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
81	2025-06-29	Deep learning dosiomics in grade 4 radiation-induced lymphopenia prediction in radiotherapy for esophageal cancer: a multi-center study 2025-Jun-21, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110995 PMID:40550423	research paper	本研究探讨了使用深度学习和剂量组学特征，结合剂量体积直方图参数和临床因素预测食管癌放疗患者4级放射性淋巴细胞减少症的可行性和准确性	结合剂量组学、深度学习剂量组学特征、剂量体积直方图参数和临床因素构建组合模型，显著提高了预测4级放射性淋巴细胞减少症的准确性	研究为回顾性研究，可能存在选择偏倚，且样本量相对有限	预测食管癌放疗患者4级放射性淋巴细胞减少症的发生	545名接受放疗的食管癌患者	digital pathology	esophageal cancer	deep learning, dosiomics, dose-volume histogram (DVH) analysis	deep learning dosiomics (DLD) model, combination model	radiation dose distributions, clinical data	545名患者，分为训练集、内部验证集、外部测试集1和外部测试集2
82	2025-06-29	Qualitative and quantitative analysis of functional cardiac MRI using a novel compressed SENSE sequence with artificial intelligence image reconstruction 2025-Jun-19, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110448 PMID:40543831	研究论文	评估结合压缩感知(CS)与基于深度学习的算法(CS-AI)在心脏磁共振成像(MRI)中加速平衡稳态自由进动(bSSFP)序列的可行性	首次将压缩感知(CS)与基于卷积神经网络(CNN)的深度学习算法(CS-AI)结合，用于加速心脏MRI并保持图像质量和功能分析准确性	研究仅涉及30名健康志愿者，未在患者群体中验证	探索加速心脏MRI扫描同时保持图像质量和功能分析准确性的新方法	心脏磁共振成像	医学影像分析	心血管疾病	压缩感知(CS)、深度学习算法(CS-AI)、平衡稳态自由进动(bSSFP)	CNN	MRI图像	30名健康志愿者
83	2025-06-29	Sentiment Analysis Using a Large Language Model-Based Approach to Detect Opioids Mixed With Other Substances Via Social Media: Method Development and Validation 2025-Jun-19, JMIR infodemiology IF:3.5Q1 DOI:10.2196/70525 PMID:40536906	研究论文	本研究利用大型语言模型GPT-3.5 Turbo分析社交媒体上的评论，以检测混合其他物质的阿片类药物使用情况及其相关风险	采用GPT-3.5 Turbo等先进模型分析YouTube评论中的情感，以预测阿片类药物过量风险，相比传统机器学习模型性能提升3.26%	数据来源仅限于YouTube评论，可能无法全面代表所有阿片类药物使用者的体验	通过分析社交媒体数据，提高对阿片类药物使用及其风险的监测能力，以改善医疗响应和干预策略	YouTube上关于混合其他物质的阿片类药物使用的自报告评论	自然语言处理	阿片类药物滥用	情感分析	GPT-3.5 Turbo, 深度学习模型, 变压器模型	文本	2020年12月至2024年3月期间的YouTube评论
84	2025-06-29	Evaluation of Spectral Imaging for Early Esophageal Cancer Detection 2025-Jun-19, Cancers IF:4.5Q1 DOI:10.3390/cancers17122049 PMID:40563697	研究论文	本研究评估了一种名为SAVE的高光谱成像转换方法在增强食管癌检测方面的效果，并与传统的白光成像(WLI)进行了比较	使用SAVE高光谱成像转换方法显著提高了食管癌病变的检测性能，尤其是在鳞状细胞癌(SCC)和异型增生的检测上	研究仅针对特定的深度学习模型进行了评估，未涉及更广泛的模型或临床实际应用场景	评估高光谱成像在早期食管癌检测中的效果	食管癌(包括正常组织、异型增生和鳞状细胞癌)的 endoscopic 图像	数字病理	食管癌	高光谱成像	YOLOv9, YOLOv10, YOLO-NAS, RT-DETR, Roboflow 3.0	图像	标记的内窥镜图像数据集(包含正常、异型增生和SCC类别)
85	2025-06-29	A Hybrid Deep Learning Framework for Accurate Cell Segmentation in Whole Slide Images Using YOLOv11, StarDist, and SAM2 2025-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060674 PMID:40564490	研究论文	提出了一种混合深度学习框架，结合YOLOv11、StarDist和SAM2，用于全切片图像中细胞的精确分割	整合了三种互补方法，通过YOLOv11定位感兴趣区域，StarDist高精度建模细胞和核边界，SAM2进行分割，显著提升了分割性能	未提及框架在更大规模数据集上的泛化能力或计算资源需求	开发一种鲁棒且精确的细胞分割方法，以推进自动化的组织病理学图像分析	全切片图像中的细胞结构	数字病理学	NA	深度学习	YOLOv11, StarDist, SAM2	图像	256 × 256图像块，带有高分辨率细胞级标注
