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
241	2026-01-30	Development and validation of an LDCT-based deep learning radiomics nomogram for predicting postoperative recurrence of stage Ia lung adenocarcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1706104 PMID:41602433	研究论文	本研究开发并验证了一种基于LDCT的深度学习影像组学列线图，用于预测Ia期肺腺癌患者术后复发风险	首次结合深度学习特征、影像组学特征和临床数据构建列线图模型，用于预测Ia期肺腺癌术后复发，并在多中心数据上进行了验证	研究为回顾性设计，样本量相对有限，且仅针对Ia期肺腺癌患者	开发一种术前预测工具，以辅助临床医生优化Ia期肺腺癌患者的辅助治疗方案，实现个体化预后管理	Ia期肺腺癌患者	数字病理	肺癌	低剂量计算机断层扫描	深度学习, 机器学习	医学影像	中心1: 233例患者（训练集163例，内部验证集70例）；中心2: 89例患者（外部验证集）	NA	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
242	2026-01-30	The digital orchard: advanced data-driven technologies in apple breeding and genetic modification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1725617 PMID:41602532	系统文献综述	本文综述了先进数据驱动技术在加速苹果育种和基因修饰中的应用现状	提出了“数字育种”模型，整合高通量表型分析、机器学习/深度学习算法和基因组编辑三大技术支柱，并探讨了农业物联网、联邦学习和可解释AI等新兴前沿	存在标准化开放数据集缺乏和端到端系统验证不足等研究空白	加速苹果育种和基因修饰，应对气候变化、病原体演变和消费者需求	苹果（Malus × domestica）	机器学习	NA	高通量表型分析（HTP）、基因组编辑（CRISPR/Cas9）	机器学习（ML）、深度学习（DL）	图像（RGB-D、高光谱成像、LiDAR）、基因组数据	基于47项选定研究的分析	NA	NA	准确率（超过96%）、预测能力提升（高达18%）	NA
243	2026-01-30	JAK-centric explainable few-shot gene-expression diagnosis framework for alopecia via MultiPLIER priors and relation-style set-to-set comparison 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1753206 PMID:41602548	研究论文	本研究提出了一种基于JAK-STAT信号通路、结合MultiPLIER先验知识和关系式集合比较的可解释少样本深度学习框架，用于区分斑秃和雄激素性脱发，并识别了关键的生物标志物	提出了一种结合生物学先验知识（MultiPLIER潜变量）和关系式集合比较的可解释少样本深度学习分类器，作为列线图的替代方案，能够在样本量有限的情况下实现稳健诊断并保持机制可解释性	研究主要基于转录组数据，临床验证样本量相对有限，且框架在更广泛疾病类型中的应用仍需进一步验证	开发一种可解释的少样本基因表达诊断框架，以区分斑秃和雄激素性脱发，并识别可靠的生物标志物	斑秃和雄激素性脱发患者的头皮样本	机器学习	脱发	bulk RNA-seq, 单细胞RNA-seq, RT-qPCR, Western blot	深度学习分类器	基因表达数据	未明确指定具体数量，但提及使用了独立样本进行验证	未明确指定	Relation-style set-to-set comparator, 浅层头部网络	未明确指定	NA
244	2026-01-30	Improving early liver metastasis detection in colorectal cancer using a weighted ensemble of ResNet50 and swin transformer: a KHCC study 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1700292 PMID:41602601	研究论文	本研究开发了一种新颖的加权集成深度学习模型，用于结直肠癌患者早期肝转移的预测	提出了一种结合ResNet50和Swin Transformer的加权软投票集成学习方法，有效解决了在具有挑战性的数据集上单一模型性能接近随机的问题，通过架构多样性提升了医学图像分析的性能	研究未提及模型在不同患者亚群或不同医疗机构数据上的泛化能力验证，也未讨论模型对罕见或非典型转移模式的识别能力	开发AI驱动的监测框架，以改善结直肠癌患者早期肝转移的检测	结直肠癌患者的医学图像	计算机视觉	结直肠癌	医学影像分析	CNN, Transformer, 集成学习	图像	1628张来自结直肠癌患者的医学图像	NA	ResNet50, MobileNetV2, DenseNet121, CNN-LSTM, Swin Transformer	准确率, 灵敏度, 特异性, AUC	NA
