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
1	2025-07-26	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本文提出了一种基于先进深度学习技术的系统，用于从MRI图像中预测儿童脑部疾病	使用了多种先进的CNN模型（如EfficientNetB0、Xception等）以及混合架构InceptionResNetV2，结合数据可视化技术进行特征提取，实现了高精度的疾病预测	未提及模型在临床环境中的实际应用效果及泛化能力	开发高效准确的AI解决方案，用于儿童脑部疾病的诊断和管理	儿童脑部疾病的MRI图像	数字病理学	儿童脑部疾病	MRI成像	CNN（包括EfficientNetB0、EfficientNetB3、Xception、InceptionV3、MobileNetV2、VGG19、DenseNet169、ResNet50V2、ResNet152V2和InceptionResNetV2）	图像	未明确提及样本数量
2	2025-07-26	Analysis of Research Hotspots and Development Trends in the Diagnosis of Lung Diseases Using Low-Dose CT Based on Bibliometrics 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056402094250530075121 PMID:40491372	研究论文	通过文献计量学方法分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	利用CiteSpace软件揭示了低剂量CT在肺癌筛查中的显著优势，并指出深度学习技术与LDCT结合成为早期肺癌研究的新热点	研究仅基于Web of Science核心合集中2005年至2024年的英文文献，可能未涵盖所有相关研究	分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	低剂量CT在肺部疾病诊断中的应用	数字病理	肺癌	低剂量CT (LDCT)	深度学习	CT图像	NA
3	2025-07-26	Deep learning-based text generation for plant phenotyping and precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1564394 PMID:40535926	研究论文	本文提出了一种结合深度学习和领域知识的计算框架，用于植物表型分析和精准农业	提出了一种混合生成模型，结合生物约束优化策略和环境感知模块，提高了预测准确性和可解释性	未提及具体的数据噪声处理能力和模型在不同环境下的泛化能力	提升植物表型分析的准确性和可解释性，以支持精准农业	植物表型	机器学习	NA	深度学习	混合生成模型	图像	未提及具体样本数量
4	2025-07-26	Robust Palmprint Recognition via Multi-Stage Noisy Label Selection and Correction 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3588040 PMID:40668719	研究论文	提出了一种多阶段噪声标签选择与校正框架（MNLSC），用于提高掌纹识别的鲁棒性	通过自监督学习、傅里叶模块和原型模块三阶段方法，有效选择和校正噪声标签，提升模型在噪声环境下的性能	未提及在极端高噪声比例（如超过60%）下的表现	解决掌纹识别中噪声标签对模型可靠性的影响问题	掌纹图像数据	计算机视觉	NA	自监督学习、傅里叶变换	深度学习框架	图像	多个受控和非受控掌纹数据库（具体数量未说明）
5	2025-07-26	Brain tumor segmentation using deep learning: high performance with minimized MRI data 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1616293 PMID:40697313	研究论文	本研究利用深度学习模型优化脑肿瘤分割过程，减少所需的MRI序列数量	通过仅使用两种MRI序列（T1C + FLAIR）实现高精度的脑肿瘤分割，减少了对多种序列的依赖	研究仅针对胶质瘤进行分割，未涵盖其他类型的脑肿瘤	优化脑肿瘤分割过程，减少MRI序列的使用数量	胶质瘤的增强肿瘤（ET）和肿瘤核心（TC）区域	数字病理	脑肿瘤	深度学习	3D U-Net	MRI图像	训练数据集285例，测试数据集358例（包括2018 BraTS验证集66例和2021 BraTS数据集292例）
6	2025-07-26	Progress and current trends in prediction models for the occurrence and prognosis of cancer and cancer-related complications: a bibliometric and visualization analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1556521 PMID:40697367	研究论文	通过文献计量和可视化分析，探讨癌症及其相关并发症发生和预后的预测模型的研究热点和未来方向	使用文献计量学和可视化工具（VOSviewer和CiteSpace）对癌症相关预测模型的研究趋势、热点和合作网络进行全面分析	研究仅基于Web of Science Core Collection的数据，可能未涵盖所有相关文献	识别癌症相关预测模型的研究热点和未来发展方向	癌症相关预测模型的文献	机器学习	癌症	文献计量分析、可视化分析	预测模型、机器学习、神经网络、深度学习	文献数据	1,556篇出版物
7	2025-07-26	Integrating deep learning and clinical characteristics for early prediction of endometrial cancer using multimodal ultrasound imaging: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1600242 PMID:40697376	研究论文	本研究开发了一种基于深度学习的预测模型，结合多模态超声特征和临床风险因素，以提高子宫内膜癌的早期诊断准确性	整合多模态超声成像和临床风险因素，利用深度学习技术显著提升子宫内膜癌诊断的准确性	研究为回顾性分析，未来需要更大规模的前瞻性多中心试验进一步验证结果	提高子宫内膜癌的早期诊断准确性	611名患者（132名子宫内膜癌患者和479名非子宫内膜癌病例）的多模态超声图像和临床数据	数字病理学	子宫内膜癌	深度学习	深度学习模型	图像	611名患者（132名子宫内膜癌患者和479名非子宫内膜癌病例）的1,443张多模态超声图像
