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
321	2025-10-02	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	探讨基础模型在癌症诊断和治疗中的应用与挑战	首次系统阐述生成式AI和通用AI驱动的基础模型在肿瘤学领域的变革潜力	存在多重障碍可能阻碍通用AI和生成式AI的临床转化	分析基础模型在肿瘤学中的应用前景和限制因素	基础模型在癌症诊疗中的应用场景	人工智能	癌症	生成式AI、通用AI、机器学习、深度学习	基础模型	多模态医疗数据	NA
322	2025-10-02	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，为卵裂期胚胎筛选提供非侵入性方法	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力的非侵入性预测	初步研究样本量有限（172个样本），需更大规模验证	开发基于拉曼光谱和机器学习的非侵入性胚胎筛选方法，避免延长胚胎培养可能带来的衰老风险	第3天人类胚胎培养液样本	机器学习	生殖医学	拉曼光谱分析	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个第3天培养液样本，来自78对夫妇
323	2025-10-02	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神经网络的乳腺癌复发预测框架	提出临床可解释的深度学习模型，整合多种放射组学特征实现高精度复发预测	使用私有内部数据集，缺乏外部验证	通过放射组学特征预测乳腺癌复发风险	乳腺癌患者	数字病理	乳腺癌	放射组学特征提取	神经网络	数字乳腺X线影像	私有内部数据集（具体样本量未说明）
324	2025-10-02	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	本研究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模型	仅使用单一数据集（BraTS 2024）进行评估，未在其他数据集上验证结果	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
325	2025-10-02	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自动分类工具，提高正畸诊断效率和客观性	口内照片中的咬合关系分类	计算机视觉	口腔疾病	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）
326	2025-10-02	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	提出基于CNN-Transformer混合模型的DeepEPI框架，通过预测增强子-启动子相互作用来提取转录因子相互作用	首次将CNN与Transformer模块结合用于EPI研究，通过多头注意力机制提取有生物学意义的TF-TF相互作用	未明确说明模型在不同细胞类型间的泛化能力	开发深度学习框架研究增强子-启动子相互作用及其调控机制	基因组序列中的增强子-启动子相互作用	生物信息学	NA	DNA序列编码（OneHot编码和DNA2Vec编码）	CNN-Transformer混合模型	基因组序列数据	6个细胞系的数据
327	2025-10-02	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，重点关注人工智能和机器学习在影像分析中的应用	全面评估AI辅助影像技术在结肠癌检测和分期中的诊断准确性，深度学习算法在5年生存率预测方面达到超过90%的准确率	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	探索基于图像的结肠癌形态学和分期分析方法，提升早期检测和治疗个性化水平	结肠癌的影像学特征和分期评估	数字病理	结肠癌	结肠镜检查、CT、MRI、内镜超声、组织病理学分析、AI和机器学习算法	深度学习	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
328	2025-10-02	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，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	深度学习，目标检测，图像分析	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
329	2025-10-02	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和分割	集成Swin Transformer、YOLOv12和SAM-2.1的混合Transformer框架，在低标注场景下实现精准的病害检测、分割和严重程度预测	NA	开发自动化、可扩展的植物病害诊断系统	枣椰树叶部病害	计算机视觉	植物病害	深度学习	Swin Transformer, YOLOv12, SAM-2.1, Vision Transformer	图像	13,459张棕榈叶图像
