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
8061	2025-03-30	An enhanced image restoration using deep learning and transformer based contextual optimization algorithm 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94449-5 PMID:40133442	research paper	提出了一种结合Lewin架构与SwinIR的增强图像修复模型，利用深度学习和Transformer技术优化图像修复过程	结合Lewin架构与SwinIR，采用深度学习和Transformer技术，图像修复性能提升4.2%	未提及具体计算资源消耗或处理速度，可能在实际应用中存在效率问题	解决图像处理中噪声和模糊等问题，提升图像修复质量	受损图像（受噪声、模糊等问题影响）	computer vision	NA	deep learning, Transformer	Lewin architecture, SwinIR	image	多种图像数据集（未提具体数量）
8062	2025-03-30	Adaptive signal recognition in mines based on deep learning 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95070-2 PMID:40133479	研究论文	本文提出了一种基于深度学习的自适应信号识别方法，用于解决煤矿复杂无线环境中多种无线通信技术共存和严重信号干扰导致的识别准确率低和系统复杂度高的问题	结合分组残差卷积和通道混洗技术，显著减少模型参数数量（比原始WaveNet少37%），同时利用扩张因果卷积捕捉信号中的长程依赖关系，增强模型对多径干扰特征的判别能力，并引入动态通道注意力机制自适应调整特征权重，提高识别准确率	NA	提高煤矿复杂无线环境中的信号识别准确率和系统效率	煤矿复杂无线环境中的信号	机器学习	NA	深度学习	Group Residual Shuffle Attention WaveNet	信号数据	公共数据集（RML2016.10a）和模拟数据集
8063	2025-03-30	Road manhole cover defect detection via multi-scale edge enhancement and feature aggregation pyramid 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95450-8 PMID:40133666	research paper	提出了一种名为EEFA-YOLO的增强方法，用于道路井盖缺陷检测，结合了多尺度边缘增强和特征聚合金字塔模块	引入了多尺度边缘增强(MSEE)和特征聚合金字塔(FAP)两个新模块，提高了模型对细微物体和边缘细节的敏感性，并解决了尺度变化和背景干扰问题	未明确提及具体局限性	提高道路井盖缺陷检测的准确性和效率，以保障公共安全和优化维护作业	道路井盖及其缺陷（完好、破损、丢失、错位）	computer vision	NA	deep learning	EEFA-YOLO (基于YOLOv11改进)	image	包含多种场景和缺陷类型的多样化道路井盖数据集（具体数量未提及）
8064	2025-03-30	Artificial Intelligence in the Diagnosis of Neurological Diseases Using Biomechanical and Gait Analysis Data: A Scopus-Based Bibliometric Analysis 2025-Mar-20, Neurology international IF:3.2Q2 DOI:10.3390/neurolint17030045 PMID:40137466	文献综述	本研究通过文献计量分析和文献综述，探讨人工智能技术在神经学领域中的应用进展，特别是在生物力学和步态分析数据用于神经系统疾病诊断方面的应用	利用VOSviewer软件和Scopus数据库进行文献计量分析，识别了该领域的关键期刊、作者和研究合作，揭示了研究热点和主要贡献	研究合作相对有限，仅有少数高被引作者、文献和期刊推动该领域研究	探索人工智能技术在神经学领域中的应用进展，特别是在神经系统疾病诊断方面的应用	113篇2018年至2024年间发表的文献	机器学习	神经系统疾病	机器学习（ML）和深度学习（DL）	NA	生物力学和步态分析数据	113篇文献
8065	2025-03-30	Artificial Intelligence in Nuclear Cardiac Imaging: Novel Advances, Emerging Techniques, and Recent Clinical Trials 2025-Mar-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14062095 PMID:40142902	综述	本文探讨了人工智能在核医学心脏成像中的最新进展及其对心脏诊断领域的快速变革	人工智能技术如机器学习和深度学习神经网络为核医学心脏成像提供了新的数据解读方法，提升了图像重建、降噪及复杂数据集解释的能力	未明确提及具体的技术或临床实施中的限制	探索人工智能在核医学心脏成像中的最新进展、技术应用及临床试验	核医学心脏成像技术及其在冠状动脉疾病诊断和治疗决策中的应用	数字病理学	心血管疾病	机器学习和深度学习神经网络	ML和DL	图像	NA
