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
1041	2025-06-01	Deep Learning-Assisted Diagnostic System: Implant Brand Detection Using Improved IB-YOLOv10 in Periapical Radiographs 2025-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15101194 PMID:40428187	研究论文	本研究利用改进的IB-YOLOv10模型在根尖周X光片中辅助牙科植入物品牌检测	提出创新的植入物品牌特征提取方法及PA分辨率增强技术，结合Dark Channel Prior和Lanczos插值提升图像分辨率	未提及模型在不同设备或拍摄条件下的泛化能力	开发自动化牙科植入物品牌检测系统以辅助临床诊断	根尖周X光片中的牙科植入物	计算机视觉	牙科疾病	多图像增强技术、Dark Channel Prior、Lanczos插值	改进的IB-YOLOv10（基于YOLO系列）	X光影像	未明确说明样本数量（仅提及临床PA影像）
1042	2025-06-01	Research on Beef Marbling Grading Algorithm Based on Improved YOLOv8x 2025-May-08, Foods (Basel, Switzerland) DOI:10.3390/foods14101664 PMID:40428444	research paper	提出了一种基于改进YOLOv8x的牛肉大理石花纹分级算法，以提高牛肉质量评级的效率和准确性	集成了改进的注意力机制和损失函数的CNN，以及ROI预处理算法，实现了自动化的大理石花纹分级	研究仅基于1300张牛肉样本图像，可能无法涵盖所有牛肉品种和分级情况	提高牛肉大理石花纹分级的自动化水平和准确性	牛肉样本的大理石花纹	computer vision	NA	CNN, 注意力机制, ROI预处理算法	改进的YOLOv8x	image	1300张牛肉样本图像
1043	2025-06-01	Artificial Intelligence in Glaucoma: Advances in Diagnosis, Progression Forecasting, and Surgical Outcome Prediction 2025-May-08, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26104473 PMID:40429619	综述	本文综述了人工智能在青光眼诊断、疾病进展预测和手术结果预测中的最新应用	利用深度学习架构（如CNN、RNN、Transformer模型、GAN和自编码器）从结构、功能和分子数据中提取临床相关模式，提升青光眼早期检测和手术结果预测	在可解释性、异构数据整合以及缺乏个性化手术时机指导方面仍存在挑战	推动青光眼精准医疗的发展	青光眼患者	数字病理学	青光眼	转录组学和代谢组学分析	CNN、RNN、Transformer、GAN、自编码器	图像、电子健康记录、分子数据	NA
1044	2025-06-01	Robust Line Feature Matching via Point-Line Invariants and Geometric Constraints 2025-May-08, Sensors (Basel, Switzerland) DOI:10.3390/s25102980 PMID:40431775	研究论文	本文提出了一种基于点线不变性和几何约束的鲁棒线特征匹配方法	通过空间不变关系构建点线不变量，提出双不变量用于线匹配，并结合几何约束提高匹配的准确性和鲁棒性	未提及具体计算复杂度或实时性能的分析	提高线特征匹配的鲁棒性和泛化能力	图像中的线特征	计算机视觉	NA	点线不变量和几何约束	NA	图像	未提及具体样本数量
1045	2025-06-01	Cross-Subject Motor Imagery Electroencephalogram Decoding with Domain Generalization 2025-May-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050495 PMID:40428114	研究论文	本研究提出了一种基于深度学习的跨被试运动想象脑电图解码模型，通过提取源被试的域不变特征来提高模型的泛化能力	采用知识蒸馏框架和相关性对齐方法提取和优化域不变特征，结合距离正则化增强泛化信息	被试间数据分布的多样性可能限制模型的鲁棒性	实现运动想象脑机接口的即插即用功能，减少目标被试的校准时间和额外模型训练	运动想象脑电图信号	脑机接口	NA	深度学习神经网络	知识蒸馏框架	脑电图信号	BCI Competition IV 2a和韩国大学数据集