330	2025-10-02	Automated segmentation of soft X-ray tomography: native cellular structure with sub-micron resolution at high throughput for whole-cell quantitative imaging in yeast 2024-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.31.621371 PMID:39554159	研究论文	开发基于深度学习的自动分割流程用于软X射线断层扫描数据的细胞结构分割	首次将深度学习自动分割应用于软X射线断层扫描，实现高通量全细胞定量成像分析	需要手动迭代优化来提高分割精度	开发高通量细胞结构自动分割方法，实现精确的3D形态学分析	酵母细胞的细胞体、细胞核、液泡和脂滴等细胞器	计算机视觉	NA	软X射线断层扫描(SXT)	深度学习	3D图像数据	数百个细胞，涵盖三种酵母菌株（野生型、VPH1-GFP等）
331	2025-10-02	Selective Classification Under Distribution Shifts 2024-Oct, Transactions on machine learning research PMID:41019465	研究论文	提出一种考虑分布偏移的选择性分类框架，用于在数据分布变化时提高分类器的可靠性	首次在选择性分类中系统考虑分布偏移问题，提出两种新的基于间隔的置信度评分函数	仅关注非训练基础的置信度评分函数，未涉及训练过程中的分布偏移适应	开发在分布偏移环境下更有效的选择性分类方法	深度学习分类器在分布偏移下的选择性分类性能	机器学习	NA	深度学习	深度学习分类器	NA	NA
332	2025-10-02	SVPath: A Deep Learning Tool for Analysis of Stria Vascularis from Histology Slides 2024-Aug, Journal of the Association for Research in Otolaryngology : JARO DOI:10.1007/s10162-024-00948-z PMID:38760547	研究论文	开发了一个名为SVPath的深度学习工具，用于从颞骨组织病理学切片中自动分析血管纹及其相关毛细血管床	首次将YOLOv8和nnUnet深度学习模型结合应用于血管纹的检测和分割，并开发了专门的SV分析工具(SVAT)进行定量测量	研究仅使用正常猕猴耳部样本，样本量相对有限(内部数据集203个切片，外部验证集10个切片)	开发自动化工具替代人工分割，提高血管纹分析的准确性和效率	猕猴颞骨组织切片中的血管纹结构和毛细血管床	数字病理学	耳科疾病	组织病理学染色(苏木精-伊红染色)	YOLOv8, nnUnet	图像	内部数据集203个数字化切片(来自正常猕猴耳)，外部验证集10个切片(来自另一正常猕猴耳)
333	2025-10-02	Predicting the Tumor Microenvironment Composition and Immunotherapy Response in Non-Small Cell Lung Cancer from Digital Histopathology Images 2024-Jun-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.11.24308696 PMID:41030932	研究论文	开发了一种名为HistoTME的弱监督深度学习方法，可从非小细胞肺癌组织病理学图像预测肿瘤微环境组成和免疫治疗反应	首次提出直接从组织病理学图像推断肿瘤微环境组成的弱监督深度学习方法，无需额外分子检测	研究基于特定患者队列，需要在更广泛人群中验证	预测非小细胞肺癌肿瘤微环境组成和免疫治疗反应	非小细胞肺癌患者	数字病理学	肺癌	弱监督深度学习	深度学习	全切片数字病理图像	外部临床队列652名患者
334	2025-10-02	Predicting Progression From Mild Cognitive Impairment to Alzheimer's Dementia With Adversarial Attacks 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3373703 PMID:38507374	研究论文	提出一种使用对抗攻击预测轻度认知障碍向阿尔茨海默病转化的框架	利用单步梯度对抗攻击寻找输入空间中的疾病进展方向，通过到决策边界的距离预测疾病转化	阿尔茨海默病研究可用数据集的规模不足以学习复杂模型	预测轻度认知障碍向阿尔茨海默病的转化	轻度认知障碍患者	机器学习	阿尔茨海默病	对抗攻击	浅层神经网络	医学数据	两个公开可用阿尔茨海默病研究数据集
