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
381	2025-06-19	Artificial Intelligence in Obsessive-Compulsive Disorder: A Systematic Review 2025, Current treatment options in psychiatry DOI:10.1007/s40501-025-00359-8 PMID:40524733	系统综述	本文系统综述了人工智能在强迫症（OCD）中的应用，包括早期症状检测、可扩展的治疗训练、临床决策支持、新型治疗方法、基于计算机视觉的方法和多模态生物标志物发现	介绍了深度学习技术的新应用，特别是生成式人工智能（GenAI）和自然语言处理（NLP）在OCD中的应用	大多数研究（84.6%）使用二次数据分析，可能限制了结果的普适性	评估人工智能在强迫症早期诊断和治疗中的潜在应用	强迫症（OCD）患者	自然语言处理	强迫症	生成式人工智能（GenAI）和自然语言处理（NLP）	深度学习	文本	13篇研究文章
382	2025-06-19	An image and text-based fake news detection with transfer learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324394 PMID:40526614	research paper	该研究提出了一种结合文本和图像的多模态分类方法，以提高假新闻检测的准确性，特别是在标注数据稀缺的低资源环境中	利用CLIP模型提取图像和文本的特征，并通过LoRA（低秩适应）技术进行参数高效微调，以提高数据效率	研究可能受限于低资源环境中的数据稀缺问题，且仅使用了一层的MLP进行分类，可能影响模型的复杂性和性能	提高假新闻检测的准确性和鲁棒性，特别是在低资源环境中	假新闻检测	natural language processing	NA	LoRA（低秩适应）	CLIP, MLP	image, text	NA
383	2025-06-19	Prediction of future aging-related slow gait and its determinants with deep learning and logistic regression 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325172 PMID:40526703	研究论文	本研究使用深度学习和逻辑回归预测与衰老相关的慢步及其决定因素	首次将神经网络应用于预测衰老相关的慢步，并与传统逻辑回归方法进行对比	样本来源单一（仅来自巴尔的摩纵向衰老研究），可能影响模型的泛化能力	预测衰老相关的慢步及其生物标志物，以便及时进行干预和决策	1,363名来自巴尔的摩纵向衰老研究的参与者	机器学习	老年疾病	深度学习神经网络（NN）和逻辑回归（LR）分析	NN, LR	临床数据	1,363名参与者
384	2025-06-19	Arrhythmia classification based on multi-input convolutional neural network with attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326079 PMID:40526742	research paper	提出了一种基于多输入卷积神经网络和注意力机制的心律失常分类算法	采用多尺度时频表示和双分支CNN架构，结合SE注意力机制增强关键特征	未提及模型在实时应用中的性能或计算效率	提高心律失常分类的准确性和鲁棒性	心电图信号	machine learning	cardiovascular disease	Short-Time Fourier Transform (STFT)	CNN with SE attention mechanism	ECG信号	MIT-BIH和SPH心律失常数据库
385	2025-06-19	Development and evaluation of a deep learning system for screening real-world multiple abnormal findings based on ultra-widefield fundus images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1584378 PMID:40529144	研究论文	开发和评估一个基于超广角眼底图像的深度学习系统，用于筛查多种异常发现	开发了一个包含质量评估、伪影去除和病变识别三个模块的深度学习系统，特别强调了伪影去除模块对提高病变识别性能的重要性	仅使用了来自三家医院的数据进行训练和验证，可能无法代表所有人群	开发一个能够筛查多种眼底异常的深度学习系统	超广角眼底图像中的出血、玻璃膜疣、硬性渗出物、棉絮斑和视网膜裂孔	计算机视觉	眼科疾病	深度学习	深度学习系统（包含三个模块）	图像	训练和内部验证使用4,521张图像，外部验证使用来自两家医院的344张和894张图像
386	2025-06-19	Deep learning-based image classification for AI-assisted integration of pathology and radiology in medical imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574514 PMID:40529155	研究论文	本文介绍了一种基于深度学习的图像分类框架，用于AI辅助的病理学和放射学医学影像整合	提出了自适应多分辨率成像网络（AMRI-Net）和可解释的领域自适应学习（EDAL）策略，提高了诊断准确性和领域泛化能力	未提及具体样本量或数据集的详细构成	开发AI驱动的医学影像整合解决方案，提高诊断准确性和临床工作流程优化	多模态医学影像数据（X光、CT、MRI等）	数字病理学	NA	深度学习	AMRI-Net, EDAL	医学影像	NA
