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
8141	2025-03-17	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-Mar, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本文探讨了使用深度学习在放射治疗中自动校正患者定位错误的可行性	利用神经网络对获取的端口图像（PFIs）和数字重建放射影像（DRRs）进行自动校正，展示了AI在放射治疗中的潜在应用	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在辅助放射治疗患者定位校正中的应用	接受放射治疗的脑部和气道消化道恶性肿瘤患者	数字病理	脑癌, 气道消化道恶性肿瘤	神经网络	神经网络	图像	156名患者（96名气道消化道恶性肿瘤患者，60名脑肿瘤患者）
8142	2025-03-17	An optimized lightweight real-time detection network model for IoT embedded devices 2025-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88439-w PMID:39885208	研究论文	本文提出并部署了一种适用于物联网嵌入式设备的优化轻量级实时检测网络模型FRYOLO，用于解决YOLOv8在资源受限设备上部署的挑战	提出了一种针对物联网嵌入式设备优化的轻量级实时检测网络模型FRYOLO，解决了YOLOv8在资源受限设备上部署的难题	未提及模型在其他类型目标检测任务中的表现，仅以水果检测为例进行了验证	开发一种适用于物联网嵌入式设备的轻量级实时检测网络模型	物联网嵌入式设备中的实时目标检测任务	计算机视觉	NA	深度学习	YOLOv8, FRYOLO	图像	未明确提及具体样本数量，仅以水果检测为例
8143	2025-03-17	DeepSeeded: Volumetric Segmentation of Dense Cell Populations with a Cascade of Deep Neural Networks in Bacterial Biofilm Applications 2024-Mar-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.122094 PMID:38646063	研究论文	本文提出了一种名为DeepSeeded的新型3D细胞分割方法，通过级联深度学习架构估计种子，用于经典的种子区域生长分割	DeepSeeded方法通过级联深度学习架构增强细胞内部和边界信息，并使用欧几里得距离变换进行体素级分类，从而在密集且强度不均匀的显微镜图像体积中分割接触的细胞实例	尽管在密集细胞群的分割上表现出色，但该方法在低信噪比和高细胞密度的显微镜图像上可能仍存在挑战	开发一种能够准确分割密集细胞群的3D显微镜图像的方法，以量化细胞属性并促进生物医学研究的新发现	细菌生物膜中的密集细胞群	计算机视觉	NA	深度学习	级联深度神经网络	3D显微镜图像	合成数据集和两个真实生物膜数据集
8144	2025-03-16	NiSNN-A: Noniterative Spiking Neural Network With Attention With Application to Motor Imagery EEG Classification 2025-Mar-14, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3538335 PMID:40085464	研究论文	本文提出了一种结合注意力机制的非迭代脉冲神经网络（NiSNN-A），用于运动想象（MI）脑电图（EEG）分类，旨在提高精度并降低能耗	提出了一种非迭代漏积分发放（NiLIF）神经元模型，解决了传统SNN在长时间步中使用迭代LIF神经元的梯度问题，并引入了基于序列的注意力机制来优化特征图	尽管NiSNN-A在精度和能效上有所提升，但其在EEG分类任务中的表现仍需进一步验证和优化	提高运动想象（MI）脑电图（EEG）分类的精度并降低能耗	运动想象（MI）脑电图（EEG）数据	机器学习	NA	NA	非迭代脉冲神经网络（NiSNN-A）	脑电图（EEG）数据	两个MI EEG数据集（OpenBMI和BCIC IV 2a）
8145	2025-03-16	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种新的概率深度学习方法，用于快速可靠地从X射线或中子散射测量中重建薄膜和多层结构	提出了一种名为PANPE（先验摊销神经后验估计）的新方法，结合了基于模拟的推理和自适应先验，能够在几秒钟内识别所有现实结构	未明确提及具体限制	提高从反射测量数据中重建薄膜和多层结构的可靠性和计算效率	薄膜和多层结构	物理学	NA	反射测量	PANPE（先验摊销神经后验估计）	X射线或中子散射测量数据	未明确提及具体样本数量
