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
8301	2025-04-05	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	本文综述了人工智能在口腔癌和口腔上皮异型增生中的应用，旨在开发预测性生物标志物	利用人工智能方法开发预测口腔上皮异型增生转化为口腔鳞状细胞癌的生物标志物，以及预测口腔鳞状细胞癌死亡率和治疗反应的生物标志物	目前尚无可靠的临床、病理、组织学或分子生物标志物来确定口腔上皮异型增生患者的个体风险	提高对口腔鳞状细胞癌和口腔上皮异型增生的预测能力，以改善患者生存率	口腔鳞状细胞癌（OSCC）和口腔上皮异型增生（OED）患者	数字病理学	口腔癌	多重免疫组织化学、深度学习、表观基因组学	深度学习（DL）	图像、表观遗传数据	NA
8302	2025-04-05	Artificial Intelligence in Metabolomics: A Current Review 2024-Sep, Trends in analytical chemistry : TRAC DOI:10.1016/j.trac.2024.117852 PMID:39071116	综述	本文综述了人工智能在代谢组学中的方法与应用，探讨了其在系统生物学和人类健康中的潜力	总结了人工智能在代谢组学分析中的多种应用，包括分析检测、数据预处理、生物标志物发现、预测建模和多组学数据整合	尽管存在局限性和挑战，但代谢组学与人工智能的结合在提升人类健康方面具有革命性进展的潜力	探讨人工智能在代谢组学研究中的方法和应用	代谢组学数据及其在系统生物学和人类健康中的应用	代谢组学	NA	机器学习和深度学习	NA	代谢组学数据	NA
8303	2025-04-05	Hybrid-supervised deep learning for domain transfer 3D protoacoustic image reconstruction 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3327 PMID:38471184	research paper	本研究开发了一种混合监督深度学习方法，用于解决质子声学成像中的有限视角问题，并实现高质量的3D剂量验证	提出了一种Recon-Enhance两阶段深度学习方法，结合了transformer网络和3D U-net，采用混合监督训练策略	研究仅在前列腺癌患者数据上进行验证，未在其他癌症类型中测试	解决质子声学成像中的有限视角问题，提高3D剂量验证的准确性和效率	质子声学成像的3D重建和剂量验证	digital pathology	prostate cancer	protoacoustic imaging	transformer-based network, 3D U-net	acoustic signals, image	126例前列腺癌患者数据
8304	2025-04-05	Global research evolution and frontier analysis of artificial intelligence in brain injury: A bibliometric analysis 2024-04, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2024.110920 PMID:38453035	研究论文	本文通过文献计量可视化分析，探讨了人工智能在脑损伤领域的全球研究演变和前沿分析	利用VOSviewer和CiteSpace对1998至2023年的3000篇文献进行可视化分析，揭示了该领域的研究热点和发展趋势	研究机构间缺乏合作与交流，且核心研究机构主要集中在发达国家	识别人工智能在脑损伤领域的研究热点，明确研究资源	Web of Science核心数据库中1998至2023年引用的3000篇文章	人工智能	脑损伤	文献计量分析	专家系统、机器学习、深度学习	文献数据	3000篇文章
8305	2025-04-05	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	research paper	比较基于直方图和基于图像的算法在超极化气体肺部图像语义分割中的差异	首次系统比较了四种基于直方图的分割算法与基于图像的卷积神经网络在超极化气体肺部图像分割中的性能差异	研究仅针对模拟数据集进行验证，未在真实临床环境中全面测试	评估不同分割算法在超极化气体肺部图像处理中的性能差异	超极化129Xe气体肺部图像	digital pathology	lung cancer	MRI	CNN	image	80名受试者（29名公共数据集+51名回顾性数据集）
8306	2025-04-04	Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data 2025-Apr-03, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70061 PMID:40176726	研究论文	本研究利用深度学习模型对癫痫患者的夜间睡眠记录进行自动睡眠分期，评估了标准脑电图和可穿戴设备数据的分析效果	首次在癫痫患者中结合标准脑电图和可穿戴设备数据，使用深度学习模型进行自动睡眠分期	模型对N1期睡眠的敏感性很低，可穿戴设备数据低估了大多数睡眠宏观结构参数的持续时间	评估深度学习模型在癫痫患者睡眠分期中的准确性和应用潜力	50名癫痫患者的223份夜间睡眠记录	数字病理	癫痫	EEG和加速度测量	深度学习模型	脑电图和可穿戴设备数据	50名患者的223份夜间睡眠记录
