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
6661	2025-10-06	Construction of a deep - learning - based rehabilitation prediction model for lower-limb motor dysfunction after stroke using synchronous EEG-EMG and fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1616957 PMID:40918983	研究论文	本研究构建了基于多模态数据的深度学习模型，用于预测脑卒中患者3个月后的下肢运动功能康复效果	首次结合静息态fMRI图像与同步EEG-EMG时间序列数据，采用集成学习方法构建多模态融合预测模型	样本量相对有限（102例），且仅86例患者完成了同步EEG-EMG检查	预测缺血性脑卒中患者3个月后的下肢运动功能康复结局	102例缺血性脑卒中偏瘫患者	医学人工智能	脑卒中	fMRI, EEG, EMG	深度学习	图像数据, 时间序列数据	102例缺血性脑卒中患者（其中86例完成同步EEG-EMG检查）	NA	ShuffleNet, LSTM	准确率, 召回率, 精确率, F1分数, AUC	NA
6662	2025-10-06	When artificial intelligence meets protein research 2025, Open research Europe DOI:10.12688/openreseurope.20628.1 PMID:40919100	综述	探讨人工智能与蛋白质科学的融合及其对结构预测和计算设计的革命性影响	聚焦2024年诺贝尔奖得主在AI蛋白质研究领域的奠基性贡献，强调AI工具如AlphaFold对非球状蛋白质研究的推动作用	仍存在蛋白质折叠动力学和淀粉样聚集等未解决的科学挑战	分析AI在蛋白质科学研究中的革命性作用与发展前景	蛋白质结构预测、非球状蛋白质（包括固有无序蛋白质）	机器学习	NA	深度学习、神经网络	神经网络	蛋白质结构数据	NA	NA	AlphaFold	NA	NA
6663	2025-10-06	Prediction of bone oligometastases in breast cancer using models based on deep learning radiomics of PET/CT imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1621677 PMID:40919156	研究论文	开发基于PET/CT影像的深度学习放射组学模型，用于早期预测乳腺癌骨寡转移	首次将PET/CT放射组学特征、深度学习特征和临床参数整合到深度学习放射组学模型中预测乳腺癌骨寡转移	回顾性研究，样本量有限（207例患者，312个骨病灶）	早期预测乳腺癌患者的骨寡转移（≤5个病灶）	乳腺癌患者及其骨病灶（包括107个良性病灶和205个恶性病灶，其中89个确诊为骨转移）	数字病理	乳腺癌	PET/CT成像，放射组学分析	深度学习，随机森林	医学影像（CT，PET，融合PET/CT图像）	207例乳腺癌患者，312个骨病灶	PyRadiomics	BasicNet	AUC，准确率，敏感性，特异性	NA
6664	2025-10-06	HoloMoA: a holography and deep learning tool for the identification of antimicrobial mechanisms of action and the detection of novel MoA 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1640252 PMID:40919199	研究论文	提出结合数字同轴全息显微镜和深度学习的创新工具HoloMoA，用于识别抗菌药物作用机制并检测新机制	首次将时间序列数字同轴全息显微镜与卷积循环神经网络结合，实现无标记、实时监测细菌表型响应并评估作用机制新颖性	仅使用ATCC 25922大肠杆菌菌株和22种抗生素进行验证，尚未扩展到更多菌株和化合物	开发快速、稳健、经济的抗菌药物作用机制分类和新颖性预测工具	大肠杆菌ATCC 25922和22种代表5种功能类别的抗生素	计算机视觉	NA	数字同轴全息显微镜	CRNN, Siamese Neural Network	图像序列	ATCC 25922菌株经22种抗生素处理达2小时的全息图像数据	NA	Convolutional Recurrent Neural Network, Siamese Neural Network	准确率	NA
