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
7701	2025-10-06	Leveraging protein language models for cross-variant CRISPR/Cas9 sgRNA activity prediction 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf385 PMID:40600900	研究论文	提出基于蛋白质语言模型的深度学习模型PLM-CRISPR，用于跨变体CRISPR/Cas9 sgRNA活性预测	首次利用蛋白质语言模型捕捉Cas9蛋白变体表征，采用跨变体训练策略和动态特征融合机制	NA	优化CRISPR/Cas9基因编辑系统，提高sgRNA活性预测的准确性和泛化能力	单导RNA（sgRNA）和Cas9蛋白变体	机器学习	NA	CRISPR/Cas9基因编辑技术	深度学习	蛋白质序列，RNA序列	涵盖7种Cas9蛋白变体的数据集	NA	蛋白质语言模型	NA	NA
7702	2025-10-06	Nondestructive Detection and Quality Grading System of Walnut Using X-Ray Imaging and Lightweight WKNet 2025-Jul-01, Foods (Basel, Switzerland) DOI:10.3390/foods14132346 PMID:40647098	研究论文	基于X射线成像和轻量级WKNet的核桃无损检测与质量分级系统	首次将X射线成像与深度学习模型结合用于核桃质量检测，开发了集成Transformer、GhostNet和交叉注意力模块的轻量级WKNet网络	NA	解决核桃内部质量检测的耗时和参数冗余问题，实现高效准确的核桃质量分级	核桃内部质量	计算机视觉	NA	X射线成像	CNN, Transformer	X射线图像	NA	PyTorch	YOLO v5s, Transformer, GhostNet, CCA模块	mAP_0.5, 精确率, 召回率	NA
7703	2025-10-06	Enhancing Early Detection of Oral Squamous Cell Carcinoma: A Deep Learning Approach with LRT-Enhanced EfficientNet-B3 for Accurate and Efficient Histopathological Diagnosis 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131678 PMID:40647677	研究论文	本研究提出了一种结合学习率调优的EfficientNet-B3深度学习模型，用于从组织病理学图像中准确检测口腔鳞状细胞癌	将学习率调优(LRT)技术与EfficientNet-B3模型结合，能够根据训练过程中的准确率和损失自动调整学习率	NA	开发自动化、可靠的诊断解决方案以提高口腔鳞状细胞癌的早期检测和治疗成功率	口腔鳞状细胞癌(OSCC)的组织病理学图像	数字病理学	口腔癌	组织病理学成像	CNN	图像	来自多癌症数据集的口腔肿瘤数据集	NA	EfficientNet-B3	准确率, 特异性	NA
7704	2025-10-06	Deep Learning-Enhanced T1-Weighted Imaging for Breast MRI at 1.5T 2025-Jul-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131681 PMID:40647680	研究论文	评估基于深度学习的T1加权VIBE序列在1.5T乳腺MRI中的图像质量表现	首次将深度学习技术集成到T1加权VIBE序列中用于乳腺MRI成像	样本量较小（52例患者），仅使用1.5T MRI设备	比较深度学习增强的T1加权VIBE序列与标准VIBE序列在乳腺MRI中的图像质量	52名乳腺癌患者	医学影像分析	乳腺癌	MRI成像，T1加权VIBE序列	深度学习	医学影像	52例乳腺癌患者	NA	NA	图像质量评分，图像清晰度评分，信噪比评分，伪影评分，诊断置信度评分	NA
7705	2025-10-06	Deep Learning Models for Detection and Severity Assessment of Cercospora Leaf Spot (Cercospora capsici) in Chili Peppers Under Natural Conditions 2025-Jul-01, Plants (Basel, Switzerland) DOI:10.3390/plants14132011 PMID:40648020	研究论文	本研究评估了八种深度学习模型在自然条件下检测和评估辣椒尾孢叶斑病严重程度的能力	在自然田间条件下比较四种YOLOv8和四种Mask R-CNN模型，为农业应用提供单阶段与两阶段模型的实用见解	Mask R-CNN在较高严重程度级别上存在低估问题，且推理时间较长	开发准确的植物病害严重程度评估方法以支持作物管理	辣椒叶片上的尾孢叶斑病	计算机视觉	植物病害	图像分割	CNN	图像	1645张辣椒叶片图像，包含6282个病变标注	NA	YOLOv8, Mask R-CNN, R101_FPN	MIoU, F1-score, 准确率, 推理时间	NA
