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
281	2025-10-05	DeepEPI: CNN-transformer-based model for extracting TF interactions through predicting enhancer-promoter interactions 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf221 PMID:41031058	研究论文	提出DeepEPI深度学习框架，通过整合CNN和Transformer直接从基因组序列预测增强子-启动子相互作用	首次将CNN与Transformer结合用于EPI研究，通过多头注意力机制提取转录因子相互作用，提供可解释性分析	NA	研究增强子-启动子相互作用及其在基因表达和疾病机制中的作用	基因组序列中的增强子和启动子区域	生物信息学	NA	基因组序列分析	CNN, Transformer	基因组序列数据	六个细胞系的数据	NA	CNN-Transformer混合架构	AUPR, AUROC	NA
282	2025-10-05	Deep learning-based approach for phenotypic trait extraction and computation of tomato under varying water stress 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1660593 PMID:41031303	研究论文	本研究开发了一种基于深度学习的番茄表型性状提取和参数计算框架，用于不同水分胁迫条件下的番茄监测	将自适应核卷积(AKConv)集成到YOLOv11n主干网络的C3k2模块中，并设计了基于P2层的重校准特征金字塔检测头	植株高度平均相对误差为6.9%，叶柄计数误差为10.12%	实现番茄水分胁迫的高效监测和精准灌溉	番茄植株	计算机视觉	NA	成像技术	YOLO, 逻辑回归, 支持向量机, 随机森林, 决策树, K近邻, 朴素贝叶斯, 梯度提升	图像	NA	NA	YOLOv11n, C3k2模块, 特征金字塔	召回率, mAP50, mAP50-95, 分类准确率	NA
283	2025-10-05	Swin-YOLO-SAM: a hybrid Transformer-based framework integrating Swin Transformer, YOLOv12, and SAM-2.1 for automated identification and segmentation of date palm leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1666374 PMID:41031307	研究论文	提出一种基于Transformer的混合框架，用于枣椰树叶部疾病的自动识别和分割	首次将Swin Transformer、YOLOv12和SAM-2.1集成到统一框架中，实现疾病检测、分割和严重程度预测	需要专业标注的数据集，在复杂背景和小病灶情况下可能存在挑战	开发自动化植物疾病诊断系统，提高精准农业效率	枣椰树叶部疾病	计算机视觉	植物疾病	深度学习	Transformer, CNN	图像	13,459张棕榈叶图像	PyTorch	Swin Transformer, YOLOv12, SAM-2.1, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
284	2025-10-05	A deep learning approach for brain tumour classification and detection in MRI images using YOLOv7 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1508326 PMID:41040522	研究论文	本研究使用YOLOv7深度学习模型对脑部MRI图像中的肿瘤进行分类和检测	采用最新的YOLOv7模型进行脑肿瘤检测与分类，并在扩展IoU范围内评估模型性能	仅使用2870张标注图像，数据集规模相对有限	开发基于深度学习的脑肿瘤自动检测与分类系统	脑部MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	YOLO	图像	2870张标注的脑部MRI图像，包含四种类型：垂体瘤、胶质瘤、脑膜瘤和无肿瘤	NA	YOLOv7	召回率, 边界框检测准确率, mAP	NA
