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
2641	2025-10-06	Utilizing Detectron2 for accurate and efficient colon cancer detection in histopathological images 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1593534 PMID:40918447	研究论文	本研究提出了一种基于Detectron2深度学习框架的结肠癌组织病理图像分类方法	首次将Detectron2框架优化并应用于结肠癌组织病理图像分类任务，实现了99.8%的准确率	研究仅使用单一数据集进行验证，未在更广泛的数据集上进行测试	开发准确高效的结肠癌自动检测工具以辅助临床诊断	结肠组织病理图像	计算机视觉	结肠癌	组织病理学成像	深度学习目标检测模型	图像	LC25000数据集中10,000张标注图像（5,000正常，5,000癌变）	Detectron2	基于Detectron2的目标检测架构	准确率	NA
2642	2025-10-06	BlendNet: a blending-based convolutional neural network for effective deep learning of electrocardiogram signals 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1625637 PMID:40918589	研究论文	提出一种基于混合的卷积神经网络BlendNet，通过alpha混合方法有效提取心电图信号特征	提出alpha混合方法，将小波尺度图和二值图像的特征进行融合，生成更丰富的复合特征集	仅使用162个心电图记录进行实验，样本规模有限	提高心电图信号在心血管疾病诊断中的深度学习效果	心电图信号	机器学习	心血管疾病	连续小波变换	CNN	图像, 信号	162个心电图记录	NA	BlendNet	分类准确率	NA
2643	2025-10-06	Dairy DigiD: a keypoint-based deep learning system for classifying dairy cattle by physiological and reproductive status 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1545247 PMID:40918586	研究论文	开发基于关键点检测的深度学习系统Dairy DigiD，通过奶牛面部图像分类其生理和繁殖状态	结合DenseNet121全局图像分类和Detectron2细粒度面部分析的双重方法，利用30个解剖关键点检测提升分类鲁棒性	DenseNet121对背景噪声敏感导致泛化能力有限	开发非侵入式精准畜牧监测系统，替代传统识别方法	奶牛	计算机视觉	NA	深度学习，关键点检测，实例分割	CNN	高分辨率面部图像	NA	Detectron2	DenseNet121, Detectron2	准确率	NA
2644	2025-10-06	A systematic review of deep learning methods for community detection in social networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1572645 PMID:40918588	系统综述	本文系统回顾了过去十年中深度学习在社交网络社区检测中的应用研究	首次系统性地总结和比较了不同深度学习模型在社交网络社区检测中的表现，并识别了该领域的关键挑战	仅纳入了19项研究，可能未能覆盖所有相关文献；主要关注深度学习方法，未与传统方法进行深入对比	评估深度学习技术在社交网络社区检测中的有效性和应用现状	社交网络数据和社区检测方法	机器学习	NA	深度学习	GNN, Autoencoder, CNN	图数据	19项研究	NA	图神经网络, 自编码器, 卷积神经网络	NA	NA
2645	2025-10-06	Construction of a deep - learning - based rehabilitation prediction model for lower-limb motor dysfunction after stroke using synchronous EEG-EMG and fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1616957 PMID:40918983	研究论文	本研究构建了基于多模态数据的深度学习模型，用于预测脑卒中患者3个月后的下肢运动功能康复效果	首次结合静息态fMRI图像与同步EEG-EMG时间序列数据，采用集成学习方法构建多模态融合预测模型	样本量相对有限（102例），且仅86例患者完成了同步EEG-EMG检查	预测缺血性脑卒中患者3个月后的下肢运动功能康复结局	102例缺血性脑卒中偏瘫患者	医学人工智能	脑卒中	fMRI, EEG, EMG	深度学习	图像数据, 时间序列数据	102例缺血性脑卒中患者（其中86例完成同步EEG-EMG检查）	NA	ShuffleNet, LSTM	准确率, 召回率, 精确率, F1分数, AUC	NA