8307	2025-04-04	Arterial phase CT radiomics for non-invasive prediction of Ki-67 proliferation index in pancreatic solid pseudopapillary neoplasms 2025-Apr-03, Abdominal radiology (New York) DOI:10.1007/s00261-025-04921-z PMID:40178588	research paper	本研究利用动脉期CT影像组学特征，开发了一种深度学习模型，用于术前预测胰腺实性假乳头状瘤患者的Ki-67增殖指数水平	首次将动脉期CT影像组学特征与深度学习模型结合，用于预测pSPN患者的Ki-67增殖水平，并识别出CTscore和形态学特征作为关键预测因子	研究为回顾性设计，样本量相对较小（92例患者），且来自两个医疗中心	术前无创预测胰腺实性假乳头状瘤患者的Ki-67增殖水平	胰腺实性假乳头状瘤(pSPN)患者	digital pathology	pancreatic cancer	CT影像组学分析	深度学习模型, GBM	CT图像	92例经病理确诊的pSPN患者（训练组64例，验证组28例）
8308	2025-04-04	Advanced Anticounterfeiting: Angle-Dependent Structural Color-Based CuO/ZnO Nanopatterns with Deep Neural Network Supervised Learning 2025-Apr-02, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17414 PMID:40072024	研究论文	本研究提出了一种基于结构颜色的低成本、可大规模生产的防伪图案及简单鉴别算法	利用电纺丝技术制造纳米图案，结合CuO和ZnO的溶液生长过程，创造出具有角度依赖性颜色的不可克隆图案，并通过深度学习算法实现高效鉴别	需要标准高分辨率相机获取训练图像，可能在某些应用场景中受限	开发新一代高效、可扩展的防伪解决方案	防伪图案及其鉴别算法	计算机视觉	NA	电纺丝技术、溶液生长过程、深度学习	深度学习算法	图像	NA
8309	2025-04-04	Deep Learning-Based Framework for Efficient Design of Multicomponent High Hardness High Entropy Alloys 2025-Apr-02, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c23010 PMID:40114633	研究论文	提出了一种基于深度学习的框架，用于高效设计多组分高硬度高熵合金	结合材料领域知识与数据驱动技术，开发了材料串联嵌入模块与BiLSTM-CRF网络，自动化分析文献并提取数据，采用两阶段设计策略（GA与PSO结合）优化合金系统与成分比例	未明确提及实验验证的广泛性或实际应用中的性能稳定性	优化多组分高硬度高熵合金的设计过程	高熵合金（HEAs）	机器学习	NA	深度学习、遗传算法（GA）、粒子群优化（PSO）	BiLSTM-CRF	文本、数值数据	2698篇论文中提取的8067个数据点，构建的硬度数据集包含13种元素
8310	2025-04-04	Revisiting One-stage Deep Uncalibrated Photometric Stereo via Fourier Embedding 2025-Apr-02, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3557245 PMID:40173071	research paper	本文提出了一种名为FUPS-Net的单阶段深度未校准光度立体网络，用于未知光照方向下的非朗伯物体表面法线估计	通过傅里叶变换网络隐式学习光照特征，利用傅里叶域中振幅编码光照、相位编码几何的特性来分解几何与光照信息，提出频率-空间加权块增强表面重建	未明确说明对复杂光照条件或极端非朗伯材质的处理能力	解决传统两阶段未校准光度立体方法中光照估计误差传播问题	非朗伯物体在未知光照方向下的表面法线估计	computer vision	NA	傅里叶变换	FUPS-Net (包含FEE、FEA、FSW模块)	光度立体图像	合成数据集和真实数据集（未说明具体数量）