86	2025-06-29	An Innovative Artificial Intelligence Classification Model for Non-Ischemic Cardiomyopathy Utilizing Cardiac Biomechanics Derived from Magnetic Resonance Imaging 2025-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060670 PMID:40564486	research paper	提出一种基于CNN-LSTM和MLP的双路径混合深度学习框架，用于通过心脏磁共振成像（CMR）和心室内压力梯度（IVPGs）数据增强非缺血性心肌病（NICM）亚型分类	结合解剖特征和生物力学标记，显著提升NICM亚型分类，捕捉传统形态学模型忽略的细微生物力学功能障碍	需要多中心数据集进行训练和验证，可能受限于数据获取的难度	提升非缺血性心肌病（NICM）的早期检测和亚型分类	非缺血性心肌病（NICM）患者	digital pathology	cardiovascular disease	cardiac magnetic resonance (CMR), intraventricular pressure gradients (IVPGs)	CNN-LSTM, MLP	image, time-series data	1196名患者（训练集），137名患者（外部验证集）
87	2025-06-29	A Deep Learning and Explainable AI-Based Approach for the Classification of Discomycetes Species 2025-Jun-18, Biology DOI:10.3390/biology14060719 PMID:40563969	研究论文	本研究提出了一种基于深度学习和可解释人工智能（XAI）技术的Discomycetes物种分类新方法	结合深度学习和XAI技术，提高了分类准确性和模型可解释性，为生物分类学提供了新工具	未来需要使用更大的数据集和更先进的AI模型来进一步提升性能	开发高精度、可靠的生物分类系统，支持生物多样性保护和真菌物种准确鉴定	Discomycetes真菌物种	计算机视觉	NA	深度学习、可解释人工智能（XAI）	EfficientNet-B0, MobileNetV3-L, ShuffleNet, EfficientNet-B4	图像	NA
88	2025-06-29	An Efficient Algorithm for Small Livestock Object Detection in Unmanned Aerial Vehicle Imagery 2025-Jun-18, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15121794 PMID:40564345	研究论文	提出一种基于YOLOv7的高效牲畜检测算法LSNET，用于无人机图像中小型牲畜目标的检测	引入低层预测头(P2)检测浅层特征图中的小目标，移除深层预测头(P5)以减少过度下采样的影响，并采用LKASPP模块捕获高层语义特征，使用WIoU v3损失函数替代CIoU	算法在极端密集或复杂背景下的检测性能未明确评估	提高无人机图像中小型密集牲畜目标的检测精度，支持草原畜牧业现代化管理	无人机拍摄的放牧牲畜图像	计算机视觉	NA	深度学习目标检测	YOLOv7改进模型(LSNET)	无人机图像	内蒙古呼伦贝尔陈巴尔虎旗草原的无人机牲畜图像数据集
89	2025-06-29	Deep Learning Applications in Dental Image-Based Diagnostics: A Systematic Review 2025-Jun-18, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13121466 PMID:40565492	系统综述	本文系统综述了深度学习在牙科影像诊断中的应用，评估了AI模型的性能并讨论了其在牙科实践中的潜在整合	系统评估了AI在牙科影像诊断中的多种应用，包括诊断准确性和预测性能，并指出了现有模型的局限性和未来整合的挑战	AI模型在数据有限或偏斜时表现不佳，且存在数据偏见、成本、技术要求和伦理问题等挑战	评估AI在牙科影像诊断中的应用性能并探讨其未来在牙科实践中的整合潜力	牙科影像诊断中的AI模型	数字病理	牙科疾病	深度学习	ANN, CNN	影像	20项研究（来自947项初步筛选）
90	2025-06-29	Machine and Deep Learning for the Diagnosis, Prognosis, and Treatment of Cervical Cancer: A Scoping Review 2025-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121543 PMID:40564863	综述	本文探讨了机器学习和深度学习在宫颈癌预测、诊断和预后中的应用	综合分析了2015年至2025年间153项研究，揭示了机器学习和深度学习在宫颈癌领域的应用现状	需要更多证据验证这些人工智能方法在早期检测、预后和治疗管理中的有效性和可重复性	评估机器学习和深度学习在宫颈癌诊断、预后和治疗中的应用	宫颈癌	机器学习	宫颈癌	机器学习和深度学习	NA	图像	153项研究
