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
6121	2025-11-22	Can classical statistics and deep learning converge on explainable, causally driven target discovery? 2025-Sep-02, DNA research : an international journal for rapid publication of reports on genes and genomes IF:3.9Q1 DOI:10.1093/dnares/dsaf024 PMID:40971794	综述	探讨传统统计方法与深度学习在复杂疾病因果机制发现中的融合路径	提出结合深度学习可扩展性与统计遗传学推断能力的混合模型框架	当前深度学习模型存在过拟合风险、可解释性不足及缺乏标准化评估框架	开发下一代计算工具以揭示复杂疾病的分子基础并加速遗传发现向有效治疗的转化	复杂疾病的遗传变异与多组学数据	机器学习	复杂疾病	多组学数据整合	混合模型	基因组数据, 多组学数据	NA	NA	NA	NA	NA
6122	2025-11-22	Assessing genotype-phenotype correlations in colorectal cancer with deep learning: a multicentre cohort study 2025-Aug, The Lancet. Digital health DOI:10.1016/j.landig.2025.100891 PMID:40829965	研究论文	本研究开发并验证了一种基于深度学习的多目标模型，用于从结直肠癌组织病理切片中同时预测多种基因突变及其相关表型	首次系统性地开发了能够同时预测多种基因改变的多目标深度学习模型，超越了传统仅关注MSI、BRAF和KRAS的单目标模型	模型预测性能高度依赖于与MSI相关的形态学特征，对其他生物标志物的特异性模式识别能力有限	评估结直肠癌基因型与表型相关性，开发基于深度学习的生物标志物预测模型	结直肠癌患者的组织样本	数字病理学	结直肠癌	苏木精-伊红染色，全切片数字化成像，综合panel测序	Transformer	病理图像	主要数据集1376名患者（5个队列），验证数据集536名患者（2个公共数据集）	NA	Transformer	AUROC	NA
6123	2025-11-22	Evaluation of recent lightweight deep learning architectures for lung cancer CT classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1647701 PMID:41049845	研究论文	评估三种轻量级深度学习架构在肺癌CT分类任务中的性能表现	首次系统评估MobileOne-S0、FastViT-S12和MambaOut-Femto等新兴轻量级模型在医学影像特别是肺癌分类中的应用潜力	研究样本量相对有限（公共数据集95例，私有数据集274例），未在更多样化的临床环境中验证	为资源受限环境下的临床部署提供基于证据的模型选择指导	肺癌CT图像的分类任务	计算机视觉	肺癌	CT成像	深度学习	医学影像	公共数据集95例，私有数据集274例	NA	MobileOne-S0, FastViT-S12, MambaOut-Femto, ResNet, Swin Transformer	准确率, AUC, 推理时间, 参数量, FLOPs	NA
6124	2025-11-22	Correction: Evaluation of recent lightweight deep learning architectures for lung cancer CT classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1715188 PMID:41195277	修正	对先前发表的关于轻量级深度学习架构在肺癌CT分类中评估的文章进行修正	NA	NA	NA	NA	NA	肺癌	CT	NA	NA	NA	NA	NA	NA	NA
6125	2025-11-22	DeepAttNet: deep neural network incorporating cross-attention mechanism for subject-independent mental stress detection in passive brain-computer interfaces using bilateral ear-EEG 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1685087 PMID:41255549	研究论文	提出了一种基于交叉注意力机制的深度神经网络DeepAttNet，用于被动脑机接口中独立于被试的心理压力检测	引入了休息对休息范式来隔离任务相关干扰，开发了专门建模半球间神经动力学的交叉注意力机制和逐点时间压缩模块	样本量相对较小（32名成人参与者），仅使用双耳EEG记录	开发独立于被试的心理压力检测方法，提升被动脑机接口在现实场景中的应用	32名成人参与者的双耳EEG数据	脑机接口	心理健康	脑电图	深度学习, CNN	EEG信号	32名成人参与者	NA	DeepAttNet, EEGNet, ShallowConvNet, DeepConvNet, TSception	准确率, 宏F1值	NA
