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
801	2025-05-15	Deep learning for malignant lymph node segmentation and detection: a review 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1526518 PMID:40356919	综述	本文深入回顾了深度学习在恶性淋巴结分割和检测方面的进展	专注于恶性淋巴结的深度学习应用，填补了该领域综述的空白	未提及具体模型的性能比较或量化分析	提升癌症治疗规划的精确性和效率	恶性淋巴结	数字病理学	癌症	深度学习	NA	医学影像	NA
802	2025-05-15	Leveraging artificial intelligence in disaster management: A comprehensive bibliometric review 2025, Jamba (Potchefstroom, South Africa) DOI:10.4102/jamba.v17i1.1776 PMID:40357012	综述	本文通过文献计量学方法回顾了人工智能在灾害管理中的应用	利用VOSviewer和Biblioshiny工具分析了848篇文献，揭示了AI在灾害管理中的研究趋势和科学图谱	仅基于Scopus数据库的英文文献，可能遗漏其他语言或数据库的重要研究	评估人工智能技术在灾害管理领域的应用现状和发展趋势	自然灾害管理相关的人工智能研究文献	机器学习	NA	文献计量分析	NA	文献数据	848篇出版物
803	2025-05-15	Making, not breaking the young, aspiring athlete: the development of Prep to be PRO (Nærmere Best) - a Norwegian school-based educational programme 2025, BMJ open sport & exercise medicine IF:3.9Q1 DOI:10.1136/bmjsem-2024-002388 PMID:40357054	research paper	本文记录了Prep to be PRO教育模块化计划的开发过程，旨在支持和保护体育初中和体育高中年轻运动员的健康与发展	该计划首次系统性地整合了多学科知识，并通过国家高中课程确保其相关性和教育标准的一致性	尚未进行系统性的数据收集和效果评估，长期可持续性仍需验证	开发一个教育计划，以预防年轻运动员的健康问题并支持其发展	体育初中和体育高中的年轻运动员	运动科学	NA	NA	NA	NA	超过40名利益相关者参与开发过程
804	2025-05-15	Deep learning object detection-based early detection of lung cancer 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1567119 PMID:40357272	research paper	本文探讨了基于深度学习的物体检测技术在肺癌早期诊断中的应用	比较了不同版本的YOLO模型在肺癌CT图像检测任务中的性能，发现YOLOv8表现最佳	研究仅基于公开数据集Lung-PET-CT-Dx，未涉及其他数据集验证	提高肺癌早期诊断和分类的准确性	肺癌CT图像	computer vision	lung cancer	deep learning	YOLO系列（YOLOv5, YOLOv8, YOLOv9, YOLOv10, YOLOv11）	image	Lung-PET-CT-Dx公共数据集
805	2025-05-15	RAMAS-Net: a module-optimized convolutional network model for aortic valve stenosis recognition in echocardiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587307 PMID:40357270	研究论文	提出了一种名为RAMAS-Net的深度学习模型，用于在超声心动图中自动识别和诊断主动脉瓣狭窄	通过将ResNet50主干的Stage 4替换为SCConv和MDTA模块，减少了冗余计算并提高了特征提取能力	NA	提高主动脉瓣狭窄的诊断准确性，支持临床决策	主动脉瓣狭窄（AS）患者	数字病理	心血管疾病	深度学习	CNN（ResNet50改进版）	图像（超声心动图）	TMED-2和TMED-1数据集
806	2025-05-15	An optimized deep learning model based on transperineal ultrasound images for precision diagnosis of female stress urinary incontinence 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1564446 PMID:40357276	研究论文	本研究开发并验证了一种基于经会阴超声图像的优化深度学习模型，以提高女性压力性尿失禁的诊断精度和可靠性	首次将深度学习模型（如DenseNet-121）应用于经会阴超声图像，显著提高了女性压力性尿失禁的诊断性能	研究为回顾性设计，样本量相对有限（464例），且仅评估了三种深度学习模型	提高女性压力性尿失禁的诊断精度和可靠性	464名女性的经会阴超声图像（200例患者和264例对照）	数字病理	尿失禁	经会阴超声（TPUS）	ResNet-50, ResNet-152, DenseNet-121	图像	464名女性（200例患者和264例对照）
807	2025-05-15	Automatic segmentation and volume measurement of anterior visual pathway in brain 3D-T1WI using deep learning 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1530361 PMID:40357297	研究论文	本研究探讨了使用3D UX-Net深度学习模型在脑部T1加权成像中自动分割和测量前视通路（AVP）体积的可行性	首次在脑部T1WI中使用3D UX-Net模型进行AVP自动分割和体积测量，并提供了成人AVP的标准化测量值	研究样本量相对较小（119名成人），且为回顾性研究	开发自动分割和测量前视通路体积的深度学习模型	前视通路（AVP）	数字病理学	NA	3D T1加权成像（T1WI）	3D UX-Net, 3D U-Net, Swin UNEt TRansformers (UNETR), UNETR++, Swin Soft Mixture Transformer (Swin SMT)	3D医学影像	119名成人的临床数据和脑部3D T1WI影像
