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
301	2025-10-05	Deep Learning on Histologic Slides Accurately Predicts Consensus Molecular Subtypes and Spatial Heterogeneity in Colon Cancer 2025-Aug-25, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100877 PMID:40865918	研究论文	本研究开发了一种基于深度学习的方法，通过组织学切片预测结肠癌的共识分子亚型和空间异质性	首次使用常规H&E染色全切片图像通过深度学习预测结肠癌分子亚型及其瘤内异质性，无需额外分子检测	研究依赖于公开数据集，需要进一步前瞻性验证临床适用性	开发基于深度学习的结肠癌分子亚型和瘤内异质性预测方法	结肠癌患者组织学切片	数字病理学	结肠癌	苏木精-伊红±藏红染色全切片数字化成像	自监督学习,弱监督学习	全切片图像	1996例患者来自PETACC-8、TCGA-COAD和PRODIGE-13队列	NA	NA	宏平均曲线下面积	NA
302	2025-10-05	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	本研究通过多器官AI内表型探索脑、眼和心脏疾病的异质性和共享病因	首次提出'泛疾病'概念，利用弱监督深度学习模型从多器官数据中识别11个AI生物标志物	研究依赖于现有数据集的可用性和质量，需要进一步验证	研究脑、眼和心脏疾病的异质性和共享病因机制	129,340名参与者的多器官成像、遗传、蛋白质组和RNA-seq数据	数字病理学	阿尔茨海默病,偏头痛,心血管疾病	多器官成像,遗传分析,蛋白质组学,RNA-seq	GAN	图像,遗传数据,蛋白质组数据,RNA-seq数据	129,340名参与者	NA	Surreal-GAN	NA	NA
303	2025-10-05	EDNTOM: An Ensemble Learning and Weight Mechanism-Based Nanopore Methylation Detection Tool 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01924 PMID:40787313	研究论文	开发了一种基于集成学习和注意力权重机制的纳米孔甲基化检测工具EDNTOM	采用集成学习技术整合多个预训练单模型预测，并引入注意力权重机制，在提高检测准确性的同时减少计算资源消耗	NA	开发更强大可靠的DNA甲基化检测工具，平衡计算资源和信息处理性能	DNA甲基化检测	机器学习	NA	纳米孔测序	深度学习,集成学习	DNA测序数据	NA	NA	NA	NA	NA
304	2025-10-05	GGCRB: A Graph Neural Network Approach for Predicting CircRNA-RBP Interactions Using Structural and Sequence Features 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c04524 PMID:40787315	研究论文	提出一种结合序列和结构特征的图神经网络方法GGCRB，用于预测环状RNA与RNA结合蛋白的相互作用位点	首次将图卷积网络和图注意力网络应用于circRNA结构特征建模，并通过多模态特征融合提升预测精度	未明确说明模型在独立测试集上的泛化性能及计算复杂度分析	开发计算模型准确预测circRNA-RBP结合位点	环状RNA与RNA结合蛋白的相互作用	生物信息学	NA	RNA结构预测	GCN, GAT, CNN, BiLSTM	序列数据, 结构数据	16个基准数据集	TensorFlow, PyTorch	图卷积网络, 图注意力网络, 卷积神经网络, 双向LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
305	2025-10-05	A review on learning-based algorithms for tractography and human brain white matter tracts recognition 2025-Aug, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03637-7 PMID:40464927	综述	本文综述了基于学习算法的脑白质纤维束追踪与识别方法	扩展了先前相关综述，涵盖最新方法和网络架构细节，并通过全面比较评估基于学习方法的效率	NA	回顾基于学习的纤维束追踪算法及其在白质束识别中的应用	人脑白质纤维束	医学影像分析	神经系统疾病	扩散磁共振成像	传统机器学习,深度学习,强化学习,字典学习	扩散MRI数据	NA	NA	NA	NA	NA
306	2025-10-05	Detecting Fifth Metatarsal Fractures on Radiographs Through the Lens of Smartphones: The FIXUS AI Algorithm 2025-Aug, Cureus DOI:10.7759/cureus.91284 PMID:41030753	研究论文	开发用于从智能手机拍摄的X光片中检测第五跖骨骨折的深度学习算法	首次针对智能手机拍摄的X光图像开发专用深度学习模型，解决了传统模型在移动设备图像上的性能下降问题	回顾性研究，样本量有限（共2464例），仅针对第五跖骨骨折	提高第五跖骨骨折诊断的可及性，特别是在资源有限环境中	第五跖骨骨折患者和对照组	计算机视觉	骨科创伤	X射线摄影	CNN	图像	骨折组1240例，对照组1224例，总计2464例	NA	ResNet-152V2	AUROC	NA
307	2025-10-05	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	开发基于深度学习的计算流程，利用多中心组织学图像进行儿童肉瘤亚型分类	采用多中心数据集和图像协调方法确保分类器泛化能力，系统评估CNN和ViT架构，并开发轻量级SAMPLER分类器	数据集相对有限（867张全切片图像），罕见亚型样本数量不足	通过数字组织病理学提高儿童肉瘤分类准确性	儿童肉瘤组织学切片图像	数字病理学	儿童肉瘤	组织学成像	CNN, ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	UNI, CONCH, 传统Transformer编码器	AUC	NA
