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
21	2025-11-21	A review of deep learning architectures for plant disease detection 2025, Turkish journal of biology = Turk biyoloji dergisi DOI:10.55730/1300-0152.2761 PMID:41246232	综述	系统综述了基于深度学习的植物病害检测方法，涵盖数据获取到部署的全流程	首次系统性地按照建模流程组织深度学习在植物病害检测中的方法，并强调可解释人工智能的重要性	NA	总结深度学习在植物病害检测中的最佳实践和方法进展	植物病害检测的深度学习模型和方法	计算机视觉	植物病害	图像分析	CNN, GAN	图像	NA	NA	VGG, ResNet, EfficientNet, DenseNet, YOLO, SSD, Faster R-CNN	NA	边缘计算
22	2025-11-21	Green carbon dots in the era of AI: sustainable synthesis, intelligent drug delivery, advanced diagnostics, and bioimaging 2025, Turkish journal of biology = Turk biyoloji dergisi DOI:10.55730/1300-0152.2762 PMID:41246234	综述	探讨绿色碳点在可持续合成、智能药物递送、先进诊断和生物成像中的应用及其与人工智能的协同作用	首次系统阐述绿色碳点与人工智能的协同效应，提出AI驱动优化合成流程和深度学习增强分析精度的创新路径	未涉及具体临床转化案例，缺乏标准化和监管路径的实操方案	构建绿色碳点与人工智能融合发展的技术路线图	绿色碳点纳米材料及其生物医学应用	纳米医学,人工智能	NA	绿色化学合成,深度学习	DL	光学特性数据,生物相容性数据	NA	NA	NA	分析精度,实时性能	NA
23	2025-11-21	Applications of transfer learning in sunflower disease detection: advances, challenges, and future directions 2025, Turkish journal of biology = Turk biyoloji dergisi DOI:10.55730/1300-0152.2763 PMID:41246236	综述	系统回顾了迁移学习在向日葵病害检测中的应用进展、挑战与未来方向	首次对向日葵病害检测中的迁移学习研究进行系统性分析，识别了从基础深度学习向可解释性和隐私保护框架的演进趋势	纳入研究数量有限（30篇），数据集多样性不足，缺乏跨区域验证	评估迁移学习在向日葵病害检测中的应用效果与发展前景	向日葵叶片病害图像	计算机视觉	植物病害	图像分析	CNN, Transformer, 混合模型	图像	NA	NA	ResNet, VGG, Inception, EfficientNet	准确率, 精确率, 召回率, F1分数	边缘设备
24	2025-11-21	Integrative multi-omics analysis of gastric cancer evolution from precancerous lesions to metastasis identifies a deep learning-based prognostic model 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1680517 PMID:41246350	研究论文	通过整合单细胞RNA测序、空间转录组学和深度学习技术，构建胃癌从癌前病变到转移的演化图谱并开发预后模型	首次在胃癌研究中整合多组学数据揭示肿瘤微环境动态重塑过程，并开发基于深度学习的预后分层模型	样本量相对有限（252,399个细胞），需要更大规模验证	解析胃癌演进过程中的肿瘤微环境异质性和细胞间通讯网络	胃炎、肠上皮化生、原发肿瘤、癌旁正常组织和转移病灶的细胞	数字病理	胃癌	单细胞RNA测序, 空间转录组学, WGCNA	深度学习	基因表达数据, 空间定位数据	252,399个细胞，来自6种组织类型	NA	NA	生存分层准确性, 临床特征相关性	NA
25	2025-11-21	Predicting gene expression using millions of yeast promoters reveals cis-regulatory logic 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf130 PMID:40567341	研究论文	本研究使用深度学习模型Camformer预测酵母启动子与基因表达之间的关系，揭示了顺式调控逻辑	开发了基于残差卷积神经网络的Camformer模型，在Random Promoter DREAM Challenge 2022中排名第四，提供了对顺式调控逻辑的详细洞察	仅针对酵母启动子进行研究，未涉及其他生物体的调控机制	研究启动子与基因表达之间的关联，探索深度学习在基因调控研究中的最佳应用方式	670万个酵母启动子序列	生物信息学	NA	并行报告基因检测，深度学习	CNN	DNA序列	670万个启动子序列	NA	残差卷积神经网络	r², ρ	NA
