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
41	2025-09-26	Historical evolution and current research status of lymph node staging in gastric cancer: a review 2025-Sep-24, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-03989-7 PMID:40993666	综述	系统回顾胃癌淋巴结分期的历史演变、现状与人工智能新技术应用	总结了LNR、LODDS、NLNC等新型分期参数，并引入人工智能技术在淋巴结转移评估中的前沿进展	NA	梳理胃癌淋巴结分期体系的发展脉络并为新一代预后框架提供参考	胃癌淋巴结分期系统及相关临床研究	数字病理	胃癌	机器学习、深度学习	ML、DL模型	临床分期数据	NA
42	2025-09-26	MaskMol: knowledge-guided molecular image pre-training framework for activity cliffs with pixel masking 2025-Sep-24, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02389-3 PMID:40993695	研究论文	提出一种基于知识引导和像素掩码的分子图像自监督学习框架MaskMol，用于解决活性悬崖问题	首次将像素掩码技术应用于分子图像表示学习，通过多层级分子知识引导提升对细微结构变化的识别能力	NA	开发能够准确识别活性悬崖分子的图像表示学习方法	分子图像和活性悬崖分子对	计算化学	肿瘤	自监督学习、像素掩码	深度学习框架	分子图像	20种不同大分子靶标的化合物数据
43	2025-09-26	Deep learning and radiomics integration of photoacoustic/ultrasound imaging for non-invasive prediction of luminal and non-luminal breast cancer subtypes 2025-Sep-24, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02113-7 PMID:40993716	研究论文	本研究开发了一种融合光声/超声成像与临床特征的深度学习放射组学模型，用于术前预测乳腺癌分子亚型	首次将光声/超声成像与深度学习放射组学特征相结合构建集成预测模型	样本量相对有限（388例患者），需多中心验证	开发术前无创区分管腔型与非管腔型乳腺癌亚型的预测模型	乳腺癌患者	医学影像分析	乳腺癌	光声/超声成像、放射组学分析	ResNet50、LASSO回归、逻辑回归	医学影像（PA/US图像）、临床数据	388例乳腺癌患者（训练组271例，测试组117例）
44	2025-09-26	scKAN: interpretable single-cell analysis for cell-type-specific gene discovery and drug repurposing via Kolmogorov-Arnold networks 2025-Sep-24, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03779-0 PMID:40993718	研究论文	提出scKAN可解释性框架，用于单细胞RNA测序数据分析，实现细胞类型注释和细胞特异性基因发现	采用Kolmogorov-Arnold网络的可学习激活曲线建模基因-细胞关系，比传统注意力机制更直观可解释	NA	开发可解释的单细胞分析框架，连接分子洞察与治疗应用	单细胞RNA测序数据	生物信息学	胰腺导管腺癌	单细胞RNA测序(scRNA-seq)，分子动力学模拟	Kolmogorov-Arnold网络(KAN)	基因表达数据	NA
45	2025-09-26	A dual-branch deep learning network for circulating tumor cells classification 2025-Sep-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07057-2 PMID:40993750	研究论文	提出一种结合双分支深度学习网络和传统图像处理技术的循环肿瘤细胞自动识别框架	创新性地融合双分支网络结构与图像/荧光特征，通过分割算法提升特征表示鲁棒性	NA	提高循环肿瘤细胞的自动识别准确率和效率	外周血中的循环肿瘤细胞	数字病理	肿瘤	深度学习、图像处理技术	双分支深度学习网络	荧光图像	NA
46	2025-09-26	Artificial intelligence in healthcare and medicine: clinical applications, therapeutic advances, and future perspectives 2025-Sep-23, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03196-w PMID:40988064	综述	本文综述人工智能在医疗健康领域的临床应用、治疗进展及未来前景	系统阐述AI作为变革性工具在提升医疗效率、促进健康公平方面的创新潜力	NA	探讨AI在医疗领域的应用价值及实施策略	全球医疗系统及AI技术应用	医疗人工智能	NA	机器学习和深度学习	NA	电子健康记录、医学影像、基因组数据	NA
47	2025-09-24	Correction: Myocardial scar and left ventricular ejection fraction classification for electrocardiography image using multi-task deep learning 2025-Sep-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18185-6 PMID:40983619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