6126	2025-11-22	Multi-Omics Meets Premalignancy: Paving the Way for Early Prevention of Cancer 2025, Research (Washington, D.C.) DOI:10.34133/research.0930 PMID:41255572	综述	本文系统探讨多组学技术与人工智能在癌前病变研究中的整合应用及其对癌症早期预防的推动作用	首次系统梳理15种癌症类型的临床公认癌前病变，并强调多组学与人工智能融合在肿瘤发生轨迹推断中的创新应用	未涉及具体临床验证数据，主要基于现有研究进行理论梳理与展望	推动癌症早期检测与药物预防策略发展	癌前病变及其向恶性肿瘤转化的动态过程	数字病理	泛癌种	多组学技术, 单细胞测序, 空间组学	深度学习	多组学数据	NA	NA	NA	NA	NA
6127	2025-11-22	Two-decade dialogue between artificial intelligence and osteoporosis: research trajectories and frontier projections under bibliometric and visual analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606361 PMID:41255602	文献计量分析	通过文献计量和可视化方法系统分析2004-2024年间人工智能在骨质疏松症研究领域的发展轨迹和前沿趋势	首次对骨质疏松症领域人工智能研究进行全面的文献计量分析，识别了该领域的发展轨迹、新兴前沿和关键挑战	仅基于Web of Science数据库的英文文献，可能存在语言和数据库偏倚	评估人工智能在骨质疏松症研究中的知识进展和发展趋势	2004-2024年间发表的骨质疏松症与人工智能相关文献	文献计量学	骨质疏松症	文献计量分析，可视化分析	NA	文献元数据	408篇出版物（343篇文章，65篇综述）	VOSviewer, CiteSpace, Scimago Graphica, Bibliometrix	NA	NA	NA
6128	2025-11-22	Deep learning-driven MRI for accurate brain volumetry in murine models of neurodegenerative diseases 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1632169 PMID:41255818	研究论文	本研究开发了一种基于深度学习的MRI分割方法，用于精确测量神经退行性疾病小鼠模型的脑体积	采用深度学习分割方法在7特斯拉MRI上实现快速（4.3分钟）高分辨率脑体积测量，显著减少采集时间并提高动物福利	需要麻醉可能影响采集参数，研究主要聚焦小鼠模型	开发可靠的小鼠脑体积定量方法以评估神经退行性疾病进程和治疗干预	健康C57BL/6J小鼠和肌萎缩侧索硬化、铜宗诱导脱髓鞘、多发性硬化疾病模型小鼠	数字病理	神经退行性疾病	MRI, T1加权成像	深度学习分割模型	医学影像	健康C57BL/6J小鼠和疾病模型小鼠	NA	NA	重现性	NA
6129	2025-11-22	Thyroid nodule and lymph node metastasis assessment from ultrasound images using deep learning 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1684104 PMID:41255824	研究论文	本研究开发了一种基于深度学习的超声图像诊断模型，用于术前区分良性甲状腺结节、非转移性恶性甲状腺结节和转移性恶性甲状腺结节	首次建立能够同时区分三种甲状腺结节类型（BTN、NMTN、MMTN）的AI诊断模型，并在多中心数据上验证其性能优于放射科医生	样本量相对较小（195例患者），且各类别样本数量不均衡（MMTN样本最多，NMTN样本最少）	开发AI辅助诊断工具以提高甲状腺结节超声诊断的准确性和一致性	甲状腺结节患者的超声图像	计算机视觉	甲状腺癌	超声成像	CNN	图像	195名患者（BTN=60，NMTN=15，MMTN=120），共3,537张超声图像	NA	NA	AUC, 准确率, ROC曲线, 混淆矩阵	NA
6130	2025-11-22	Prospects and challenges of deep learning in gynecologic malignancies 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592078 PMID:41256318	综述	概述深度学习在妇科恶性肿瘤诊疗中的应用现状与挑战	系统探讨深度学习在妇科肿瘤影像分析中的多任务应用潜力及多组学数据整合方向	未涉及具体临床验证数据与实际部署障碍的量化分析	评估深度学习技术在妇科恶性肿瘤诊疗中的发展前景	妇科恶性肿瘤的影像与病理数据	数字病理学	妇科肿瘤	医学影像分析（X射线、CT、MRI、SPECT）	深度学习模型	影像数据	NA	NA	NA	NA	NA
