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
261	2025-11-17	A Novel Demographic Indicator Fusion Network (DIFNet) for Dynamic Fusion of EEG and Demographic Indicators for Robust Depression Detection 2025-Oct-24, Sensors (Basel, Switzerland) DOI:10.3390/s25216549 PMID:41228772	研究论文	提出一种新型人口统计指标融合网络DIFNet，通过动态融合EEG信号和人口统计指标来提升抑郁症检测的鲁棒性	首次提出动态融合EEG特征与人口统计指标（年龄、性别、教育年限）的深度学习框架，通过多模块协同实现人口统计信息的深度嵌入	未明确说明模型在其他数据集上的泛化能力及不同人口统计亚组的性能差异	通过融合多模态信息提升抑郁症自动检测的准确性和鲁棒性	重度抑郁症患者的EEG信号和人口统计信息	机器学习	抑郁症	脑电图	CNN, Transformer, TCN	EEG信号，结构化人口统计数据	未明确说明具体样本数量	未明确说明	多尺度卷积模块，Transformer编码器模块，时序卷积网络模块，人口统计指标融合模块	准确率	NA
262	2025-11-17	Artificial Intelligence and Circadian Thresholds for Stress Detection in Dairy Cattle 2025-Oct-24, Sensors (Basel, Switzerland) DOI:10.3390/s25216544 PMID:41228768	研究论文	本研究通过整合昼夜节律分析和深度学习技术开发了奶牛应激检测系统	首次将昼夜节律特征与LSTM神经网络结合用于奶牛应激水平分类，并实现提前1小时的预测能力	研究仅针对10头荷斯坦奶牛进行，样本规模有限	开发基于人工智能的奶牛应激检测方法	泌乳期荷斯坦奶牛	机器学习	NA	Nedap CowControl传感器监测，FFT，STFT	LSTM	行为时间序列数据	10头奶牛连续监测365天，共87,600小时原始数据，3650个牛日分析单元	NA	LSTM	准确率，AUC	NA
263	2025-11-17	Radiomics for Dynamic Lung Cancer Risk Prediction in USPSTF-Ineligible Patients 2025-Oct-23, Cancers IF:4.5Q1 DOI:10.3390/cancers17213406 PMID:41228201	研究论文	开发基于纵向影像组学的肺癌风险预测模型，针对不符合USPSTF筛查标准的患者	首次将时间变化的影像组学建模与深度学习模型Sybil结合，用于不符合传统筛查标准患者的动态肺癌风险预测	样本量相对较小（122例患者），主要基于回顾性数据	提高不符合USPSTF筛查标准患者的肺癌早期检测能力	122例后来确诊为肺癌的患者，包括69%的既往吸烟者和30%的从不吸烟者	数字病理	肺癌	CT扫描，影像组学分析	生存分析模型，深度学习模型	CT影像	122例患者，共622次CT扫描	NA	Sybil	C-index，准确率，敏感性，特异性	NA
264	2025-11-17	Artificial Intelligence for Lymph Node Detection and Malignancy Prediction in Endoscopic Ultrasound: A Multicenter Study 2025-Oct-22, Cancers IF:4.5Q1 DOI:10.3390/cancers17213398 PMID:41228191	研究论文	本研究开发了一种基于YOLO架构的卷积神经网络系统，用于内镜超声图像中淋巴结的检测和良恶性预测	首个评估深度学习系统在内镜超声成像中淋巴结评估性能的研究，结合了检测和分类功能	多中心研究但仍需更大规模验证，未提及模型泛化能力测试	评估基于人工智能的系统在内镜超声图像中预测淋巴结恶性肿瘤的有效性	内镜超声图像中的淋巴结	计算机视觉	肿瘤疾病	内镜超声成像	CNN	图像	82次内镜超声检查的59,992张图像	NA	YOLO	灵敏度,特异性,精确度,阴性预测值,阳性预测值,诊断准确率	NA
265	2025-11-17	Human-Machine Collaborative Learning for Streaming Data-Driven Scenarios 2025-Oct-22, Sensors (Basel, Switzerland) DOI:10.3390/s25216505 PMID:41228729	研究论文	提出一种人机协同学习框架，通过整合人类智能与机器智能处理流数据驱动任务	首次提出人机平等协作模式，将人类决策能力与机器计算能力相结合处理动态流数据	需要一定程度的人工干预，在完全自动化场景下应用受限	开发能够处理训练样本不足和动态变化场景的人机协同学习系统	视频异常检测、行人重识别和声音事件检测任务	机器学习	NA	深度学习	NA	视频、图像、音频流数据	NA	NA	NA	准确率	NA
