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
5361	2026-01-30	FSFT6mA: a feature-synthesis fine-tuning framework for DNA 6mA site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1750223 PMID:41589300	研究论文	本研究提出了一种名为FSFT6mA的特征合成微调框架，用于提升DNA 6mA位点预测的准确性	首次将生成对抗网络（GAN）用于合成DNA序列的中间层特征，并通过这些合成特征微调预训练的卷积神经网络模型，从而显著提升预测性能	NA	开发一种深度学习框架，以更准确地预测DNA N6-甲基腺嘌呤（6mA）位点	DNA N6-甲基腺嘌呤（6mA）位点	机器学习	NA	DNA序列分析	CNN, GAN	DNA序列数据	NA	NA	深度卷积神经网络, 生成对抗网络	MCC, AUC	NA
5362	2026-01-30	Recent trends in machine learning and deep learning-based prediction of G-protein coupled receptor-ligand binding affinities 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1712577 PMID:41601476	综述	本文回顾了基于机器学习和深度学习的G蛋白偶联受体-配体结合亲和力预测模型的最新趋势	整合了基于序列的一维、基于图的二维和基于结构的三维框架，并探讨了注意力机制、自监督学习及混合方法在提高预测成功率和可解释性方面的应用	未具体讨论模型在特定GPCR亚型或药物类别中的泛化能力及计算资源需求	提高药物发现过程中GPCR-配体结合亲和力预测的准确性和效率	G蛋白偶联受体及其配体	机器学习	NA	NA	卷积神经网络, 图神经网络	序列数据, 图数据, 结构数据	NA	NA	NA	NA	NA
5363	2026-01-30	FODSeg: a deep learning framework for tract-specific white matter segmentation from full angular distributions 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1734498 PMID:41601529	研究论文	本文介绍了一种名为FODSeg的深度学习方法，用于从全角度分布进行特定白质束的体素级分割	利用完整的纤维取向分布函数（fODF）表示每个体素，捕获白质取向的全角度结构，并将束分割重新定义为单类别问题，每个束训练一个模型以减少多类别方法中的标签冲突	未明确说明方法在临床数据上的泛化能力或计算效率限制	提高白质束分割的准确性、特异性和解剖一致性	人脑白质束	医学图像分析	NA	扩散磁共振成像（dMRI）	深度学习	扩散磁共振图像	使用人类连接组计划（HCP）数据集，具体样本数量未在摘要中明确	未明确指定	未明确指定	Dice系数, 体积过度值, 特异性	未明确指定
5364	2026-01-30	The top 100 cited articles on artificial intelligence in Alzheimer's disease and mild cognitive impairment: a bibliometric analysis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1605231 PMID:41601600	文献计量分析	对阿尔茨海默病和轻度认知障碍领域人工智能应用被引次数最高的100篇文章进行文献计量分析	首次系统梳理了AD和MCI领域人工智能应用的高被引文献，揭示了研究趋势、关键作者、机构及常用方法	分析基于被引次数，可能忽略近期重要但引用尚少的研究；数据来源仅限于Web of Science数据库	通过文献计量分析揭示人工智能在阿尔茨海默病和轻度认知障碍领域的研究现状、热点及趋势	Web of Science数据库中人工智能应用于AD和MCI的100篇高被引学术文章	机器学习	阿尔茨海默病	文献计量分析	SVM, CNN	MRI数据	100篇文章（85篇临床研究，13篇综述，2篇基础研究）	NA	NA	NA	NA
5365	2026-01-30	Hybrid deep learning and feature optimization approach for early detection of multiple sclerosis 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1685580 PMID:41601605	研究论文	本研究提出了一种结合深度学习特征提取、元启发式特征选择和机器学习分类器的混合框架，用于从MRI图像中准确分类多发性硬化症	提出了一种混合框架，将预训练的VGG16 CNN用于特征提取，结合鲸鱼优化算法进行特征选择，并集成人工神经网络分类器，实现了高达98%的分类准确率	未提及外部验证数据集、模型泛化能力评估或临床部署的可行性分析	开发一种可靠、高效且自动化的多发性硬化症早期检测系统，以减少诊断延迟和资源负担	多发性硬化症患者的MRI图像	计算机视觉	多发性硬化症	MRI成像	CNN, ANN, SVM	图像	NA	NA	VGG16	准确率	NA