91	2025-06-29	Enhancing Hippocampal Subfield Visualization Through Deep Learning Reconstructed MRI Scans 2025-Jun-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121523 PMID:40564843	research paper	该研究通过深度学习重建MRI扫描，比较了T2 TSE DRB序列与标准T2 TSE序列在海马体分割和体积测量中的应用，旨在提高癫痫中海马病理的诊断准确性	使用T2 TSE DRB序列显著减少了图像采集时间（61%），同时保持了与传统序列相当的诊断准确性，并提出了基于95%置信区间的更客观的海马病理评估方法	样本量较小（36名受试者），且仅在癫痫患者中验证了DRB序列的有效性	提高癫痫中海马病理的诊断准确性	36名受试者（平均年龄39±14岁，21名男性，15名女性）的海马体	digital pathology	epilepsy	MRI, T2 TSE DRB序列, FreeSurfer	NA	MRI图像	36名受试者
92	2025-06-29	Fuzzy Optimized Attention Network with Multi-Instance Deep Learning (FOAN-MIDL) for Alzheimer's Disease Diagnosis with Structural Magnetic Resonance Imaging (sMRI) 2025-Jun-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121516 PMID:40564837	research paper	提出了一种名为FOAN-MIDL的模糊优化注意力网络结合多实例深度学习的方法，用于通过结构磁共振成像(sMRI)诊断阿尔茨海默病(AD)	引入了模糊Salp群算法(FSSA)来估计每个病例的权重，并开发了注意力多实例学习(MIL)池化过程以平衡每个脑区片的贡献	未明确说明方法在其他神经系统疾病上的泛化能力	提高阿尔茨海默病早期诊断的准确性	轻度认知障碍(MCI)患者和阿尔茨海默病患者	digital pathology	geriatric disease	structural MRI (sMRI)	FOAN-MIDL (结合FSSA和注意力机制的深度学习模型)	医学影像	来自ADNI和AIBL两个数据库的数据集
93	2025-06-29	Can AI-Based ChatGPT Models Accurately Analyze Hand-Wrist Radiographs? A Comparative Study 2025-Jun-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121513 PMID:40564836	research paper	本研究评估了基于大型语言模型的ChatGPT系统在预测骨龄和识别生长阶段方面的有效性，并探讨其作为传统方法和基于CNN的深度学习模型的实用、独立于基础设施的替代方案的潜力	首次评估了通用GPT模型在骨龄和生长阶段预测中的应用，展示了其在无特定领域训练的情况下进行初步评估的能力	GPT模型不能完全替代临床检查，且某些模型在骨龄预测中存在偏差	评估GPT模型在骨龄和生长阶段预测中的准确性和实用性	90张匿名的手腕放射照片（来自三个生长阶段，男女比例均等）	medical imaging	NA	Fishman's Skeletal Maturity Indicators (SMI) system, Greulich-Pyle Atlas	GPT-4o, GPT-o4-mini-high, GPT-o1-pro	image	90张手腕放射照片（30张来自每个生长阶段）
94	2025-06-29	Hierarchical Swin Transformer Ensemble with Explainable AI for Robust and Decentralized Breast Cancer Diagnosis 2025-Jun-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060651 PMID:40564466	研究论文	提出了一种结合分层Swin Transformer和联邦学习的乳腺癌诊断系统BreastSwinFedNetX，以提高诊断准确性和数据隐私保护	结合了四种分层Swin Transformer变体和随机森林元学习器，采用联邦学习保护数据隐私，并引入可解释AI增强透明度	未提及具体的数据集规模限制或模型在更广泛临床环境中的验证情况	开发一个准确、可解释且保护隐私的乳腺癌诊断AI系统	乳腺癌诊断	数字病理学	乳腺癌	联邦学习(FL), 可解释AI(XAI)	Swin Transformer, Random Forest	医学图像	五个基准数据集：BreakHis, BUSI, INbreast, CBIS-DDSM和Combined dataset
95	2025-06-29	ViSwNeXtNet Deep Patch-Wise Ensemble of Vision Transformers and ConvNeXt for Robust Binary Histopathology Classification 2025-Jun-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121507 PMID:40564828	研究论文	提出了一种名为ViSwNeXtNet的新型深度特征提取框架，用于肠道化生的组织病理学分类	结合了三种基于Transformer的架构（ConvNeXt-Tiny、Swin-Tiny和ViT-Base）进行深度特征提取，并通过迭代邻域成分分析（INCA）选择最具区分性的特征	目前仅支持二分类，未来需要扩展到多分类，并需要多中心验证和可解释AI技术的集成	提高肠道化生的组织病理学诊断准确性	肠道化生（IM）和正常组织的H&E染色切片	数字病理学	胃癌	深度学习	Transformer（ConvNeXt-Tiny、Swin-Tiny、ViT-Base）和SVM	图像	516例肠道化生病例和521例对照病例（自定义数据集），以及20,160张正常和13,124张异常的H&E染色图像块（GasHisSDB数据集）