26	2025-11-21	CEAF: Capsule network enhanced feature fusion architecture for Chinese Named Entity Recognition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332622 PMID:41056347	研究论文	提出一种用于中文命名实体识别的胶囊网络增强特征融合架构CEAF，解决嵌套实体和边界歧义问题	创新性地引入深度上下文特征注意力模块，将胶囊路由协议与位置感知注意力机制相结合，通过双并行路径处理信息	未明确说明模型的计算复杂度和在实际应用场景中的性能表现	解决中文命名实体识别中的嵌套实体层次结构依赖建模和边界歧义消解问题	中文和英文文本中的命名实体	自然语言处理	NA	NA	胶囊网络, BiLSTM, BERT, 注意力机制	文本	三个中文基准数据集和一个英文数据集	NA	CEAF, DCAM, AFFN, BiLSTM-CRF, Transformer	NA	NA
27	2025-11-21	Robust Human Gait Speed Recognition Under Non-Ideal Conditions for Suspension-Assisted Walking Systems 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70029 PMID:41262208	研究论文	提出一种基于IMU信号和混合深度学习模型的步态速度估计框架，用于非理想条件下的可靠步态分析	结合CNN和BiLSTM的混合深度学习模型，采用多部位IMU传感器融合和两阶段特征选择策略，在非理想条件下实现高精度步态速度估计	仅使用8名健康受试者数据，未在临床患者群体中验证	开发在非理想条件下可靠的步态速度识别方法	人类步态运动	机器学习	NA	惯性测量单元(IMU)	CNN, BiLSTM, LSTM, GRU	运动传感器信号	8名健康受试者	NA	CNN-BiLSTM混合模型	准确率, RMSE	NA
28	2025-11-21	Engineering Macrophage via Biomaterial-Mediated Mitochondrial Regulation: Mechanisms and Strategies 2025, Research (Washington, D.C.) DOI:10.34133/research.0883 PMID:41262353	综述	本文综述了通过生物材料介导的线粒体调控工程化改造巨噬细胞的机制与策略	提出人工智能驱动的深度学习方法加速靶向线粒体疗法开发，建立理性设计原则和标准化评估方案	面临单细胞中心调控、线粒体互作复杂性及传统试错策略效率低下等转化挑战	开发针对炎症相关疾病的精准免疫治疗策略	巨噬细胞的线粒体稳态与表型极化	生物医学工程	炎症性疾病	深度学习材料设计、代谢网络建模、小分子合成	深度学习	NA	NA	NA	NA	NA	NA
29	2025-11-21	Artificial intelligence-assisted accurate diagnosis of anterior cruciate ligament tears using customized CNN and YOLOv9 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1691048 PMID:41262491	研究论文	本研究开发了一种基于定制CNN和YOLOv9的人工智能系统，用于通过膝关节MRI准确诊断前交叉韧带撕裂	提出定制化CNN架构，采用手术验证数据集，同时包含部分和完全撕裂病例，并采用患者级别数据分割方法	单中心研究，未来需要扩展到多中心数据集、多样化MRI协议和前瞻性读者研究	评估多种CNN架构在前交叉韧带撕裂检测中的性能	前交叉韧带撕裂患者	计算机视觉	运动损伤	磁共振成像	CNN, YOLOv9	图像	8,086个质子密度加权矢状位膝关节MRI切片	NA	CustomCNN, DenseNet121, InceptionResNetV2	准确率, 灵敏度, 特异性, AUC	NA
30	2025-11-21	Artificial intelligence for mental health: A narrative review of applications, challenges, and future directions in digital health 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251395548 PMID:41262770	综述	本文综述了人工智能在心理健康领域的应用现状、挑战和未来发展方向	系统梳理了非生成式AI在心理健康领域的应用前景，重点关注算法公平性和临床可解释性	数据集多样性不足、算法偏见、缺乏临床验证	探索人工智能在心理健康领域的应用潜力与发展方向	心理健康数字健康干预	自然语言处理,机器学习	精神疾病	机器学习,深度学习,自然语言处理	NA	多模态数据	NA	NA	NA	诊断准确性,治疗个性化程度	NA