266	2025-11-17	Learning to remove occlusions in light field images using multiscale receptive fields and feature pyramid networks 2025-Oct-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20786-0 PMID:41125707	研究论文	提出一种基于多尺度感受野和特征金字塔网络的光场图像遮挡去除方法	通过集成ResASPP和改进的RFB模块扩展感受野，结合特征金字塔网络实现多尺度特征融合与精炼	NA	解决光场图像中遮挡区域的恢复问题	光场图像中的遮挡区域	计算机视觉	NA	NA	CNN	图像	NA	NA	ResASPP, RFB, Residual Dense Blocks, Feature Pyramid Network	NA	NA
267	2025-11-17	Severity prediction in patients with oedema in cerebral contusion using deep learning from computed tomography scans 2025-Oct-11, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107113 PMID:41240817	研究论文	本研究开发了一种结合深度学习的模型来评估脑挫伤水肿的严重程度	提出结合血肿和水肿的深度学习模型（水肿指数EI），并与传统CT分类方法进行比较	样本量相对较小（高风险组56例，低风险组66例），需要更大规模验证	开发预测脑挫伤水肿严重程度的深度学习模型	脑挫伤水肿患者（高风险组56例，低风险组66例）	数字病理	脑挫伤	计算机断层扫描（CT）	深度学习	CT图像	141例创伤性脑出血患者用于体积量化，122例脑挫伤水肿患者用于严重程度预测	NA	NA	AUC, 体积百分比误差	NA
268	2025-11-16	Detecting Escherichia coli Contamination on Plant Leaf Surfaces Using UV-C Fluorescence Imaging and Deep Learning 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213352 PMID:41225902	研究论文	本研究利用UV-C荧光成像和深度学习技术检测植物叶片表面的大肠杆菌污染	首次将CSI-D+系统与多种深度学习模型结合，用于检测不同浓度的大肠杆菌污染，并采用Eigen-CAM热图可视化模型响应	研究仅针对柑橘和菠菜叶片，样本量有限，未测试其他农产品	开发快速可靠的农产品表面大肠杆菌污染检测方法以增强食品安全	柑橘和菠菜叶片表面的大肠杆菌污染	计算机视觉	食源性疾病	UV-C荧光成像	CNN	荧光图像	8个柑橘叶片和12个菠菜叶片，每个浓度水平10个液滴，共8个污染浓度级别(0-10 CFU/mL)	PyTorch	EfficientNetB7, ConvNeXtBase, YOLO11n, YOLO11s, YOLO11m, YOLO11l, YOLO11x	准确率	NA
269	2025-11-16	MRSliceNet: Multi-Scale Recursive Slice and Context Fusion Network for Instance Segmentation of Leaves from Plant Point Clouds 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213349 PMID:41225899	研究论文	提出MRSliceNet深度学习框架，用于植物点云中的叶片实例分割	受人类视觉认知启发，集成多尺度递归切片模块、上下文融合模块和实例感知聚类头，实现精确的实例分离	NA	解决植物点云中叶片自动分割的挑战，实现自动化植物表型分析	植物叶片点云数据	计算机视觉	NA	LiDAR 3D传感技术	深度学习框架	3D点云	两个具有挑战性的数据集	NA	MRSliceNet, Multi-scale Recursive Slicing Module, Context Fusion Module, Instance-Aware Clustering Head	AP	NA
270	2025-11-16	Deep Learning Network with Illuminant Augmentation for Diabetic Retinopathy Segmentation Using Comprehensive Anatomical Context Integration 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212762 PMID:41226054	研究论文	提出一种结合全面解剖背景整合和光照增强的深度学习网络，用于糖尿病视网膜病变分割	创建首个系统整合DR病变与完整视网膜解剖结构的训练数据集，并采用基于光照的数据增强方法模拟不同相机特性	在不同域数据集上的性能表现存在差异，泛化能力有待进一步提升	解决糖尿病视网膜病变分割中的域偏移和假阳性问题	糖尿病视网膜病变的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习，图像分割	CNN	视网膜图像	IDRiD、DDR和TJDR三个数据集	DeepLabV3+	DeepLabV3+	AUC-PR, IoU, F1-score	NA
