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
101	2025-06-24	Deep Learning for Detection of Periapical Radiolucent Lesions: A Systematic Review and Meta-analysis of Diagnostic Test Accuracy 2023-Mar, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2022.12.007 PMID:36563779	meta-analysis	本文通过系统综述和荟萃分析评估深度学习模型在检测牙科X光片中根尖周透光病变方面的准确性	首次对深度学习在根尖周透光病变检测中的诊断准确性进行系统综述和荟萃分析	大多数研究存在偏倚风险，缺乏前瞻性研究	评估深度学习模型在检测根尖周透光病变方面的诊断准确性	牙科X光片中的根尖周透光病变	digital pathology	dental disease	deep learning	NA	image	18项研究纳入系统综述，其中6项用于定量分析
102	2025-06-24	Data augmentation for medical imaging: A systematic literature review 2023-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106391 PMID:36549032	系统文献综述	本文对医学影像领域中的数据增强策略及其对临床任务性能的影响进行了系统综述	全面分析了2018-2022年间300多篇相关文献，揭示了数据增强在不同器官、模态、任务和数据集规模中的有效性	仅涵盖2018-2022年间的文献，可能未包括最新研究进展	研究医学领域中使用的数据增强策略及其对临床任务性能的影响	医学影像数据	数字病理	NA	数据增强技术	深度神经网络	医学影像	超过300篇文献
103	2025-06-24	Diagnostic efficiency among Eu-/C-/ACR-TIRADS and S-Detect for thyroid nodules: a systematic review and network meta-analysis 2023, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2023.1227339 PMID:37720531	meta-analysis	比较不同超声风险分层系统在甲状腺结节诊断中的性能	首次通过网络荟萃分析比较了四种超声风险分层系统（Eu-TIRADS、ACR TIRADS、C-TIRADS和S-Detect）在甲状腺癌诊断中的性能	研究仅基于过去五年的数据，可能未涵盖所有相关研究	比较不同超声风险分层系统在甲状腺癌诊断中的性能	甲状腺结节	digital pathology	thyroid cancer	ultrasound risk stratification systems	NA	ultrasound images	88项研究，共59,304个结节
104	2025-06-24	Application of machine and deep learning algorithms in optical microscopic detection of Plasmodium: A malaria diagnostic tool for the future 2022-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2022.103198 PMID:36379305	review	本文系统回顾了机器和深度学习算法在光学显微镜检测疟原虫中的应用，探讨了其作为未来疟疾诊断工具的潜力	通过系统回顾，揭示了卷积神经网络（CNN）及其变体在疟疾显微镜诊断中的主导地位，准确率达到99.23%	研究依赖于现有文献，可能未涵盖所有相关研究或最新进展	探讨机器和深度学习算法在疟疾光学显微镜诊断中的应用效果	疟原虫的光学显微镜检测	digital pathology	malaria	optical microscopy	CNN	image	NA
105	2025-06-24	The applications of machine learning in HIV neutralizing antibodies research-A systematic review 2022-12, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2022.102429 PMID:36462896	review	本文系统回顾了机器学习在HIV中和抗体研究中的应用	综述了机器学习在HIV中和抗体研究中的多样化应用，包括中和效力预测、抗体-病毒结合位点检测等	未提及具体研究的样本量或数据限制	探索机器学习在HIV中和抗体研究中的应用潜力	HIV中和抗体	machine learning	HIV	NA	supervised, unsupervised, and generative models	biological data	NA
106	2025-06-24	Deep Learning Prediction of Pathologic Complete Response in Breast Cancer Using MRI and Other Clinical Data: A Systematic Review 2022-11-21, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography8060232 PMID:36412691	系统性综述	本文系统性综述了使用深度学习技术，特别是CNN，结合全乳腺MRI图像和其他临床数据预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）的研究	专注于深度学习CNN在无需人工标注或肿瘤分割的情况下预测pCR，填补了该领域系统性综述的空白	仅关注深度学习方法的系统性综述，未涉及其他机器学习方法	评估深度学习技术在预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）中的应用	乳腺癌患者	数字病理学	乳腺癌	深度学习	CNN	MRI图像和临床数据	NA