8	2025-07-26	FGA-Corn: an integrated system for precision pesticide application in center leaf areas using deep learning vision 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1571228 PMID:40697871	研究论文	本文介绍了一种名为FGA-Corn的集成系统，用于基于深度学习视觉的玉米中心叶区域精准农药喷洒	提出了FGA-Corn系统，包含FCRF机械结构、ASDS算法和GMA-YOLOv8检测算法，实现了精准农药喷洒和智能农业机械的技术进步	NA	解决传统农药喷洒方法导致的农药浪费和环境污染问题，开发精准农业设备	玉米作物的中心叶区域	计算机视觉	NA	深度学习	YOLOv8n, GMA-YOLOv8	图像	D1和D2数据集
9	2025-07-26	Development and validation of a deep learning-based pathomics signature for prognosis and chemotherapy benefits in colorectal cancer: a retrospective multicenter cohort study 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1602909 PMID:40698083	研究论文	开发并验证了一种基于深度学习的病理组学特征（PSCRC），用于结直肠癌的预后和化疗效益评估	利用深度学习框架从H&E染色的全切片图像中提取新型病理组学特征（PSCRC），并结合SHAP和Grad-CAM提高模型可解释性	需要进一步通过前瞻性研究进行验证	提高结直肠癌患者的预后准确性和化疗效益评估	结直肠癌患者	数字病理	结直肠癌	深度学习	多实例学习模型	图像	883张切片（来自两个独立队列）
10	2025-07-26	Dynamic Multi-Image Weighting for Automated Detection and Diagnosis of Abnormal Urinary Tract on Voiding Cystourethrography with a Deep Learning System: A Retrospective, Large-Scale, Multicenter Study 2025, Research (Washington, D.C.) DOI:10.34133/research.0771 PMID:40698328	研究论文	开发了一种基于深度学习的排尿性膀胱尿道造影（VCUG）诊断人工智能模型（VCUG-DAM），用于自动分割和诊断膀胱、尿道和输尿管，并动态评估每张图像的相对重要性	提出了一种新颖的架构，能够动态评估多张VCUG图像的相对重要性，并在多任务诊断中表现出高准确性和鲁棒性	研究为回顾性研究，可能受到数据收集时间和范围的限制	开发一种自动化诊断尿路异常的深度学习系统	排尿性膀胱尿道造影（VCUG）图像	数字病理学	尿路异常	深度学习	VCUG-DAM	图像	来自15家中国医院的1,660名患者的7,899张VCUG图像
11	2025-07-26	Deep learning for pediatric chest x-ray diagnosis: Repurposing a commercial tool developed for adults 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328295 PMID:40705715	研究论文	本研究探讨了将成人胸部X光片诊断的商业AI工具重新用于儿科患者的诊断性能	首次将专为成人开发的AI工具应用于儿科胸部X光片诊断，并优化了儿童适用的阈值	研究样本仅限于2-14岁儿童，且仅评估了特定几种病理发现	评估商业AI工具在儿科胸部X光片诊断中的性能	2-14岁儿童的胸部X光片	数字病理学	儿科疾病	深度学习	CNN	图像	958例连续儿童胸部X光片
12	2025-07-26	Multi-modal deep learning for intelligent landscape design generation: A novel CBS3-LandGen model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0328138 PMID:40705822	研究论文	提出了一种基于多模态深度学习的智能景观设计生成模型CBS3-LandGen，整合图像数据、文本数据和生成优化技术，以高效生成符合设计目标的景观方案	首次将ConvNeXt网络、BART模型和StyleGAN3技术结合，构建多模态架构，显著提升图像生成质量、文本生成一致性及图文融合效果	模型性能仍有优化空间，训练效率需进一步提升，实际应用潜力有待验证	解决传统景观设计方法在效率、精度和可持续性方面的不足，推动景观设计与深度学习技术的融合	智能景观设计生成	计算机视觉	NA	多模态深度学习	ConvNeXt, BART, StyleGAN3	图像, 文本	DeepGlobe和COCO数据集
13	2025-07-26	FedGAN: Federated diabetic retinopathy image generation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326579 PMID:40705831	研究论文	提出FedGAN框架，结合生成对抗网络（GANs）与跨机构联邦学习，用于生成合成糖尿病视网膜病变图像	结合联邦学习与GANs，在保护隐私的前提下生成高质量医学图像，解决数据稀缺问题	实验仅展示了在糖尿病视网膜病变数据集上的效果，未验证其他医学图像的适用性	解决医学AI中的数据稀缺和隐私保护问题	糖尿病视网膜病变图像	数字病理	糖尿病视网膜病变	GAN, 联邦学习	DCGAN, FedAvg	医学图像	NA
