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
281	2025-07-30	A new low-rank adaptation method for brain structure and metastasis segmentation via decoupled principal weight direction and magnitude 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11632-4 PMID:40721601	研究论文	提出了一种名为PDoRA的新型参数高效微调方法，用于脑部图像分割任务，减少对大量标注数据和计算资源的依赖	通过将模型权重分解为主权重和残差权重，并将主权重进一步分为幅度和方向，实现了独立微调，提升了模型捕捉任务特定特征的能力	未提及具体的数据集规模限制或模型泛化能力的详细评估	解决医学图像分割中对大量标注数据和计算资源的依赖问题	脑部结构和转移瘤的分割	数字病理	脑部疾病	深度学习	SwinUNETR	医学图像	三个不同的医学图像数据集
282	2025-07-30	Classification of skin diseases with deep learning based approaches 2025-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13275-x PMID:40721845	研究论文	该研究利用深度学习方法对三种皮肤疾病（湿疹、皮肤癌和脂溢性皮炎）进行分类	结合特征选择算法Relief和简化架构的AlexNet模型，提供了一种新的皮肤疾病分类方法	研究仅针对三种特定皮肤疾病，可能不适用于其他皮肤病症	提高皮肤疾病的自动分类准确率，以支持早期诊断和治疗	湿疹、皮肤癌和脂溢性皮炎患者	计算机视觉	皮肤癌	Relief算法	AlexNet, SVM	图像	2213名个体（693名湿疹患者，750名皮肤癌患者，770名脂溢性皮炎患者）
283	2025-07-30	Quantitative evaluation of hydrocarbon contamination in soil using hyperspectral data-a comparative study of machine learning models 2025-Jul-28, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14386-8 PMID:40721876	研究论文	本研究评估了机器学习和深度学习技术在利用高光谱数据快速预测土壤中碳氢化合物污染方面的适用性	比较了多种机器学习模型在高光谱数据预测碳氢化合物污染中的表现，并发现XGB回归器在准确性和鲁棒性之间取得了良好平衡	汽油污染模型的准确性较低，因为其光谱特征较难区分	评估机器学习和深度学习技术在高光谱数据预测土壤碳氢化合物污染中的适用性	三种类型土壤（黏土、粉土和砂土）中的碳氢化合物污染	机器学习	NA	高光谱成像、GC-MS	XGB regressor, 神经网络	高光谱数据	三种土壤类型（黏土、粉土和砂土）的合成污染样本，污染范围为0至10,000 mg/kg
284	2025-07-30	DBA-ViNet: an effective deep learning framework for fruit disease detection and classification using explainable AI 2025-Jul-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07015-6 PMID:40721988	研究论文	本研究开发了一种名为DBA-ViNet的深度学习框架，用于水果病害的检测和分类，并利用可解释AI技术提高模型的透明度和可信度	提出了一种新的双分支注意力引导视觉网络（DBA-ViNet），能够有效整合全局和局部特征以提高病害识别准确率，并利用Grad-CAM可视化模型关注区域	未进行统计显著性检验，将在未来工作中探索	开发一个有效且稳健的模型，用于水果病害的识别和分类	苹果、番石榴、芒果、石榴和橙子等水果的病害图像	计算机视觉	水果病害	计算机视觉技术	DBA-ViNet（双分支注意力引导视觉网络），并比较了Swin Transformer、EfficientNetV2、ConvNeXt、YOLOv8和MobileNetV3等预训练CNN模型	图像	开源水果病害图像数据集，包含五种水果的病害和健康样本，数据分为70%训练、15%验证和15%测试，并采用5折交叉验证
285	2025-07-30	Prediction of 1p/19q state in glioma by integrated deep learning method based on MRI radiomics 2025-Jul-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14454-9 PMID:40722008	research paper	本研究开发了一种基于MRI影像组学的深度学习方法来预测低级别胶质瘤患者的1p/19q分子状态	提出了一种集成变分自编码器(VAE)、信息增益(IG)和卷积神经网络(CNN)的集成卷积神经网络(ECNN)方法	研究为回顾性研究，样本量相对有限(218例)	预测低级别胶质瘤患者的1p/19q分子状态	低级别胶质瘤患者	digital pathology	glioma	MRI radiomics	ECNN (集成VAE、IG和CNN)	MRI图像(增强T1加权和T2加权图像)	218例低级别胶质瘤患者(155例来自TCIA数据库，63例来自区域医疗中心)