271	2025-11-16	Correlation Study Between Neoadjuvant Chemotherapy Response and Long-Term Prognosis in Breast Cancer Based on Deep Learning Models 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212763 PMID:41226055	研究论文	基于深度学习模型研究乳腺癌新辅助化疗反应与长期预后的相关性	开发可解释的深度学习模型整合多变量预测乳腺癌新辅助化疗后复发和转移，超越传统二元评估方法	回顾性研究设计，样本量相对有限（832例患者）	建立精准预测乳腺癌新辅助化疗后长期预后的评估模型	832名接受新辅助化疗的乳腺癌患者	机器学习	乳腺癌	NA	MLP, SVM, Random Forest, XGBoost	临床和病理变量	832例乳腺癌患者（2013-2022年）	PyTorch	多层感知器（MLP）	AUC, 准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
272	2025-11-16	KINLI: Time Series Forecasting for Monitoring Poultry Health in Complex Pen Environments 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213180 PMID:41227514	研究论文	本文研究在复杂禽舍环境中使用时间序列预测技术监测家禽健康的方法	利用真实火鸡养殖场的传感器数据集，研究多种先进预测算法在具有高方差、传感器缺陷和时间戳不可靠的挑战性数据上的表现	数据存在传感器缺陷和时间戳不可靠问题，且仅针对火鸡养殖环境进行研究	开发准确的时间序列预测方法用于家禽健康监测	火鸡养殖场中的传感器数据（包括采食量、饮水量和各种环境参数）	机器学习	NA	传感器数据采集	Transformer, 时间序列基础模型	时间序列传感器数据	真实火鸡养殖场传感器数据集	NA	Transformer	预测准确性, 模型运行效率	NA
273	2025-11-16	EyeInvaS: Lowering Barriers to Public Participation in Invasive Alien Species Monitoring Through Deep Learning 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213181 PMID:41227512	研究论文	开发基于深度学习的EyeInvaS系统，降低公众参与外来入侵物种监测的门槛	建立了中国54种关键外来入侵物种的多类群图像数据集，开发了集成图像采集、识别、地理标记和数据共享的AI系统	NA	通过深度学习技术降低公众参与外来入侵物种监测的专业门槛	中国54种关键外来入侵物种	计算机视觉	NA	深度学习	CNN	图像	1683个用户提交的监测数据	NA	EfficientNetV2	F1-score	NA
274	2025-11-16	Innovation for using dielectric properties to distinguish lung tumor from normal lung tissues and preliminary exploration for the relevance with metabolic features 2025-Oct-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-934 PMID:41229834	研究论文	本研究开发了一种基于介电特性区分肺肿瘤与正常肺组织的简化方法，并探索了介电特性与PET代谢参数的相关性	首次将介电特性曲线拟合为对数函数和指数函数，利用函数参数区分肺肿瘤组织，并发现介电常数参数与PET代谢参数存在显著相关性	样本量较小（21例患者），未区分恶性肿瘤与良性病变，需要进一步研究验证	开发简化的介电特性分析方法用于肺肿瘤鉴别，并探索其与代谢特征的相关性	肺肿瘤组织和正常肺组织	医学物理	肺癌	介电特性测量，开放式同轴探针，[18F]FDG PET/CT	NA	介电特性数据，PET/CT参数	21例患者的21个肺肿瘤组织和19个正常肺组织	NA	NA	AUC，ROC分析，R²，P值	NA
275	2025-11-16	Integrating transcriptomics, single-cell omics, and deep learning-based histopathological features to identify OLFML3 in bladder cancer 2025-Oct-31, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2025-365 PMID:41230137	研究论文	本研究通过整合转录组学、单细胞组学和深度学习技术，识别OLFML3基因在膀胱癌复发中的作用	首次结合多组学数据与深度学习病理特征分析OLFML3在膀胱癌复发中的预测价值	需要进一步研究验证OLFML3在膀胱癌1年内复发的具体作用机制	提高膀胱癌复发预测准确性并改善临床管理	膀胱癌患者	数字病理学	膀胱癌	RNA测序,单细胞RNA测序,加权基因共表达网络分析	ResNet50,随机森林	基因表达数据,临床信息,病理图像	TCGA和GEO数据库中的膀胱癌患者数据，以及广东省第二人民医院的单细胞RNA测序数据	R	ResNet50	P值,生存分析	NA