5366	2026-01-30	PneuNet: a lightweight convolutional neural network with multiscale feature fusion for automated pneumonia detection from chest X-rays 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1713587 PMID:41601813	研究论文	本文提出了一种名为PneuNet的轻量级卷积神经网络，通过多尺度特征融合实现胸部X光片中肺炎的自动检测	设计了四项创新：深度可分离卷积提高计算效率，SE模块强调信息通道，ASPP模块捕获多尺度上下文，以及可学习的池化层（1×1卷积+sigmoid）替代固定全局平均池化，使模型能动态聚焦于肺炎相关区域	模型性能仍有提升空间，可通过数据增强、超参数调优、架构搜索和迁移学习进一步优化，且增加数据量有助于提升泛化能力	开发自动化肺炎筛查工具，辅助医疗诊断	胸部X光片	计算机视觉	肺炎	深度学习	CNN	图像	Kaggle胸部X光肺炎数据集，共5856张图像（训练集4646张，验证集586张，测试集624张）	NA	PneuNet（包含深度可分离卷积、SE模块、ASPP模块和可学习池化层）	准确率	NA
5367	2026-01-29	SLID: a slit-lamp image dataset for deep learning-based anterior eye anatomical segmentation and multi-lesion detection 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1716501 PMID:41602210	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5368	2026-01-30	Artificial intelligence assessment of valvular disease and ventricular function by a single echocardiography view 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1684933 PMID:41602208	研究论文	本研究开发了一种仅使用单一切面二维心尖四腔心超声视图的深度学习模型，用于准确检测显著瓣膜疾病和心室功能障碍	首次证明仅使用单一超声切面（心尖四腔心视图）即可通过深度学习模型同时评估多种心脏结构和功能异常，包括瓣膜反流和心室功能障碍，且该模型在手持式超声设备采集的图像上也能保持良好性能	研究为单中心回顾性训练和前瞻性验证，需要多中心外部验证以评估泛化能力；模型仅评估了四种特定心脏异常，未涵盖所有可能的病理状态	评估深度学习模型在简化超声成像协议下，通过单一视图实现快速、准确的心脏功能筛查的可行性	心脏瓣膜疾病（二尖瓣反流、三尖瓣反流）和心室功能障碍（右心室功能障碍、左心室射血分数降低）	数字病理学	心血管疾病	超声心动图	深度学习模型	图像	回顾性分析120,127例超声心动图研究用于训练和验证；前瞻性队列包含209名患者	NA	NA	曲线下面积	NA
5369	2026-01-30	Physics-constrained GAN boosts OAM correction in ocean turbulence 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1702056 PMID:41602298	研究论文	本研究提出了一种物理约束生成对抗网络，用于改善海洋湍流中轨道角动量的波前校正	将空间和频谱双重物理约束集成到深度学习框架中，以优化图像重建、模态纯度和频谱保真度	NA	提高海洋湍流环境下轨道角动量的波前校正性能	海洋湍流中退化的轨道角动量图像	计算机视觉	NA	NA	GAN	图像	NA	NA	NA	SSIM, 模态纯度, KL散度	NA
5370	2026-01-30	Enhanced multi-class object detector for bone fracture diagnosis with prescription recommendation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692894 PMID:41602301	研究论文	本文提出了一种增强的多类目标检测器，用于长骨骨折诊断并附带处方推荐	引入了自适应锚点过程以提升区域提议网络和目标检测模型的性能，并整合了处方推荐功能，这在现有文献中较为缺乏	模型仅使用X射线图像作为输入，未涵盖多种模态的影像数据，且主要针对长骨骨折	开发一种计算效率高的深度学习模型，用于骨骨折诊断并提供治疗建议	长骨骨折的X射线图像	计算机视觉	骨骨折	X射线成像	目标检测模型	图像	NA	PyTorch, TensorFlow	Faster R-CNN, ResNet-50, ResNet-101, ResNext-50, ResNext-101	平均精度, F1分数, 精确率, 召回率	NA
5371	2026-01-30	PotatoLeafNet: two-stage convolutional neural networks for effective Potato Leaf disease identification and classification 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1668839 PMID:41602306	研究论文	本文提出了一种名为PotatoLeafNet的两阶段卷积神经网络框架，用于有效识别和分类马铃薯叶片病害	结合了固定顺序的图像增强流程与轻量级、任务优化的11层CNN，使用3×3卷积核，实现了数据高效且鲁棒的分类，在计算成本较低的情况下超越了更深的或融合的基线模型	研究仅基于PlantVillage-Potato数据集，未在更广泛或真实田间复杂场景下验证，且增强策略固定，可能未覆盖所有变异	开发一个高效、鲁棒的马铃薯叶片病害自动识别与分类系统，以支持精准农业和及时病害管理	马铃薯叶片图像，涵盖健康、早疫病和晚疫病三种状态	计算机视觉	马铃薯病害	图像增强技术（旋转、平移、剪切、缩放、水平翻转、亮度调整、通道抖动）	CNN	图像	4,072张标注的马铃薯叶片图像，增强后训练集增至6,000张（每类2,000张）	TensorFlow, Keras	自定义11层CNN（使用3×3卷积核）	准确率, 宏精确率, 宏召回率, 宏F1分数, 宏AUC	NA
