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
441	2025-12-18	Computational models for pan-cancer classification based on multi-omics data 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1667325 PMID:41220429	综述	本文综述了基于多组学数据的泛癌分类计算模型，总结了现有数据、数据库、方法及其优缺点，并探讨了未来研究方向	系统性地比较了基于机器学习和深度学习的泛癌分类方法，并指出了当前框架在整合肿瘤动态时间变化和空间异质性方面的不足	现有框架难以整合肿瘤内的动态时间变化和空间异质性，限制了其实时临床应用性	研究泛癌分类的计算模型，以应对肿瘤异质性带来的诊断和治疗挑战	多组学数据（基因组学、转录组学、蛋白质组学）及泛癌图谱	机器学习	泛癌	多组学数据整合	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
442	2025-12-18	A deep learning-driven cataract screening model derived from multicenter real-world dataset 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1691419 PMID:41393146	研究论文	本研究开发并验证了一个基于多中心真实世界数据的深度学习模型，用于白内障筛查	采用多中心、真实世界的大规模数据集训练模型，并设计了一个模拟临床诊断流程的级联框架，以提高模型在噪声数据上的可靠性和泛化能力	未明确提及模型在更广泛或国际数据集上的测试表现，以及在实际临床部署中的具体挑战	开发一个稳健且可泛化的深度学习模型，用于大规模眼科筛查，特别是白内障的检测	来自中国12个省市21家眼科机构的22,094张裂隙灯图像	计算机视觉	白内障	裂隙灯成像	CNN	图像	22,094张裂隙灯图像	NA	ResNet50-IBN	准确率, 特异性, AUC	NA
443	2025-12-18	Hybrid Deep Learning for Brain Tumor Detection: Combining DenseNet and Custom CNN for Enhanced Accuracy 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251395954 PMID:41393347	研究论文	本文提出了一种结合DenseNet和自定义CNN的混合深度学习架构，用于提高脑肿瘤检测的准确率、敏感性和特异性	创新点在于将DenseNet的特征重用和连接性与针对特定领域设计的自定义CNN相结合，以提取高级语义和细粒度特征，从而提升分类性能	未明确提及具体局限性，但可能涉及计算资源需求或模型泛化能力	研究目标是开发一种混合深度学习架构，以提高脑肿瘤医学图像分类的准确性、敏感性和特异性	研究对象是脑肿瘤医学图像数据集	计算机视觉	脑肿瘤	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及	DenseNet, 自定义CNN	准确率, 敏感性, 特异性, FPS	未明确提及
444	2025-12-18	Artificial intelligence applications in intensive care unit nursing: A narrative review (2020-2025) 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251406302 PMID:41393841	综述	本文综述了2020年至2025年间人工智能在重症监护室护理中的应用研究，总结了趋势并指出了整合挑战	系统性地综合了近五年人工智能在ICU护理领域的最新研究进展，突出了早期预警、风险预测及工作流支持等应用趋势	纳入的研究多为回顾性，且缺乏校准、外部验证和人为因素评估的详细描述	综述人工智能在重症监护室护理中的应用，以识别趋势和整合挑战	2020年至2025年间发表的英文研究，重点关注ICU护理中的人工智能应用	机器学习	NA	NA	机器学习, 深度学习	电子健康记录, 数据库数据	37项研究（从4138篇文章中筛选）	NA	NA	AUC	NA
445	2025-12-18	Cluster segmentation and stereo vision-based apple localization algorithm for robotic harvesting 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1598414 PMID:41393871	研究论文	本文提出了一种结合增强K-Means聚类分割算法和立体视觉系统的苹果三维定位方法，用于机器人采摘	通过多特征融合（颜色、形态、纹理）提升分割鲁棒性，并集成立体视觉进行精确三维定位，无需大规模标注数据集或高性能硬件	未来工作需关注大规模果园部署、并行优化及扩展到其他水果类型	开发一种适用于复杂果园环境的自动化苹果采摘机器人定位算法	苹果	计算机视觉	NA	立体视觉	K-Means聚类	图像	NA	NA	K-Means, 块匹配立体模型	识别准确率, 平均精度均值, 平均坐标偏差, 正确识别率, 帧每秒, 深度定位误差	低计算需求，无需高性能硬件
446	2025-12-18	Deep learning-based phenotyping of lettuce diseases using Efficient-FBM-FRMNet for precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1704647 PMID:41393894	研究论文	本研究提出了一种名为Efficient-FBM-FRMNet的模块化深度学习框架，用于自动化检测生菜病害	该模型整合了EfficientNetB4、扩张卷积、特征瓶颈模块、推理引擎和特征细化模块，增强了判别性特征学习、可解释性和稳定性，同时降低了计算成本	NA	实现快速准确的生菜病害识别，以支持精准农业和可持续作物管理	生菜叶片图像	计算机视觉	植物病害	深度学习	CNN	图像	2,813张生菜叶片图像	NA	EfficientNetB4, ResNet50, DenseNet121	准确率, 精确率, 召回率, F1分数	NA
447	2025-12-18	PLFYNet-based edge-deployable detection system for Ginkgo biloba leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1679455 PMID:41393897	研究论文	本研究提出了一种名为PLFYNet的轻量级深度学习模型，用于在资源受限的嵌入式设备上实时检测银杏叶病害	提出了一种优化的轻量级主干网络，集成了注意力机制、改进的检测头、高效卷积技术和自定义特征融合模块，并应用了层自适应幅度剪枝技术，在保持精度的同时显著减少了模型参数量	研究仅针对银杏叶的三种病害类别（褪绿病、虫害、物理损伤），模型在其他作物或更复杂病害场景下的泛化能力有待验证	开发适用于复杂种植环境的轻量级实时病害检测系统，以解决现有系统在边缘部署时精度下降、效率低下和计算开销大的问题	银杏叶病害	计算机视觉	植物病害	深度学习，图像增强	CNN, YOLO	图像	7,158张增强图像，覆盖三种病害类别	NA	LCNet-FusionYOLO, PLFYNet, YOLOv7-tiny	mAP@0.5, FPS, 参数量	Jetson Orin Nano嵌入式平台
448	2025-12-18	Development of a multimodal model combining radiomics and deep learning to predict malignant cerebral edema after endovascular thrombectomy 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1716443 PMID:41393997	研究论文	本研究开发了一种结合放射组学和深度学习的多模态模型，用于预测急性缺血性卒中患者接受血管内血栓切除术后恶性脑水肿的风险	首次整合临床数据、放射组学特征和深度学习特征构建多模态预测模型，显著提高了恶性脑水肿预测的准确性	研究样本量相对较小（共290例患者），且仅进行了内部验证，缺乏外部独立队列验证	提高急性缺血性卒中患者血管内血栓切除术后恶性脑水肿的风险预测准确性	接受血管内血栓切除术的急性缺血性卒中患者	医学影像分析	急性缺血性卒中	放射组学分析、深度学习特征提取	深度学习融合模型	临床数据、医学影像数据	290例患者（训练集189例，验证集47例，内部测试集54例）	NA	NA	AUC（曲线下面积）	NA
449	2025-12-18	The mediating role of psychological resilience in the relationship between deep learning approach and mathematical creativity: integrating structural equation model and network analysis 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1697817 PMID:41394065	研究论文	本研究通过整合结构方程模型和网络分析方法，探讨了深度学习方式、心理韧性与数学创造力之间的关系	首次将结构方程模型与网络分析方法结合，揭示学习方式、心理韧性与数学创造力之间的中介关系与网络关系	研究样本仅为中国大学生，结果可能受文化背景限制；采用横断面设计，无法确定因果关系	探究深度学习方式如何通过心理韧性预测数学创造力，并揭示三者间的网络关系	中国大学生	教育心理学	NA	问卷调查法	结构方程模型, 网络分析	问卷数据	986名中国大学生	NA	NA	节点中心性指标（强度、接近度、预期影响力）	NA
450	2025-12-18	RNA-EFM: energy-based flow matching for protein-conditioned RNA sequence-structure co-design 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf258 PMID:41394077	研究论文	提出了一种名为RNA-EFM的深度学习框架，用于蛋白质条件化的RNA序列与结构协同设计，通过结合基于能量的精炼和流匹配方法，以优化RNA的几何对齐和热力学稳定性	首次将基于能量的精炼与流匹配相结合，用于RNA序列与结构的协同设计，并整合了生物物理先验如Lennard-Jones势能和序列衍生的自由能，以确保生成的RNA在几何上合理且热力学稳定	未明确提及模型在处理大规模数据集或复杂蛋白质-RNA相互作用时的计算效率或泛化能力限制	开发一种能够设计特异性结合目标蛋白质的RNA分子的方法，同时考虑结构对齐、序列恢复和生物物理因素	RNA分子及其与目标蛋白质的相互作用	机器学习	NA	深度学习框架，结合基于能量的精炼和流匹配	NA	RNA序列和结构数据	NA	NA	RNA-EFM（自定义框架，结合流匹配和基于能量的精炼）	RMSD, lDDT, 序列恢复率, 结合能改进	NA