276	2025-11-16	Feasibility of Multimodal Deep Learning for Automated Staging of Familial Exudative Vitreoretinopathy Using Color Fundus Photographs and Fluorescein Angiography 2025-Oct-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212752 PMID:41226045	研究论文	本研究评估了使用彩色眼底照相和荧光素血管造影的多模态深度学习在家族性渗出性玻璃体视网膜病变自动分期中的可行性	构建了首个涵盖FEVR 0-5期及激光术后病例的多模态数据库，并系统比较了CNN、Transformer和多模态融合方法在不同设置下的性能	研究基于确认的队列，样本可能存在类别不平衡，中间等级病例的识别性能有限（AUC < 0.70）	开发自动化的家族性渗出性玻璃体视网膜病变分期系统	家族性渗出性玻璃体视网膜病变患者	数字病理	视网膜疾病	彩色眼底照相，荧光素血管造影	CNN, Transformer	图像	涵盖FEVR 0-5期及激光术后病例的多模态数据集	NA	ResNet, CRD-Net, Transformer	准确率, 召回率, 精确率, 宏F1, Cohen's κ, ROC/AUC	NA
277	2025-11-16	Automated Multi-Class Classification of Retinal Pathologies: A Deep Learning Approach to Unified Ophthalmic Screening 2025-Oct-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212745 PMID:41226037	研究论文	开发并验证了一个统一的深度学习框架，用于从眼底照片自动分类多种视网膜病变	超越了单一疾病模型的局限，建立了能够同时分类九种不同视网膜疾病的综合筛查工具	使用公开数据集，样本量相对有限（1841张图像），可能存在类别不平衡问题	开发一个统一的深度学习框架，用于自动多类别分类视网膜病变	眼底照片中的多种视网膜病变，包括糖尿病视网膜病变、青光眼和健康视网膜等	计算机视觉	视网膜病变	深度学习	CNN	图像	1841张眼底照片，涵盖九个类别	NA	ResNet-152, EfficientNetV2, YOLOv11	准确率, 宏平均F1分数, AUC	NA
278	2025-11-16	Automated Detection of Lumbosacral Transitional Vertebrae on Plain Lumbar Radiographs Using a Deep Learning Model 2025-Oct-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14217671 PMID:41227066	研究论文	开发并验证基于深度学习的AI模型用于自动检测腰椎平片中的腰骶移行椎	首次将多种深度学习架构应用于腰骶移行椎的自动检测，并通过部分微调的ResNet-50模型实现了最佳性能	研究为回顾性观察研究，样本量相对有限（3116张X光片）	开发自动检测腰骶移行椎的AI模型以减少诊断错误和手术风险	腰椎侧位X光片中的腰骶移行椎	计算机视觉	脊柱疾病	X射线成像	CNN	图像	3116张站立位腰椎侧位X光片	PyTorch	DINOv2,CLIP(ViT-B/32),ResNet-50	准确率,敏感度,特异性,AUC	NA
279	2025-11-16	Hardness and Surface Roughness of 3D-Printed ASA Components Subjected to Acetone Vapor Treatment and Different Production Variables: A Multi-Estimation Work via Machine Learning and Deep Learning 2025-Oct-29, Polymers IF:4.7Q1 DOI:10.3390/polym17212881 PMID:41228641	研究论文	本研究首次结合机器学习与深度学习策略，分析丙酮蒸汽处理和3D打印参数对ASA组件硬度和表面粗糙度的影响	首次在技术文献中结合机器学习与深度学习方法来优化3D打印ASA组件的后处理工艺	研究仅针对特定范围的蒸汽处理时间、层厚度和填充率参数	通过机器学习方法优化3D打印ASA组件的硬度和表面质量	丙烯腈苯乙烯丙烯酸酯（ASA）3D打印组件	机器学习	NA	3D打印、丙酮蒸汽处理	SVR, 1D-CNN, GB, RNN	实验数据	4种蒸汽处理时间×3种层厚度×3种填充率=36种参数组合	NA	一维卷积神经网络, 循环神经网络	预测误差	NA
280	2025-11-14	Correction to 'Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control' 2025-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1308 PMID:41224125	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA