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	2025-09-14	A Review on Biomarker-Enhanced Machine Learning for Early Diagnosis and Outcome Prediction in Ovarian Cancer Management 2025-Sep, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71224 PMID:40927964	综述	本文综述了生物标志物增强的机器学习在卵巢癌早期诊断和预后预测中的应用与进展	整合多模态生物标志物数据与机器学习模型，显著提升诊断准确性和预后预测能力	样本量较小、缺乏外部验证、未包含影像/基因组数据	评估生物标志物驱动的机器学习模型在卵巢癌早期检测、风险分层和治疗规划中的作用	卵巢癌患者及相关生物标志物数据	机器学习	卵巢癌	多模态数据整合（包括肿瘤标志物、炎症、代谢和血液学参数）	Random Forest, XGBoost, Neural Networks, RNNs	临床和生物标志物数据	基于17项研究的综合数据（具体样本量未明确说明）
322	2025-09-14	Automated quantification of lung pathology on micro-CT in diverse disease models using deep learning 2025-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105904 PMID:40886406	研究论文	开发基于深度学习的通用肺部分割模型，用于自动化定量分析多种疾病模型中的肺部病理微CT图像	提出结合2D多方向切片预测的2.5D概率平均模型，显著提升分割精度并展示跨疾病模型、扫描配置和啮齿类物种的强泛化能力	NA	提升微CT大数据集分析效率，实现肺部病理的自动化定量监测	啮齿类动物（大鼠、仓鼠、八齿鼠）的肺部微CT图像	数字病理学	肺部疾病	微CT成像	深度学习（2D CNN结合2.5D概率平均）	图像（微CT轴向、冠状、矢状切片）	多研究纵向数据（包括唐氏综合症、病毒/真菌感染、COVID-19、肺部炎症和纤维化等模型）及公开数据库
323	2025-09-14	Improving age prediction using ECG signals: Insights into lifestyle impacts 2025 Sep-Oct, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2025.154083 PMID:40716194	研究论文	本研究通过改进ECG信号预处理技术和深度学习模型，提升心脏年龄预测精度，并分析生活方式对心血管健康的影响	提出结合Butterworth带通滤波和双曲正切变换的新型预处理方法，并引入容忍标签噪声的训练机制	NA	提高基于ECG的心脏年龄预测准确性，并探索生活方式因素与心脏老化的关系	人类ECG信号及关联的生活方式数据	机器学习	心血管疾病	ECG信号处理，深度学习	深度学习模型	ECG信号，行为信息	PTB-XL、PLHDB和AISDB数据库中的ECG记录和行为数据
324	2025-09-14	A Comparative Analysis of the Mamba, Transformer, and CNN Architectures for Multi-Label Chest X-Ray Anomaly Detection in the NIH ChestX-Ray14 Dataset 2025-Sep-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172215 PMID:40941702	研究论文	比较Mamba、Transformer和CNN架构在NIH ChestX-Ray14数据集上的多标签胸部X光异常检测性能	首次对CNN、Transformer和Mamba架构在胸部X光异常检测任务上进行统一比较，并发现混合架构（特别是ConvFormer、CaFormer和EfficientNet）在常见和罕见病理中表现最优	研究仅限于单一数据集（NIH ChestX-ray14），未在其他数据集或临床环境中验证模型泛化能力	比较不同深度学习架构在胸部X光异常检测中的性能差异	胸部X光图像中的14种胸部疾病异常	计算机视觉	胸部疾病	深度学习	CNN, Transformer, Mamba, ConvFormer, CaFormer, EfficientNet	图像	112,120张标注的胸部X光图像
325	2025-09-14	EoML-SlideNet: A Lightweight Framework for Landslide Displacement Forecasting with Multi-Source Monitoring Data 2025-Sep-01, Sensors (Basel, Switzerland) DOI:10.3390/s25175376 PMID:40942805	研究论文	提出一种轻量级框架EoML-SlideNet，用于基于多源监测数据的滑坡位移预测	引入FLOPs作为评估指标，设计双波段Lasso增强潜变量模块进行特征选择，实现边缘设备部署的低复杂度高精度预测	仅针对广西喀斯特地形降雨诱发浅层滑坡，未提及其他地质条件或灾害类型的适用性	开发适用于资源受限硬件的滑坡位移预测框架，提升预警响应速度	广西喀斯特地形降雨诱发的浅层滑坡	machine learning	NA	多传感器监测，LASSO，VIF筛选，自回归模型，轻量神经网络	DBLE-LV模块，自回归模型，轻量神经网络	多源监测数据（位移，降雨等时序数据）	基于广西喀斯特地形特定站点的多传感器数据集（具体数量未提及）
