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
221	2025-09-15	A neuronal imaging dataset for deep learning in the reconstruction of single-neuron axons 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1628030 PMID:40837216	研究论文	本研究提供了一个用于单神经元轴突重建的成像数据集，并提出了一种距离场监督的分割网络以提升重建效果	发布了首个包含852个轴突成像体积及对应标注的数据集，并设计了距离场监督的分割网络以有效处理复杂成像数据	数据仅来源于11个小鼠脑样本，可能限制模型的泛化能力	促进轴突重建算法的评估与开发，加速长程神经投射的重建研究	小鼠脑样本中的单神经元轴突	计算机视觉	NA	荧光显微光学切片断层成像	分割网络	三维体积图像	11个小鼠脑样本，852个192×192×192体素的图像块
222	2025-09-15	Deep-learning recognition and tracking of individual nanotubes in low-contrast microscopy videos 2025, Beilstein journal of nanotechnology IF:2.6Q2 DOI:10.3762/bjnano.16.96 PMID:40837738	研究论文	开发了一种基于深度学习的自动化方法，用于识别和跟踪低对比度显微镜视频中的单个碳纳米管	使用Mask-RCNN架构结合ResNet-FPN骨干网络，显著提高了纳米管生长动力学数据提取的效率和可重复性	NA	分析碳纳米管的生长动力学	碳纳米管	计算机视觉	NA	原位同调偏振显微镜(HPM)	Mask-RCNN, ResNet-FPN	视频	NA
223	2025-09-15	Generative Artificial Intelligence in the Metaverse Era: A Review on Models and Applications 2025, Research (Washington, D.C.) DOI:10.34133/research.0804 PMID:40837875	综述	本文综述了生成式人工智能在元宇宙时代的模型与应用，探讨其如何推动虚拟环境内容创建和用户体验提升	系统分析生成式AI与元宇宙的融合关系，并对支撑技术进行定性与定量评估，指出跨学科协同的创新潜力	技术尚未完全契合发展需求，真正沉浸式体验的实现仍存在挑战	探讨生成式AI在元宇宙中的模型基础、应用现状及未来发展方向	元宇宙平台及其内容生成技术	人工智能	NA	深度学习	生成式神经网络	多模态数据（虚拟环境、交互内容）	NA
224	2025-09-15	Automatic fused multimodal deep learning for plant identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1616020 PMID:40838081	研究论文	提出一种基于自动模态融合的多模态深度学习模型用于植物分类	引入自动模态融合架构搜索方法，整合多种植物器官图像，并构建Multimodal-PlantCLEF数据集	未明确说明模型计算复杂度或实际部署可行性	提升植物分类准确率并解决多模态融合策略优化问题	植物器官图像（花、叶、果实、茎）	计算机视觉	NA	深度学习，多模态融合架构搜索	多模态深度学习模型	图像	979个植物类别（基于Multimodal-PlantCLEF数据集）
225	2025-09-15	Multimodal AI-driven object detection with uncertainty quantification for cardiovascular risk assessment in autistic patients 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1606159 PMID:40842474	研究论文	提出一种多模态AI驱动的目标检测框架，用于自闭症患者心血管风险评估，并集成不确定性量化模块	结合多模态医疗数据（影像和电子健康记录）的新型特征融合机制，并嵌入不确定性量化以提高模型可解释性和可靠性	NA	开发自动化、精准的心血管风险评估工具，以改善自闭症患者的临床诊断效果	自闭症患者	机器学习和数字病理	心血管疾病	深度学习	目标检测框架（可能基于CNN或其他深度学习架构）	多模态数据（影像和电子健康记录）	NA
226	2025-09-15	A study on the non-contact measurement of sunflower disk inclination and its application to accurate phenotypic analysis 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1614898 PMID:40842516	研究论文	提出一种结合深度学习和几何分析的非接触式向日葵花盘倾斜角测量方法，用于精准表型分析	优化轻量级YOLO11-seg模型提升分割性能，结合几何分析实现高精度非接触测量	NA	实现向日葵花盘倾斜角的精准、高效、非接触测量	向日葵花盘和茎秆	计算机视觉	NA	深度学习，几何分析	YOLO11-seg	图像	220张测试图像
227	2025-09-15	Few-shot crop disease recognition using sequence- weighted ensemble model-agnostic meta-learning 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1615873 PMID:40842515	研究论文	提出一种基于序列加权集成模型无关元学习的少样本作物病害识别方法SWE-MAML	将集成学习与模型无关元学习（MAML）结合，通过序列训练多个基学习器并加权集成预测，显著提升少样本条件下的识别精度	基学习器数量对性能影响显著（最佳范围5-7个），需依赖预训练疾病类别数量提升未知类别识别能力	解决农业实践中病害图像数据稀缺问题，实现少样本条件下的作物病害精准识别	作物病害图像（特别以马铃薯病害为实际应用案例）	计算机视觉	作物病害	元学习（MAML）、集成学习	SWE-MAML（基于MAML的集成框架）	图像	PlantVillage数据集实验；实际任务中每病害类别仅30张支持集图像
