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
141	2026-02-02	Enhancing online adaptive radiotherapy with uncertainty based segmentation error and out-of-distribution detection 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1637198 PMID:41613551	研究论文	本研究探讨了深度学习分割模型的不确定性估计与分割正确性之间的关系，并测试了其检测分布外数据的能力	利用蒙特卡洛dropout方法估计分割不确定性，并首次将预测熵和互信息应用于在线自适应放疗中，以区分正确与错误预测及分布内外数据	研究样本量较小（训练集151次扫描，测试集65次扫描），且仅针对前列腺癌的MR图像，未验证其他癌症类型或成像模态	研究深度学习分割模型的不确定性估计与分割正确性的关联，并探索其在检测分布外数据方面的能力	磁共振引导放疗的前列腺癌图像，包括临床靶区、膀胱和直肠的分割	医学图像分析	前列腺癌	磁共振成像（MRI），平衡稳态自由进动MRI	深度学习模型	医学图像（T2 MR扫描）	训练/验证集：26名患者的151次扫描；测试集：10名患者的65次扫描；分布外数据：10名健康志愿者的MRI扫描	NA	NA	Dice系数	NA
142	2026-02-02	Effective deep convolutional neural network with attention mechanism for Alzheimer disease classification 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698760 PMID:41613767	研究论文	本文提出了一种结合注意力机制的深度卷积神经网络，用于阿尔茨海默病的多阶段分类	通过引入注意力机制增强模型对诊断相关区域的关注，提高了分类准确性和可解释性	模型仅在OASIS数据集上进行训练和评估，缺乏外部验证和临床实际应用的广泛测试	开发一种高效的深度学习模型，用于阿尔茨海默病的早期检测和多阶段分类	阿尔茨海默病患者的大脑MRI图像	计算机视觉	阿尔茨海默病	MRI成像	CNN	图像	OASIS数据集中的受试者级别数据	NA	深度卷积神经网络（Deep-CNN）	准确率	NA
143	2026-02-02	Deep learning-enabled hybrid systems for accurate recognition of text in seal images 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1753871 PMID:41613994	研究论文	本文提出了一种混合模型，用于解决中文印章文本识别中的挑战，包括背景文字、高噪声和图像特征简化等问题	整合了针对真实印章的预处理技术、基于深度学习的位置校正模型、圆形文本展开模型和OCR文本识别，并引入了创新的图像去噪算法和合成数据集	未明确提及模型在极端噪声或复杂背景下的泛化能力限制	提高中文印章文本识别的准确性	中文印章图像	计算机视觉	NA	OCR, 图像去噪, 极坐标变换	深度学习	图像	NA	NA	NA	准确性	NA
144	2026-01-30	SpaCE: a spatial counterfactual explainable deep learning model for predicting out-of-hospital cardiac arrest survival outcome 2025-Jan-28, International journal of geographical information science : IJGIS IF:4.3Q1 DOI:10.1080/13658816.2024.2443757 PMID:40881155	研究论文	本文提出了一种名为SpaCE的空间反事实可解释深度学习模型，用于预测院外心脏骤停患者的生存结局	开发了首个结合空间显式健康结果预测器和原型引导反事实解释的统一模型，能够生成最小改变但结果相反的假设案例，以评估不同空间背景下各变量的影响	模型仅在心脏骤停案例中进行评估，其在不同疾病场景中的普适性需要进一步验证	开发能够整合健康变量和空间信息以预测健康结果的可解释深度学习模型	院外心脏骤停患者的生存结局	机器学习	心血管疾病	深度学习	深度学习模型	空间数据, 健康变量数据	NA	NA	SpaCE (Spatial Counterfactual Explainable Deep Learning model)	AUCROC	NA
145	2026-01-30	Machine and Deep Learning Methods for Predicting 3D Genome Organization 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4136-1_22 PMID:39283464	综述	本文综述了机器学习和深度学习方法在预测三维基因组组织（如增强子-启动子相互作用、染色质相互作用和拓扑关联域边界）中的应用	系统性地比较和分析了现有计算工具在预测三维基因组相互作用方面的优缺点，并指出了当前面临的障碍和未来研究方向	当前三维结构目录仍不完整且不可靠，受技术、工具和数据分辨率差异的限制	探讨利用机器学习和深度学习方法预测三维基因组组织，以补充或提高现有数据的完整性和分辨率	三维染色质相互作用，包括增强子-启动子相互作用、染色质环、拓扑关联域和A/B区室	机器学习	NA	染色质构象捕获技术、ChIP-seq、DNAse-seq	NA	基因组注释数据、DNA序列信息、其他基因组特性	NA	NA	NA	NA	NA