1046	2025-06-01	The Role of Artificial Intelligence in Identifying NF1 Gene Variants and Improving Diagnosis 2025-May-07, Genes IF:2.8Q2 DOI:10.3390/genes16050560 PMID:40428382	review	本文探讨了人工智能在识别NF1基因变异和改进诊断中的作用	应用AI技术如VEST3、REVEL、ClinPred及特定模型DITTO和RENOVO-NF1，提高了错义变异的分类准确性和VUS的重新分类	存在算法偏见、数据多样性有限以及功能验证需求等关键挑战	探索人工智能在NF1基因变异检测、分类和解释中的新兴作用	NF1基因变异及其相关疾病	自然语言处理	神经纤维瘤病1型	NGS	LTC神经网络	基因数据	NA
1047	2025-06-01	Role of Artificial Intelligence and Personalized Medicine in Enhancing HIV Management and Treatment Outcomes 2025-May-06, Life (Basel, Switzerland) DOI:10.3390/life15050745 PMID:40430173	review	本文探讨了人工智能和个性化医学在HIV管理中的应用及其对治疗效果的提升	结合机器学习和多组学数据分析，实现精准预测和个性化抗逆转录病毒治疗	面临数据隐私、算法偏见和临床验证需求等挑战	提升HIV的诊断、治疗优化和疾病监测	HIV患者	machine learning	HIV	machine learning, deep neural networks, multi-omics data analysis	deep learning	genomic, proteomic, clinical datasets	NA
1048	2025-06-01	The Detection of Gait Events Based on Smartphones and Deep Learning 2025-May-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050491 PMID:40428110	研究论文	本研究利用智能手机和深度学习技术检测步态事件，并评估该方法在不同老年人群和脑小血管病患者中的远程效果及临床意义	结合智能手机和深度学习模型BiTCN-BiGRU-CrossAttention进行步态事件检测，并在多种老年人群和脑小血管病患者中进行评估	样本量相对较小，且仅针对特定老年人群和脑小血管病患者进行研究	开发并评估一种基于智能手机和深度学习的步态事件检测方法	健康个体、轻度认知障碍患者、帕金森病患者及脑小血管病患者	机器学习	脑小血管病	深度学习	BiTCN-BiGRU-CrossAttention, TCN-GRU, BiTCN-BiGRU	传感器数据	150名健康个体、48名老年人（25名健康、12名轻度认知障碍、11名帕金森病）、35名脑小血管病患者
1049	2025-06-01	MambaPhase: deep learning for liquid-liquid phase separation protein classification 2025-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf230 PMID:40421658	研究论文	该研究开发了一种基于Mamba的深度学习模型，用于准确分类液-液相分离蛋白	采用对比学习方法整合分离概率、蛋白类型和实验条件，提高了分类准确性和适用性	模型在特定实验条件下的泛化能力尚未完全验证	开发高效准确的液-液相分离蛋白分类方法	液-液相分离蛋白	机器学习	NA	对比学习	Mamba-based encoder	蛋白数据	NA
1050	2025-06-01	ADCNet: a unified framework for predicting the activity of antibody-drug conjugates 2025-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf228 PMID:40421657	研究论文	介绍了一个名为ADCNet的统一深度学习框架，用于预测抗体-药物偶联物（ADCs）的活性	ADCNet整合了蛋白质表示学习语言模型ESM-2和小分子表示学习语言模型，通过学习ADC的抗原和抗体蛋白序列、连接子和有效载荷的SMILES字符串以及药物-抗体比率（DAR）值来预测活性	NA	探索ADC的五元结构与活性之间的关系，帮助设计潜在的ADC	抗体-药物偶联物（ADCs）	机器学习	癌症	深度学习	ADCNet（整合ESM-2和基于功能组的双向编码器表示变换器）	蛋白质序列、SMILES字符串、数值（DAR值）	NA