285	2025-10-05	BioSemAF-BiLSTM: a protein sequence feature extraction framework based on semantic and evolutionary information 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1616880 PMID:41040660	研究论文	提出了一种结合语义和进化信息的蛋白质序列特征提取框架BioSemAF-BiLSTM，用于预测S-亚磺酰化位点	首次将序列压缩方法应用于评估蛋白质序列特征充分性，并开发了自适应特征融合模块增强特征交互	特征提取存在11%的信息损失率，可能影响模型性能上限	开发计算框架准确识别蛋白质S-亚磺酰化位点	蛋白质序列及其S-亚磺酰化修饰位点	生物信息学	NA	蛋白质序列分析，深度学习	BiLSTM	蛋白质序列数据	基准数据集（具体数量未说明）	fastText, 自定义深度学习框架	Bidirectional LSTM, 自适应特征融合模块	准确率, 灵敏度, 特异性	NA
286	2025-10-05	A bibliometric review of deep learning in crop monitoring: trends, challenges, and future perspectives 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1636898 PMID:41041084	综述	本文通过文献计量学方法系统分析深度学习在作物监测中的应用趋势、挑战与未来前景	首次对2000-2024年间650余篇文献进行系统的文献计量与知识图谱分析，揭示深度学习与遥感技术融合的研究格局	基于文献计量分析，缺乏对具体技术方法的实验验证和性能比较	系统梳理人工智能特别是深度学习在农业监测中的应用现状与发展趋势	2000-2024年间发表的650余篇关于深度学习和农业监测的学术文献	机器学习	NA	文献计量分析，知识图谱分析，遥感技术（无人机，卫星）	CNN	文献数据，遥感图像数据	650+篇学术出版物	NA	NA	NA	NA
287	2025-10-05	Fusion-driven multimodal learning for biomedical time series in surgical care 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1605406 PMID:41041272	研究论文	提出一种融合驱动的多模态学习方法，用于外科护理中的生物医学时间序列预测	开发了自适应多模态融合网络和动态跨模态学习策略，通过注意力对齐、图表示学习和模态自适应融合机制增强多模态数据整合	NA	解决生物医学时间序列预测中多模态数据融合的挑战，提升临床决策的准确性和鲁棒性	生物医学时间序列数据，包括生理信号、影像数据和电子健康记录	机器学习	外科护理相关疾病	深度学习	深度学习框架	多模态时间序列数据（生理信号、影像、电子健康记录）	NA	NA	自适应多模态融合网络（AMFN）	预测准确性、鲁棒性、可解释性	NA
288	2025-10-05	MLVI-CNN: a hyperspectral stress detection framework using machine learning-optimized indices and deep learning for precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1631928 PMID:41041588	研究论文	提出一种结合机器学习优化指数和深度学习的超光谱胁迫检测框架，用于精准农业中的作物胁迫早期检测	开发了两个新型超光谱指数MLVI和H_VSI，并首次将其与CNN模型结合用于作物胁迫分类，能比传统指数提前10-15天检测到胁迫	NA	实现作物胁迫的早期准确检测，促进可持续农业和粮食安全	作物水分和结构胁迫	计算机视觉	NA	超光谱成像	CNN	超光谱图像	NA	NA	CNN	准确率, 相关系数	NA
289	2025-10-05	Robust Multimodal Fusion for Survival Prediction in Cancer Patients 2025, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351251376192 PMID:41024938	研究论文	提出一种新型鲁棒多模态融合模型RMSurv，用于癌症患者的生存预测	利用合成数据生成计算时间依赖性权重的新型离散晚期融合方法，以及增强可解释性的统计特征归一化技术	仅使用TCGA数据集进行验证，未在其他独立数据集上测试	开发优于单模态模型的鲁棒多模态生存预测方法	癌症患者生存预测	机器学习	肺癌	多模态数据融合	深度学习	多模态数据	TCGA非小细胞肺癌和泛癌数据集	NA	RMSurv	C-index	NA
290	2025-10-05	Design of a Low-Complexity Deep Learning Model for Diagnosis of Type 2 Diabetes 2025, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998307556240819093038 PMID:39620332	研究论文	设计了一种用于2型糖尿病诊断的低复杂度深度学习模型	提出了一种结合CNN和MLP的混合模型，在保持高精度的同时降低了模型复杂度	仅使用PIMA印度糖尿病数据集进行验证，未在其他数据集上测试	开发适用于资源受限设备的糖尿病诊断模型	2型糖尿病患者	机器学习	糖尿病	深度学习	CNN, MLP	临床数据	PIMA印度糖尿病数据集	NA	CNN+MLP混合架构	准确率	适用于可穿戴设备和物联网健康监测应用的低复杂度设计
