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
1161	2025-06-08	Deep learning-based temporal MR image reconstruction for accelerated interventional imaging during in-bore biopsies 2025-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.3.035001 PMID:40469203	研究论文	本研究旨在通过深度学习加速前列腺癌的经直肠MR引导活检，利用欠采样图像重建和图像分割进行器械定位	提出了一种基于深度学习的时空MR图像重建模型，能够在16倍欠采样率下保持图像质量，并显著提高器械预测成功率	研究为单中心回顾性研究，可能受到数据来源单一的限制	加速前列腺癌的经直肠MR引导活检过程	前列腺癌患者	数字病理	前列腺癌	MR成像	nnU-Net	MR图像	1289名患者的8464次MR 2D多层扫描
1162	2025-06-08	Performance of ChatGPT-3.5 and ChatGPT-4 in Solving Questions Based on Core Concepts in Cardiovascular Physiology 2025-May, Cureus DOI:10.7759/cureus.83552 PMID:40476113	研究论文	本研究评估了ChatGPT-3.5和ChatGPT-4在解决心血管生理学核心概念问题上的表现	比较了不同版本的ChatGPT在医学教育中的应用效果，特别是在心血管生理学领域的表现	需要教师审查生成的解释以确保准确性，生成式AI在医学教育中的应用需要谨慎考虑	评估ChatGPT在解决心血管生理学核心概念问题上的能力	ChatGPT-3.5和ChatGPT-4	自然语言处理	心血管疾病	深度学习	ChatGPT	文本	多项选择题（具体数量未提及）
1163	2025-06-08	Diagnostic performance of the ultrasound -based artificial intelligence diagnostic system in predicting cervical lymph node metastasis in patients with thyroid cancer: A systematic review and meta-analysis 2025 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504251346906 PMID:40462622	meta-analysis	本文通过系统评价和荟萃分析评估了基于超声的人工智能诊断系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能	首次系统评估了基于超声的AI系统在甲状腺癌颈部淋巴结转移预测中的表现，并比较了不同设计（如多中心与单中心、深度学习与传统机器学习）的诊断效果	需要前瞻性验证才能投入临床应用，且中国研究的特异性低于其他国家	评估基于超声的人工智能系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能	甲状腺癌患者及其颈部淋巴结转移情况	digital pathology	thyroid cancer	ultrasound, artificial intelligence	deep learning, classic machine learning	image	19项研究
1164	2025-06-08	Leveraging network uncertainty to identify regions in rectal cancer clinical target volume auto-segmentations likely requiring manual edits 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100771 PMID:40475847	research paper	本研究探讨了深度学习自动分割在直肠癌放疗工作流程中的应用，特别是通过网络不确定性量化来识别需要手动编辑的区域	提出利用网络不确定性估计来预测需要临床相关编辑的分割区域，验证了认知不确定性估计的有效性	网络不确定性的解释因多种不确定性来源的非平凡交互而复杂化	提高直肠癌放疗工作流程中自动分割的效率和质量	直肠系膜临床靶区的自动分割	digital pathology	rectal cancer	Monte Carlo dropout	nnU-Net	image	NA
1165	2025-06-08	Enhancing patient-specific deep learning based segmentation for abdominal magnetic resonance imaging-guided radiation therapy: A framework conditioned on prior segmentation 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100766 PMID:40475848	研究论文	提出了一种基于先验分割的深度学习框架，用于增强腹部磁共振成像引导放射治疗中的患者特异性分割	无需为每位患者重新训练模型，通过整合分次MR体积和计划分割图生成稳健的分次MR分割	需要分次MR和计划分割图的对齐效果较好，否则性能可能下降	提高腹部磁共振成像引导放射治疗中患者特异性分割的准确性和效率	接受腹部癌症MRgRT治疗的69名患者（共222个分次MR）	数字病理	腹部癌症	磁共振成像引导放射治疗(MRgRT)	3D UNet	磁共振图像	69名患者，222个分次MR