6131	2025-11-22	Predicting alcohol use disorder risk in firefighters using a multimodal deep learning model: a cross-sectional study 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1643552 PMID:41256950	研究论文	开发并验证了一种融合结构磁共振成像和神经心理学评估的多模态深度学习框架，用于预测消防员的酒精使用障碍风险	首次将结构MRI与神经心理学评估相结合，通过多模态深度学习实现酒精使用障碍的客观风险分层，避免了传统自我报告方法的系统性漏报问题	横断面研究设计无法建立因果关系，样本主要为男性消防员可能限制结果的普适性	开发客观的酒精使用障碍风险预测模型，用于高风险职业人群的早期筛查	689名现役消防员	数字病理	酒精使用障碍	结构磁共振成像, 神经心理学评估	CNN, Transformer, 多层感知机	图像, 临床数据	689名现役消防员（平均年龄43.3±8.8岁，93%为男性）	PyTorch, TensorFlow	ResNet-50, Vision Transformer	准确率, AUC, ROC曲线	NA
6132	2025-11-22	The role of health monitoring technologies in optimising athletes' self-regulation 2025, Wiadomosci lekarskie (Warsaw, Poland : 1960) DOI:10.36740/WLek/209507 PMID:41075206	研究论文	开发结合可穿戴设备、云计算和深度学习的智能系统来监测运动员表现和健康	整合最新可穿戴设备与深度学习技术实现运动员健康状态的实时监测和预测	NA	分析当前运动员表现和健康监测方法，开发智能监测系统	运动员的健康监测和训练优化	机器学习	NA	可穿戴设备监测	深度学习	生理参数数据	NA	NA	NA	预测准确率	云计算
6133	2025-11-21	Enhanced CT image classification for kidney stones using pruned ConvNeXt and two-tier optimization 2025-Dec, Acta clinica Belgica IF:1.1Q2 DOI:10.1080/17843286.2025.2586626 PMID:41217965	研究论文	提出一种用于肾脏结石CT图像分类的两层优化深度学习模型	结合动态通道剪枝的改进ConvNeXt架构和河豚优化算法的特征选择方法	NA	提高肾脏结石在CT图像中的检测准确率和效率	肾脏CT图像	计算机视觉	肾脏结石	CT成像	CNN, LightGBM	医学图像	NA	NA	ConvNeXt	准确率	NA
6134	2025-11-21	A comparative deep learning methodology for plant insect image classification: Assessment of CNN architectures and augmentation techniques 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103680 PMID:41246037	研究论文	提出一种用于植物昆虫图像分类的深度学习方法，评估不同CNN架构和数据增强技术	在小型野外采集数据集上系统比较了四种CNN架构、六种单因素数据增强技术和三种优化器的组合效果	研究基于有限的小型数据集，未在大规模数据集上验证方法的普适性	开发适用于数据稀缺场景的鲁棒昆虫识别方法，为农业决策提供支持	植物昆虫图像	计算机视觉	NA	图像分类	CNN	图像	BAU-Insectv2数据集中的植物昆虫图像	NA	ResNet101V2, EfficientNet-B1, InceptionV3, InceptionResNetV1	准确率, 精确率, 召回率, F1分数	NA
6135	2025-11-21	Explainable End-to-End Seizure Prediction via Stationary Wavelet Transform-Driven Dynamic Multiscale Fuzzy Clustering 2025-Nov-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3633739 PMID:41259173	研究论文	提出一种基于平稳小波变换的动态多尺度模糊聚类框架，用于可解释的癫痫发作预测	结合平稳小波变换与几何注意力机制，开发黎曼流形模糊聚类算法，并采用对比学习和混合监督/自监督策略增强模型鲁棒性	未明确说明模型在跨数据集泛化能力及计算复杂度方面的具体限制	解决癫痫发作预测中存在的个体差异性和时空耦合复杂性难题，提升特征判别性和模型可解释性	癫痫患者的脑电图信号	生物医学信号处理	癫痫	平稳小波变换，脑电图分析	CNN，模糊聚类	脑电图信号	NA	PyTorch，TensorFlow	三层卷积网络，多尺度卷积核	FPR，预测性能指标	NA
