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
5461	2026-01-29	Confounder-Free Continual Learning via Recursive Feature Normalization 2025-Jul, Proceedings of machine learning research PMID:41574232	研究论文	本文提出了一种用于持续学习的新型递归特征归一化方法，以消除混杂变量对模型预测的影响	提出了递归元数据归一化层，可在持续学习场景中动态适应数据和混杂变量分布的变化，有效减少因混杂效应随时间变化导致的灾难性遗忘	未明确说明方法在极端分布偏移或高维混杂变量情况下的性能表现	开发一种能够在持续学习过程中消除混杂变量影响的深度学习框架	深度学习模型中的特征表示	机器学习	NA	递归最小二乘算法	深度学习架构，视觉变换器	NA	NA	NA	视觉变换器	跨群体公平性预测	NA
5462	2026-01-29	Enhancing gastrointestinal stromal tumor risk stratification: A novel deep learning approach applied to EUS imaging 2025 May-Jun, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000119 PMID:41584022	研究论文	本研究提出了一种基于EUS影像的新型深度学习模型，用于提高胃肠道间质瘤的风险分层准确性	开发了一种专门针对医学影像的DenseNet-121深度学习风险预测模型，并将其与传统统计模型结合，在GIST风险分类中实现了更高的预测精度	研究为单中心回顾性研究，样本量相对有限（341例患者），且模型间的曲线下面积比较未显示显著统计学差异	改善胃肠道间质瘤的风险评估和分类，以优化临床决策和患者预后	经病理证实的胃肠道间质瘤患者	数字病理	胃肠道间质瘤	EUS成像	深度学习	图像	341例患者的1019张EUS图像	PyTorch（基于DenseNet架构推断）	DenseNet-121	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC	NA
5463	2026-01-29	The impact of machine learning on ethological neuroscience 2025, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2025.1745658 PMID:41583728	综述	本文综述了机器学习在行为神经科学中的应用，重点关注无标记姿态估计和无监督行为聚类技术	机器学习将视频摄像头转化为高分辨率测量设备，并通过无监督方法扩展大规模行为记录推断，结合实验室精确性与现实世界复杂性	处理高维数据集仍面临挑战	推动动物行为及其神经基础的理解，为行为神经科学提供更自然主义研究的实用工具	动物行为	机器学习	NA	深度学习图像处理，无人机和卫星成像	NA	视频，图像	NA	NA	NA	NA	NA
5464	2026-01-29	Validity and accuracy of a machine learning predictive model in the exploitation of patient-related outcomes in spine surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1710512 PMID:41583840	研究论文	本研究前瞻性验证了一种深度学习算法在预测腰椎手术患者临床结局（MCID/非MCID）方面的准确性	首次前瞻性验证深度学习算法在腰椎手术患者结局预测中的有效性，并结合移动应用进行远程患者随访	样本量较小（仅103例患者完成随访），且为多中心研究可能引入异质性	验证机器学习预测模型在脊柱手术患者相关结局利用中的有效性和准确性	接受腰椎减压手术的患者	机器学习	脊柱疾病	深度学习	深度学习算法	临床数据（包括Oswestry功能障碍指数、阿片类药物使用、运动功能丧失等）	119例患者术前入组，103例完成术后随访	未明确说明	未明确说明	准确率，受试者工作特征曲线评分	未明确说明
5465	2026-01-29	Explainable AI-driven MRI-based brain tumor classification: a novel deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1700214 PMID:41584219	研究论文	本研究提出了一种基于可解释人工智能（XAI）的深度学习框架，用于MRI脑肿瘤分类	结合了可解释AI技术（如Grad-CAM、LIME）来可视化模型决策过程，并探索了与大型语言模型（LLMs）的未来集成潜力	未明确说明样本来源、数据集大小或计算资源的具体细节，可能影响结果的可重复性和泛化性	开发一个高效的深度学习框架，用于基于MRI数据的脑肿瘤分类，以辅助精确诊断和治疗规划	MRI图像中的脑肿瘤，分类为正常、胶质瘤、垂体瘤和脑膜瘤四类	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	DenseNet50, VGG19, 4-conv-1-dense-1-dropout CNN	准确率	NA
