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
461	2025-07-29	A survey of NLP methods for oncology in the past decade with a focus on cancer registry applications 2025, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11316-5 PMID:40688631	综述	本文综述了过去十年中自然语言处理（NLP）在癌症登记操作中的应用，重点关注NLP方法、文档类型、癌症部位和研究目标	系统性地分类和分析了2014年至2024年间156篇相关文献，揭示了NLP在癌症登记中的发展趋势和未充分探索的领域	儿科癌症、黑色素瘤和淋巴瘤等癌症类型以及疾病进展、临床试验匹配和患者沟通等研究领域代表性不足，多模态模型研究稀缺	评估NLP在癌症登记中的应用潜力，提升数据提取效率和准确性	临床文本（病理学和放射学报告）	自然语言处理	癌症	NLP	rule-based, machine learning, traditional deep learning, transformer models (BERT, ClinicalBERT, RadBERT, GPT-3, GPT-4)	文本	156篇文献
462	2025-07-29	Detecting early gastrointestinal polyps in histology and endoscopy images using deep learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1571075 PMID:40703309	研究论文	使用深度学习技术检测组织学和内窥镜图像中的早期胃肠道息肉	提出了一种三阶段深度学习方法，结合编码器-解码器网络、预训练模型和SVM分类器，用于早期胃肠道息肉的识别	InceptionV3模型的表现略逊于其他模型	提高胃肠道癌症的早期识别能力	胃肠道息肉	数字病理学	胃肠道癌症	深度学习	EDN, VGG16, VGG19, ResNet50, InceptionV3, SVM	图像	五个数据集（CRC-VAL-HE-7K、CRC-VAL-HE-100K、Kvasir_v2、北京肿瘤医院数据集和一个弱标记数据集）
463	2025-07-29	Integrating pathomics and deep learning for subtyping uveal melanoma: identifying high-risk immune infiltration profiles 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1585097 PMID:40703526	research paper	该研究利用无监督学习和深度学习技术对葡萄膜黑色素瘤（UVM）进行亚型分类，识别高风险免疫浸润特征	结合病理组学和深度学习识别UVM的高免疫浸润亚型，并基于死亡率风险改进患者分层	样本量相对较小，仅包含70例训练数据和68例验证数据	改进UVM患者的风险分层和预后预测	葡萄膜黑色素瘤（UVM）患者	digital pathology	uveal melanoma	H&E染色全切片图像分析、基因组数据分析、深度学习建模	Inception-V3	image, genomic, clinical	70例训练数据（来自GDC数据库）和68例验证数据（来自华西医院）
464	2025-07-29	Supervised contrastive loss helps uncover more robust features for photoacoustic prostate cancer identification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592815 PMID:40703547	研究论文	本文探讨了监督对比学习在光声光谱特征提取中的应用，以提高前列腺癌识别的准确性	引入了监督对比学习（SCL-adjust模型），在光声光谱分析中提取更稳健的特征，相比传统方法准确率提高了10%以上	个体异质性仍然是影响识别性能的重要因素	从复杂的生物组织中提取更可靠的特征，提高前列腺癌的识别准确率	前列腺癌的光声光谱数据	数字病理学	前列腺癌	光声光谱分析	CNN, 监督对比学习模型（SC）, 监督对比损失调整模型（SCL-adjust）	光谱数据	NA
465	2025-07-29	Using deep learning to screen OCTA images for hypertension to reduce the risk of serious complications 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1581785 PMID:40703652	研究论文	使用深度学习分析OCTA图像以筛查高血压及其严重并发症风险	结合Xception卷积神经网络和多Swin transformer模型分析OCTA图像，提高高血压筛查的准确性和效率	样本量相对较小（422张OCTA图像），模型性能仍有提升空间	研究高血压对眼部微血管的影响，开发基于深度学习的筛查方法	高血压患者和健康对照者的OCTA图像	数字病理学	心血管疾病	光学相干断层扫描血管成像（OCTA）	Xception CNN, Swin transformer	图像	422张OCTA图像（来自136名高血压患者和85名健康受试者）
466	2025-07-29	Construction of crown profile prediction model of Pinus yunnanensis based on CNN-LSTM-attention method 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1567131 PMID:40703862	研究论文	本研究基于CNN-LSTM-attention方法构建了云南松树冠轮廓预测模型，提高了预测精度	结合深度学习和新型树冠竞争指数（CPCI），克服了传统模型在捕捉树冠不对称性和垂直结构方面的局限性	研究仅基于云南大理苍山的五个年龄分层永久样地数据，可能限制了模型的普适性	提高云南松树冠轮廓的预测精度，以支持森林管理和生态分析	云南松树的树冠轮廓	机器学习	NA	深度学习	CNN-LSTM-Attention	树冠轮廓数据	629棵树，来自五个年龄分层的永久样地
467	2025-07-29	Design and development of an efficient RLNet prediction model for deepfake video detection 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1569147 PMID:40704217	研究论文	本研究提出了一种结合ResNet和LSTM的RLNet深度学习框架，用于高精度检测深度伪造视频	通过结合ResNet和LSTM网络，同时利用空间和时间特征来准确识别伪造内容，相比现有方法具有更高的准确性和检测能力	需要研究更多卷积神经网络架构在视频深度伪造数据集上的表现	开发一种高效的深度伪造视频检测方法，提升数字内容的安全性和真实性	深度伪造视频	计算机视觉	NA	深度学习	ResNet, LSTM	视频	包含真实和深度伪造视频的多样化数据集
468	2025-07-29	Application of deep learning for diagnosis of shoulder diseases in older adults: a narrative review 2025-Jan, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.e6 PMID:40704206	综述	本文探讨了深度学习在老年人肩部疾病诊断中的应用及其潜力	利用深度学习技术自动化图像分割、疾病检测和运动分析，提高诊断准确性和效率	需要大规模前瞻性验证研究以确保其普适性和可重复性	探索深度学习在老年人肩部疾病诊断中的应用	老年人肩部疾病	数字病理学	老年疾病	深度学习	CNN	图像	NA
469	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
470	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
471	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
472	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）
473	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）
474	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
475	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
476	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
477	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）
478	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
479	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
480	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