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
3821	2026-01-01	A data privacy and deep learning based AMR dashboard for rural and regional veterinary practices in Texas 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1646675 PMID:41459049	研究论文	本研究为德克萨斯州农村和地区兽医诊所开发了一个结合数据隐私保护和深度学习技术的抗菌素耐药性（AMR）仪表板	首次将深度学习模型与隐私保护指纹技术相结合，为兽医实践提供实时AMR数据分析和预测工具	研究数据主要来自德克萨斯州兽医实验室，可能限制了在其他地区的适用性	开发支持兽医抗菌治疗决策的实时数据工具，改善抗菌药物管理	德克萨斯州农村和地区兽医诊所的抗菌素耐药性数据	机器学习	NA	深度学习	LSTM, RNN	时间序列数据	14年收集的德克萨斯州兽医实验室真实世界AMR数据	NA	Prophet, LSTM	NA	NA
3822	2026-01-01	Proximal hyperspectral detection of rice and weed: characterization and discriminant analysis 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1685985 PMID:41459460	研究论文	本研究利用近端高光谱成像和深度学习网络，对中国北方寒冷地区的稻田杂草进行识别与表征分析	开发了一种新型深度学习网络SS-CNN，用于从高光谱图像中识别水稻和杂草物种，并在低训练样本量下仍保持优异的分类性能	研究仅针对中国北方寒冷地区的36个物种，可能无法推广到其他气候区域或更多杂草物种	准确识别和监测稻田中的杂草物种，以支持精准农业和生态系统服务评估	水稻及35种杂草物种	计算机视觉	NA	高光谱成像	CNN	图像	1080张高光谱图像，涵盖36个物种	NA	SS-CNN	整体准确率(OA), 平均准确率(AA), Kappa系数	NA
3823	2026-01-01	Deep learning-based investigation of chloroplast translation regulatory sequences 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698951 PMID:41459449	研究论文	本研究开发了一种混合深度学习模型，用于分析和分类植物和藻类叶绿体翻译调控序列，以识别异源前导序列用于合成生物学	首次使用深度学习模型分析叶绿体翻译调控序列，结合CNN、LSTM、Attention和Residual架构，并提出了两种藻类质体工程中引入异源前导序列的策略	模型仅基于300个核苷酸的前导序列进行分析，可能未涵盖所有调控元件；且存在一小部分序列表现出跨组模式，需进一步验证其功能性	研究叶绿体翻译调控序列的结构，以促进合成生物学和基因工程应用	植物和藻类的5'非翻译区序列，以及含有或不含Shine-Dalgarno（SD）基序的序列	自然语言处理	NA	深度学习	CNN, LSTM, Attention, Residual	序列数据	NA	NA	CNN, LSTM, Attention, Residual	预测性能	NA
3824	2026-01-01	ViTKAB: an efficient deep learning network for cotton leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1719877 PMID:41459459	研究论文	本文提出了一种名为ViTKAB的高效深度学习网络，用于棉花叶部病害识别	通过集成Kolmogorov-Arnold网络和BiFormer模块来增强Vision Transformer，优化架构以提高推理速度，利用非线性特征表示更好地捕捉复杂病害特征，并引入稀疏动态注意力以增强鲁棒性和准确性	NA	开发一种高效的棉花叶部病害识别模型，以提升智能作物病害检测系统	棉花叶部病害，包括褐斑病、黄萎病、轮斑病和枯萎病	计算机视觉	植物病害	深度学习	Vision Transformer	图像	NA	NA	ViTKAB, Vision Transformer, Kolmogorov-Arnold network, BiFormer	平均识别准确率	NA
