymph Node Metastasis: Automated Segmentation and Multi-Machine Learning Study from Two Centers 2025-Feb-13, Oncology IF:2.5Q3 DOI:10.1159/000544179 PMID:39947156	研究论文	本研究开发了一种基于深度学习的自动分割脾脏CT图像方法，并结合放射组学和深度学习特征构建了胃癌淋巴结转移预测模型	使用U-Mamba深度学习模型实现脾脏CT图像的全自动分割，结合放射组学和深度学习特征构建预测模型，并生成列线图以探索临床指导意义	研究仅纳入284名患者，样本量相对有限	开发胃癌淋巴结转移的预测方法	284名经病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba, 机器学习方法	CT图像	284名胃癌患者
8019	2025-04-01	Deep learning based approaches for intelligent industrial machinery health management and fault diagnosis in resource-constrained environments 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79151-2 PMID:39774953	综述	本文综述了工业4.0背景下基于深度学习的工业机械健康管理与故障诊断方法，特别是在资源受限环境中的应用	全面调查了智能故障诊断（IFD）方法，并提出了从数据处理、模型构建到训练优化的三个不同视角分类	现有方法大多假设数据完整、平衡且充足，这与实际工程场景不符	探讨工业机械健康管理（IMHM）中的剩余使用寿命（RUL）预测、边缘计算架构和智能故障诊断（IFD）的研究进展	工业机械的健康管理与故障诊断	机器学习	NA	深度学习	NA	工业机械数据	NA
8020	2025-04-01	Evaluation of an acne lesion detection and severity grading model for Chinese population in online and offline healthcare scenarios 2025-01-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84670-z PMID:39774300	研究论文	开发并评估了一种基于深度学习的算法AcneDGNet，用于在不同医疗场景中准确完成痤疮病变检测和严重程度分级	设计了包含特征提取、病变检测和严重程度分级模块的AcneDGNet算法，并在在线和离线医疗场景中进行了系统评估	未提及算法的计算效率或在不同肤色人群中的泛化能力	开发一种能准确完成痤疮病变检测和严重程度分级的深度学习算法，并评估其在不同医疗场景中的性能	痤疮病变检测和严重程度分级	计算机视觉	痤疮	深度学习	AcneDGNet（包含特征提取、病变检测和严重程度分级模块）	图像	2,157张面部图像（来自两个公共数据集和三个自建数据集）