146	2026-01-30	Measurement-guided therapeutic-dose prediction using multi-level gated modality-fusion model for volumetric-modulated arc radiotherapy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1468232 PMID:40177241	研究论文	本研究开发了一种用于头颈癌放疗中测量引导治疗剂量预测的新型深度学习模型	提出了一种多级门控模态融合模型，显式整合CT和剂量图像的多尺度特征，充分利用不同模态间的相互促进作用，并考虑了有用的空间剂量信息	预测剂量值在皮肤或热塑性面罩压痕边界附近区域可能存在差异，剂量差异图中所有体素的预测剂量值在6 Gy以内	开发用于头颈癌放疗中测量引导治疗剂量预测的深度学习模型，以提高治疗前患者特异性质量保证的效率和准确性	接受容积旋转调强放疗的头颈癌患者	医学影像分析	头颈癌	容积旋转调强放疗	深度学习模型	CT图像, 剂量图像	310例患者（训练集186例，验证集62例，测试集62例）	NA	多级门控模态融合模型	平均绝对误差, 均方根误差, 峰值信噪比, 结构相似性, 通用质量指数	NA
147	2026-01-30	Thoracic Aortic Three-Dimensional Geometry 2025 Jan-Dec, Pulse (Basel, Switzerland) DOI:10.1159/000543613 PMID:40330437	研究论文	本研究开发了一种基于深度学习的全自动方法，用于量化胸主动脉的三维几何参数，并在大规模人群中进行应用	首次在大规模人群（如UK Biobank和Penn Medicine Biobank）中全面表征胸主动脉的三维几何结构，并提取多种主动脉几何表型	未在摘要中明确提及具体限制，可能包括数据集的代表性或方法在特定病理条件下的适用性	量化胸主动脉的三维结构参数，以研究主动脉结构与心血管健康的关系	来自UK Biobank的54,241名参与者和Penn Medicine Biobank的8,456名参与者的影像扫描数据	数字病理学	心血管疾病	深度学习分割和形态学图像处理	深度学习架构	影像扫描	总计62,697名参与者（UK Biobank: 54,241, Penn Medicine Biobank: 8,456）	NA	NA	NA	NA
148	2026-01-30	FSFT6mA: a feature-synthesis fine-tuning framework for DNA 6mA site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1750223 PMID:41589300	研究论文	本研究提出了一种名为FSFT6mA的特征合成微调框架，用于提升DNA 6mA位点预测的准确性	首次将生成对抗网络（GAN）用于合成DNA序列的中间层特征，并通过这些合成特征微调预训练的卷积神经网络模型，从而显著提升预测性能	NA	开发一种深度学习框架，以更准确地预测DNA N6-甲基腺嘌呤（6mA）位点	DNA N6-甲基腺嘌呤（6mA）位点	机器学习	NA	DNA序列分析	CNN, GAN	DNA序列数据	NA	NA	深度卷积神经网络, 生成对抗网络	MCC, AUC	NA
149	2026-01-30	Recent trends in machine learning and deep learning-based prediction of G-protein coupled receptor-ligand binding affinities 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1712577 PMID:41601476	综述	本文回顾了基于机器学习和深度学习的G蛋白偶联受体-配体结合亲和力预测模型的最新趋势	整合了基于序列的一维、基于图的二维和基于结构的三维框架，并探讨了注意力机制、自监督学习及混合方法在提高预测成功率和可解释性方面的应用	未具体讨论模型在特定GPCR亚型或药物类别中的泛化能力及计算资源需求	提高药物发现过程中GPCR-配体结合亲和力预测的准确性和效率	G蛋白偶联受体及其配体	机器学习	NA	NA	卷积神经网络, 图神经网络	序列数据, 图数据, 结构数据	NA	NA	NA	NA	NA
150	2026-01-30	FODSeg: a deep learning framework for tract-specific white matter segmentation from full angular distributions 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1734498 PMID:41601529	研究论文	本文介绍了一种名为FODSeg的深度学习方法，用于从全角度分布进行特定白质束的体素级分割	利用完整的纤维取向分布函数（fODF）表示每个体素，捕获白质取向的全角度结构，并将束分割重新定义为单类别问题，每个束训练一个模型以减少多类别方法中的标签冲突	未明确说明方法在临床数据上的泛化能力或计算效率限制	提高白质束分割的准确性、特异性和解剖一致性	人脑白质束	医学图像分析	NA	扩散磁共振成像（dMRI）	深度学习	扩散磁共振图像	使用人类连接组计划（HCP）数据集，具体样本数量未在摘要中明确	未明确指定	未明确指定	Dice系数, 体积过度值, 特异性	未明确指定