6136	2025-11-21	A rapidly evolving female-controlled lock-and-key mechanism determines Aedes mosquito mating success 2025-Nov-17, Current biology : CB IF:8.1Q1 DOI:10.1016/j.cub.2025.09.066 PMID:41161314	研究论文	本研究揭示了雌性伊蚊通过生殖器尖端伸长行为主动控制交配的锁钥机制	首次发现雌性伊蚊通过生殖器尖端伸长行为主动控制交配启动，并揭示这种快速进化的锁钥机制决定交配成功率	NA	探究伊蚊交配机制及雌性防止重复交配的生物学基础	入侵性埃及伊蚊和白纹伊蚊	生物医学	蚊媒传染病	双色荧光精子系统、行为追踪、深度学习、定量分析	深度学习	行为视频、图像数据	NA	NA	NA	交配成功率统计（86%-96%单次交配率）	NA
6137	2025-11-21	An intelligent brain tumor detection model using lightweight hybrid twin attentive pyramid convolutional network 2025-Nov-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23813-2 PMID:41249242	研究论文	提出一种用于脑肿瘤检测的轻量级混合双注意力金字塔卷积网络模型	结合双层级注意力模块和混合金字塔卷积块，采用恒星振荡优化器进行超参数调优，并集成Grad-CAM实现检测区域可视化	NA	开发高效的脑肿瘤早期检测方法	脑部MRI图像	计算机视觉	脑肿瘤	MRI	CNN	图像	BT Detection 2020数据集	Python	ResNet, LHTA-PCNet, TwinL-A, HPC	准确率	NA
6138	2025-11-21	CT-based radiomics and deep learning models for predicting thyroid cartilage invasion and patient prognosis in laryngeal carcinoma 2025-Nov-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23809-y PMID:41249227	研究论文	本研究比较了基于CT的影像组学和深度学习模型在预测喉鳞状细胞癌甲状腺软骨侵犯及患者预后方面的性能	首次系统比较二维深度学习模型与影像组学模型在预测甲状腺软骨侵犯方面的性能，并构建了结合深度学习特征和临床风险因素的列线图	在外部验证队列中未发现模型性能存在显著差异，样本量相对有限	预测喉鳞状细胞癌患者的甲状腺软骨侵犯情况并评估预后价值	经病理证实的喉鳞状细胞癌患者	医学影像分析	喉癌	CT成像	深度学习, 影像组学	CT图像	418例来自两个中心的患者（训练队列247例，内部验证110例，外部验证61例）	NA	2D深度学习模型	AUC, 疾病无进展生存期	NA
6139	2025-11-21	Explainable convolutional neural network architectures for high-performance taxonomic classification of gasteroid macrofungi 2025-Nov-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23974-0 PMID:41249260	研究论文	本研究提出了一种基于深度学习的高性能胃菌类大型真菌分类框架	首次将可解释AI技术应用于胃菌类真菌分类，实现了高精度且可解释的深度学习模型	仅针对六种胃菌类真菌物种，样本多样性有限	开发高精度且可解释的真菌分类方法	六种胃菌类大型真菌：Battarrea phalloides, Crucibulum laeve, Cyathus olla, C. striatus, Tulostoma brumale, T. fimbriatum	计算机视觉	NA	图像分析	CNN	图像	1200张高分辨率图像	NA	DenseNet121, ResNeXt, RepVGG, ShuffleNetV2	准确率, F1分数, AUC, 推理时间, 能效	NA
6140	2025-11-21	Enhancing image based classification for crop disease detection using a multiclass SVM approach with kernel comparison 2025-Nov-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23568-w PMID:41249263	研究论文	本文提出了一种基于机器学习的作物叶片病害检测框架，通过多类SVM核函数比较提升图像分类性能	结合双边滤波和GraphCut分割与基于纹理的特征提取，并在多作物数据集上系统比较多类SVM核函数	未与深度学习方法进行直接对比，仅提供了未来比较的基础	开发有效的作物病害检测系统以最小化农业损失	作物叶片病害（包括黄锈病、红锈病和炭疽病）	计算机视觉	植物病害	图像处理，机器学习	SVM	图像	9,111张经过增强平衡的精选图像	NA	多类SVM（线性核、多项式核、RBF核等）	准确率，精确率，召回率，F1分数	NA