387	2025-06-19	Integrated multidisciplinary approach to aneurysm hemodynamic analysis: numerical simulation, in Vitro experiment, and deep learning 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1602190 PMID:40529173	综述	本文系统整理了传统和新兴方法，用于表征动脉瘤扩张、破裂和血栓形成过程中的血流动力学扰动	整合了数值模拟、体外实验和深度学习技术，显著提高了计算效率	生物仿生材料的局限性和对机械-生物耦合机制的不完全理解	阐明动脉瘤不稳定的机制基础，建立血流动力学分析的标准化量化协议，为患者特异性风险分层铺平道路	动脉瘤的血流动力学分析	数字病理学	心血管疾病	数值模拟, 体外实验, 深度学习	深度学习	NA	NA
388	2025-06-19	Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1570979 PMID:40529250	correction	该文章是对先前发表的一篇关于使用深度学习技术增强MRI图像中脑肿瘤检测和分割的文章的更正	NA	NA	NA	NA	digital pathology	NA	deep learning	NA	image	NA
389	2025-06-19	Artificial Intelligence in Chronic Disease Management for Aging Populations: A Systematic Review of Machine Learning and NLP Applications 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S516247 PMID:40529344	review	本文系统综述了人工智能（如机器学习和自然语言处理）在老年慢性病管理中的应用现状、挑战及未来方向	探讨了AI技术在优化医疗资源分配、补充专业管理团队、普及健康教育等方面的潜力	面临数据稀缺、模型泛化能力、临床医生采纳度、与现有医疗系统整合等挑战	促进AI技术在老年慢性病管理中的合理有效应用，以实现健康老龄化	老年慢性病患者（主要包括慢性心脑血管疾病、呼吸系统疾病等）	自然语言处理, 机器学习	geriatric disease	machine learning, NLP, computer vision	NA	NA	NA
390	2025-06-19	Research progress in predicting the conversion from mild cognitive impairment to Alzheimer's disease via multimodal MRI and artificial intelligence 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1596632 PMID:40529431	综述	本文系统回顾了多模态MRI技术和人工智能在预测轻度认知障碍（MCI）向阿尔茨海默病（AD）转化中的研究进展	结合多模态MRI技术和人工智能方法，挖掘MCI向AD转化的脑部特征并构建预测模型	当前研究面临的技术挑战未具体说明	为MCI转化的早期准确预测和干预策略制定提供科学参考	轻度认知障碍（MCI）向阿尔茨海默病（AD）的转化	数字病理学	老年疾病	多模态MRI（结构MRI、功能MRI、脑灌注MRI）	深度学习和机器学习	MRI图像	NA
391	2025-06-19	Reducing unnecessary biopsies of BI-RADS 4 lesions based on a deep learning model for mammography 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1543553 PMID:40530010	研究论文	本研究探讨了基于乳腺X线摄影的深度学习模型在BI-RADS 4类病变中的诊断价值，以减少不必要的乳腺活检	开发了一个深度学习模型，能够准确识别不需要活检的良性及高风险BI-RADS 4类病变，减少40.6%的不必要活检	研究为回顾性设计，且样本仅来自两家医院，可能存在选择偏差	评估深度学习模型在减少BI-RADS 4类病变不必要活检中的诊断价值	BI-RADS 4类乳腺病变	数字病理学	乳腺癌	深度学习	DL模型	乳腺X线图像	557例BI-RADS 4类病变（304例良性，195例恶性，58例高风险）
392	2025-06-19	ST-YOLO: a deep learning based intelligent identification model for salt tolerance of wild rice seedlings 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1595386 PMID:40530276	研究论文	提出了一种基于深度学习的ST-YOLO模型，用于野生稻幼苗耐盐表型的评估与识别	使用多分支结构DBB替换C2f模块中的卷积层，引入CAFM卷积和注意力融合模块增强特征表示能力，设计了更灵活的空间金字塔池化层	未提及具体的数据集规模或模型在更广泛条件下的泛化能力	提高野生稻幼苗耐盐表型识别的准确率和效率	野生稻幼苗	计算机视觉	NA	深度学习	ST-YOLO (改进的YOLO模型)	图像	筛选出2个极耐盐品种和7个耐盐品种（具体实验样本量未明确说明）
393	2025-06-19	Optimizing Mask R-CNN for enhanced quinoa panicle detection and segmentation in precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1472688 PMID:40530286	研究论文	本研究提出了一种基于改进Mask R-CNN的深度学习方法，用于藜麦穗的检测和分割，以提高精准农业中的产量估计	首次将实例分割技术应用于藜麦穗分析，并采用EfficientNet-B7骨干网络和Mish激活函数优化模型性能	NA	开发自动化藜麦产量估计方法	藜麦穗	计算机视觉	NA	实例分割	Mask R-CNN (改进版)	图像	NA
394	2025-06-19	PRGminer: harnessing deep learning for the prediction of resistance genes involved in plant defense mechanisms 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1411525 PMID:40530297	研究论文	介绍了一种基于深度学习的植物抗性基因预测工具PRGminer，用于加速新抗性基因的发现	开发了PRGminer工具，利用深度学习技术高效预测植物抗性基因，并分类为八种不同类型	未提及具体样本量或数据来源的局限性	预测植物抗性基因以促进抗病育种	植物抗性基因（Rgenes）	生物信息学	植物病害	深度学习	NA	蛋白质序列	NA