245	2026-01-30	Assessing the effectiveness of machine learning and deep learning in differentiating neuroimmunological diseases: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1579206 PMID:41602983	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习和深度学习在区分神经免疫性疾病中的诊断性能	首次对AI在神经免疫性疾病鉴别诊断中的应用进行系统综述和荟萃分析，比较了ML与DL模型的性能差异	研究存在显著的异质性，且主要依赖MRI数据，缺乏临床和流行病学数据的整合	评估机器学习和深度学习技术在区分神经免疫性疾病中的诊断效果，并识别最有效的方法	神经免疫性疾病，特别是多发性硬化与视神经脊髓炎谱系疾病	机器学习	神经免疫性疾病	MRI	机器学习, 深度学习	图像	19篇符合纳入标准的研究，涉及4470篇初始检索文章	NA	NA	准确率, 灵敏度, 特异性	NA
246	2026-01-30	Machine learning in developing a predictive model for chronic hydrocephalus following aneurysmal subarachnoid hemorrhage 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1651694 PMID:41602996	研究论文	本研究利用机器学习算法结合深度学习和影像组学技术，开发了一个用于预测动脉瘤性蛛网膜下腔出血后慢性脑积水风险的列线图模型	整合了3D-Unet自动分割模型来精确量化血肿体积，并结合影像组学特征与临床数据，构建了一个临床-放射学列线图预测模型	研究为单中心回顾性研究，样本量相对有限（共180例患者纳入分析），可能存在选择偏倚	预测动脉瘤性蛛网膜下腔出血患者发生慢性脑积水的风险	动脉瘤性蛛网膜下腔出血患者	数字病理学	心血管疾病	影像组学，CT扫描	3D-Unet, LASSO回归, 逻辑回归	影像，临床数据	180例患者（从初始410例患者中筛选）	NA	3D-Unet	Dice相似系数, 交并比, 豪斯多夫距离, 平均对称表面距离, AUC, 校准曲线, 精确率-召回率曲线, 决策曲线分析, 临床影响曲线	NA
247	2026-01-30	Deep learning for multitask prediction on thyroid nodule frozen sections 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1676360 PMID:41607540	研究论文	本研究开发了基于深度学习的模型，用于甲状腺结节冰冻切片的术中病理诊断，包括良恶性分类、BRAFV600E基因突变预测和淋巴结转移识别	整合了深度学习和传统影像组学，并探索了弱监督策略在甲状腺冰冻切片中的应用，以减轻对病理学家标注的依赖	淋巴结转移预测模型的性能（AUC 0.671）相对较低，可能受限于数据质量或模型架构	辅助甲状腺结节的术中病理诊断，提高诊断准确性	甲状腺结节冰冻切片的Whole-Slide Images	数字病理学	甲状腺癌	冰冻切片成像	CNN, Transformer	图像	436张Whole-Slide Images	TensorFlow, PyTorch	InceptionV3, ResNet50, ViT	AUC, 准确率	NA
248	2026-01-30	Deep transfer learning and explainable AI framework for autism spectrum disorder detection across multiple datasets 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1617446 PMID:41607838	研究论文	本文提出了一种基于深度神经网络和可解释AI的迁移学习框架，用于跨多个数据集检测自闭症谱系障碍	利用迁移学习框架在三个不同数据集上进行ASD检测，并结合可解释AI技术揭示跨人群的关键分类特征	未明确说明模型在更广泛人群或不同年龄段中的泛化能力，以及数据预处理和特征选择的详细方法	开发一个能够跨数据集有效检测自闭症谱系障碍的深度学习框架	自闭症谱系障碍的筛查数据，涉及来自沙特阿拉伯的幼儿数据集及其他两个ASD数据集	机器学习	自闭症谱系障碍	合成少数类过采样技术	深度神经网络, LSTM, Attention LSTM	筛查数据	涉及三个数据集，具体样本数量未明确说明	未明确说明	深度神经网络	标准评估指标	NA
249	2026-01-30	Correction: Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1768205 PMID:41608033	correction	本文是对先前发表的一篇关于基于深度学习神经网络的V2X通信网络交通预测器的文章进行更正	NA	NA	NA	NA	machine learning	NA	NA	NA	NA	NA	NA	NA	NA	NA