291	2025-10-05	Revolutionizing electrocardiography: the role of artificial intelligence in modern cardiac diagnostics 2025-Jan, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000002778 PMID:40109609	综述	探讨人工智能在心电图分析中的革命性应用及其对现代心脏诊断的影响	系统阐述深度学习模型（特别是CNN）在心电图分析中实现自动化高精度诊断的突破性进展	模型可解释性不足、数据隐私问题以及训练数据集多样性缺乏	提升心电图分析的准确性和效率，推动心脏诊断的自动化和个性化发展	心电图数据及其在心律失常检测、异常搏动分类和结构性心脏病预测中的应用	自然语言处理	心血管疾病	NA	CNN	心电图信号	NA	NA	卷积神经网络	准确率	NA
292	2025-10-05	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文探讨人工智能在输血医学领域的应用机遇、挑战与未来发展方向	系统梳理AI技术在输血医学多领域的整合应用，包括机器学习、深度学习、自然语言处理和预测分析等工具	当前研究多处于探索阶段，存在临床工作流程差异、算法透明度、公平访问及数据隐私伦理等问题	分析AI在输血医学中的应用潜力与实施挑战	输血医学领域的AI驱动工具与应用场景	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 预测分析	NA	NA	NA	NA	NA	NA	NA
293	2025-10-05	Deep Learning Applications in Lymphoma Imaging 2025, Acta haematologica IF:1.7Q3 DOI:10.1159/000547427 PMID:40659002	综述	本文综述了深度学习在淋巴瘤影像学中的应用现状、挑战与发展前景	系统总结了深度学习在PET/CT、CT和MRI等多种淋巴瘤影像模态中的自动化检测、分割和分类应用	存在影像协议差异性影响模型泛化性、依赖小型回顾性数据集、模型可解释性不足以及临床工作流整合困难等挑战	探讨深度学习技术在淋巴瘤影像诊断和管理中的应用价值与实施挑战	淋巴瘤患者的PET/CT、CT和MRI影像数据	医学影像分析	淋巴瘤	PET/CT、CT、MRI	深度学习模型	医学影像	NA	NA	NA	NA	NA
294	2025-10-05	Leveraging deep learning for early detection of cervical cancer and dysplasia in China using U-NET++ and RepVGG networks 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1624111 PMID:41018091	研究论文	本研究利用深度学习技术改进阴道镜图像分析，提高宫颈癌及癌前病变的早期检测准确率	结合U-NET++图像分割和RepVGG分类网络，专门针对中国农村地区宫颈癌早期检测需求开发AI诊断工具	研究样本量相对有限（848例），且仅来自单一医疗中心，需要更多外部验证	通过深度学习提高阴道镜图像诊断准确性，实现宫颈癌早期检测	宫颈癌、HPV感染和宫颈上皮内瘤变(CIN)	计算机视觉	宫颈癌	阴道镜检查	CNN	图像	848名受试者的阴道镜图像，其中424张用于训练，424张用于验证	NA	U-NET++, RepVGG	准确率	NA
295	2025-10-05	Radiotherapy for glioma in the AI era: current applications and future prospects 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1673752 PMID:41018092	综述	本文综述了人工智能时代胶质瘤放射治疗的当前应用与未来前景	系统探讨了人工智能技术（包括影像组学、深度学习和预测建模）在胶质瘤放疗工作流程中的整合应用	未提及具体研究数据验证AI技术的临床效果	探讨人工智能在胶质瘤放射治疗中的应用潜力与发展方向	胶质瘤患者，特别是高级别胶质母细胞瘤（GBM）	数字病理	胶质瘤	放射治疗技术（IMRT、质子治疗、碳离子放疗、术中放疗、FLASH放疗）	深度学习	医学影像数据	NA	NA	NA	NA	NA
