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
621	2025-11-16	Automatic dual-modality breast tumor segmentation in PET/CT images using CT-guided transformer 2025-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70136 PMID:41239548	研究论文	提出一种基于CT引导Transformer的深度学习算法，用于PET/CT图像中乳腺肿瘤的自动分割	开发了CT引导Transformer模块，利用CT图像多尺度特征为PET特征生成注意力图，并采用基于相似度的对比学习从双模态中提取有效共识信息	NA	开发结合功能与结构信息的深度学习算法，提升乳腺肿瘤分割的准确性和效率	乳腺肿瘤	计算机视觉	乳腺癌	PET/CT成像	Transformer	医学图像（PET/CT）	收集的临床乳腺数据集和公共QIN-Breast基准数据集	NA	CT-Guided Transformer	Jaccard系数, Dice分数, 精确度, 敏感度, Hausdorff距离	NA
622	2025-11-16	Detecting Escherichia coli Contamination on Plant Leaf Surfaces Using UV-C Fluorescence Imaging and Deep Learning 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213352 PMID:41225902	研究论文	本研究利用UV-C荧光成像和深度学习技术检测植物叶片表面的大肠杆菌污染	首次将CSI-D+系统与多种深度学习模型结合，用于检测不同浓度的大肠杆菌污染，并采用Eigen-CAM热图可视化模型响应	研究仅针对柑橘和菠菜叶片，样本量有限，未测试其他农产品	开发快速可靠的农产品表面大肠杆菌污染检测方法以增强食品安全	柑橘和菠菜叶片表面的大肠杆菌污染	计算机视觉	食源性疾病	UV-C荧光成像	CNN	荧光图像	8个柑橘叶片和12个菠菜叶片，每个浓度水平10个液滴，共8个污染浓度级别(0-10 CFU/mL)	PyTorch	EfficientNetB7, ConvNeXtBase, YOLO11n, YOLO11s, YOLO11m, YOLO11l, YOLO11x	准确率	NA
623	2025-11-16	MRSliceNet: Multi-Scale Recursive Slice and Context Fusion Network for Instance Segmentation of Leaves from Plant Point Clouds 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213349 PMID:41225899	研究论文	提出MRSliceNet深度学习框架，用于植物点云中的叶片实例分割	受人类视觉认知启发，集成多尺度递归切片模块、上下文融合模块和实例感知聚类头，实现精确的实例分离	NA	解决植物点云中叶片自动分割的挑战，实现自动化植物表型分析	植物叶片点云数据	计算机视觉	NA	LiDAR 3D传感技术	深度学习框架	3D点云	两个具有挑战性的数据集	NA	MRSliceNet, Multi-scale Recursive Slicing Module, Context Fusion Module, Instance-Aware Clustering Head	AP	NA
624	2025-11-16	Deep Learning Network with Illuminant Augmentation for Diabetic Retinopathy Segmentation Using Comprehensive Anatomical Context Integration 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212762 PMID:41226054	研究论文	提出一种结合全面解剖背景整合和光照增强的深度学习网络，用于糖尿病视网膜病变分割	创建首个系统整合DR病变与完整视网膜解剖结构的训练数据集，并采用基于光照的数据增强方法模拟不同相机特性	在不同域数据集上的性能表现存在差异，泛化能力有待进一步提升	解决糖尿病视网膜病变分割中的域偏移和假阳性问题	糖尿病视网膜病变的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习，图像分割	CNN	视网膜图像	IDRiD、DDR和TJDR三个数据集	DeepLabV3+	DeepLabV3+	AUC-PR, IoU, F1-score	NA
