深度学习在生物医药领域中的应用

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
121	2025-09-26	Harnessing interpretable novel combination of GloVe embedding with deep CNN-BiLSTM neural network for fake news detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330154 PMID:40982565	研究论文	本研究提出了一种结合GloVe嵌入与深度CNN-BiLSTM神经网络的可解释性假新闻检测方法	首次将GloVe嵌入与CNN-BiLSTM神经网络结合，并集成可解释人工智能技术提升模型透明度	仅使用单一公开数据集进行验证，未涉及多语言或多领域假新闻检测	开发高精度且可解释的假新闻检测系统	假新闻文本数据	自然语言处理	NA	GloVe嵌入、FastText嵌入、TF-IDF、LIME可解释性分析	CNN-BiLSTM、Bi-LSTM、逻辑回归	文本	公开假新闻数据集（具体数量未提及）
122	2025-09-26	CT-Based 2.5D Deep Learning-Multi-Instance Learning for Predicting Early Recurrence of Hepatocellular Carcinoma and Correlating with Recurrence-Related Pathological Indicators 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S541402 PMID:40984863	研究论文	基于CT动脉期图像开发2.5D深度学习-多示例学习模型，用于预测肝细胞癌早期复发并分析模型特征的生物学意义	首次将2.5D DL-MIL模型应用于HCC早期复发预测，并验证了MIL特征与微血管侵犯、Ki-67表达等病理指标的相关性	回顾性研究且样本量有限（191例患者），需要更大规模的前瞻性验证	评估2.5D DL-MIL模型在预测肝细胞癌早期复发方面的优势	191例肝细胞癌术后患者（79例早期复发组，112例非早期复发组）	数字病理	肝细胞癌	CT动脉期成像、SHAP分析	2.5D深度学习-多示例学习（2.5D DL-MIL）、放射组学模型、临床模型	CT医学图像、临床数据	191例HCC患者（训练集133例，验证集58例）
123	2025-09-26	Sentiment analysis of classical Chinese literature: An unsupervised deep learning model with BERT and graph attention networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330919 PMID:40986623	研究论文	提出一种融合BERT、情感词典和图注意力网络的无监督深度学习框架，用于古典文学的情感分析	首次将BERT嵌入、情感词典增强和图注意力网络结合，专门针对古典中文文本的复杂语言特征进行无监督情感分析	未明确说明训练数据的具体规模和来源，且无监督聚类方法可能对隐含情感的表达存在识别局限	开发适用于古典中文文学情感分析的深度学习模型	古典中文文学文本（历史文献和哲学著作）	自然语言处理	NA	无监督深度学习、情感分析、图注意力网络	BERT、GAT（图注意力网络）、K-Means聚类	文本	NA
124	2025-09-26	Water meter reading recognition method based on character attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332119 PMID:40991632	研究论文	提出一种基于字符注意力机制的水表读数识别方法，通过改进检测和识别网络提升自然场景下的识别准确率	引入字符检测注意力机制改进数字检测性能，结合改进的LeNet-5网络和全局平均池化层提升识别精度并缓解过拟合	NA	解决水表读数识别中因拍摄角度和环境光照变化导致的干扰问题	水表表盘图像中的数字字符	计算机视觉	NA	深度学习	ResNet-FPN、改进LeNet-5、注意力机制	图像	CCF真实场景水表读数自动识别数据集
125	2025-09-26	Intervertebral disc anomaly intelligent classification system based on deep learning, IDAICS 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1646008 PMID:40994700	研究论文	提出基于深度学习的椎间盘异常智能分类系统IDAICS，用于自动识别椎间盘病变	首次将YOLOv8-seg网络应用于椎间盘异常的多类别分类，实现93.2%的高分类准确率	样本量有限（仅574张CT图像），未进行外部验证	开发自动化椎间盘异常分类方法以提高脊柱健康管理的诊断效率	椎间盘异常（包括正常椎间盘、许莫氏结节、椎间盘膨出和椎间盘突出）	计算机视觉	脊柱疾病	深度学习图像分类	YOLOv8-seg	CT医学图像	574张椎间盘CT图像（500张训练集，74张验证集）
