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
1501	2025-05-28	Deep learning-based evaluation of panoramic radiographs for osteoporosis screening: a systematic review and meta-analysis 2025-Mar-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01626-z PMID:40075328	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在利用全景X光片预测骨质疏松症方面的准确性	首次对深度学习模型在全景X光片骨质疏松筛查中的准确性进行系统评价和荟萃分析	需要更多多中心研究来验证模型在高风险群体中的有效性	评估深度学习模型在全景X光片骨质疏松筛查中的诊断准确性	骨质疏松症患者	digital pathology	geriatric disease	deep learning	AlexNet, ResNet	image	7项研究（具体样本量未明确说明）
1502	2025-05-28	Deep Learning-Emerged Grid Cells-Based Bio-Inspired Navigation in Robotics 2025-Mar-04, Sensors (Basel, Switzerland) DOI:10.3390/s25051576 PMID:40096448	研究论文	本文探讨了基于大脑网格细胞的生物启发式导航在机器人中的应用，特别是利用深度学习模型处理不确定性和动态环境	展示了网格细胞网络能够从机器人轨迹中有效学习空间表示，为开发先进的移动机器人导航算法奠定了基础	讨论了当前面临的挑战和未来研究方向，暗示存在未解决的问题和限制	研究目的是探索基于网格细胞的导航系统在机器人中的应用，特别是在不确定和动态环境中的表现	研究对象是移动无人地面车辆（UGV）机器人的轨迹数据	机器人学	NA	深度学习	网格细胞网络	轨迹数据	NA
1503	2025-05-28	Comparing the Effectiveness of Artificial Intelligence Models in Predicting Ovarian Cancer Survival: A Systematic Review 2025-Mar, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70138 PMID:40103563	系统性综述	本文系统性综述了机器学习算法在预测卵巢癌患者生存结果中的应用	比较了多种AI模型在预测卵巢癌生存结果中的有效性，并识别了影响预测准确性的重要特征	模型准确性和可解释性仍存在挑战	评估机器学习算法在预测卵巢癌患者生存结果中的有效性	卵巢癌患者	机器学习	卵巢癌	机器学习算法	随机森林、支持向量机、逻辑回归、XGBoost及多种深度学习模型	临床数据、影像数据和分子数据	32项符合纳入标准的研究
1504	2025-05-28	Using pretrained models in ensemble learning for date fruits multiclass classification 2025-Mar, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70136 PMID:40135491	研究论文	该研究使用预训练模型和集成学习方法对九种不同椰枣进行多类分类	提出了Dirichlet Ensemble方法，结合多个CNN模型的预测结果，显著提高了分类准确率	VGG16模型表现不佳，仅获得73.24%的准确率，表明其难以处理复杂分类任务	提高椰枣分类的准确性和鲁棒性，用于质量控制、自动分拣和商业应用	九种不同椰枣	计算机视觉	NA	集成学习	CNN（DenseNet121, MobileNetV2, ResNet18, VGG16）	图像	NA
1505	2025-05-28	Deep learning-based defect detection in film-coated tablets using a convolutional neural network 2025-Feb-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125220 PMID:39832574	研究论文	本文提出了一种基于深度学习的薄膜包衣片剂缺陷检测方法，使用卷积神经网络（CNN）进行定量分析	采用CNN进行薄膜包衣片剂缺陷检测，准确率达到99.7%，显著优于传统的基于静态规则的方法	研究中使用的缺陷是人为诱导的，可能无法完全代表实际生产中的所有缺陷类型	开发一种标准化、客观且高效的薄膜包衣片剂缺陷检测方法	红色-橙色薄膜包衣安慰剂片剂	计算机视觉	NA	图像分析	CNN	图像	25,200张片剂图像
1506	2025-05-28	Deep learning and electrocardiography: systematic review of current techniques in cardiovascular disease diagnosis and management 2025-Feb-23, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01349-w PMID:39988715	综述	本文综述了深度学习与心电图（ECG）在心血管疾病领域应用的最新进展，系统性地分析了198篇高质量文献	通过细致的分类和层次分割，全面描绘了当前心血管疾病领域的研究现状	NA	为感兴趣的读者提供全面的指南，激发对这一领域进一步深入探索和研究的热情	心血管疾病	机器学习	心血管疾病	深度学习	NA	心电图（ECG）数据	198篇高质量文献
1507	2025-05-28	Development of a pressure ulcer stage determination system for community healthcare providers using a vision transformer deep learning model 2025-Feb-14, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000041530 PMID:39960905	research paper	开发了一种基于Vision Transformer深度学习模型的压疮分期系统，用于辅助社区医疗护理人员早期检测压疮	首次使用Vision Transformer模型处理实际压疮照片进行分类，相比传统CNN模型具有更高准确性和更低计算复杂度	研究仅基于395张图像，样本量相对有限	开发辅助社区护理人员早期检测压疮的计算机视觉系统	压疮患者的不同分期照片	computer vision	pressure ulcer	deep learning	Vision Transformer (ViT)	image	395张来自3家医院的压疮分期图像