228	2025-09-15	A multi-data fusion deep learning model for prognostic prediction in upper tract urothelial carcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1644250 PMID:40842585	研究论文	开发了一种多模态深度学习模型MICC，用于上尿路尿路上皮癌的预后预测	首次将多期相增强CT影像与临床数据融合，构建多模态深度学习模型进行UTUC预后预测	回顾性研究，样本量较小（133例患者），需外部验证	提高上尿路尿路上皮癌患者的预后预测准确性	133例接受根治性肾输尿管切除术的UTUC患者	数字病理	尿路上皮癌	多期相增强CT成像，SHAP分析	多模态深度学习模型（MICC），CNN-based（ImageNet），ClinicalNet	医学影像（CT），临床数据	133例患者（训练集103例，测试集30例）
229	2025-09-15	Bridging the clinical gap: Confidence informed IDH prediction in brain gliomas using MRI and deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf142 PMID:40842645	研究论文	开发一种结合深度学习与贝叶斯逻辑回归的MRI影像方法，用于非侵入性预测脑胶质瘤IDH突变状态并提供置信度评分	首次将体素分割网络(MC-net)与贝叶斯逻辑回归(BLR)结合，提供IDH状态预测及独立计算的置信度评分，有效解决深度学习模型临床应用的可靠性问题	研究基于多机构数据但仍需更大规模外部验证，临床实际应用效果需进一步前瞻性研究验证	开发可靠的非侵入性IDH突变状态预测方法以替代组织活检，推动深度学习在神经肿瘤临床决策中的应用	脑胶质瘤患者	数字病理	脑胶质瘤	MRI影像分析，深度学习	MC-net, 贝叶斯逻辑回归(BLR)	医学影像(MRI)	2,481例来自8个机构的胶质瘤病例
230	2025-09-15	Enhancing detection of common bean diseases using Fast Gradient Sign Method-trained Vision Transformers 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1643582 PMID:40842854	研究论文	本研究提出了一种基于Vision Transformer并结合对抗性训练的深度学习模型，用于在坦桑尼亚常见豆类疾病（如豆锈病和炭疽病）的早期检测	首次将Vision Transformer与FGSM对抗训练结合，提升模型在真实农场环境下的鲁棒性，特别针对资源受限场景优化	研究可能受限于模拟扰动与真实环境变异的差异，且计算效率虽优化但仍需在更低资源设备验证	提高豆类疾病检测的准确性和鲁棒性，支持移动端在资源有限环境下的植物病害管理	常见豆类作物，特别是受豆锈病和炭疽病威胁的品种	计算机视觉	植物病害	对抗训练（FGSM）、迁移学习、交叉验证	Vision Transformer (ViT)	图像	100,000张标注图像，经过几何、颜色和FGSM扰动增强
231	2025-09-15	BioCompNet: A Deep Learning Workflow Enabling Automated Body Composition Analysis toward Precision Management of Cardiometabolic Disorders 2025, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0381 PMID:40842914	研究论文	开发了一个名为BioCompNet的深度学习工作流，用于自动化身体成分分析，以支持心脏代谢疾病的精准管理	集成双参数MRI序列与分层U-Net架构，实现15个关键身体成分的完全自动量化，大幅提升处理效率	NA	通过自动化身体成分分析支持心脏代谢风险的精准评估和临床决策	腹部和股部的身体成分，包括骨骼、肌肉和脂肪组织	数字病理	心血管疾病	双参数磁共振成像（MRI）	分层U-Net	医学影像	开发集：503名社区队列的8,048张MRI切片；验证集：30名三级医院患者的240张MRI切片
232	2025-09-15	Research progress in deep learning-based fundus image analysis for the diagnosis and prediction of hypertension-related diseases 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1608994 PMID:40843176	综述	本文系统总结了基于深度学习的眼底图像分析在高血压相关疾病诊断与预测中的研究进展	聚焦深度学习在高血压相关眼底病变分析、自动化诊断和心血管风险预测中的创新应用	当前模型在泛化能力、低质量图像鲁棒性和临床可解释性方面仍存在挑战	推动深度学习技术在高血压相关疾病管理中的实际应用	高血压相关疾病的眼底图像特征	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	NA
233	2025-09-15	Automated AI-based segmentation of canine hepatic focal lesions from CT studies 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1638142 PMID:40843252	研究论文	开发并评估了一种基于深度学习的算法，用于自动分割犬类CT图像中的肝脏病灶	首次报道使用深度学习算法对犬类CT图像中的肝脏病灶进行自动分割	NA	提高犬类肝脏病灶治疗的精确规划	犬类肝脏病灶	计算机视觉	肝脏疾病	CT成像	nnUNet	图像	175例犬类CT病例（130例训练，45例测试）