126	2025-09-26	Deep learning-based prediction of cerebral white matter hyperintensity burden using carotid magnetic resonance angiography 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1656705 PMID:40994715	研究论文	本研究开发了一种基于深度学习的框架，仅使用3D颈动脉TOF MRA来预测脑白质高信号负荷	首次利用常规采集的非侵入性颈动脉MRA图像，通过深度学习独立预测WMH负荷，为脑血管风险评估提供了新方法	研究中使用的样本量未明确说明，模型性能仍有提升空间	探讨颈动脉TOF MRA能否作为预测脑白质高信号负荷的独立标志物	脑白质高信号（WMH）和颈动脉血管影像	医学影像分析	脑血管疾病	磁共振血管成像（MRA），深度学习	SFCN, ResNet10, MedicalNet, Medical Slice Transformer	3D医学影像	NA
127	2025-09-26	Hyperspectral reconstruction for mobile diabetic foot blood perfusion monitoring 2025, BMC artificial intelligence DOI:10.1186/s44398-025-00011-8 PMID:40994833	研究论文	提出一种名为MobiPerf的移动糖尿病足血流灌注监测系统，通过深度学习实现高光谱重建	无需相机配置文件和环境光学校准，利用深度学习HRS模型实现跨相机泛化，并开发定制算法消除参考图像校准需求	对感染并发症的敏感性较为有限	开发移动端糖尿病足溃疡血流灌注监测系统	糖尿病足溃疡患者	计算机视觉	糖尿病足溃疡	高光谱成像(HSI)、高光谱重建(HSR)、远程光电容积脉搏波(rPPG)	深度学习模型	RGB图像、视频	公开糖尿病足溃疡图像数据集(N≥6000)、含接触式PPG的视频数据集(N=56)
128	2025-09-26	Construction of a prediction model for axillary lymph node metastasis in breast cancer patients based on a multimodal fusion strategy of ultrasound and pathological images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1591858 PMID:40994941	研究论文	基于超声和病理图像的多模态融合策略构建乳腺癌患者腋窝淋巴结转移预测模型	提出多层融合策略整合术前超声图像和H&E染色穿刺活检病理图像进行多模态深度学习预测	模型性能尚未达到最优水平	预测乳腺癌患者腋窝淋巴结转移状态	211例经组织学确诊的乳腺癌患者	数字病理	乳腺癌	深度学习	PLNeT、ULNet及多层融合模型	超声图像、病理图像	211例患者（每人采集1张超声图像和1张病理图像）
129	2025-09-26	Research progress of artificial intelligence in the early screening, diagnosis, precise treatment and prognosis prediction of three central gynecological malignancies 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1648407 PMID:40994951	综述	本文综述人工智能在三大妇科恶性肿瘤（子宫内膜癌、宫颈癌、卵巢癌）早期筛查、精准诊疗及预后预测中的最新应用进展	系统总结AI技术（特别是深度学习与机器学习）在三大高发妇科恶性肿瘤全流程管理中的创新应用潜力	辩证讨论当前AI技术在妇科肿瘤应用中存在的局限性（如耐药机制复杂性、诊疗质量差异等）	探讨人工智能技术在妇科肿瘤精准医疗领域的转化前景	子宫内膜癌、宫颈癌和卵巢癌三大妇科恶性肿瘤	人工智能医学应用	妇科恶性肿瘤	深度学习(DL)、机器学习(ML)	NA	医学影像、基因组数据、临床信息	NA
130	2025-09-26	Improving the diagnosis of endometrial cancer in postmenopausal women in primary care settings using an artificial intelligence-based ultrasound detecting model 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1646826 PMID:40994958	研究论文	开发基于深度学习的超声检测模型用于辅助绝经后女性子宫内膜癌的初级诊疗	首次将深度学习技术应用于绝经后女性子宫内膜癌的超声影像分析，整合子宫内膜厚度、肿瘤均质性及血流参数等多维度特征	研究数据仅来源于单一中医医院，未进行多中心验证	提高初级医疗机构对绝经后女性子宫内膜癌的超声诊断效率	经子宫内膜活检确诊的877例子宫内膜癌患者超声影像	数字病理	子宫内膜癌	灰度超声成像、血流参数分析（BFA/RI/EDV/PSV）	深度学习模型	超声图像	877例患者超声影像（训练集614例、验证集175例、测试集88例）
