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
481	2025-12-13	Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1646724 PMID:41368658	系统综述	本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围	首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性	排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展	分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述	焦虑症检测方法	自然语言处理, 机器学习	焦虑症	机器学习, 深度学习	NA	自我报告数据, 生理数据, 社交网络数据	119项研究	NA	NA	准确性	NA
482	2025-12-12	Building extraction from remote sensing imagery using SegFormer with post-processing optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338104 PMID:41359638	研究论文	本研究提出了一种基于SegFormer模型并结合后处理优化的高效、准确的遥感影像建筑物提取方法	采用先进的基于Transformer的SegFormer模型进行语义分割，并引入噪声过滤、边界清理和建筑物规则化等后处理技术来优化提取结果	NA	实现从遥感影像中高效、准确地提取建筑物	遥感影像中的建筑物	计算机视觉	NA	NA	Transformer	图像	使用公开的WHU建筑物数据集，涵盖城市、乡村和山区场景	NA	SegFormer, MiT-B5	交并比	NA
483	2025-12-12	Forecasting China's shipping indices based on modal decomposition and optimized deep learning integrated model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336906 PMID:41359688	研究论文	本研究提出了一种创新的混合预测模型VMD-CPSO-BiLSTM，用于提高中国航运指数的预测精度	提出了一种结合变分模态分解、混沌粒子群优化和双向长短期记忆网络的三阶段混合模型，有效处理时间序列的非线性、非平稳性和多尺度特征	未明确说明模型在其他国家航运市场或不同时间尺度下的泛化能力	提高中国航运市场时间序列预测的准确性和稳定性	中国航运指数	机器学习	NA	变分模态分解，混沌粒子群优化	BiLSTM	时间序列数据	未明确说明具体样本数量，但使用了关键的中国航运指数数据进行实证验证	NA	双向长短期记忆网络	预测准确性，模型稳定性	NA
484	2025-12-12	Deep learning approach for objective differentiation of kidney deficiency syndrome in reproductive age females: a tongue-face fusion model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1701545 PMID:41377689	研究论文	本文提出了一种基于深度学习的舌面融合模型，用于客观区分育龄女性肾虚综合征	首次采用并行DenseNet结构结合深度监督网络策略，融合舌象和面部图像的深度特征，实现肾虚综合征的客观诊断	样本量相对有限（总计506例），且外部验证集规模较小（130例），可能影响模型的泛化能力	探索通过机器学习技术实现育龄女性肾虚综合征的客观证候区分方法	育龄女性的舌象和面部图像数据	计算机视觉	肾虚综合征	图像采集	CNN	图像	376对舌面和面部图像（训练集），130例患者（外部验证集）	NA	DenseNet	准确率, 精确率, 召回率, F1分数, ROC, AUC	NA
485	2025-12-12	A Systematic Review of Species Classification Using Deep Learning Algorithms and Gender Identification of Tribolium castaneum Using Convolutional Neural Networks 2025, Zoological studies IF:1.5Q2 DOI:10.6620/ZS.2025.64-24 PMID:41377859	研究论文	本文系统综述了深度学习算法在物种分类中的应用，并利用卷积神经网络对赤拟谷盗进行性别识别	首次应用CNN智能技术基于显微图像识别赤拟谷盗的性别差异，实现自动化特征提取和分类，减少人工干预	数据集仅包含116张显微图像，样本量较小；F1分数为0.67，表明模型在精确率和召回率平衡方面有改进空间	开发基于深度学习的动物识别与分类方法，特别关注赤拟谷盗的性别自动识别	赤拟谷盗（Tribolium castaneum）的蛹期昆虫	计算机视觉	NA	显微成像	CNN	图像	116张赤拟谷盗蛹的背侧和腹侧显微图像	NA	NA	准确率, F1分数	NA