8066	2025-03-30	Development of GUI-Driven AI Deep Learning Platform for Predicting Warpage Behavior of Fan-Out Wafer-Level Packaging 2025-Mar-17, Micromachines IF:3.0Q2 DOI:10.3390/mi16030342 PMID:40141953	研究论文	本研究开发了一个基于深度学习的AI预测平台，专门用于预测扇出型晶圆级封装(FOWLP)的翘曲行为	平台采用图形用户界面(GUI)，简化了深度学习模型的设计、训练和操作，使非专业用户无需大量编程知识即可配置和运行AI预测	NA	解决扇出型晶圆级封装(FOWLP)翘曲行为预测的挑战，提高电子封装设计的效率和准确性	扇出型晶圆级封装(FOWLP)的翘曲行为	机器学习	NA	深度学习	NA	大型数据集	NA
8067	2025-03-30	Fundus-Derived Predicted Age Acceleration in Glaucoma Patients Using Deep Learning and Propensity Score-Matched Controls 2025-Mar-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14062042 PMID:40142850	research paper	本研究利用深度学习和倾向评分匹配对照，探讨了青光眼与加速生物衰老之间的关系，并分析了系统性因素和视网膜血管变化在这一关联中的作用	首次使用眼底图像衍生的预测年龄来研究青光眼与加速生物衰老的关联，并探索了系统性因素和视网膜血管变化的影响	研究为横断面设计，无法确定因果关系，需要进一步纵向研究	研究青光眼与加速生物衰老之间的关系，并探索系统性因素和视网膜血管变化的作用	青光眼患者和匹配对照	digital pathology	glaucoma	deep learning	EfficientNet	image	6023名参与者（包括547名青光眼患者和547名匹配对照）
8068	2025-03-30	Enhancing Unconditional Molecule Generation via Online Knowledge Distillation of Scaffolds 2025-Mar-12, Molecules (Basel, Switzerland) DOI:10.3390/molecules30061262 PMID:40142038	研究论文	本文提出了一种通过在线知识蒸馏框架将分子支架信息整合到语言模型中，以增强无条件分子生成的方法	通过在线知识蒸馏框架整合分子支架信息，提升无条件分子生成的有效性和新颖性	直接使用支架作为先验输入可能引入偏差，限制新分子的探索	提高无条件分子生成的有效性和新颖性，以加速药物发现过程	药物样分子	自然语言处理	NA	在线知识蒸馏	GPT, Transformer	SMILES字符串	在两个著名的分子生成基准测试上进行实验
8069	2025-03-30	Computational Analysis of Morphological Changes in Lactiplantibacillus plantarum Under Acidic Stress 2025-Mar-12, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms13030647 PMID:40142539	研究论文	通过计算图像分析研究酸性压力下植物乳杆菌形态变化	开发了一种结合深度学习和目标检测的计算方法，用于测量细菌细胞尺寸，并揭示了酸性环境下细菌形态的显著变化	研究仅针对单一菌种，结果可能不适用于其他细菌	研究酸性压力对细菌形态的影响	植物乳杆菌	计算机视觉	NA	深度学习、目标检测、图像分类	深度学习模型	图像	单一菌种培养物
8070	2025-03-30	A Fusion Deep Learning Model for Predicting Adverse Drug Reactions Based on Multiple Drug Characteristics 2025-Mar-10, Life (Basel, Switzerland) DOI:10.3390/life15030436 PMID:40141781	研究论文	开发了一种基于多药物特征的融合深度学习模型，用于预测药物不良反应	整合了药物的多种特征（如一维和二维序列结构信息、药物-蛋白质相互作用数据及药物相似性），并采用融合模型预测药物不良反应的精确概率，显著提高了预测的准确性和鲁棒性	未提及具体的数据集规模限制或模型在特定药物类别上的泛化能力	提高药物不良反应的预测准确性，以增强新药开发和临床使用的监测措施	药物及其不良反应	机器学习	NA	深度学习	融合模型	药物分子结构数据、药物-蛋白质相互作用数据、药物相似性数据	未明确提及具体样本数量，但使用了基准数据集和LIU's数据集进行验证
