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
801	2026-01-29	SLID: a slit-lamp image dataset for deep learning-based anterior eye anatomical segmentation and multi-lesion detection 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1716501 PMID:41602210	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
802	2026-01-30	Artificial intelligence assessment of valvular disease and ventricular function by a single echocardiography view 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1684933 PMID:41602208	研究论文	本研究开发了一种仅使用单一切面二维心尖四腔心超声视图的深度学习模型，用于准确检测显著瓣膜疾病和心室功能障碍	首次证明仅使用单一超声切面（心尖四腔心视图）即可通过深度学习模型同时评估多种心脏结构和功能异常，包括瓣膜反流和心室功能障碍，且该模型在手持式超声设备采集的图像上也能保持良好性能	研究为单中心回顾性训练和前瞻性验证，需要多中心外部验证以评估泛化能力；模型仅评估了四种特定心脏异常，未涵盖所有可能的病理状态	评估深度学习模型在简化超声成像协议下，通过单一视图实现快速、准确的心脏功能筛查的可行性	心脏瓣膜疾病（二尖瓣反流、三尖瓣反流）和心室功能障碍（右心室功能障碍、左心室射血分数降低）	数字病理学	心血管疾病	超声心动图	深度学习模型	图像	回顾性分析120,127例超声心动图研究用于训练和验证；前瞻性队列包含209名患者	NA	NA	曲线下面积	NA
803	2026-01-30	Physics-constrained GAN boosts OAM correction in ocean turbulence 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1702056 PMID:41602298	研究论文	本研究提出了一种物理约束生成对抗网络，用于改善海洋湍流中轨道角动量的波前校正	将空间和频谱双重物理约束集成到深度学习框架中，以优化图像重建、模态纯度和频谱保真度	NA	提高海洋湍流环境下轨道角动量的波前校正性能	海洋湍流中退化的轨道角动量图像	计算机视觉	NA	NA	GAN	图像	NA	NA	NA	SSIM, 模态纯度, KL散度	NA
804	2026-01-30	Enhanced multi-class object detector for bone fracture diagnosis with prescription recommendation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692894 PMID:41602301	研究论文	本文提出了一种增强的多类目标检测器，用于长骨骨折诊断并附带处方推荐	引入了自适应锚点过程以提升区域提议网络和目标检测模型的性能，并整合了处方推荐功能，这在现有文献中较为缺乏	模型仅使用X射线图像作为输入，未涵盖多种模态的影像数据，且主要针对长骨骨折	开发一种计算效率高的深度学习模型，用于骨骨折诊断并提供治疗建议	长骨骨折的X射线图像	计算机视觉	骨骨折	X射线成像	目标检测模型	图像	NA	PyTorch, TensorFlow	Faster R-CNN, ResNet-50, ResNet-101, ResNext-50, ResNext-101	平均精度, F1分数, 精确率, 召回率	NA
805	2026-01-30	PotatoLeafNet: two-stage convolutional neural networks for effective Potato Leaf disease identification and classification 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1668839 PMID:41602306	研究论文	本文提出了一种名为PotatoLeafNet的两阶段卷积神经网络框架，用于有效识别和分类马铃薯叶片病害	结合了固定顺序的图像增强流程与轻量级、任务优化的11层CNN，使用3×3卷积核，实现了数据高效且鲁棒的分类，在计算成本较低的情况下超越了更深的或融合的基线模型	研究仅基于PlantVillage-Potato数据集，未在更广泛或真实田间复杂场景下验证，且增强策略固定，可能未覆盖所有变异	开发一个高效、鲁棒的马铃薯叶片病害自动识别与分类系统，以支持精准农业和及时病害管理	马铃薯叶片图像，涵盖健康、早疫病和晚疫病三种状态	计算机视觉	马铃薯病害	图像增强技术（旋转、平移、剪切、缩放、水平翻转、亮度调整、通道抖动）	CNN	图像	4,072张标注的马铃薯叶片图像，增强后训练集增至6,000张（每类2,000张）	TensorFlow, Keras	自定义11层CNN（使用3×3卷积核）	准确率, 宏精确率, 宏召回率, 宏F1分数, 宏AUC	NA
806	2026-01-30	Deep learning and machine learning integration of radiomics and transcriptomics predicts response-adapted radiotherapy outcome and radiosensitivity in resectable locally advanced laryngeal carcinoma 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1738174 PMID:41602310	研究论文	本研究通过整合深度学习和机器学习方法，分析CT扫描影像和RNA-seq基因表达数据，预测局部晚期喉癌患者对放疗的响应和放射敏感性	创新性地将影像组学与转录组学数据结合，利用深度学习模型（CNN与RNN集成）预测放疗响应，并通过机器学习算法识别与放射敏感性相关的基因生物标志物	单中心回顾性研究，样本量有限，未来需在多中心队列中进行验证以提升普适性	提高头颈鳞状细胞癌患者放疗响应预测的准确性，评估治疗结果，并识别与放射增敏相关的生物标志物	局部晚期喉癌患者（III期和IV期）的CT扫描影像和RNA-seq基因表达数据	计算机视觉, 自然语言处理	喉癌	CT扫描, RNA-seq, qRT-PCR, LC-MS质谱分析	CNN, RNN, glmBoost, SVM, RF	图像, 文本	数据集A：476名患者的1,100张CT扫描；数据集B：169名患者的500张CT扫描；TCGA数据：231个样本；GSE20020数据集用于验证	TensorFlow, PyTorch, Scikit-learn	CNN与RNN集成模型	AUC, HR, 95% CI, AUROC	NA