625	2025-11-16	Correlation Study Between Neoadjuvant Chemotherapy Response and Long-Term Prognosis in Breast Cancer Based on Deep Learning Models 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212763 PMID:41226055	研究论文	基于深度学习模型研究乳腺癌新辅助化疗反应与长期预后的相关性	开发可解释的深度学习模型整合多变量预测乳腺癌新辅助化疗后复发和转移，超越传统二元评估方法	回顾性研究设计，样本量相对有限（832例患者）	建立精准预测乳腺癌新辅助化疗后长期预后的评估模型	832名接受新辅助化疗的乳腺癌患者	机器学习	乳腺癌	NA	MLP, SVM, Random Forest, XGBoost	临床和病理变量	832例乳腺癌患者（2013-2022年）	PyTorch	多层感知器（MLP）	AUC, 准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
626	2025-11-16	KINLI: Time Series Forecasting for Monitoring Poultry Health in Complex Pen Environments 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213180 PMID:41227514	研究论文	本文研究在复杂禽舍环境中使用时间序列预测技术监测家禽健康的方法	利用真实火鸡养殖场的传感器数据集，研究多种先进预测算法在具有高方差、传感器缺陷和时间戳不可靠的挑战性数据上的表现	数据存在传感器缺陷和时间戳不可靠问题，且仅针对火鸡养殖环境进行研究	开发准确的时间序列预测方法用于家禽健康监测	火鸡养殖场中的传感器数据（包括采食量、饮水量和各种环境参数）	机器学习	NA	传感器数据采集	Transformer, 时间序列基础模型	时间序列传感器数据	真实火鸡养殖场传感器数据集	NA	Transformer	预测准确性, 模型运行效率	NA
627	2025-11-16	EyeInvaS: Lowering Barriers to Public Participation in Invasive Alien Species Monitoring Through Deep Learning 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213181 PMID:41227512	研究论文	开发基于深度学习的EyeInvaS系统，降低公众参与外来入侵物种监测的门槛	建立了中国54种关键外来入侵物种的多类群图像数据集，开发了集成图像采集、识别、地理标记和数据共享的AI系统	NA	通过深度学习技术降低公众参与外来入侵物种监测的专业门槛	中国54种关键外来入侵物种	计算机视觉	NA	深度学习	CNN	图像	1683个用户提交的监测数据	NA	EfficientNetV2	F1-score	NA
628	2025-11-16	Innovation for using dielectric properties to distinguish lung tumor from normal lung tissues and preliminary exploration for the relevance with metabolic features 2025-Oct-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-934 PMID:41229834	研究论文	本研究开发了一种基于介电特性区分肺肿瘤与正常肺组织的简化方法，并探索了介电特性与PET代谢参数的相关性	首次将介电特性曲线拟合为对数函数和指数函数，利用函数参数区分肺肿瘤组织，并发现介电常数参数与PET代谢参数存在显著相关性	样本量较小（21例患者），未区分恶性肿瘤与良性病变，需要进一步研究验证	开发简化的介电特性分析方法用于肺肿瘤鉴别，并探索其与代谢特征的相关性	肺肿瘤组织和正常肺组织	医学物理	肺癌	介电特性测量，开放式同轴探针，[18F]FDG PET/CT	NA	介电特性数据，PET/CT参数	21例患者的21个肺肿瘤组织和19个正常肺组织	NA	NA	AUC，ROC分析，R²，P值	NA
629	2025-11-16	Integrating transcriptomics, single-cell omics, and deep learning-based histopathological features to identify OLFML3 in bladder cancer 2025-Oct-31, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2025-365 PMID:41230137	研究论文	本研究通过整合转录组学、单细胞组学和深度学习技术，识别OLFML3基因在膀胱癌复发中的作用	首次结合多组学数据与深度学习病理特征分析OLFML3在膀胱癌复发中的预测价值	需要进一步研究验证OLFML3在膀胱癌1年内复发的具体作用机制	提高膀胱癌复发预测准确性并改善临床管理	膀胱癌患者	数字病理学	膀胱癌	RNA测序,单细胞RNA测序,加权基因共表达网络分析	ResNet50,随机森林	基因表达数据,临床信息,病理图像	TCGA和GEO数据库中的膀胱癌患者数据，以及广东省第二人民医院的单细胞RNA测序数据	R	ResNet50	P值,生存分析	NA