5466	2026-01-29	Detection of protein-losing enteropathy (PLE) ultrasonographic imaging features in dogs using deep learning neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1707957 PMID:41584227	研究论文	本研究利用深度学习神经网络开发了一个基于超声图像的模型，用于区分犬类中的蛋白质丢失性肠病（PLE）与非PLE的慢性炎症性肠病（CIE）病例	首次在兽医学中应用AI工具，通过深度学习模型从超声图像中自动检测PLE相关特征，提高了诊断的准确性和效率	研究为试点性质，样本量较小（仅59只犬），可能影响模型的泛化能力，且未在更广泛的数据集上进行验证	开发一个AI模型，以辅助犬类慢性炎症性肠病（CIE）和蛋白质丢失性肠病（PLE）的诊断和亚分类	犬类（59只）的超声图像数据，用于区分PLE与非PLE的CIE病例	数字病理学	蛋白质丢失性肠病	超声成像（B-mode）	深度学习神经网络	图像	59只犬的超声图像数据	NA	NA	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
5467	2026-01-29	Genetic risk predictions using deep learning models with summary data 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1657021 PMID:41584515	研究论文	本文探讨了在仅能获取遗传汇总数据（如连锁不平衡矩阵）的情况下，深度学习模型在遗传风险预测中的潜在应用	首次系统评估了深度学习模型（包括深度神经网络、卷积神经网络、循环神经网络和Transformer）在仅使用遗传汇总数据而非个体级数据时的预测性能，并发现其误差相当	研究依赖于模拟和真实数据分析，但可能未涵盖所有遗传结构或疾病类型；隐私和数据共享限制的实际影响未完全量化	评估深度学习模型在仅使用遗传汇总数据时进行遗传风险预测的可行性与性能	遗传汇总数据（如连锁不平衡矩阵）与个体级遗传数据	机器学习	NA	遗传汇总数据分析	深度神经网络, 卷积神经网络, 循环神经网络, Transformer	遗传汇总数据, 个体级遗传数据	NA	NA	NA	均方误差	NA
5468	2026-01-29	Recent advance in early oral lesion diagnosis: the application of artificial intelligence-assisted endoscopy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1686356 PMID:41584615	综述	本文综述了人工智能辅助内窥镜技术在口腔鳞状细胞癌早期诊断中的应用、进展与挑战	系统总结了AI模型（如Mask R-CNN、U-Net）在内窥镜图像自动病变检测、分割和分类中的最新应用，并探讨了在资源有限地区的应用潜力	存在标准化数据集缺乏、预处理方法需优化、AI模型过拟合风险、伦理与数据隐私问题以及临床验证不足等挑战	优化口腔鳞状细胞癌的早期诊断与管理，改善患者预后并减轻全球疾病负担	口腔黏膜病变，特别是口腔鳞状细胞癌的早期病变	计算机视觉	口腔鳞状细胞癌	白光成像、窄带成像、自体荧光成像等内窥镜技术	深度学习模型	内窥镜图像	NA	NA	Mask R-CNN, U-Net	NA	NA
5469	2026-01-29	Enhancing multiclass plant disease classification using GAN-boosted vision transformer with XAI insights 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1649399 PMID:41584666	研究论文	提出了一种名为GRG-ViT的新型多类别水稻叶片病害识别模型，该模型集成了Vision Transformer、生成式人工智能和可解释人工智能技术	提出了一种结合Vision Transformer、生成式人工智能和可解释人工智能的新型混合模型，并引入了混合ReLU-GELU激活机制以提升特征表示能力	NA	解决水稻叶片病害识别问题，以支持精准农业	水稻叶片图像	计算机视觉	植物病害	深度学习	Vision Transformer, GAN	图像	NA	NA	Vision Transformer	准确率	NA