31	2025-11-21	The Hydractinia Genome Project Portal: multi-omic annotation and visualization of Hydractinia genomic datasets 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf215 PMID:41262968	研究论文	介绍Hydractinia基因组项目门户网站，提供多组学数据注释和可视化工具	首次为两种Hydractinia物种提供全面的基因组、转录组和蛋白质组数据集，包含独特的单细胞基因表达图谱和基于结构的深度学习注释方法	主要专注于Hydractinia物种，可能不直接适用于其他生物模型	通过多组学数据注释和可视化工具，促进对基因组与形态复杂性关系、多细胞性进化和新细胞类型出现的研究	两种广泛研究的Hydractinia物种（殖民水螅）	生物信息学	NA	基因组测序, 转录组测序, 蛋白质组测序, 单细胞基因表达分析	深度学习	基因组数据, 转录组数据, 蛋白质组数据	NA	DeepFRI	NA	NA	NA
32	2025-11-20	Machine learning applications in risk management: Trends and research agenda 2025, F1000Research DOI:10.12688/f1000research.161993.2 PMID:41059130	综述	通过文献计量分析探讨机器学习在风险管理中的应用趋势和研究议程	识别机器学习在风险管理中的新兴趋势（如城市树木评估和SARS-CoV-2疫情风险管理）和跨领域应用	基于文献计量分析，缺乏对具体技术实施效果的实证研究	分析机器学习在风险管理领域的研究趋势和发展方向	Scopus和Web of Science数据库中的相关科学文献	机器学习	SARS-CoV-2	文献计量分析	随机森林,支持向量机,深度学习	文献数据	2018-2023年间相关文献（增长98.99%）	NA	NA	NA	NA
33	2025-11-20	Deep learning-based forest fire detection using an improved SSD algorithm with CBAM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333574 PMID:41252362	研究论文	提出一种基于改进SSD算法和CBAM模块的深度学习森林火灾检测模型	将CBAM模块集成到SSD主干网络中，通过通道和空间维度自适应加权火焰颜色和烟雾纹理特征，提升关键火灾特征的感知能力	未明确说明数据集的具体规模和多样性，实际环境干扰的泛化能力需进一步验证	解决森林火灾检测中火焰烟雾尺度多变、特征复杂以及环境干扰导致的误检漏检问题	森林火灾中的火焰和烟雾	计算机视觉	NA	深度学习	SSD, CBAM-SSD	图像	未明确具体数量，通过几何和颜色变换的数据增强技术扩充数据集	未明确说明	SSD, CBAM-SSD	mAP@0.5, AP50, 召回率	未明确说明
34	2025-11-20	DeepAttNet: deep neural network incorporating cross-attention mechanism for subject-independent mental stress detection in passive brain-computer interfaces using bilateral ear-EEG 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1685087 PMID:41255549	研究论文	提出一种基于双耳EEG和交叉注意力机制的深度神经网络DeepAttNet，用于独立于受试者的心理压力检测	引入休息对休息范式消除任务参与效应，开发结合交叉注意力和点态时间压缩的深度学习模型，专门建模半球间神经动态	样本量相对有限（32名成人参与者），仅使用双通道EEG记录	开发独立于受试者的心理压力检测方法，推动被动脑机接口在现实场景中的应用	32名成年人的双耳EEG数据	脑机接口	心理健康	脑电图（EEG）	深度学习	EEG信号	32名成人参与者	NA	DeepAttNet（基于交叉注意力和点态时间压缩）	准确率, 宏F1值	NA
35	2025-11-20	Multi-Omics Meets Premalignancy: Paving the Way for Early Prevention of Cancer 2025, Research (Washington, D.C.) DOI:10.34133/research.0930 PMID:41255572	综述	探讨多组学技术与人工智能在癌前病变研究中的整合应用及其对癌症早期预防的推动作用	首次系统梳理15种癌症类型的临床公认癌前病变，并强调多组学与人工智能融合在肿瘤发生轨迹推断和极早期风险分层中的创新应用	未涉及具体实验验证数据，主要基于现有研究进行系统性综述	推动癌症早期检测与药物预防策略发展	癌前病变（PMLs）及其向恶性肿瘤的演化过程	数字病理, 机器学习	泛癌研究	多组学技术（包括单细胞组学、空间组学）、深度学习	深度学习	多组学数据（基因组、转录组等）	NA	NA	NA	NA	NA