107	2025-06-24	Machine Learning for Industry 4.0: A Systematic Review Using Deep Learning-Based Topic Modelling 2022-Nov-09, Sensors (Basel, Switzerland) DOI:10.3390/s22228641 PMID:36433236	系统综述	本文通过深度学习主题建模方法，系统回顾了机器学习在工业4.0中的应用现状	使用BERTopic对45,783篇相关论文进行主题分析，并结合17份行业白皮书进行对比，揭示了学术与工业界在机器学习应用上的差异	仅分析了Scopus和Web of Science数据库的论文，可能遗漏其他来源的研究	系统梳理机器学习在工业4.0中的应用现状和研究热点	工业4.0中的机器学习应用	机器学习	NA	BERTopic	CNN	文本	45,783篇论文和17份行业白皮书
108	2025-06-24	Semantic Terrain Segmentation in the Navigation Vision of Planetary Rovers-A Systematic Literature Review 2022-Nov-01, Sensors (Basel, Switzerland) DOI:10.3390/s22218393 PMID:36366089	系统文献综述	本文对行星漫游车导航视觉中的语义地形分割进行了系统文献综述，分析了现有解决方案、可用数据及潜在研究缺口	首次针对行星漫游车导航视觉中的语义地形分割进行系统文献综述，提出了可复制、透明化的调查方法	尚未发现满足像素级分割、实时推理和机载硬件要求的解决方案，缺乏基于真实世界的开放像素级标注数据集	评估行星漫游车导航视觉中语义地形分割的研究现状与未来挑战	行星漫游车的导航视觉系统	计算机视觉	NA	系统文献综述方法	NA	文献数据	从320项候选研究中最终筛选30篇论文进行综述
109	2025-06-24	Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7186687 PMID:36419507	系统文献综述	本文综述了计算机视觉在自动检测马铃薯植物病害中的应用	全面系统地回顾了计算机视觉技术在马铃薯病害检测中的应用，并比较了深度学习和传统机器学习算法的使用频率	仅选择了39项主要研究，可能未涵盖所有相关研究	探讨计算机视觉技术在马铃薯植物病害检测中的应用	马铃薯植物及其常见病害	计算机视觉	马铃薯病害	计算机视觉、机器学习	深度学习算法、传统机器学习算法	图像	39项主要研究
110	2025-06-23	Deep learning for differential diagnosis of parotid tumors based on 2.5D magnetic resonance imaging 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2520401 PMID:40531801	research paper	该研究利用2.5D磁共振成像和深度学习模型对腮腺肿瘤进行良恶性鉴别诊断	首次将2.5D成像方法与基于transformer的迁移学习模型相结合用于腮腺肿瘤诊断	回顾性研究且样本量较小（122例）	提高腮腺肿瘤术前诊断准确性以指导手术方案制定	腮腺肿瘤患者	digital pathology	parotid gland tumors	MRI	transformer-based transfer learning model	2.5D magnetic resonance images	122例腮腺肿瘤患者
111	2025-06-23	Deep learning-based analysis and identification of single-particle mass spectra of bacteria 2025-Jun-21, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-05942-9 PMID:40542895	研究论文	该研究结合单粒子质谱(SPMS)与监督学习算法，区分六种细菌物种	首次将SPMS与深度学习结合用于细菌物种识别，并采用Score-CAM方法可视化CNN模型的关键离子特征	仅针对六种细菌和四种生物质燃烧产物进行研究，样本多样性有限	开发基于深度学习的单粒子质谱数据分析方法，实现细菌物种的精确识别	六种细菌和四种生物质燃烧产物(BCPs)	机器学习	NA	单粒子质谱(SPMS)	CNN, MLP, SVM	质谱数据	六种细菌和四种生物质燃烧产物的质谱数据
112	2025-06-23	Research on automatic assessment of the severity of unilateral vocal cord paralysis based on Mel-spectrogram and convolutional neural networks 2025-Jun-21, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01401-9 PMID:40544236	研究论文	本研究开发了一种基于Mel-spectrogram和卷积神经网络(CNN)的AI平台，用于通过声音分析自动评估单侧声带麻痹(UVCP)的严重程度	使用Mel-spectrogram及其一阶和二阶微分特征作为输入，开发了TripleConvNet模型，用于UVCP严重程度的分类	分类准确率为74.3%，仍有提升空间	开发一种非侵入性声音分析方法，用于精确分级UVCP的严重程度	131名健康个体和292名确诊UVCP患者	数字病理	声带麻痹	Mel-spectrogram分析	CNN	声音数据	423个声音样本（131健康，292 UVCP患者）
113	2025-06-23	Generative deep-learning-model based contrast enhancement for digital subtraction angiography using a text-conditioned image-to-image model 2025-Jun-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110598 PMID:40543272	研究论文	本研究探索了使用基于生成深度学习模型的对比度增强技术改善数字减影血管造影（DSA）图像质量	采用文本条件图像到图像模型（Stable Diffusion结合ControlNet和低秩适应）进行DSA图像对比度增强，减少幻觉并优化模型微调	信噪比（SNR）下降表明噪声增加，且需要进一步改进伪影抑制和临床验证	提升DSA图像对比度，特别是在慢性肾病（CKD）患者中减少碘对比剂用量的需求	数字减影血管造影（DSA）图像	数字病理	慢性肾病	Stable Diffusion, ControlNet, 低秩适应（Low-Rank Adaptation）	生成对抗网络（GAN）	图像	1207个DSA系列图像用于训练和测试