5372	2026-01-30	Deep learning and machine learning integration of radiomics and transcriptomics predicts response-adapted radiotherapy outcome and radiosensitivity in resectable locally advanced laryngeal carcinoma 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1738174 PMID:41602310	研究论文	本研究通过整合深度学习和机器学习方法，分析CT扫描影像和RNA-seq基因表达数据，预测局部晚期喉癌患者对放疗的响应和放射敏感性	创新性地将影像组学与转录组学数据结合，利用深度学习模型（CNN与RNN集成）预测放疗响应，并通过机器学习算法识别与放射敏感性相关的基因生物标志物	单中心回顾性研究，样本量有限，未来需在多中心队列中进行验证以提升普适性	提高头颈鳞状细胞癌患者放疗响应预测的准确性，评估治疗结果，并识别与放射增敏相关的生物标志物	局部晚期喉癌患者（III期和IV期）的CT扫描影像和RNA-seq基因表达数据	计算机视觉, 自然语言处理	喉癌	CT扫描, RNA-seq, qRT-PCR, LC-MS质谱分析	CNN, RNN, glmBoost, SVM, RF	图像, 文本	数据集A：476名患者的1,100张CT扫描；数据集B：169名患者的500张CT扫描；TCGA数据：231个样本；GSE20020数据集用于验证	TensorFlow, PyTorch, Scikit-learn	CNN与RNN集成模型	AUC, HR, 95% CI, AUROC	NA
5373	2026-01-30	User perceptions of RBI-approved P2P digital lending apps: an NLP, machine learning, and deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1708080 PMID:41602312	研究论文	本研究通过自然语言处理、机器学习和深度学习技术，分析印度储备银行批准的P2P数字借贷应用的用户评论，以评估消费者感知和满意度	结合自然语言处理、主题建模、监督机器学习与深度学习模型，首次对印度RBI批准的P2P数字借贷应用进行大规模用户反馈分析，并比较不同模型的预测性能	研究仅基于用户评论数据，可能未涵盖所有用户群体或实际使用行为，且数据来源限于七个特定平台	理解消费者对印度RBI批准的P2P数字借贷应用的感知和评估，识别其优势、弱点及整体满意度水平	印度RBI批准的P2P数字借贷应用的用户评论	自然语言处理	NA	自然语言处理, 主题建模, 监督机器学习, 深度学习	CNN, 集成机器学习	文本	15408条用户评论	NA	VGG16, XGBoost, CatBoost, LightGBM, ResNet	预测准确率	NA
5374	2026-01-30	Smart manufacturing-driven probabilistic process planning for components via AP-BiLSTM-ATT 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1745372 PMID:41602309	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（AP-BiLSTM-ATT）算法，用于智能制造中复杂零件的概率性工艺规划	结合BiLSTM网络与多头注意力机制，深入挖掘零件多维特征与工艺计划之间的隐藏关系，实现工艺决策的概率建模	未明确提及模型在极端或罕见零件特征下的泛化能力，以及计算资源需求的具体评估	提高复杂零件工艺规划的质量和效率，支持智能制造系统的智能化水平提升	复杂零件的工艺规划过程	机器学习	NA	深度学习	BiLSTM	结构化数据（零件属性、几何特征、历史工艺计划）	大规模历史工艺数据集	NA	BiLSTM with multi-head attention	准确性、响应速度、泛化能力	NA
5375	2026-01-30	Image-based artificial intelligence for preoperative differentiation of pancreatic cancer from pancreatitis: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1660271 PMID:41602371	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了基于图像的人工智能算法在术前区分胰腺癌与胰腺炎中的诊断性能	首次对基于图像的AI在区分胰腺癌与胰腺炎方面的诊断性能进行系统性评估与荟萃分析，并比较了机器学习与深度学习算法的表现	纳入研究间存在显著的异质性（I² > 75%），部分异质性可能源于算法、成像方式、发表地域和年份的差异	评估基于图像的人工智能算法在术前区分胰腺癌与胰腺炎中的诊断准确性	胰腺癌与各类胰腺炎（包括急性、慢性、自身免疫性及其他炎症性胰腺疾病）患者	数字病理学	胰腺癌	NA	机器学习, 深度学习	图像	3279名患者（来自25项研究）	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积	Stata 17.0 软件（用于统计分析）