6665	2025-10-06	Deep dive into deep learning methods for cervical cancer detection and classification 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.106148 PMID:40919255	综述	本文系统综述了深度学习在宫颈癌检测与分类中的应用方法、评估指标及现存挑战	首次对深度学习在宫颈癌诊断中的各类方法进行全面梳理，重点关注卷积神经网络在宫颈细胞学图像分析中的创新应用	依赖有限标注数据集、医学影像存在不一致性、需要更具鲁棒性的模型	通过深度学习技术提升宫颈癌的早期检测和诊断水平	宫颈细胞学图像	计算机视觉	宫颈癌	深度学习	CNN	医学影像	NA	NA	卷积神经网络	准确率, 灵敏度, 特异性, AUC	NA
6666	2025-10-06	Optimizing cervical cancer diagnosis with accurate cell classification using modified HDFF 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.105867 PMID:40919253	研究论文	本研究提出改进的层次深度特征融合方法用于宫颈癌细胞分类，显著提升诊断准确率	通过整合层次深度学习特征，改进特征提取过程并融合多层深度学习模型，实现更准确鲁棒的分类性能	需要进一步优化和扩展训练数据集以提升性能	开发自动化宫颈癌诊断工具，提高诊断准确性和效率	宫颈细胞图像	计算机视觉	宫颈癌	NA	深度学习	图像	SIPaKMeD和Herlev数据集	NA	改进的层次深度特征融合(HDFF)	准确率,精确率,召回率,F1分数	NA
6667	2025-10-06	An explainable AI approach for mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf051 PMID:40860594	研究论文	本研究开发了一种可解释AI方法，通过MRI数据预测大脑年龄并识别阿尔茨海默病相关的多变量脑区模式	首次将深度学习模型与多种特征重要性方法结合，探索多变量脑区与年龄的关联，而不仅限于单变量关系	样本量相对有限（n=825），且主要基于MRI数据，未整合多模态数据	开发可解释AI方法以理解大脑老化模式和阿尔茨海默病临床严重程度的关系	阿尔茨海默病连续谱患者，包括认知正常者、轻度认知障碍者和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI	深度学习, 机器学习	医学影像	825个MRI样本	NA	AgeNet	预测准确性	NA
6668	2025-10-06	Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330103 PMID:40920705	研究论文	本研究提出基于DPAGCHE增强的宫颈涂片图像分类方法，通过比较不同CNN模型在原始和增强图像上的性能	提出DPAGCHE图像增强方法改善宫颈涂片图像质量，并结合迁移学习实现自动化分类	仅使用Herlev公开数据集，样本来源相对单一	开发自动化宫颈癌检测方法以提高诊断准确性和效率	宫颈涂片图像	计算机视觉	宫颈癌	图像增强技术	CNN	图像	Herlev公开数据集	MATLAB Online	ResNet50, Baseline CNN	准确率, 特异性, 召回率, 精确率, F1分数	NA
6669	2025-10-06	Automated segmentation of retinal vessel using HarDNet fully convolutional networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330641 PMID:40920773	研究论文	提出一种基于HarDNet的改进模型用于视网膜血管自动分割	集成HarDNet模块、感受野块模块和密集聚合模块的创新架构，能有效提取多尺度特征并提升小血管分割精度	未明确说明模型在更大规模或更多样化数据集上的泛化能力	开发高精度的视网膜血管自动分割方法以辅助眼底疾病诊断	彩色眼底图像中的视网膜血管结构	计算机视觉	糖尿病、高血压、脑血管疾病	深度学习	全卷积网络	图像	DRIVE和CHASE_DB1数据集	NA	HarDNet, Receptive Field Block, Dense Aggregation	准确率	NA
6670	2025-10-06	AI-Driven quality assurance in mammography: Enhancing quality control efficiency through automated phantom image evaluation in South Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330091 PMID:40920794	研究论文	开发并验证基于深度学习的乳腺摄影体模图像自动评估模型，旨在提高放射科医师间评分一致性和质量控制效率	首次在韩国国家认证体系中使用EfficientNetV2_L模型实现乳腺摄影体模图像的自动化评估，结合可解释AI技术验证模型决策与指南标准的一致性	模型在肿块评估中存在尺寸相关偏差，且研究数据仅来自单一机构	提升乳腺摄影质量控制的效率和评分一致性	乳腺摄影体模图像中的模拟病灶（纤维、斑点、肿块）	计算机视觉	乳腺癌	深度学习	CNN	医学图像	5,813张符合质量标准的乳腺摄影体模图像	未明确说明	EfficientNetV2_L	准确率,F1分数,AUC,置信区间	NA