486	2025-12-12	Plug-and-play high-frequency feature enhancement for plant image super-resolution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1723354 PMID:41378185	研究论文	本文提出了一种可插拔的高频特征增强模块，用于提升植物图像超分辨率重建中精细结构细节的恢复能力	提出了一种可无缝集成到现有超分辨率架构中的高频特征增强模块，通过选择性放大高频信息来改善如叶脉、病变边界等细微细节的重建	未明确讨论模块在不同类型植物图像或极端噪声条件下的泛化性能极限	旨在通过增强植物图像超分辨率重建的精细细节，支持更准确的表型分析、疾病监测和精准农业	植物图像，包括大规模种植园图像、水生植物图像和作物病害图像	计算机视觉	NA	深度学习超分辨率	CNN	图像	三个植物数据集：油棕数据集、AqUAVPlant数据集（基于无人机的水生植物）和Plant Pathology 2020数据集（作物病害）	NA	NA	PSNR, SSIM	NA
487	2025-12-12	Multimodal deep learning model for enhanced early detection of aortic stenosis integrating ECG and chest x-ray with cooperative learning 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698680 PMID:41378244	研究论文	本研究开发了一种整合心电图和胸部X光的多模态深度学习模型，通过协同学习框架提升主动脉瓣狭窄的早期检测能力	首次将1D ResNet50-Transformer架构与EfficientNet架构结合，通过协同学习损失函数实现心电图和胸部X光模型的相互预测优化	研究为回顾性分析，可能存在选择偏倚；模型性能仍需在前瞻性临床环境中进一步验证	开发多模态人工智能模型以提升主动脉瓣狭窄的早期检测效果	接受心电图、胸部X光和超声心动图检查的7,483名患者（共23,886条记录）	数字病理学	心血管疾病	心电图, 胸部X光, 超声心动图	深度学习	心电图信号, 医学影像	7,483名患者（608例主动脉瓣狭窄病例），共23,886条记录	NA	1D ResNet50-Transformer, EfficientNet	AUROC	NA
488	2025-12-12	Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619309 PMID:41378299	研究论文	本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较	首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具	研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例）	开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略	上海普陀区的膀胱癌患者	机器学习	膀胱癌	生存分析	TabNet, 逻辑回归	结构化临床数据	620例膀胱癌患者（训练集434例，验证集186例）	TabNet	TabNet	ROC曲线, 决策曲线分析, 校准曲线	NA
489	2025-12-12	Multi-model deep learning for dementia detection: addressing data and model limitations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638022 PMID:41378346	研究论文	本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制	通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响	所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应	评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制	痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像	医学影像分析	痴呆症	结构MRI（sMRI）	CNN, Vision Transformer, 注意力模型, 胶囊网络	图像	每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集	NA	3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet	准确率, 特异性, 灵敏度	NA
490	2025-05-27	Advancements in Structure-based Drug Design Using Geometric Deep Learning 2025, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673388739250516071228 PMID:40417758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
