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
41	2025-11-20	Deep learning-based classification of colorectal cancer in histopathology images for category detection 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf077 PMID:41256969	研究论文	本研究开发了一种基于深度学习的结直肠癌组织病理图像分类方法，用于自动检测不同癌症类别	提出两阶段预测框架，先进行异常检测再进行多类癌症分类，显著提升了分类鲁棒性	Swin Transformer模型计算需求较高，某些类别样本可能不足	开发自动化的结直肠癌分类工具以支持病理学家诊断	结直肠癌组织病理图像	数字病理	结直肠癌	苏木精-伊红染色组织病理学	CNN, Transformer	图像	NA	NA	ResNet-34, ResNet-50, Swin Transformer V2	准确率, ROC AUC, F1-score	NA
42	2025-11-19	Application Value of Intelligent Quick Magnetic Resonance for Accelerating Brain MR Scanning and Improving Image Quality in Acute Ischemic Stroke 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056418245250912095159 PMID:41088976	研究论文	评估智能快速磁共振在急性缺血性脑卒中患者中加速脑部MRI扫描和改善图像质量的应用价值	无需硬件改造即可显著缩短MRI扫描时间，同时通过智能算法提升加速序列的图像质量	样本量较小且未包含功能序列	评估智能快速磁共振技术在急性缺血性脑卒中诊断中的应用效果	58例急性缺血性脑卒中患者	医学影像分析	急性缺血性脑卒中	磁共振成像，扩散加权成像，T1加权，T2加权，T2-FLAIR序列	深度学习	磁共振图像	58例患者	NA	NA	信噪比，对比噪声比，定性评分，ASPECTS评分，组内相关系数	NA
43	2025-11-18	Piscis: a novel loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-Jan-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.31.578123 PMID:38352551	研究论文	提出一种名为Piscis的深度学习算法，通过新颖的SmoothF1损失函数实现荧光显微镜图像中RNA转录本斑点的自动检测	开发了SmoothF1损失函数，能够近似F1分数并直接惩罚假阳性和假阴性，同时保持可微分性以适用于深度学习训练	NA	开发无需手动参数调优的自动斑点检测算法，用于空间转录组学图像分析	荧光显微镜图像中的RNA转录本斑点	计算机视觉	NA	RNA FISH（荧光原位杂交），空间转录组学	深度学习	荧光显微镜图像	358张手动标注的实验RNA FISH图像和240张合成图像	NA	NA	F1分数	NA
44	2025-11-18	Comparing machine learning, deep learning, and reinforcement learning performance in Culex pipiens predictive modeling 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333536 PMID:41231961	研究论文	比较机器学习、深度学习和强化学习方法在预测库蚊分布中的性能	首次将强化学习方法应用于物种分布预测，并证明其在特征较少时仍能保持有效性能	仅针对单一物种在美国的地理分布进行研究，未验证其他物种或地区的适用性	比较不同机器学习方法在预测库蚊历史分布中的性能差异	尖音库蚊（Culex pipiens）在美国的潜在地理分布	机器学习	西尼罗河病毒感染	物种分布建模	逻辑回归, 随机森林, 深度神经网络, Q-learning, DQN, REINFORCE, Actor-Critic	生物气候变量数据	NA	NA	深度神经网络, DQN	预测性能	NA
45	2025-11-18	Obscured-ensemble models for genomic prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334239 PMID:41237109	研究论文	提出一种基于遮蔽标记的集成模型方法用于基因组预测	开发了不依赖基因组内容的遮蔽模型和集成学习方法，仅需20%的标记即可实现准确预测	未明确说明模型在更大规模数据集上的泛化能力	研究基因组预测中的捷径学习问题并开发高效预测方法	作物品种的基因型和农艺性状	机器学习	NA	全基因组标记分析	深度学习,集成学习	基因组标记数据	NA	NA	遮蔽集成模型	准确性	NA