151	2026-01-30	The top 100 cited articles on artificial intelligence in Alzheimer's disease and mild cognitive impairment: a bibliometric analysis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1605231 PMID:41601600	文献计量分析	对阿尔茨海默病和轻度认知障碍领域人工智能应用被引次数最高的100篇文章进行文献计量分析	首次系统梳理了AD和MCI领域人工智能应用的高被引文献，揭示了研究趋势、关键作者、机构及常用方法	分析基于被引次数，可能忽略近期重要但引用尚少的研究；数据来源仅限于Web of Science数据库	通过文献计量分析揭示人工智能在阿尔茨海默病和轻度认知障碍领域的研究现状、热点及趋势	Web of Science数据库中人工智能应用于AD和MCI的100篇高被引学术文章	机器学习	阿尔茨海默病	文献计量分析	SVM, CNN	MRI数据	100篇文章（85篇临床研究，13篇综述，2篇基础研究）	NA	NA	NA	NA
152	2026-01-30	Hybrid deep learning and feature optimization approach for early detection of multiple sclerosis 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1685580 PMID:41601605	研究论文	本研究提出了一种结合深度学习特征提取、元启发式特征选择和机器学习分类器的混合框架，用于从MRI图像中准确分类多发性硬化症	提出了一种混合框架，将预训练的VGG16 CNN用于特征提取，结合鲸鱼优化算法进行特征选择，并集成人工神经网络分类器，实现了高达98%的分类准确率	未提及外部验证数据集、模型泛化能力评估或临床部署的可行性分析	开发一种可靠、高效且自动化的多发性硬化症早期检测系统，以减少诊断延迟和资源负担	多发性硬化症患者的MRI图像	计算机视觉	多发性硬化症	MRI成像	CNN, ANN, SVM	图像	NA	NA	VGG16	准确率	NA
153	2026-01-30	PneuNet: a lightweight convolutional neural network with multiscale feature fusion for automated pneumonia detection from chest X-rays 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1713587 PMID:41601813	研究论文	本文提出了一种名为PneuNet的轻量级卷积神经网络，通过多尺度特征融合实现胸部X光片中肺炎的自动检测	设计了四项创新：深度可分离卷积提高计算效率，SE模块强调信息通道，ASPP模块捕获多尺度上下文，以及可学习的池化层（1×1卷积+sigmoid）替代固定全局平均池化，使模型能动态聚焦于肺炎相关区域	模型性能仍有提升空间，可通过数据增强、超参数调优、架构搜索和迁移学习进一步优化，且增加数据量有助于提升泛化能力	开发自动化肺炎筛查工具，辅助医疗诊断	胸部X光片	计算机视觉	肺炎	深度学习	CNN	图像	Kaggle胸部X光肺炎数据集，共5856张图像（训练集4646张，验证集586张，测试集624张）	NA	PneuNet（包含深度可分离卷积、SE模块、ASPP模块和可学习池化层）	准确率	NA
154	2026-01-29	SLID: a slit-lamp image dataset for deep learning-based anterior eye anatomical segmentation and multi-lesion detection 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1716501 PMID:41602210	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
155	2026-01-30	Artificial intelligence assessment of valvular disease and ventricular function by a single echocardiography view 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1684933 PMID:41602208	研究论文	本研究开发了一种仅使用单一切面二维心尖四腔心超声视图的深度学习模型，用于准确检测显著瓣膜疾病和心室功能障碍	首次证明仅使用单一超声切面（心尖四腔心视图）即可通过深度学习模型同时评估多种心脏结构和功能异常，包括瓣膜反流和心室功能障碍，且该模型在手持式超声设备采集的图像上也能保持良好性能	研究为单中心回顾性训练和前瞻性验证，需要多中心外部验证以评估泛化能力；模型仅评估了四种特定心脏异常，未涵盖所有可能的病理状态	评估深度学习模型在简化超声成像协议下，通过单一视图实现快速、准确的心脏功能筛查的可行性	心脏瓣膜疾病（二尖瓣反流、三尖瓣反流）和心室功能障碍（右心室功能障碍、左心室射血分数降低）	数字病理学	心血管疾病	超声心动图	深度学习模型	图像	回顾性分析120,127例超声心动图研究用于训练和验证；前瞻性队列包含209名患者	NA	NA	曲线下面积	NA
156	2026-01-30	Physics-constrained GAN boosts OAM correction in ocean turbulence 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1702056 PMID:41602298	研究论文	本研究提出了一种物理约束生成对抗网络，用于改善海洋湍流中轨道角动量的波前校正	将空间和频谱双重物理约束集成到深度学习框架中，以优化图像重建、模态纯度和频谱保真度	NA	提高海洋湍流环境下轨道角动量的波前校正性能	海洋湍流中退化的轨道角动量图像	计算机视觉	NA	NA	GAN	图像	NA	NA	NA	SSIM, 模态纯度, KL散度	NA