491	2025-12-11	MDA-TransUNet: A Deep Learning-Based Automatic Segmentation Method for Cervical Cancer Brachytherapy 2025 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251397035 PMID:41348514	研究论文	本研究提出了一种名为MDA-TransUNet的深度学习模型，用于宫颈癌近距离放射治疗中高风险临床靶区和危及器官的快速自动分割	提出了一种结合CNN和Transformer的混合网络模型MDA-TransUNet，用于多中心宫颈癌CT图像的分割，并在分割准确性和剂量学评估上表现出优越性能	研究样本量相对有限（共122例），且未详细讨论模型在不同临床场景下的泛化能力或潜在偏差	开发一种快速、精确的自动分割方法，以优化宫颈癌近距离放射治疗的治疗规划流程	宫颈癌患者的CT图像，重点关注高风险临床靶区（HR-CTV）和危及器官（膀胱、结肠、直肠、小肠）	数字病理学	宫颈癌	CT成像	CNN, Transformer	图像	122例宫颈癌近距离放射治疗患者的CT图像（来自三个临床中心），其中80例用于训练，22例用于测试，20例用于外部验证	NA	MDA-TransUNet	Dice相似系数, Hausdorff距离, 平均表面距离	NA
492	2025-12-11	Deformable registration and generative modelling of aortic anatomies by auto-decoders and neural ODEs 2025, npj biological physics and mechanics DOI:10.1038/s44341-025-00029-z PMID:41355932	研究论文	提出了一种名为AD-SVFD的深度学习框架，用于主动脉解剖结构的可变形配准与生成建模	采用自解码器架构与神经常微分方程，实现了血管几何形状的配准与生成在一个统一框架内完成，并通过在推理时微调低维嵌入来降低计算开销	目前仅在健康主动脉解剖结构上进行了数值实验，未涉及病变血管或更复杂的病理形态	开发一个高效、可扩展且能泛化到不同形状队列的血管几何形状处理与生成框架	主动脉解剖几何形状	计算机视觉	心血管疾病	点云表示，常微分方程建模	自解码器，神经ODE	点云	NA	NA	自解码器	Chamfer距离	NA
493	2025-12-11	Bornean orangutan nest identification using computer vision and deep learning models to improve conservation strategies 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20333 PMID:41356436	研究论文	本研究利用计算机视觉和深度学习模型，通过无人机图像识别婆罗洲猩猩巢穴，以改进保护策略	首次将深度学习模型应用于婆罗洲猩猩巢穴的自动识别，通过比较四种模型性能并利用梯度加权类激活映射解释结果	研究仅使用二元分类数据集，未实现巢穴的自动检测，且样本量相对有限	提高婆罗洲猩猩种群监测的效率和准确性，支持保护策略优化	婆罗洲猩猩的巢穴	计算机视觉	NA	无人机图像采集	CNN	图像	1,624张图像（来自马来西亚婆罗洲沙巴的无人机影像）	TensorFlow, Keras	InceptionV3, MobileNetV2, VGG19, Xception	准确率, 精确率, 召回率, F1分数	NA
494	2025-12-11	The paradigm shift in neural stem cells basic research driven by artificial intelligence related technologies 2025, Frontiers in cellular neuroscience IF:4.2Q2 DOI:10.3389/fncel.2025.1696943 PMID:41356496	综述	本文综述了人工智能技术在神经干细胞基础研究中的应用现状与未来潜力	讨论了生成对抗网络、图神经网络和自监督学习等尚未在神经干细胞研究中应用的关键AI技术及其潜在应用	数据质量、模型鲁棒性和可解释性方面仍存在挑战	探讨人工智能技术如何推动神经干细胞基础研究的范式转变	神经干细胞	机器学习	NA	NA	GAN, GNN, 自监督学习	多模态数据	NA	NA	NA	NA	NA
495	2025-12-11	XAI-BT-EdgeNet: explainable edge-aware deep learning with squeeze-and-excitation for brain tumor detection and prediction 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1676524 PMID:41356670	研究论文	本研究提出了一种名为XAI-BT-EdgeNet的可解释、边缘感知深度学习框架，结合挤压与激励模块，用于基于MRI扫描的脑肿瘤检测与预测	开发了双分支CNN架构，融合了InceptionV3的高级语义特征与边缘特征块的底层边缘表示，并集成SE模块自适应重新校准特征重要性，同时应用了四种XAI技术（LIME、Grad-CAM、Grad-CAM++、Vanilla Saliency）以提供可解释的视觉预测依据	NA	提高脑肿瘤检测的准确性和早期诊断能力，并增强临床对AI系统的信任	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI扫描	CNN	图像	4,589张标记的MRI图像（脑肿瘤2,513张，健康2,076张）	NA	InceptionV3, 双分支CNN	准确率, 损失值	NA