36	2025-11-20	Two-decade dialogue between artificial intelligence and osteoporosis: research trajectories and frontier projections under bibliometric and visual analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606361 PMID:41255602	文献计量分析	通过文献计量和可视化分析方法系统评估2004-2024年间人工智能在骨质疏松症研究领域的知识进展	首次对骨质疏松症领域人工智能研究进行全面的文献计量分析，识别了该领域的发展轨迹和新兴前沿	仅基于Web of Science数据库的英文文献，可能遗漏其他语言或数据库的重要研究	系统评估人工智能在骨质疏松症研究中的知识进展和发展趋势	2004-2024年间发表的骨质疏松症与人工智能相关的研究文献	文献计量学	骨质疏松症	文献计量分析，可视化分析	NA	文献元数据	408篇出版物（343篇文章，65篇综述）	VOSviewer, CiteSpace, Scimago Graphica, Bibliometrix	NA	年度发表趋势，国家/机构贡献度，期刊/作者影响力指标，关键词共现分析	NA
37	2025-11-20	Deep learning-driven MRI for accurate brain volumetry in murine models of neurodegenerative diseases 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1632169 PMID:41255818	研究论文	本研究开发了一种基于深度学习的MRI分割方法，用于精确测量神经退行性疾病小鼠模型中的脑体积	采用深度学习分割方法，在7特斯拉MRI上仅需4.3分钟即可完成高分辨率脑体积定量分析，大幅缩短采集时间并提高动物福利	需要麻醉可能影响采集参数，且方法主要在小鼠模型上验证	开发高效可靠的脑体积定量方法用于神经退行性疾病研究	健康C57BL/6J小鼠、肌萎缩侧索硬化模型、铜宗诱导脱髓鞘模型和多发性硬化模型	数字病理	神经退行性疾病	MRI, T加权成像	深度学习分割模型	医学影像	多种疾病模型小鼠	NA	NA	重现性验证	7特斯拉MRI，常规射频线圈
38	2025-11-20	Thyroid nodule and lymph node metastasis assessment from ultrasound images using deep learning 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1684104 PMID:41255824	研究论文	本研究开发了一种基于深度学习的AI超声诊断模型，用于术前精确区分良性甲状腺结节、非转移性恶性甲状腺结节和转移性恶性甲状腺结节	首次建立能够同时区分三种甲状腺结节类型（BTN/NMTN/MMTN）的AI超声诊断模型，并在多中心数据上验证其性能优于放射科医生	样本量相对有限（195例患者），特别是非转移性恶性甲状腺结节组样本较少（仅15例）	开发AI辅助诊断系统以提高甲状腺结节超声诊断的准确性和一致性	甲状腺结节患者及其超声图像	计算机视觉	甲状腺癌	超声成像	CNN	图像	195例患者（BTN=60，NMTN=15，MMTN=120），共3,537张超声图像	NA	NA	AUC, 准确率, ROC曲线, 混淆矩阵	NA
39	2025-11-20	Prospects and challenges of deep learning in gynecologic malignancies 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592078 PMID:41256318	综述	概述深度学习在妇科恶性肿瘤诊疗中的应用现状与挑战	系统探讨了基于放射组学和病理图像的深度学习模型在妇科肿瘤诊疗中的创新应用前景	未涉及具体临床验证数据，主要聚焦技术前景与挑战分析	探讨深度学习技术在妇科恶性肿瘤诊疗中的应用潜力与发展方向	妇科恶性肿瘤（GMs）的医学影像数据	数字病理学	妇科肿瘤	医学影像分析（X射线、CT、MRI、SPECT）	深度学习	放射学图像、病理学图像	NA	NA	NA	NA	NA
40	2025-11-20	Predicting alcohol use disorder risk in firefighters using a multimodal deep learning model: a cross-sectional study 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1643552 PMID:41256950	研究论文	开发并验证了一种多模态深度学习框架，通过整合结构磁共振成像和神经心理学评估来预测消防员的酒精使用障碍风险	首次将ResNet-50卷积神经网络、Vision Transformer模块和多层感知器协同整合，用于消防员酒精使用障碍的客观风险分层，避免了传统自我报告方法的系统性漏报问题	横断面研究设计无法建立因果关系，样本性别分布不均（93%为男性），缺乏外部验证队列	开发客观的酒精使用障碍风险预测模型，用于高风险职业人群的筛查	689名现役消防员	数字病理	酒精使用障碍	结构磁共振成像，神经心理学评估	CNN, Transformer, MLP	图像，临床数据	689名现役消防员（平均年龄43.3±8.8岁，93%男性）	NA	ResNet-50, Vision Transformer, 多层感知器	准确率，AUC	NA