630	2025-11-16	Feasibility of Multimodal Deep Learning for Automated Staging of Familial Exudative Vitreoretinopathy Using Color Fundus Photographs and Fluorescein Angiography 2025-Oct-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212752 PMID:41226045	研究论文	本研究评估了使用彩色眼底照相和荧光素血管造影的多模态深度学习在家族性渗出性玻璃体视网膜病变自动分期中的可行性	构建了首个涵盖FEVR 0-5期及激光术后病例的多模态数据库，并系统比较了CNN、Transformer和多模态融合方法在不同设置下的性能	研究基于确认的队列，样本可能存在类别不平衡，中间等级病例的识别性能有限（AUC < 0.70）	开发自动化的家族性渗出性玻璃体视网膜病变分期系统	家族性渗出性玻璃体视网膜病变患者	数字病理	视网膜疾病	彩色眼底照相，荧光素血管造影	CNN, Transformer	图像	涵盖FEVR 0-5期及激光术后病例的多模态数据集	NA	ResNet, CRD-Net, Transformer	准确率, 召回率, 精确率, 宏F1, Cohen's κ, ROC/AUC	NA
631	2025-11-16	Automated Multi-Class Classification of Retinal Pathologies: A Deep Learning Approach to Unified Ophthalmic Screening 2025-Oct-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212745 PMID:41226037	研究论文	开发并验证了一个统一的深度学习框架，用于从眼底照片自动分类多种视网膜病变	超越了单一疾病模型的局限，建立了能够同时分类九种不同视网膜疾病的综合筛查工具	使用公开数据集，样本量相对有限（1841张图像），可能存在类别不平衡问题	开发一个统一的深度学习框架，用于自动多类别分类视网膜病变	眼底照片中的多种视网膜病变，包括糖尿病视网膜病变、青光眼和健康视网膜等	计算机视觉	视网膜病变	深度学习	CNN	图像	1841张眼底照片，涵盖九个类别	NA	ResNet-152, EfficientNetV2, YOLOv11	准确率, 宏平均F1分数, AUC	NA
632	2025-11-16	Automated Detection of Lumbosacral Transitional Vertebrae on Plain Lumbar Radiographs Using a Deep Learning Model 2025-Oct-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14217671 PMID:41227066	研究论文	开发并验证基于深度学习的AI模型用于自动检测腰椎平片中的腰骶移行椎	首次将多种深度学习架构应用于腰骶移行椎的自动检测，并通过部分微调的ResNet-50模型实现了最佳性能	研究为回顾性观察研究，样本量相对有限（3116张X光片）	开发自动检测腰骶移行椎的AI模型以减少诊断错误和手术风险	腰椎侧位X光片中的腰骶移行椎	计算机视觉	脊柱疾病	X射线成像	CNN	图像	3116张站立位腰椎侧位X光片	PyTorch	DINOv2,CLIP(ViT-B/32),ResNet-50	准确率,敏感度,特异性,AUC	NA
633	2025-11-16	Hardness and Surface Roughness of 3D-Printed ASA Components Subjected to Acetone Vapor Treatment and Different Production Variables: A Multi-Estimation Work via Machine Learning and Deep Learning 2025-Oct-29, Polymers IF:4.7Q1 DOI:10.3390/polym17212881 PMID:41228641	研究论文	本研究首次结合机器学习与深度学习策略，分析丙酮蒸汽处理和3D打印参数对ASA组件硬度和表面粗糙度的影响	首次在技术文献中结合机器学习与深度学习方法来优化3D打印ASA组件的后处理工艺	研究仅针对特定范围的蒸汽处理时间、层厚度和填充率参数	通过机器学习方法优化3D打印ASA组件的硬度和表面质量	丙烯腈苯乙烯丙烯酸酯（ASA）3D打印组件	机器学习	NA	3D打印、丙酮蒸汽处理	SVR, 1D-CNN, GB, RNN	实验数据	4种蒸汽处理时间×3种层厚度×3种填充率=36种参数组合	NA	一维卷积神经网络, 循环神经网络	预测误差	NA
634	2025-10-31	Correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Oct-28, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105880 PMID:41161129	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
635	2025-11-14	Correction to 'Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control' 2025-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1308 PMID:41224125	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