6671	2025-10-06	A robust hydroponic system for horticulture farming using deep learning, IoT, and mobile application 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330488 PMID:40920816	研究论文	开发了一个结合深度学习、物联网和移动应用的稳健水培系统，用于支持孟加拉国基层农民	集成硬件实现、深度学习疾病检测和移动应用的三阶段系统架构，实现98.5%的高疾病检测准确率	未提及系统在更大规模或不同环境条件下的测试结果	通过技术系统简化水培种植过程，提高农民操作便利性和系统监控能力	孟加拉国基层农民和水培种植系统	计算机视觉,物联网	园艺作物病害	深度学习,物联网传感器技术	深度学习模型	传感器数据,图像数据	约80%的基层农民参与调查	NA	NA	准确率	NA
6672	2025-10-06	Interpretability-driven deep learning for SERS-based classification of respiratory viruses 2025-Dec-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117891 PMID:40840132	研究论文	开发了一种结合表面增强拉曼散射和可解释性深度学习的呼吸病毒诊断平台	将三维等离子体纳米柱基底与可解释性驱动的深度学习相结合，通过Grad-CAM技术揭示病毒鉴别的关键拉曼位移区域	NA	开发快速准确的呼吸病毒变体级别诊断方法	13种呼吸病毒类型，包括SARS-CoV-2变体和亚系	机器学习	呼吸系统疾病	表面增强拉曼散射(SERS)	CNN	SERS光谱	NA	NA	一维卷积神经网络(1D-CNN)	分类准确率	NA
6673	2025-09-10	Letter to the editor regarding 'a deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score' 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2552928 PMID:40922498	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6674	2025-10-06	Identification of syrup adulteration in wolfberry honey using CNN-CBAM-SVM combined with 1H NMR 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145728 PMID:40752444	研究论文	开发基于CNN-CBAM-SVM架构结合氢核磁共振谱的深度学习模型用于检测枸杞蜂蜜中的糖浆掺假	在传统CNN模型中引入CBAM注意力模块并用SVM分类器替代全连接层，使其更适合小样本数据	样本量较小（仅40个样本），验证集样本数量有限（8个样本）	检测蜂蜜中的糖浆掺假问题	枸杞蜂蜜样品	计算机视觉	NA	氢核磁共振（1H NMR）	CNN, SVM	光谱数据	40个样本（20个真品和20个掺假样品，含两种不同糖浆）	NA	CNN-CBAM-SVM	准确率	NA
6675	2025-10-06	Deep learning-based multimodal fusion for quality prediction of chili paste using hyperspectral imaging and near-infrared spectroscopy 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145712 PMID:40743732	研究论文	开发基于深度学习的多模态融合系统，通过融合高光谱成像和近红外光谱技术无损预测辣椒酱品质	首次建立辣椒酱发酵的无损快速检测框架，采用CNN-LSTM混合模型实现多模态特征融合	样本量较小（原始仅160个样本），需通过数据增强扩充	开发智能多模态系统用于辣椒酱品质的无损评估	辣椒酱的品质参数（颜色值、辣椒素、二氢辣椒素和挥发性物质）	计算机视觉	NA	高光谱成像（HSI）、近红外光谱	CNN, LSTM	高光谱图像、光谱数据、理化指标	160个原始样本，通过Mixup增强扩展到800个样本	NA	CNN-LSTM混合模型	决定系数R	NA