1508	2025-05-28	Fraud detection in healthcare claims using machine learning: A systematic review 2025-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103061 PMID:39756221	系统综述	本文系统综述了机器学习技术在医疗保险欺诈检测中的应用	分析了近二十年来文献中记录的数据和方法，提供了研究挑战和机遇的见解	数据不一致、缺乏数据标准化和整合、隐私问题以及用于训练模型的标记欺诈案例数量有限	识别医疗保险欺诈，减少医疗支出损失	医疗保险索赔数据	机器学习	NA	机器学习	无监督方法、监督方法、混合方法	医疗保险索赔数据	137篇研究文章，涉及16个国家的数据，主要来自美国（96篇）、中国（11篇）和澳大利亚（5篇）
1509	2025-05-28	Predicting the Price of Molecules Using Their Predicted Synthetic Pathways 2025-Feb, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400039 PMID:39887833	research paper	本文提出了一种名为RetroPriceNet的深度学习模型，用于预测分子的价格，该模型利用分子的预测合成路径作为特征	首次提出了一种考虑起始材料可用性和价格的虚拟分子价格预测函数，填补了现有指标的空白	NA	改进和加速与商品成本相关的决策过程	虚拟分子的价格预测	machine learning	NA	Computer Aided Synthetic Planning (CASP)	RetroPriceNet (deep learning model)	molecular data	NA
1510	2025-05-28	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究通过多中心研究调查了认知障碍患者的视网膜血管变化	使用VC-Net深度学习模型分割视网膜动静脉网络，提取36个血管特征，发现认知障碍患者血管结构显著变化	需要在更大规模的队列中验证，并探索潜在机制	研究认知障碍患者的视网膜血管变化	176名轻度认知障碍(MCI)或阿尔茨海默病(AD)患者和264名对照者	数字病理学	阿尔茨海默病	深度学习	VC-Net	图像	440名受试者（176名患者和264名对照）
1511	2025-05-28	Diagnostic accuracy of radiomics and artificial intelligence models in diagnosing lymph node metastasis in head and neck cancers: a systematic review and meta-analysis 2025-Feb, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03485-x PMID:39527265	meta-analysis	该研究通过系统综述和荟萃分析评估了放射组学和人工智能模型在头颈癌淋巴结转移诊断中的准确性	首次对AI模型在头颈癌淋巴结转移诊断中的准确性进行全面评估，并比较了不同影像学方法和模型类型的表现差异	大多数研究缺乏外部验证，分析仅限于内部验证集，可能影响结果的普遍适用性	评估人工智能模型在头颈癌淋巴结转移诊断中的准确性	头颈癌患者的淋巴结转移情况	digital pathology	head and neck cancers	radiomics, deep learning	deep learning models, hand-crafted radiomics models	医学影像数据（CT、MRI、PET/CT）	23项符合条件的研究（具体样本量未明确说明）
1512	2025-05-28	Abnormality detection in nailfold capillary images using deep learning with EfficientNet and cascade transfer learning 2025-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-85277-8 PMID:39814806	研究论文	本研究利用基于EfficientNet和级联迁移学习的深度学习方法，开发了一种自动化的临床筛查工具，用于检测甲襞毛细血管图像中的异常	提出了一个基于EfficientNet-B0和级联迁移学习的鲁棒框架，显著提高了分类器在区分甲襞毛细血管图像正常与异常病例中的性能	数据集中正常图像仅占6%，可能导致模型在正常病例上的泛化能力受限	开发一种自动化的临床筛查工具，用于检测甲襞毛细血管图像中的异常	甲襞毛细血管图像	计算机视觉	心血管疾病	深度学习和迁移学习	EfficientNet-B0	图像	225名参与者的甲襞毛细血管图像
1513	2025-05-28	Exploring the subtle and novel renal pathological changes in diabetic nephropathy using clustering analysis with deep learning 2025-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84588-6 PMID:39814818	研究论文	利用深度学习的聚类分析方法探索糖尿病肾病中细微且新颖的肾脏病理变化	采用不变信息聚类(IIC)和可视化技术(Grad-CAM和GAN)识别糖尿病肾病中早期和新型的病理变化	样本来源仅限于金泽医科大学的45名患者，可能影响结果的普遍性	早期诊断糖尿病肾病以减少慢性肾脏病(CKD)的数量	糖尿病和非糖尿病患者的肾小球图像	数字病理学	糖尿病肾病	IIC, Grad-CAM, GAN	IIC, Cycle-GAN	图像	45名患者的13,251张肾小球图像（糖尿病病例7,799张，非糖尿病病例5,542张）
