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
281	2025-10-04	Integrating deep learning features from mammography with SHAP values for a machine learning model predicting over 5-year recurrence of breast ductal carcinoma In Situ post-lumpectomy 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1681072 PMID:41030436	研究论文	本研究开发了一种结合乳腺X线摄影深度学习特征和临床病理数据的可解释机器学习模型，用于预测乳腺导管原位癌保乳术后5年以上复发风险	首次将乳腺X线摄影的深度学习特征与SHAP值解释方法结合，构建可解释的复发预测模型，突破了传统方法仅依赖临床病理因素的局限	研究为单中心回顾性分析，样本量相对有限（140例患者），需要更大规模的前瞻性验证	开发能够准确预测乳腺导管原位癌保乳术后长期复发的机器学习模型	140例来自哈尔滨医科大学附属肿瘤医院的乳腺导管原位癌患者（2011-2020年）	数字病理	乳腺癌	数字乳腺X线摄影、pyradiomics特征提取、机器学习	梯度提升机(GBM)、LASSO回归	医学图像、临床数据	140例患者（训练集100例，验证集40例）
282	2025-10-04	General artificial intelligence for the diagnosis and treatment of cancer: the rise of foundation models 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf015 PMID:41030612	综述	本文综述了生成式AI和基础模型在癌症诊疗领域的应用现状与发展前景	系统阐述了基于通用AI和生成式AI的基础模型在肿瘤学中的革命性应用潜力	存在多重障碍可能阻碍通用AI和生成式AI的临床转化	探讨基础模型在癌症诊断和治疗中的应用与挑战	癌症诊疗领域中的AI技术应用	机器学习	癌症	生成式AI、基础模型、深度学习	基础模型	多模态医疗数据	NA
283	2025-10-04	Embryo selection at the cleavage stage using Raman spectroscopy of day 3 culture medium and machine learning: a preliminary study 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1608318 PMID:41030854	研究论文	本研究探索结合拉曼光谱与机器学习预测第3天胚胎培养结果，为卵裂期胚胎选择提供非侵入性方法	首次将拉曼光谱与机器学习结合用于第3天胚胎培养液分析，实现卵裂期胚胎发育潜能的非侵入性预测	初步研究样本量有限，需更大规模验证	开发基于拉曼光谱和机器学习的卵裂期胚胎选择方法，减少延长培养对后代的影响	第3天胚胎培养液样本	机器学习	生殖医学	拉曼光谱	多层感知机、人工神经网络、门控循环单元、线性判别分析等12种机器学习模型	光谱数据	172份第3天培养液样本（来自78对夫妇）
284	2025-10-04	Advancing breast cancer relapse prediction with radiomics and neural networks: a clinically interpretable framework 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1593806 PMID:41030950	研究论文	开发基于放射组学和深度学习模型的乳腺癌复发预测框架	结合临床可解释的放射组学特征与神经网络构建可解释预测模型	使用私有内部数据集，缺乏外部验证	通过早期预测乳腺癌复发改善患者生存率和治疗结果	乳腺癌患者	数字病理	乳腺癌	放射组学特征提取	深度学习神经网络	数字乳腺X线影像	私有内部数据集（具体样本量未明确说明）
285	2025-10-04	Comparative analysis of machine learning techniques on the BraTS dataset for brain tumor classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1596718 PMID:41030946	研究论文	比较多种机器学习和深度学习技术在BraTS数据集上对脑肿瘤分类的性能	发现传统机器学习方法（随机森林）在脑肿瘤分类任务中优于多种先进的深度学习模型	仅使用单一数据集进行评估，未在其他数据集上验证结果的普适性	评估不同机器学习技术在脑肿瘤MRI图像分类中的相对性能	脑肿瘤MRI图像	计算机视觉	脑肿瘤	机器学习，深度学习	随机森林，CNN，VGG16，VGG19，ResNet50，Inception-ResNetV2，EfficientNet	医学图像（MRI）	BraTS 2024数据集
286	2025-10-04	Development and evaluation of a deep learning model for occlusion classification in intraoral photographs 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20140 PMID:41031041	研究论文	开发并评估用于口内照片咬合分类的深度学习模型	首次将深度学习技术应用于口内照片的咬合分类，实现自动化诊断	模型性能在不同咬合子类型间存在差异，需要进一步验证临床适用性	开发基于深度学习的咬合分类工具，提高正畸诊断效率和客观性	正畸患者的咬合关系分类	计算机视觉	口腔错颌畸形	深度学习	Swin Transformer	图像	6100名患者的7200张口内照片（5000张45°侧视图，2200张90°侧视图）