234	2025-09-15	Artificial Intelligence in the Management of Asthma: A Review of a New Frontier in Patient Care 2025, Journal of asthma and allergy IF:3.7Q1 DOI:10.2147/JAA.S535264 PMID:40851769	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
235	2025-09-15	Digital pathology-based artificial intelligence model to predict microsatellite instability in gastroesophageal junction adenocarcinomas 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1486140 PMID:40852482	研究论文	本研究开发了一种基于数字病理和人工智能的深度学习模型，用于预测胃食管结合部腺癌中的微卫星不稳定性	首次将Simple Vit和ResNet18神经网络应用于胃食管结合部腺癌的MSI-H预测，并整合深度学习特征与多种机器学习算法构建WSI级模型	样本量相对有限（212例患者），需要更大规模的外部验证	开发基于H&E染色病理切片的深度学习模型，准确识别胃食管结合部腺癌患者的MSI-H状态	胃食管结合部腺癌患者	数字病理	胃食管结合部腺癌	数字病理，深度学习	Simple Vit, ResNet18, MLP	H&E染色病理图像	212例患者的416张H&E染色切片
236	2025-09-15	Predicting mortality in critically ill patients with hypertension using machine learning and deep learning models 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1568907 PMID:40860363	研究论文	本研究评估多种机器学习和深度学习模型在预测ICU高血压危重症患者死亡率方面的性能	首次系统比较传统ML与先进DL模型（如1D CNN和LSTM）在该人群死亡率预测中的表现，并结合SHAP进行关键预测因子解析	回顾性研究设计，需前瞻性验证；未详细讨论模型临床实施的伦理考量	评估机器学习和深度学习模型对高血压危重症患者死亡率的预测准确性	ICU收治的高血压危重症患者	机器学习	心血管疾病	机器学习与深度学习建模	Logistic Regression, Decision Trees, SVM, 1D CNN, LSTM	临床变量数据	30,096例ICU高血压患者
237	2025-09-15	LiSA-MobileNetV2: an extremely lightweight deep learning model with Swish activation and attention mechanism for accurate rice disease classification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1619365 PMID:40860730	研究论文	提出一种基于MobileNetV2改进的极轻量级深度学习模型LiSA-MobileNetV2，用于水稻病害的准确分类	结合结构简化、Swish激活函数和注意力机制，在显著降低参数规模和计算量的同时提升分类准确率	NA	实现水稻病害的快速准确识别，以保障粮食安全和提高作物产量	水稻病害图像	计算机视觉	水稻病害	深度学习	CNN, MobileNetV2	图像	NA
238	2025-09-15	Deep learning and pathomics analyses predict prognosis of high-grade gliomas 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1614678 PMID:40860971	研究论文	本研究利用深度学习和病理组学分析高级别胶质瘤，以预测患者预后	结合病理组学特征与临床数据构建联合预测模型，并在IDH状态分层中验证其预后价值	模型在测试集上的C-index（0.739）较训练集（0.847）有所下降，可能存在过拟合或泛化能力有限	预测高级别胶质瘤患者的预后	高级别胶质瘤患者	数字病理学	脑癌	全切片图像分析、Pearson相关性分析、单变量Cox回归、LASSO-Cox回归	深度学习模型	图像	NA
239	2025-09-15	Study of obesity research using machine learning methods: A bibliometric and visualization analysis from 2004 to 2023 2024-Sep-06, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039610 PMID:39252327	文献计量分析	通过文献计量和可视化方法分析2004至2023年间机器学习在肥胖研究中的应用趋势	首次系统评估机器学习在肥胖研究中的出版物，揭示领域内在联系和发展模式	仅纳入Web of Science英文文献，可能遗漏其他语言或数据库的重要研究	定量考察和可视化机器学习在肥胖研究中的学术产出与发展趋势	3286篇符合标准的学术出版物	机器学习	肥胖症	文献计量分析（VOSviewer, CiteSpace）	NA	文献元数据	3286篇出版物
240	2025-09-15	Multimodal imaging and deep learning in geographic atrophy secondary to age-related macular degeneration 2023-Dec, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.15796 PMID:37933610	综述	本文全面综述了地理萎缩的多模态成像基础、诊断分类流程以及人工智能在自动提取影像诊断与预后信息中的前沿作用	系统整合多模态成像与深度学习技术，强调AI在量化地理萎缩进展斜率及个体化治疗响应评估中的创新应用	未涉及具体临床验证数据或算法性能比较，主要聚焦技术框架综述	探讨人工智能如何辅助年龄相关性黄斑变性继发地理萎缩的临床决策	地理萎缩患者的眼部多模态影像数据	数字病理	老年性疾病	多模态成像（如OCT、眼底照相）、人工智能算法	深度学习（如CNN）	医学影像	NA