5470	2026-01-29	Deep learning-based approaches for weed detection in crops 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1746406 PMID:41584680	综述	本文综述了基于深度学习的杂草检测方法，重点关注目标检测、图像分割和图像分类三大模型家族，并分析了其优势、局限及未来发展方向	系统性地总结了深度学习在杂草检测中的最新进展，并讨论了基于作物的间接检测、半监督学习和模型-执行器集成等新兴解决方案	面临数据集稀缺、标注成本高、杂草形态多变以及实时部署限制等主要挑战	为开发下一代智能除草系统提供指导，推动可扩展、数据高效和精准集成的杂草管理	农作物中的杂草	计算机视觉	NA	深度学习	目标检测, 图像分割, 图像分类	图像	NA	NA	NA	NA	NA
5471	2026-01-29	Osteosarcopenia: key molecular mechanisms and translational perspectives 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1723522 PMID:41584796	综述	本文构建了一个“细胞内-细胞间-系统”的层次框架，系统阐述了骨少肌症的发病机制，并探讨了前沿干预措施及其临床转化前景	提出从单器官病理研究转向多维相互作用阐释的“细胞内-细胞间-系统”分层框架，以系统理解骨少肌症的发病机制	NA	为骨少肌症的机制研究领域提供参考，并为该疾病的精准防治提供新思路	骨少肌症（骨质疏松与肌肉减少症共存的综合征）	NA	老年病	深度学习CT分析	NA	NA	NA	NA	NA	NA	NA
5472	2026-01-29	Developing a Deep Learning Approach for Automated Body Composition Prediction in Newborns Using Ultrasound Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3639889 PMID:41585011	研究论文	本研究开发了一种基于深度学习的方法，利用新生儿超声图像自动预测身体成分（脂肪质量和去脂质量）	首次将深度学习应用于超声图像以实现人体成分的自动预测，并探索了新的超声扫描协议和图像处理流程	样本量较小（仅65名早产儿），且仅针对特定解剖位置（肱二头肌、腹部和股四头肌）的超声图像	开发一种自动化的身体成分预测方法，以评估营养不良并指导营养干预	早产新生儿的超声图像及其对应的身体成分测量数据	计算机视觉	营养不良	超声成像	CNN	图像	65名早产婴儿	NA	EfficientNet-B1	平均绝对百分比误差（MAPE）	NA
5473	2026-01-29	Applications, image analysis, and interpretation of computer vision in medical imaging 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1733003 PMID:41585084	综述	本文综述了计算机视觉在医学影像中的当前进展、应用及研究前景	总结了计算机视觉在提升医学影像诊断准确性、改善患者护理和操作效率方面的革命性作用，并强调了深度学习算法特别是卷积神经网络在医学图像分割中的关键应用	NA	探讨计算机视觉在医学影像中的应用、图像分析及解释，以推动医疗实践的发展	医学影像数据，包括胸部CT扫描、脑部扫描等	计算机视觉	肺癌, 阿尔茨海默病	深度学习, 卷积神经网络	CNN	图像	NA	NA	NA	灵敏度	NA
5474	2026-01-29	Early prediction of diabetic retinopathy using a multimodal deep learning framework integrating fundus and OCT imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1741146 PMID:41585223	研究论文	本研究提出了一种融合眼底和OCT成像的多模态深度学习框架，用于早期预测糖尿病视网膜病变	通过基于注意力的加权机制融合眼底和OCT图像的结构与空间特征，实现多模态诊断	数据集规模有限，结果仅为初步，需在更大更多样化数据集上验证	开发一种用于早期糖尿病视网膜病变评估的多模态诊断框架	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	眼底摄影，光学相干断层扫描（OCT）	深度学习	图像	222张高质量配对图像（111张眼底 + 111张OCT）	NA	NA	准确率，AUC-ROC	NA
5475	2026-01-29	From radiomics to transformers in pancreatic cancer detection and prognosis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1731922 PMID:41585265	系统综述	本文系统回顾了从放射组学到Transformer模型在胰腺癌检测和预后中的应用进展	提出AI方法的代际分类法，整合多模态数据，并评估数据可用性、使用和样本规模的趋势	泛化性、外部验证、模型校准和转化准备方面存在局限性	改善胰腺导管腺癌的早期检测和个性化预后	胰腺导管腺癌（PDAC）	医学影像	胰腺癌	NA	机器学习, 深度学习, Transformer	影像, 病理, 分子数据	NA	NA	NA	NA	NA