287	2025-10-04	DeepEPI: CNN-transformer-based model for extracting TF interactions through predicting enhancer-promoter interactions 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf221 PMID:41031058	研究论文	提出DeepEPI深度学习框架，通过整合CNN和Transformer模块从基因组序列预测增强子-启动子相互作用	首次将CNN与Transformer结合用于EPI预测，通过多头注意力机制提取转录因子相互作用，提供可解释性分析	未明确说明模型在不同细胞类型间的泛化能力及计算资源需求	开发能够从基因组序列预测增强子-启动子相互作用的深度学习模型	基因组序列中的增强子和启动子区域	生物信息学	NA	深度学习，DNA序列编码	CNN-Transformer混合模型	基因组序列数据	6个细胞系的数据集
288	2025-10-04	Advancements in Image-Based Analyses for Morphology and Staging of Colon Cancer: A Comprehensive Review 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/9214337 PMID:41031243	综述	本文系统回顾了基于图像的结肠癌形态学分析和分期技术的最新进展	重点探讨了人工智能和机器学习在结肠癌影像分析中的整合应用及其诊断准确性	存在观察者间变异性、数据集偏差、监管问题以及缺乏标准化AI验证协议等挑战	评估结肠癌检测、分期和治疗规划的影像技术	结肠癌的影像学分析和分期	数字病理学	结肠癌	结肠镜检查、CT、MRI、内镜超声、组织病理学分析	深度学习算法	医学影像	基于PubMed、Scopus和IEEE Xplore数据库过去十年发表的同行评审研究
289	2025-10-04	Deep learning-based approach for phenotypic trait extraction and computation of tomato under varying water stress 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1660593 PMID:41031303	研究论文	本研究开发了一种基于深度学习的番茄表型性状提取和参数计算框架，用于监测不同水分胁迫条件下的番茄生长状况	将自适应核卷积(AKConv)集成到YOLOv11n骨干网络的C3模块中，并设计了基于P2层的重新校准特征金字塔检测头	植株高度测量的平均相对误差为6.9%，叶柄计数的误差为10.12%	开发高效监测番茄水分胁迫的表型分析框架	番茄植株	计算机视觉	NA	深度学习，目标检测，几何分析	YOLOv11n，随机森林，支持向量机，逻辑回归，决策树，K近邻，朴素贝叶斯，梯度提升	图像	NA
290	2025-10-04	Swin-YOLO-SAM: a hybrid Transformer-based framework integrating Swin Transformer, YOLOv12, and SAM-2.1 for automated identification and segmentation of date palm leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1666374 PMID:41031307	研究论文	提出一种基于Transformer的混合框架，用于枣椰树叶部病害的自动识别与分割	集成Swin Transformer、YOLOv12和SAM-2.1的混合Transformer架构，在低标注场景下实现高精度病害检测与分割	未明确说明模型计算复杂度及在移动设备上的部署可行性	开发自动化植物病害诊断系统，提升精准农业中的病害监测效率	枣椰树叶部病害（真菌、细菌和虫害相关疾病）	计算机视觉	植物病害	深度学习	Swin Transformer, YOLOv12, SAM-2.1, Vision Transformer (ViT)	图像	13,459张棕榈叶图像
291	2025-10-04	A deep learning approach for brain tumour classification and detection in MRI images using YOLOv7 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1508326 PMID:41040522	研究论文	本研究使用YOLOv7深度学习模型对脑部MRI图像中的肿瘤进行分类和检测	采用最新的YOLOv7模型进行脑肿瘤检测，并在预处理阶段应用纵横比归一化和调整大小算法以提高肿瘤定位精度	仅使用2870张标注图像的数据集，可能数据规模有限	提高脑肿瘤在MRI图像中的分类和检测准确性	脑部MRI图像中的四种肿瘤类型：垂体瘤、胶质瘤、脑膜瘤和无肿瘤	计算机视觉	脑肿瘤	深度学习	YOLOv7	图像	2870张标注的脑部MRI图像，分为四种肿瘤类型
292	2025-10-04	BioSemAF-BiLSTM: a protein sequence feature extraction framework based on semantic and evolutionary information 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1616880 PMID:41040660	研究论文	提出了一种基于深度学习的蛋白质序列特征提取框架BioSemAF-BiLSTM，用于预测S-亚磺酰化位点	整合进化信息和语义特征，使用序列压缩方法定量评估特征充分性，并采用自适应特征融合模块增强特征交互	特征提取存在11%的信息损失率	提高蛋白质S-亚磺酰化位点的预测准确性	蛋白质序列中的S-亚磺酰化位点	生物信息学	NA	fastText词嵌入、位置特异性评分矩阵(PSSM)	BiLSTM（双向长短期记忆网络）	蛋白质序列数据	基准数据集和独立测试集（具体数量未提及）
293	2025-10-04	A bibliometric review of deep learning in crop monitoring: trends, challenges, and future perspectives 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1636898 PMID:41041084	综述	对深度学习在作物监测领域的650多篇文献进行文献计量学分析，总结趋势、挑战和未来展望	首次通过文献计量和知识图谱方法系统分析深度学习在农业监测中的应用现状和发展趋势	基于文献分析而非原始实验研究，可能受限于文献覆盖范围和检索策略	系统梳理人工智能特别是深度学习在农业监测中的应用现状和发展趋势	2000-2024年间发表的650多篇关于深度学习和农业监测的学术文献	机器学习	NA	文献计量分析、知识图谱分析	CNN	遥感数据（无人机、卫星图像）	650多篇学术文献