2646	2025-10-06	When artificial intelligence meets protein research 2025, Open research Europe DOI:10.12688/openreseurope.20628.1 PMID:40919100	综述	探讨人工智能与蛋白质科学的融合及其对结构预测和计算设计的革命性影响	聚焦2024年诺贝尔奖得主在AI蛋白质研究领域的奠基性贡献，强调AI工具如AlphaFold对非球状蛋白质研究的推动作用	仍存在蛋白质折叠动力学和淀粉样聚集等未解决的科学挑战	分析AI在蛋白质科学研究中的革命性作用与发展前景	蛋白质结构预测、非球状蛋白质（包括固有无序蛋白质）	机器学习	NA	深度学习、神经网络	神经网络	蛋白质结构数据	NA	NA	AlphaFold	NA	NA
2647	2025-10-06	Prediction of bone oligometastases in breast cancer using models based on deep learning radiomics of PET/CT imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1621677 PMID:40919156	研究论文	开发基于PET/CT影像的深度学习放射组学模型，用于早期预测乳腺癌骨寡转移	首次将PET/CT放射组学特征、深度学习特征和临床参数整合到深度学习放射组学模型中预测乳腺癌骨寡转移	回顾性研究，样本量有限（207例患者，312个骨病灶）	早期预测乳腺癌患者的骨寡转移（≤5个病灶）	乳腺癌患者及其骨病灶（包括107个良性病灶和205个恶性病灶，其中89个确诊为骨转移）	数字病理	乳腺癌	PET/CT成像，放射组学分析	深度学习，随机森林	医学影像（CT，PET，融合PET/CT图像）	207例乳腺癌患者，312个骨病灶	PyRadiomics	BasicNet	AUC，准确率，敏感性，特异性	NA
2648	2025-10-06	HoloMoA: a holography and deep learning tool for the identification of antimicrobial mechanisms of action and the detection of novel MoA 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1640252 PMID:40919199	研究论文	提出结合数字同轴全息显微镜和深度学习的创新工具HoloMoA，用于识别抗菌药物作用机制并检测新机制	首次将时间序列数字同轴全息显微镜与卷积循环神经网络结合，实现无标记、实时监测细菌表型响应并评估作用机制新颖性	仅使用ATCC 25922大肠杆菌菌株和22种抗生素进行验证，尚未扩展到更多菌株和化合物	开发快速、稳健、经济的抗菌药物作用机制分类和新颖性预测工具	大肠杆菌ATCC 25922和22种代表5种功能类别的抗生素	计算机视觉	NA	数字同轴全息显微镜	CRNN, Siamese Neural Network	图像序列	ATCC 25922菌株经22种抗生素处理达2小时的全息图像数据	NA	Convolutional Recurrent Neural Network, Siamese Neural Network	准确率	NA
2649	2025-10-06	Deep dive into deep learning methods for cervical cancer detection and classification 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.106148 PMID:40919255	综述	本文系统综述了深度学习在宫颈癌检测与分类中的应用方法、评估指标及现存挑战	首次对深度学习在宫颈癌诊断中的各类方法进行全面梳理，重点关注卷积神经网络在宫颈细胞学图像分析中的创新应用	依赖有限标注数据集、医学影像存在不一致性、需要更具鲁棒性的模型	通过深度学习技术提升宫颈癌的早期检测和诊断水平	宫颈细胞学图像	计算机视觉	宫颈癌	深度学习	CNN	医学影像	NA	NA	卷积神经网络	准确率, 灵敏度, 特异性, AUC	NA
