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
1861	2025-05-31	Application of deep learning convolutional neural networks to identify gastric squamous cell carcinoma in mice 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587417 PMID:40432719	研究论文	本研究应用深度学习卷积神经网络（CNN）建立小鼠胃鳞状细胞癌（GSCC）的检测模型，以提高病理诊断的准确性和一致性	首次将五种不同的CNN模型（FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）应用于小鼠GSCC的自动检测，并比较了它们的性能	研究样本量相对较小（93例GSCC和56例正常组织），且仅针对小鼠模型，未验证在人类样本中的适用性	开发基于深度学习的自动检测模型，提高药物非临床安全性评价中GSCC病理诊断的准确性和一致性	药物诱导的小鼠胃鳞状细胞癌（GSCC）和正常胃组织	数字病理学	胃癌	深度学习	CNN（包括FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）	数字病理图像	149例（93例GSCC和56例正常组织）
1862	2025-05-31	Rice disease detection method based on multi-scale dynamic feature fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1543986 PMID:40433155	research paper	提出了一种基于多尺度动态特征融合的水稻病害检测方法，旨在提高复杂农田环境中水稻叶片病害检测的准确性，并便于深度学习模型在移动终端上的部署以实现快速实时推理	引入了YOLOv11-MSDFF-RiceD网络，采用ParameterNet概念设计了FlexiC3k2Net模块和高效多尺度特征融合模块（EMFFM），优化了模型的性能并减少了计算复杂度和内存占用	在准确率提升方面仅有1.7%的改进，可能在某些高精度要求的场景下表现有限	提高水稻叶片病害检测的准确性，并优化模型以适应移动终端的部署	水稻叶片病害	computer vision	plant disease	deep learning	YOLOv11-MSDFF-RiceD	image	NA
1863	2025-05-31	Integration of smart sensors and phytoremediation for real-time pollution monitoring and ecological restoration in agricultural waste management 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1550302 PMID:40433163	研究论文	本文提出了一种结合生物地球化学模型和深度学习技术的Bio-DANN模型，用于提高农业废物管理和生态恢复中污染物监测和预测的准确性	结合生物地球化学模型和深度学习技术，提出Bio-DANN模型，实时处理多维环境数据，显著提高了污染物监测和生态恢复预测的准确性	未提及模型在极端环境条件下的表现或长期稳定性	开发一种高精度的污染物监测和生态恢复预测技术，以应对全球气候变化和生态退化问题	农业废物管理和生态恢复中的污染物监测与预测	环境科学与深度学习	NA	深度学习技术，包括DNN和注意力机制	Bio-DANN（结合生物地球化学模型和深度学习）	多维环境数据	基于Open Soil Data和NEON数据集进行实验
1864	2025-05-31	TS-Resformer: a model based on multimodal fusion for the classification of music signals 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1568811 PMID:40433555	研究论文	提出了一种基于多模态融合的音乐信号分类模型TS-Resformer，用于解决音乐流派分类中的特征提取不足和时间序列信息丢失问题	融合残差网络与Transformer编码层的Res-Transformer模型，以及结合不同注意力机制的TS-Resformer模型，设计了时频注意力机制以充分提取音乐的低级特征	未提及模型在大规模数据集上的泛化能力及计算资源消耗情况	提高音乐流派分类的准确率和效率	音乐信号	机器学习	NA	短时傅里叶变换、Mel滤波器、对数压缩	Res-Transformer, TS-Resformer	音频信号	FMA-small数据集
1865	2025-05-31	A comprehensive review of machine learning for heart disease prediction: challenges, trends, ethical considerations, and future directions 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1583459 PMID:40433606	review	本文全面回顾了机器学习在心脏病预测中的应用，包括技术进展、挑战和未来前景	展示了机器学习方法从传统分类器到混合深度学习和联邦学习框架的进展，并讨论了伦理问题和模型透明度	讨论了数据集限制和模型透明度问题	开发人工智能驱动的临床适用心脏病预测系统	心脏病预测的机器学习应用	machine learning	cardiovascular disease	机器学习	CNN-LSTM, 混合深度学习, 联邦学习	医疗健康数据	NA
1866	2025-05-31	Deep learning classification of drainage crossings based on high-resolution DEM-derived geomorphological information 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1561281 PMID:40433605	研究论文	本研究利用高分辨率数字高程模型（HRDEM）衍生的地貌信息，开发了先进的CNN模型EfficientNetV2，用于排水交叉分类	首次将HRDEM衍生的地貌特征（如POS、几何曲率和TPI）与先进的CNN模型结合，用于排水交叉分类，并通过XAI技术解释关键图像片段	研究未明确说明样本量大小，且仅测试了特定类型的HRDEM数据层	提高排水交叉分类的准确性	排水交叉	计算机视觉	NA	LiDAR, InSAR	CNN, EfficientNetV2	图像	NA