808	2025-05-15	Regional, rural and remote medicine attracts students with a similar approach to learning in both the Northern and Southern hemisphere 2024-12, International journal of circumpolar health IF:1.3Q4 DOI:10.1080/22423982.2024.2404274 PMID:39285655	研究论文	本研究比较了南北半球两个医学项目中学生的学习目标取向和学习特征，以探讨适合农村医疗环境的学生特质	首次在跨半球背景下比较农村医学项目学生的学习特征和目标取向	样本仅来自两个医学项目，可能无法代表所有农村医学学生	探讨适合农村医疗环境的学生学习特征和目标取向	263名医学学生（分别来自南北半球的两个医学项目）	医学教育	NA	问卷调查（三种调查工具）	NA	问卷调查数据	263名医学学生
809	2025-05-15	Monitoring Substance Use with Fitbit Biosignals: A Case Study on Training Deep Learning Models Using Ecological Momentary Assessments and Passive Sensing 2024-Dec, AI (Basel, Switzerland) DOI:10.3390/ai5040131 PMID:40351335	研究论文	本研究探讨了使用Fitbit生物信号监测物质使用的可行性，并通过个性化机器学习和自监督学习技术提高了检测准确性	采用参与者特定的卷积神经网络（CNNs）结合自监督学习（SSL）来检测药物使用，以应对个体间数据异质性问题	样本量较小（仅9名参与者），限制了研究结果的普适性	开发一种基于可穿戴设备生物信号的物质使用实时监测系统	物质使用障碍患者	机器学习	物质使用障碍	自监督学习（SSL）	1D-CNN	生物信号数据	9名参与者
810	2025-05-15	Using Deep Learning to Suggest Treatment for Proximal Humerus Fractures 2024-11-22, Studies in health technology and informatics DOI:10.3233/SHTI241080 PMID:39575796	research paper	该研究开发了一个基于深度学习的模型，用于根据肱骨近端骨折的放射影像预测治疗类型	利用深度学习模型预测肱骨近端骨折的治疗类型，其准确性和观察者间可靠性超过了肩部外科医生的判断	模型仅在特定测试数据集上进行了验证，可能需要更多样化的数据以提高泛化能力	开发一个治疗决策支持系统，以加快急诊科对肱骨近端骨折的治疗决策	肱骨近端骨折患者	digital pathology	骨折	深度学习	NA	image	NA
811	2025-05-15	ECG classification via integration of adaptive beat segmentation and relative heart rate with deep learning networks 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109062 PMID:39205344	research paper	提出了一种先进的深度学习方法，用于准确分析心电图（ECG）信号，同时处理波形描绘和心跳类型分类任务	将自适应心跳分割方法和相对心率信息整合到深度学习模型中，显著提高了模型性能	NA	提高心电图信号分析的准确性，特别是在波形描绘和心跳类型分类方面	心电图信号	machine learning	cardiovascular disease	deep learning	deep learning networks	ECG signal	PhysioNet QT Database, MIT-BIH Arrhythmia Database, and real-world wearable device data
812	2025-05-15	TA-RNN: an attention-based time-aware recurrent neural network architecture for electronic health records 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae264 PMID:38940180	研究论文	提出了一种基于注意力机制的时间感知循环神经网络架构TA-RNN，用于电子健康记录分析	提出了两种可解释的深度学习架构TA-RNN和TA-RNN-AE，通过时间嵌入处理临床访问间隔不规则问题，并采用双级注意力机制提高模型可解释性	模型性能仅在特定疾病(阿尔茨海默病)和特定数据集上验证	开发可解释的深度学习模型来预测患者临床结果	电子健康记录(EHR)数据	机器学习	阿尔茨海默病	深度学习	RNN, TA-RNN, TA-RNN-AE	电子健康记录	ADNI和NACC数据集(阿尔茨海默病)，MIMIC-III数据集(死亡率预测)
813	2025-05-15	Histopathology Based AI Model Predicts Anti-Angiogenic Therapy Response in Renal Cancer Clinical Trial 2024-May-28, ArXiv PMID:38855551	研究论文	本研究开发了一种基于深度学习的模型，通过组织病理学切片预测肾癌抗血管生成治疗的应答	提出了一种新型深度学习模型，能够从普遍存在的组织病理学切片中预测Angioscore，并生成可视化的血管网络以增强模型的可解释性	ccRCC肿瘤具有高度异质性，且对多个区域进行测序采样不切实际	预测转移性透明细胞肾细胞癌（ccRCC）对抗血管生成治疗的应答	转移性透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	深度学习	DL	组织病理学图像	多个队列包括临床试验数据集
