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
2381	2025-07-26	Advancements in deep learning-based image screening for orthopedic conditions: Emphasis on osteoporosis, osteoarthritis, and bone tumors 2025-Jul-19, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102840 PMID:40691974	review	本文系统总结了人工智能辅助诊断技术在骨科影像学中的最新研究进展、方法学及临床应用，重点探讨了深度学习在该领域的实用价值和发展趋势	强调了深度学习在骨质疏松、骨关节炎和骨肿瘤等骨科疾病筛查中的应用，展示了其优异的诊断性能和临床潜力	缺乏高质量数据集、模型跨机构泛化能力有限、缺少标准化质量控制方案以及亟需多中心临床验证	提升骨科影像诊断准确性和改善患者预后	骨质疏松(OP)、骨关节炎(OA)和骨肿瘤等骨科疾病	digital pathology	osteoporosis, osteoarthritis, bone tumors	deep learning	NA	image	NA
2382	2025-07-26	AI-based methods for diagnosing and grading diabetic retinopathy: A comprehensive review 2025-Jul-19, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103221 PMID:40706108	review	本文全面评估了91项采用AI方法通过不同成像模态检测和分类糖尿病视网膜病变的研究	综合比较了23个公开的糖尿病视网膜病变数据集，并讨论了AI在多种成像模态中的应用表现	未进行原始实验验证，仅基于文献综述分析现有方法的优缺点	评估AI在糖尿病视网膜病变诊断和分级中的应用效果	糖尿病视网膜病变的医学影像数据	computer vision	diabetic retinopathy	fundus color photography, OCT, OCTA, fundus fluorescein angiography	deep learning	image	91项研究涉及的多种医学影像数据集
2383	2025-07-26	A Novel 3D Convolutional Neural Network-Based Deep Learning Model for Spatiotemporal Feature Mapping for Video Analysis: Feasibility Study for Gastrointestinal Endoscopic Video Classification 2025-Jul-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070243 PMID:40710629	研究论文	提出一种基于3D CNN的深度学习模型，用于从医疗视频序列中提取时空特征，并以胃肠道内窥镜视频分类为可行性研究案例	开发了一种新型的3D CNN模型，结合了并行空间和通道挤压激励（P-scSE3D）与残差块，提出了残差并行注意力（RPA）块，用于有效提取视频中的时空特征	研究仅基于胃肠道内窥镜视频数据集，且样本量相对较小，可能限制了模型的泛化能力	探索深度学习在医疗视频分析中的应用，特别是针对胃肠道内窥镜视频的分类	胃肠道内窥镜视频	计算机视觉	胃肠道疾病	深度学习	3D CNN	视频	374个胃肠道内窥镜视频（314个下消化道和60个上消化道视频）
2384	2025-07-26	Non-Invasive Composition Identification in Organic Solar Cells via Deep Learning 2025-Jul-17, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15141112 PMID:40711231	研究论文	本研究提出了一种基于深度学习的方法，通过模拟全器件吸收光谱非侵入性地识别有机太阳能电池中的活性层组成	利用深度学习处理光谱数据，实现高精度的非破坏性组成分类，为自动化制造诊断和质量控制提供了新途径	研究基于模拟数据，实际应用时可能需要进一步验证	开发一种非侵入性的有机光伏器件活性层组成识别方法	有机光伏(OPV)器件	机器学习	NA	模拟全器件吸收光谱	MLP（多层感知机）	光谱数据	包含活性层厚度变化超过±15%的多样化训练数据集
2385	2025-07-26	AI-Driven Comprehensive SERS-LFIA System: Improving Virus Automated Diagnostics Through SERS Image Recognition and Deep Learning 2025-Jul-16, Biosensors DOI:10.3390/bios15070458 PMID:40710108	研究论文	开发了一种结合SERS扫描成像和基于AI的结果判别的综合SERS-LFIA检测系统，用于病毒自动化诊断	整合SERS扫描成像与深度学习模型（ResNet-18）进行结果判别，显著降低异常信号干扰并实现接近理论检测限的可靠检测	未提及具体病毒种类或实际临床应用中的潜在限制	开发快速、准确的病毒诊断方法以有效管理和控制疫情	高传染性和致病性病毒	数字病理学	病毒感染	SERS-LFIA（表面增强拉曼散射-侧向流动免疫分析）	ResNet-18	图像	未提及具体样本数量