48	2025-09-26	Lightweight deep learning model for crime pattern recognition based on transformer with simulated annealing sparsity and CNN 2025-Sep-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07260-7 PMID:40983626	研究论文	提出一种基于Transformer和CNN的轻量级深度学习模型LCRNet，用于犯罪模式识别	在Transformer的多头自注意力机制中引入模拟退火稀疏化方法，有效降低计算开销	模型可解释性有待增强，在资源受限环境中的适应性需要进一步验证	为公共安全治理提供高效的犯罪模式识别智能支持	洛杉矶真实犯罪数据	机器学习	NA	模拟退火稀疏化	Transformer, CNN	犯罪数据	真实犯罪数据集（含跨数据集测试）
49	2025-09-26	Deciphering the sequence basis and application of transcriptional initiation regulation in plant genomes through deep learning 2025-Sep-22, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03782-5 PMID:40983924	研究论文	开发可解释深度学习模型GenoRetriever解析植物转录起始调控的序列基础	首次通过多作物基因组STRIPE-seq数据建立可解释深度学习模型，系统揭示27个核心启动子基序功能	研究主要聚焦作物基因组，未涵盖所有植物物种	解析植物转录起始调控的序列基础及其在作物改良中的应用	16种大豆组织和6种其他作物的转录起始位点	机器学习	NA	STRIPE-seq、深度学习、饱和突变、启动子活性检测	深度学习模型	基因组序列数据	16种大豆组织+6种作物基因组数据
50	2025-09-24	GeneRAIN: multifaceted representation of genes via deep learning of gene expression networks 2025-Sep-22, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03749-6 PMID:40983974	研究论文	开发基于Transformer的GeneRAIN模型套件，通过41万个人类批量RNA-seq样本学习基因表达关系	提出创新的Binning-By-Gene标准化技术和多维度基因表征GeneRAIN-vec，实现从蛋白质编码基因到长链非编码RNA的知识迁移	NA	推进Transformer和自监督深度学习在基因表达数据中的应用，增强生物学探索能力	人类基因表达网络，特别是13,030个长链非编码RNA	机器学习	NA	RNA-seq，深度学习	Transformer	基因表达数据	410,000个人类批量RNA-seq样本
51	2025-09-26	Development and Temporal Validation of a Deep Learning Model for Automatic Fetal Biometry from Ultrasound Videos 2025-Sep-22, Journal of gynecology obstetrics and human reproduction IF:1.7Q3 DOI:10.1016/j.jogoh.2025.103039 PMID:40992502	研究论文	开发基于深度学习的AI系统，用于从超声视频中自动识别标准胎儿切面、测量生物指标并估算胎儿体重	首次提出结合标准切面识别与生物指标测量的端到端深度学习系统，并采用前瞻性时间验证方法	仅针对健康胎儿进行验证，未包含异常病例	开发自动胎儿生物指标测量系统以减少操作者差异	胎儿超声视频图像	医学影像分析	产科超声	深度学习神经网络	DNN	超声视频和图像	训练集16,626张图像，验证集281个健康胎儿超声视频
52	2025-09-26	Artificial Intelligence Enabled Tumor Diagnosis and Treatment: Status, Breakthroughs and Challenges 2025-Sep-22, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.104963 PMID:40992526	综述	本文综述人工智能在肿瘤诊疗领域的应用现状、突破性进展与面临挑战	系统整合多模态学习、可解释性AI和AI驱动药物发现等前沿进展，提出下一代精准肿瘤学发展路径	未涉及具体临床验证数据，主要聚焦技术框架层面的挑战分析	综合评述AI在肿瘤学全流程的应用进展并分析临床转化障碍	肿瘤诊疗全流程（筛查、诊断、治疗决策、预后预测）	数字病理	肿瘤	深度学习	深度学习架构	多模态数据（影像、病理、临床数据）	NA
53	2025-09-26	An updated patent review of small molecule glucagon receptor antagonists (2020-2024) 2025-Sep-21, Expert opinion on therapeutic patents IF:5.4Q1 DOI:10.1080/13543776.2025.2559928 PMID:40968011	综述	对2020-2024年间小分子胰高血糖素受体拮抗剂专利进展的全面评述	发现创新主体从制药公司转向学术机构，并引入深度学习和虚拟筛选等新技术开发新型化学结构	需要临床研究验证这些化合物能否克服当前开发瓶颈并解决安全性问题	分析小分子GCGR拮抗剂的最新专利进展和研发趋势	小分子胰高血糖素受体拮抗剂及相关专利文献	药物研发	糖尿病	深度学习、虚拟筛选、结构机制研究	NA	专利数据、临床数据、文献数据	2020-2024年期间的专利和文献资料
54	2025-09-26	Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study 2025-Sep-19, JMIR formative research IF:2.0Q4 DOI:10.2196/66156 PMID:40971792	研究论文	本研究通过横断面调查评估摩洛哥医学生对人工智能的认知水平和态度	首次针对摩洛哥医学生群体开展人工智能认知度的系统性研究	采用滚雪球抽样方法，可能存在选择偏差；样本仅来自单一医学院	评估医学生对人工智能的知识掌握程度和接受态度	摩洛哥阿加迪尔医学院1-7年级的580名本科医学生	医学教育	NA	横断面调查、在线问卷	NA	问卷调查数据	580名医学生（女性363人，平均年龄21.3岁）
