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
61	2025-06-12	Development and validation of a 3-D deep learning system for diabetic macular oedema classification on optical coherence tomography images 2025-May-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-099167 PMID:40449950	研究论文	开发并验证了一种基于3D光学相干断层扫描（OCT）图像的自动糖尿病黄斑水肿（DME）分类系统	使用3D卷积神经网络算法开发DME分类系统，并在多中心数据上验证其性能	研究依赖于回顾性和横断面数据，可能影响模型的泛化能力	开发一个自动化的DME分类系统，用于基于人群的DME筛查	糖尿病黄斑水肿（DME）患者	数字病理	糖尿病黄斑水肿	3D光学相干断层扫描（OCT）	3D CNN	3D图像	4254名患者的7146只眼睛的7790个OCT图像
62	2025-06-12	Selection, visualization, and explanation of deep features from resting-state fMRI for Alzheimer's disease diagnosis 2025-May-31, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112005 PMID:40494176	研究论文	本研究探讨了从静息态功能磁共振成像（rs-fMRI）图像中可视化深度特征以区分认知正常者与不同阶段阿尔茨海默病患者的有效性	提出了一种称为'信息深度特征'的特定子集，能够有效识别阿尔茨海默病，并通过深度特征热图和激活图进行可视化	由于脑萎缩和图像强度的相似模式，识别病理模式存在挑战	提高深度学习模型在临床诊断中的可解释性，特别是在阿尔茨海默病的诊断中	认知正常者和不同阶段阿尔茨海默病患者	数字病理学	阿尔茨海默病	rs-fMRI	深度学习模型	图像	来自ADNI数据库的rs-fMRI数据
63	2025-06-12	Methylomes Reveal Recent Evolutionary Changes in Populations of Two Plant Species 2025-May-30, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evaf101 PMID:40408446	研究论文	本研究通过比较拟南芥和二穗短柄草的CG甲基组和基因组，探讨了甲基化变异在种群遗传过程和人口历史推断中的应用	开发了一种基于深度学习的全新方法，仅利用甲基化变异数据推断人口历史，并揭示了单核苷酸多态性无法揭示的种群扩张事件	甲基化变异在拟南芥中识别种群分化的效果不如单核苷酸多态性	研究植物DNA甲基化变异在种群遗传和人口历史推断中的应用	拟南芥和二穗短柄草	基因组学	NA	甲基化测序	深度学习	基因组数据	两种植物物种的多个种群样本
64	2025-06-12	Mammogram mastery: Breast cancer image classification using an ensemble of deep learning with explainable artificial intelligence 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042242 PMID:40441211	research paper	该研究提出了一种基于深度学习和可解释人工智能的集成方法，用于乳腺X光图像的自动分类，以提高乳腺癌诊断的准确性和效率	结合了Inception V3架构的预训练模型与可解释AI技术，实现了99%的准确率和F1分数，显著提升了乳腺癌图像分类的性能和透明度	未提及模型在不同数据集上的泛化能力，以及在实际临床环境中的验证情况	开发一种自动化的乳腺癌诊断系统，以提高诊断的准确性和效率	乳腺X光图像	digital pathology	breast cancer	deep learning, explainable AI	Inception V3	image	NA
65	2025-06-12	Three-dimensional automated segmentation of adolescent idiopathic scoliosis on computed tomography driven by deep learning: A retrospective study 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042644 PMID:40441215	研究论文	本研究探讨了深度学习在青少年特发性脊柱侧凸（AIS）患者CT图像中椎骨分割的应用	使用U-Net和Attention U-Net两种神经网络对AIS患者的CT图像进行椎骨分割，并比较了它们在关键脊柱侧凸部位的性能	样本量较小（31例），且未观察到两种网络在整体性能上的显著差异	开发自动化椎骨分割方法以支持现代外科技术	青少年特发性脊柱侧凸（AIS）患者的CT图像	数字病理	青少年特发性脊柱侧凸	CT成像	U-Net, Attention U-Net	3D CT图像	31例AIS患者的CT图像样本
66	2025-06-12	Deep Learning-Assisted Microscopic Polarization Inspection of Micro-Nano Damage Precursors: Automatic, Non-Destructive Metrology for Additive Manufacturing Devices 2025-May-29, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15110821 PMID:40497869	research paper	提出了一种创新的微观偏振YOLOv11-LSF智能检测框架，用于增材制造设备微纳损伤前驱体的自动无损检测	通过三重技术创新（多尺度感知模块、跨级局部网络VoV-GSCSP模块、结合物理特征的损伤前驱体模拟策略），突破了现有技术瓶颈	未明确提及具体限制，但传统深度学习方法依赖大规模标注数据的局限性被突破	为工业级增材制造质量监测提供可靠的技术解决方案	增材制造设备中的微纳损伤前驱体	computer vision	NA	微观偏振检测	YOLOv11-LSF	image	虚拟与真实集成的训练样本库（具体数量未提及）