7706	2025-10-06	Multi-sequence brain tumor segmentation boosted by deep semantic features 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17845 PMID:40296197	研究论文	提出一种基于深度学习的新型脑肿瘤分割方法，通过语义特征模块增强图像特征的类内一致性	引入语义特征模块(SFM)，通过深度语义向量重新编码图像特征，提高特征的类内一致性和语义信息丰富度	NA	解决脑肿瘤区域异质性导致的图像特征类内一致性问题，提高脑肿瘤分割准确性	脑肿瘤患者的多序列MR图像	医学图像分析	脑肿瘤	多序列MR成像	深度学习分割网络	医学图像	1251名患者的多序列MR图像数据	NA	NA	Dice指数	NA
7707	2025-10-06	Singular value decomposition based under-sampling pattern optimization for MRI reconstruction 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17860 PMID:40296184	研究论文	提出一种基于奇异值分解的轻量级数据驱动欠采样模式优化方法，用于快速MRI重建	通过奇异值分解建立k空间与MRI图像之间的关联，按能量贡献排序选择采样点，避免耗时的参数调优和复杂数学模型构建	NA	设计轻量级数据驱动欠采样模式，平衡MRI重建质量与采样时间	MRI图像重建	医学影像处理	NA	奇异值分解(SVD)	深度学习模型	MRI图像数据	两个公共数据集	NA	NA	重建质量，收敛速度	NA
7708	2025-10-06	Software-Based Transformation of White Light Endoscopy Images to Hyperspectral Images for Improved Gastrointestinal Disease Detection 2025-Jun-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131664 PMID:40647664	研究论文	提出一种将白光内窥镜图像转换为高光谱图像的软件方法，以提升胃肠道疾病检测性能	开发了无需专用设备的软件方法SAVE，能将传统白光图像转换为高光谱图像表示	NA	通过图像转换技术提高胃肠道疾病的诊断准确率	胃肠道疾病（食管炎、息肉、溃疡性结肠炎）	计算机视觉	胃肠道疾病	高光谱成像	CNN	内窥镜图像	6000张标注图像（来自KVASIR和ETIS-Larib息肉数据库）	NA	EfficientNetB7,VGG16	准确率,精确率,召回率,F1分数	NA
7709	2025-10-06	Using a Deep Learning-Based Decision Support System to Predict Emergent Large Vessel Occlusion Using Non-Contrast Computed Tomography 2025-Jun-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134635 PMID:40649010	研究论文	评估基于深度学习的临床决策支持系统在利用非对比计算机断层扫描图像预测急性大血管闭塞方面的性能	首次在回顾性多读者盲法关键试验中验证AI系统对NCCT图像中ELVO检测的辅助价值	回顾性研究设计，样本量相对有限（477例患者）	提高临床医生使用非对比CT对急性大血管闭塞的检测能力	477名患者（112例前循环ELVO患者和365例对照组）	医学影像分析	脑血管疾病	非对比计算机断层扫描（NCCT）	深度学习	医学影像	477名患者	NA	NA	灵敏度, 特异度, 准确率, AUROC	NA
7710	2025-10-06	High-Accuracy Polymer Property Detection via Pareto-Optimized SMILES-Based Deep Learning 2025-Jun-28, Polymers IF:4.7Q1 DOI:10.3390/polym17131801 PMID:40647811	研究论文	提出一种基于SMILES的帕累托优化深度学习模型，用于聚合物性质检测与分类	结合一维卷积神经网络和门控循环单元，并采用帕累托优化算法调整超参数，能够同时捕获局部子结构和长程化学依赖性	NA	开发高效的聚合物性质分类方法以改进材料设计	聚合物材料	机器学习	NA	SMILES（简化分子线性输入系统）	1DCNN, GRU	分子序列数据	NA	NA	1DCNN-GRU	准确率, 精确率, 召回率	NA
7711	2025-10-06	Correlating Patient Symptoms and CT Morphology in AI-Detected Incidental Pulmonary Embolisms 2025-Jun-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131639 PMID:40647638	研究论文	本研究评估AI检测的偶发性肺栓塞与临床症状和CT形态学特征之间的相关性	首次使用深度学习AI算法系统评估偶发性肺栓塞的血栓负荷、右心应变CT形态学标志与临床症状的关联	回顾性研究设计，样本量相对有限（41例IPEs）	评估AI检测的偶发性肺栓塞的临床和放射学意义	偶发性肺栓塞患者	数字病理	心血管疾病	CT扫描, 自然语言处理	深度学习	医学影像, 临床文本	13,603例增强CT扫描，其中41例AI检测的偶发性肺栓塞	NA	NA	Mastora评分, Qanadli评分, Ghanima评分, Kirchner评分	NA