5376	2026-01-30	A deep learning-based automatic segmentation model for diffuse midline glioma with H3K27M alteration 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1602516 PMID:41602393	研究论文	本研究开发了一种基于生成对抗网络（GANs）的深度学习模型，用于自动分割H3K27M突变的弥漫性中线胶质瘤的放疗靶区	首次基于GANs开发了针对H3K27M突变弥漫性中线胶质瘤的自动分割模型，并整合了空间通道注意力机制和多尺度特征提取以适应中线区域肿瘤位置和形态变化的特点	NA	开发一种自动分割模型，用于精确描绘H3K27M突变的弥漫性中线胶质瘤的放疗靶区，以辅助放疗规划	H3K27M突变的弥漫性中线胶质瘤患者	数字病理学	弥漫性中线胶质瘤	MRI成像（对比增强T1加权、T2加权、T2-Flair序列）	GAN	医学影像（MRI序列）	训练集116名患者，测试集26名患者	NA	生成对抗网络（GANs），整合了空间通道注意力机制和多尺度特征提取	Dice相似系数（DSC）	NA
5377	2026-01-30	Deep learning-based automated detection of endometrioid endometrial carcinoma in histopathology 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1701427 PMID:41602398	研究论文	本研究开发了一种基于改进ResNet-18的深度学习系统，用于从H&E染色子宫内膜增生病变和正常组织中自动识别子宫内膜样子宫内膜癌	提出了一种基于改进ResNet-18的多任务深度学习系统，能够自动检测子宫内膜样子宫内膜癌并有效分类子宫内膜病理和生理状态，具有临床转化潜力	NA	开发自动化诊断工具以克服传统病理学中的复杂采样和医生资源有限等挑战	H&E染色的子宫内膜增生病变和正常组织	数字病理学	子宫内膜癌	H&E染色	CNN	图像	NA	NA	ResNet-18	阳性预测值, F1分数	NA
5378	2026-01-30	Deep learning in renal ultrasound: applications, challenges, and future outlook 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1730628 PMID:41602426	综述	本文系统总结了深度学习在肾脏超声中的应用、挑战及未来展望	系统综述了深度学习在肾脏超声关键任务（如分割、测量、功能预测和疾病诊断）中的应用，并评估了CNN和Transformer等模型的性能，同时指出了未来结合多模态数据、大模型技术、联邦学习和可解释人工智能的发展方向	数据质量、模型可解释性、泛化能力和临床整合方面仍存在挑战	增强肾脏超声工作流程的客观性和自动化，以改善肾脏疾病的诊断和分析	肾脏疾病，特别是慢性肾脏病（CKD）	数字病理学	肾脏疾病	NA	CNN, Transformer	图像	NA	NA	NA	NA	NA
5379	2026-01-30	A two-stage deep learning prediction system for colon cancer microsatellite instability status using CT images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699430 PMID:41602410	研究论文	本研究构建了一个两阶段深度学习系统，利用CT图像自动预测结肠癌微卫星不稳定性状态，无需手动分割	提出了一种无需手动分割的两阶段深度学习系统，结合分割模型MSI-SAM和诊断模型，自动从CT图像中预测结肠癌MSI状态	样本量较小（108例），且结肠不同部位病例分布不均，可能影响模型泛化能力	开发一种基于CT图像的深度学习系统，用于自动识别结肠癌的微卫星不稳定性状态	结肠癌患者的增强CT扫描图像	计算机视觉	结肠癌	CT扫描	深度学习模型	图像	108例增强CT扫描（68例升结肠，14例横结肠，18例降结肠，8例乙状结肠；56例MSI-H，52例MSS）	NA	MSI-SAM	DSC, IoU, AUC, ACC, 敏感性, 特异性	NA
5380	2026-01-30	Development and validation of an LDCT-based deep learning radiomics nomogram for predicting postoperative recurrence of stage Ia lung adenocarcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1706104 PMID:41602433	研究论文	本研究开发并验证了一种基于LDCT的深度学习影像组学列线图，用于预测Ia期肺腺癌患者术后复发风险	首次结合深度学习特征、影像组学特征和临床数据构建列线图模型，用于预测Ia期肺腺癌术后复发，并在多中心数据上进行了验证	研究为回顾性设计，样本量相对有限，且仅针对Ia期肺腺癌患者	开发一种术前预测工具，以辅助临床医生优化Ia期肺腺癌患者的辅助治疗方案，实现个体化预后管理	Ia期肺腺癌患者	数字病理	肺癌	低剂量计算机断层扫描	深度学习, 机器学习	医学影像	中心1: 233例患者（训练集163例，内部验证集70例）；中心2: 89例患者（外部验证集）	NA	ResNet50	AUC, 校准曲线, 决策曲线分析	NA