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
8341	2025-03-30	Data-efficient resting-state functional magnetic resonance imaging brain mapping with deep learning 2023-11-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2023.3.JNS2314 PMID:37060318	研究论文	本研究开发了一种深度3D卷积神经网络（3DCNN），用于在静息态功能磁共振成像（RS-fMRI）数据量最小的情况下，对语言和运动静息态网络进行体素级映射	提出了一种能够在减少扫描时间的同时，可靠且精确地映射静息态网络的深度3DCNN模型	研究主要基于健康成年人的数据，仅在5名多形性胶质母细胞瘤患者中进行了测试	开发一种高效的方法，用于术前功能映射，以改善脑肿瘤患者的功能保留	健康成年人（n=2252）和5名多形性胶质母细胞瘤患者	数字病理	脑肿瘤	RS-fMRI	3DCNN	图像	2252名健康成年人和5名多形性胶质母细胞瘤患者
8342	2025-03-30	Creating High Fidelity Synthetic Pelvis Radiographs Using Generative Adversarial Networks: Unlocking the Potential of Deep Learning Models Without Patient Privacy Concerns 2023-10, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2022.12.013 PMID:36535448	research paper	本研究应用生成对抗网络（GANs）技术生成高保真合成骨盆X光片，以支持深度学习图像分析并保护患者隐私	利用GANs生成高保真合成骨盆X光片，这些图像在计算机和专家评估中难以与真实图像区分	研究仅针对骨盆X光片，未涉及其他类型的医学影像	开发一种方法，生成可用于深度学习模型训练的高保真合成医学影像，同时避免患者隐私问题	骨盆X光片	digital pathology	NA	GANs	GAN	image	37,640张真实X光片（来自16,782名患者）
8343	2025-03-30	Variational Autoencoders for Biomedical Signal Morphology Clustering and Noise Detection 2023-Sep-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320585 PMID:37768790	研究论文	提出了一种基于变分自编码器和高斯混合模型的生物医学波形噪声检测框架，用于无监督检测波形异常并提供置信度评分	使用变分自编码器与高斯混合模型结合，实现无需标注的波形异常检测，并生成置信度指标	方法主要针对具有心脏活动周期性的生物医学信号，可能不适用于非周期性信号	开发一种自动化的生物医学信号噪声检测方法，提高下游生理指标估计的准确性	非侵入式可穿戴设备采集的原始波形数据	机器学习	心血管疾病	变分自编码器(VAE), 高斯混合模型(GMM), 动态时间规整(DTW)	VAE, GMM	时间序列数据	97885个心脏周期的心阻抗数据
8344	2025-03-30	U-Sleep's resilience to AASM guidelines 2023-Mar-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00784-0 PMID:36878957	research paper	研究探讨了U-Sleep睡眠评分算法在不完全遵循AASM指南情况下的表现	展示了深度学习算法在睡眠评分任务中可以不依赖临床知识或严格遵循AASM指南	仅评估了U-Sleep算法，未与其他算法进行广泛比较	评估深度学习睡眠评分算法对AASM指南的适应性	睡眠评分算法和AASM指南	machine learning	NA	deep learning	U-Sleep	polysomnography studies	28528项多导睡眠图研究，来自13项不同的临床研究
8345	2025-03-29	Predicting radiation-induced hypothyroidism in nasopharyngeal carcinoma patients using a deep learning model 2025-May, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.100946 PMID:40144227	research paper	本研究开发了一种基于深度学习生存分析的模型，用于预测鼻咽癌患者放射性甲状腺功能减退症（RIHT）的发生	使用DeepSurv深度学习模型预测RIHT，其性能优于传统的Cox和NTCP模型	研究为回顾性设计，可能存在选择偏倚	开发高准确度的RIHT预测模型，以支持个性化患者管理	535名鼻咽癌患者	digital pathology	nasopharyngeal carcinoma	deep learning survival analysis	DeepSurv, CNN	clinical data	535名鼻咽癌患者（2015年1月至2020年10月）
8346	2025-03-29	Tea grading, blending, and matching based on computer vision and deep learning 2025-Apr, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14088 PMID:39711109	research paper	本研究开发了一种基于计算机视觉和深度学习的茶叶分级、混合比例评估和样本匹配的高效无损方法	结合ResNet模型和CBAM注意力模块，提高了茶叶图像特征提取能力，显著提升了分类和匹配的准确率	仅针对乌龙茶和红茶进行了测试，未涵盖其他茶类	提高茶叶生产过程中的分级、混合和样本匹配的效率和准确性	乌龙茶和红茶的图像数据	computer vision	NA	deep learning	ResNet with CBAM	image	NA
