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
8021	2025-10-06	An explainable-by-design end-to-end AI framework based on prototypical part learning for lesion detection and classification in Digital Breast Tomosynthesis images 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.008 PMID:40599244	研究论文	提出基于原型部分学习的可解释端到端AI框架，用于数字乳腺断层合成图像中的病灶检测和分类	结合YOLO系列模型和ProtoPNet构建可解释的AI系统，通过原型部分学习提供预测解释	数据集限制和需要更准确的地面实况标注影响了最终指标	开发透明AI系统加速DBT扫描分析并确保可解释性	数字乳腺断层合成图像中的乳腺病灶	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	医学图像	NA	PyTorch	YOLOv5,YOLOv8,ProtoPNet	召回率,准确率	NA
8022	2025-10-06	A Deep Convolutional Neural Network Model for Lung Disease Detection Using Chest X-Ray Imaging 2025, Pulmonary medicine IF:2.0Q3 DOI:10.1155/pm/6614016 PMID:40599379	研究论文	提出一种基于定制卷积神经网络和预训练模型的自动化系统，用于通过胸部X射线和CT扫描检测多种肺部疾病	结合定制CNN与预训练模型，采用图像增强方法处理胸部影像数据，在肺部疾病检测中实现高性能指标	仅使用单一来源数据集（Kaggle），样本量相对有限，未进行多中心验证	开发自动化肺部疾病检测系统，提高诊断效率和准确性	肺部疾病（肺炎和COVID-19）患者的胸部X射线和CT影像	计算机视觉	肺部疾病	医学影像分析	CNN	图像	6400张影像	NA	定制卷积神经网络,预训练模型	准确率,精确率,召回率,F1分数	NA
8023	2025-10-06	Application progress of artificial intelligence in managing thyroid disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1578455 PMID:40600013	综述	系统回顾人工智能在甲状腺疾病管理中的应用进展，重点关注诊断创新、治疗个性化及临床实施挑战	首次系统梳理自1990年代以来AI在甲状腺疾病管理中的演进历程，涵盖多模态数据整合与临床转化障碍分析	存在数据隐私、模型可解释性及临床适用性等挑战，数据异质性和伦理问题尚未完全解决	评估人工智能在甲状腺疾病管理中的应用效果与发展前景	甲状腺疾病患者（特别是甲状腺切除术后患者）的诊疗数据	医学人工智能	甲状腺疾病	机器学习、深度学习	NA	超声图像、CT/MRI影像、组织病理学数据、电子健康记录、可穿戴传感器数据	NA	NA	NA	良恶性结节鉴别率、不必要细针穿刺减少频率	NA
8024	2025-10-06	GAN-enhanced deep learning for improved Alzheimer's disease classification and longitudinal brain change analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587026 PMID:40600033	研究论文	本文提出一种结合GAN增强的深度学习方法，用于阿尔茨海默病分类和纵向脑变化分析	集成ResNet101与LSTM网络，引入PDPO和DCK创新层增强特征提取，并利用GAN模型识别AD的进展性	未明确说明模型计算复杂度、过拟合风险等具体限制	提高阿尔茨海默病分类准确性并分析疾病进展模式	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	医学影像分析	阿尔茨海默病	脑影像分析	CNN, LSTM, GAN	医学影像数据	ADNI和OASIS数据集	NA	ResNet101, LSTM	准确率	NA
8025	2025-10-06	Comparative analysis of convolutional neural networks and transformer architectures for breast cancer histopathological image classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606336 PMID:40600038	研究论文	比较卷积神经网络和Transformer架构在乳腺癌组织病理图像分类中的性能	首次系统比较14种深度学习模型（包括CNN和Transformer架构）在乳腺癌病理图像分类任务中的表现，特别关注基础模型在数字病理中的应用潜力	仅使用BreakHis v1数据集，未在其他数据集上验证模型泛化能力；未详细分析模型计算效率和部署可行性	评估不同深度学习架构在乳腺癌病理图像分类中的性能差异	乳腺癌组织病理图像	数字病理	乳腺癌	组织病理学检查	CNN, Transformer	图像	BreakHis v1数据集	NA	AlexNet, VGG16, InceptionV3, ResNet50, Densenet121, MobileNetV2, ResNeXt, RegNet, EfficientNet_B0, ConvNeXT, ViT, DINOV2, UNI, GigaPath	准确率, 特异性, 召回率, F1分数, Cohen's Kappa系数, ROC曲线, AUC	NA