96	2025-06-29	Enhancing Heart Disease Diagnosis Using ECG Signal Reconstruction and Deep Transfer Learning Classification with Optional SVM Integration 2025-Jun-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121501 PMID:40564822	研究论文	本研究提出了一种结合ECG信号重建和深度迁移学习的综合深度学习框架，旨在提高心脏疾病诊断的准确性和效率	提出了一种创新的ECG分割算法，整合了自适应预处理、基于直方图的导联分离和鲁棒点跟踪技术，专注于从噪声和重叠的多导联图像中自动精确重建单个ECG导联	未明确提及研究的局限性	提高心脏疾病诊断的准确性和效率	12导联标准ECG图像	数字病理	心血管疾病	深度学习、迁移学习、SVM	VGG16, VGG19, ResNet50, InceptionNetV2, GoogleNet	图像	未明确提及样本数量
97	2025-06-29	Artificial Intelligence Applications to Personalized Dietary Recommendations: A Systematic Review 2025-Jun-13, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13121417 PMID:40565444	系统综述	本文系统评估了人工智能生成的个性化饮食建议在改善成人临床结果方面的有效性	通过人工智能技术提供个性化、数据驱动的饮食建议，超越传统方法	需要进一步研究验证长期效果、优化干预方案并提高用户依从性	评估人工智能生成的饮食干预在改善临床结果方面的有效性	18至91岁的成年人	人工智能应用	糖尿病和肠易激综合征	机器学习（ML）、深度学习（DL）及结合物联网（IoT）的混合方法	常规ML算法、DL及混合方法	血糖、肠道微生物组成和自我报告数据等生物标志物	11项符合纳入标准的研究（5项RCTs、5项前后设计研究、1项横断面分析）
98	2025-06-29	Detection of Soluble Solid Content in Citrus Fruits Using Hyperspectral Imaging with Machine and Deep Learning: A Comparative Study of Two Citrus Cultivars 2025-Jun-13, Foods (Basel, Switzerland) DOI:10.3390/foods14122091 PMID:40565699	研究论文	本研究探讨了结合高光谱成像（HSI）与机器学习和深度学习技术预测两种柑橘品种（椪柑和甜橙）可溶性固形物含量（SSC）的效果	比较了传统机器学习模型与深度学习模型在预测柑橘SSC方面的性能，并探索了结合不同深度学习架构的模型，同时通过SHAP分析揭示了不同品种间影响波长的差异	研究仅涉及两种柑橘品种，未来需要纳入更广泛的柑橘品种以开发更稳健和通用的预测模型	探索高光谱成像结合机器学习和深度学习技术在柑橘可溶性固形物含量预测中的应用	两种柑橘品种（椪柑和甜橙）的可溶性固形物含量	计算机视觉	NA	高光谱成像（HSI）	支持向量机（SVM）、偏最小二乘回归（PLSR）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、Transformer架构	图像	两种柑橘品种（椪柑和甜橙）
99	2025-06-29	Epileptic Seizure Detection Using Machine Learning: A Systematic Review and Meta-Analysis 2025-Jun-12, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15060634 PMID:40563805	meta-analysis	本文通过系统综述和荟萃分析评估机器学习模型在癫痫发作检测中的性能	首次通过荟萃分析综合评估机器学习模型在癫痫发作检测中的性能，并分析模型类型、数据预处理方法和数据集类型对结果的影响	需要更大规模的多中心临床研究来验证算法的可解释性、安全性和在真实临床环境中的适用性	评估机器学习模型在癫痫发作检测中的性能，为未来智能工具的开发提供循证基础	基于脑电图(EEG)信号的癫痫发作检测	machine learning	epilepsy	EEG	deep learning vs. traditional ML	EEG信号	60项研究和93个数据集
100	2025-06-29	Machine Learning-Augmented Triage for Sepsis: Real-Time ICU Mortality Prediction Using SHAP-Explained Meta-Ensemble Models 2025-Jun-12, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13061449 PMID:40564166	研究论文	本文介绍了一种新型、可解释的机器学习框架，用于预测ICU入院脓毒症患者的院内死亡率	结合了集成ML算法与深度学习架构，并通过Red Piranha优化算法进行特征选择和超参数调优	研究依赖于回顾性数据，可能存在数据偏差	提高脓毒症患者的院内死亡率预测精度，优化临床决策过程	ICU入院的脓毒症患者	机器学习	脓毒症	Synthetic Minority Oversampling Technique, Red Piranha Optimization算法	集成ML算法与深度学习架构	临床和实验室数据	来自三级大学医院的2019年1月至2024年6月的患者记录，以及MIMIC-III数据集的外部测试数据