5476	2026-01-29	Artificial intelligence-assisted quantification of fundus tessellation in early-onset high myopia 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1663903 PMID:41585272	研究论文	本研究利用人工智能辅助的图像分析技术，定量评估了早发性高度近视儿童的眼底镶嵌密度，并探讨了其与眼轴长度的关联	首次在早发性高度近视儿童中，采用深度学习算法对眼底镶嵌密度进行定量分析，并揭示了其与眼轴长度的区域特异性关联	样本量较小（47只眼），且为横断面研究，无法确定因果关系	定量评估早发性高度近视儿童的眼底镶嵌密度，并探索其与眼轴长度的关系	年龄≤6岁的早发性高度近视儿童	计算机视觉	高度近视	超广角眼底摄影	深度学习	图像	31名儿童的47只眼	NA	NA	NA	NA
5477	2026-01-28	Bridging neuromorphic computing and deep learning for next-generation neural data interpretation 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1737839 PMID:41585347	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5478	2026-01-29	ATOMIC: a graph attention network for atopic dermatitis prediction using human gut microbiome 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670993 PMID:41583462	研究论文	本文提出了一种名为ATOMIC的图注意力网络模型，用于利用人类肠道微生物组预测特应性皮炎	ATOMIC是一种可解释的图注意力网络模型，它整合了微生物共表达网络，以捕捉复杂的微生物相互作用并融入微生物基因组信息，从而提高了预测特应性皮炎的能力和模型的可解释性	模型主要基于韩国江原国立大学医院的99个肠道微生物组样本进行训练和测试，样本量相对较小，可能限制了模型的泛化能力	开发一种基于机器学习的模型，用于预测特应性皮炎，并识别与疾病相关的关键微生物类群	成年特应性皮炎患者和健康对照者的肠道微生物组样本	机器学习	特应性皮炎	肠道微生物组测序	图注意力网络	微生物组丰度数据	99个肠道微生物组样本（来自特应性皮炎患者和健康对照者）	PyTorch	图注意力网络	AUROC, AUPRC	NA
5479	2026-01-29	AI-driven transformation of precision medicine: a comprehensive narrative review of key application areas, emerging paradigms, and future directions 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1656603 PMID:41584179	综述	本文全面阐述了人工智能在推动精准医学范式转变中的关键作用，分析了其在诊断、治疗、药物研发及健康管理等领域的应用、挑战与未来方向	系统性地整合了AI在精准医学全价值链中的应用，并提出了共生人工智能（SAI）这一以人为本的协作框架作为未来发展方向	作为叙述性综述，其证据基础可能不均，且未进行定量荟萃分析；所面临的模型泛化性不足、数据隐私和算法公平性等挑战在文中被指出但未提供具体解决方案	阐明人工智能在驱动精准医学转型中的关键角色，分析其如何将医疗系统从传统诊疗模式重塑为个性化健康管理生态系统	人工智能在精准医学领域的创新应用、范式转变及未来前景	自然语言处理, 机器学习	NA	深度学习, 机器学习, 自然语言处理	NA	医学影像, 基因组学数据, 多模态数据	NA	NA	NA	NA	NA
5480	2026-01-29	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.1 PMID:41585461	综述	本文系统综述了基于脑电图（EEG）和深度学习（DL）的情感识别（ER）方法、模型和数据集	遵循PRISMA指南，对2020年至2025年间233篇相关文献进行系统性回顾，并评估了公共数据集在刺激程序和情感表征方面的多样性	作为综述文章，不涉及原始实验验证，结论依赖于现有文献的质量和覆盖范围	概述基于深度学习的EEG情感识别方法，并为未来研究提供方向	使用深度学习架构处理EEG信号进行情感识别的研究	机器学习	NA	脑电图（EEG）	深度学习（DL）	EEG信号	涵盖233篇研究文章	NA	NA	分类准确性、模型效率	NA