46	2025-11-18	MRI-based 2.5D deep learning and radiomics effectively predicted microvascular invasion and Ki-67 expression in hepatocellular carcinoma 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336579 PMID:41237121	研究论文	开发并验证基于钆塞酸增强MRI肝胆期图像的2.5D深度学习和影像组学模型，结合临床特征术前预测肝细胞癌微血管侵犯和高Ki-67表达双阳性	首次将2.5D深度学习与影像组学结合，整合临床特征构建综合模型预测HCC的MVI和Ki-67双阳性状态	回顾性研究设计，样本量相对有限（235例患者），需外部验证确认泛化能力	术前预测肝细胞癌微血管侵犯和高Ki-67表达双阳性状态	235例经病理证实的肝细胞癌患者（129例双阳性，106例非双阳性）	数字病理	肝细胞癌	钆塞酸增强MRI，影像组学分析	深度学习，逻辑回归	医学影像（MRI），临床数据	235例HCC患者	NA	2.5D深度学习架构	AUROC, 敏感度, 特异度, 精确度, 准确率, F1分数	NA
47	2025-11-18	Deepfake defense: Combining spatial and temporal cues with CNN-BiLSTM-transformer architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334980 PMID:41237199	研究论文	提出一种结合CNN、双向LSTM和Transformer编码器的混合深度学习架构用于深度伪造视频检测	首次将CNN、BiLSTM和Transformer编码器集成到统一框架中，实现空间特征与局部/全局时间特征的双路径建模	未提及模型在极端遮挡或复杂光照条件下的性能表现	开发能够有效检测深度伪造视频的鲁棒检测系统	深度伪造视频数据	计算机视觉	NA	NA	CNN, BiLSTM, Transformer	视频	FaceForensics++和DeepFake Detection Challenge数据集	TensorFlow	MobileNetV2, BiLSTM, Transformer	F1-score, AUC	NA
48	2025-11-17	Automated framework for multi-domain social media text analysis for business strategy employing multilayer perceptron with Word2Vec features and LIME XAI 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336240 PMID:41231814	研究论文	提出一种基于多层感知机和Word2Vec特征的情感分析框架MultiSentiNet，用于社交媒体文本分析以支持商业策略	结合多层感知机深度网络与词嵌入特征，并采用LIME XAI技术增强模型可解释性	NA	开发高效准确的情感分析框架以支持商业决策	Twitter、Facebook、Instagram等社交媒体平台生成的文本数据	自然语言处理	NA	情感分析	多层感知机	文本	三个不同领域的数据集（女性电子商务、美国航空情感、仇恨言论检测）	NA	MultiSentiNet	准确率, 召回率, 精确率, F1分数	NA
49	2025-11-17	Improving detection accuracy of heterogeneity in biological tissues through the combination of modulation-demodulation frame accumulation techniques and enhanced vgg16 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329009 PMID:41231817	研究论文	通过调制-解调帧累积技术与增强VGG16相结合，提高生物组织异质性在多光谱透射图像中的分类准确率	首次将调制-解调帧累积技术与增强VGG16模型结合用于多光谱图像异质性检测，提出VGG16_BN_SE_GAP改进架构	研究基于仿体实验，尚未在真实人体组织上验证	提高生物组织异质性在多光谱透射图像中的检测准确率	生物组织仿体的多光谱透射图像	计算机视觉	乳腺癌	多光谱透射成像，调制-解调帧累积技术	CNN	多光谱图像	NA	NA	VGG16, U-Net, VGG16_BN_SE_GAP	分类准确率, 信噪比	NA
50	2025-11-17	A comparative study of MLP and LSTM neural networks for shale gas production prediction based on numerical simulation data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336782 PMID:41231836	研究论文	基于数值模拟数据，比较MLP和LSTM神经网络在页岩气产量预测中的性能	首次系统比较MLP和LSTM在页岩气产量预测中的表现，证明LSTM的门控机制能有效捕捉生产数据中的长期依赖关系	仅基于数值模拟数据验证，需要实际油田数据进一步验证模型泛化能力	提高页岩气产量预测精度，优化储层开发效率	页岩气生产数据	机器学习	NA	数值模拟	MLP, LSTM	数值模拟数据	多种工程参数组合下的日产量数据	NA	多层感知机, 长短期记忆网络	相对误差	NA