296	2025-10-05	RefineFuse: an end-to-end network for multi-scale refinement fusion of multi-modality images 2025, Visual intelligence DOI:10.1007/s44267-025-00087-w PMID:41018163	研究论文	提出RefineFuse多尺度交互网络，用于多模态图像融合任务	通过双注意力特征交互模块和全局注意力机制，在像素域和语义域建模跨模态特征耦合，实现深层语义信息与浅层细节信息的逐步融合	NA	提升融合网络在复杂场景下保留细节信息的能力	红外图像、可见光图像和医学图像	计算机视觉	NA	深度学习	CNN	多模态图像	NA	NA	多尺度交互网络	NA	NA
297	2025-10-05	Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1665173 PMID:41018263	研究论文	开发并评估基于眼底彩照和光学相干断层扫描的双模态深度学习模型，用于多种视网膜疾病的诊断	首次将眼底彩照和光学相干断层扫描双模态成像结合，开发了融合多实例学习模型，并在多种设备和扫描模式下验证了其泛化能力	样本量相对有限，仅包含1,029名患者的数据	开发能够诊断多种视网膜疾病的深度学习模型，并评估其诊断性能和泛化能力	视网膜疾病患者，包括糖尿病视网膜病变、干性和湿性年龄相关性黄斑变性、病理性近视、视网膜前膜和黄斑水肿等七种视网膜疾病	医学影像分析	视网膜疾病	眼底彩照、光学相干断层扫描	深度学习	图像	1,445对CFP-OCT图像来自1,029名患者，另有1,184对图像用于ATN分类	NA	Fusion-MIL, CFP-MIL, OCT-MIL	AUC, 准确率	NA
298	2025-10-05	TL-MED: Multiclass eye disease classification based on ensemble transfer learning and CRVO-BRVO detection via a single shot multibox detector 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251379729 PMID:41018518	研究论文	基于集成迁移学习和单发多框检测器的多类别眼病分类与视网膜静脉阻塞检测方法	提出五种基于迁移学习的深度卷积神经网络模型和一个集成模型，并首次将单发多框检测器应用于视网膜静脉阻塞检测	数据集规模相对有限（3744张原始视网膜图像），NASNetMobile模型准确率较低（87%）	开发可靠的眼病早期精确检测AI解决方案	视网膜图像中的青光眼、白内障、糖尿病视网膜病变及视网膜静脉阻塞	计算机视觉	眼病	深度学习	CNN, SSD	图像	3744张原始视网膜图像	NA	VGG16, ResNet152, DenseNet169, EfficientNetB3, NASNetMobile, 集成模型	准确率, 损失率	NA
299	2025-10-05	VAE deep learning model with domain adaptation, transfer learning and harmonization for diagnostic classification from multi-site neuroimaging data 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1553035 PMID:41018545	研究论文	开发了一种结合域适应、迁移学习和数据协调的VAE深度学习模型，用于多站点fMRI数据的诊断分类	首次将VAE-MMD模型应用于多站点fMRI数据的域适应，并展示了迁移学习和数据协调的协同效果	研究仅针对自闭症谱系障碍，未验证在其他神经发育疾病上的泛化能力	提高多站点神经影像数据的诊断分类性能	自闭症、阿斯伯格综合征和典型发育对照组的fMRI数据	医学影像分析	自闭症谱系障碍	fMRI	VAE	神经影像数据	ABIDE-I和ABIDE-II数据集，外加HBN和AOMIC数据集的健康对照样本	NA	VAE-MMD	准确率	NA
300	2025-10-05	A review of AI-driven Google Earth Engine applications in surface water monitoring, assessment, and management 2025, Discover geoscience DOI:10.1007/s44288-025-00255-x PMID:41018550	综述	本文综述了人工智能与Google Earth Engine结合在地表水监测、评估和管理中的应用	系统总结了AI/ML/DL与GEE平台在地表水监测中的集成应用，并包含内布拉斯加州湖泊的案例研究	揭示了当前方法的局限性和改进机会	评估人工智能与地理空间技术在地表水监测和管理中的应用效果	地表水体的数量和质量监测	机器学习	NA	多传感器遥感技术	机器学习,深度学习	遥感影像	三个内布拉斯加州湖泊(2022-2023)	Google Earth Engine	NA	NA	基于网络的并行处理平台