3825	2026-01-01	Deep learning, deeper relief: pipeline toward tailored analgesia for experimental animal models 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1639881 PMID:41459492	研究论文	本文提出了一种结合深度学习语言模型与实验验证的流程，用于识别和验证在实验动物模型中具有最小脱靶效应的镇痛药	创新点在于整合了基于蛋白质中心关系提取的深度学习语言模型（PEDL）与NF-κB报告小鼠模型的实验验证，实现了从通用镇痛药向精准医学方法的转变	NA	研究目的是开发一种定制化镇痛方案，以减少镇痛药对实验动物模型免疫反应和信号通路的干扰	研究对象为小鼠结肠炎模型中的镇痛药及其对NF-κB信号通路的影响	自然语言处理	结肠炎	蛋白质中心关系提取，NF-κB报告小鼠模型	深度学习语言模型	文本	NA	NA	NA	NA	NA
3826	2026-01-01	Tertiary lymphoid structure drives allograft rejection via IFN-γ-JAK-STAT-dependent atypical memory B cell differentiation 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1728290 PMID:41459486	研究论文	本研究通过深度学习病理组学模型和生物信息学分析，揭示了三级淋巴结构在肝移植排斥反应中的作用机制，并发现其通过IFN-γ-JAK-STAT通路驱动非典型记忆B细胞分化，导致肝细胞损伤	首次提出深度学习病理组学模型预测移植排斥反应，并阐明三级淋巴结构通过IFN-γ-JAK-STAT依赖的非典型记忆B细胞分化驱动排斥反应的新免疫机制	研究主要基于回顾性队列和转录组数据库，需要进一步的前瞻性研究验证；小鼠模型的结果需在人类临床中进一步确认	探究三级淋巴结构在肝移植排斥反应中的病理作用、功能及形成机制	儿童活体肝移植后的肝活检样本、转录组数据库病例、小鼠原位肝移植模型	数字病理学	肝移植排斥反应	深度学习病理组学模型、单细胞RNA测序、多重免疫组化、生物信息学分析（ESTIMATE, CIBERSORT, XCELL, MCP）	深度学习模型	肝活检图像、基因表达谱、临床信息、单细胞RNA测序数据	590例转录组数据库病例（GSE193135:337例, GSE145780:235例, Renji:18例）、11例肝移植后肝活检单细胞RNA测序样本、小鼠模型	NA	NA	NA	NA
3827	2026-01-01	Deep learning-aided inter-species-comparison reveals shared and distinct molecular patterns in cynomolgus monkey and humans following non-specific T cell activation 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1603716 PMID:41459534	研究论文	本文提出了一种基于单细胞转录组学和深度学习的跨物种分析流程，用于比较食蟹猴和人类在非特异性T细胞激活后的分子模式	整合了变分自编码器（VAE）深度学习、细胞间通讯、差异基因表达和通路富集分析，实现系统性的跨物种时间序列分析	研究仅基于外周血单个核细胞（PBMCs）数据，且每个物种仅有两个生物学重复，样本量有限	比较食蟹猴和人类在免疫激活后的共享和独特分子特征，以促进转化研究和免疫调节疗法的开发	食蟹猴和健康人类的外周血单个核细胞（PBMCs）	机器学习	NA	单细胞转录组学（scRNA-seq）	VAE	单细胞转录组数据	每个物种两个生物学重复，在基线、刺激后0小时、6小时和24小时采集PBMCs	NA	变分自编码器（VAE）	NA	NA
3828	2026-01-01	Robust automated preclinical fMRI preprocessing via a multi-stage dilated convolutional Swin Transformer affine registration 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1621244 PMID:41459563	研究论文	本文提出了一种用于临床前fMRI数据预处理的鲁棒自动化流程，集成了先进的深度学习模块，特别是新开发的基于Swin Transformer的仿射配准方法	提出了一种新的多阶段扩张卷积Swin Transformer（MsDCSwinT）用于仿射配准，能够同时捕获局部和全局空间错位，即使在具有挑战性的临床前数据集中也能实现与标准图谱的精确对齐	未在摘要中明确说明	解决临床前fMRI数据预处理中的挑战，如低分辨率、大脑几何形状变化和数据集规模有限，以实现精确、自动化的数据分析	临床前功能磁共振成像（fMRI）数据	数字病理学	NA	功能磁共振成像（fMRI）	GAN, Transformer	图像	在多个临床前fMRI研究中进行了验证，具体样本数量未在摘要中说明	NA	Swin Transformer, 3D GAN, Multi-stage Dilated Convolutional Swin Transformer (MsDCSwinT)	Dice相似系数	NA