1514	2025-05-28	Advances in computer vision and deep learning-facilitated early detection of melanoma 2025-Jan-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf002 PMID:40139223	综述	本文综述了计算机视觉和深度学习在黑色素瘤早期检测中的重大进展	整合了YOLO、GAN、Mask R-CNN、ResNet和DenseNet等前沿神经网络模型，提升黑色素瘤的早期检测和诊断	未来研究需进一步提升技术、整合多模态数据并改善AI决策的可解释性以促进临床采用	探索计算机视觉和深度学习技术在黑色素瘤早期检测中的应用	黑色素瘤的早期检测和诊断	计算机视觉	黑色素瘤	深度学习	YOLO, GAN, Mask R-CNN, ResNet, DenseNet	图像	使用了PH2、ISIC、DERMQUEST和MED-NODE等综合皮肤病数据集
1515	2025-05-28	Clinical Decision Support Using Speech Signal Analysis: Systematic Scoping Review of Neurological Disorders 2025-Jan-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63004 PMID:39804693	系统范围综述	本文通过系统范围综述探讨了语音信号分析在神经系统疾病临床决策支持中的应用	提出了一个结构化研究框架，结合临床实践、语音科学和数据科学知识，以系统指导未来研究	仅纳入了72篇聚焦神经系统疾病的研究，样本量相对有限	了解语音信号分析在神经系统疾病临床决策中的技术革新和最新趋势	神经系统疾病患者的语音信号	自然语言处理	神经系统疾病（如帕金森病、阿尔茨海默病和认知障碍）	语音特征分析（包括传统语音特征、基于数字信号处理的语音特征和声谱图）	传统机器学习和深度学习模型	语音信号	389篇初步符合条件的文章，其中72篇纳入定性分析
1516	2025-05-28	Deep learning-based skin lesion analysis using hybrid ResUNet++ and modified AlexNet-Random Forest for enhanced segmentation and classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315120 PMID:39820868	研究论文	本文提出了一种基于深度学习的混合方法，用于皮肤病变的增强分割和分类	结合ResUNet++和改进的AlexNet-Random Forest模型，提高了皮肤病变的分割和分类准确性	方法仅在Ham10000数据集上进行了验证，未在其他数据集上测试其泛化能力	提高皮肤癌早期诊断的准确性和效率	皮肤病变图像	计算机视觉	皮肤癌	深度学习	ResUNet++, AlexNet-Random Forest	图像	Ham10000数据集
1517	2025-05-28	Prediction of mechanical characteristics of shearer intelligent cables under bending conditions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318767 PMID:39903714	research paper	本文提出了一种基于TCN、BiLSTM和SEAttention的采煤机光纤电缆机械特性预测模型，用于准确预测弯曲条件下的电缆应力	结合TCN的因果和扩张卷积操作、BiLSTM的双向信息处理以及SEAttention机制的自适应特征权重分配，有效提升对关键特征的关注	实验仅基于特定牵引速度（6 m/min、8 m/min、10 m/min）的模拟数据集进行验证，未涵盖所有可能的实际工况	提高采煤机电缆在弯曲条件下的可靠性及使用寿命	采煤机光纤电缆的机械特性	机器学习	NA	深度学习	TCN-BiLSTM-SEAttention	机械应力数据	采煤机光纤电缆弯曲模拟数据集（含6 m/min、8 m/min、10 m/min牵引速度）
1518	2025-05-28	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	meta-analysis	本文通过系统综述和荟萃分析评估了基于神经影像特征的AI算法在额颞叶变性(FTLD)诊断和预测中的效果	首次系统评估了AI驱动的神经影像技术在FTLD诊断中的应用效果，并提供了多类别分类的敏感性数据	多类别分类的敏感性在更高类别区分时表现较低(如5类和11类分类)	评估神经影像特征为基础的AI算法对FTLD的诊断和预测效能	额颞叶变性(FTLD)患者及其与其他神经退行性疾病的鉴别诊断	数字病理	老年性疾病	机器学习/深度学习	NA	神经影像数据	75项研究，共20,601名受试者(含8,051名FTLD患者)
1519	2025-05-28	A hybrid long short-term memory-convolutional neural network multi-stream deep learning model with Convolutional Block Attention Module incorporated for monkeypox detection 2025 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504251331706 PMID:40152267	研究论文	本文开发了一种结合LSTM-CNN多流深度学习模型与CBAM的混合模型，用于猴痘的早期检测	提出了一种结合LSTM、CNN和CBAM的混合多流深度学习模型，用于猴痘检测，并通过Grad-CAM和LIME提高了模型的可解释性	未提及模型在临床环境中的实际应用效果验证	开发一种可靠的深度学习模型，用于猴痘的早期检测	猴痘皮肤病变图像	计算机视觉	猴痘	深度学习	LSTM-CNN混合模型	图像	MSLD v2.0数据集（具体样本数量未提及）
1520	2025-05-28	Mapping Artificial Intelligence Research Trends in Critical Care Nursing: A Bibliometric Analysis 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S522731 PMID:40416415	文献计量分析	本文通过文献计量分析研究了2013年至2023年间人工智能在重症监护护理领域的研究趋势	揭示了人工智能在重症监护护理中的研究趋势和未来方向，强调了机器学习、AI和深度学习在该领域的应用	研究仅基于已发表的文献，可能未涵盖所有相关研究	分析人工智能在重症监护护理领域的研究趋势并提供未来研究方向	2013年至2023年间发表的1,346篇相关文章	医疗人工智能	重症监护	文献计量分析	NA	文献数据	1,346篇文章