6676	2025-10-06	Verification of resolution and imaging time for high-resolution deep learning reconstruction techniques 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110463 PMID:40706823	研究论文	评估供应商提供的超分辨率深度学习重建方法在磁共振成像中的性能表现	首次系统评估了商用超分辨率DLR方法(PIQE)在不同参数配置下的性能边界，明确了最佳使用条件	研究样本量较小(仅8例患者)，且仅针对特定厂商的MRI扫描仪和算法	验证超分辨率深度学习重建技术在MRI中的分辨率和成像时间优化效果	边缘模体和8例患者的临床脑部图像	医学影像分析	神经系统疾病	磁共振成像, 深度学习重建	深度学习	医学图像	8例患者脑部图像	供应商专有算法(Precise IQ Engine)	超分辨率重建网络	SSIM, PSNR, RMSE, FWHM, 五分制Likert量表	佳能3T MRI扫描仪
6677	2025-10-06	Applications of artificial intelligence in liver cancer: A scoping review 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103244 PMID:40818357	综述	本文系统回顾了人工智能在原发性肝癌管理中的应用进展	全面梳理了AI在肝癌筛查、诊断、治疗规划和预后预测等全流程中的应用现状	多数模型缺乏充分的临床适用性评估和外部验证，开发与临床应用存在差距	探索人工智能在肝癌管理中的应用潜力	原发性肝癌（肝细胞癌和肝内胆管癌）	机器学习	肝癌	机器学习，深度学习	深度学习模型	医学影像数据（CT，MRI）	从13,122篇文献中筛选出62篇进行详细分析	NA	NA	敏感性，特异性	NA
6678	2025-10-06	Deep learning-augmented inductively coupled plasma atomic emission spectrometry for multivariate authentication of green tea origin and grades 2025-Nov, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117015 PMID:40922162	研究论文	开发了一种结合多种金属元素分析和反向传播神经网络的方法，用于同时鉴定绿茶的产地和等级	首次将ICP-AES与BPNN结合用于同时鉴定茶叶产地和等级，并采用SHAP进行模型解释和优化	仅针对龙井茶等特定绿茶品种进行研究，样本多样性可能有限	建立简单可靠的绿茶产地和等级同时鉴定方法	绿茶样本（如龙井茶）	机器学习	NA	电感耦合等离子体原子发射光谱法（ICP-AES）	BPNN（反向传播神经网络）	光谱数据，元素含量数据	NA	NA	BPNN	准确率	NA
6679	2025-10-06	Evaluation of a deep learning segmentation tool to help detect spinal cord lesions from combined T2 and STIR acquisitions in people with multiple sclerosis 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11541-0 PMID:40185925	研究论文	开发用于检测多发性硬化患者脊髓病变的深度学习分割工具，并评估其对临床医生诊断性能的提升	首次开发基于矢状位T2和STIR序列组合的深度学习模型用于脊髓多发性硬化病变检测，并在多中心数据上验证其临床价值	样本量相对有限（50例患者），仅基于法国多发性硬化登记处的回顾性数据，缺乏外部验证	开发深度学习模型辅助临床医生检测多发性硬化患者的脊髓病变	多发性硬化患者的脊髓MRI图像	医学影像分析	多发性硬化	MRI（T2和STIR序列）	深度学习分割模型	医学影像	50例患者（39名女性，中位年龄41岁），来自40台不同扫描仪的回顾性数据	NA	NA	灵敏度, 精确度, Light's kappa	NA
6680	2025-10-06	Real-life benefit of artificial intelligence-based fracture detection in a pediatric emergency department 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11554-9 PMID:40192806	研究论文	评估基于人工智能的骨折检测软件在儿科急诊真实临床环境中的性能表现	在真实儿科急诊环境中评估AI骨折检测软件性能，并分析其对经验不足医师诊断准确性的影响	仅评估单一商业AI软件，样本量有限，未进行多中心验证	评估AI骨折检测软件在儿科急诊中的临床应用价值	18岁以下儿童的1672张X光片	医学影像分析	骨折	X光成像	深度学习	X光图像	1672张儿童X光片（中位年龄10.9岁，59%男性）	NA	NA	灵敏度, 特异性, 准确率	NA