451	2025-12-18	Leveraging TabTransformer Deep Learning on Conventional MRI Radiomics for Accessible and Interpretable Diagnosis of Autism Spectrum Disorder 2025, Neuropsychiatric disease and treatment IF:2.5Q2 DOI:10.2147/NDT.S550477 PMID:41394445	研究论文	本研究利用常规MRI序列的放射组学特征，结合TabTransformer深度学习模型，对自闭症谱系障碍进行诊断，并探索影像特征与临床症状严重程度的相关性	首次将TabTransformer深度学习模型应用于多区域常规MRI放射组学分析，用于自闭症谱系障碍的诊断，并识别出与核心临床症状相关的特定影像生物标志物	研究为回顾性设计，样本量相对有限，缺乏外部验证，且依赖手动分割，未来需要更大规模、多中心的前瞻性研究及自动化分割方法的探索	评估基于常规MRI序列的多区域放射组学分析对自闭症谱系障碍的诊断效能，并探索影像特征与临床症状严重程度的相关性	207名儿科参与者（91名自闭症谱系障碍患者，116名典型发育对照）	医学影像分析	自闭症谱系障碍	常规MRI序列（T1加权成像和T2加权成像）	TabTransformer, 逻辑回归, 支持向量机	MRI图像	207名儿科参与者（91例ASD，116例对照）	NA	TabTransformer	AUC, 准确率, 灵敏度, 特异性	NA
452	2025-12-18	Inference of Gene Regulatory Networks for Breast Cancer Based on Genetic Modules 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0154 PMID:41394782	研究论文	本研究提出了一种结合遗传模块和卷积神经网络的新方法，从乳腺癌RNA测序数据中推断基因调控网络	该方法整合了遗传数据分析和深度学习视角，通过加权基因共表达网络分析筛选关键基因，并将基因模块中的调控关联转化为二维直方图类型，使用卷积神经网络进行拟合和推断	未明确说明方法在其他肿瘤类型或更大数据集上的泛化能力	开发一种新的基因调控网络推断方法，以促进乳腺癌的靶向治疗	乳腺癌的基因调控网络	机器学习	乳腺癌	RNA测序	CNN	基因表达数据	NA	NA	卷积神经网络	NA	NA
453	2025-12-18	Utilization of artificial intelligence in prostate cancer detection: a comprehensive review of innovations in screening and diagnosis 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670671 PMID:41394863	综述	本文全面回顾了人工智能在前列腺癌筛查与诊断中的创新应用	详细阐述了AI如何通过深度学习算法改进多参数MRI解读、自动化Gleason分级以及整合多模态数据，推动前列腺癌诊疗向更精准、高效和个性化的新标准转变	面临前瞻性验证、数据公平性和监管审批等方面的重大挑战	探讨人工智能在前列腺癌管理中的变革性作用，特别是在筛查、诊断和治疗个性化方面的应用	前列腺癌的筛查、诊断及治疗过程	数字病理学	前列腺癌	多参数MRI (mpMRI), 深度学习	深度学习算法	影像数据, 生物标志物数据, 临床数据	NA	NA	NA	NA	NA
454	2025-12-18	PathoEye: A deep learning framework for the whole-slide image analysis of skin tissue 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.052 PMID:41395109	研究论文	本文介绍了一个名为PathoEye的深度学习框架，用于皮肤组织全玻片图像分析，专注于真皮-表皮连接区域以丰富皮肤病的病理特征	NA	NA	开发一个可解释的计算框架，用于分析皮肤活检中的全玻片图像，以研究各种皮肤状况的病理特征	皮肤组织全玻片图像，特别是真皮-表皮连接区域（基底膜区）	数字病理学	皮肤病	全玻片图像分析	深度学习	图像	NA	NA	NA	NA	NA
455	2025-12-18	Advances in machine and deep learning for ECG beat classification: a systematic review 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1649923 PMID:41395626	系统综述	本文系统回顾了2014年至2024年间发表的106篇相关文献，总结了机器学习和深度学习在心电图（ECG）搏动分类方面的进展、挑战和未来方向	系统梳理了从传统特征工程方法向基于卷积神经网络、循环神经网络及注意力机制等先进架构的自动化特征提取与分类方法的演变过程	现有研究普遍存在数据不平衡、患者间变异大以及缺乏统一评估指标等问题，限制了公平比较和临床转化	调查ECG信号分析技术，以更准确、高效地识别和分类各种心搏	心电图（ECG）信号	机器学习	心血管疾病	NA	CNN, RNN, 混合框架	信号数据	NA	NA	NA	NA	NA