250	2026-01-30	Transformative Impact of Artificial Intelligence on Internal Medicine: Current Applications, Challenges, and Future Horizons for Urban Health 2025, Juntendo medical journal DOI:10.14789/ejmj.JMJ25-0019-R PMID:41608225	综述	本文全面概述了人工智能在内科医学中的扩展作用，重点关注其在城市健康背景下的应用、挑战与未来前景	批判性地审视了包括机器学习、深度学习和大型语言模型在内的关键技术，并探讨了基于电子健康记录的基础模型等新兴创新，特别强调了AI在城市医疗环境中应对资源有限和慢性病负担的变革潜力	许多技术仍处于研究或概念验证阶段，验证通常仅限于回顾性或对照试验环境	探讨人工智能在内科医学中的变革性影响，旨在改善患者预后和公共卫生	内科医学，特别是城市医疗环境中的诊断、治疗和患者管理	机器学习	慢性病	NA	机器学习, 深度学习, 大型语言模型	文本, 心电图, 胸部X光, 听诊数据	NA	NA	NA	NA	NA
251	2026-01-30	Applications and prospects of artificial intelligence in the auxiliary diagnosis of pediatric pulmonary tuberculosis 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1738926 PMID:41608688	综述	本文系统回顾了人工智能在儿童肺结核辅助诊断中的研究与应用现状，并探讨了未来的发展路径	聚焦于儿童肺结核这一研究不足的领域，提出构建跨机构多中心协作数据集和开展以临床疗效为中心的可解释性人工智能验证的未来方向	受限于儿童高质量数据稀缺、模型可解释性不足、缺乏外部验证以及临床转化路径不明确等瓶颈	探索人工智能在儿童肺结核“预防-诊断-治疗-管理”全链条管理中的应用发展路径	儿童肺结核	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
252	2026-01-29	The impact of machine learning on ethological neuroscience 2025, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2025.1745658 PMID:41583728	综述	本文综述了机器学习在行为神经科学中的应用，重点关注无标记姿态估计和无监督行为聚类技术	机器学习将视频摄像头转化为高分辨率测量设备，并通过无监督方法扩展大规模行为记录推断，结合实验室精确性与现实世界复杂性	处理高维数据集仍面临挑战	推动动物行为及其神经基础的理解，为行为神经科学提供更自然主义研究的实用工具	动物行为	机器学习	NA	深度学习图像处理，无人机和卫星成像	NA	视频，图像	NA	NA	NA	NA	NA
253	2026-01-29	Validity and accuracy of a machine learning predictive model in the exploitation of patient-related outcomes in spine surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1710512 PMID:41583840	研究论文	本研究前瞻性验证了一种深度学习算法在预测腰椎手术患者临床结局（MCID/非MCID）方面的准确性	首次前瞻性验证深度学习算法在腰椎手术患者结局预测中的有效性，并结合移动应用进行远程患者随访	样本量较小（仅103例患者完成随访），且为多中心研究可能引入异质性	验证机器学习预测模型在脊柱手术患者相关结局利用中的有效性和准确性	接受腰椎减压手术的患者	机器学习	脊柱疾病	深度学习	深度学习算法	临床数据（包括Oswestry功能障碍指数、阿片类药物使用、运动功能丧失等）	119例患者术前入组，103例完成术后随访	未明确说明	未明确说明	准确率，受试者工作特征曲线评分	未明确说明
254	2026-01-29	Explainable AI-driven MRI-based brain tumor classification: a novel deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1700214 PMID:41584219	研究论文	本研究提出了一种基于可解释人工智能（XAI）的深度学习框架，用于MRI脑肿瘤分类	结合了可解释AI技术（如Grad-CAM、LIME）来可视化模型决策过程，并探索了与大型语言模型（LLMs）的未来集成潜力	未明确说明样本来源、数据集大小或计算资源的具体细节，可能影响结果的可重复性和泛化性	开发一个高效的深度学习框架，用于基于MRI数据的脑肿瘤分类，以辅助精确诊断和治疗规划	MRI图像中的脑肿瘤，分类为正常、胶质瘤、垂体瘤和脑膜瘤四类	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	DenseNet50, VGG19, 4-conv-1-dense-1-dropout CNN	准确率	NA
255	2026-01-29	Detection of protein-losing enteropathy (PLE) ultrasonographic imaging features in dogs using deep learning neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1707957 PMID:41584227	研究论文	本研究利用深度学习神经网络开发了一个基于超声图像的模型，用于区分犬类中的蛋白质丢失性肠病（PLE）与非PLE的慢性炎症性肠病（CIE）病例	首次在兽医学中应用AI工具，通过深度学习模型从超声图像中自动检测PLE相关特征，提高了诊断的准确性和效率	研究为试点性质，样本量较小（仅59只犬），可能影响模型的泛化能力，且未在更广泛的数据集上进行验证	开发一个AI模型，以辅助犬类慢性炎症性肠病（CIE）和蛋白质丢失性肠病（PLE）的诊断和亚分类	犬类（59只）的超声图像数据，用于区分PLE与非PLE的CIE病例	数字病理学	蛋白质丢失性肠病	超声成像（B-mode）	深度学习神经网络	图像	59只犬的超声图像数据	NA	NA	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