326	2025-06-13	Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy 2025-Aug-31, Annals of hepato-biliary-pancreatic surgery IF:1.1Q3 DOI:10.14701/ahbps.25-059 PMID:40499925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
327	2025-09-14	Revolutionizing Oncology Through AI: Addressing Cancer Disparities by Improving Screening, Treatment, and Survival Outcomes via Integration of Social Determinants of Health 2025-Aug-31, Cancers IF:4.5Q1 DOI:10.3390/cancers17172866 PMID:40940963	综述	本文综述了人工智能在整合健康社会决定因素（SDOH）以减少癌症差异方面的应用与潜力	强调AI通过整合SDOH数据优化癌症风险分层、筛查资源分配及个性化治疗，尤其在服务不足人群中的早期检测创新	存在AI筛查偏差、临床试验代表性不足及治疗推荐差异等挑战	探讨AI如何利用SDOH减少癌症护理差异，实现更公平的肿瘤学成果	癌症患者群体，特别是医疗服务不足的脆弱人群	自然语言处理	癌症	机器学习（ML）、自然语言处理（NLP）、深度学习医学影像分析、可解释AI（XAI）	NA	电子健康记录（EHR）、地理信息系统（GIS）、真实世界临床试验数据	NA
328	2025-09-14	FracFusionNet: A Multi-Level Feature Fusion Convolutional Network for Bone Fracture Detection in Radiographic Images 2025-Aug-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172212 PMID:40941699	研究论文	提出一种用于X射线图像骨折检测的多层次特征融合卷积神经网络模型FracFusionNet	设计了一种能够捕获并整合低层级和高层级图像特征的新型CNN架构	NA	通过深度学习提高医学影像中骨折诊断的精确度	骨骼骨折	计算机视觉	骨科疾病	深度学习	CNN	图像	基于Bone Fracture Multi-Region X-ray (BFMRX)数据集
329	2025-09-14	An Artificial Intelligence-Based Melt Flow Rate Prediction Method for Analyzing Polymer Properties 2025-Aug-31, Polymers IF:4.7Q1 DOI:10.3390/polym17172382 PMID:40942301	研究论文	提出一种基于人工智能的熔体流动速率预测方法，用于实时分析聚合物性能	结合集成模型KELM和RVFL，并利用鹈鹕优化算法进行优化，显著提升预测精度	NA	开发实时聚合物质量监测的AI解决方案	聚合物样本	机器学习	NA	机器学习	KELM, RVFL, POA	结构化数据	1044个聚合物样本
330	2025-09-14	Effectiveness of Multi-Layer Perceptron-Based Binary Classification Neural Network in Detecting Breast Cancer Through Nine Human Serum Protein Markers 2025-Aug-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17172832 PMID:40940928	研究论文	本研究开发了一种基于九种血清蛋白标志物的多层感知器神经网络模型，用于乳腺癌的二元分类检测	将原有的三蛋白标志物扩展至九蛋白标志物，并采用人工智能深度学习模型确定cutoff值，显著提升了乳腺癌检测的准确率	样本量相对有限（共465例），未提及模型在其他人群或独立数据集中的验证情况	评估九蛋白血清标志物签名在乳腺癌检测中的临床敏感性和特异性	243名健康对照者和222名乳腺癌患者的血清样本	机器学习	乳腺癌	质谱多重反应监测（mass spectrometry with multiple reaction monitoring）	多层感知器（MLP）神经网络	蛋白质定量数据	465例样本（243健康对照，222乳腺癌患者）