636	2025-11-16	DeepCMS: A Feature Selection-Driven Model for Cancer Molecular Subtyping with a Case Study on Testicular Germ Cell Tumors 2025-Oct-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212730 PMID:41226022	研究论文	提出了一种基于特征选择的深度学习框架DeepCMS，用于癌症分子分型分类	结合前馈神经网络、基因集富集分析和特征选择技术构建代表性特征子集	虽然使用结肠癌基因表达数据开发，但方法可应用于任何基因表达数据	开发准确的癌症分子分型分类框架	癌症分子亚型	机器学习	癌症	基因表达分析，基因集富集分析	前馈神经网络	基因表达数据	NA	NA	前馈神经网络	准确率，灵敏度，特异性，平衡准确率	NA
637	2025-11-16	Transforming Endoscopic Image Classification with Spectrum-Aided Vision for Early and Accurate Cancer Identification 2025-Oct-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212732 PMID:41226023	研究论文	本研究探讨了光谱辅助视觉增强器(SAVE)在食管癌内镜图像分类中的效果，与传统白光成像和窄带成像相比具有更优的诊断性能	首次将SAVE高光谱成像技术应用于食管癌内镜图像分类，通过波段选择增强特征提取，提高了诊断准确性	样本仅来自单一医疗中心，模型性能在不同架构间存在不一致性	评估高光谱成像技术在食管癌早期诊断中的效果，提升内镜图像分类准确性	食管癌内镜图像	计算机视觉	食管癌	高光谱成像(HSI), 白光成像(WLI), 窄带成像(NBI)	逻辑回归, CNN, YOLO	图像	2400张图像，包含8种疾病类型	NA	VGG16, YOLOv8, MobileNetV2	精确率, 召回率, F1分数, 准确率	NA
638	2025-11-16	Hierarchical Multi-Stage Attention and Dynamic Expert Routing for Explainable Gastrointestinal Disease Diagnosis 2025-Oct-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212714 PMID:41226006	研究论文	提出GID-Xpert深度学习框架，通过分层多阶段注意力和动态专家路由实现可解释的胃肠道疾病诊断	集成分层多阶段注意力驱动的专家混合模型与动态路由机制，结合空间-通道注意力与专家块专业化设计	在GastroEndoNet数据集上性能相对较低(75.32%)，尚未在更广泛的胃肠道病理和临床环境中验证	提高胃肠道疾病分类的特征学习能力、准确性和可解释性	胃肠道疾病诊断	计算机视觉	胃肠道疾病	深度学习	注意力机制, 专家混合模型	医学图像	三个基准数据集: WCEBleedGen, GastroEndoNet, KAUHC数据集	NA	分层多阶段注意力, 动态专家路由	准确率	NA
639	2025-11-16	From Innovation to Application: Can Emerging Imaging Techniques Transform Breast Cancer Diagnosis? 2025-Oct-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212718 PMID:41226009	综述	本文综述六种新兴成像技术在乳腺癌诊断中的应用与潜力	系统比较光学相干断层扫描、拉曼光谱、光声成像等六种新型成像技术与传统方法的优劣	多数技术尚未应用于标准临床实践，需要进一步验证和标准化	探讨新兴成像技术如何改变乳腺癌诊断现状	乳腺癌诊断成像技术	医学影像	乳腺癌	OCT, RS, PAI, HSI, CESM, MSI	NA	医学影像数据	NA	NA	NA	灵敏度, 特异性, 诊断准确率	NA
640	2025-11-16	Lightweight Deep Learning Models with Explainable AI for Early Alzheimer's Detection from Standard MRI Scans 2025-Oct-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212709 PMID:41226002	研究论文	开发轻量级深度学习模型用于从标准MRI扫描中早期检测阿尔茨海默病	结合轻量级深度学习模型与可解释AI方法，为资源受限的临床环境提供早期阿尔茨海默病检测方案	未明确说明数据集的规模限制和模型在更广泛人群中的泛化能力	开发计算效率高的早期阿尔茨海默病检测工具	认知正常(CN)、早期轻度认知障碍(EMCI)和晚期轻度认知障碍(LMCI)患者	医学影像分析	阿尔茨海默病	结构磁共振成像(MRI)	CNN	2D MRI图像切片	NA	NA	MobileNetV2, EfficientNetV2B0	准确率	NA