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
281	2025-10-05	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机器学习模型，用于预测乳腺导管原位癌保乳术后5年复发风险	首次将乳腺X线摄影的深度学习特征与SHAP解释性分析相结合，构建可解释的复发预测模型	回顾性单中心研究，样本量有限（n=140），需要外部验证	预测乳腺导管原位癌保乳术后长期复发风险	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）	医学影像分析	乳腺癌	数字乳腺X线摄影，pyradiomics特征提取	梯度提升机（GBM）	医学影像，临床数据	140例患者（训练集100例，验证集40例）	Scikit-learn	梯度提升机	AUC，敏感度，特异度，阳性预测值，阴性预测值	NA
282	2025-10-05	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	本文探讨了生成式人工智能和基础模型在癌症诊断与治疗领域的应用现状与前景	系统阐述了基础模型作为新一代大规模AI工具在医学领域的变革潜力，强调其多功能性、高性能和个性化增强特性	存在多重障碍阻碍通用AI和生成式AI的临床转化	分析基础模型在肿瘤学领域的应用前景与挑战	癌症诊断与治疗	机器学习	癌症	生成式人工智能, 基础模型	NA	多模态医疗数据	NA	NA	NA	NA	NA
283	2025-10-05	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和机器学习预测第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天胚胎培养基分析，实现卵裂期胚胎发育潜力预测	初步研究样本量有限（172个样本），需更大规模验证	开发非侵入性方法预测胚胎发育潜力，避免延长培养对子代健康的影响	第3天人类胚胎培养液样本	机器学习	生殖医学	拉曼光谱	多层感知器,人工神经网络,门控循环单元,线性判别分析	光谱数据	172个第3天培养液样本（来自78对夫妇）	NA	NA	准确率,灵敏度,特异性	NA
284	2025-10-05	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	本研究开发了一种基于放射组学和深度学习的可解释框架，用于预测乳腺癌复发	结合临床相关放射组学特征与深度学习模型，提供临床可解释的乳腺癌复发预测框架	使用私有内部数据集，缺乏外部验证	开发乳腺癌复发预测模型以改善临床治疗效果	乳腺癌患者	数字病理学	乳腺癌	放射组学分析	神经网络	数字乳腺X线影像	私有内部数据集（具体数量未提及）	NA	NA	AUC	NA
285	2025-10-05	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数据集上的脑肿瘤分类性能	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深度学习架构	仅使用单一数据集进行评估，未考虑不同数据分布和临床场景的泛化能力	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	脑肿瘤患者	计算机视觉	脑肿瘤	MRI	Random Forest, CNN	医学图像	BraTS 2024数据集	NA	Simple CNN, VGG16, VGG19, ResNet50, Inception-ResNetV2, EfficientNet	准确率	NA
286	2025-10-05	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，实现咬合关系的自动化识别	模型性能在不同咬合子类别间存在差异，边缘对边缘咬合的识别准确率相对较低	开发基于深度学习的咬合分类工具，提高正畸诊断和治疗规划的效率和客观性	口内照片中的咬合关系分类	计算机视觉	口腔疾病	口内摄影	深度学习	图像	6100名患者的5000张45°侧方视角和2200张90°侧方视角口内照片	PyTorch	Swin Transformer	加权平均F1分数	NA
287	2025-10-05	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直接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研究，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	NA	研究增强子-启动子相互作用及其在基因表达和疾病机制中的作用	基因组序列中的增强子和启动子区域	生物信息学	NA	基因组序列分析	CNN, Transformer	基因组序列数据	六个细胞系的数据	NA	CNN-Transformer混合架构	AUPR, AUROC	NA
288	2025-10-05	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	全面整合了多种影像学方法与人工智能技术，特别关注AI在诊断准确性和分期精度方面的提升	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	探讨影像学分析和人工智能在结肠癌检测、分期和治疗规划中的应用	结肠癌的影像学特征和分期评估	数字病理学	结肠癌	结肠镜检查、计算机断层扫描(CT)、磁共振成像(MRI)、内镜超声(EUS)、组织病理学分析	深度学习	医学影像	NA	NA	NA	敏感性, 准确率, 5年生存预测准确率	NA
289	2025-10-05	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，用于不同水分胁迫条件下的番茄监测	将自适应核卷积(AKConv)集成到YOLOv11n主干网络的C3k2模块中，并设计了基于P2层的重校准特征金字塔检测头	植株高度平均相对误差为6.9%，叶柄计数误差为10.12%	实现番茄水分胁迫的高效监测和精准灌溉	番茄植株	计算机视觉	NA	成像技术	YOLO, 逻辑回归, 支持向量机, 随机森林, 决策树, K近邻, 朴素贝叶斯, 梯度提升	图像	NA	NA	YOLOv11n, C3k2模块, 特征金字塔	召回率, mAP50, mAP50-95, 分类准确率	NA
290	2025-10-05	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，用于枣椰树叶部疾病的自动识别和分割	首次将Swin Transformer、YOLOv12和SAM-2.1集成到统一框架中，实现疾病检测、分割和严重程度预测	需要专业标注的数据集，在复杂背景和小病灶情况下可能存在挑战	开发自动化植物疾病诊断系统，提高精准农业效率	枣椰树叶部疾病	计算机视觉	植物疾病	深度学习	Transformer, CNN	图像	13,459张棕榈叶图像	PyTorch	Swin Transformer, YOLOv12, SAM-2.1, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