2386	2025-07-26	Task-Related EEG as a Biomarker for Preclinical Alzheimer's Disease: An Explainable Deep Learning Approach 2025-Jul-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070468 PMID:40710281	研究论文	本文探讨了任务相关EEG作为临床前阿尔茨海默病生物标志物的潜力，并采用可解释的深度学习方法进行特征识别	首次将任务相关EEG与可解释深度学习框架InterpretableCNN结合用于临床前AD检测，揭示了theta和alpha活动的病理关联	模型性能指标较低(ROC AUC 60.84%，Kappa值0.22)，表明识别准确性有待提高	开发基于EEG的临床前阿尔茨海默病早期风险检测方法	认知健康个体的任务相关EEG信号	数字病理学	阿尔茨海默病	EEG信号分析	InterpretableCNN(可解释卷积神经网络)	EEG时序信号	未明确提及具体样本量，采用100折留p%受试者交叉验证(LPSO-CV)
2387	2025-07-26	Enhancing 3D dopamine transporter imaging as a biomarker for Parkinson's disease via self-supervised learning with diffusion models 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102207 PMID:40580955	研究论文	本文提出了一种基于自监督学习和扩散模型的3D多巴胺转运体成像增强方法，用于帕金森病的生物标志物研究	引入了分层小波扩散自编码器（HWDAE），一种生成自监督模型，能够在生成训练中学习相关疾病特征，无需人工标签	数据量有限且缺乏外部验证	提高帕金森病的准确诊断和疾病进展状态的精确估计	帕金森病患者	计算机视觉	帕金森病	多巴胺转运体正电子发射断层扫描（DAT PET）	分层小波扩散自编码器（HWDAE）	图像	1,934张DAT PET图像
2388	2025-07-26	A deep learning system for detecting systemic lupus erythematosus from retinal images 2025-Jul-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102203 PMID:40570853	研究论文	开发了一个深度学习系统DeepSLE，用于从视网膜图像中检测系统性红斑狼疮(SLE)及其视网膜和肾脏并发症	首次利用深度学习技术从视网膜图像中检测SLE及其并发症，并在多民族验证数据集中展示了稳健的性能	未提及模型在更广泛人群中的适用性或潜在的误诊风险	开发一种数字化解决方案，用于从视网膜图像中检测系统性红斑狼疮及其并发症	系统性红斑狼疮(SLE)患者及其视网膜和肾脏并发症	数字病理学	系统性红斑狼疮	深度学习	DeepSLE(未明确具体模型类型)	视网膜图像	247,718张图像(来自中国和英国的多民族数据集)
2389	2025-07-26	Integrating radiomics and machine learning for the diagnosis and prognosis of hepatocellular carcinoma 2025-Jul-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i7.106610 PMID:40697211	综述	本文综述了放射组学和机器学习在肝细胞癌诊断和预后中的应用	结合放射组学和机器学习技术，提高肝细胞癌诊断和预后的准确性	模型解释性不足、数据异质性以及多模态数据整合的挑战	提升肝细胞癌的诊断准确性、治疗反应预测和生存预后	肝细胞癌（HCC）	数字病理	肝癌	放射组学、机器学习	二分类模型、XGBoost、LightGBM、深度学习架构	医学影像	NA
2390	2025-07-26	Deep learning radiomics: Redefining precision oncology through noninvasive insights into the tumor immune microenvironment 2025-Jul-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i7.108175 PMID:40697238	研究论文	基于计算机断层扫描的深度学习放射组学为预测结直肠癌肿瘤免疫微环境提供了一种新颖、非侵入性的方法	利用卷积神经网络分析术前CT扫描，无需侵入性活检即可预测肿瘤免疫微环境的关键特征	回顾性研究设计可能限制了结果的普遍适用性	推进个性化免疫治疗、化疗和靶向治疗，挑战传统肿瘤学实践	结直肠癌患者的肿瘤免疫微环境	数字病理学	结直肠癌	计算机断层扫描	CNN	图像	315名患者的术前CT扫描