1867	2025-05-31	Performance of deep learning models for automatic histopathological grading of meningiomas: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1536751 PMID:40433621	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	首次全面评估深度学习模型在脑膜瘤分级中的表现，并提供了高精度的诊断性能数据	研究中存在中等到高度的异质性（I2 = 79.7%）	评估深度学习模型在脑膜瘤自动病理分级中的诊断性能	脑膜瘤患者的影像数据	数字病理	脑膜瘤	深度学习	DL	影像数据	27项研究，涉及13,130名患者
1868	2025-05-30	The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms 2025-Aug-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.114934 PMID:40311725	研究论文	研究伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响，并利用基于深度学习的对象检测算法进行分析	首次证明短暂的社交接触足以诱导社会缓冲效应，特别是在雌性大鼠中，并揭示了社交接触是提高社会缓冲效率的关键因素	研究仅针对青春期Sprague-Dawley大鼠，结果可能不适用于其他年龄段或物种	探究短暂社会缓冲效应及其在青春期雌性大鼠中的表现	青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性）	机器学习	NA	YOLOv8和BoT-SORT算法	深度学习	视频	青春期Sprague-Dawley大鼠（雄性和雌性）
1869	2025-05-30	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-Jul-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	review	本文综述了人工智能（AI）在孤立性肺结节（SPNs）诊断中的应用，重点关注临床实践中的挑战	探讨了AI在影像学和血液/组织诊断中的实用性，强调了实际应用中的挑战而非深度学习的技术细节	大多数模型缺乏前瞻性、多机构验证，存在过拟合和泛化能力有限的风险；AI的'黑箱'特性与医生评估的重叠输入（如结节大小、吸烟史）使临床工作流程整合复杂化	评估AI在孤立性肺结节诊断中的作用	孤立性肺结节（SPNs）	digital pathology	lung cancer	RNA sequencing	CNN, machine learning	image, clinical data	NA
1870	2025-05-30	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Jun-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	research paper	开发并验证了一种用于脊柱侧弯诊断的自动卷积神经网络(CNN)，以测量多种脊柱参数	提出了一种全自动的深度学习方法，不仅测量Cobb角，还包括其他多个脊柱参数，显著提高了测量效率和准确性	研究为单机构回顾性研究，样本量相对有限，特别是老年患者组样本较少(26例)	开发自动化的脊柱参数测量系统以改善脊柱侧弯诊断	1682名脊柱侧弯患者的正侧位X光片	digital pathology	脊柱侧弯	深度学习	CNN	医学影像(X光片)	1682名患者(包括87名青少年和26名老年患者)
1871	2025-05-30	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法，系统评估了机器学习在宿主-病原体相互作用预测中的应用，比较了不同算法的效果	首次系统比较了不同机器学习方法在宿主-病原体相互作用预测中的表现，并提出了未来研究方向	纳入分析的文献数量有限（30篇），且存在数据集标准化和模型可解释性方面的不足	评估机器学习算法在预测宿主-病原体相互作用方面的有效性和应用现状	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	传染病	机器学习算法（包括随机森林、梯度提升、CNN、RNN等）	Random Forest, Gradient Boosting, CNN, RNN	蛋白质相互作用数据	46篇初步筛选文献，最终纳入30篇进行分析
1872	2025-05-30	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	research paper	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部危险器官的自动分割	提出了MIAU-Net模型，并探索了不同虚拟能量水平对分割准确性的影响	研究仅基于46名患者的数据，样本量较小	提高基于双能CT的自动分割准确性	头部危险器官（如脑干、视交叉、晶状体等）	digital pathology	NA	DECT	MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse	image	46名患者的DECT数据
1873	2025-05-30	AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143668 PMID:40339839	研究论文	提出了一种基于指针网络的自动加权特征提取器AutoFE-Pointer，用于DNA甲基化预测	利用改进的软化指针网络动态提取和加权来自不同DNA序列的特征，能够同时处理17个不同物种的基准数据集，实现跨物种泛化并减少计算需求	未提及具体样本量或实验验证的局限性	开发精确高效的DNA甲基化预测工具	DNA甲基化模式	计算生物学	癌症	DNA甲基化测序	指针网络	DNA序列数据	NA