8347	2025-03-29	Development and validation of a deep learning-based automated computed tomography image segmentation and diagnostic model for infectious hydronephrosis: a retrospective multicentre cohort study 2025-Apr, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103146 PMID:40144691	研究论文	开发并验证了一种基于深度学习的自动化CT图像分割和诊断模型，用于感染性肾积水的诊断	使用改进的U-Net算法开发了肾积水分割模型（HRSM），并结合3D CNN和临床数据建立了感染性肾积水诊断模型（IHDM）	需要更多多样化的真实世界多中心验证研究来验证模型的稳健性	开发一种全自动分割和非侵入性诊断模型，用于感染性肾积水的诊断	肾积水患者	数字病理	肾积水	CT图像分析	Improved U-Net, 3D CNN, SVM	CT图像	615名患者（包括5876张标注的CT图像）
8348	2025-03-29	A data-driven approach to turmeric disease detection: Dataset for plant condition classification 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111435 PMID:40144898	研究论文	本文提出了一种基于数据驱动的姜黄病害检测方法，并构建了一个用于植物状态分类的数据集	构建了一个包含1037张原始图像和4628张增强图像的姜黄植物病害数据集，并应用Inception-v3模型实现了97.36%的分类准确率	数据集仅包含五种姜黄植物状态，可能无法涵盖所有可能的病害类型	开发AI辅助解决方案以实现精准农业和可持续作物生产	姜黄植物及其病害（健康叶片、干枯叶片、叶斑病、根茎病根和健康根茎）	计算机视觉	植物病害	数据增强（翻转、旋转、亮度调整）	Inception-v3	图像	1037张原始图像和4628张增强图像
8349	2025-03-29	[Application and future of artificial intelligence in oral esthetics] 2025-Mar-28, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250116-00021 PMID:40147889	review	本文探讨了人工智能在口腔美学领域的应用及其未来发展	通过深度学习等技术，AI提升了牙科修复设计、微笑分析和个性化治疗的精确度和效率	应用仍面临技术限制、伦理问题和数据多样性不足等挑战	促进口腔美学领域的智能化和以人为中心的发展	牙科修复设计、微笑分析和个性化治疗	digital pathology	NA	deep learning	NA	NA	NA
8350	2025-03-29	Hybrid fruit bee optimization algorithm-based deep convolution neural network for brain tumour classification using MRI images 2025-Mar-28, Network (Bristol, England) DOI:10.1080/0954898X.2025.2476079 PMID:40151966	research paper	该研究提出了一种基于混合水果蜜蜂优化算法的深度卷积神经网络（HFBO-based DCNN），用于MRI图像的脑肿瘤分类	结合了混合水果蜜蜂优化算法（HFBO）和深度卷积神经网络（DCNN）以提高脑肿瘤分类的准确性	未提及对不同类型脑肿瘤的分类效果是否一致，也未讨论算法在更大规模数据集上的泛化能力	提高脑肿瘤分类的准确性	MRI图像中的脑肿瘤	digital pathology	brain tumor	MRI	DCNN, HFBO	image	NA
8351	2025-03-29	Multichannel Contribution Aware Network for Prostate Cancer Grading in Histopathology Images 2025-Mar-28, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0872 PMID:40152893	研究论文	提出一种新型深度学习模型，通过整合多种染色特征自动进行前列腺癌分级	利用图像解卷积分离组织病理学图像中的多个染色通道，设计基于通道和像素注意力的编码器及双分支解码器，有效融合不同染色通道的特征	未提及模型在临床环境中的实际应用效果及泛化能力验证	提高前列腺癌组织病理学图像分级的准确性	前列腺组织病理学图像	数字病理学	前列腺癌	图像解卷积	CNN与Transformer混合架构	图像	公开数据集（未说明具体样本量）
8352	2025-03-29	Deep Learning Accelerates the Development of Antimicrobial Peptides Comprising 15 Amino Acids 2025-Mar-27, Assay and drug development technologies IF:1.6Q3 DOI:10.1089/adt.2025.011 PMID:40139786	research paper	该研究利用深度学习加速了由15个氨基酸组成的抗菌肽的开发	使用深度学习技术加速抗菌肽的开发过程	NA	加速抗菌肽的开发	由15个氨基酸组成的抗菌肽	machine learning	NA	深度学习	NA	NA	NA
8353	2025-03-29	Inverse RL Scene Dynamics Learning for Nonlinear Predictive Control in Autonomous Vehicles 2025-Mar-27, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3549816 PMID:40146653	研究论文	本文介绍了一种基于深度学习的非线性模型预测控制器（DL-NMPC-SD）方法，用于自动驾驶导航	提出了一种结合先验名义车辆模型和从时间范围传感信息学习的场景动力学模型的方法，利用深度神经网络编码场景动力学模型，并通过逆强化学习和贝尔曼最优性原理训练学习控制器	实验仅在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行，实际应用中的复杂场景可能未完全覆盖	开发一种高效的自动驾驶导航控制器	自动驾驶车辆	机器学习	NA	逆强化学习（IRL）、深度Q学习（DQL）	深度神经网络	时间序列的测距传感观测和系统状态	在虚拟环境、室内外导航任务和公共道路上的全尺寸自动驾驶测试车辆上进行实验