51	2025-11-17	CattleNet-XAI: An explainable CNN framework for efficient cattle weight estimation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336434 PMID:41231892	研究论文	提出一种可解释的CNN框架CattleNet-XAI，用于从牛只图像中高效估计体重	结合定制CNN架构与可解释AI技术(LIME可视化)，在保持高效性的同时提供模型决策过程的透明度	未明确说明数据集规模和多样性限制，可能影响模型泛化能力	开发自动化牛只体重估计方法以替代传统人工测量	牛只图像及对应体重数据	计算机视觉	NA	图像预处理(归一化、直方图均衡化)、特征提取	CNN, Random Forest, Linear Regression	图像	NA	NA	定制CNN(3Conv3Dense), EfficientNetB3, YOLOv5	MAE, MSE, RMSE	NA
52	2025-11-17	DSA-DeepFM: a dual-stage attention-enhanced DeepFM model for predicting anticancer synergistic drug combinations 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf269 PMID:41234327	研究论文	提出一种融合双阶段注意力机制和因子分解机的深度学习模型DSA-DeepFM，用于预测抗癌协同药物组合	首次将双阶段注意力机制与因子分解机结合，通过处理复杂生物特征交互来提升预测性能	未明确说明模型在更大规模数据集上的泛化能力及对多药物组合的适用性	开发机器学习方法预测抗癌药物协同组合，克服传统生物实验的局限性	抗癌药物组合	机器学习	癌症	NA	DeepFM, 注意力机制	分类特征, 数值特征	NA	NA	DSA-DeepFM, 双阶段注意力机制, 因子分解机	预测准确性, t-SNE可视化	NA
53	2025-11-17	Quantitative evaluation of meibomian gland dysfunction via deep learning-based infrared image segmentation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1642361 PMID:41234492	研究论文	本研究利用三种深度学习模型对红外睑板腺图像进行分割，提取定量特征用于睑板腺功能障碍的诊断和严重程度评估	首次将DeepLabV3+、U-Net和U-Net++三种先进深度学习模型集成应用于睑板腺功能障碍的定量诊断和分级评估	未明确说明样本来源和具体数量，模型在临床诊断流程中的整合程度仍需进一步验证	开发基于深度学习的睑板腺功能障碍定量评估方法	睑板腺红外图像	计算机视觉	眼科疾病	红外成像	深度学习	红外图像	NA	NA	DeepLabV3+, U-Net, U-Net++	AUC, 微平均AUC, 宏平均AUC	NA
54	2025-11-17	SegDecon bridges histology and transcriptomics through AI-based nuclei segmentation and image-informed spatial deconvolution 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.10.041 PMID:41234485	研究论文	提出SegDecon计算框架，通过AI核分割和图像信息空间解卷积连接组织学与转录组学	整合图像衍生细胞计数估计到贝叶斯解卷积中，使用HSV色彩空间变换和深度学习实例分割改进核分割，通过定制Gamma先验优化细胞类型解卷积	仅在小鼠脑部空间转录组数据上验证，未提及其他组织或物种的验证	改进空间转录组学中细胞组成的精确空间映射	小鼠脑部组织	数字病理学	NA	空间转录组学	深度学习实例分割	组织图像，空间转录组数据	NA	NA	修改的cell2location模型	与真实值的相关性	NA
55	2025-11-17	Decoding the anticancer and biofilm-inhibiting efficacy of Adansonia digitata using experimental, AI-powered, and molecular modeling approaches 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1666360 PMID:41234539	研究论文	本研究通过实验、人工智能和分子建模方法评估猴面包树提取物的抗癌和抑制生物膜形成功效	首次结合深度学习分子对接工具GNINA、分子动力学模拟和传统实验方法系统评估猴面包树提取物的生物活性	研究仅针对MDA-MB-231乳腺癌细胞系，未涉及其他癌症类型或体内实验验证	探索猴面包树提取物作为植物源抗癌药物和生物膜抑制剂的治疗潜力	猴面包树乙醇提取物(ADEE)及其对MDA-MB-231乳腺癌细胞和生物膜形成的影响	计算生物学, 药物发现	乳腺癌	分子对接, 分子动力学模拟, 荧光显微镜, Hoechst和AO/EB染色	深度学习, 机器学习	分子结构数据, 细胞图像, 生物活性数据	MDA-MB-231乳腺癌细胞系	GNINA	深度学习分子对接模型	结合亲和力, 构象稳定性, 细胞存活率, 生物膜抑制效果	NA