286	2025-07-30	Diagnostic accuracy of artificial intelligence for obstructive sleep apnea detection: a systematic review 2025-Jul-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03129-x PMID:40722158	系统综述	本文系统评估了人工智能模型在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性	首次系统评估了多种AI模型在OSA诊断中的表现，并比较了不同架构的准确性	研究存在透明度、可解释性以及性能变异性的挑战，需要更多样化的训练数据集来提高临床应用的普适性	评估AI模型在阻塞性睡眠呼吸暂停诊断中的准确性	成人阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	AI算法（包括深度学习和机器学习）	深度学习、机器学习和混合模型	临床特征数据	13项研究纳入最终分析
287	2025-07-30	AFM-Based Deep Learning Decodes Human Macrophage Mechanophenotypes 2025-Jul-28, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500953 PMID:40722235	研究论文	本研究介绍了一种结合原子力显微镜（AFM）和深度学习的方法，用于无标记、单细胞分辨率的巨噬细胞机械表型分析	开发了一种集成AI-AFM平台，能够无标记、动态地分类巨噬细胞的机械表型，揭示了混合极化状态并关联了细胞骨架重塑与机械生物标志物	未提及具体样本量或实验重复次数，可能影响结果的普遍性	建立一种动态、非破坏性的免疫监测策略，重新定义细胞力学在诊断和治疗中的重要性	人类巨噬细胞的不同功能表型（M0、M1、M2）	生物医学工程	免疫相关疾病	原子力显微镜（AFM）、深度学习	深度神经网络（DNN）	纳米级力学映射数据（杨氏模量、粘附性、球形度等）	NA
288	2025-07-30	Toward data-driven predictive modeling of electrocatalyst stability and surface reconstruction 2025-Jul-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0271797 PMID:40728259	Perspective	本文系统评估了理论和计算催化科学中的经典与数据驱动方法，探讨其在电催化剂降解和重构预测建模中的应用	结合物理学驱动的机器学习最新进展，提出数据驱动计算方法以优化电催化剂的溶解动力学和重构动力学	现有方法在吞吐量、效率、准确性、偏差、可转移性和可扩展性方面存在局限	理解和优化电催化剂在恶劣操作条件下的稳定性和动力学	电催化剂的溶解和表面重构过程	computational catalysis	NA	first-principle simulations, neural network interatomic potentials, generative deep learning models	neural network, deep learning models	simulation data	NA
289	2025-07-30	Deep Learning Network Selection and Optimized Information Fusion for Enhanced COVID-19 Detection: A Literature Review 2025-Jul-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141830 PMID:40722579	review	本文综述了深度学习在COVID-19检测中的应用，特别是通过胸部影像学（如X光和CT）进行诊断的方法	探讨了卷积神经网络（CNNs）和新兴的视觉变换器（ViTs）在识别COVID-19相关肺部异常中的性能，并指出ViTs在性能和数据处理上的优势	COVID-19检测的进展受到数据集有限、非均匀以及图像标准差异等问题的限制，同时存在诊断过拟合和泛化能力差的问题	评估深度学习架构在COVID-19检测中的发展和性能，探索信息融合技术以提升诊断效果	深度学习架构（如CNNs和ViTs）在COVID-19检测中的应用	digital pathology	COVID-19	深度学习（DL），信息融合技术	CNN, ViT	image（CXR, CT）, 临床数据, 咳嗽声音评估	NA
290	2025-07-30	Smart Dairy Farming: A Mobile Application for Milk Yield Classification Tasks 2025-Jul-21, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15142146 PMID:40723610	研究论文	本研究利用基于图像的轻量级深度学习模型对奶牛的产奶量进行分类，分为低、中、高三个等级，通过自动检测奶牛的乳房区域实现	采用YOLOv11架构实现高效的实时目标检测与分类，并将模型部署到移动应用中，支持非专业用户进行现场评估	分类错误主要发生在类别边界附近，强调了图像采集条件一致性的重要性	支持奶牛生产系统中的决策制定，特别是在传统数据收集方法不可用或不切实际的场景中	奶牛的乳房区域图像	计算机视觉	NA	深度学习	YOLOv11	图像	公开的奶牛图像数据集，标注有305天产奶量记录，并选择平衡的子集用于训练、验证和测试