131	2025-09-26	Estimating the full-period rice leaf area index using CNN-LSTM-Attention and multispectral images from unmanned aerial vehicles 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1636967 PMID:40995010	研究论文	提出一种结合CNN、LSTM和自注意力机制的深度学习模型，利用无人机多光谱影像实现水稻全生育期叶面积指数的高精度估算	首次将CNN-LSTM与注意力机制结合应用于水稻LAI估算，能够有效降低低LAI值时的土壤背景干扰	NA	开发高效准确的水稻叶面积指数估算方法，服务于精准农业管理	水稻作物	计算机视觉	NA	无人机多光谱成像、深度学习	CNN-LSTM-Attention (CLA)	多光谱图像	NA
132	2025-09-26	A deep learning/machine learning approach for anomaly based network intrusion detection 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1625891 PMID:40995028	研究论文	提出一种融合多种机器学习和深度学习算法的混合异常网络入侵检测系统	首次整合XGBoost、随机森林、图神经网络、LSTM和自编码器等多种算法，并采用加权软投票集成策略	NA	开发能够检测已知和新兴网络攻击的高级入侵检测系统	网络流量数据	机器学习	NA	SMOTE过采样技术、5折交叉验证	XGBoost、Random Forest、GNN、LSTM、Autoencoders	网络流量记录	超过560万条网络流量记录
133	2025-09-26	Development and internal validation of a mammography-based model fusing clinical, radiomics, and deep learning models for sentinel lymph node metastasis prediction in breast cancer 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1659422 PMID:40995087	研究论文	开发基于乳腺X线摄影融合临床、影像组学和深度学习模型的哨兵淋巴结转移预测方法	提出概率后融合方法整合临床特征、影像组学特征和深度学习特征进行多模态融合预测	仅进行内部验证，需要更大规模外部验证	评估乳腺癌患者哨兵淋巴结转移状态	乳腺癌患者	数字病理	乳腺癌	乳腺X线摄影、影像组学分析、深度学习特征提取	随机梯度下降、支持向量机、多模态融合模型	医学影像	训练集203例，内部验证集87例，独立测试集82例
134	2025-09-26	An MRI based histogram oriented gradient and deep learning approach for accurate classification of mild cognitive impairment and Alzheimer's disease 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1529761 PMID:40995095	研究论文	提出一种结合HOG特征提取和深度学习方法的MRI图像分析框架，用于阿尔茨海默病的早期诊断和分期分类	首次将Harris角点兴趣点与HOG特征提取方法结合，并比较三种分类器在AD分期诊断中的性能	NA	开发基于MRI的非侵入性早期阿尔茨海默病诊断方法	阿尔茨海默病患者（包括正常对照CN、轻度认知障碍MCI和AD患者）的脑部MRI图像	医学影像分析	阿尔茨海默病	Harris角点检测、HOG特征提取、深度学习	SVM、KNN、DNN	T1加权脑部MRI图像	NA
135	2025-09-26	Convolutional neural networks decode finger movements in motor sequence learning from MEG data 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1623380 PMID:40995145	研究论文	本研究验证了一种紧凑卷积神经网络用于从MEG数据中解码手指运动	采用线性有限脉冲响应卷积神经网络实现快速可解释的手指运动解码	仅针对食指和中指运动进行解码，未涵盖所有手指	开发非侵入性脑机接口技术以解码手指运动模式	健康参与者的手指运动脑磁图数据	脑机接口	NA	脑磁图、序列反应时间任务	LF-CNN、EEGNet、FBCSP-ShallowNet、VGG19	脑磁图信号	健康参与者（具体人数未在摘要中说明）