55	2025-09-26	Deep learning-based cross-device standardization of surface-enhanced Raman spectroscopy for enhanced bacterial recognition 2025-Sep-19, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126931 PMID:40991976	研究论文	提出基于深度学习的表面增强拉曼光谱跨设备标准化方法，用于提升细菌识别性能	开发包含SERS-D2DNet光谱转换网络和SuperRaman分类网络的双阶段深度学习框架，实现便携设备与实验室设备光谱数据的高效对齐	研究仅针对20种分析物类别进行验证，需要更广泛的临床样本验证通用性	解决便携式与实验室级拉曼光谱设备间的数据不一致问题，提升病原体检测的跨设备可靠性	临床相关细菌特征和参考化合物的SERS光谱数据	机器学习	细菌感染	表面增强拉曼光谱(SERS)	SERS-D2DNet（序列到序列神经网络）, Super-ONN（超操作神经网络）	光谱数据	使用4台便携式和1台实验室级设备采集20类分析物的光谱数据
56	2025-09-26	Improving prototypical parts abstraction for case-based reasoning explanations designed for the kidney stone type recognition 2025-Sep-19, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103266 PMID:40992030	研究论文	提出一种基于案例推理的深度学习模型，通过原型部件改进肾结石类型识别的可解释性	引入原型部件和新型损失函数，生成与生物学家使用的视觉特征相似的可解释描述符	仅针对工业化国家最常见的六种肾结石类型进行测试	开发可解释的肾结石类型自动识别系统	肾结石的输尿管镜图像	计算机视觉	肾结石	深度学习	基于案例推理的深度学习模型	图像	包含六种最常见肾结石类型的图像数据库
57	2025-09-26	Feature-driven optimization for growth and mortality prevention in poultry farms 2025-Sep-19, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.105869 PMID:40992324	研究论文	开发基于特征驱动的优化模型预测家禽死亡率和平均体重	提出集成神经网络模型，将传统畜牧管理与深度学习软传感器相结合	在稳定饲养环境下环境变量影响较小，模型在变化环境中的适用性需进一步验证	通过机器学习优化家禽生长性能并降低死亡率	台湾本土肉鸡	机器学习	NA	机器学习	随机森林、梯度提升机、支持向量机、线性回归、神经网络（含集成NN）	数值数据	20,000只肉鸡的88天养殖数据
58	2025-09-26	Integrating spectroscopy with machine learning and deep learning for monitoring mung plant responses to silicon dioxide nanoparticles 2025-Sep-17, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126963 PMID:40991978	研究论文	本研究结合光谱技术与机器学习方法监测绿豆对二氧化硅纳米颗粒的生化响应	首次将共聚焦显微拉曼光谱与紫外-可见光谱结合机器学习/深度学习算法，建立非侵入式植物-纳米材料相互作用监测框架	NA	评估光谱技术结合计算方法在监测植物对纳米颗粒响应中的应用潜力	绿豆植物及其暴露于二氧化硅纳米颗粒后的生化分子（类胡萝卜素、木质素、果胶等）	机器学习	NA	共聚焦显微拉曼光谱、紫外-可见光谱、LDA降维	随机森林、支持向量机、AGNES、DBSCAN、k-means、深度学习模型	光谱数据	不同浓度梯度（0.2-1.4 mM）二氧化硅纳米颗粒处理的绿豆植物样本
59	2025-09-26	Trade-Off Analysis of Classical Machine Learning and Deep Learning Models for Robust Brain Tumor Detection: Benchmark Study 2025-Sep-15, JMIR AI DOI:10.2196/76344 PMID:40952788	研究论文	本研究对传统机器学习和深度学习模型在脑肿瘤检测中的性能进行对比分析，重点关注小规模医学数据集下的模型表现	首次系统比较了包括自监督学习在内的多种模型范式在小规模医学图像数据上的性能权衡，特别关注模型鲁棒性和跨域泛化能力	研究仅基于单一数据集（2870张脑部MRI图像），未在更大规模或更多样化的数据集上进行验证	评估传统机器学习与深度学习模型在小规模医学图像数据下的性能权衡，并分析模型鲁棒性和泛化能力	脑部磁共振图像（MRI）数据，包含四种类型：胶质瘤、脑膜瘤、垂体瘤和非肿瘤图像	医学图像分析	脑肿瘤	机器学习、深度学习、自监督学习	SVM+HOG、ResNet18、ViT-B/16、SimCLR	医学图像（MRI）	2870张脑部磁共振图像，包含4个类别
60	2025-09-26	Impact of Data Quality on Deep Learning Prediction of Spatial Transcriptomics from Histology Images 2025-Sep-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.04.674228 PMID:40964396	研究论文	本研究探讨分子数据和图像数据质量对基于深度学习的组织学图像空间转录组预测性能的影响	首次系统研究不同空间转录组技术（Xenium成像与Visium测序）导致的数据质量差异对基因表达预测的影响，而非仅关注模型架构改进	数据填补方法提供的改进有限且无法推广到测试集之外	评估数据质量对深度学习预测空间转录组的影响	组织学图像和空间转录组数据	数字病理	NA	空间转录组技术（Xenium、Visium）	深度学习	组织学图像、基因表达数据	NA