8071	2025-03-30	Differential Alternating Current Field Measurement with Deep Learning for Crack Detection and Evaluation 2025-Mar-10, Micromachines IF:3.0Q2 DOI:10.3390/mi16030318 PMID:40141929	研究论文	本文介绍了一种结合深度学习的差分TMR-ACFM探头，用于裂纹检测和评估	差分设计有效减轻了提升效应和外部噪声，提高了检测性能而不增加成本，同时开发了CNN + CBAM网络进行高精度裂纹尺寸评估	裂纹尺寸评估在宽度上的相对误差较高（7.224%）	开发一种高精度的裂纹检测和评估方法	裂纹（长度10-30 mm，深度2-6 mm，宽度0.25-1.25 mm）	计算机视觉	NA	差分TMR-ACFM探头	CNN + CBAM	实验数据	裂纹尺寸范围：长度10-30 mm，深度2-6 mm，宽度0.25-1.25 mm
8072	2025-03-30	MBL-TransUNet: Enhancing Mesostructure Segmentation of Textile Composite Images via Multi-Scale Feature Fusion and Boundary Guided Learning 2025-Mar-09, Materials (Basel, Switzerland) DOI:10.3390/ma18061215 PMID:40141498	research paper	提出了一种名为MBL-TransUNet的深度学习模型，用于增强纺织复合材料图像的介观结构分割，通过多尺度特征融合和边界引导学习模块提高分割精度	引入了边界引导学习模块和多尺度特征融合模块，结合BatchFormerV2进行跨批次学习，显著提高了分割精度和模型的泛化能力	未提及模型在更大规模或不同类型数据集上的表现，以及计算资源消耗情况	解决纺织复合材料图像中精确的纱线边界识别问题，提升分割精度	纺织复合材料图像	computer vision	NA	深度学习	MBL-TransUNet (基于TransUNet改进)	图像	未明确提及具体样本数量
8073	2025-03-30	Current Role of Artificial Intelligence in the Management of Esophageal Cancer 2025-Mar-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061845 PMID:40142652	综述	本文综述了人工智能在食管癌管理中的当前应用和未来前景	整合临床因素和多模态影像特征的AI模型显示出更高的预测性能，可能改善患者治疗效果	需要解决现有局限性，进行随机对照试验，并考虑伦理和法律问题	探讨人工智能在食管癌管理中的应用	食管癌患者	数字病理	食管癌	机器学习、深度学习、放射组学	NA	临床数据和影像数据	41项研究
8074	2025-03-30	Deep Learning in Scaphoid Nonunion Treatment 2025-Mar-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061850 PMID:40142658	research paper	本研究利用深度学习算法预测舟骨不愈合手术后愈合的可能性	开发了一个基于术前X光片的深度学习模型，预测手术成功率高达93.6%，显著高于传统逻辑回归的66.3%	研究仅基于346名患者的X光片数据，样本量相对有限	开发一种可靠的工具来预测舟骨不愈合手术的成功率，以指导临床决策	346名被诊断为舟骨不愈合的患者	digital pathology	scaphoid nonunion	X-ray imaging	TensorFlow deep learning algorithm	image	346名患者的术前和术后X光片
8075	2025-03-30	AGASI: A Generative Adversarial Network-Based Approach to Strengthening Adversarial Image Steganography 2025-Mar-09, Entropy (Basel, Switzerland) DOI:10.3390/e27030282 PMID:40149206	研究论文	提出了一种基于GAN的方法AGASI，用于增强对抗性图像隐写术的鲁棒性	使用GAN框架结合编码器和解码器，提升隐写图像对抗隐写分析工具的能力，同时减少原始秘密图像与提取图像之间的差距	未提及具体在哪些类型的图像或场景下效果有限	增强图像隐写术的鲁棒性，以对抗基于深度学习的隐写分析技术	隐写图像和秘密图像	计算机视觉	NA	生成对抗网络(GAN)	GAN	图像	未提及具体样本数量