2650	2025-10-06	Optimizing cervical cancer diagnosis with accurate cell classification using modified HDFF 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.105867 PMID:40919253	研究论文	本研究提出改进的层次深度特征融合方法用于宫颈癌细胞分类，显著提升诊断准确率	通过整合层次深度学习特征，改进特征提取过程并融合多层深度学习模型，实现更准确鲁棒的分类性能	需要进一步优化和扩展训练数据集以提升性能	开发自动化宫颈癌诊断工具，提高诊断准确性和效率	宫颈细胞图像	计算机视觉	宫颈癌	NA	深度学习	图像	SIPaKMeD和Herlev数据集	NA	改进的层次深度特征融合(HDFF)	准确率,精确率,召回率,F1分数	NA
2651	2025-10-06	An explainable AI approach for mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf051 PMID:40860594	研究论文	本研究开发了一种可解释AI方法，通过MRI数据预测大脑年龄并识别阿尔茨海默病相关的多变量脑区模式	首次将深度学习模型与多种特征重要性方法结合，探索多变量脑区与年龄的关联，而不仅限于单变量关系	样本量相对有限（n=825），且主要基于MRI数据，未整合多模态数据	开发可解释AI方法以理解大脑老化模式和阿尔茨海默病临床严重程度的关系	阿尔茨海默病连续谱患者，包括认知正常者、轻度认知障碍者和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	MRI	深度学习, 机器学习	医学影像	825个MRI样本	NA	AgeNet	预测准确性	NA
2652	2025-10-06	Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330103 PMID:40920705	研究论文	本研究提出基于DPAGCHE增强的宫颈涂片图像分类方法，通过比较不同CNN模型在原始和增强图像上的性能	提出DPAGCHE图像增强方法改善宫颈涂片图像质量，并结合迁移学习实现自动化分类	仅使用Herlev公开数据集，样本来源相对单一	开发自动化宫颈癌检测方法以提高诊断准确性和效率	宫颈涂片图像	计算机视觉	宫颈癌	图像增强技术	CNN	图像	Herlev公开数据集	MATLAB Online	ResNet50, Baseline CNN	准确率, 特异性, 召回率, 精确率, F1分数	NA
2653	2025-10-06	Automated segmentation of retinal vessel using HarDNet fully convolutional networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330641 PMID:40920773	研究论文	提出一种基于HarDNet的改进模型用于视网膜血管自动分割	集成HarDNet模块、感受野块模块和密集聚合模块的创新架构，能有效提取多尺度特征并提升小血管分割精度	未明确说明模型在更大规模或更多样化数据集上的泛化能力	开发高精度的视网膜血管自动分割方法以辅助眼底疾病诊断	彩色眼底图像中的视网膜血管结构	计算机视觉	糖尿病、高血压、脑血管疾病	深度学习	全卷积网络	图像	DRIVE和CHASE_DB1数据集	NA	HarDNet, Receptive Field Block, Dense Aggregation	准确率	NA
2654	2025-10-06	AI-Driven quality assurance in mammography: Enhancing quality control efficiency through automated phantom image evaluation in South Korea 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330091 PMID:40920794	研究论文	开发并验证基于深度学习的乳腺摄影体模图像自动评估模型，旨在提高放射科医师间评分一致性和质量控制效率	首次在韩国国家认证体系中使用EfficientNetV2_L模型实现乳腺摄影体模图像的自动化评估，结合可解释AI技术验证模型决策与指南标准的一致性	模型在肿块评估中存在尺寸相关偏差，且研究数据仅来自单一机构	提升乳腺摄影质量控制的效率和评分一致性	乳腺摄影体模图像中的模拟病灶（纤维、斑点、肿块）	计算机视觉	乳腺癌	深度学习	CNN	医学图像	5,813张符合质量标准的乳腺摄影体模图像	未明确说明	EfficientNetV2_L	准确率,F1分数,AUC,置信区间	NA
2655	2025-10-06	A robust hydroponic system for horticulture farming using deep learning, IoT, and mobile application 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330488 PMID:40920816	研究论文	开发了一个结合深度学习、物联网和移动应用的稳健水培系统，用于支持孟加拉国基层农民	集成硬件实现、深度学习疾病检测和移动应用的三阶段系统架构，实现98.5%的高疾病检测准确率	未提及系统在更大规模或不同环境条件下的测试结果	通过技术系统简化水培种植过程，提高农民操作便利性和系统监控能力	孟加拉国基层农民和水培种植系统	计算机视觉,物联网	园艺作物病害	深度学习,物联网传感器技术	深度学习模型	传感器数据,图像数据	约80%的基层农民参与调查	NA	NA	准确率	NA