67	2025-06-12	Automated Detection of Micro-Scale Porosity Defects in Reflective Metal Parts via Deep Learning and Polarization Imaging 2025-May-25, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15110795 PMID:40497844	研究论文	本研究提出了一种结合偏振成像和深度学习的增强SCK-YOLOV5框架，用于高反射金属材料精密增材制造中的缺陷检测	首次在YOLO框架基础上引入SNWD损失函数，结合SIOU角度损失和NWD分布感知特性，显著提高了微小金属微纳米缺陷的智能识别能力	NA	提高高反射金属材料精密增材制造中缺陷检测的智能识别能力	高反射金属材料中的微米级孔隙缺陷	计算机视觉	NA	偏振成像预处理	SCK-YOLOV5（基于YOLOv5改进框架）	图像	NA
68	2025-06-12	Application of deep learning models in the pathological classification and staging of esophageal cancer: A focus on Wave-Vision Transformer 2025-May-21, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i19.104897 PMID:40497091	research paper	本研究探讨了深度学习技术，特别是Wave-Vision Transformer (Wave-ViT)在食管癌病理分类和分期中的应用，以提高诊断准确性和效率	首次将Wave-ViT模型应用于食管癌的病理分类和分期，并在准确性和计算效率上优于其他深度学习模型	研究仅针对食管腺癌(EAC)，未涵盖其他类型的食管癌，且样本来源未明确说明	提高食管癌病理分类和分期的诊断准确性和效率	食管腺癌(EAC)的病理图像	digital pathology	esophageal cancer	deep learning	Wave-ViT, transformer, residual network, multi-layer perceptron	image	NA
69	2025-06-12	MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images 2025-May-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102099 PMID:40306276	研究论文	本文介绍了一种名为MMRNet的深度卷积神经网络，用于从H&E染色的全切片图像中预测子宫内膜癌中的错配修复缺陷	提出了一种新的深度卷积神经网络MMRNet，用于预测子宫内膜癌中的错配修复缺陷，并通过人机融合方法显著提高了诊断准确性	未提及具体的数据集规模限制或模型泛化能力的详细讨论	开发一种经济实惠且易于使用的工具，用于确定子宫内膜癌患者的MMR状态	子宫内膜癌患者的组织病理学图像	数字病理学	子宫内膜癌	深度学习	CNN	图像	NA
70	2025-06-12	Preoperative Differentiation of Spinal Schwannoma and Meningioma Using Machine Learning-Based Models: A Systematic Review and Meta-Analysis 2025-May-19, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124096 PMID:40398809	meta-analysis	本研究通过系统综述和荟萃分析评估了基于机器学习的模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能	首次系统评估了机器学习模型在区分脊柱神经鞘瘤和脑膜瘤中的诊断准确性	纳入研究数量有限（6项研究），且样本量相对较小（644例患者）	评估机器学习模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能	脊柱神经鞘瘤和脑膜瘤患者	digital pathology	spinal tumors	machine learning	deep learning, ML-based models	medical imaging data	644例患者（364例神经鞘瘤，258例脑膜瘤）
71	2025-06-12	On the use of deep learning for computer-generated holography 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112507 PMID:40491959	review	本文综述了深度学习在计算机生成全息术（CGH）中的应用及其最新进展	探讨了深度学习如何推动高质量和实时全息显示的发展，并介绍了数据驱动模型、物理驱动模型和联合优化模型等前沿研究方向	NA	回顾深度学习在计算机生成全息术中的应用及其发展	计算机生成全息术（CGH）和深度学习	computer vision	NA	NA	data-driven models, physics-driven models, jointly optimized models	NA	NA
72	2025-06-12	Consecutive low-frequency shifts in A/T content denote nucleosome positions across microeukaryotes 2025-May-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112472 PMID:40491964	research paper	通过分析1117个微型真核生物基因组中的DNA特征，发现与核小体组织相关的≈150bp A/T含量变化，并构建深度学习模型改进核小体占据预测	发现真核生物中普遍存在的核小体有利DNA生成策略，并利用深度学习模型预测核小体占据	研究主要基于微型真核生物基因组，可能不适用于所有真核生物	探索核小体位置与DNA特征之间的关系，改进核小体占据预测	1117个微型真核生物基因组	基因组学	NA	深度学习	DL	基因组数据	1117个微型真核生物基因组
73	2025-06-12	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	research paper	本研究提出了一种基于深度学习的自动化方法，用于卵巢癌的分级和分期，通过常规组织病理学图像预测癌症阶段	使用深度学习框架和ResNet-101卷积神经网络，结合数据增强和遗传算法优化，实现了高精度的卵巢癌分期预测	研究依赖于特定的组织病理学图像数据集，可能在不同实验室或设备采集的图像上表现不同	开发自动化方法来辅助卵巢癌的诊断和分期，减少人工评估的时间和变异性	卵巢癌患者的薄组织活检样本的透射光学显微镜明场图像	digital pathology	ovarian cancer	deep learning, transfer learning	ResNet-101 CNN	image	NA