14	2025-07-26	Correction: Deep learning-based text generation for plant phenotyping and precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1648292 PMID:40708587	correction	本文是对先前一篇关于基于深度学习的植物表型和精准农业文本生成文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2025-07-26	Ultrasound radiomics models improve preoperative diagnosis and reduce unnecessary biopsies in indeterminate thyroid nodules 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1615304 PMID:40708722	研究论文	本研究开发并评估了超声放射组学模型，以提高不确定甲状腺结节的诊断准确性并减少不必要的手术	专注于具有明确病理结果的不确定甲状腺结节，开发了三种放射组学模型，并在独立训练和验证队列中进行了评估	回顾性研究设计可能限制了结果的普遍性，样本量相对较小	提高不确定甲状腺结节的诊断准确性并减少不必要的手术	197个具有明确病理结果的不确定甲状腺结节	数字病理	甲状腺结节	超声放射组学	Radunion模型, Radsize模型	超声图像	197个不确定甲状腺结节（训练队列136个，验证队列61个）
16	2025-07-26	Neural signals, machine learning, and the future of inner speech recognition 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1637174 PMID:40708808	综述	本文综述了机器学习在内隐语音识别（ISR）中的关键作用及其在脑机接口和辅助技术中的潜在应用	综合并组织了现有的ISR方法学，提出了结构化的数学框架，并对现有机器学习方法进行了详细的比较分析	讨论了当前技术在获取高质量神经信号方面的挑战以及技术的局限性	探索机器学习如何改进内隐语音的神经信号分析和分类，以推动脑机接口和辅助技术的发展	内隐语音相关的神经信号	机器学习	NA	支持向量机（SVMs）、随机森林、卷积神经网络（CNNs）	SVM、随机森林、CNN	神经信号	NA
17	2025-07-26	ABCFold: easier running and comparison of AlphaFold 3, Boltz-1, and Chai-1 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf153 PMID:40708869	research paper	ABCFold简化了AlphaFold 3、Boltz-1和Chai-1的使用，通过标准化输入预测原子结构，并便于比较不同方法的结果	提供标准化输入和统一结果处理，便于安装和运行AlphaFold 3而无需下载大型数据库	未明确说明是否适用于所有类型的目标	简化深度学习结构预测方法的使用和结果比较	蛋白质和复合物的原子结构预测	computational biology	NA	deep learning-based structure prediction	AlphaFold 3, Boltz-1, Chai-1	protein sequences and structures	NA
18	2025-07-26	Hybrid representation learning for human m6A modifications with chromosome-level generalizability 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf170 PMID:40708868	研究论文	本研究提出了两种新型混合深度学习模型，用于预测人类m6A修饰位点，并提高了染色体水平的泛化能力	提出了两种混合深度学习模型（Hybrid Model和Hybrid Deep Model），整合了局部序列特征（k-mers）和上下文嵌入，通过CNN提升预测性能和泛化能力	深度全局表示可能在染色体独立设置中过拟合	提高m6A修饰位点预测的准确性和染色体水平的泛化能力	人类m6A修饰位点	机器学习	NA	深度学习	CNN	序列数据	NA
19	2025-07-26	Deep learning-assisted diagnosis of liver tumors using non-contrast magnetic resonance imaging: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582322 PMID:40708941	research paper	本研究开发并验证了一种基于深度卷积神经网络的非对比磁共振成像（NC-MRI）肝脏病变分类方法	利用非对比MRI进行肝脏肿瘤分类，减少了成本、扫描时间和对比剂风险	研究主要关注三类肝脏病变（良性、原发性恶性和转移性），可能不适用于其他类型病变	开发并验证一种基于深度学习的非对比MRI肝脏病变分类模型	肝脏肿瘤患者的MRI图像	digital pathology	liver cancer	non-contrast MRI (NC-MRI), T2-weighted, diffusion-weighted imaging (DWI), multiphasic T1-weighted imaging	Inception-ResNet V2	image	50418张增强MRI图像，来自1959名肝脏肿瘤患者，三个中心的数据
20	2025-07-26	Integrating multimodal cancer data using deep latent variable path modelling 2025, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-025-01052-4 PMID:40709098	研究论文	本文提出了一种名为深度潜在变量路径建模的方法，用于整合多模态癌症数据	结合深度学习的表征能力和路径建模的能力，识别复杂系统中相互作用元素之间的关系	未提及具体局限性	整合多模态癌症数据以获得对病理学的全面理解	乳腺癌数据	数字病理学	乳腺癌	单核苷酸变异、甲基化分析、microRNA测序、RNA测序和组织学数据	深度潜在变量路径建模	多模态数据（包括基因组学、转录组学和组织学数据）	来自The Cancer Genome Atlas的乳腺癌数据