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	2025-08-11	Advancing smart communities with a deep learning framework for sustainable resource management 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329492 PMID:40773471	research paper	该研究提出了一种深度学习框架，用于优化智能社区的可持续资源管理	结合了LSTM、CNN和自编码器，提高了资源预测精度和异常检测能力	数据来源局限于阿姆斯特丹和新加坡的开放数据平台，可能影响模型的普适性	优化智能社区的资源管理系统，实现可持续发展	智能社区的能源、水资源和废物管理系统	machine learning	NA	深度学习	LSTM, CNN, autoencoder	时空数据	来自阿姆斯特丹开放数据平台、新加坡政府开放数据门户以及众包平台FixMyStreet和OneService的数据
82	2025-08-11	FCMI-YOLO: An efficient deep learning-based algorithm for real-time fire detection on edge devices 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329555 PMID:40773480	research paper	提出了一种名为FCMI-YOLO的高效深度学习算法，用于边缘设备上的实时火灾检测	引入了FasterNext模块、跨尺度特征融合模块(CCFM)和混合局部通道注意力机制(MLCA)，并提出了Inner-DIoU损失函数来优化边界框回归	未提及算法在极端环境下的性能表现	解决在硬件资源受限条件下，准确性和推理速度之间的权衡问题	边缘设备上的实时火灾检测	computer vision	NA	deep learning	YOLO	image	自定义火灾数据集
83	2025-08-11	GNN-RMNet: Leveraging graph neural networks and GPS analytics for driver behavior and route optimization in logistics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328899 PMID:40773479	研究论文	本文提出了一种名为GNN-RMNet的混合深度学习系统，用于物流中的驾驶员行为分析和路线异常检测	结合GNN、ResNet和MobileNet，实现了可解释、可扩展且高效的驾驶员行为分析和路线异常检测	未来部署需要考虑网络安全、数据隐私和多模态传感器集成等问题	开发智能系统以监控驾驶员行为并识别路线异常，优化物流网络	物流网络中的驾驶员行为和车辆路线	机器学习	NA	GPS分析和车辆传感器数据流	GNN、ResNet、MobileNet	时空GPS轨迹和车辆传感器数据	真实世界的GPS-车辆传感器数据集
84	2025-08-11	Study on the effect of light distribution on the greenhouse environment in Chinese solar greenhouse 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328302 PMID:40773526	研究论文	研究光照分布对中国日光温室内部环境的影响	结合实验测量与深度学习模型（LSTM）研究日光温室内的光热环境分布及其对作物生长的影响	研究仅针对特定高度和水平范围内的光照和温度变化，未涵盖所有可能的温室环境条件	探究日光温室内光照环境对内部条件的影响，为调控温室光温环境提供数据和理论依据	日光温室内的光照和温度分布	农业工程	NA	深度学习	LSTM	环境监测数据（光照、温度）	实验测量数据，具体样本量未明确说明
85	2025-08-11	Robust skeletal motion tracking using temporal and spatial synchronization of two video streams 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328969 PMID:40773500	研究论文	该研究提出了一种结合时间和空间同步的双视频流三维人体骨骼跟踪系统，用于上肢康复活动的精确运动追踪	通过集成90°辅助摄像头和线性回归深度误差校正模型，显著提高了单摄像头系统在遮挡和非正面视角情况下的深度估计精度	研究主要集中在上肢活动，未涉及全身运动追踪	开发一种经济高效且可扩展的远程患者监测和运动功能评估解决方案	上肢康复活动中的骨骼运动	计算机视觉	康复医学	双摄像头系统、线性回归模型、卡尔曼滤波	线性回归、卡尔曼滤波	视频流	NA
86	2025-08-11	Liver MRI proton density fat fraction inference from contrast enhanced CT images using deep learning: A proof-of-concept study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328867 PMID:40779568	研究论文	本研究探讨了使用深度学习从对比增强CT图像推断肝脏MRI质子密度脂肪分数的可行性	首次尝试使用深度学习模型从CECT图像预测MRI-PDFF值，为肝脏脂肪定量提供了一种更经济、更易获取的替代方法	在从CECT图像精确推断MRI-PDFF值方面能力有限	探索从对比增强CT图像推断肝脏MRI质子密度脂肪分数的可行性，以改善代谢功能障碍相关脂肪性肝病的早期诊断	活体肝移植候选者的CECT和MRI-PDFF图像数据	数字病理学	代谢功能障碍相关脂肪性肝病	深度学习	3D U-Net	医学影像	94名患者
