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
8401	2025-10-06	Detecting early gastrointestinal polyps in histology and endoscopy images using deep learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1571075 PMID:40703309	研究论文	提出一种基于深度学习的三阶段方法用于早期胃肠道息肉检测	开发了结合编码器-解码器网络、预训练模型和SVM分类器的三阶段深度学习框架	InceptionV3模型性能略低于其他模型，未说明具体原因	早期胃肠道癌变检测	胃肠道息肉	计算机视觉	胃肠道癌	深度学习	CNN, SVM	图像	5个数据集（CRC-VAL-HE-7K、CRC-VAL-HE-100K、Kvasir_v2、北京肿瘤医院数据集、弱标注数据集）	NA	编码器-解码器网络, VGG16, VGG19, ResNet50, InceptionV3	准确率	NA
8402	2025-10-06	Integrating pathomics and deep learning for subtyping uveal melanoma: identifying high-risk immune infiltration profiles 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1585097 PMID:40703526	研究论文	本研究结合病理组学和深度学习技术对葡萄膜黑色素瘤进行亚型分型，识别高风险免疫浸润特征	首次将无监督学习技术与深度学习模型相结合，识别出葡萄膜黑色素瘤的高免疫浸润亚型，并基于死亡率风险改进患者分层方法	样本量相对有限（训练集70例，验证集68例），需要更大规模的多中心研究验证	利用无监督学习技术识别葡萄膜黑色素瘤的高免疫浸润亚型，基于死亡率风险改进患者分层	葡萄膜黑色素瘤患者	数字病理学	葡萄膜黑色素瘤	H&E染色全玻片图像分析，基因组数据分析	深度学习，无监督学习	病理图像，基因组数据，临床数据	训练集70例（来自GDC数据库），验证集68例（来自华西医院）	CellProfiler	Inception-V3	生存预测准确性，患者分类准确性	NA
8403	2025-10-06	Supervised contrastive loss helps uncover more robust features for photoacoustic prostate cancer identification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592815 PMID:40703547	研究论文	本研究将监督对比学习引入光声光谱分析，用于前列腺癌识别	提出SCL-adjust模型，在光声光谱特征提取中应用监督对比损失函数，显著提升特征鲁棒性和模型迁移性能	个体异质性仍然是影响判别性能的重要因素	从复杂生物组织中提取更可靠特征，提升前列腺癌的判别准确率	前列腺癌的光声光谱数据	医学影像分析	前列腺癌	光声光谱分析	CNN, 监督对比学习	光谱数据	NA	NA	CNN-based模型, SC模型, SCL-adjust模型	准确率	NA
8404	2025-10-06	Using deep learning to screen OCTA images for hypertension to reduce the risk of serious complications 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1581785 PMID:40703652	研究论文	使用深度学习分析OCTA图像筛查高血压以降低严重并发症风险	首次结合Xception卷积神经网络和多Swin Transformer架构分析高血压患者的眼底微血管变化	样本量有限（422张OCTA图像），模型准确率有待进一步提升	通过深度学习分析OCTA图像筛查高血压及其并发症风险	高血压患者和健康受试者的眼底血管	计算机视觉	心血管疾病	光学相干断层扫描血管成像（OCTA）	CNN, Transformer	图像	422张OCTA图像（来自136名高血压患者和85名健康受试者）	NA	Xception, Swin Transformer	准确率, 灵敏度	NA