814	2025-05-15	DEEP IMAGE PRIOR WITH STRUCTURED SPARSITY (DISCUS) FOR DYNAMIC MRI RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635579 PMID:40352104	research paper	提出了一种名为DISCUS的自监督深度学习方法，用于动态MRI图像重建	DISCUS方法在深度图像先验基础上引入结构化稀疏性，无需指定流形维度即可发现描述帧间时间变化的低维流形	仅在三项数值研究中进行了验证，临床实际应用效果有待进一步验证	解决动态MRI中高质量训练数据不足的问题，提高图像重建质量	动态MRI图像序列	医学影像分析	心血管疾病	深度学习	DISCUS（基于DIP改进的模型）	MRI图像序列	5例患者的回顾性欠采样单次LGE数据
815	2025-05-15	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	research paper	提出了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在2D或3D时间上的扩散行为	DeepSPT能够从扩散行为中自动提取功能信息，无需人工干预，准确率高达95%	未提及具体的技术限制或应用范围的局限性	研究目的是通过深度学习框架自动关联亚细胞扩散与功能信息	分子和细胞器在亚细胞环境中的扩散行为	machine learning	NA	deep learning	NA	2D或3D时间序列数据	未提及具体样本数量
816	2025-05-15	Using DeepContact with Amira graphical user interface 2023-12-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102558 PMID:37717213	research paper	介绍如何将DeepContact深度学习软件集成到Amira的人工智能模块中，用于二维电子显微镜图像中膜接触位点的高通量量化	通过Amira的用户友好图形界面调用DeepContact功能，简化了膜接触位点的量化过程	未提及具体性能指标或与其他方法的比较	开发一种用户友好的方法，用于量化电子显微镜图像中的膜接触位点	二维电子显微镜图像中的膜接触位点	digital pathology	NA	电子显微镜成像	DeepContact	image	NA
817	2025-05-15	Protocol to analyze fundus images for multidimensional quality grading and real-time guidance using deep learning techniques 2023-12-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102565 PMID:37733597	研究论文	介绍了一种名为DeepFundus的深度学习协议，用于眼底图像的多维质量分类和实时采集指导	利用深度学习技术实现眼底图像的多维质量分类，并提供实时采集指导	需要依赖特定数据集或自定义数据集，可能受限于数据质量和多样性	解决医学人工智能研究中的数据质量问题，提高眼底图像采集的质量和效率	眼底图像	计算机视觉	NA	深度学习	CNN	图像	未明确说明样本数量，但提到可以使用建议数据集或自定义数据集
818	2025-05-15	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2023-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567393 PMID:38014323	research paper	介绍了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在2D或3D时间上的扩散行为	DeepSPT能够从扩散行为中自动提取功能信息，无需人工干预，准确率高达95%	未提及具体的样本量或实验条件的限制	研究目的是通过深度学习框架自动关联亚细胞扩散与功能信息	研究物体包括分子和细胞器在亚细胞环境中的扩散行为	machine learning	NA	deep learning	DeepSPT	2D或3D时间序列数据	NA
819	2025-05-15	Protocol for predicting peptides with anticancer and antimicrobial properties by a tri-fusion neural network 2023-09-15, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102541 PMID:37660298	研究论文	本文介绍了一种使用TriNet三融合神经网络预测具有抗癌和抗菌特性的肽的协议	提出了一种名为TriNet的三融合神经网络，用于预测具有抗癌和抗菌特性的肽	未提及具体性能指标或与其他方法的比较	开发一种预测具有抗癌和抗菌特性肽的深度学习工具	肽序列	机器学习	癌症	深度学习	TriNet（三融合神经网络）	序列数据	NA
820	2025-05-14	Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2474206 PMID:40083057	研究论文	本研究开发并验证了一种基于深度学习的模型，用于预测慢性肾脏病患者在接受冠状动脉造影和介入治疗后发生对比剂后急性肾损伤的风险	首次为慢性肾脏病患者开发了可解释的深度神经网络模型来预测对比剂后急性肾损伤，并提供了基于网络的临床决策工具	研究为单中心回顾性研究，样本量相对有限（989例患者）	开发预测慢性肾脏病患者冠状动脉造影/介入术后对比剂肾损伤风险的AI工具	接受冠状动脉造影或介入治疗的慢性肾脏病患者	数字病理	心血管疾病	机器学习算法比较（包括随机森林和深度神经网络）	DNN（深度神经网络）	临床数据（术前和术中变量）	989例慢性肾脏病患者（125例发生PC-AKI）