87	2025-08-11	Assessing the adversarial robustness of multimodal medical AI systems: insights into vulnerabilities and modality interactions 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606238 PMID:40776910	research paper	本研究探讨了多模态医疗AI系统在对抗性攻击下的鲁棒性，比较了单模态与多模态模型的性能差异	研究发现多模态模型相比单模态模型在对抗性攻击下表现出更强的鲁棒性，支持多模态整合对深度学习系统稳健性的积极影响	研究仅涉及图像和文本两种模态，未涵盖其他可能的多模态组合	评估医疗AI系统在对抗性攻击场景下的脆弱性及模态间交互作用	多模态医疗AI系统	machine learning	NA	对抗性攻击测试	多模态大模型	图像和文本	NA
88	2025-08-11	The application of artificial intelligence in forensic pathology: a systematic literature review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1583743 PMID:40776925	系统综述	本文系统评估了人工智能在法医病理学中的最新应用及其未来发展方向	总结了人工智能在法医病理学多个领域中的创新应用，包括死后分析、伤口分析、硅藻测试和微生物组分析等	样本量较小，不同应用间性能差异大，AI决策在法律背景下的可解释性有待提高	评估人工智能在法医病理学中的应用现状和未来发展方向	法医病理学中的各类应用场景	法医病理学	NA	深度学习	NA	多模态数据	18篇符合纳入标准的文章
89	2025-08-11	Data-driven non-intrusive reduced order modelling of selective laser melting additive manufacturing process using proper orthogonal decomposition and convolutional autoencoder 2025, Advanced modeling and simulation in engineering sciences IF:2.0Q3 DOI:10.1186/s40323-025-00305-6 PMID:40777044	研究论文	本研究提出并比较了两种数据驱动的非侵入式降阶模型（ROMs）用于增材制造（AM）过程：POD-ANN和CAE-MLP模型	结合降阶建模技术与机器学习算法，提出POD-ANN和CAE-MLP两种新模型，用于增材制造过程的分析	虽然两种模型均表现出良好的预测性能，但CAE-MLP模型在预测精度和性能上优于POD-ANN模型	提高增材制造过程分析的精度和效率	增材制造（AM）过程	机器学习	NA	POD, ANN, CAE, MLP	POD-ANN, CAE-MLP	数值模拟数据	NA
90	2025-08-11	Deriving equivalent symbol-based decision models from feedforward neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1618149 PMID:40777518	研究论文	该研究探讨了从前馈神经网络（FNNs）中提取可解释的符号模型（如决策树）的方法，以提高AI系统的透明度和信任度	提出了一种系统方法，利用FNNs中的分布式表示来识别符号组件，并将神经网络激活映射到决策树边缘，从而生成可解释的符号模型	研究仅针对前馈神经网络，未涉及其他类型的神经网络	提高AI系统的透明度和信任度，通过提取可解释的符号模型来阐明神经网络的运作	前馈神经网络（FNNs）和符号模型（如决策树）	机器学习	NA	分布式表示、符号组件识别	FNNs, 决策树	NA	NA
91	2025-08-11	Automatic segmentation of chest X-ray images via deep-improved various U-Net techniques 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251366855 PMID:40777837	research paper	评估多种基于U-Net的深度学习架构在胸部X光图像分割中的性能，并确定最有效的模型	比较了八种U-Net变体的性能，发现U-Net9在准确性和计算效率上表现最佳	仅使用了公开可用的胸部X光数据集，未涉及其他模态的医学影像数据	评估不同U-Net架构在胸部X光图像分割中的性能，寻找最优模型	胸部X光图像及其对应的分割掩码	digital pathology	COVID-19, viral pneumonia	deep learning	U-Net variants (U-Net7, U-Net9, U-Net11, U-Net13, U-Net16, U-Net32, U-Net64, U-Net128)	image	公开可用的胸部X光数据集，包含正常、COVID-19和病毒性肺炎类别
92	2025-08-11	Automated detection of diabetic retinopathy lesions in ultra-widefield fundus images using an attention-augmented YOLOv8 framework 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1608580 PMID:40778265	研究论文	本研究提出了一种改进的YOLOv8模型，用于精确识别糖尿病视网膜病变(DR)病灶	在YOLOv8模型中集成了两种注意力机制(convEMA和convSimAM)，提高了对小尺寸、低对比度和结构复杂特征的检测能力	仅使用了单一数据源(UWF眼底图像)，未在其他类型图像上验证模型泛化能力	提高糖尿病视网膜病变病灶的自动检测精度	糖尿病视网膜病变患者的超广角眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	YOLOv8+convEMA, YOLOv8+convSimAM	图像	3,388张超广角眼底图像(分辨率2,600×2048像素)