8405	2025-10-06	Construction of crown profile prediction model of Pinus yunnanensis based on CNN-LSTM-attention method 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1567131 PMID:40703862	研究论文	基于CNN-LSTM-Attention混合深度学习方法和新型树冠竞争指数构建云南松树冠轮廓预测模型	首次将CNN-LSTM-Attention混合深度学习模型与新型树冠轮廓竞争指数(CPCI)相结合，有效捕捉树冠空间异质性和垂直结构	研究仅基于云南大理苍山5个年龄分层固定样地的629棵树数据，样本来源地域有限	提高云南松树冠轮廓预测精度，更好地理解森林结构和竞争关系	云南松(Pinus yunnanensis)树冠轮廓	计算机视觉	NA	深度学习建模	CNN, LSTM, Attention机制	树冠轮廓数据	629棵树，来自5个年龄分层固定样地	NA	CNN-LSTM, CNN-LSTM-Attention, Vanilla LSTM	MSE, RMSE, MAE, R²	NA
8406	2025-10-06	Design and development of an efficient RLNet prediction model for deepfake video detection 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1569147 PMID:40704217	研究论文	提出一种结合ResNet和LSTM的RLNet深度学习框架，用于高精度检测深度伪造视频	同时利用空间和时间特征进行深度伪造检测，结合ResNet捕捉帧级空间异常和LSTM分析视频序列的时间不一致性	未明确说明数据集的具体规模和多样性限制	开发高效的深度伪造视频检测方法以增强数字内容的安全性和真实性	真实视频和深度伪造视频	计算机视觉	NA	深度学习	CNN, LSTM	视频	包含真实视频和深度伪造视频的多样化数据集（具体数量未说明）	NA	ResNet, LSTM	准确率	NA
8407	2025-10-06	Application of deep learning for diagnosis of shoulder diseases in older adults: a narrative review 2025-Jan, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.e6 PMID:40704206	综述	探讨深度学习在老年人肩部疾病诊断中的应用现状与潜力	系统综述深度学习在肩部疾病自动化诊断中的创新应用，包括图像分割、运动分析和骨质疏松量化	需要大规模前瞻性验证研究来确保通用性和临床工作流程整合	评估深度学习技术在老年人肩部疾病诊断与管理中的应用价值	老年人肩部疾病患者	计算机视觉	老年疾病	MRI, CT, X射线	CNN	医学影像	NA	NA	卷积神经网络	准确率	NA
8408	2025-10-06	Differential Privacy Enabled Robust Asynchronous Federated Multitask Learning: A Multigradient Descent Approach 2025-Aug, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3571953 PMID:40531632	研究论文	提出一种结合差分隐私的鲁棒异步联邦多任务学习方法，通过多梯度下降解决数据异构和拜占庭攻击问题	首次将联邦学习重构为多目标优化问题，提出联邦多梯度下降算法，并开发半异步聚合方法和分布式差分隐私技术	未明确说明具体应用场景下的性能限制和计算开销分析	解决联邦学习中的数据异构、设备异构、隐私泄露和非凸损失等实际问题	边缘计算设备和分布式数据源	机器学习	NA	联邦学习，差分隐私	深度学习模型	分布式数据	NA	NA	NA	收敛性分析	边缘计算设备
8409	2025-10-06	A Deep Learning Multimodal Fusion-Based Method for Cell and Nucleus Segmentation 2025-Jul-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3592625 PMID:40711898	研究论文	提出一种基于深度学习多模态融合的细胞和细胞核分割方法	通过多模态提示模块结合图像和文本信息，无需在新数据上重新训练即可完成分割任务	依赖预训练模型的质量和自然图像与细胞图像的领域差异	解决细胞图像标注数据稀缺问题，开发无需重新训练的分割方法	细胞和细胞核的图像分割	数字病理学	NA	多模态数据融合	深度神经网络	图像, 文本	NA	NA	NA	NA	NA
8410	2025-10-06	A Multi-Modal Pelvic MRI Dataset for Deep Learning-Based Pelvic Organ Segmentation in Endometriosis 2025-Jul-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05623-3 PMID:40707497	研究论文	本研究提出了用于子宫内膜异位症盆腔器官分割的多模态MRI数据集，并评估了两种自动分割方法的性能	首次公开提供专门针对子宫内膜异位症的多中心盆腔MRI数据集，包含多结构手动标注和评估者间一致性分析	数据集规模相对有限，卵巢分割在子宫内膜异位症MRI中存在挑战	开发子宫内膜异位症盆腔MRI的自动分割方法	子宫内膜异位症患者的盆腔MRI影像	数字病理	子宫内膜异位症	磁共振成像	CNN	医学影像	多中心数据集51例（3名标注者），单中心数据集81例（1名标注者）	nnU-Net	nnU-Net, RAovSeg	分割性能评估	NA