7712	2025-10-06	Artificial Intelligence in Microsurgical Planning: A Five-Year Leap in Clinical Translation 2025-Jun-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14134574 PMID:40648947	综述	本文系统回顾了2020-2025年间人工智能在显微外科各阶段临床应用的最新进展	首次全面评估AI在显微外科术前规划、术中决策和术后监测中的转化应用，展示了五年间的技术飞跃	多数研究依赖回顾性单中心数据，大规模前瞻性验证仍然有限	评估人工智能在显微外科护理各阶段的应用效果和发展前景	人类受试者在显微外科护理过程中的相关临床数据	数字病理	NA	深度学习, 预测建模, 增强现实	深度学习模型, 预测模型	医学影像, 临床数据, 监测数据	NA	NA	NA	灵敏度	NA
7713	2025-10-06	Performance Evaluation of Four Deep Learning-Based CAD Systems and Manual Reading for Pulmonary Nodules Detection, Volume Measurement, and Lung-RADS Classification Under Varying Radiation Doses and Reconstruction Methods 2025-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131623 PMID:40647622	研究论文	评估四种基于深度学习的CAD系统和人工阅读在不同辐射剂量和重建方法下对肺结节检测、体积测量和Lung-RADS分类的性能	首次系统比较四种DL-CAD系统与人工阅读在不同辐射剂量和重建方法下的综合性能，特别关注体积渲染技术的增强作用	DL-CAD系统在体积测量和部分实性结节的Lung-RADS分类准确性方面存在局限	优化肺结节检测在不同成像协议下的性能	169个人工肺结节	计算机视觉	肺癌	CT扫描, 体积渲染	深度学习CAD系统	CT图像	1080个图像集（3个剂量水平×2个内核×3个重建算法）	NA	NA	灵敏度, 特异性, 体积误差, Lung-RADS分类准确率	NA
7714	2025-10-06	Fusion-Based Deep Learning Approach for Renal Cell Carcinoma Subtype Detection Using Multi-Phasic MRI Data 2025-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131636 PMID:40647635	研究论文	提出基于深度学习的混合模型，利用多期相MRI数据对肾细胞癌亚型进行准确分类	结合对比剂注射前的T2期与注射后的动脉期和静脉期MRI数据进行综合分析	NA	为放射科医生提供肾细胞癌亚型分类的决策支持机制	肾细胞癌亚型	医学影像分析	肾细胞癌	多期相磁共振成像	深度学习混合模型	MRI图像	1275张来自不同期相的MRI图像	NA	NA	准确率	NA
7715	2025-10-06	Deep Learning with Transfer Learning on Digital Breast Tomosynthesis: A Radiomics-Based Model for Predicting Breast Cancer Risk 2025-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131631 PMID:40647630	研究论文	本研究开发了基于迁移学习的深度学习模型，用于数字乳腺断层合成图像的乳腺病变良恶性分类	首次将迁移学习应用于数字乳腺断层合成图像的放射组学分析，比较了两种CNN架构在乳腺病变分类中的表现	单中心回顾性研究，样本量有限，模型敏感度欠佳，临床适用性有待提高	开发基于深度学习的乳腺病变分类模型以支持临床决策和风险分层	184例经组织学或临床确诊的乳腺病变患者（107例良性，77例恶性）	计算机视觉	乳腺癌	数字乳腺断层合成成像	CNN	医学影像	184例患者，每个病例包含单个手动分割的病灶	TensorFlow, PyTorch	ResNet50, DenseNet201	ROC-AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