256	2026-01-29	Genetic risk predictions using deep learning models with summary data 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1657021 PMID:41584515	研究论文	本文探讨了在仅能获取遗传汇总数据（如连锁不平衡矩阵）的情况下，深度学习模型在遗传风险预测中的潜在应用	首次系统评估了深度学习模型（包括深度神经网络、卷积神经网络、循环神经网络和Transformer）在仅使用遗传汇总数据而非个体级数据时的预测性能，并发现其误差相当	研究依赖于模拟和真实数据分析，但可能未涵盖所有遗传结构或疾病类型；隐私和数据共享限制的实际影响未完全量化	评估深度学习模型在仅使用遗传汇总数据时进行遗传风险预测的可行性与性能	遗传汇总数据（如连锁不平衡矩阵）与个体级遗传数据	机器学习	NA	遗传汇总数据分析	深度神经网络, 卷积神经网络, 循环神经网络, Transformer	遗传汇总数据, 个体级遗传数据	NA	NA	NA	均方误差	NA
257	2026-01-29	Recent advance in early oral lesion diagnosis: the application of artificial intelligence-assisted endoscopy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1686356 PMID:41584615	综述	本文综述了人工智能辅助内窥镜技术在口腔鳞状细胞癌早期诊断中的应用、进展与挑战	系统总结了AI模型（如Mask R-CNN、U-Net）在内窥镜图像自动病变检测、分割和分类中的最新应用，并探讨了在资源有限地区的应用潜力	存在标准化数据集缺乏、预处理方法需优化、AI模型过拟合风险、伦理与数据隐私问题以及临床验证不足等挑战	优化口腔鳞状细胞癌的早期诊断与管理，改善患者预后并减轻全球疾病负担	口腔黏膜病变，特别是口腔鳞状细胞癌的早期病变	计算机视觉	口腔鳞状细胞癌	白光成像、窄带成像、自体荧光成像等内窥镜技术	深度学习模型	内窥镜图像	NA	NA	Mask R-CNN, U-Net	NA	NA
258	2026-01-29	Enhancing multiclass plant disease classification using GAN-boosted vision transformer with XAI insights 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1649399 PMID:41584666	研究论文	提出了一种名为GRG-ViT的新型多类别水稻叶片病害识别模型，该模型集成了Vision Transformer、生成式人工智能和可解释人工智能技术	提出了一种结合Vision Transformer、生成式人工智能和可解释人工智能的新型混合模型，并引入了混合ReLU-GELU激活机制以提升特征表示能力	NA	解决水稻叶片病害识别问题，以支持精准农业	水稻叶片图像	计算机视觉	植物病害	深度学习	Vision Transformer, GAN	图像	NA	NA	Vision Transformer	准确率	NA
259	2026-01-29	Deep learning-based approaches for weed detection in crops 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1746406 PMID:41584680	综述	本文综述了基于深度学习的杂草检测方法，重点关注目标检测、图像分割和图像分类三大模型家族，并分析了其优势、局限及未来发展方向	系统性地总结了深度学习在杂草检测中的最新进展，并讨论了基于作物的间接检测、半监督学习和模型-执行器集成等新兴解决方案	面临数据集稀缺、标注成本高、杂草形态多变以及实时部署限制等主要挑战	为开发下一代智能除草系统提供指导，推动可扩展、数据高效和精准集成的杂草管理	农作物中的杂草	计算机视觉	NA	深度学习	目标检测, 图像分割, 图像分类	图像	NA	NA	NA	NA	NA
260	2026-01-29	Osteosarcopenia: key molecular mechanisms and translational perspectives 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1723522 PMID:41584796	综述	本文构建了一个“细胞内-细胞间-系统”的层次框架，系统阐述了骨少肌症的发病机制，并探讨了前沿干预措施及其临床转化前景	提出从单器官病理研究转向多维相互作用阐释的“细胞内-细胞间-系统”分层框架，以系统理解骨少肌症的发病机制	NA	为骨少肌症的机制研究领域提供参考，并为该疾病的精准防治提供新思路	骨少肌症（骨质疏松与肌肉减少症共存的综合征）	NA	老年病	深度学习CT分析	NA	NA	NA	NA	NA	NA	NA