395	2025-06-18	Anisotropic Spherical Gaussians Lighting Priors for Indoor Environment Map Estimation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3575902 PMID:40489269	研究论文	提出了一种利用各向异性球面高斯（ASG）作为先验，从单张标准图像估计室内高动态范围（HDR）环境光照图的新方法	使用各向异性球面高斯（ASG）替代传统的球面高斯（SG）表示，能更好地捕捉复杂光照的各向异性特性，并提出了基于transformer的网络和两阶段训练方案	NA	从单张标准图像估计室内HDR环境光照图	室内环境光照	计算机视觉	NA	深度学习	transformer	图像	NA
396	2025-06-18	Providing context: Extracting non-linear and dynamic temporal motifs from brain activity 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324066 PMID:40504803	研究论文	本研究提出了一种使用非线性和动态时间基元从脑活动中提取上下文信息的方法	使用解耦变分自编码器（DSVAE）分离窗口特定（上下文）信息和时间步特定（局部）信息，以捕捉多时间尺度的差异	研究主要关注精神分裂症患者和对照受试者，可能不适用于其他疾病或人群	扩展神经影像工具集，分析fMRI动态，并寻找对个体和群体特征更敏感的精神病学联系	精神分裂症患者和对照受试者的rs-fMRI数据	神经影像	精神分裂症	rs-fMRI, tr-FC	DSVAE	fMRI图像数据	精神分裂症患者和对照受试者的rs-fMRI数据（具体数量未提及）
397	2025-06-18	Deep learning-driven approach for cataract management: towards precise identification and predictive analytics 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1611216 PMID:40519269	research paper	本文探讨了深度学习技术在白内障诊断和治疗全过程中的应用，包括自动识别、分级、手术优化及并发症预测	利用CNN等深度学习算法，实现了白内障的自动识别和分级，诊断准确率接近或超过人类专家水平，并在手术优化和并发症预测方面展现出潜力	数据标准化不足、模型的'黑箱'特性以及隐私伦理问题仍是临床应用中的瓶颈	推动白内障管理的智能化和普及化	白内障患者	digital pathology	geriatric disease	深度学习	CNN	image	NA
398	2025-06-18	Graph-based analysis of histopathological images for lung cancer classification using GLCM features and enhanced graph 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1546635 PMID:40519303	research paper	提出了一种新型的增强图SAGE（E-GraphSAGE）框架，结合基于图的深度学习和传统图像处理技术，用于从H&E染色的全切片图像中分类肺癌亚型	引入了E-GraphSAGE框架，优化了邻域聚合，结合了dropout正则化和PCA降维，提高了计算效率和诊断准确性	虽然模型在特定数据集上表现优异，但未提及在其他类型癌症或更大规模数据集上的泛化能力	开发一种高效、可扩展的肺癌亚型分类方法，提升诊断精确度和患者治疗效果	肺癌亚型（腺癌、鳞状细胞癌和良性组织）以及淋巴癌亚型（DLBCL、FL和SLL）	digital pathology	lung cancer	GLCM特征提取、Sparse Cosine Similarity Matrix建模、DeepWalk嵌入	E-GraphSAGE	image	未明确提及具体样本数量，但涉及多种癌症亚型的全切片图像
399	2025-06-18	Comprehensive plant health monitoring: expert-level assessment with spatio-temporal image data 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1511651 PMID:40519596	research paper	提出一种基于深度学习的框架，利用连续RGB图像进行植物健康评估，实现专家级别的时空监测	结合CNN和transformer架构，实现植物健康状态的精确预测，并生成动态种植地图以支持数据驱动的作物管理	研究仅针对番茄植物，且数据采集环境限于半开放式温室	开发可扩展的自动化植物健康监测系统，推动精准农业发展	番茄植物的健康状况	computer vision	NA	RGB图像采集	CNN, transformer	image	200株番茄植物的12,119张标注图像，涵盖三个品种
400	2025-06-18	Revealing new depths of information with indentation mapping of microstructures 2025, MRS bulletin IF:4.1Q2 DOI:10.1557/s43577-025-00919-6 PMID:40519751	research paper	本文探讨了高速纳米压痕映射技术在材料科学中的应用及其对微观结构机械性能的深入分析	将纳米压痕技术从局部测量发展为类似扫描探针的方法，实现大面积、高分辨率的机械性能映射	需要与互补分析技术的数据关联，且处理多维数据集需要高级统计和机器学习方法	研究微观结构的机械性能及其与材料设计、性能的关系	材料的微观结构及其机械性能	材料科学	NA	高速纳米压痕映射	机器学习，深度学习	机械性能映射数据	超过200,000个压痕