1874	2025-05-30	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	提出了一种全自动的多指标模型，用于颈动脉CTA图像质量评估，其性能与放射科医师的主观评估相当且效率更高	研究为回顾性设计，且仅使用了来自四家三级医院的840例颈动脉CTA图像	开发并评估用于颈动脉CT血管造影图像质量评估的全自动模型	颈动脉CT血管造影图像	数字病理	心血管疾病	深度学习，多元逻辑回归算法	3D Res U-net	图像	840例颈动脉CTA图像（来自四家三级医院）
1875	2025-05-30	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104993 PMID:40381258	research paper	比较分析深度学习在乳腺超声病灶检测和分类中的应用效果	首次探讨了结合病灶检测和分类步骤的影响，并公开了一个新的乳腺超声分割数据集BUS-UCLM	研究仅针对特定数据集，未涉及其他可能的深度学习模型或方法	评估不同深度学习方法在乳腺超声病灶检测和分类中的性能	乳腺超声图像中的病灶	digital pathology	breast cancer	deep learning	Mask R-CNN, Poolformer	image	五个数据集（包括新收集的BUS-UCLM和四个公开数据集：BUSI、OASBUD、RODTOOK、UDIAT）
1876	2025-05-30	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	research paper	提出了一种基于涂鸦监督的病理核分割框架S2L-CM，利用对比正则化和像素级多实例学习来提高分割性能	结合自生成的伪标签、多尺度对比正则化和像素级多实例学习来优化分割效果	性能仍不及全监督学习方法	开发一种弱监督学习方法以减少病理核分割中的人工标注需求	病理组织图像中的细胞核	digital pathology	NA	deep learning	CNN	image	四个细胞核数据集
1877	2025-05-30	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2025-May-29, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	research paper	本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法	通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳	研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力	提高放射治疗计划中风险器官（OARs）自动分割的精度和效率	盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs）	digital pathology	prostate cancer	CT	CNN, U-Net, ResU-Net, SegResNet, Attention U-Net	image	240例前列腺分割患者和220例其他器官分割患者
1878	2025-05-30	An Explainable Multimodal Artificial Intelligence Model Integrating Histopathological Microenvironment and EHR Phenotypes for Germline Genetic Testing in Breast Cancer 2025-May-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502833 PMID:40439693	研究论文	提出了一种可解释的多模态人工智能模型MAIGGT，整合组织病理学微环境特征和电子健康记录表型，用于乳腺癌胚系基因检测	MAIGGT模型通过多尺度Transformer架构和跨模态潜在表示统一机制，首次整合了组织病理学微环境和临床表型数据，实现了对BRCA1/2突变的精确预筛查	研究仅在三个独立队列中验证，需要更大规模的外部验证	开发一种成本效益高、可扩展且具有生物学解释性的遗传性乳腺癌预筛查方法	乳腺癌患者的组织病理学微环境特征和电子健康记录表型	数字病理学	乳腺癌	多模态深度学习	Transformer-based架构	全切片图像和电子健康记录	三个独立队列（具体数量未明确说明）
1879	2025-05-30	Hybrid attention-based deep learning for multi-label ophthalmic disease detection on fundus images 2025-May-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06858-x PMID:40439748	research paper	提出了一种基于混合注意力机制的深度学习模型HAM-DNet，用于眼底图像的多标签眼科疾病检测	结合EfficientNetV2和Vision Transformers (ViT)，并引入SE块进行基于注意力的特征优化和U-Net病变定位模块以提高可解释性	未提及模型在更广泛或多样化数据集上的泛化能力	开发一种准确、高效且可解释的多标签眼科疾病自动检测方法	眼底图像中的多标签眼科疾病	digital pathology	ophthalmic disease	deep learning	EfficientNetV2, Vision Transformers (ViT), U-Net	image	多个眼底图像数据集（ODIR-5K, Messidor, G1020, Joint Shantou International Eye Centre）
1880	2025-05-30	Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy 2025-May-29, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03421-1 PMID:40439827	research paper	提出了一种保留鼻窦解剖结构的面部去识别方法，并开发了两种自动化工作流程以处理大规模数据集	该方法在去识别过程中保留了鼻窦、鼻甲等耳鼻喉科相关解剖结构，同时提供了两种自动化工作流程（分割传播和nnU-Net深度学习模型）	需要进一步使用活体患者照片进行研究以全面验证其有效性	开发可靠的面部去识别方法以保护患者隐私，同时保留鼻窦相关解剖结构	成人头部CT扫描图像	digital pathology	NA	3D Slicer种子生长技术、分割传播、nnU-Net深度学习模型	nnU-Net	CT图像	20例成人头部CT扫描（来自新墨西哥州死者影像数据库）