291	2025-07-30	Machine Learning-Based Prognostic Signature in Breast Cancer: Regulatory T Cells, Stemness, and Deep Learning for Synergistic Drug Discovery 2025-Jul-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26146995 PMID:40725242	研究论文	本研究探讨了乳腺癌肿瘤免疫微环境中癌症干细胞性与调节性T细胞（Tregs）的相互作用，并开发了一个基于机器学习的预后特征模型	通过整合调节性T细胞分化相关基因和干细胞性相关基因，构建了一个预后风险模型，并利用深度学习筛选出具有协同效应的药物	研究仅基于RNA-Seq数据，未考虑其他类型的分子数据如蛋白质组学或表观遗传学数据	研究乳腺癌肿瘤免疫微环境中癌症干细胞性与调节性T细胞的相互作用，并开发预后模型	乳腺癌患者及其肿瘤免疫微环境中的调节性T细胞和癌症干细胞	机器学习	乳腺癌	RNA-Seq, 分子对接, 深度学习	LASSO, 单变量Cox回归, 深度学习	RNA-Seq数据	四个ICI RNA-Seq队列
292	2025-07-30	AI-Driven Polypharmacology in Small-Molecule Drug Discovery 2025-Jul-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26146996 PMID:40725243	综述	本文综述了多药理学在小分子药物发现中的应用及其AI驱动的最新进展	强调了AI技术（如深度学习、强化学习和生成模型）在多靶点药物设计和优化中的加速作用	讨论了当前AI方法在多靶点设计中面临的挑战和限制	探索多药理学在克服生物冗余、网络补偿和耐药性方面的潜力	小分子药物及其多靶点设计	药物发现	肿瘤学、神经退行性疾病、代谢紊乱、传染病	计算化学、网络药理学、系统生物学、CRISPR功能筛选	深度学习、强化学习、生成模型	组学数据、体外实验数据	NA
293	2025-07-30	Exploration of 3D Few-Shot Learning Techniques for Classification of Knee Joint Injuries on MR Images 2025-Jul-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141808 PMID:40722557	研究论文	本文提出了一种名为MedNet-FS的3D少样本学习框架，用于从MR图像中准确分类膝关节损伤	MedNet-FS利用领域特定的预训练权重和广义端到端(GE2E)损失来生成区分性嵌入，显著减少了数据依赖性	在外部验证中，对部分撕裂的ACL分类效果不佳(AUC最高0.58)	开发一个能够从少量标注样本中学习并准确分类膝关节损伤的AI工具	膝关节MR图像	计算机视觉	膝关节损伤	少样本学习(FSL)	MedNet-FS	3D MR图像	MRNet数据集(k=40支持样本)，KneeMRI数据集
294	2025-07-30	Automated Aneurysm Boundary Detection and Volume Estimation Using Deep Learning 2025-Jul-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141804 PMID:40722553	研究论文	本研究提出了一种利用深度学习的自动方法，用于检测动脉瘤边界并估算体积，旨在改善临床风险评估和治疗规划	结合预训练神经网络和专家系统，无需手动主动脉分割，即可在未标注数据集上实现动脉瘤边界检测和体积估算	研究使用的数据集缺乏像素级的主动脉分割标注，可能影响模型在更复杂病例中的表现	开发自动化工具以提高动脉瘤体积测量的准确性和效率，支持临床决策	60名患者的动脉瘤影像数据	数字病理	心血管疾病	深度学习	UNet, SAM2, LSTM	医学影像	60名患者的未标注数据集
295	2025-07-30	Turkish Chest X-Ray Report Generation Model Using the Swin Enhanced Yield Transformer (Model-SEY) Framework 2025-Jul-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141805 PMID:40722555	研究论文	开发了一个基于深度学习的模型Model-SEY，用于从胸部X光图像自动生成土耳其语医学报告	首次针对土耳其语开发了基于深度学习的胸部X光自动报告系统，结合了Swin Transformer和cosmosGPT架构	未明确提及具体局限性，但作为早期研究可能存在数据集规模或语言覆盖范围的限制	开发土耳其语的胸部X光自动报告生成系统以支持临床决策	胸部X光图像及其对应的土耳其语医学报告	计算机视觉与自然语言处理的交叉领域	肺部疾病	深度学习	Swin Transformer（编码器） + cosmosGPT（解码器）	图像-文本对（胸部X光片与报告）	来自Elazıg Fethi Sekin City Hospital和Indiana University Chest X-Ray数据集的图像-报告对