8146	2025-03-16	Deep learning models in classifying primary bone tumors and bone infections based on radiographs 2025-Mar-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-00855-3 PMID:40074845	研究论文	本研究开发了一种集成深度学习框架，用于基于X光片准确区分原发性骨肿瘤和骨感染	提出了一种集成深度学习框架，结合多中心X光片和广泛的临床特征，提高了诊断准确性	研究依赖于特定数据集，可能无法完全推广到其他医疗环境	提高原发性骨肿瘤和骨感染的诊断精度	原发性骨肿瘤和骨感染	计算机视觉	骨肿瘤	深度学习	EfficientNet B3, EfficientNet B4, Vision Transformer, Swin Transformers	X光片	外部数据集423例，内部数据集1044例（训练集）、354例（测试集）、171例（验证集）
8147	2025-03-16	AI in Histopathology Explorer for comprehensive analysis of the evolving AI landscape in histopathology 2025-Mar-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01524-2 PMID:40074858	研究论文	本文介绍了AI在组织病理学中的应用探索器（HistoPathExplorer），一个实时在线资源，用于评估AI在特定临床任务中的应用现状、分析其性能并探索影响其转化为实践的因素	开发了一个交互式仪表板HistoPathExplorer，提供了一个实时在线资源，用于评估AI在组织病理学中的应用现状，并定义了一个质量指数来评估已发表AI方法的全面性	未明确提及具体的研究限制	深入了解应用于组织病理学数据的深度学习算法方法，并评估其在不同任务中的表现，以开发下一代AI技术	组织病理学数据	数字病理学	癌症	深度学习算法	NA	组织病理学数据	NA
8148	2025-03-16	Fine-Tuned Machine Learning Classifiers for Diagnosing Parkinson's Disease Using Vocal Characteristics: A Comparative Analysis 2025-Mar-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050645 PMID:40075891	研究论文	本文通过优化机器学习算法，利用声音特征对帕金森病进行分类，旨在提供一种非侵入性且易于访问的诊断工具	结合先进的特征选择技术和超参数优化策略，提升基于声音特征的机器学习诊断帕金森病的性能，特别是堆叠模型通过网格搜索调优表现出最佳性能	未来研究可关注深度学习方法和时间特征整合，以进一步提高诊断准确性和临床应用的扩展性	评估优化后的机器学习算法在基于声音特征分类帕金森病中的有效性	188名帕金森病患者和64名对照者的声音样本	机器学习	帕金森病	贝叶斯优化、网格搜索、随机搜索	SVM、k-NN、DT、NN、集成模型、堆叠模型	声音数据	252人（188名患者和64名对照者）
8149	2025-03-16	Secure Hybrid Deep Learning for MRI-Based Brain Tumor Detection in Smart Medical IoT Systems 2025-Mar-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050639 PMID:40075886	研究论文	本文提出了一种结合混沌和Arnold加密技术与混合深度学习模型的自动化MRI图像分类系统，用于智能医疗物联网系统中的脑肿瘤检测	结合混沌和Arnold加密技术，确保MRI图像的机密性，同时不降低脑肿瘤分类的准确性	未提及具体的研究局限性	开发一种安全且自动化的MRI图像分类系统，用于脑肿瘤检测	MRI图像	计算机视觉	脑肿瘤	混沌加密、Arnold加密	VGG16、深度神经网络（DNN）	图像	未提及具体样本数量
8150	2025-03-16	Exploring the Role of Artificial Intelligence (AI)-Driven Training in Laparoscopic Suturing: A Systematic Review of Skills Mastery, Retention, and Clinical Performance in Surgical Education 2025-Mar-06, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13050571 PMID:40077133	系统综述	本文系统综述了人工智能（AI）驱动的培训系统在腹腔镜缝合技能掌握、长期保持和临床表现方面的作用	本文创新性地评估了AI在腹腔镜缝合培训中的应用，特别是深度学习、动作捕捉和视频分割等机器学习技术的优势和局限性	AI在准确性、可扩展性和集成方面仍存在局限性，需要进一步的大规模高质量研究来完善这些工具	评估AI在腹腔镜缝合技能获取、长期保持和临床表现方面的影响	腹腔镜缝合培训中的机器学习技术	机器学习	NA	深度学习、动作捕捉、视频分割	NA	视频、动作数据	33项研究符合纳入标准