157	2026-01-30	Enhanced multi-class object detector for bone fracture diagnosis with prescription recommendation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692894 PMID:41602301	研究论文	本文提出了一种增强的多类目标检测器，用于长骨骨折诊断并附带处方推荐	引入了自适应锚点过程以提升区域提议网络和目标检测模型的性能，并整合了处方推荐功能，这在现有文献中较为缺乏	模型仅使用X射线图像作为输入，未涵盖多种模态的影像数据，且主要针对长骨骨折	开发一种计算效率高的深度学习模型，用于骨骨折诊断并提供治疗建议	长骨骨折的X射线图像	计算机视觉	骨骨折	X射线成像	目标检测模型	图像	NA	PyTorch, TensorFlow	Faster R-CNN, ResNet-50, ResNet-101, ResNext-50, ResNext-101	平均精度, F1分数, 精确率, 召回率	NA
158	2026-01-30	PotatoLeafNet: two-stage convolutional neural networks for effective Potato Leaf disease identification and classification 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1668839 PMID:41602306	研究论文	本文提出了一种名为PotatoLeafNet的两阶段卷积神经网络框架，用于有效识别和分类马铃薯叶片病害	结合了固定顺序的图像增强流程与轻量级、任务优化的11层CNN，使用3×3卷积核，实现了数据高效且鲁棒的分类，在计算成本较低的情况下超越了更深的或融合的基线模型	研究仅基于PlantVillage-Potato数据集，未在更广泛或真实田间复杂场景下验证，且增强策略固定，可能未覆盖所有变异	开发一个高效、鲁棒的马铃薯叶片病害自动识别与分类系统，以支持精准农业和及时病害管理	马铃薯叶片图像，涵盖健康、早疫病和晚疫病三种状态	计算机视觉	马铃薯病害	图像增强技术（旋转、平移、剪切、缩放、水平翻转、亮度调整、通道抖动）	CNN	图像	4,072张标注的马铃薯叶片图像，增强后训练集增至6,000张（每类2,000张）	TensorFlow, Keras	自定义11层CNN（使用3×3卷积核）	准确率, 宏精确率, 宏召回率, 宏F1分数, 宏AUC	NA
159	2026-01-30	Deep learning and machine learning integration of radiomics and transcriptomics predicts response-adapted radiotherapy outcome and radiosensitivity in resectable locally advanced laryngeal carcinoma 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1738174 PMID:41602310	研究论文	本研究通过整合深度学习和机器学习方法，分析CT扫描影像和RNA-seq基因表达数据，预测局部晚期喉癌患者对放疗的响应和放射敏感性	创新性地将影像组学与转录组学数据结合，利用深度学习模型（CNN与RNN集成）预测放疗响应，并通过机器学习算法识别与放射敏感性相关的基因生物标志物	单中心回顾性研究，样本量有限，未来需在多中心队列中进行验证以提升普适性	提高头颈鳞状细胞癌患者放疗响应预测的准确性，评估治疗结果，并识别与放射增敏相关的生物标志物	局部晚期喉癌患者（III期和IV期）的CT扫描影像和RNA-seq基因表达数据	计算机视觉, 自然语言处理	喉癌	CT扫描, RNA-seq, qRT-PCR, LC-MS质谱分析	CNN, RNN, glmBoost, SVM, RF	图像, 文本	数据集A：476名患者的1,100张CT扫描；数据集B：169名患者的500张CT扫描；TCGA数据：231个样本；GSE20020数据集用于验证	TensorFlow, PyTorch, Scikit-learn	CNN与RNN集成模型	AUC, HR, 95% CI, AUROC	NA
160	2026-01-30	User perceptions of RBI-approved P2P digital lending apps: an NLP, machine learning, and deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1708080 PMID:41602312	研究论文	本研究通过自然语言处理、机器学习和深度学习技术，分析印度储备银行批准的P2P数字借贷应用的用户评论，以评估消费者感知和满意度	结合自然语言处理、主题建模、监督机器学习与深度学习模型，首次对印度RBI批准的P2P数字借贷应用进行大规模用户反馈分析，并比较不同模型的预测性能	研究仅基于用户评论数据，可能未涵盖所有用户群体或实际使用行为，且数据来源限于七个特定平台	理解消费者对印度RBI批准的P2P数字借贷应用的感知和评估，识别其优势、弱点及整体满意度水平	印度RBI批准的P2P数字借贷应用的用户评论	自然语言处理	NA	自然语言处理, 主题建模, 监督机器学习, 深度学习	CNN, 集成机器学习	文本	15408条用户评论	NA	VGG16, XGBoost, CatBoost, LightGBM, ResNet	预测准确率	NA