296	2025-07-30	Automated Analysis of Vertebral Body Surface Roughness for Adult Age Estimation: Ellipse Fitting and Machine-Learning Approach 2025-Jul-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141794 PMID:40722542	research paper	本文提出了一种自动分析椎体表面粗糙度的方法，用于成人年龄估计，通过椭圆拟合和机器学习方法实现	引入了一种客观的表面粗糙度度量标准（DS），并自动计算每块椎体的该值，提供了一种透明且观察者独立的成人年龄估计方法	需要进一步简化图像准备步骤，并在不同人群中验证该方法的适用性	开发一种客观、自动化的方法来估计成人年龄，用于法医学应用	176名成年人（94名男性，82名女性；年龄21-94岁）的CT扫描图像	digital pathology	geriatric disease	CT扫描	SVR, RF, k-NN, GNB-R	image	176名成年人（94名男性，82名女性）
297	2025-07-30	Application of Image Computing in Non-Destructive Detection of Chinese Cuisine 2025-Jul-16, Foods (Basel, Switzerland) DOI:10.3390/foods14142488 PMID:40724316	研究论文	本研究应用高光谱成像和深度学习算法，开发了一种非破坏性检测中国菜肴质量与安全的方法	首次将高光谱成像与特定领域的深度学习算法（空间-光谱卷积网络与注意力机制）相结合，用于中国菜肴的复杂成分和烹饪特点的非破坏性检测	研究可能受限于特定中国菜品种类的样本覆盖范围，未提及对其他地区或国家菜肴的适用性	提高中国菜肴质量与安全的非破坏性检测准确性和效率	中国菜肴，包括15种主要类别（如麻婆豆腐、虾饺等）及其特定成分（如发酵黑豆、莲藕）	计算机视觉	NA	高光谱成像	空间-光谱卷积网络（带有注意力机制）	图像	15种主要中国菜品类别的样本
298	2025-07-30	Digital Alchemy: The Rise of Machine and Deep Learning in Small-Molecule Drug Discovery 2025-Jul-16, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26146807 PMID:40725054	综述	本文全面分析了人工智能（AI）和机器学习（ML）对现代药物设计的变革性影响，特别关注这些先进计算技术如何解决传统小分子药物设计方法的固有局限性	探讨了生成模型和强化学习等前沿ML和深度学习（DL）范式如何革新化学空间探索、增强结合亲和力预测、改进蛋白质灵活性建模并自动化关键设计任务	讨论了数据质量、模型可解释性、伦理考虑和不断变化的监管环境等当前挑战	分析AI和ML如何优化小分子药物设计流程，解决传统方法的效率问题	小分子药物设计	机器学习	NA	结构基于虚拟筛选（SBVS）和配体基于虚拟筛选（LBVS）	生成模型、强化学习	化学数据	NA
299	2025-07-30	Implementation of a Conditional Latent Diffusion-Based Generative Model to Synthetically Create Unlabeled Histopathological Images 2025-Jul-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070764 PMID:40722456	研究论文	本研究探讨了在医疗领域中应用条件潜在扩散模型来合成未标记的组织病理学图像	利用条件潜在扩散模型和VQ-GAN在潜在空间中进行图像生成，并结合聚类结果作为条件机制，提高了合成图像的多样性和可控性	未提及具体样本量及合成图像在临床实践中的验证效果	探索生成模型在医疗图像合成中的应用	未标记的组织病理学图像	数字病理学	NA	潜在扩散模型，VQ-GAN	条件潜在扩散模型，VQ-GAN	图像	NA
300	2025-07-30	Harnessing YOLOv11 for Enhanced Detection of Typical Autism Spectrum Disorder Behaviors Through Body Movements 2025-Jul-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141786 PMID:40722535	研究论文	该研究利用YOLOv11深度学习模型通过分析身体动作实时检测自闭症谱系障碍(ASD)典型行为	采用YOLOv11模型实现ASD典型行为的实时检测，相比基线模型(如CNN和LSTM)在准确率、精确度、召回率和F1分数上表现更优	数据集规模较小(72个视频，13,640张图像)，且仅包含四种行为类别	开发一个实时ASD筛查系统，帮助临床医生、教育者和护理人员进行早期干预和持续行为监测	自闭症谱系障碍(ASD)患者的典型行为(如手拍打、身体摇摆、摇头)	计算机视觉	自闭症谱系障碍	深度学习	YOLOv11	视频	72个视频(13,640张图像)