8411	2025-10-06	AI-CMCA: a deep learning-based segmentation framework for capillary microfluidic chip analysis 2025-Jul-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11508-7 PMID:40691244	研究论文	提出基于深度学习的毛细管微流控芯片分析框架AI-CMCA，用于自动化流体路径检测与追踪	首次将深度学习分割技术应用于毛细管微流控芯片分析，结合迁移学习特征初始化、编码器-解码器语义分割和序列帧分析	仅测试了五种架构，未明确说明训练数据规模和多样性限制	开发自动化毛细管微流控芯片流体路径分析框架	毛细管微流控芯片中的流体运动	计算机视觉	NA	深度学习分割	CNN	图像序列	NA	NA	U-Net,MobileNetV2,PAN,FPN,PSP-Net,DeepLabV3+	IoU,F1-score	适用于智能手机或边缘设备部署的轻量级设计
8412	2025-10-06	Improving mortality prediction after radiotherapy with large language model structuring of large-scale unstructured electronic health records 2025-Jul-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111052 PMID:40692078	研究论文	本研究使用大型语言模型结构化大规模非结构化电子健康记录数据，以改进放疗患者的死亡率预测	首次将通用领域大型语言模型应用于非结构化电子健康记录的结构化处理，显著提升生存预测准确性	研究基于单一医疗中心数据，外部验证样本量相对较小	提高放疗患者死亡率预测准确性，优化临床决策	34,276名放疗患者（主要队列）和852名外部验证患者	自然语言处理	癌症	电子健康记录分析	大型语言模型,深度学习	文本,结构化医疗数据	34,276名主要队列患者，852名外部验证患者	NA	大型语言模型	C-index,准确率	NA
8413	2025-10-06	The Chest X- Ray: The Ship has Sailed, But Has It? 2025-Jul-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-52-1-21-22.1 PMID:40047110	评论	探讨深度学习技术是否能重新赋予胸片在保险承保风险评估中的价值	首次结合深度学习技术重新评估传统胸片在保险精算领域的潜在应用价值	未提供具体实验数据验证深度学习在胸片风险评估中的实际效果	评估胸片结合深度学习技术在保险承保风险分析中的潜在价值	保险申请人胸片检查数据	医疗影像分析	肺部疾病	胸片成像	深度学习	医学影像	NA	NA	NA	NA	NA
8414	2025-10-06	Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound 2025-06, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.04.009 PMID:40210002	研究论文	基于尿路超声关键参数开发深度学习算法预测单侧肾积水患者分肾功能<40%	首次将肾盂前后径、上盏扩张和肾脏长度比等超声参数结合机器学习模型用于预测分肾功能受损	回顾性研究设计，样本仅来自单一医疗中心	开发预测单侧肾积水儿童分肾功能<40%的机器学习模型	802例肾积水儿童患者	机器学习	肾积水	尿路超声，利尿肾图	随机森林, 逻辑回归, 支持向量机	超声参数，临床数据	802例儿童患者	NA	NA	AUROC, 灵敏度, 特异度	NA
8415	2025-10-06	Fully volumetric body composition analysis for prognostic overall survival stratification in melanoma patients 2025-May-12, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06507-1 PMID:40355935	研究论文	本研究利用深度学习对黑色素瘤患者的基线CT扫描进行全容积身体成分分析，以预测总生存期	首次采用全容积身体成分分析方法，利用常规CT扫描无需额外检查即可实现生存期预测	样本量相对有限，需要进一步多中心验证	探索基于深度学习的身体成分分析在黑色素瘤患者总生存期预测中的价值	黑色素瘤患者	数字病理	黑色素瘤	CT扫描	深度学习网络	医学影像	495名患者（内部队列）+ 428名患者（外部验证）	NA	NA	风险比(HR), P值	NA