1166	2025-06-08	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文介绍了一种新颖的一致性预测不确定性（CPU）指数，通过结合亚组分析和个性化AI时间-事件模型的见解，改进了肺癌筛查（LCS）预测的特异性	提出了一种新的CPU-Index框架，通过测量亚组分析和AI时间-事件模型之间预测的一致性，改进了预测的透明度和可靠性	个性化AI时间-事件模型存在透明度问题和来自删失数据的偏差	改进肺癌筛查的风险评估，提高预测的特异性	肺癌筛查的低剂量CT（LDCT）影像和患者人口统计学数据	数字病理学	肺癌	LDCT放射组学，AI时间-事件模型	神经多任务逻辑回归时间-事件模型	图像，人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受LDCT筛查并在一年内病理确诊为肺癌的患者
1167	2025-06-08	Artificial Intelligence in Pancreatic Imaging: A Systematic Review 2025-02, United European gastroenterology journal IF:5.8Q1 DOI:10.1002/ueg2.12723 PMID:39865461	综述	本文系统回顾了人工智能在胰腺影像学中的应用，包括技术进展、临床应用及面临的挑战	深入探讨了深度学习特别是CNN在胰腺疾病检测和诊断中的有效性，以及影像组学在提高深度学习模型准确性方面的作用	面临法律和伦理问题、算法透明度及数据安全等挑战	评估人工智能在胰腺影像学中的应用及其对疾病诊断和治疗的潜在影响	胰腺疾病，包括急性和慢性胰腺炎以及各种胰腺肿瘤	数字病理学	胰腺癌	机器学习、深度学习、影像组学	CNN	影像	NA
1168	2025-06-08	End-to-end deep learning patient level classification of affected territory of ischemic stroke patients in DW-MRI 2025-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03520-x PMID:39656236	研究论文	开发一种端到端深度学习模型，用于自动分类中风患者在DWI中的受影响区域	采用端到端深度学习模型，结合临床信息作为领域知识向量，提高了分类性能	研究为回顾性多中心研究，可能存在数据偏差	自动分类中风患者在DWI中的受影响区域	中风患者的DWI图像	数字病理学	心血管疾病	DWI-MRI	3D CNN, LSTM-CNN	图像	624例DWI MRI图像，来自3个中心的患者
1169	2025-06-08	Multi-branch GAT-GRU-transformer for explainable EEG-based finger motor imagery classification 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1599960 PMID:40469097	研究论文	提出了一种名为Multi-Branch GAT-GRU-Transformer的新型多分支深度学习框架，用于增强基于EEG的运动想象分类	结合了GAT、GRU和Transformer模块，提取空间、时间和频率特征，并通过SHAP和PLV分析提高模型的可解释性	模型在Kaya数据集上的五类运动想象分类准确率为55.76%，仍有提升空间	提升基于EEG的运动想象分类性能，并增强模型的可解释性	EEG信号	脑机接口	NA	EEG	Multi-Branch GAT-GRU-Transformer	EEG信号	Kaya数据集
1170	2025-06-08	Mechanism and Multilayer Perceptron prediction model of the removal of α-terpineol, terpinen-4-ol and carvone from pasteurized citrus juices by β-cyclodextrin encapsulation 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1557934 PMID:40469671	研究论文	本研究揭示了天然环糊精(-CD)改善巴氏杀菌柑橘汁感官评价的机制，并基于常规理化指标建立了包封预测模型	通过分子对接展示了-CD与异味化合物形成1:1包合物的可能构象，并利用深度学习构建了多层感知器预测模型	NA	研究巴氏杀菌柑橘汁中异味化合物的去除机制并开发预测模型	柑橘汁中的α-松油醇、4-松油醇和香芹酮	食品科学	NA	气相色谱-质谱联用、扫描电子显微镜、X射线衍射、傅里叶变换红外光谱、热重分析、分子对接	多层感知器模型(MLP)	理化指标数据	NA