136	2025-09-25	Subject-specific acceleration of simultaneous quantification of blood flow and T1 of the brain using a dual-flip-angle phase-contrast stack-of-stars sequence 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110495 PMID:40784463	研究论文	开发一种用于脑部血流和T1值同步定量分析的高加速MRI技术	提出结合双翻转角相位对比星形堆栈序列与深度学习重建算法，实现16倍加速的同步数据采集	仅在定量体模和6名健康志愿者中进行验证，样本量较小	开发快速同步定量脑部血流和组织T1值的MRI技术	脑部动脉血流和脑组织	医学影像分析	脑血管疾病	双翻转角相位对比星形堆栈序列、深度学习重建算法	INRESP（混合特征哈希编码隐式神经表示与显式稀疏先验知识结合）	MRI影像数据	定量体模实验和6名健康志愿者
137	2025-09-25	Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort 2025-Oct, Infection IF:5.4Q1 DOI:10.1007/s15010-025-02555-3 PMID:40377852	研究论文	通过深度学习自动分析老年COVID-19患者的身体成分，研究肌肉减少症和肥胖对死亡率的影响	首次使用预训练深度学习模型自动分析常规胸部CT扫描的身体成分，并比较肥胖和肌肉减少症对重症呼吸道感染患者死亡率的影响	样本量相对较小（157例患者），仅针对60岁以上COVID-19肺炎患者	评估身体成分参数（特别是肌肉减少症和肥胖）对老年重症呼吸道感染患者死亡率的影响	60岁以上确诊重症COVID-19肺炎的住院患者	数字病理学	COVID-19	深度学习、CT影像分析	预训练深度学习模型	医学影像（胸部CT扫描）	157名住院患者（来自57个研究中心的NAPKON-SUEP队列）
138	2025-09-25	A CT-Based Deep Learning Radiomics Nomogram for Early Recurrence Prediction in Pancreatic Cancer: A Multicenter Study 2025-Oct, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17748-1 PMID:40619487	研究论文	本研究开发了一种基于CT的深度学习影像组学列线图，用于胰腺癌患者术后早期复发的术前预测	首次将深度学习特征与影像组学特征相结合，并整合临床因素构建综合预测模型	回顾性研究设计，样本量相对有限（493例患者）	术前准确预测胰腺癌患者术后早期复发风险	经组织学确诊并接受手术切除的胰腺癌患者	数字病理	胰腺癌	增强CT影像分析、影像组学、深度学习	随机森林（RF）、支持向量机（SVM）	医学影像（CT图像）	493例胰腺癌患者的多中心回顾性队列
139	2025-09-25	An overview of reliable and representative DVC measurements for musculoskeletal tissues 2025-Oct, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70008 PMID:40636996	综述	本文综述了数字体积相关技术在肌肉骨骼组织生物力学研究中的最新进展与应用	重点关注组织界面处理、边界效应和不确定性量化等关键技术挑战，并探讨深度学习与计算建模的集成应用	指出当前精度限制和临床转化挑战，需开发更稳健的自动化工作流程	评估DVC技术在肌肉骨骼组织生物力学表征中的可靠性和代表性	矿化组织和软组织等多尺度肌肉骨骼组织	生物力学工程	肌肉骨骼疾病	数字体积相关技术	深度学习	3D影像数据	NA
140	2025-09-25	MRS-Sim: Open-Source Framework for Simulating In Vivo-Like Magnetic Resonance Spectra 2025-Oct, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70130 PMID:40955682	研究论文	介绍MRS-Sim开源框架，用于模拟逼真的体内磁共振波谱数据	包含两个新颖组件：3D磁场图模拟器和半参数生成器，能够模拟从原始多线圈瞬态数据到预处理数据的完整流程	模拟结果的真实性依赖于现有体内数据拟合参数的分析准确性	开发用于磁共振波谱研究的合成数据模拟框架	磁共振波谱数据	医学影像分析	NA	磁共振波谱技术	半参数生成器	光谱数据	NA