8416	2025-10-06	Deep Learning-Based Prediction of Glaucoma Severity and Progression Using Imo/TEMPO Screening Program 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100805 PMID:40697390	研究论文	开发DeepISP深度学习模型，基于快速筛查视野检查预测青光眼患者的全面视野信息和疾病进展	首次开发能够同时预测当前视野状态和视野进展的多任务神经网络，并采用数据增强技术合成训练数据	回顾性研究设计，样本量相对有限，需要进一步前瞻性验证	开发基于深度学习的青光眼严重程度和进展预测模型	青光眼患者	医学人工智能	青光眼	视野检查，深度学习	多任务神经网络	医学影像数据，视野检查数据	187个真实ISP测试（112名患者）和3470个合成ISP测试（883名患者）	NA	多任务神经网络	平均绝对误差，平均F1分数，曲线下面积	NA
8417	2025-10-06	SpatialCVGAE: Consensus Clustering Improves Spatial Domain Identification of Spatial Transcriptomics Using VGAE 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00676-1 PMID:39680300	研究论文	提出基于共识聚类的空间转录组数据分析框架SpatialCVGAE，用于提高空间域识别的稳定性与准确性	首次将共识聚类与变分图自编码器结合用于空间转录组数据，通过集成多个潜在表示的聚类结果提升模型鲁棒性	NA	解决空间转录组数据聚类分析中的不稳定性问题	空间转录组数据	生物信息学	NA	空间转录组技术	VGAE	基因表达数据、空间图数据	NA	PyTorch	变分图自编码器	稳定性、准确性	NA
8418	2025-10-06	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出一种基于深度学习和机器学习的多视图可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息	结合Transformer架构的语言模型特征（ProtT5和ESM-2）与传统序列特征，采用多模型集成策略提高预测性能	NA	开发计算方法来预测潜在的细胞穿透肽，以促进药物递送载体的开发	细胞穿透肽（CPPs）	机器学习	NA	序列分析	CNN, TextCNN, SVM, CatBoost, Logistic Regression	蛋白质序列数据	整合三个基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）以提高多样性和减少同源性	NA	Transformer, CNN, TextCNN	准确率, 马修斯相关系数	NA
8419	2025-10-06	MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00697-4 PMID:40019659	研究论文	提出一种通过多尺度特征提取增强药物-靶点亲和力预测的深度学习架构	创新性地结合图神经网络、预训练大规模蛋白质模型和注意力机制，采用多尺度特征提取方法	NA	提高药物-靶点相互作用亲和力预测的准确性	药物分子和蛋白质靶点	机器学习	NA	深度学习	图神经网络, 双向长短期记忆网络, 注意力机制	分子结构图, 蛋白质序列	两个公开数据集	NA	多尺度卷积网络, ESM-2预训练模型	NA	NA
8420	2025-10-06	iEnhancer-GDM: A Deep Learning Framework Based on Generative Adversarial Network and Multi-head Attention Mechanism to Identify Enhancers and Their Strength 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00703-9 PMID:40335860	研究论文	提出基于生成对抗网络和多头注意力机制的深度学习框架iEnhancer-GDM，用于识别增强子及其强度预测	引入Wasserstein生成对抗网络进行数据增强，结合多头注意力机制和多尺度卷积神经网络提升模型性能	增强子训练数据集规模有限，可能导致模型过拟合和分类准确率问题	开发增强子识别及其强度预测的计算方法	DNA增强子序列	生物信息学	NA	DNA序列分析	GAN, CNN, LSTM, 多头注意力机制	DNA序列数据	NA	NA	WGAN-GP, 多尺度CNN, 双向LSTM, 多头注意力机制	准确率	NA