114	2025-06-23	Spindle Autoencoder-CNN hybrid model for cardiac arrhythmia classification 2025-Jun-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110593 PMID:40543278	研究论文	提出了一种结合改进的Spindle Autoencoder和CNN的深度学习框架，用于心电信号的自动心律失常分类	使用改进的Spindle Autoencoder（MSCAE）提取ECG信号的复杂特征，并结合CNN捕捉空间关系，相比传统方法性能更优	仅在MIT-BIH心律失常数据库上进行验证，未说明在其他数据集上的泛化能力	提高基于ECG的心律失常自动诊断效率	心电图（ECG）信号	数字病理学	心血管疾病	深度学习	Spindle Autoencoder-CNN混合模型	ECG信号	MIT-BIH心律失常数据库中的正常和异常心跳记录
115	2025-06-23	BioTransX: A novel bi-former based hybrid model with bi-level routing attention for brain tumor classification with explainable insights 2025-Jun-20, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110515 PMID:40543279	研究论文	本文提出了一种新型混合模型BioTransX，用于脑肿瘤分类，并提供了可解释的见解	结合了双形式编码器机制和动态稀疏注意力机制的Transformer，以及集成卷积网络，提高了分类准确率和可解释性	未提及具体的数据集偏差或模型在更广泛临床环境中的适用性	提高脑肿瘤分类的准确性和可解释性	脑肿瘤MRI图像	数字病理学	脑肿瘤	CLAHE, Grad-CAM, Gradient Attention Rollout	Transformer, CNN	MRI图像	Kaggle MRI数据集、BraTS和Figshare数据集
116	2025-06-23	Artificial intelligence-assisted detection of nasopharyngeal carcinoma on endoscopic images: a national, multicentre, model development and validation study 2025-Jun-20, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.001 PMID:40544083	研究论文	开发并验证了一种基于深度学习的算法（STND系统），用于在内窥镜检查中区分鼻咽癌、良性增生和正常鼻咽组织	首次开发了基于Swin Transformer的鼻咽诊断系统，并在多中心研究中验证了其在提高鼻咽癌诊断准确性和效率方面的潜力	研究主要集中在中国高发地区，可能需要在其他人群中进行进一步验证	提高鼻咽癌的早期诊断准确性，减少漏诊和误诊	鼻咽癌、良性增生和正常鼻咽组织的内窥镜图像	数字病理	鼻咽癌	深度学习	Swin Transformer	图像	内部数据集包含27,362张内窥镜图像（来自15,521名个体），外部验证集包含1,885张前瞻性采集的图像（来自945名参与者）
117	2025-06-23	Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging 2025-Jun-19, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02889-2 PMID:40536560	研究论文	本研究探讨了机器学习技术在乳腺超声图像分割中的应用，比较了在良性和恶性肿瘤类别上联合训练与单独训练模型的性能	将YOLOv8目标检测算法应用于图像分割任务，并展示了在单独类别上训练模型带来的性能提升	研究仅使用了780张超声图像，样本量相对较小	提高乳腺超声图像分割的准确性以辅助乳腺癌诊断	乳腺超声图像中的良性和恶性肿瘤	数字病理学	乳腺癌	深度学习	YOLOv8, UNet, DenseNet-121, VGG16, VGG19	图像	780张超声图像（分为良性和恶性类别）
118	2025-06-23	Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections 2025-Jun-19, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00599-6 PMID:40536731	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测急性颈部感染患者的咽后水肿	提出了一种轻量级的卷积神经网络，仅需弱标注数据即可高效训练，并在患者层面和切片层面均实现了高准确率	研究仅基于479名患者的数据，样本量相对有限	开发自动检测咽后水肿的深度学习算法，以改善急性颈部感染患者的早期风险识别	急性颈部感染患者	数字病理学	急性颈部感染	MRI	CNN	图像	479名患者
119	2025-06-23	PMFF-Net: A deep learning-based image classification model for UIP, NSIP, and OP 2025-Jun-19, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110618 PMID:40543280	研究论文	本研究开发了一种基于深度学习的图像分类模型PMFF-Net，用于区分三种常见的间质性肺疾病（ILD）类型，以辅助医生诊断并提高诊断准确性	提出了并行多尺度特征融合网络（PMFF-Net）模型，能够快速准确地对UIP、NSIP和OP等ILD影像类型进行分类	样本量相对较小（仅130例患者和50例正常对照），且仅来自昆明地区的四家三甲医院，可能存在地域局限性	开发深度学习模型辅助间质性肺疾病的影像学诊断	高分辨率CT（HRCT）影像中的UIP、NSIP和OP类型	数字病理	间质性肺疾病	深度学习	PMFF-Net（并行多尺度特征融合网络）	医学影像	130例患者HRCT影像和50例正常对照
120	2025-06-23	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扫描并保持图像质量	研究仅涉及30名健康志愿者，未包括心脏病患者	探索AI图像重建技术在加速心脏MRI扫描中的应用效果	心脏MRI图像	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