8311	2025-04-04	Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography 2025-Apr-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01489-4 PMID:40175823	research paper	本研究评估了一种利用原始胸部X光数据预测中度至重度肾功能下降的深度学习模型	首次使用深度学习模型通过胸部X光数据预测慢性肾脏病的进展风险	研究为回顾性分析，需要前瞻性研究进一步验证	开发早期预测慢性肾脏病进展风险的工具	79,219名eGFR在65-120之间的患者	digital pathology	chronic kidney disease	deep learning	DLM	image	79,219名患者的胸部X光数据
8312	2025-04-04	Application of an Automated Deep Learning Program to A Diagnostic Classification Model: Differentiating High-Risk Adenomas Among Colorectal Polyps 10 mm or Smaller 2025-Apr-02, Journal of digestive diseases IF:2.3Q3 DOI:10.1111/1751-2980.13340 PMID:40176375	研究论文	本研究开发了一种基于自动深度学习程序的计算机辅助诊断模型，用于分类≤10毫米结直肠息肉中的低风险和高风险腺瘤	使用自动深度学习软件Neuro-T v3.2.1开发CADx模型，其性能与专家相当且优于学员	研究仅使用了静态内窥镜图像，未考虑动态视频或临床背景信息	开发能区分≤10毫米结直肠息肉中高风险和低风险腺瘤的计算机辅助诊断模型	≤10毫米的结直肠腺瘤	数字病理学	结直肠癌	自动深度学习	DL	内窥镜图像	2696张训练图像（2460张低级别和236张高级别腺瘤）和439张外部验证图像（398张低级别和41张高级别腺瘤）
8313	2025-04-04	What's new in pediatric musculoskeletal imaging 2025-Apr, Journal of children's orthopaedics DOI:10.1177/18632521251325122 PMID:40093030	review	本文综述了儿科肌肉骨骼影像学领域的最新技术进展，包括成像方式的创新和人工智能应用	探讨了辐射剂量减少技术、对比增强超声和超高频率成像等增强诊断工具，以及人工智能在病理检测和工作流程优化中的应用	存在外部验证和范围有限等挑战	提高儿科肌肉骨骼护理的诊断准确性和治疗效果	儿科肌肉骨骼影像学	digital pathology	NA	advanced magnetic resonance imaging, ultrasound innovations, artificial intelligence, photon-counting detector computed tomography, deep learning-based reconstructions, diffusion-weighted imaging, positron emission tomography-magnetic resonance imaging integration	deep learning	image	NA
8314	2025-04-04	Benchmarking deep learning for automated peak detection on GIWAXS data 2025-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576725000974 PMID:40170972	研究论文	本文提出了一个用于评估深度学习在GIWAXS数据自动峰值检测中性能的综合框架	引入了包含标注实验数据集、物理信息指标和优化基线算法的全面框架，并首次对基于模拟数据训练的深度学习解决方案进行了系统评估	研究可能受限于标注数据集的大小和多样性，以及基线算法的选择	评估深度学习在GIWAXS数据峰值检测中的可靠性并建立标准化评估体系	GIWAXS衍射图像数据	机器学习和X射线散射数据分析	NA	GIWAXS和深度学习技术	未明确说明具体DL模型类型	X射线衍射图像数据	未明确说明具体样本数量，但提到单日可产生数十万衍射图像
8315	2025-04-04	Generating synthetic brain PET images of synaptic density based on MR T1 images using deep learning 2025-Mar-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00744-5 PMID:40163154	研究论文	本研究利用深度学习技术基于MRI T1图像生成合成的大脑突触密度PET图像	首次使用卷积基础的3D编码器-解码器模型从MRI生成[11C]UCB-J SV2A PET合成图像，解决了SV2A示踪剂在实际应用中的可获得性问题	研究样本量相对有限（160名参与者），且未明确说明模型在不同疾病群体间的泛化能力	开发一种通过MRI生成合成[11C]UCB-J PET图像的方法，以解决SV2A示踪剂在实际应用中的限制	160名同时接受MRI和[11C]UCB-J PET成像的参与者，包括精神分裂症、大麻使用障碍和阿尔茨海默病患者	数字病理学	神经系统疾病	深度学习	3D CNN编码器-解码器	医学影像（MRI和PET图像）	160名参与者