2391	2025-07-26	Predicting Very Early-Stage Breast Cancer in BI-RADS 3 Lesions of Large Population with Deep Learning 2025-Jul-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070240 PMID:40710626	研究论文	本研究开发了一种深度学习模型，用于在BI-RADS 3评分的乳腺病变中准确识别极早期恶性肿瘤，以提高诊断精度和临床决策	提出了一种新的迁移学习方法，显著提高了预测BI-RADS 3恶性病变的临床AUC值，从0.721提升至0.880	研究样本来自两家医院，可能存在一定的选择偏差，且未涉及更多类型的影像数据	提高乳腺BI-RADS 3病变中极早期恶性肿瘤的诊断准确性	BI-RADS 3评分的乳腺病变患者	数字病理	乳腺癌	深度学习	迁移学习	超声图像	685名患者的852个病变（256个恶性，596个良性）
2392	2025-07-26	Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots 2025-Jul-14, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101392 PMID:40468596	研究论文	本研究通过时间序列分析，探讨了水稻根系中初级氮响应（PNR）的动态变化及其转录调控网络	首次精确鉴定了氮诱导响应的调控区域，并揭示了染色质可及性与基因表达的协调变化，以及OsLBD38、OsLBD39和OsbZIP23等新型调控因子的作用	研究仅关注了水稻根系在铵硝酸盐重新供应后2小时内的反应，可能未涵盖更长时间的动态变化	揭示水稻初级氮响应的转录调控机制	两个水稻品种（珍汕97和日本晴）的根系	植物分子生物学	NA	ATAC-seq和RNA-seq	深度学习	基因组和转录组数据	两个水稻品种的根系样本，时间序列分析在2小时内进行
2393	2025-07-26	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Jul-14, ArXiv PMID:40709302	研究论文	本研究利用多壳层扩散MRI数据和基于视觉Transformer的深度学习框架，支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	采用Swin Transformer模型处理多壳层dMRI数据，并结合Low-Rank Adaptation技术以适应有限的标记神经影像数据	研究依赖于有限的标记神经影像数据，可能影响模型的泛化能力	早期诊断阿尔茨海默病和检测淀粉样蛋白积累	认知正常个体、轻度认知障碍患者和阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	多壳层扩散MRI (dMRI), DTI, NODDI	Swin Transformer	MRI图像	未明确提及具体样本数量
2394	2025-07-26	AI-Driven Control Strategies for Biomimetic Robotics: Trends, Challenges, and Future Directions 2025-Jul-14, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070460 PMID:40710273	综述	本文系统回顾了人工智能驱动的仿生机器人控制策略，总结了最新进展、方法及其与传统控制技术的比较	全面梳理了AI技术在仿生机器人控制中的应用，并指出了未来研究方向	未涉及具体实验验证或性能量化比较	探讨人工智能如何提升仿生机器人的控制机制	仿生机器人及其控制策略	机器人学	NA	机器学习、深度学习、强化学习	NA	NA	NA
2395	2025-07-26	Estimating Snow-Related Daily Change Events in the Canadian Winter Season: A Deep Learning-Based Approach 2025-Jul-14, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070239 PMID:40710625	研究论文	本研究开发了一种基于深度学习的Siamese Attention U-Net模型，用于检测加拿大冬季季节中与雪相关的每日变化事件	提出了一种新的Siamese Attention U-Net模型（Si-Att-UNet），用于检测雪水当量（SWE）的每日变化事件，并在50%置信阈值下达到了99.3%的F1分数	研究主要关注加拿大冬季季节，可能不适用于其他地区或季节	理解气候制度效应对雪融化模式的影响，并检测雪水当量的每日变化事件	加拿大冬季季节的雪水当量（SWE）变化	机器学习和环境科学	NA	深度学习	Siamese Attention U-Net (Si-Att-UNet)	图像（SWE地图）	1979年至2018年的每日SWE地图数据