2656	2025-10-06	Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82045-y PMID:39730745	研究论文	提出一种结合深度CNN和双向LSTM的混合模型，通过可穿戴传感器数据提升医疗紧急情况下的人类活动识别能力	首次将CNN-BiLSTM模型与欠采样技术结合用于人类活动识别，在公开数据集上取得显著性能提升	仅使用两个公开数据集进行验证，未在更多样化的实际场景中测试	提高医疗紧急情况下人类活动识别的准确性和可靠性	通过可穿戴传感器采集的人类活动数据，特别关注老年人跌倒和异常动作识别	机器学习	老年疾病	可穿戴传感器数据采集	CNN, BiLSTM	传感器时序数据	MHEALTH和Actitracker两个公开数据集	NA	CNN-BiLSTM混合架构	准确率, 精确率, 召回率, F1分数	NA
2657	2025-10-06	Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study 2024-11, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00172-9 PMID:39455192	研究论文	开发并验证了一种基于人工智能的心电图风险估计平台，用于预测死亡率和心血管风险	开发了具有可操作性、可解释性和生物学合理性的AI-ECG风险估计平台，能够生成患者特异性生存曲线并预测死亡时间	NA	开发能够预测死亡率和心血管风险的AI-ECG平台，解决现有模型在个体层面缺乏可操作性和可解释性的问题	心电图数据和患者群体	机器学习	心血管疾病	心电图	深度学习	心电图信号	1,163,401份心电图，来自189,539名患者，并在五个跨国队列中验证	NA	离散时间生存模型	C-index	NA
2658	2025-10-06	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本研究开发了一种结合电子健康记录、深度学习自动解读超声心动图和生物样本分析的人工智能系统，用于自动检测和分类心力衰竭患者	首次将电子健康记录关键词搜索、深度学习自动解读DICOM超声心动图像和生物标志物分析相结合，实现心力衰竭亚型的自动识别和分类	研究仅基于苏格兰Tayside和Fife地区数据，样本代表性可能受限；需要排除数据不匹配或严重瓣膜性心脏病患者	开发自动化心力衰竭检测和分类系统，改善患者护理和监测	心力衰竭患者，包括射血分数降低型心力衰竭(HFrEF)、射血分数保留型心力衰竭(HFpEF)和无心力衰竭对照组	医疗人工智能	心力衰竭	电子健康记录分析、DICOM图像处理、生物标志物检测、深度学习	深度学习模型	电子健康记录、DICOM超声心动图像、血浆样本生物标志物数据	从60,850例电子健康记录中筛选出578名患者（186名对照组，236名HFpEF，156名HFrEF）	NA	NA	准确性、一致性验证	NA
2659	2025-10-06	Refined matrix completion for spectrum estimation of heart rate variability 2024-Aug-02, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024296 PMID:39483092	研究论文	本研究提出了一种基于矩阵补全的心率变异性频谱不确定性估计新方法	利用HRV频谱矩阵的低秩特性进行数据不确定性估计，并开发了精炼的矩阵补全技术以提高估计精度和计算效率	NA	开发可靠的心率变异性频谱不确定性估计方法	心率变异性频谱数据	机器学习	心血管疾病	频谱分析	统计机器学习模型	生理信号数据	五个公共数据集	NA	矩阵补全	有效性、可靠性	NA
2660	2025-10-06	The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review 2024-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090939 PMID:38732351	综述	通过伞式综述探讨深度学习在放射治疗领域的整合应用，分析其挑战、机遇与未来发展方向	首次采用伞式综述方法系统梳理深度学习在放疗领域的应用现状，特别关注COVID-19大流行背景下的加速发展	基于19篇系统综述的二次分析，缺乏原始研究数据的直接验证	探索深度学习技术在放射治疗中的变革性影响和发展前景	放射治疗领域的深度学习应用研究	医疗人工智能	放射治疗相关疾病	深度学习	NA	医学影像数据	基于19篇系统综述的二次分析	NA	NA	NA	NA