8354	2025-03-29	3D MR Neurography of craniocervical nerves: comparing DESS and post-contrast STIR with deeplearning-based reconstruction at 1.5T 2025-Mar-26, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8750 PMID:40139904	研究论文	比较DESS和对比后STIR序列在1.5T下使用深度学习重建的3D MR神经成像中对颅外神经和脊神经的成像效果	首次在头颈部区域使用深度学习重建技术比较DESS和对比后STIR序列的神经成像效果	样本量较小（18例），且仅在一个场强（1.5T）下进行研究	评估不同MRI序列在头颈部神经成像中的表现	颅外神经和脊神经（如下牙槽神经、舌神经、面神经等）	数字病理	头颈部疾病	3D MR神经成像、深度学习重建	深度学习算法	MRI图像	18例患者（平均年龄51±14岁，11名女性）
8355	2025-03-29	Concerns regarding deployment of AI-based applications in dentistry - a review 2025-Mar-25, BDJ open IF:2.5Q2 DOI:10.1038/s41405-025-00319-7 PMID:40133287	review	本文探讨了在牙科领域部署基于AI的应用程序时可能遇到的潜在问题，特别是过分关注技术性能指标而忽视临床适用性的重要性	强调了在牙科AI应用中，除了技术验证外，进行实际部署研究的重要性	研究中仅有一家公司回应并提供试用版本，不足以全面评估应用程序的有效性	评估AI在牙科诊断、治疗规划和预后中的临床应用及其挑战	牙科AI应用程序	digital pathology	NA	Deep Learning, Machine Learning	NA	NA	44项研究（34项来自电子搜索，10项来自手动搜索）
8356	2025-03-29	The invisible architects: microbial communities and their transformative role in soil health and global climate changes 2025-Mar-25, Environmental microbiome IF:6.2Q1 DOI:10.1186/s40793-025-00694-6 PMID:40133952	综述	本文综述了土壤微生物群落对土壤健康和全球气候变化的影响及其机制	提出了基于深度学习的合成微生物群落开发方法，以改善土壤健康和缓解气候变化	NA	探讨微生物如何改变土壤生态系统及其在应对土壤威胁和全球气候变化中的潜力	土壤微生物群落及其对土壤环境的影响	微生物生态学	NA	深度学习	NA	NA	NA
8357	2025-03-29	Protein Biomarkers of DNA Damage in Yeast Cells for Genotoxicity Screening 2025-Mar-21, Environment & health (Washington, D.C.) DOI:10.1021/envhealth.4c00160 PMID:40144325	研究论文	该研究创建了一个包含酵母细胞DNA损伤响应网络的图谱，并鉴定了15个蛋白质生物标志物，用于基因毒性筛选	提出了一个基于GFP融合酵母的蛋白质组学检测方法，具有分钟级通路激活数据分辨率，为快速、高效和机制性的基因毒性筛选提供了简洁替代方案	NA	开发一种无偏且全面的DNA损伤响应检测方法，用于基因毒性物质的筛选	酵母细胞	分子生物学	NA	GFP融合技术、蛋白质组学检测	统计模型、深度学习模型	蛋白质效应水平指数(PELI)	NA
8358	2025-03-29	Mathematical expression exploration with graph representation and generative graph neural network 2025-Mar-21, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107405 PMID:40147161	研究论文	本文提出了一种基于图表示和生成图神经网络的数学表达式探索方法，名为GraphDSR	采用有向无环图（DAG）表示数学表达式，并结合生成图神经网络进行符号回归任务，避免了树表示中的冗余子结构	未明确提及具体局限性	解决符号回归任务，探索数学表达式的更优表示和生成方法	数学表达式	机器学习	NA	生成图神经网络，强化学习	GNN	图数据	110个基准测试
8359	2025-03-29	Prediction of Water Chemical Oxygen Demand with Multi-Scale One-Dimensional Convolutional Neural Network Fusion and Ultraviolet-Visible Spectroscopy 2025-Mar-20, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10030191 PMID:40136845	研究论文	提出了一种基于多尺度一维卷积神经网络融合和紫外-可见光谱的水化学需氧量预测方法	设计了一种新颖的多尺度一维卷积神经网络融合模型，用于光谱特征提取和COD预测，显著提高了预测精度	未提及具体的数据集规模或模型在不同水质条件下的泛化能力	提高水化学需氧量(COD)的预测准确性，以实现更可靠和高效的水质监测	水质监测中的化学需氧量(COD)	机器学习	NA	紫外-可见光谱(UV-Vis)	多尺度一维卷积神经网络(MS-1D-CNN)	光谱数据	未提及具体样本数量
8360	2025-03-29	Machine Learning for Human Activity Recognition: State-of-the-Art Techniques and Emerging Trends 2025-Mar-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11030091 PMID:40137203	综述	本文全面回顾了人类活动识别（HAR）的技术，重点关注基于传感器、视觉和混合方法的整合	探讨了传统机器学习方法与深度学习的最新进展，如卷积和循环神经网络、注意力机制及强化学习框架	HAR仍面临环境变化处理、模型可解释性及复杂现实场景中高识别准确率的挑战	提升HAR技术的可靠性和适用性，以应对多样化领域的应用需求	人类活动识别技术及其应用	机器学习	NA	传感器技术、深度学习	CNN, LSTM, 注意力机制, 强化学习框架	RGB图像/视频、深度传感器数据、运动捕捉系统数据、可穿戴设备数据、雷达和Wi-Fi信道状态信息	NA