8026	2025-10-06	AlzheimerViT: harnessing lightweight vision transformer architecture for proactive Alzheimer's screening 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1568312 PMID:40600046	研究论文	本研究提出了一种轻量级视觉变换器架构AlzheimerViT，用于基于MRI图像的阿尔茨海默病早期筛查	采用轻量级自注意力机制的视觉变换器架构，结合全面的数据预处理和增强技术，在阿尔茨海默病预测中实现了高性能	研究基于单一数据集(OASIS-3)，需要进一步验证在其他数据集上的泛化能力	开发可靠的阿尔茨海默病早期筛查模型	阿尔茨海默病患者的大脑MRI图像	计算机视觉	阿尔茨海默病	MRI脑成像	Vision Transformer (ViT)	图像	OASIS-3数据集中的MRI图像	NA	轻量级视觉变换器	准确率, 精确率, 召回率, 特异性, Kappa分数, AUC ROC分数	NA
8027	2025-10-06	Auxiliary Diagnosis of Pulmonary Nodules' Benignancy and Malignancy Based on Machine Learning: A Retrospective Study 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S518166 PMID:40600198	研究论文	基于机器学习模型预测肺结节良恶性的回顾性研究	开发了注意力机制增强的前馈神经网络(Atten_FNN)，并首次结合SHAP可解释性分析识别关键临床预测因子	单中心回顾性研究，跨中心泛化能力有限	开发非侵入性早期诊断方法，准确区分肺结节良恶性	3355例肺结节患者（良性1156例，恶性2199例）	机器学习	肺癌	CT影像，病理检查	SVM, RF, XGBoost, FNN, Atten_FNN	电子医疗记录，CT影像特征，实验室生物标志物	3355例患者	NA	前馈神经网络(带注意力机制)	AUC, 准确率, 敏感度, F1分数, 特异性	NA
8028	2025-10-06	[Research Trends Using Artificial Intelligence in the MRI from 1989 to 2023: Analysis Using Text Mining] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1480 PMID:40603060	研究论文	通过文本挖掘分析1989-2023年间MRI领域人工智能研究的趋势	首次使用文本挖掘方法系统分析MRI领域人工智能研究的发展趋势和热点演变	仅基于PubMed数据库的论文标题进行分析，未涉及全文内容	可视化MRI领域人工智能相关研究领域并理解研究趋势	1989-2023年间PubMed数据库中MRI领域应用人工智能的论文标题	自然语言处理	NA	文本挖掘	NA	文本	2870篇论文标题	NA	NA	Jaccard系数	NA
8029	2025-10-06	Elucidating linear programs by neural encodings 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1549085 PMID:40607448	研究论文	本文提出通过神经编码方法增强线性规划模型的可解释性	首次将可解释人工智能方法应用于线性规划模型，通过神经编码方式实现LP的解释	在低扰动水平下，Saliency和LIME归因方法难以区分	提高线性规划模型的可解释性，揭示输入与输出之间的关系	线性规划模型及其解决方案	机器学习	NA	神经编码方法	神经网络	数值数据	包括高达10k维度的大规模线性规划问题	NA	NA	归因方法评估	NA
8030	2025-10-06	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	提出一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	使用对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并整合原子、功能基团和分子层面的多粒度信息	NA	提高分子属性预测的准确性	分子	机器学习	NA	深度学习	多模态模型	图数据, 文本数据	NA	NA	交叉注意力机制	准确率	NA
8031	2025-10-06	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	研究论文	提出了一种结合先验信息的集成深度学习特征选择方法(PANDA)，用于生物医学数据的整合分析	在整合分析框架中引入专用特征选择层，并利用集成学习方法从先前研究中提取先验信息来辅助特征选择	NA	开发能够处理生物医学数据中'小样本大特征'挑战的整合分析方法	基因与疾病关系的复杂模式	机器学习	皮肤黑色素瘤	深度学习	深度学习	基因数据	NA	NA	PANDA	特征选择性能, 结果预测准确性	NA
8032	2025-10-06	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出基于深度人工神经网络的非线性加速失效时间模型deepAFT方法用于生存分析	首次将深度人工神经网络应用于加速失效时间模型框架，能够处理各种非线性形式的协变量效应	未明确说明模型计算复杂度和训练时间要求	开发更准确和灵活的非线性生存分析模型	生存结果数据与解释变量之间的关系建模	机器学习	淋巴瘤	生存分析	人工神经网络	生存数据	NA	NA	深度人工神经网络	预测准确度	NA
8033	2025-10-06	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型用于从电子健康记录中识别手术部位感染	在LSTM模型中引入注意力机制增强模型的可解释性，相比传统机器学习方法在敏感度方面有显著提升	数据来源于单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工图表审查的工作量	犹他大学医疗系统2016年1月至2021年6月的9,185例手术事件	自然语言处理	手术部位感染	电子健康记录分析	LSTM	结构化数据和临床笔记	9,185例手术事件，其中4.7%存在手术部位感染	NA	长短期记忆网络（LSTM）	AUC, 敏感度	NA