1171	2025-06-08	Artificial intelligence in cancer pathology: Applications, challenges, and future directions 2025, CytoJournal IF:2.5Q2 DOI:10.25259/Cytojournal_272_2024 PMID:40469709	review	本文综述了人工智能在癌症病理学中的应用、挑战及未来发展方向	探讨了AI在多种癌症类型中的当前应用，包括组织分类、突变检测和预后预测，并提出了未来发展方向如实时诊断和可解释AI	面临数据隐私保护、模型可解释性提升和满足监管标准等挑战	评估人工智能在癌症病理学中的应用潜力及其对精准肿瘤学的支持	乳腺癌、肺癌、前列腺癌和结直肠癌等多种癌症类型	digital pathology	lung cancer, prostate cancer, breast cancer, colorectal cancer	machine learning, deep learning, computer vision	NA	histopathological images, multi-modal data	NA
1172	2025-06-08	Res-ECA-UNet++: an automatic segmentation model for ovarian tumor ultrasound images based on residual networks and channel attention mechanism 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1589356 PMID:40470046	research paper	提出了一种基于残差网络和通道注意力机制的自动分割模型Res-ECA-UNet++，用于卵巢肿瘤超声图像的分割	在UNet++基础架构中引入ResNet34作为主干网络，并在跳跃连接中加入残差模块以解决梯度消失问题，同时在下采样阶段引入ECA-Net通道注意力机制以提高肿瘤区域的识别精度和定位精度	模型对不同病理类型和成像特征的适应性有待进一步优化	提高卵巢肿瘤超声图像分割的准确性，缓解医疗资源紧张的问题	卵巢肿瘤超声图像	digital pathology	ovarian tumor	deep learning	Res-ECA-UNet++ (基于UNet++和ResNet34)	image	临床超声数据集和公共OTU2D数据集
1173	2025-06-08	Application of artificial intelligence in palliative care: a bibliometric analysis of research hotspots and trends 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1597195 PMID:40470051	研究论文	本文通过文献计量学方法分析了人工智能在姑息治疗中的研究趋势，识别了研究热点和未来发展方向	首次系统评估人工智能在姑息治疗领域的发展轨迹，通过文献计量和可视化研究揭示技术应用趋势和跨学科合作路径	研究仍处于早期发展阶段，发展中国家参与度不足，技术应用尚未完全成熟	分析人工智能驱动的姑息治疗研究趋势，绘制知识结构并识别研究热点	姑息治疗领域的人工智能应用研究	自然语言处理	老年病	文献计量分析、共现分析、关键词趋势分析	机器学习、深度学习、自然语言处理	文献数据	246篇出版物，来自45个国家、615个机构和1,456位作者
1174	2025-06-08	Application of artificial intelligence in modern healthcare for diagnosis of autism spectrum disorder 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1569464 PMID:40470058	research paper	本研究探讨了深度学习算法在通过儿童面部特征识别自闭症谱系障碍（ASD）中的应用	提出使用Inception-V3模型进行ASD诊断，准确率达到98%，优于现有迁移学习算法	研究仅基于面部图像数据，未考虑其他行为或生理指标	提高自闭症谱系障碍的早期诊断准确性和效率	自闭症谱系障碍儿童的面部特征	digital pathology	geriatric disease	deep learning	Inception-V3, ResNet50, VGG-19	image	2,940张儿童面部图像
1175	2025-06-08	Design of Chinese traditional Jiaoyi (Folding chair) based on Kansei Engineering and CNN-GRU-attention 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1591410 PMID:40470295	research paper	本研究通过跨学科方法创新性地提升中国传统折叠椅（交椅）设计中的个性化情感响应和用户体验质量	结合Kansei工程和CNN-GRU-attention混合深度学习模型，提出了一种量化智能设计范式，用于文化遗产的现代化	未提及具体样本量或数据收集的局限性	系统提取用户情感特征，提升传统家具设计的个性化和用户体验	中国传统折叠椅（交椅）	computational design	NA	web-behavior data mining, KJ method, semantic crawlers, fuzzy comprehensive assessment, random forest, K-prototype clustering	CNN-GRU-Attention hybrid deep learning model	multi-source social data	NA