3829	2026-01-01	A hybrid Spiking Neural Network-Transformer architecture for motor imagery and sleep apnea detection 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1716204 PMID:41459561	研究论文	提出一种结合脉冲神经网络和Transformer的新型架构SpiTranNet，用于运动想象分类和睡眠呼吸暂停检测	通过脉冲多头注意力机制将SNN与Transformer深度融合，用脉冲神经元替代注意力机制中的标准激活函数，实现生物启发的时序处理和节能计算	NA	开发一种高效且鲁棒的生物医学信号处理架构，用于脑机接口和生物医学信号分析任务	运动想象分类和睡眠呼吸暂停检测	机器学习	睡眠呼吸暂停	脑电图, 心电图	SNN, Transformer	生理信号数据	三个生理数据集（一个EEG数据集用于MI分类，两个ECG数据集用于SA检测）	NA	SpiTranNet	准确率	NA
3830	2026-01-01	Machine learning-based mortality prediction in critically ill patients with hypertension: comparative analysis, fairness, and interpretability 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1686378 PMID:41459572	研究论文	本研究开发并评估了多种机器学习和深度学习模型，用于预测重症监护中高血压患者的院内死亡率，并评估了模型的公平性和可解释性	首次在重症高血压患者死亡率预测中综合比较了多种ML和DL模型，并系统评估了特征选择对模型公平性的影响	研究基于单一数据库（MIMIC-IV），外部验证不足；去偏方法对精选特征模型的效果有限	开发公平、可解释的AI工具，辅助重症高血压患者的临床决策	重症监护病房（ICU）中的高血压患者	机器学习	心血管疾病	电子健康记录（EHR）数据分析	GBM, logistic regression, SVM, random forest, MLP, LSTM	结构化临床数据（人口统计学、实验室值、生命体征、合并症、ICU特定变量）	基于MIMIC-IV数据库的样本（具体数量未在摘要中明确说明）	Scikit-learn, TensorFlow/PyTorch（具体框架未明确说明）	多层感知机（MLP）, 长短期记忆网络（LSTM）	AUC-ROC, 准确率, 灵敏度, 特异度, F1分数	NA
3831	2026-01-01	Association of Shanghai air pollution with postoperative infection in adolescent orthopedic patients: a study using a deep learning-based evolutionary model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692207 PMID:41459575	研究论文	本研究利用深度学习进化模型探讨上海空气污染与青少年骨科患者术后感染风险的关联	首次结合改进的StarFish算法优化的CNN-BiGRU-Attention进化深度学习模型与广义加性模型，分析多污染物对青少年术后感染的滞后效应和剂量反应关系	研究仅基于上海地区数据，可能受地域限制；未考虑患者个体行为差异等混杂因素	探究空气污染物（NO2、SO2、O3）对青少年骨科手术患者术后感染风险的影响	上海地区2019-2024年期间的32,261例青少年骨科手术术后感染病例	机器学习	骨科疾病	深度学习建模，广义加性模型分析	CNN, BiGRU, Attention机制	医疗记录数据，高分辨率空气污染与气象数据	32,261例青少年术后感染病例	TensorFlow/PyTorch（未明确指定）	CNN-BiGRU-Attention，改进的StarFish算法优化	百分比变化估计，95%置信区间	NA
3832	2026-01-01	The extended hollowed mind: why foundational knowledge is indispensable in the age of AI 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1719019 PMID:41459580	研究论文	本文提出了“空心化心智”的概念框架，探讨生成式人工智能在教育中引发的认知依赖风险，并提出了“强化心智”的教学目标	提出了“空心化心智”和“主权陷阱”的概念框架，从多学科角度解释人工智能对认知过程的影响，并提出了“强化心智”作为应对策略	主要基于理论分析和现有证据的综合，缺乏实证研究数据支持具体干预措施的效果	分析生成式人工智能对教育认知过程的影响，并提出应对认知依赖风险的理论框架	人工智能在教育环境中的认知影响机制	自然语言处理	NA	NA	生成式人工智能	理论分析	NA	NA	NA	NA	NA