294	2025-10-04	Fusion-driven multimodal learning for biomedical time series in surgical care 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1605406 PMID:41041272	研究论文	提出一种用于生物医学时间序列预测的新型多模态深度学习框架	引入自适应多模态融合网络和动态跨模态学习策略，通过注意力对齐、图表示学习和模态自适应融合机制增强信息整合	NA	提高生物医学时间序列预测的准确性和鲁棒性，支持临床决策	生物医学时间序列数据，包括生理信号、影像和电子健康记录	机器学习	NA	深度学习	自适应多模态融合网络（AMFN）	多模态时间序列数据（生理信号、影像、电子健康记录）	NA
295	2025-10-04	Correlation does not equal causation: the imperative of causal inference in machine learning models for immunotherapy 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1630781 PMID:41041318	综述	本文系统分析了机器学习在免疫治疗研究中忽视因果推断的现状，并探讨了因果机器学习的最新进展与挑战	首次系统性地揭示了免疫治疗研究中因果推断的缺失问题，并提出了因果机器学习作为解决方案	实践应用仍面临数据质量差、算法不透明、方法复杂和跨学科沟通障碍等挑战	推动因果推断在免疫治疗机器学习模型中的应用，实现从相关性分析向因果推理的范式转变	免疫检查点抑制剂和黑色素瘤的相关研究	机器学习	免疫治疗相关疾病	系统综述方法，因果机器学习技术	Targeted-BEHRT, CIMLA, CURE等因果机器学习模型	多模态数据（包括影像学、基因组学和临床记录）	90项免疫检查点抑制剂研究和36项黑色素瘤回顾性研究
296	2025-10-04	MLVI-CNN: a hyperspectral stress detection framework using machine learning-optimized indices and deep learning for precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1631928 PMID:41041588	研究论文	提出一种结合机器学习优化植被指数和深度学习的高光谱胁迫检测框架，用于精准农业中的作物胁迫早期检测	开发了两种新型高光谱指数MLVI和H_VSI，采用递归特征消除优化光谱波段，并结合CNN模型实现作物胁迫严重程度的六级分类	NA	实现作物水分和结构胁迫的早期准确检测	作物胁迫	计算机视觉	NA	递归特征消除(RFE)、高光谱成像	CNN	高光谱图像	NA
297	2025-10-04	Artificial Intelligence in Clinical Diagnosis and Treatment of Dry Eye: Workflows, Effectiveness, and Evaluation 2024 Oct-Dec, Journal of current ophthalmology IF:1.2Q3 DOI:10.4103/joco.joco_172_24 PMID:41041032	综述	本文综述人工智能在干眼症临床诊疗中的应用流程、效果与评估	系统总结AI在干眼症诊疗中的工作流程，并探讨云端治疗管理等新兴应用方向	AI在干眼症应用中仍面临某些需要解决的挑战	探讨人工智能在干眼症临床诊疗中的应用及其发展前景	干眼症相关临床研究	医学人工智能	干眼症	机器学习、深度学习、计算机辅助技术	NA	临床数据、图像数据	基于48篇相关原始研究
298	2025-10-04	Reliable Active Learning via Influence Functions 2023-Nov, Transactions on machine learning research PMID:41036166	研究论文	提出一种基于影响函数的可靠主动学习框架，解决深度学习中主动学习算法性能不可靠的问题	通过影响函数、伪标签和多样性选择来高效估计样本对模型在整个数据集上性能的提升，确保主动学习的选择价值	NA	提高主动学习在深度学习架构中的可靠性和性能稳定性	深度学习模型中的样本选择策略	机器学习	NA	影响函数、伪标签、多样性选择	深度学习架构	标注数据和未标注数据	NA
299	2025-10-03	Applications of artificial intelligence and nanotechnology in vaccine development 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126096 PMID:40886810	综述	探讨人工智能和纳米技术在疫苗开发中的协同应用与创新潜力	首次系统阐述AI与纳米技术的协同效应对疫苗开发的变革性影响，提出个性化免疫策略新范式	未涉及具体临床验证数据和实际应用案例的详细分析	研究AI和纳米技术如何共同推动疫苗开发的技术革新	疫苗设计、递送系统和免疫优化策略	生物医学工程	传染病	机器学习(ML)、深度学习(DL)、纳米颗粒技术	深度学习算法	基因组学、蛋白质组学、免疫学数据集	NA
300	2025-10-03	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究开发了一种结合高光谱成像和深度学习技术的无标记纳米药物递送系统分类方法	首次将3D卷积神经网络与高光谱成像结合用于无标记脂质体分类，并采用SMOTE技术解决药物数据集类别不平衡问题	NA	开发无标记、高通量的纳米药物递送系统表征方法	治疗性脂质体（对照组和阿霉素负载脂质体）	计算机视觉	NA	高光谱成像（HSI）、暗场高光谱成像（VNIR 400-1000 nm）	3D CNN	高光谱图像	NA