331	2025-09-14	Integrating Artificial Intelligence in Bronchoscopy and Endobronchial Ultrasound (EBUS) for Lung Cancer Diagnosis and Staging: A Comprehensive Review 2025-Aug-29, Cancers IF:4.5Q1 DOI:10.3390/cancers17172835 PMID:40940931	综述	本文全面回顾了人工智能在支气管镜和支气管内超声（EBUS）中用于肺癌诊断和分期的整合应用	探讨AI在多种支气管镜成像模式（如白光成像、自体荧光支气管镜和光谱技术）及EBUS淋巴结评估中的创新性辅助作用，旨在提升病变检测和诊断一致性	当前证据主要基于小型、回顾性、单中心数据集，缺乏外部验证和代码可重复性，且未在实际临床工作流程中得到验证	评估AI作为辅助工具在肺癌诊断和分期中的潜力和挑战	肺癌患者通过支气管镜和EBUS进行的诊断与分期过程	数字病理	肺癌	深度学习	深度学习模型（未指定具体类型）	医学影像（白光成像、自体荧光图像、光谱数据）及超声影像	NA（基于小型数据集，但未提供具体样本数量）
332	2025-09-14	Comparative Analysis of Diagnostic Performance Between Elastography and AI-Based S-Detect for Thyroid Nodule Detection 2025-Aug-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172191 PMID:40941678	研究论文	比较弹性成像与基于AI的S-Detect在甲状腺结节良恶性鉴别中的诊断性能	首次系统比较传统弹性成像技术与深度学习辅助诊断软件S-Detect在甲状腺结节诊断中的临床效用	单中心回顾性研究，样本量有限可能影响结果泛化性	评估两种技术区分甲状腺结节良恶性的诊断效能	159名甲状腺结节患者（30-83岁）	医学影像分析	甲状腺疾病	超声弹性成像、深度学习计算机辅助诊断	深度学习模型（具体架构未说明）	超声灰度图像	159例患者（101例良性，58例恶性）
333	2025-09-14	Efficient Navigable Area Computation for Underground Autonomous Vehicles via Ground Feature and Boundary Processing 2025-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s25175355 PMID:40942784	研究论文	提出一种基于地面特征和边界处理的地下自动驾驶车辆可通行区域计算方法	通过点云实时校正、二维网格映射和自适应边界补全三步骤，解决地下矿井光照差、水雾粉尘等恶劣环境下的边界检测难题，并集成时序上下文确保边界连续性	依赖规则式方法，在深度学习失效时提供安全冗余，但未明确说明在极端环境下的鲁棒性极限	实现地下煤矿无轨胶轮车辆的精确边界检测与防碰撞	地下矿井自动驾驶车辆	计算机视觉	NA	LiDAR点云处理、网格映射、时序上下文集成	规则式方法（非深度学习）	点云数据、二维网格地图	真实地下车辆数据集（未明确数量）
334	2025-09-14	Buzzing with Intelligence: A Systematic Review of Smart Beehive Technologies 2025-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s25175359 PMID:40942788	综述	本文系统回顾了智能蜂箱技术的现状，重点关注物联网监测、传感器模态、机器学习技术及其在精准养蜂中的应用	揭示了深度学习、计算机视觉和多模态传感器融合的显著趋势，特别是在疾病检测和蜂群行为建模中的应用	系统集成、数据集标准化和大规模部署方面仍存在挑战	调查智能系统在蜂箱中的应用，支持早期问题检测、蜂群状况监测和预测性干预	智能蜂箱系统及相关技术	物联网与机器学习应用	NA	IoT监测、传感器技术、机器学习	深度学习、计算机视觉模型	环境、声学、视觉和结构传感器数据	分析了135篇经过同行评审的出版物
335	2025-09-14	Artificial Intelligence-Assisted Biparametric MRI for Detecting Prostate Cancer-A Comparative Multireader Multicase Accuracy Study 2025-Aug-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14176111 PMID:40943871	研究论文	评估AI辅助双参数MRI在检测前列腺癌中的诊断准确性，并与多参数MRI进行比较	首次系统比较AI辅助双参数MRI与标准多参数MRI在前列腺癌检测中的表现，并分析不同经验水平放射科医生的诊断差异	单中心回顾性研究，样本量相对有限（105例），需要多中心前瞻性研究验证	评估AI辅助双参数MRI替代多参数MRI检测前列腺癌的可行性	疑似前列腺癌的男性患者	数字病理	前列腺癌	深度学习网络，MRI成像	sequential deep learning network	医学影像	105名男性患者（平均年龄66±7岁）