2396	2025-07-26	Automated Cattle Head and Ear Pose Estimation Using Deep Learning for Animal Welfare Research 2025-Jul-13, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci12070664 PMID:40711324	research paper	该研究提出了一种基于深度学习的AI系统，用于牛头和耳朵的检测与姿态估计，以支持动物福利研究	结合Mask R-CNN和FSA-Net实现牛头及左耳的3D姿态估计，提供长期、定量、客观的动物行为监测方法	研究仅针对日本黑牛，未验证在其他牛种上的适用性	开发自动化系统以改进动物福利评估方法	牛的头和耳朵姿态	computer vision	NA	deep learning	Mask R-CNN, FSA-Net	image	日本黑牛的自然条件下采集图像数据集
2397	2025-07-26	Computational and Imaging Approaches for Precision Characterization of Bone, Cartilage, and Synovial Biomolecules 2025-Jul-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm15070298 PMID:40710415	综述	本文综述了成像、计算建模和测序技术在关节组织健康高分辨率、非侵入性表征方面的最新进展	整合了高分辨率MRI、定量CT、超声弹性成像等先进成像技术与深度学习、多尺度建模方法，以及RNA-seq、空间转录组学和质谱蛋白质组学等多组学技术，用于影像生物标志物的发现	临床广泛应用需要强大的数据基础设施、法规遵从性和医生教育	实现关节组织健康的精确表征，推动肌肉骨骼疾病的精准诊疗	骨、软骨和滑膜组织的生物分子	数字病理学	退行性关节疾病	高分辨率MRI、定量CT、超声弹性成像、RNA-seq、空间转录组学、质谱蛋白质组学	CNN、有限元模型、基于代理的模型	图像、组学数据	NA
2398	2025-07-26	Diagnosis of Schizophrenia Using Feature Extraction from EEG Signals Based on Markov Transition Fields and Deep Learning 2025-Jul-07, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10070449 PMID:40710262	研究论文	该研究提出了一种基于马尔可夫转移场和深度学习的脑电图信号特征提取方法，用于精神分裂症的诊断	使用马尔可夫转移场将一维脑电图信号转换为二维图像，结合预训练的VGG-16模型和两种分类流程（支持向量机和深度学习）进行特征提取和分类	研究依赖于公开的脑电图数据库，样本来源单一，可能影响模型的泛化能力	开发一种高效的精神分裂症诊断方法	精神分裂症患者和健康个体的脑电图信号	数字病理学	精神分裂症	EEG信号分析，马尔可夫转移场，深度学习	VGG-16, SVM, 自编码器, 神经网络	EEG信号	来自MV Lomonosov莫斯科国立大学公开精神分裂症EEG数据库的数据
2399	2025-07-26	Detection of Helicobacter pylori Infection in Histopathological Gastric Biopsies Using Deep Learning Models 2025-Jul-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070226 PMID:40710613	研究论文	使用深度学习模型在组织病理学胃活检中检测幽门螺杆菌感染	采用深度卷积神经网络（DCNN）模型自动检测全切片图像中的幽门螺杆菌感染，相比传统方法具有更高的准确性和一致性	不同病理学应用中的变异性导致没有单一模型普遍适用，需要针对特定问题选择模型	提高幽门螺杆菌感染的诊断准确性和效率，减少诊断变异性	胃活检组织切片	数字病理学	胃炎	H&E染色、免疫组织化学确认	DCNN（InceptionV3, Resnet50, VGG16）、AutoML（BoostedNet, AutoKeras）	图像	100张H&E染色的全切片图像，45,795个图像块
2400	2025-07-26	Development of Deep Learning Models for Real-Time Thoracic Ultrasound Image Interpretation 2025-Jul-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070222 PMID:40710609	研究论文	开发深度学习模型用于实时胸部超声图像解读，以降低战场环境下胸部损伤诊断的技能门槛	使用MobileNetV3架构开发了三分类深度学习模型，并在实时采集的数据上实现了85%的准确率，比之前的YOLOv8模型提升了17%	研究基于动物实验数据（25头猪），尚未在人体临床环境中验证	开发适用于战场环境的实时胸部损伤AI诊断系统	胸部超声图像（气胸和血胸损伤）	计算机视觉	胸部损伤	深度学习	MobileNetV3	超声图像	25头猪的超声图像数据