93	2025-08-11	A novel deep learning model based on multimodal contrast-enhanced ultrasound dynamic video for predicting occult lymph node metastasis in papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1634875 PMID:40778281	研究论文	本研究基于多模态对比增强超声动态视频构建深度学习模型，用于预测甲状腺乳头状癌隐匿性淋巴结转移	首次结合2D超声和对比增强超声动态视频构建多模态深度学习模型，显著提高了预测隐匿性淋巴结转移的敏感性和特异性	研究为回顾性分析，样本量有限(396例)，且仅在单一机构收集数据	术前预测甲状腺乳头状癌患者的隐匿性淋巴结转移	临床淋巴结阴性的甲状腺乳头状癌患者	数字病理	甲状腺癌	对比增强超声(CEUS)	深度学习模型(包括DL_CEUSvideo、DL_image和DL_combined)	超声图像和动态视频	396例临床淋巴结阴性的甲状腺乳头状癌病例
94	2025-08-11	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色的全切片图像中预测乳腺癌复发风险	提出了一种新的深度学习模型Deep-BCR-Auto，能够显著优于现有的弱监督模型，并在独立数据集中表现出强大的泛化能力	研究主要关注HR+/HER2-乳腺癌患者，可能不适用于其他亚型的乳腺癌	开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险的准确预测	乳腺癌患者	数字病理学	乳腺癌	深度学习	Deep-BCR-Auto	图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集
95	2025-08-11	Ultra low-power, wearable, accelerated shallow-learning fall detection for elderly at-risk persons 2024-Sep, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2024.100498 PMID:40777999	research paper	开发一种无线、可穿戴、低功耗的跌倒检测传感器（FDS），用于预测和检测老年高危人群的跌倒	利用先进的低功耗FPGA实现固定功能神经网络，用于分类日常生活活动（ADLs），包括跌倒检测	NA	提高老年人的安全和福祉，通过提供及时准确的跌倒检测和预测	老年高危人群	machine learning	geriatric disease	FPGA, CNN	CNN	3D accelerometer and gyroscope measurements	使用志愿者人类受试者收集的数据
96	2025-08-11	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	research paper	该研究开发了一种基于深度学习算法的早期预警指标，用于在噪声干扰下检测疾病爆发的早期信号	通过结合加性白噪声、乘性环境噪声和人口统计学噪声，开发了一种新的深度学习算法，用于在复杂噪声环境下提供更可靠的早期预警信号	研究主要基于模拟数据和有限的真实世界COVID-19数据，需要在更多疾病和更大规模数据上进行验证	开发能够在噪声干扰下可靠检测疾病爆发早期信号的预警指标	疾病传播模型和真实世界COVID-19数据	machine learning	COVID-19	deep learning	深度学习算法	时间序列数据	埃德蒙顿的COVID-19病例数据和模拟时间序列数据
97	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
98	2025-08-11	Automated In Vivo High-Resolution Imaging to Detect Human Papillomavirus-Associated Anal Precancer in Persons Living With HIV 2023-02-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000558 PMID:36729506	研究论文	本文探讨了使用高分辨率显微内窥镜(HRME)结合机器学习算法自动诊断肛门癌前病变的潜力	开发了一种新型的多任务深度学习网络(MTN)，用于实时分析HRME图像，自动诊断肛门上皮内瘤变2级及以上(AIN 2+)	研究样本量较小(77名HIV感染者)，且特异性相对较低(0.60)	改进肛门癌筛查程序，提高AIN 2+检测的效率和准确性	HIV感染者的肛门鳞状上皮细胞	数字病理	肛门癌	高分辨率显微内窥镜(HRME)，荧光显微镜	多任务深度学习网络(MTN)	图像	77名HIV感染者
99	2025-08-11	Advances in High-Speed Structured Illumination Microscopy 2021-May, Frontiers in physics IF:1.9Q2 DOI:10.3389/fphy.2021.672555 PMID:40771414	review	本文综述了高速结构光照明显微镜（SIM）的最新进展，旨在提高其成像和重建速度	总结了硬件和软件方面的改进，包括减少原始图像数量、GPU加速、深度学习和空间域重建	未提及具体的技术实施细节或实验验证结果	提高结构光照明显微镜（SIM）的整体速度，以满足活细胞成像的需求	结构光照明显微镜（SIM）技术及其在活细胞成像中的应用	显微镜技术	NA	结构光照明显微镜（SIM）	深度学习	图像	NA
100	2025-08-10	AI-based toxicity prediction models using ToxCast data: Current status and future directions for explainable models 2025-Nov, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2025.154230 PMID:40645553	综述	本文综述了基于ToxCast数据的AI毒性预测模型的现状及未来发展方向	分析了93篇同行评审论文，概述了ToxCast数据驱动的AI模型，并探讨了数据库结构、目标终点、分子表示和学习算法的现状	当前模型主要关注数据丰富的终点和器官特异性毒性机制，可能忽略了其他重要毒性机制	开发毒性预测模型以筛选环境化学品，加速下一代风险评估(NGRA)	环境化学品及其毒性	机器学习	NA	AI驱动的毒性预测	监督学习、半监督学习、无监督学习、深度学习	分子指纹、描述符、图、图像、文本	93篇同行评审论文