1176	2025-06-08	Deep learning-guided structural analysis of a novel bacteriophage KPP105 against multidrug-resistant Klebsiella pneumoniae 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.04.032 PMID:40470315	研究论文	本研究通过深度学习方法对新型噬菌体KPP105进行了生理、基因组和结构分析，揭示了其对抗多重耐药肺炎克雷伯菌的潜力	首次对新型噬菌体KPP105进行了全面的生理、基因组和结构分析，特别是利用深度学习技术分析了其宿主相互作用蛋白的结构	未提及实验样本量及具体实验验证数据	研究新型噬菌体KPP105的特性及其对抗多重耐药细菌的潜力	新型噬菌体KPP105及其宿主相互作用蛋白	生物信息学	多重耐药细菌感染	深度学习、基因组分析、结构分析	深度学习模型	基因组数据、蛋白质结构数据	NA
1177	2025-06-08	High throughput assessment of blueberry fruit internal bruising using deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1575038 PMID:40470370	研究论文	该研究利用深度学习模型快速量化蓝莓果实内部淤伤，为机器收获蓝莓提供高效评估方法	首次将YOLO检测和分割模型应用于蓝莓内部淤伤评估，开发了用户友好界面并公开模型	淤伤比率与真实值的相关性为0.69，平均绝对百分比误差为15.87%，存在一定误差	开发高效评估蓝莓内部淤伤的方法，以促进适合机器收获的蓝莓品种培育	61个软硬程度不同的蓝莓品种	计算机视觉	NA	深度学习	YOLO检测模型和分割模型	图像	2021-2023年期间61个蓝莓品种的果实
1178	2025-06-08	DualCMNet: a lightweight dual-branch network for maize variety identification based on multi-modal feature fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1588901 PMID:40470359	研究论文	提出了一种基于多模态特征融合的轻量级双分支网络DualCMNet，用于玉米品种识别	引入HShuffleBlock特征转换模块、CBAM注意力机制和轻量级门控融合模块，动态调整特征权重，实现高精度和低计算开销的平衡	仅针对11种玉米品种进行测试，未验证在其他作物上的泛化能力	开发一种轻量级多模态融合网络，用于玉米品种的高效准确识别	11种玉米品种的多模态数据（高光谱数据和图像数据）	计算机视觉	NA	高光谱数据处理和空间特征提取	1D-CNN和MobileNetV3	高光谱数据和图像数据	11种玉米品种的多模态数据
1179	2025-06-08	Global trends in the use of artificial intelligence for urological tumor histopathology: A 20-year bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251348834 PMID:40475298	研究论文	本文通过20年的文献计量分析，探讨了人工智能在泌尿系统肿瘤病理学中的全球研究趋势和创新	首次对人工智能在泌尿系统肿瘤病理学中的应用进行了长达20年的全球文献计量分析，揭示了研究趋势、主要贡献者和未来发展方向	研究仅基于Web of Science数据库的文献，可能存在遗漏；临床转化面临数据偏差、模型可解释性和伦理监管等挑战	分析人工智能在泌尿系统肿瘤病理学中的全球研究趋势和创新	199篇关于AI在泌尿系统肿瘤病理学中应用的论文	数字病理学	前列腺癌	文献计量分析（CiteSpace, VOSviewer）	机器学习, 深度学习	文献数据	199篇论文
1180	2025-06-08	YOLO-ODD: an improved YOLOv8s model for onion foliar disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1551794 PMID:40475906	research paper	本文提出了一种改进的YOLOv8s模型YOLO-ODD，用于检测洋葱叶部病害	通过集成CABM和DTAH注意力机制，改进了YOLOv8模型，提高了对洋葱叶部病害的检测准确率	NA	开发一种能够早期检测洋葱叶部病害的深度学习模型	洋葱叶部病害（炭疽病、茎枯病、紫斑病和扭曲病）	computer vision	plant disease	deep learning	YOLOv8	image	NA