496	2025-12-11	tUbeNet: a generalizable deep learning tool for 3D vessel segmentation 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf087 PMID:41357142	研究论文	本文提出了一种名为tUbeNet的深度学习模型，结合人机协同训练方法，用于三维血管分割，该工具具有跨组织、模态、尺度和病理的泛化能力	开发了一个通用的深度学习工具，通过预训练的“基础”模型和微调策略，能够以极少量手动标注数据（如仅需新数据集0.3%的体积）适应新应用，实现了高精度三维血管分割	未明确提及模型在极端病理条件或罕见血管结构下的性能限制，以及计算资源需求的具体细节	开发一个可泛化的深度学习工具，用于三维血管分割，以支持血管成像的定量分析	三维血管网络，涵盖多种组织、成像模态、尺度和病理条件	计算机视觉	NA	光学成像、计算机断层扫描、光声成像	CNN	图像	NA	NA	3D卷积神经网络	Dice系数	NA
497	2025-12-11	Artificial intelligence in musculoskeletal radiology: practical aspects and latest perspectives 2025-Jan, BJR open DOI:10.1093/bjro/tzaf029 PMID:41357265	综述	本文综述了人工智能在肌肉骨骼放射学中的实际应用、最新进展及未来挑战	系统总结了AI在MSK影像全工作流程的应用，并探讨了大型语言模型在报告简化与临床沟通中的新兴作用	未涉及具体临床验证数据，主要基于现有文献的整合分析	探讨人工智能在肌肉骨骼放射学领域的应用现状与发展方向	肌肉骨骼影像工作流程及相关人工智能技术	数字病理学	肌肉骨骼疾病	深度学习，大型语言模型	深度学习模型	医学影像	NA	NA	NA	诊断一致性，测量量化准确性	NA
498	2025-12-11	Unifying proteomic technologies with ProteinProjector 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf266 PMID:41357305	研究论文	本文开发了一个名为ProteinProjector的自监督深度学习框架，用于整合多种蛋白质组学数据模态，以统一映射蛋白质的亚细胞定位	提出了一种灵活的自监督深度学习框架，能够整合任意数量的蛋白质组学数据模态，生成统一的蛋白质位置图谱，显著提高了图谱覆盖范围和准确性	NA	整合多种蛋白质组学技术，以更全面地理解蛋白质的亚细胞组织	HEK293人胚胎肾细胞中的蛋白质	机器学习	NA	蛋白质亲和纯化、邻近连接、尺寸排阻色谱质谱（AP-MS, PL-MS, SEC-MS）以及蛋白质荧光成像	自监督深度学习	质谱数据、图像数据	NA	NA	NA	已知复合物的恢复率、正交功能和物理关联的恢复率	NA
499	2025-12-11	Classifying abnormalities in chest radiographs from Vietnam using deep learning for early detection of cardiopulmonary diseases 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1703927 PMID:41357464	研究论文	本研究旨在开发一个基于越南胸部X光片数据的AI模型，用于早期检测心肺疾病的异常分类	首次使用越南胸部X光片数据进行AI模型开发，针对越南高负担的感染性和非传染性疾病进行早期检测	未提及模型在其他地区或人群中的泛化能力，以及数据集的潜在偏差	开发一个AI模型，用于分类越南胸部X光片中的正常和异常图像，以早期检测心肺疾病	越南两个机构的胸部X光片数据，包括正常和异常病例	计算机视觉	心肺疾病	胸部X光成像	Vision Transformer, EfficientNetV2, Light Gradient Boosting Machine	图像	17,471例（12,827例正常，4,644例异常）	未明确指定，可能涉及PyTorch或TensorFlow	Vision Transformer, EfficientNetV2	F1分数, 灵敏度, 特异性, 准确率, AUC	未提及
500	2025-12-11	Integration of intratumoral/peritumoral radiomics and deep learning for predicting overall survival in non-small cell lung cancer patients: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1669200 PMID:41357593	研究论文	本研究开发了一个结合瘤内/瘤周影像组学特征和3D深度学习特征的多中心模型，用于预测非小细胞肺癌患者的总生存期	提出了一种结合瘤内/瘤周影像组学特征和3D深度学习特征的集成模型，并引入了3D-SE-ResNet网络来提取深度学习特征，通过多维特征整合提高了生存预测的准确性	研究为回顾性设计，样本量相对有限（303例），且仅基于CT影像数据，未考虑其他临床或分子生物学因素	改善接受放疗的非小细胞肺癌患者的总生存期预测，为个性化放疗策略提供新工具	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	深度学习	图像	303例来自三个中心的非小细胞肺癌患者	NA	3D-SE-ResNet	C-index, AUC	NA