1051	2025-06-01	Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE 2025-05, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401451 PMID:39905872	研究论文	介绍了一种名为PASSAGE的深度学习框架，用于在空间转录组学中识别与表型相关的特征	PASSAGE是一种基于图嵌入的深度学习框架，能够有效表征多个异质性空间切片中的表型相关特征，不同于现有的无监督方法	NA	开发一种计算工具，用于在空间转录组学数据中识别与生理/病理状态相关的特征	空间转录组学数据	空间转录组学	NA	空间转录组学	深度学习	空间转录组数据	NA
1052	2025-06-01	Recent Advances in Structured Illumination Microscopy: From Fundamental Principles to AI-Enhanced Imaging 2025-05, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401616 PMID:40025917	综述	本文介绍了结构光照明显微镜(SIM)的基本原理及其在超分辨率成像中的最新进展，包括光照和调制设备、图像重建算法，以及深度学习技术在SIM成像中的应用	探讨了深度学习技术在SIM成像中的应用，包括提升图像质量、加速成像和重建速度或替代现有图像重建方法，并提出了评估深度学习神经网络的关键指标	未提及具体实验数据或样本量，可能缺乏实际应用案例的详细分析	介绍SIM的基本原理和最新发展，探讨深度学习在SIM成像中的应用及未来人工智能与SIM系统的整合前景	结构光照明显微镜(SIM)技术及其在生物成像中的应用	数字病理学	NA	结构光照明显微镜(SIM), 深度学习(DL)	深度学习神经网络	图像	NA
1053	2025-06-01	Using generative adversarial deep learning networks to synthesize cerebrovascular reactivity imaging from pre-acetazolamide arterial spin labeling in moyamoya disease 2025-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03605-1 PMID:40183965	research paper	该研究使用生成对抗网络（GANs）从基线动脉自旋标记（ASL）MRI合成脑血管反应性（CVR）图像，以替代需要乙酰唑胺（ACZ）挑战的传统CVR测量方法	首次应用GANs从基线ASL MRI合成CVR图像，避免了ACZ挑战的需求，提高了CVR测量的可行性和广泛应用性	低CVR区域的Dice相似系数（DSC）较低（0.593±0.128），表明在低CVR区域的识别上仍有改进空间	开发一种无需ACZ挑战的CVR测量方法，以更广泛地评估脑血管健康	203例烟雾病（Moyamoya disease）患者的3248张ACZ挑战前后的ASL脑血流（CBF）图像	digital pathology	moyamoya disease	arterial spin labeling (ASL) MRI	GAN (Pixel-to-Pixel GAN)	image	203例烟雾病患者，共3248张ASL CBF图像（2640张用于训练，608张用于测试）
1054	2025-06-01	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	研究论文	本研究评估了基于深度学习的去噪图像重建技术在儿童体部磁共振成像（MRI）中的应用效果	首次在儿童体部MRI中应用深度学习去噪重建技术，显著提高了图像质量和扫描效率	非呼吸门控的T1加权图像显示更明显的呼吸运动伪影	评估深度学习重建技术在儿童体部MRI中的图像质量提升效果	21名1.5-15.8岁的儿童患者	数字病理	NA	径向k空间采样技术(PROPELLER)	深度学习	MRI图像	21名儿童患者
1055	2025-06-01	AI-Driven TENGs for Self-Powered Smart Sensors and Intelligent Devices 2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417414 PMID:40277838	综述	本文探讨了人工智能驱动的摩擦纳米发电机（TENGs）在自供电智能传感器和智能设备中的协同潜力	通过整合人工智能技术优化TENGs的材料、制造和实时传感能力，提升能量收集和性能优化	需要解决低功耗AI算法、可持续材料、混合能源系统和安全协议等关键挑战	探索AI与TENGs结合的技术潜力，推动其在各行业的实际应用	摩擦纳米发电机（TENGs）及其与人工智能技术的整合	智能传感器技术	NA	机器学习和深度学习算法	NA	机械运动数据	NA