8316	2025-04-04	Partial discharge defect recognition method of switchgear based on cloud-edge collaborative deep learning 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81478-9 PMID:40164608	研究论文	提出了一种基于边缘计算和深度学习的开关柜局部放电联合识别方法	构建了终端设备侧、终端采集侧、边缘计算侧和云计算侧的边缘协同缺陷识别架构，并基于DBN提出了开关柜局部放电缺陷识别方法	验证使用的是实验室模拟的局部放电样本，实际应用中的效果可能需要进一步验证	解决传统局部放电检测方法在实时监测、快速评估、样本融合和联合分析方面的不足	开关柜的局部放电信号	机器学习	NA	UHF传感器和宽带脉冲电流传感器	DBN	信号数据	实验室模拟的局部放电样本
8317	2025-04-04	Well log data generation and imputation using sequence based generative adversarial networks 2025-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95709-0 PMID:40164658	研究论文	本研究提出了一种基于序列生成对抗网络（GANs）的新框架，用于测井数据的生成和缺失数据填补	采用两种序列GAN模型（TSGAN和SeqGAN）分别进行合成数据生成和缺失数据填补，在北海荷兰地区数据集上验证了其优越性	实验仅使用了特定区域（北海荷兰地区）的数据集，未验证在其他地质区域的泛化能力	解决测井数据中的缺失和不准确定问题，提高储层评估的可靠性	测井数据	机器学习	NA	生成对抗网络（GANs）	TSGAN, SeqGAN	时间序列数据	5、10和50个数据点的不同区段
8318	2025-04-04	The clinical implications and interpretability of computational medical imaging (radiomics) in brain tumors 2025-Mar-30, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01950-6 PMID:40159380	review	本文综述了影像组学在脑肿瘤研究中的应用及其可解释性问题	整合脑肿瘤生物学领域知识与可解释性方法，提升传统手工特征影像组学和深度学习影像组学的可解释性	深度学习模型缺乏生物学机制基础	探讨影像组学在脑肿瘤研究中的应用及其临床转化潜力	脑肿瘤影像组学	digital pathology	brain tumors	radiomics	deep learning-based models	medical imaging	NA
8319	2025-04-04	Dual discriminator GAN-based synthetic crop disease image generation for precise crop disease identification 2025-Mar-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01361-0 PMID:40159478	研究论文	本文提出了一种基于双判别器GAN的合成作物病害图像生成方法，用于提高作物病害识别的精确度	设计了具有双判别器结构的频域和小波图像增强网络（FHWD），结合小波损失和快速傅里叶变换损失函数，提升生成图像的视觉质量和真实性	实验仅在PlantVillage数据集的十种作物病害上进行，未验证在其他作物病害上的泛化能力	解决作物病害图像稀缺问题，提升深度学习模型的病害识别准确率和泛化能力	作物病害图像	计算机视觉	作物病害	GAN	双判别器GAN	图像	PlantVillage数据集中的十种作物病害
8320	2025-04-04	Deep learning-based mobile application for efficient eyelid tumor recognition in clinical images 2025-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01539-9 PMID:40159516	research paper	本研究验证了一种基于深度学习的移动应用程序，用于自我诊断眼睑肿瘤，以改善患者的健康支持系统	开发了一种基于YOLOv5和Efficient-Net v2-B架构的移动应用，用于眼睑肿瘤的自我诊断，其准确率高于普通医生、住院医生和眼科专家	研究仅基于1195张预处理临床眼部照片和活检结果，样本量可能不足以覆盖所有眼睑肿瘤类型	开发一种高效的移动应用程序，用于眼睑肿瘤的早期检测和监测	眼睑肿瘤患者	computer vision	眼睑肿瘤	深度学习	YOLOv5, Efficient-Net v2-B	image	1195张预处理临床眼部照片和活检结果