深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
15881	2025-10-07	Human sleep position classification using a lightweight model and acceleration data 2025-Feb-10, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03247-w PMID:39928075	研究论文	本研究开发了一种基于轻量级深度学习模型的便携式可穿戴设备，用于监测12种睡眠姿势	提出了结合1D-CNN和LSTM的轻量级模型AnpoNet，使用单个加速度计实现多姿势睡眠监测，适用于家庭环境	样本量较小（15名参与者），监测时间较短（每种姿势仅记录1分钟），需要更大规模和更长期的验证	开发便携式睡眠姿势监测系统，帮助胃食管反流病患者改善睡眠质量和反流症状	15名参与者的睡眠姿势数据	机器学习	胃食管反流病	加速度计数据采集	CNN, LSTM	加速度数据	15名参与者，12种睡眠姿势各记录1分钟，采样频率50Hz	NA	1D-CNN结合LSTM，使用BN和Dropout优化	准确率, F1分数	NA
15882	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA	NA	NA	NA	NA
15883	2025-10-07	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Jan-21, ArXiv PMID:39398212	研究论文	本文开发了一种可微分的Gillespie算法，用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习突破开发了完全可微分的Gillespie算法变体，通过平滑函数近似原始算法中的不连续操作	NA	开发可微分算法用于化学动力学模拟、参数学习和生物网络设计	化学反应网络和基因启动子	机器学习	NA	Gillespie算法，深度学习	NA	mRNA表达水平测量数据	NA	NA	NA	NA	NA
15884	2025-10-07	Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion 2025 Jan-Dec, Acute medicine & surgery IF:1.5Q2 DOI:10.1002/ams2.70049 PMID:40018053	研究论文	开发基于深度学习的全自动胆囊CT图像识别系统，用于急性胆囊炎的快速诊断	首个针对急性胆囊炎的完全自动化CT图像诊断系统，结合多种深度学习模型和后处理技术	需要进一步临床验证，样本量相对有限	开发辅助临床医生快速评估需胆囊切除术的急性胆囊炎的自动化系统	急性胆囊炎患者和对照组参与者的CT图像	计算机视觉	急性胆囊炎	CT成像	CNN	医学图像	250名急性胆囊炎患者和270名对照参与者	NA	VGG-16, U-Net	准确率, 灵敏度, 特异性	NA
15885	2025-03-26	Artificial intelligence in obstructive sleep apnea: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251324446 PMID:40123882	研究论文	通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向	首次使用VOSviewer和Citespace对OSA领域AI应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他重要文献来源	探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势	2011-2024年间发表的867篇关于AI在OSA中应用的文献	数字病理学	阻塞性睡眠呼吸暂停	文献计量分析	NA	文献数据	867篇文献	NA	NA	NA	NA
15886	2025-03-26	Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation 2025, American journal of cardiovascular disease DOI:10.62347/YQHQ1079 PMID:40124093	研究论文	本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势	AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异	NA	比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用	Brugada综合征（BrS）及其相关基因变异	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据、基因数据	NA	NA	NA	NA	NA
15887	2025-03-26	Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches 2025, American journal of neurodegenerative disease DOI:10.62347/DZNQ2482 PMID:40124352	系统综述	本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法	突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势	仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术	评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发	神经退行性疾病中的脑结构变化	机器学习	神经退行性疾病	曲率估计技术	神经网络回归, CNN	神经影像数据	105篇研究论文	NA	NA	NA	NA
