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
681	2025-07-12	Development of 3D Intelligent Quantitative Phase Microscope for Sickle Cells Screening 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400512 PMID:40364484	研究论文	开发了一种用于镰状细胞筛查的3D智能定量相位显微镜系统	结合干涉测量方法和深度学习UNET模型，实现镰状细胞的自动语义分割和分类	系统稳健性有待提高，需要进一步的临床验证	开发一种快速、可靠的镰状细胞病筛查工具	镰状细胞和健康红细胞	数字病理学	镰状细胞病	干涉测量方法	UNET, Gradient boosting	3D相位图像	NA
682	2025-07-12	Hyperspectral Imaging for Rapid Detection of Common Infected Bacteria Based on Fluorescence Effect 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500164 PMID:40444593	research paper	该研究提出了一种结合荧光高光谱成像（FHSI）和深度学习算法的非侵入性方法，用于快速检测伤口感染中的常见细菌	结合FHSI技术和深度学习算法，开发了Spatial-Spectral Multi-Scale Attention Network (SSMA-Net)用于处理复杂的空间和光谱数据	研究仅针对八种细菌进行了测试，可能无法涵盖所有可能的感染细菌	开发一种快速、非侵入性的细菌检测方法，以改进临床诊断	伤口感染中的常见细菌	digital pathology	bacterial infection	fluorescence hyperspectral imaging (FHSI)	SSMA-Net	image	八种细菌的培养板荧光数据
683	2025-07-12	Hyperspectral Imaging for Predicting Bladder Cancer Grading: A Novel Diagnostic Approach 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500161 PMID:40456708	研究论文	本文提出了一种基于深度学习的多模态融合模型RVCK-net，结合高光谱成像和病理图像，用于膀胱癌的精确分级	提出了一种新型的多模态融合模型RVCK-net，整合高光谱成像和病理图像，利用空间和光谱信息及自适应融合机制，显著提高了膀胱癌分级的准确性和诊断一致性	NA	提高膀胱癌分级的准确性和诊断一致性，以指导个性化治疗和改善患者预后	膀胱癌	数字病理	膀胱癌	高光谱成像(HSI)	RVCK-net	图像	NA
684	2025-07-12	A fully open AI foundation model applied to chest radiography 2025-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	research paper	开发了一个名为Ark的基础模型，用于胸部X光片的自动解读，以克服现有深度学习模型的局限性	Ark模型通过循环积累和重用来自多个数据集的异构专家标签知识，扩展了诊断范围，适应新的诊断需求，并能从少量样本中学习罕见病症	未明确提及具体局限性，但可能包括模型在极端罕见病例或新型疾病上的表现仍需验证	开发一个开放的基础模型，用于医学影像的自动解读，以提升诊断的准确性、适应性和扩展性	胸部X光片及其相关的胸部疾病诊断	digital pathology	lung cancer	深度学习	foundation model	image	多个公共数据集（大小不一）的样本
685	2025-07-12	Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning 2025-Jul, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500182 PMID:40505653	研究论文	本研究提出了一种结合高光谱成像(HSI)和深度学习的新诊断方法，用于区分皮炎、光化性角化病(AK)和脂溢性角化病(SK)	结合高光谱成像和深度学习技术进行皮肤病变诊断，显著提高了诊断准确率	样本量较小(60例)，未来需要关注可扩展性、成本效益优化以及与现有诊断平台的无缝集成	提高皮肤病变诊断的准确性和效率	皮炎、光化性角化病(AK)和脂溢性角化病(SK)三种皮肤病变	数字病理	皮肤病	高光谱成像(HSI), Savitzky-Golay滤波, 一阶导数光谱分析	深度学习	高光谱图像	60例术中临床标本
686	2025-07-12	nuTCRacker: Predicting the Recognition of HLA-I-Peptide Complexes by αβTCRs for Unseen Peptides 2025-Jul, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.202451607 PMID:40629982	research paper	提出了一种名为nuTCRacker的新型深度学习方法，用于预测αβTCR对未见过的抗原肽的识别能力	nuTCRacker能够对训练数据集中未出现的抗原肽进行准确预测，AUC > 0.7的预测占评估肽段的三分之一	对于未见过的肽段，预测的准确性依赖于训练数据集中是否包含相似的HLA I类分子、相似的肽段以及相似的αβTCR	提高对T细胞受体（αβTCR）识别抗原肽能力的预测，以促进靶向细胞介导的免疫疗法的发展	αβTCR和HLA-I-肽复合物	machine learning	cancer	deep learning	NA	biological sequence data	大型数据集来自公共资源，小型数据集为癌症相关的αβTCR肽段