291	2025-10-05	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与分类，并在扩展IoU范围内评估模型性能	仅使用2870张标注图像，数据集规模相对有限	开发基于深度学习的脑肿瘤自动检测与分类系统	脑部MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	YOLO	图像	2870张标注的脑部MRI图像，包含四种类型：垂体瘤、胶质瘤、脑膜瘤和无肿瘤	NA	YOLOv7	召回率, 边界框检测准确率, mAP	NA
292	2025-10-05	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	提出了一种结合语义和进化信息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	首次将序列压缩方法应用于评估蛋白质序列特征充分性，并开发了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，可能影响模型性能上限	开发计算框架准确识别蛋白质S-亚磺酰化位点	蛋白质序列及其S-亚磺酰化修饰位点	生物信息学	NA	蛋白质序列分析，深度学习	BiLSTM	蛋白质序列数据	基准数据集（具体数量未说明）	fastText, 自定义深度学习框架	Bidirectional LSTM, 自适应特征融合模块	准确率, 灵敏度, 特异性	NA
293	2025-10-05	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	本文通过文献计量学方法系统分析深度学习在作物监测中的应用趋势、挑战与未来前景	首次对2000-2024年间650余篇文献进行系统的文献计量与知识图谱分析，揭示深度学习与遥感技术融合的研究格局	基于文献计量分析，缺乏对具体技术方法的实验验证和性能比较	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与发展趋势	2000-2024年间发表的650余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，遥感技术（无人机，卫星）	CNN	文献数据，遥感图像数据	650+篇学术出版物	NA	NA	NA	NA
294	2025-10-05	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	提出一种融合驱动的多模态学习方法，用于外科护理中的生物医学时间序列预测	开发了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多模态数据整合	NA	解决生物医学时间序列预测中多模态数据融合的挑战，提升临床决策的准确性和鲁棒性	生物医学时间序列数据，包括生理信号、影像数据和电子健康记录	机器学习	外科护理相关疾病	深度学习	深度学习框架	多模态时间序列数据（生理信号、影像、电子健康记录）	NA	NA	自适应多模态融合网络（AMFN）	预测准确性、鲁棒性、可解释性	NA
295	2025-10-05	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	系统综述	本文探讨机器学习在免疫治疗中因果推断的重要性及当前实践差距	首次系统性地揭示免疫治疗研究中因果推断的缺失问题，并介绍新兴因果机器学习模型	基于文献综述，缺乏原始数据验证；未详细讨论具体实施技术细节	推动因果推断在免疫治疗机器学习模型中的应用	免疫检查点抑制剂研究（90项研究）和黑色素瘤回顾性研究（36项研究）	机器学习	免疫治疗相关疾病	多组学数据整合，因果推断方法	Targeted-BEHRT, CIMLA, CURE	多模态数据（影像、基因组学、临床记录）	126项研究（90+36）	NA	因果机器学习架构	模型可解释性，临床适用性	NA
296	2025-10-05	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指数和深度学习的超光谱胁迫检测框架，用于精准农业中的作物胁迫早期检测	开发了两个新型超光谱指数MLVI和H_VSI，并首次将其与CNN模型结合用于作物胁迫分类，能比传统指数提前10-15天检测到胁迫	NA	实现作物胁迫的早期准确检测，促进可持续农业和粮食安全	作物水分和结构胁迫	计算机视觉	NA	超光谱成像	CNN	超光谱图像	NA	NA	CNN	准确率, 相关系数	NA
297	2025-10-05	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，探讨其工作流程、有效性及未来发展方向	系统总结AI在干眼症诊疗中的完整工作流程，并提出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断和治疗中的应用价值与发展前景	干眼症患者及相关临床数据	医学人工智能	干眼症	数据分析、图像识别	机器学习、深度学习	临床数据、图像数据	基于48项原始研究的汇总分析	NA	NA	诊断效率、准确性、客观性	NA
298	2025-10-05	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影响	NA	提高主动学习在深度学习架构中的可靠性和性能	深度学习模型中的样本选择策略	机器学习	NA	主动学习	深度学习架构	NA	NA	NA	NA	NA	NA
299	2025-10-05	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及其对传统疫苗研发局限性的突破	提出人工智能与纳米技术协同整合的创新范式，通过AI算法优化抗原设计结合纳米载体精准递送，实现个性化免疫策略开发	未提及具体临床转化挑战和规模化生产成本控制等实践性限制	推动疫苗研发技术革新以应对新发传染病和复杂疾病挑战	疫苗设计、递送系统和免疫优化策略	机器学习	传染病	基因组学、蛋白质组学、免疫组学数据分析	机器学习,深度学习	基因组数据,蛋白质组数据,免疫学数据	NA	NA	NA	NA	NA
300	2025-10-05	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中的类别不平衡问题	研究中未明确说明样本量的具体数值，且方法在更广泛的纳米颗粒类型上的适用性有待验证	开发无标记、非侵入性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，暗场成像	3D CNN	高光谱图像	NA	NA	3D CNN	准确率，F1分数，Cohen's Kappa	NA