56	2025-11-17	LESS-Net: a lightweight network for epistaxis image segmentation using similarity-based contrastive learning 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1644589 PMID:41234699	研究论文	提出一种用于鼻出血图像分割的轻量级半监督框架LESS-Net	结合一致性正则化和对比学习来利用未标注数据，采用高效MobileViT骨干网络并引入多尺度特征融合模块	NA	开发数据高效的深度学习解决方案用于鼻出血自动分割	内窥镜鼻出血图像	计算机视觉	鼻出血	内窥镜成像	半监督分割网络	图像	公共鼻出血数据集（具体数量未提及）	NA	MobileViT, 多尺度特征融合模块	mIoU, Dice系数, 平均召回率	NA
57	2025-11-17	Novel deep learning-based prediction of HER2 expression in breast cancer using multimodal MRI, nomogram, and decision curve analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1593033 PMID:41234727	研究论文	本研究开发了一种基于深度学习的多模态MRI和临床数据整合框架，用于预测乳腺癌HER2表达状态	首次将多序列乳腺MRI与深度学习特征提取和临床数据相结合，构建HER2表达的自动化预测模型	回顾性研究设计，数据来自四个医疗中心，可能存在选择偏倚	开发稳健的自动化框架来预测乳腺癌HER2表达状态，以指导靶向治疗	乳腺癌患者	数字病理	乳腺癌	多序列MRI（T1、T2、DCE序列）	深度学习	医学影像（MRI）、临床数据	2,400例乳腺癌病例（1,286例HER2阳性，1,114例HER2阴性），来自6,438名患者的回顾性队列	Python, R	ResNet50, VGG16, EfficientNet-B0, ViT-Small	AUC, ROC分析, 校准曲线, 决策曲线分析(DCA)	NA
58	2025-11-17	Machine learning in lupus nephritis: bridging prediction models and clinical decision-making towards personalized nephrology 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1686057 PMID:41234906	综述	本文综述了机器学习在狼疮性肾炎预测模型与临床决策中的应用前景	系统整合多模态数据源与机器学习方法，探索非侵入性组织学分类和个体化风险分层	数据集规模有限、缺乏外部验证、结局定义存在异质性	评估机器学习模型在狼疮性肾炎预测、诊断和监测中的转化潜力	狼疮性肾炎患者	机器学习	狼疮性肾炎	多模态数据整合（临床、实验室、影像、组织病理、组学数据）	逻辑回归,决策树,随机森林,支持向量机,神经网络,梯度提升,聚类	临床数据,实验室数据,影像数据,组织病理数据,组学数据	NA	NA	NA	AUC	大数据框架
59	2025-11-17	ResUbiNet: A Novel Deep Learning Architecture for Ubiquitination Site Prediction 2025, Current genomics IF:1.8Q3 DOI:10.2174/0113892029331751240820111158 PMID:41235098	研究论文	提出了一种名为ResUbiNet的新型深度学习架构，用于泛素化位点预测	结合蛋白质语言模型、氨基酸特性和BLOSUM62矩阵进行序列嵌入，并整合transformer、多核卷积、残差连接和压缩激励模块等先进架构组件	NA	准确预测潜在的泛素化位点，以探索泛素化机制及相关疾病发病机制	蛋白质泛素化位点	生物信息学	与泛素化过程相关的疾病	蛋白质序列分析	深度学习	蛋白质序列数据	NA	NA	ResUbiNet, Transformer, CNN	交叉验证和外部测试性能	NA
60	2025-11-17	Leveraging hand-crafted radiomics on multicenter FLAIR MRI for predicting disability worsening in people with multiple sclerosis 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1610401 PMID:41235171	研究论文	本研究利用多中心FLAIR MRI影像组学特征预测多发性硬化患者的残疾恶化	首次结合多中心FLAIR MRI影像组学特征与临床特征，使用机器学习方法预测多发性硬化残疾恶化	样本量有限，短期纵向变化预测能力不足，需要在更大平衡数据集中验证	预测多发性硬化患者的残疾恶化情况	247名多发性硬化患者	医学影像分析	多发性硬化	FLAIR MRI，影像组学特征提取	Elastic Net，Balanced Random Forest，Light Gradient-Boosting Machine	MRI影像数据	247名来自两个医疗中心的多发性硬化患者	Pyradiomics，Longitudinal ComBat	LGBM，BRFC	PR AUC，ROC AUC	NA