687	2025-07-12	SetBERT: the deep learning platform for contextualized embeddings and explainable predictions from high-throughput sequencing 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf370 PMID:40563247	research paper	介绍SetBERT，一种用于处理高通量测序数据的深度学习平台，能够生成上下文嵌入并提供可解释的预测	SetBERT通过利用序列间的相互作用，显著提高了分类准确性，并能自主解释其预测结果	未明确提及具体局限性	开发一种能够处理高通量测序数据并理解微生物群落功能关系的深度学习模型	高通量测序数据中的微生物群落	machine learning	NA	高通量测序(HTS)	SetBERT	DNA序列数据	NA
688	2025-07-12	miR-143 and miR-145 in Colorectal Cancer: A Digital Pathology Approach on Expressions and Protein Correlations 2025-Jul, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70051 PMID:40642870	研究论文	本研究采用数字病理学方法重新评估了结直肠癌中miR-143和miR-145的表达及其与已验证蛋白靶标的关联	首次在结直肠癌的肿瘤微环境中原位验证miR-143和miR-145的表达及其与蛋白靶标的关系，结果与之前组织匀浆分析和实验模型的结果形成对比	仅分析了100例临床样本，未发现miRNA表达变异性与临床病理参数之间的显著关联	验证结直肠癌中miR-143和miR-145的表达模式及其与蛋白靶标的关系	100例结直肠癌患者的临床样本	数字病理学	结直肠癌	原位杂交、免疫组织化学、基于深度学习的上皮分割	深度学习	图像	100例结直肠癌患者样本
689	2025-07-12	Understanding the Impact of Seasonal Weather Dynamics on Rice Disease Occurrence Using Neural Networks: A Case Study of Panicle Blast and Grain Rot 2025-Jun-30, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-01-25-0004-FI PMID:40586730	研究论文	本研究利用神经网络分析季节性天气动态对水稻穗瘟和谷腐病发生的影响	提出了一种仅依赖气象数据的数据驱动方法，揭示了气象条件与病害发生之间的隐藏关系	模型在测试集上的准确率最高仅为68.0%，仍有提升空间	探索季节性天气动态对水稻病害发生的影响	水稻穗瘟病(PB)和谷腐病(GR)	机器学习	水稻病害	LSTM模型	LSTM	时间序列气象数据	180天的气象数据(包含7个气象变量)
690	2025-07-12	Artificial Intelligence in cancer epigenomics: a review on advances in pan-cancer detection and precision medicine 2025-Jun-14, Epigenetics & chromatin IF:4.2Q1 DOI:10.1186/s13072-025-00595-5 PMID:40517231	综述	本文综述了人工智能在癌症表观基因组学中的应用，特别是在泛癌检测和精准医学中的进展	探讨了AI与DNA甲基化分析的协同作用，推动了精准肿瘤学的发展，并展望了AI与表观基因组学在癌症诊断和治疗中的未来	早期癌症检测的敏感性有限，许多AI算法的黑箱性质，以及需要在多样化人群中进行验证以确保公平实施	推动精准肿瘤学的发展，提高癌症早期检测和分类的准确性	DNA甲基化作为癌症生物标志物的应用	数字病理学	癌症	DNA甲基化分析	深度学习网络和图模型	DNA甲基化数据	NA
691	2025-06-16	Commentary on "Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection" by Gencer et al., 2025 2025-Jun-13, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104666 PMID:40516582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
692	2025-07-12	Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review 2025-Jun, Evidence-based dentistry DOI:10.1038/s41432-025-01134-7 PMID:40114013	系统性综述	本文系统性综述了使用深度卷积神经网络（DCNN）通过咬翼片X光片早期检测邻面龋齿的研究	突出了YOLOv8在检测邻面龋齿方面相较于其他深度CNN模型的优势	纳入的研究中仅有40%在参考标准领域具有低偏倚风险	评估深度卷积神经网络在咬翼片X光片中检测邻面龋齿的准确性和应用效果	咬翼片X光片中的邻面龋齿	数字病理	龋齿	深度卷积神经网络（DCNN）	CNN, YOLOv8	图像	样本量从112到3,989名参与者不等
693	2025-07-12	Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques 2025-Jun, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2025.0080 PMID:40501115	研究论文	比较Holt-Winters统计方法和LSTM深度学习模型在预测沙特阿拉伯季节性流感样疾病(ILI)发病率中的表现	首次在中东流行病学模型中整合特定区域的外生变量，并比较统计与深度学习方法的预测性能	在发病率波动较大时期存在显著未解释的变异性，Holt-Winters模型表现中等	开发和评估流感样疾病(ILI)发病率预测模型	沙特阿拉伯2017-2022年的每周ILI病例数据	机器学习	流感	时间序列分析	Holt-Winters, LSTM	时间序列数据	2017-2022年的每周ILI病例数据