8034	2025-10-06	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别	提出无需训练数据的无监督算法，使用预定义特征进行细胞注释，通过无偏阈值区分阳性细胞与背景	NA	解决空间生物学中细胞类型和状态识别的挑战	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集，包含5,000,000个细胞，51种细胞类型	NA	TACIT	准确性、可扩展性	NA
8035	2025-10-06	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别	提出无需训练数据的无监督算法，使用预定义特征和无偏阈值区分阳性细胞与背景，专注于相关标记识别多组学检测中的模糊细胞	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠道、腺体）	NA	TACIT	准确性、可扩展性	NA
8036	2025-10-06	Decoding biological age from face photographs using deep learning 2023-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.12.23295132 PMID:37745558	研究论文	开发并验证了从面部照片估计生物年龄的深度学习系统FaceAge	首次使用深度学习从面部照片客观量化生物年龄，并验证其在癌症预后和临终决策中的临床价值	研究主要基于癌症患者，在其他疾病中的适用性需要进一步验证	开发能够从面部照片估计生物年龄的深度学习系统，并评估其临床效用	健康人群和癌症患者的面部照片	计算机视觉	癌症	深度学习	深度学习模型	图像	58,851名健康个体和6,196名癌症患者	NA	FaceAge	生存分析，临床预测模型性能	NA
8037	2025-10-06	Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116827 PMID:40597534	研究论文	本研究构建了贝母生物碱多维数据库FasMID，并开发了整合四维结构信息的多维匹配策略，用于已知和未知成分的全面注释	开发了将固相萃取与LC/IM-QTOF-MS结合的维度增强方法，建立了包含248种贝母生物碱的多维数据库，提出了整合多维特征匹配策略	预测精度有待通过扩大样本来源和优化深度学习算法进一步提升	开发贝母生物碱的精确表征方法，提高已知和未知成分的鉴定准确性	贝母中的生物碱成分	机器学习	NA	固相萃取,液相色谱/离子淌度-四极杆飞行时间质谱	机器学习,深度学习	质谱数据,碰撞截面数据	248种贝母生物碱	NA	NA	鉴定准确率	NA
8038	2025-10-06	Predicting oxidative stability of Camellia oil based on multimodal data fusion strategy integrating NIR and Raman spectroscopies with chemometrics 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116842 PMID:40597544	研究论文	本研究开发了一种基于近红外和拉曼光谱多模态数据融合策略的山茶油氧化稳定性快速无损预测方法	首次采用三级数据融合策略（低层、中层和高层）协同整合近红外和拉曼光谱特征，显著提升氧化稳定性预测精度	当前方法仍受限于特定基质，未来需开发超越基质特异性限制的通用监测范式	建立山茶油氧化稳定性的快速无损检测方法	山茶油样品	化学计量学	NA	近红外光谱, 拉曼光谱, 化学计量学	NA	光谱数据	NA	NA	NA	相关系数R, 均方根误差RMSEC	NA
8039	2025-10-06	A 3D point cloud and deep learning based automated process for quantifying multi-scale phenotypes in sliced bread 2025-Oct, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116865 PMID:40597561	研究论文	开发基于3D点云和深度学习的面包切片多尺度表型自动量化方法	提出使用低成本3D激光扫描仪获取面包三维结构，开发3D-PoreSegNet分割模型和两个新表型参数（孔隙分布和孔隙层分布）	NA	实现面包切片三维表型的自动化精确量化	面包切片及其孔隙结构	计算机视觉	NA	3D激光扫描，点云处理	深度学习分割模型	3D点云数据	NA	NA	3D-PoreSegNet	高度(97.3%)，长度(95.2%)，宽度(95.6%)，表面积(86.6%)，体积(82.8%)，对称指数(91.5%)，均匀性指数(93.4%)，最大孔隙直径(84.7%)，最大孔隙面积(82.6%)，孔隙数量(87.1%)，最大孔隙深度(90.3%)，最大孔隙体积(83.7%)，孔隙伸长率(78.5%)	NA
8040	2025-10-06	Microscope-Assisted Hypertensive Retinopathy Diagnosis Using Deep Learning Models 2025-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24847 PMID:40129051	研究论文	提出一种基于U-Net和Dense-Net的深度学习模型，通过视网膜图像自动检测和分级高血压视网膜病变	结合U-Net血管分割和Dense-Net动静脉分类，通过计算动静脉比值实现自动HR检测和分级	仅使用单一数据集(AVRDB)进行验证，未提及在其他数据集上的泛化能力	开发自动化的高血压视网膜病变诊断和分级系统	视网膜图像中的血管网络	计算机视觉	心血管疾病	视网膜图像分析	CNN	图像	AVRDB数据集	NA	U-Net, Dense-Net	准确率	NA