15888	2025-03-26	Improved food recognition using a refined ResNet50 architecture with improved fully connected layers 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101005 PMID:40124390	research paper	本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性	开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳	未明确说明模型在其他食物类别或不同环境下的泛化能力	评估食物识别系统在医院和餐厅环境中对人体健康的影响	16类食物（分为早餐、午餐和晚餐）	computer vision	NA	深度学习算法	ResNet50	image	初始12,000张图像，通过数据增强扩展到66,000张	NA	NA	NA	NA
15889	2025-03-26	Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging 2025, American journal of nuclear medicine and molecular imaging IF:2.0Q3 DOI:10.62347/MLFB9278 PMID:40124765	研究论文	提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像	利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求	2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差	优化心肌灌注SPECT成像的采集时间和成像质量	心肌灌注SPECT成像	数字病理	心血管疾病	SPECT/CT扫描	U-Net（2D和3D）	图像	116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集）	NA	NA	NA	NA
15890	2025-03-26	Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1558997 PMID:40124951	研究论文	本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级	提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征	研究为双中心回顾性研究，样本量相对有限(100例患者)	开发非侵入性肾细胞癌WHO/ISUP核分级方法	肾细胞癌患者	数字病理	肾细胞癌	CEUS和B型超声	MUF-Net(多模态深度学习模型)	超声视频和图像	100例患者的6293张超声图像	NA	NA	NA	NA
15891	2025-03-26	Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S501316 PMID:40125481	研究论文	开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜	首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD)	存在少量误分类情况，有7例RD被错误标记为PVD	提高在超声检查中识别和区分附着于视盘的膜的准确性	眼部超声B扫描图像	计算机视觉	眼科疾病	超声检查(USG)	Vision Transformer (ViT)	图像	训练和验证集505个样本，测试集212个样本	NA	NA	NA	NA
15892	2025-03-26	[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-0303 PMID:40128957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15893	2025-10-07	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	研究论文	本研究首次利用深度学习分析晚期黑色素瘤患者的CT影像，预测免疫检查点抑制剂治疗结果	首次探索基于CT影像的深度学习模型预测晚期黑色素瘤免疫治疗疗效	深度学习模型未能显著超越已知临床预测因子，样本量有限且为回顾性研究	开发基于CT影像的深度学习模型预测免疫检查点抑制剂治疗反应	晚期黑色素瘤成年患者	计算机视觉	黑色素瘤	CT成像	深度学习模型	CT影像	730名患者，2722个病灶	NA	NA	AUROC	NA
15894	2025-10-07	Attention-guided convolutional network for bias-mitigated and interpretable oral lesion classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81724-0 PMID:39738228	研究论文	提出一种用于口腔病变分类的注意力引导卷积网络，专注于准确性、可解释性和减少数据集偏差	整合分类流、引导流和解剖部位预测流三个组件，通过注意力机制与临床相关区域对齐，提高模型可解释性和抗偏差能力	数据来源于单一口腔病理诊所，时间跨度较长(1999-2021)，可能存在选择偏差	开发能够准确分类口腔病变并减少数据集偏差的深度学习模型	口腔病变图像	计算机视觉	口腔癌	数字图像分析	CNN	图像	1079名患者的2765张口腔内数字图像，包含16种病变类型	NA	注意力引导卷积网络	准确率, 平衡准确率, AUC	NA