694	2025-07-12	Identification of Hypertrophic Cardiomyopathy on Electrocardiographic Images with Deep Learning 2025-May-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.23.23300490 PMID:38234746	research paper	开发并验证了一种深度学习模型，用于从12导联心电图图像中识别肥厚型心肌病	首次利用深度学习模型从心电图图像中检测肥厚型心肌病，且模型在不同图像格式和地点均表现稳健	模型在点护理中的应用仍有限，且外部验证数据集中HCM的定义方式不一致	提高肥厚型心肌病的诊断率	心电图图像	digital pathology	cardiovascular disease	deep learning	DL	image	124,553份心电图来自66,987名个体，并在多个外部数据集进行验证
695	2025-07-12	Artificial Intelligence in Biliopancreatic Disorders: Applications in Cross-Sectional Imaging and Endoscopy 2025-Apr-29, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.04.011 PMID:40311821	综述	本文探讨了人工智能在胆胰疾病诊断和管理中的变革潜力	利用深度学习和卷积神经网络等尖端技术，AI在胃肠病学领域，尤其是内窥镜手术中取得了显著进展	早期研究结果尚需进一步验证，未来方向有待探索	总结AI在胆胰疾病中的应用现状，为未来研究方向铺路	胆胰疾病	数字病理学	胆胰疾病	深度学习、卷积神经网络	CNN	图像	NA
696	2025-07-12	Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis 2025-Apr-11, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.04.006 PMID:40220991	meta-analysis	通过贝叶斯元分析评估机器学习在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性	首次使用贝叶斯元分析方法评估基于音频记录的机器学习模型在OSA诊断中的表现，并优化了诊断参数	研究仅基于现有文献，未进行新的实验验证	评估和优化机器学习在OSA诊断中的准确性	阻塞性睡眠呼吸暂停（OSA）患者	machine learning	阻塞性睡眠呼吸暂停（OSA）	Bayesian bivariate meta-analysis, meta-regression	deep learning, traditional machine learning	audio recordings	训练集4,864名参与者，测试集2,370名参与者
697	2025-07-12	Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1526260 PMID:40635689	研究论文	本研究通过深度学习技术构建了一个可靠的乳腺超声图像良恶性分类模型RcdNet，以提高诊断的准确性和一致性	提出了一种创新的深度学习模型RcdNet，结合深度可分离卷积和CBAM注意力模块，增强了识别超声图像中关键病变区域的能力	未来工作将集中于将RcdNet整合到实时超声诊断系统中，并探索其在多模态成像工作流程中的潜力	构建一个自动化的、高准确率的诊断方法，支持乳腺癌的检测和分类	乳腺超声图像	数字病理	乳腺癌	深度学习	RcdNet（结合深度可分离卷积和CBAM注意力模块）	图像	NA
698	2025-07-12	Deep learning-based feature selection for detection of autism spectrum disorder 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1594372 PMID:40636395	研究论文	本研究提出了一种结合深度学习和先进特征选择技术的新方法，用于自闭症谱系障碍（ASD）的检测	采用混合模型（SSDAE和MLP）结合优化的Hiking Optimization Algorithm（HOA）进行特征选择，显著提高了ASD检测的准确性	研究样本量可能有限，且仅使用了ABIDE I数据集，可能影响模型的泛化能力	开发一种更准确且临床适用的ASD检测模型	自闭症谱系障碍（ASD）患者	机器学习	自闭症谱系障碍	rs-fMRI	SSDAE, MLP	神经影像数据	ABIDE I数据集
699	2025-07-12	Fourier convolutional decoder: reconstructing solar flare images via deep learning 2025, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-025-11283-6 PMID:40636402	研究论文	本文提出了一种名为傅里叶卷积解码器（FCD）的深度学习模型，用于从观测数据中重建太阳耀斑图像	开发了一种自定义的过完备自编码器FCD，能够在模拟数据上训练并生成接近真实地面的输出，显著提高了图像重建的速度和准确性	在实验性STIX观测数据上的性能相比模拟数据有所下降	解决天文学中图像重建过程的复杂性和高计算资源消耗问题	太阳耀斑图像	计算机视觉	NA	深度学习	自编码器（FCD）	图像	模拟和观测数据集，具体数量未提及
700	2025-07-12	Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1609765 PMID:40642204	research paper	提出一个结合视觉和声学传感器数据的通用框架，用于增强复杂、高度动态的水下环境中的定位和地图构建，特别关注鱼类养殖	结合基于深度学习的单目深度预测和经典FFT方法的稀疏深度先验，实现仅从视觉数据进行网箱内深度预测和UUV的网相对位姿估计	NA	增强无人水下航行器（UUV）在复杂水下环境中的定位和地图构建能力	无人水下航行器（UUV）和鱼类养殖网箱	computer vision	NA	深度学习、Fast Fourier Transform (FFT)	NA	视觉和声学传感器数据	工业规模鱼类养殖场收集的数据集