3833	2026-01-01	Deep pathomics: A new image-based tool for predicting response to treatment in stage III non-small cell lung cancer 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294259 PMID:38015944	研究论文	本研究探索了利用深度学习技术分析组织病理切片（深度病理组学）来预测III期非小细胞肺癌患者对放化疗治疗反应的新方法	首次将深度学习技术应用于III期非小细胞肺癌的组织病理切片，开发了名为“深度病理组学”的图像分析工具，用于预测治疗反应	样本量较小（仅35例），属于探索性研究，需要更大规模的研究验证	预测III期非小细胞肺癌患者对放化疗的治疗反应	III期非小细胞肺癌患者的组织病理切片	数字病理学	肺癌	组织病理学切片数字化	CNN	图像	35例数字化组织切片（活检或手术标本）	NA	AlexNet, VGG, MobileNet, GoogLeNet, ResNet	特异性, 敏感性	NA
3834	2026-01-01	A hybrid Cycle GAN-based lightweight road perception pipeline for road dataset generation for Urban mobility 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293978 PMID:38032941	研究论文	本文提出了一种基于Cycle GAN的轻量级道路感知流水线，用于生成城市移动性所需的道路数据集	提出了一种新颖的生成器网络'Sim2Real'，用于将语义分割标签转换为逼真的街景，并测试了CycleGAN架构在折纸机器人数据集上的泛化能力	未明确说明模型在更复杂或多样化场景中的性能限制	解决深度学习网络训练中大规模标注数据集需求的问题，通过模拟数据生成逼真数据集以支持城市移动性研究	城市道路数据集，包括Cityscapes和KITTI数据集，以及折纸机器人数据集	计算机视觉	NA	模拟数据生成，语义分割	CycleGAN, SVM	图像，语义分割地图	使用了Cityscapes数据集和KITTI数据集，具体样本数量未明确说明	未明确指定，但可能涉及TensorFlow或PyTorch（基于CycleGAN的常见实现）	CycleGAN	Cycle一致性损失，身份损失	未明确说明
3835	2026-01-01	Examination of alternative eGFR definitions on the performance of deep learning models for detection of chronic kidney disease from fundus photographs 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295073 PMID:38032977	研究论文	本研究探讨了使用不同eGFR定义对基于眼底照片的深度学习模型检测慢性肾病性能的影响	首次比较了仅基于肌酐的eGFR方程与结合肌酐和胱抑素C的eGFR方程在眼底图像深度学习模型中的表现差异	现有eGFR方程存在局限性，且眼底图像中可能缺乏独特指示CKD的特征，导致模型性能不一致	评估不同eGFR定义对深度学习模型检测慢性肾病性能的影响	英国生物银行的眼底图像数据	数字病理学	慢性肾病	深度学习	深度学习模型	图像	NA	NA	NA	分类性能	NA
3836	2025-12-31	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2026-Feb-01, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	本文开发了一种结合深度学习和影像组学的非侵入性诊断模型，用于提高早期黑色素瘤诊断的准确性和临床实用性	整合了深度学习（ResNet50）和影像组学特征来构建诊断模型，并识别出关键预测指标如熵、长游程强调和小波对比度	研究为单中心回顾性设计，样本量相对有限（350例），可能影响模型的泛化能力	提高早期黑色素瘤的非侵入性诊断准确性	皮肤色素性病变患者	计算机视觉	黑色素瘤	影像组学分析	随机森林, 支持向量机, K近邻	医学影像数据	350例患者（训练集245例，验证集105例）	Python 3.8.5, Scikit-learn	ResNet50	AUC	NA