336	2025-09-14	ESPWA: a deep learning-enabled tool for precision-based use of endocrine therapy in resource-limited settings 2025-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672012 PMID:40909747	研究论文	开发了一种基于深度学习的工具ESPWA，用于在资源有限环境中从H&E染色全玻片图像预测乳腺癌雌激素受体状态，以指导内分泌治疗的精准使用	利用弱监督注意力多实例学习直接从H&E图像预测ER状态，无需额外免疫组化检测，特别针对低收入和中等收入国家场景优化	模型性能可能受数据集域偏移影响，泛化到其他地区或人群需进一步验证	解决资源有限地区乳腺癌患者内分泌治疗精准化应用的挑战	乳腺癌患者的H&E染色全玻片图像及匹配的ER状态数据	数字病理学	乳腺癌	深度学习，弱监督注意力多实例学习，全玻片成像分析	多实例学习模型	图像	两个队列：TCGA（n=1085）和海地Zanmi Lasante（n=3448）
337	2025-09-14	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Aug-28, 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的方法，用于无标记分类纳米药物递送系统	首次将3D CNN与SMOTE技术结合用于无标记高光谱成像分类，实现了99.16%的分类准确率	研究仅针对脂质体进行验证，未涉及其他类型的纳米载体	开发一种无标记、非侵入性的纳米药物载体分类方法	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）、暗场成像、主成分分析（PCA）	3D CNN、SMOTE	高光谱图像	未明确说明具体样本数量，但提及存在类别不平衡问题
338	2025-09-14	Enhanced Breast Cancer Diagnosis Using Multimodal Feature Fusion with Radiomics and Transfer Learning 2025-Aug-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15172170 PMID:40941663	研究论文	本研究通过融合放射组学特征和深度学习特征，开发了一种多模态特征融合方法，以提高乳腺癌诊断的准确性和鲁棒性	结合放射组学特征与深度学习特征构建统一多模态特征空间，并系统比较了13种预训练迁移学习模型在乳腺癌分类中的表现	研究仅基于CBIS-DDSM数据集，未来需要整合更多模态数据（如临床数据、基因组信息）来提升模型泛化能力	提高乳腺癌诊断的准确性和模型鲁棒性，克服数据有限和过拟合等挑战	乳腺癌医学影像数据	计算机视觉	乳腺癌	放射组学特征提取、迁移学习、数据增强	ResNet, DenseNet, InceptionV3, MobileNet, VGG	医学影像	基于CBIS-DDSM数据集的样本
339	2025-09-14	Mapping the Complicated Relationship Between a Temperature Field and Cable Tension by Using Composite Deep Networks and Real Data with Additional Geometric Information 2025-Aug-28, Sensors (Basel, Switzerland) DOI:10.3390/s25175346 PMID:40942775	研究论文	使用复合深度网络和含几何信息的真实数据，建立温度场与斜拉桥索力之间的复杂映射回归模型	提出结合CNN和LSTM的复合神经网络结构，并联合考虑几何兼容性与力学平衡，输入温度场和主梁温度挠度回归值两组数据	模型在曲线拐点处的非线性和数据分布的复杂性尚未解决，可能影响稳定性	建立高精度回归模型，获取斜拉桥索力基准以监测电缆损伤	斜拉桥的电缆张力与温度场关系	机器学习	NA	深度学习，回归分析	CNN, LSTM	温度场数据，几何变形数据	NA
340	2025-09-14	Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions 2025-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17172799 PMID:40940896	综述	本文回顾了机器学习模型在妇科癌症预测中的最新进展、挑战及未来方向	讨论了可解释AI、联邦学习和多组学融合等新兴技术以提升模型可靠性和实用性	存在数据不一致性、模型可解释性不足以及临床转化困难等问题	改善妇科癌症的早期预测方法，提高生存率并指导个体化治疗	妇科癌症（如乳腺癌、宫颈癌、卵巢癌）患者	机器学习	妇科癌症	机器学习（ML）、深度学习（DL）	支持向量机、随机森林、卷积神经网络	临床记录、基因组学、蛋白质组学、医学影像等多模态数据	NA