1056	2025-06-01	Automated, Standardized, Quantitative Analysis of Cardiovascular Borders on Chest X-Rays Using Deep Learning 2025-May, JACC. Advances DOI:10.1016/j.jacadv.2025.101687 PMID:40286357	研究论文	本研究开发了一种基于深度学习的自动化方法，用于量化胸部X光片中的心血管边界，并探索其临床应用价值	首次使用深度学习技术对心血管边界进行标准化定量分析，并建立了年龄和性别特定的正常范围	研究仅基于特定站点的数据，可能无法完全代表所有人群	开发一种自动化、标准化的心血管边界分析方法，并评估其在心血管疾病诊断和风险分层中的临床效用	胸部X光片中的心血管边界	数字病理	心血管疾病	深度学习	深度学习模型（具体类型未明确说明）	图像（胸部X光片）	140,696张胸部X光片（96,129张正常，44,567张疾病）
1057	2025-06-01	Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI 2025-May-01, ArXiv PMID:40342862	研究论文	提出了一种新型的外围体积去除（OVR）方法，用于实时动态MRI中消除非心脏区域的混叠伪影	利用深度学习模型识别并去除伪影，结合物理驱动的深度学习方法恢复高时空分辨率图像	未提及具体样本量及实验验证的广泛性	提高实时动态MRI的高加速率成像质量	心脏运动的功能评估	医学影像处理	心血管疾病	深度学习辅助的外围体积去除技术	PD-DL（物理驱动的深度学习）	MRI图像	NA
1058	2025-06-01	Image-Based Deep Learning Model for Predicting Lymph Node Metastasis in Lung Adenocarcinoma With CT ≤ 2 cm 2025-May, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.70048 PMID:40425526	研究论文	本研究开发了一种基于影像的深度学习模型，用于预测CT扫描中直径≤2 cm的肺腺癌患者的淋巴结转移	利用Lasso模型筛选临床和影像特征，结合多变量逻辑回归分析建立预测模型，并通过ROC曲线、决策曲线和校准曲线验证模型效果	仅使用了内部验证集进行验证，缺乏外部验证	提高小直径肺腺癌患者淋巴结转移的术前准确识别，以改善患者生存和预后	1740例接受手术切除的临床早期肺腺癌患者	数字病理学	肺癌	CT影像分析	Lasso模型, 逻辑回归	影像	1740例患者
1059	2025-06-01	AI-Driven Detection of Obstructive Sleep Apnea Using Dual-Branch CNN and Machine Learning Models 2025-Apr-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13051090 PMID:40426919	研究论文	本研究比较了机器学习和深度学习方法（如双分支CNN模型）在心电图（ECG）数据中检测阻塞性睡眠呼吸暂停（OSA）的应用	提出了一种非侵入性的AI方法，利用双分支CNN模型从ECG信号中检测OSA，解决了传统多导睡眠图（PSG）的局限性	NA	比较和对比机器学习和深度学习方法在OSA检测中的应用	阻塞性睡眠呼吸暂停（OSA）患者的心电图（ECG）数据	机器学习	阻塞性睡眠呼吸暂停	ECG信号分析	双分支CNN, CNN	ECG信号	NA
1060	2025-06-01	Advancements in Medical Radiology Through Multimodal Machine Learning: A Comprehensive Overview 2025-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050477 PMID:40428096	综述	本文综述了多模态机器学习在医学放射学中的最新进展、应用和未来研究方向	探讨了多模态学习如何从不同医疗数据源提取新特征，提升算法灵活性，并分析了当前多模态机器学习在放射学中的方法、应用和趋势	未提及具体的技术实现细节或实验验证结果	促进人工智能在医学影像中的整合应用，提升诊断效率和患者护理水平	医学放射学中的多模态数据（影像、文本和结构化医疗数据）	数字病理	NA	多模态机器学习	NA	影像、文本、结构化医疗数据	NA