456	2025-12-18	Deep Learning-Based Automated Optical Inspection System for the Additive Manufacturing of Diamond Tools 2024-Dec, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0208 PMID:39734731	研究论文	本文提出了一种基于改进YOLOv5s的自动光学检测系统，用于监测增材制造金刚石工具过程中金刚石磨粒的吸附状态	改进了YOLOv5s模型，通过添加检测头、使用深度可分离卷积模块替代标准卷积模块、引入坐标注意力机制，实现了参数和计算量的显著降低，同时提高了检测精度	未明确说明模型在其他工业检测场景中的泛化能力，且未与其他先进检测模型进行广泛对比	开发一种自动光学检测系统，以维持增材制造过程中金刚石磨粒的植砂率	增材制造金刚石工具过程中，针孔上金刚石磨粒的吸附状态	计算机视觉	NA	自动光学检测	CNN	图像	大量空缺和磨损空缺针孔数据	PyTorch	YOLOv5s	检测精度, 检测时间	NA
457	2025-12-18	Deep Learning in Image-Based Plant Phenotyping 2024-07, Annual review of plant biology IF:21.3Q1 DOI:10.1146/annurev-arplant-070523-042828 PMID:38382904	综述	本文综述了深度学习在基于图像的植物表型分析中的应用，包括其基础、评估方法、应用实例、最佳实践和开放挑战	系统性地回顾了深度学习在植物表型分析中的最新进展，并总结了最佳实践和未来挑战	作为综述文章，未提供新的实验数据或模型，主要基于现有文献进行总结	探讨深度学习如何加速和优化基于图像的植物表型分析，以促进作物改良	植物表型分析，特别是通过图像数据进行的表型测量	计算机视觉	NA	图像分析	深度学习	图像	NA	NA	NA	NA	NA
458	2025-12-18	Forecasting Risk of Future Rapid Glaucoma Worsening Using Early Visual Field, OCT, and Clinical Data 2023 Sep-Oct, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2023.03.005 PMID:36944385	研究论文	本研究利用深度学习模型，基于早期视野检查、OCT和临床数据，预测青光眼患者未来发生快速视野恶化的风险	首次将视觉Transformer用于整合多模态眼科数据（视野、OCT、临床）以预测青光眼进展，并证明加入多次随访数据可提升预测性能	回顾性研究设计，样本中快速恶化病例比例较低（5.80%），模型性能需在前瞻性研究中进一步验证	评估利用早期多模态数据预测青光眼快速视野恶化的可行性	4536只眼（来自2962名患者），其中263只眼发生快速视野恶化	数字病理学	青光眼	视野检查（VF）、光学相干断层扫描（OCT）、临床测量	深度学习模型（DLM）	图像（视野偏差图、OCT厚度图）、数值型临床数据	4536只眼（2962名患者），其中263只眼为快速恶化病例	未明确说明（可能为PyTorch或TensorFlow）	视觉Transformer（Vision Transformer）	AUC（曲线下面积）	NA
459	2025-12-18	Re: Vogl et al.: Predicting topographic disease progression and treatment response of pegcetacoplan in geographic atrophy quantified by deep learning (Ophthalmol Retina. 2023;7:4-13) 2023-07, Ophthalmology. Retina DOI:10.1016/j.oret.2023.04.005 PMID:37204369	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
460	2025-12-18	Predicting Topographic Disease Progression and Treatment Response of Pegcetacoplan in Geographic Atrophy Quantified by Deep Learning 2023-01, Ophthalmology. Retina DOI:10.1016/j.oret.2022.08.003 PMID:35948209	研究论文	本研究利用深度学习自动评估SD-OCT图像，预测地理萎缩的地形进展及pegcetacoplan治疗效果	首次结合深度学习自动分割与空间广义加性混合效应模型，在地形层面量化地理萎缩的局部进展率及其与治疗反应的关系	样本量相对较小（156只眼），且为回顾性分析，可能受限于临床试验的固有设计	评估pegcetacoplan治疗对年龄相关性黄斑变性继发地理萎缩地形进展的影响	地理萎缩患者的SD-OCT扫描图像	数字病理学	年龄相关性黄斑变性	光谱域OCT成像	深度学习算法	图像	156只眼（57只月治疗组，46只隔月治疗组，53只安慰剂组），总计312次扫描	NA	NA	局部进展率, 光感受器厚度, 高反射焦点浓度	NA