8151	2025-03-16	Comparing and Combining Artificial Intelligence and Spectral/Statistical Approaches for Elevating Prostate Cancer Assessment in a Biparametric MRI: A Pilot Study 2025-Mar-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050625 PMID:40075871	研究论文	本研究比较并结合了人工智能和光谱/统计方法，以提升双参数MRI中前列腺癌评估的准确性	首次将自监督网格网络（Z-SSMNet）与光谱/统计方法结合，用于前列腺癌评估	样本量较小（42名患者），且深度学习/人工智能方法表现不如光谱/统计方法	评估和改进光谱/统计方法，结合人工智能提升前列腺癌评估准确性	前列腺癌患者	数字病理学	前列腺癌	深度学习（DL），光谱/统计方法	Z-SSMNet（自监督网格网络）	MRI图像	42名患者
8152	2025-03-16	Explainable Artificial Intelligence in Neuroimaging of Alzheimer's Disease 2025-Mar-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050612 PMID:40075859	综述	本文探讨了可解释人工智能（XAI）在阿尔茨海默病（AD）神经影像学中的应用	强调了XAI在提高AI模型透明度和临床适用性方面的创新，特别是在AD诊断中的应用	当前挑战包括数据集限制、监管问题和标准化问题	改进XAI在临床实践中的整合，以优化AD诊断和个性化治疗策略	阿尔茨海默病（AD）的神经影像数据	神经影像学	阿尔茨海默病	SHAP, LIME, Grad-CAM, Layer-wise Relevance Propagation (LRP)	深度学习, 机器学习	MRI, PET影像	NA
8153	2025-03-16	Enhancing Lymph Node Metastasis Risk Prediction in Early Gastric Cancer Through the Integration of Endoscopic Images and Real-World Data in a Multimodal AI Model 2025-Mar-03, Cancers IF:4.5Q1 DOI:10.3390/cancers17050869 PMID:40075715	研究论文	本研究旨在开发和验证一种基于深度学习的临床决策支持系统（CDSS），用于预测早期胃癌（EGC）中的淋巴结转移（LNM）和淋巴血管侵犯（LVI）	通过整合内镜图像、人口统计数据、活检病理和CT检查结果，开发了一种基于Transformer的多模态AI模型，显著提高了LNM/LVI的预测准确性	研究依赖于多机构数据，可能存在数据异质性问题，且外部验证样本量相对较小	提高早期胃癌中淋巴结转移和淋巴血管侵犯的预测准确性，以指导治疗策略	早期胃癌患者	数字病理	胃癌	深度学习	Transformer, CNN, 随机森林	图像, 人口统计数据, 活检病理, CT检查结果	2927名患者（训练集），449名患者（内部验证集），766名患者（外部验证集）
8154	2025-03-16	Enhancing patient representation learning with inferred family pedigrees improves disease risk prediction 2025-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae297 PMID:39723811	研究论文	本文提出了一种名为ALIGATEHR的方法，通过建模推断的家庭关系并结合基于注意力的医学本体表示，提高了疾病风险预测的准确性	ALIGATEHR首次在电子健康记录（EHR）研究中显式建模家庭关系，结合图注意力网络和医学本体表示，捕捉遗传、共享环境暴露和疾病依赖性的复杂影响	研究依赖于推断的家庭关系，可能存在不准确性，且未详细讨论模型在不同人群中的泛化能力	通过建模家庭关系，提高电子健康记录（EHR）中的疾病风险预测能力	电子健康记录（EHR）中的患者数据及其推断的家庭关系	机器学习	炎症性肠病（克罗恩病和溃疡性结肠炎）	图注意力网络（GAT）	ALIGATEHR	电子健康记录（EHR）诊断数据	未明确提及具体样本数量
8155	2025-03-16	Clinical value of aortic arch morphology in transfemoral TAVR: artificial intelligence evaluation 2025-Mar-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002232 PMID:39869394	研究论文	本研究利用人工智能算法评估主动脉弓形态对经股动脉导管主动脉瓣置换术（TF-TAVR）患者临床结果的影响	首次使用深度学习评估主动脉弓形态对TF-TAVR患者临床结果的影响，并构建了预测模型	研究为回顾性研究，可能存在选择偏倚	评估主动脉弓形态对TF-TAVR患者临床结果的影响	接受TF-TAVR的患者	数字病理学	心血管疾病	深度学习，机器学习	随机森林，逻辑回归	医学影像	1480名连续接受TF-TAVR的患者