335	2025-10-02	CONUNETR: A CONDITIONAL TRANSFORMER NETWORK FOR 3D MICRO-CT EMBRYONIC CARTILAGE SEGMENTATION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635851 PMID:41018045	研究论文	提出一种基于Transformer的条件网络用于3D微CT胚胎软骨分割	通过条件机制改进生物先验知识，使单个模型能够准确预测多个年龄组的软骨形态	NA	解决胚胎软骨快速结构变化导致的深度学习模型泛化问题	小鼠胚胎软骨	计算机视觉	骨骼发育异常	微CT成像	Transformer	3D图像	多个小鼠软骨数据集（包含不同突变类型）
336	2025-10-02	High-throughput target trial emulation for Alzheimer's disease drug repurposing with real-world data 2023-12-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43929-1 PMID:38081829	研究论文	使用真实世界数据模拟阿尔茨海默病药物再利用的靶向试验	提出了基于倾向评分模型的模型选择策略以改进基线协变量平衡，并发现深度学习模型在协变量平衡方面不一定优于逻辑回归方法	缺乏对现有方法的系统性评估	识别已批准药物对阿尔茨海默病的新适应症	170多万患者的临床记录	医学信息学	阿尔茨海默病	靶向试验模拟、逆概率加权	深度学习、逻辑回归	临床记录	超过1.7亿患者，覆盖10多年的临床数据
337	2025-10-02	Comprehensive tissue deconvolution of cell-free DNA by deep learning for disease diagnosis and monitoring 2023-07-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2305236120 PMID:37399400	研究论文	通过深度学习对血浆游离DNA进行组织溯源分析，用于疾病诊断和治疗监测	构建了基于521个非癌组织样本的高分辨率甲基化图谱，开发了基于深度学习的监督组织反卷积方法	NA	开发高灵敏度和准确度的组织来源cfDNA定量方法，用于疾病检测和治疗监测	血浆游离DNA(cfDNA)和组织特异性甲基化模式	数字病理	多种疾病	甲基化测序，深度学习	深度学习模型	甲基化数据，DNA片段数据	521个非癌组织样本，涵盖29种主要人体组织类型
338	2025-10-02	Application of Machine learning to predict RF heating of cardiac leads during magnetic resonance imaging at 1.5 T and 3 T: A simulation study 2023-04, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2023.107384 PMID:36842429	研究论文	本研究应用深度学习预测心脏导联在1.5T和3T磁共振成像中的射频加热	首次将深度学习应用于预测位置和方向可变的导电导联在MRI中的射频加热	基于仿真研究，需要进一步实验验证	开发快速预测磁共振成像中植入物射频加热的方法	心脏导联模型	机器学习	心血管疾病	电磁仿真，深度学习	神经网络	仿真数据	600个具有临床相关轨迹的心脏导联模型
339	2025-10-02	Machine-learning based investigation of prognostic indicators for oncological outcome of pancreatic ductal adenocarcinoma 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.895515 PMID:36568148	研究论文	本研究开发了一种基于3D-CNN的机器学习模型，用于术前预测胰腺导管腺癌的淋巴结转移和术后切缘状态	首次将三维卷积神经网络应用于胰腺癌术前CT扫描，同时预测淋巴结转移和手术切缘状态	样本量较小（110名患者），需要更大规模研究验证模型的普适性	改善胰腺导管腺癌术前影像分期，预测术后切缘和淋巴结状态以优化治疗策略	胰腺导管腺癌患者	计算机视觉	胰腺癌	CT扫描	3D-CNN	医学影像	110名患者的881个CT扫描
340	2025-10-02	ADVERSARIAL SYNTHESIS LEARNING ENABLES SEGMENTATION WITHOUT TARGET MODALITY GROUND TRUTH 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi.2018.8363790 PMID:41018946	研究论文	提出一种端到端的合成与分割网络，无需CT模态标注即可同时实现MRI到CT的图像合成和脾肿大分割	首次将图像合成与分割任务整合到端到端网络中，利用合成与分割间的互补信息，突破了传统两阶段方法的局限	仅针对脾肿大分割进行验证，未在其他器官或疾病上测试通用性	解决跨模态医学图像分割中标注数据缺乏的问题	脾脏器官的CT图像分割	计算机视觉	脾肿大	生成对抗网络	EssNet（端到端合成分割网络），CycleGAN	医学图像（MRI和CT）	NA