308	2025-10-05	Continuous Reaching and Grasping with a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals 2025-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325551 PMID:40321282	研究论文	提出一种基于运动想象的脑机接口范式，通过添加“点击”信号实现机械臂的连续抓取控制	受计算机鼠标机制启发，在现有2D运动BCI范式中增加“点击”信号，提高系统自由度并支持更复杂任务	脑电信号信噪比和空间分辨率较低，限制了系统性能	开发能够同时控制运动和点击的脑机接口系统，实现机械臂的连续抓取任务	健康受试者和中风幸存者	脑机接口	中风	脑电信号处理，运动想象范式	深度学习	EEG信号	健康受试者和中风幸存者（具体数量未明确）	NA	NA	任务完成数量（5分钟内平均移动杯子数量）	NA
309	2025-10-05	Tomato seedling stem and leaf segmentation method based on an improved ResNet architecture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1571445 PMID:40978790	研究论文	提出一种基于改进ResNet架构的番茄幼苗茎叶点云分割方法	通过集成瓶颈模块和下采样技术优化传统残差块，结合曲率特征和几何特性设计专用卷积层，并采用自适应平均池化提升泛化能力	未明确说明模型在其他植物物种上的泛化能力及实际部署环境中的性能表现	开发轻量级点云分割模型以提升番茄植株表型性状分析的准确性和效率	番茄幼苗的茎和叶点云数据	计算机视觉	NA	3D点云技术	CNN	点云数据	NA	NA	ResNet, X-ResNet	准确率, 决定系数(R²), 均方根误差(RMSE), 绝对百分比误差(APE)	NA
310	2025-10-05	Three-dimensional ultrastructural characterization of Drosophila melanogaster hygrosensilla across humidity conditions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314841 PMID:41021596	研究论文	本研究通过整合湿度控制、快速冷冻保存和连续块面扫描电镜技术，对果蝇湿度感受器的三维超微结构进行了表征	开发了结合精确湿度控制和深度学习分割的三维超微结构分析框架，首次揭示了不同湿度条件下感受器的结构差异	研究仅针对果蝇特定感受器，机制推测需要进一步实验验证	探究昆虫感知环境湿度的结构基础与机制	黑腹果蝇（Drosophila melanogaster）的湿度感受器	生物医学成像	NA	连续块面扫描电镜（SBF-SEM），快速冷冻保存	深度学习分割模型	三维电子显微镜图像	不同湿度条件下处理的果蝇湿度感受器样本	NA	NA	NA	NA
311	2025-10-05	Alzheimer's disease classification using a hybrid deep learning approach with multi-layer U-net segmentation and XAI driven analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332572 PMID:41021656	研究论文	提出一种结合多层级U-Net分割和可解释AI的混合深度学习方法来分类阿尔茨海默病	采用多层级U-Net进行灰质分割，结合多尺度EfficientNet与SVM的混合分类方法，并集成显著性图定量分析增强模型可解释性	尚未在公开可用的阿尔茨海默病MRI数据集上进行评估，需要进一步整合先进的XAI技术	开发准确的阿尔茨海默病早期诊断分类方法	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	医学影像分析	阿尔茨海默病	MRI脑部成像	深度学习, SVM	医学影像	NA	NA	U-Net, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
312	2025-10-05	DiabetesXpertNet: An innovative attention-based CNN for accurate type 2 diabetes prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330454 PMID:41026707	研究论文	提出一种基于注意力机制的创新CNN模型DiabetesXpertNet，用于准确预测2型糖尿病	专门针对表格医疗数据设计的CNN架构，包含动态通道注意力模块和上下文感知特征增强器，能够优先处理临床重要特征并捕捉结构化数据中的复杂序列关系	NA	开发用于2型糖尿病早期预测的深度学习框架	2型糖尿病患者数据	机器学习	糖尿病	深度学习	CNN	表格医疗数据	PID数据集和德国法兰克福医院糖尿病数据集	NA	DiabetesXpertNet	准确率, AUC, 精确率, 召回率, F1分数	NA
313	2025-10-05	Establishment of a Machine Learning-Based Predictive Model for Klebsiella pneumoniae Liver Abscess 2025, Infection and drug resistance IF:2.9Q2 DOI:10.2147/IDR.S545440 PMID:41030238	研究论文	本研究建立了基于机器学习的肺炎克雷伯菌肝脓肿预测模型，用于区分肺炎克雷伯菌和非肺炎克雷伯菌病原体引起的肝脓肿	首次结合临床特征和超声特征，使用Boruta算法进行特征选择，并比较四种机器学习模型在肺炎克雷伯菌肝脓肿诊断中的性能	回顾性单中心研究，样本量相对有限（201例患者）	开发肺炎克雷伯菌肝脓肿的机器学习预测模型，实现早期临床诊断和治疗	201例细菌性肝脓肿患者（134例K-PLA，67例非K-PLA）	机器学习	肝脓肿	超声引导穿刺，实验室检查	深度学习全连接神经网络,分布式随机森林,梯度提升机,广义线性模型	临床数据,超声特征,实验室数据	201例患者（134例K-PLA，67例非K-PLA）	NA	全连接神经网络,随机森林,梯度提升机,广义线性模型	AUC	NA
314	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
315	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
316	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
317	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
318	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
319	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
320	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