15895	2025-10-07	Optimizing VGG16 deep learning model with enhanced hunger games search for logo classification 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82022-5 PMID:39738231	研究论文	提出一种基于VGG16模型并通过增强型饥饿游戏搜索算法优化超参数的深度学习架构EHGS-VGG16，用于logo图像分类	将增强型饥饿游戏搜索算法与VGG16模型结合进行超参数优化，在标准HGS算法基础上引入了局部最优和局部逃逸机制来提升探索能力	标准HGS算法存在种群多样性受限和易陷入局部最优的问题	提升logo图像分类的准确率	logo图像	计算机视觉	NA	深度学习	CNN	图像	Flickr-27 logo分类数据集	NA	VGG16, ResNet50V2, InceptionV3, DenseNet121, EfficientNetB0, MobileNetV2	准确率, 精确率, 召回率	NA
15896	2025-10-07	DeepGOMeta for functional insights into microbial communities using deep learning-based protein function prediction 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82956-w PMID:39738309	研究论文	本研究开发了DeepGOMeta深度学习模型，用于微生物群落中蛋白质功能的预测	提出了专门针对微生物数据的蛋白质功能预测深度学习模型，克服了传统方法对同源性和序列相似性的依赖	模型主要针对微生物数据训练，在其他类型生物数据上的适用性需要进一步验证	开发能够从复杂微生物样本中获取功能见解的蛋白质功能预测方法	微生物群落中的蛋白质功能预测	生物信息学	NA	深度学习	深度学习模型	蛋白质序列数据，基因本体论注释数据	NA	NA	DeepGOMeta	NA	NA
15897	2025-10-07	A lung nodule segmentation model based on the transformer with multiple thresholds and coordinate attention 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82877-8 PMID:39738386	研究论文	提出一种基于Transformer和多阈值坐标注意力的肺结节分割模型MCAT-Net	构建多阈值特征分离模块捕获边缘纹理特征，引入坐标注意力机制增强空间信息感知，结合Transformer捕获长程依赖关系	NA	提高肺结节分割的准确性以辅助肺癌早期检测	肺结节医学图像	计算机视觉	肺癌	深度学习	Transformer, CNN	医学图像	LIDC-IDRI和LNDb数据集	NA	MCAT-Net, Transformer, 编码器-解码器结构	Dice相似系数, 灵敏度	NA
15898	2025-10-07	IoT based intelligent pest management system for precision agriculture 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83012-3 PMID:39738391	研究论文	本文提出了一种基于物联网的智能害虫管理系统，用于精准农业中的害虫检测和分类	开发了配备嵌入式计算的智能昆虫陷阱原型，结合多种图像特征训练的CNN分类器，在真实田间环境中实现害虫自动识别	数据集仅包含东方果实蝇图像，在单一作物（番石榴园）中采集，样本多样性有限	开发智能害虫管理系统以提升作物保护能力和农业生产效率	东方果实蝇及其他昆虫	计算机视觉	农业害虫	图像采集，物联网技术	CNN	图像	1000+张在番石榴园不同光照条件下采集的图像，分为果实蝇和非果实蝇两类	NA	CNN	准确率，精确率，召回率，F1分数，特异性，FNR，mAP	嵌入式计算设备
15899	2025-10-07	A deep learning-based ADRPPA algorithm for the prediction of diabetic retinopathy progression 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82884-9 PMID:39738461	研究论文	本研究开发了一种基于深度学习的糖尿病视网膜病变进展预测算法（ADRPPA），利用纵向视网膜图像数据预测疾病进展	首次结合DR严重程度分级和微动脉瘤量化评分，利用纵向数据预测非参考性DR向参考性DR的进展	回顾性研究设计，数据集来源有限，模型在独立验证集上的表现需要进一步验证	开发能够预测糖尿病视网膜病变进展的人工智能算法	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	视网膜眼底成像	CNN	图像	EyePACS数据集：12,768张图像（6,384只眼睛）；e-ophtha数据集：148张图像	NA	ResNeXt, Mask-RCNN	AUC, 召回率, 精确率, F1分数	NA
15900	2025-10-07	Classification of cervical cancer using Dense CapsNet with Seg-UNet and denoising autoencoders 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82489-2 PMID:39738568	研究论文	提出一种结合Seg-UNet分割、去噪自编码器特征提取和Dense CapsNet分类的宫颈癌分类系统	首次将四种深度学习方法集成于宫颈癌分类流程，通过m-GAN数据增强和Seg-UNet分割解决细胞分组难题	未说明模型在数据分布严重不平衡时的泛化能力，未与其他先进方法进行充分对比	提升宫颈癌多类别分类的准确性和鲁棒性	宫颈涂片图像数据	计算机视觉	宫颈癌	Pap smear	GAN, Autoencoder, CapsNet, UNet	医学图像	SIPaKMeD数据集	NA	Seg-UNet, Denoising Autoencoder, Dense CapsNet, m-GAN	准确率	NA