3837	2025-12-31	Integrating lesser omentum adipose CT in dual-phase tumor imaging: A multi-label deep learning framework for preoperative microvascular invasion prediction and survival analysis in hepatocellular carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109197 PMID:41349434	研究论文	本研究开发了一种多标签深度学习框架，通过整合小网膜脂肪CT与双期肿瘤成像，用于术前预测肝细胞癌的微血管侵犯并进行生存分析	提出了一种新颖的多标签深度学习框架，首次将小网膜脂肪CT特征与双期肿瘤CT图像通道级联，并利用临床风险因素作为辅助标签指导训练，以提升微血管侵犯预测性能	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚；未在更广泛的多中心前瞻性数据中验证模型泛化性	开发一个多标签深度学习框架，用于术前准确预测肝细胞癌的微血管侵犯并进行生存风险分层分析	肝细胞癌患者	计算机视觉	肝细胞癌	计算机断层扫描	CNN	图像, 临床数据	来自两个中心的回顾性数据，具体样本量未明确说明	NA	CGAResNet18	AUC, 假阳性率, 假阴性率	NA
3838	2025-12-31	A comparative study of computer vision models for oral cancer detection from oral photographs 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109198 PMID:41380612	研究论文	本研究比较了多种计算机视觉模型在口腔照片中检测口腔癌病变的性能	通过系统比较现代深度学习目标检测模型，并全面评估影响模型性能的参数，提供了该领域检测方法的新颖且全面的评估	在区分恶性和良性病变的两类检测设置中表现不佳，且小病变检测存在挑战	评估计算机视觉模型作为诊断工具在口腔癌早期检测中的潜力	口腔病变照片，特别是鳞状细胞癌等病变	计算机视觉	口腔癌	NA	深度学习目标检测模型	图像	基于活检证实的口腔病变摄影数据集	NA	NA	精确度, 灵敏度, 特异性	NA
3839	2025-12-31	INTELLI-PVA: Informative sample annotation-based contrastive active learning for cross-domain patient-ventilator asynchrony detection 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109203 PMID:41389675	研究论文	本文提出了INTELLI-PVA框架，用于跨域患者-呼吸机异步检测，通过对比主动学习减少标注负担	结合对比学习和主动学习，开发混合两阶段分类器，实现高效跨域PVA检测	未明确说明模型在极端临床场景或罕见PVA类型上的泛化能力	开发人工智能系统以实时检测患者-呼吸机异步，提升临床监测效率	机械通气患者中的八种PVA类型	机器学习	呼吸系统疾病	对比学习，主动学习	深度学习模型	呼吸周期数据	1190名患者，1.24975亿个呼吸周期	NA	NA	F1-score, Cohen's κ	NA
3840	2025-12-31	FRET-SAM: SAM_Med2D-based automatic FRET two-hybrid analysis 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109208 PMID:41401595	研究论文	本研究开发了一种基于SAM_Med2D的深度学习模型FRET-SAM，用于自动分析FRET双杂交图像，以量化活细胞中的蛋白质相互作用	首次将Segment Anything Model (SAM)及其医学图像变体SAM_Med2D优化并应用于FRET双杂交图像的自动ROI选择和荧光信号提取，实现了分析过程的自动化并提高了准确性	未明确提及模型在更广泛或更复杂生物样本上的泛化能力，以及计算效率的具体提升程度	开发一种自动化、高精度的深度学习方法来分析FRET双杂交图像，以消除主观偏差并提高蛋白质相互作用定量分析的效率和准确性	FRET双杂交图像（来自六种模型质粒和三种功能性FRET对）以及相关的蛋白质相互作用	计算机视觉	肺癌, 肝细胞癌	荧光共振能量转移 (FRET) 双杂交测定, 深度学习	基于SAM的模型	图像	包含六种模型质粒（C4Y, C10Y, C40Y, C80Y, C32V, CVC）和三种功能性FRET对（Bcl-XL-CFP/Bak-YFP, EGFR-CFP/Grb2-YFP, RAF-CFP/RAS-YFP）的综合FRET图像数据集	NA	SAM_Med2D, FRET-SAM	平均像素精度 (MPA), 平均交并比 (MIoU), Dice系数, 相对误差	NA