7716	2025-10-06	CELM: An Ensemble Deep Learning Model for Early Cardiomegaly Diagnosis in Chest Radiography 2025-Jun-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131602 PMID:40647601	研究论文	本研究开发了一种集成深度学习模型CELM，用于胸部X光影像中的早期心脏扩大自动诊断	提出了一种新颖的基于堆叠的集成模型CELM，通过元分类器整合互补的CNN特征，并结合Vision Transformers实现高性能诊断	需要进一步的验证研究来确认模型在临床环境中的可靠性	开发自动诊断心脏扩大的深度学习模型，改善早期检测和临床干预	胸部X光影像中的心脏扩大病变	计算机视觉	心血管疾病	胸部X光成像	CNN, Vision Transformer, 集成学习	图像	来自PadChest、NIH CXR、VinDr-CXR和CheXpert数据集的后前位胸部X光影像，构成最大最多样化的数据集之一	NA	VGG16, ResNet50, InceptionV3, DenseNet121, DenseNet201, AlexNet, Vision Transformer, CELM	准确率, 精确率, 召回率, F1分数, 特异性, AUC	NA
7717	2025-10-06	Early Diabetic Retinopathy Detection from OCT Images Using Multifractal Analysis and Multi-Layer Perceptron Classification 2025-Jun-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15131616 PMID:40647615	研究论文	本研究提出了一种结合多重分形分析和多层感知器分类的早期糖尿病视网膜病变检测方法	首次将多重分形分析应用于OCT图像来检测早期糖尿病视网膜病变，并结合多层感知器实现高精度分类	NA	开发可靠的早期糖尿病视网膜病变自动筛查工具	糖尿病视网膜病变患者的OCT图像	医学影像分析	糖尿病视网膜病变	光学相干断层扫描	多层感知器	图像	NA	NA	多层感知器	准确率,精确率,召回率,F1分数	NA
7718	2025-10-06	Pose estimation for pickleball players' kinematic analysis through MediaPipe-based deep learning: A pilot study 2025-Jun-25, Journal of sports sciences IF:2.3Q2 DOI:10.1080/02640414.2025.2524283 PMID:40563204	研究论文	本研究通过基于MediaPipe的深度学习工具对匹克球运动员进行运动学分析，重点比较不同水平运动员在击球时的下肢角度和手腕运动差异	首次将MediaPipe深度学习工具应用于匹克球运动员的运动学分析，为教练提供快速监控运动参数的替代方案	样本量较小（14名男性运动员），仅分析了特定击球动作，未涉及足部位置和躯干旋转等其他生物力学参数	开发基于深度学习的运动分析工具，评估匹克球运动员的生物力学特征	匹克球运动员	计算机视觉	NA	深度学习，姿态估计	MediaPipe	视频	14名男性匹克球运动员（年龄46.5±10.5岁）	MediaPipe	MediaPipe姿态估计模型	统计显著性（p值）	NA
7719	2025-10-06	Deep Learning Methods for Automatic Identification of Male and Female Chickens in a Cage-Free Flock 2025-Jun-24, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15131862 PMID:40646761	研究论文	本研究应用基于深度学习的目标检测模型，在无笼饲养环境中通过鸡冠大小和体型等表型特征自动识别公鸡和母鸡	首次在无笼饲养环境中创新应用YOLO系列模型，基于鸡冠大小和体型特征实现公鸡母鸡的自动识别	样本量有限（仅6只公鸡和200只母鸡），模型召回率有待提升	开发自动识别公鸡母鸡的深度学习模型，为家禽育种场的性能评估和遗传选择提供技术支持	洛曼LSL Lite品种的母鸡和公鸡	计算机视觉	NA	深度学习，目标检测	YOLO	图像	6只公鸡和200只母鸡，基于最多2500张图像	NA	YOLOv5lu, YOLOv5xu, YOLOv11x, YOLOv11m	精确率, 召回率, 平均精度均值(mAP), F1分数	NA
7720	2025-10-06	Innovative Technologies Reshaping Meat Industrialization: Challenges and Opportunities in the Intelligent Era 2025-Jun-24, Foods (Basel, Switzerland) DOI:10.3390/foods14132230 PMID:40646982	综述	系统回顾了第四次工业革命和人工智能技术驱动下肉类产业从机械化向智能化转型的关键技术创新与应用	首次系统整合物理技术（毫米级智能切割、脉冲电场杀菌等）与数字技术（物联网、区块链、AI决策）在肉类产业的协同创新，并探讨细胞培养肉和3D生物打印对传统模式的颠覆潜力	大规模应用面临成本高昂（如细胞培养肉生物反应器投资）、标准化缺失（非热技术参数缺乏统一标准）和消费者接受度低（仅25%愿意尝试培养肉）三大挑战	分析智能时代肉类产业技术创新的现状、挑战与发展机遇	肉类工业化生产体系中的物理技术、数字技术及替代肉生产技术	工业智能化	NA	脉冲电场杀菌、超声波辅助腌制、超高压处理、物联网监控、区块链溯源、3D生物打印、细胞培养	深度学习	传感器数据、生产数据	NA	NA	NA	杀菌效率（90%+）、腌制时间减少（12小时）、利润提升（26.98%）	NA