8156	2025-03-16	Assessing Image Quality in Multiplexed Sensitivity-Encoding Diffusion-Weighted Imaging with Deep Learning-Based Reconstruction in Bladder MRI 2025-Feb-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050595 PMID:40075842	研究论文	本研究比较了传统多路复用灵敏度编码扩散加权成像（MUSE-DWI）与深度学习MUSE-DWI在膀胱MRI中的图像质量，并应用了供应商特定的深度学习（DL）重建技术	首次将基于CNN的深度学习算法应用于MUSE-DWI，显著提高了图像质量，特别是在病变清晰度和信号质量方面	研究为回顾性研究，样本量较小（57例患者），且仅针对膀胱肿块，可能限制了结果的普遍性	评估深度学习重建技术在膀胱MRI中的图像质量	57例膀胱肿块患者	医学影像	膀胱癌	多路复用灵敏度编码扩散加权成像（MUSE-DWI）	CNN	MRI图像	57例膀胱肿块患者
8157	2025-03-16	Automatic Detection of Radiographic Alveolar Bone Loss in Bitewing and Periapical Intraoral Radiographs Using Deep Learning Technology: A Preliminary Evaluation 2025-Feb-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050576 PMID:40075823	研究论文	本研究评估了使用深度学习技术（Denti.AI）在口腔内X光片中自动检测放射学牙槽骨丢失（RBL）的诊断准确性	利用FDA批准的Denti.AI软件，通过卷积神经网络（CNNs）提高RBL检测的准确性，支持临床决策	尽管在根尖片上的表现稳健，但在咬翼片上的准确性有待进一步优化	评估Denti.AI在口腔内X光片中检测RBL的诊断准确性	39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面	数字病理	牙周病	深度学习	CNN	图像	39张口腔内X光片（22张根尖片和17张咬翼片），覆盖316个牙齿表面
8158	2025-03-16	Enhanced Multi-Class Breast Cancer Classification from Whole-Slide Histopathology Images Using a Proposed Deep Learning Model 2025-Feb-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15050582 PMID:40075829	研究论文	本文提出了一种基于DenseNet121的深度学习模型，用于乳腺癌的检测和多类别分类	提出的模型在二分类和多分类任务中均达到了最先进的性能，特别是在区分良性和恶性肿瘤以及分类特定恶性肿瘤亚型方面表现优异	NA	提高乳腺癌从组织学照片中的准确分类，以辅助诊断和有效治疗计划	乳腺癌	数字病理学	乳腺癌	深度学习	DenseNet121	图像	使用BreakHis数据集中的全切片组织病理学图像
8159	2025-03-16	Integration of Hyperspectral Imaging and Deep Learning for Discrimination of Fumigated Lilies and Prediction of Quality Indicator Contents 2025-Feb-27, Foods (Basel, Switzerland) DOI:10.3390/foods14050825 PMID:40077527	研究论文	本文结合高光谱成像和深度学习技术，用于快速预测百合的营养质量，并区分硫磺熏蒸模式	首次将CLSTM模型与高光谱成像结合，用于百合营养质量的快速预测和硫磺熏蒸模式的区分	未提及样本量的具体数量，可能影响模型的泛化能力	提高百合产品的质量评估和营养完整性	百合	计算机视觉	NA	高光谱成像	CLSTM (卷积神经网络-长短期记忆网络)	图像	未提及具体数量
8160	2025-03-16	HeartEnsembleNet: An Innovative Hybrid Ensemble Learning Approach for Cardiovascular Risk Prediction 2025-Feb-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13050507 PMID:40077069	研究论文	本文提出了一种名为HeartEnsembleNet的新型混合集成学习模型，用于心血管疾病风险预测，并在70,000名心脏病患者的数据集上进行了评估	提出了一种新的混合集成学习模型HeartEnsembleNet，结合了多种机器学习分类器，显著提高了心血管疾病风险预测的准确性	未提及模型的泛化能力及在其他数据集上的表现	提高心血管疾病风险预测的准确性	70,000名心脏病患者	机器学习	心血管疾病	集成学习	HeartEnsembleNet, SVM, GB, DT, LR, KNN, RF, HRFLM	临床数据	70,000名心脏病患者