74	2025-06-12	Research status and progress of deep learning in automatic esophageal cancer detection 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.104410 PMID:40487951	综述	本文全面探讨了深度学习在食管癌医学影像自动检测中的研究进展和应用前景	总结了深度学习在食管癌筛查和诊断中的临床价值，并指出了未来研究方向	需要解决高质量数据集构建、多模态特征融合和人工智能-临床工作流程优化等关键挑战	促进深度学习技术在食管癌管理中的临床应用，改善患者预后	食管癌医学影像	数字病理学	食管癌	深度学习	CNN	医学影像（包括数字病理、内窥镜、CT等）	NA
75	2025-06-12	Research status and trends of deep learning in colorectal cancer (2011-2023): Bibliometric analysis and visualization 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.103667 PMID:40487952	文献计量分析	通过文献计量学方法分析2011年至2023年间深度学习在结直肠癌领域的研究现状和发展趋势	首次对深度学习在结直肠癌领域的研究热点和趋势进行文献计量分析，并预测未来研究方向	仅基于Web of Science核心合集的数据，可能未涵盖所有相关研究	分析深度学习在结直肠癌领域的应用现状和发展趋势	结直肠癌相关研究文献	数字病理学	结直肠癌	文献计量分析	NA	文献数据	1275篇出版物，来自74个国家和2267个机构
76	2025-06-12	Computed tomography-based deep learning radiomics model for preoperative prediction of tumor immune microenvironment in colorectal cancer 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.106103 PMID:40487956	research paper	该研究开发了一种基于CT的深度学习放射组学模型，用于术前预测结直肠癌肿瘤免疫微环境的关键生物标志物	首次提出使用非侵入性的CT图像结合深度学习模型预测肿瘤免疫微环境，避免了传统侵入性活检的局限性	研究为回顾性设计，样本量相对有限（315例），需要前瞻性研究进一步验证	开发非侵入性方法评估结直肠癌患者的肿瘤免疫微环境成分	315例经病理确诊的结直肠癌患者的术前CT图像	digital pathology	colorectal cancer	CT成像	DenseNet-121/169	image	315例结直肠癌患者（训练队列220例，验证队列95例）
77	2025-06-12	Predicting gastric cancer survival using machine learning: A systematic review 2025-May-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v17.i5.103804 PMID:40487963	系统综述	本文系统评估了机器学习在预测胃癌患者生存率中的应用及其局限性	总结了机器学习模型在胃癌生存预测中的最新应用，并指出了当前方法的局限性	回顾性研究数据依赖性强，模型可解释性不足	评估机器学习在预测胃癌生存率中的应用并指出当前方法的局限性	胃癌患者的生存率预测	机器学习	胃癌	机器学习	深度学习, 随机森林, 支持向量机, 集成方法	临床数据	134至14177名患者
78	2025-06-12	Three-Dimensional Reconstruction of Serial Block-Face Scanning Electron Microscopy Using Semantic Segmentation based on Semi-Supervised Deep Learning 2025-May-09, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf047 PMID:40497462	研究论文	本研究提出了一种基于半监督深度学习的语义分割方法，用于三维重建连续块面扫描电子显微镜（SBF-SEM）图像	采用半监督学习方法结合分割插值技术，减少手动标注成本，同时保持高分割精度	方法在稀疏标注数据上表现良好，但在极端复杂结构上的分割精度可能受限	开发高效准确的SBF-SEM图像分割方法，实现复杂细胞器的三维重建	小鼠脑细胞和倒置图像	数字病理	NA	连续块面扫描电子显微镜（SBF-SEM）	深度神经网络（具体架构未说明）	电子显微镜图像	未明确说明样本数量，但包含小鼠脑细胞和倒置图像两类数据
79	2025-06-12	Artificial intelligence-driven circRNA vaccine development: multimodal collaborative optimization and a new paradigm for biomedical applications 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf263 PMID:40483546	research paper	本文探讨了人工智能驱动的环状RNA疫苗开发，通过多模态协作优化，为生物医学应用提供了新范式	利用深度学习模型（如CNN和Transformer）整合多组学数据，优化抗原预测和RNA二级结构建模，超越传统生物信息学方法	AI算法的'黑箱'特性、不可靠的文献检索以及生物机制整合不足，限制了其可靠性	开发下一代环状RNA疫苗，用于传染病预防和癌症免疫治疗	环状RNA疫苗及其在生物医学中的应用	生物医学工程	癌症	深度学习、多组学数据分析	CNN, Transformer	多组学数据	NA
80	2025-06-12	In silico analysis of soybean-derived umami peptides: Discovery and interaction mechanisms with T1R1/T1R3 receptor 2025-May, Food chemistry: X DOI:10.1016/j.fochx.2025.102544 PMID:40486061	研究论文	本研究通过计算机模拟分析从大豆蛋白中筛选出与鲜味受体T1R1/T1R3结合的鲜味肽，并揭示了其相互作用机制	结合深度学习方法和分子对接技术筛选鲜味肽，并通过分子动力学模拟揭示其与受体的相互作用机制	NA	开发天然鲜味增强剂并探索其与受体的相互作用机制	大豆蛋白衍生的鲜味肽	食品科学	NA	虚拟酶解、分子对接、分子动力学模拟、电子舌实验	深度学习	肽序列数据	629种二肽至六肽，最终筛选出17种潜在鲜味肽