8076	2025-03-30	A Deep Learning-Based Detection and Segmentation System for Multimodal Ultrasound Images in the Evaluation of Superficial Lymph Node Metastases 2025-Mar-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061828 PMID:40142635	研究论文	开发并验证了一种基于深度学习的自动检测和分割系统，用于评估浅表淋巴结转移的多模态超声图像	首次将Mask R-CNN架构应用于多模态超声图像（B型、多普勒和弹性成像）中的淋巴结检测和分割，结合血管性和硬度参数提高了诊断能力	未提及模型在不同医疗机构或设备上的泛化能力，也未说明样本来源的多样性	开发自动化的淋巴结转移评估系统以提高诊断效率和准确性	浅表淋巴结的多模态超声图像（B型、多普勒和弹性成像）	数字病理	癌症（淋巴结转移）	多模态超声成像（B型、多普勒、弹性成像）	Mask R-CNN	图像	未明确说明数量的标注超声图像数据集
8077	2025-03-30	Novel Preprocessing-Based Sequence for Comparative MR Cervical Lymph Node Segmentation 2025-Mar-07, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14061802 PMID:40142614	研究论文	本研究利用深度学习方法对磁共振图像中的颈部淋巴结进行自动分割，以提高颈部病理性肿块诊断的速度和准确性，并改善患者治疗流程	首次探索使用全面的颈部MRI序列进行颈部淋巴结的自动分割，提出的预处理模型和自动重新裁剪方法提高了分割的准确性	样本量相对较小（64名患者），且仅针对颈部淋巴结，可能限制了模型的泛化能力	提高颈部淋巴结在磁共振图像中的自动分割准确性和速度，优化诊断和治疗流程	颈部淋巴结	数字病理	颈部淋巴结疾病	MRI	DeepLabv3+ with ResNet-50	图像	64名患者的1346张MRI切片
8078	2025-03-30	A Multicenter Study on Intraoperative Glioma Grading via Deep Learning on Cryosection Pathology 2025-Mar-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100749 PMID:40057037	研究论文	本研究开发了一种基于深度学习的术中胶质瘤分级模型（IGGC），用于提高冷冻切片图像的分级准确性	开发了首个基于深度学习的术中胶质瘤分级模型（IGGC），显著提高了诊断准确性和一致性	研究样本主要来自TCGA数据集，可能无法完全代表所有临床场景	提高术中胶质瘤分级的准确性和一致性，优化手术策略和患者预后	成人型弥漫性胶质瘤的冷冻切片图像	数字病理学	胶质瘤	深度学习	CNN（未明确说明但推断为卷积神经网络）	图像	训练集1603例，验证集628例，测试集5个队列共213例
8079	2025-03-30	Applications of AI-based deep learning models for detecting dental caries on intraoral images - a systematic review 2025-Mar, Evidence-based dentistry DOI:10.1038/s41432-024-01089-1 PMID:39609513	系统综述	本文评估了基于AI的深度学习模型在口腔内图像上检测龋齿的有效性	系统综述了AI深度学习模型在龋齿检测中的应用，并评估了其性能和临床研究的质量	研究中仅有3项研究使用了可解释AI技术，且仅有4项研究开发了移动或网络应用	评估AI深度学习模型在龋齿检测中的有效性	口腔内图像	计算机视觉	龋齿	深度学习	DL	图像	23项研究
8080	2025-03-30	Fast Reverse Design of 4D-Printed Voxelized Composite Structures Using Deep Learning and Evolutionary Algorithm 2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407825 PMID:39893044	research paper	本研究提出了一种结合深度学习和进化算法的优化方法，用于4D打印的体素化复合结构的快速逆向设计	开发了一种序列增强的并行卷积神经网络和渐进式进化算法（PEA），构建了DL-PEA框架，显著缩短了设计时间至约3.04秒	研究主要针对溶剂响应性水凝胶，可能不适用于其他类型的刺激响应材料	优化4D打印的体素化复合结构的设计过程，以实现特定目标形状的快速逆向设计	溶剂响应性水凝胶的4D打印体素化复合结构	machine learning	NA	深度学习（DL）、进化算法、有限元模拟	序列增强的并行CNN、渐进式进化算法（PEA）	模拟数据	NA