807	2026-01-30	User perceptions of RBI-approved P2P digital lending apps: an NLP, machine learning, and deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1708080 PMID:41602312	研究论文	本研究通过自然语言处理、机器学习和深度学习技术，分析印度储备银行批准的P2P数字借贷应用的用户评论，以评估消费者感知和满意度	结合自然语言处理、主题建模、监督机器学习与深度学习模型，首次对印度RBI批准的P2P数字借贷应用进行大规模用户反馈分析，并比较不同模型的预测性能	研究仅基于用户评论数据，可能未涵盖所有用户群体或实际使用行为，且数据来源限于七个特定平台	理解消费者对印度RBI批准的P2P数字借贷应用的感知和评估，识别其优势、弱点及整体满意度水平	印度RBI批准的P2P数字借贷应用的用户评论	自然语言处理	NA	自然语言处理, 主题建模, 监督机器学习, 深度学习	CNN, 集成机器学习	文本	15408条用户评论	NA	VGG16, XGBoost, CatBoost, LightGBM, ResNet	预测准确率	NA
808	2026-01-30	Smart manufacturing-driven probabilistic process planning for components via AP-BiLSTM-ATT 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1745372 PMID:41602309	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（AP-BiLSTM-ATT）算法，用于智能制造中复杂零件的概率性工艺规划	结合BiLSTM网络与多头注意力机制，深入挖掘零件多维特征与工艺计划之间的隐藏关系，实现工艺决策的概率建模	未明确提及模型在极端或罕见零件特征下的泛化能力，以及计算资源需求的具体评估	提高复杂零件工艺规划的质量和效率，支持智能制造系统的智能化水平提升	复杂零件的工艺规划过程	机器学习	NA	深度学习	BiLSTM	结构化数据（零件属性、几何特征、历史工艺计划）	大规模历史工艺数据集	NA	BiLSTM with multi-head attention	准确性、响应速度、泛化能力	NA
809	2026-01-30	Image-based artificial intelligence for preoperative differentiation of pancreatic cancer from pancreatitis: a systematic review and meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1660271 PMID:41602371	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了基于图像的人工智能算法在术前区分胰腺癌与胰腺炎中的诊断性能	首次对基于图像的AI在区分胰腺癌与胰腺炎方面的诊断性能进行系统性评估与荟萃分析，并比较了机器学习与深度学习算法的表现	纳入研究间存在显著的异质性（I² > 75%），部分异质性可能源于算法、成像方式、发表地域和年份的差异	评估基于图像的人工智能算法在术前区分胰腺癌与胰腺炎中的诊断准确性	胰腺癌与各类胰腺炎（包括急性、慢性、自身免疫性及其他炎症性胰腺疾病）患者	数字病理学	胰腺癌	NA	机器学习, 深度学习	图像	3279名患者（来自25项研究）	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积	Stata 17.0 软件（用于统计分析）
810	2026-01-30	A deep learning-based automatic segmentation model for diffuse midline glioma with H3K27M alteration 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1602516 PMID:41602393	研究论文	本研究开发了一种基于生成对抗网络（GANs）的深度学习模型，用于自动分割H3K27M突变的弥漫性中线胶质瘤的放疗靶区	首次基于GANs开发了针对H3K27M突变弥漫性中线胶质瘤的自动分割模型，并整合了空间通道注意力机制和多尺度特征提取以适应中线区域肿瘤位置和形态变化的特点	NA	开发一种自动分割模型，用于精确描绘H3K27M突变的弥漫性中线胶质瘤的放疗靶区，以辅助放疗规划	H3K27M突变的弥漫性中线胶质瘤患者	数字病理学	弥漫性中线胶质瘤	MRI成像（对比增强T1加权、T2加权、T2-Flair序列）	GAN	医学影像（MRI序列）	训练集116名患者，测试集26名患者	NA	生成对抗网络（GANs），整合了空间通道注意力机制和多尺度特征提取	Dice相似系数（DSC）	NA
811	2026-01-30	Deep learning-based automated detection of endometrioid endometrial carcinoma in histopathology 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1701427 PMID:41602398	研究论文	本研究开发了一种基于改进ResNet-18的深度学习系统，用于从H&E染色子宫内膜增生病变和正常组织中自动识别子宫内膜样子宫内膜癌	提出了一种基于改进ResNet-18的多任务深度学习系统，能够自动检测子宫内膜样子宫内膜癌并有效分类子宫内膜病理和生理状态，具有临床转化潜力	NA	开发自动化诊断工具以克服传统病理学中的复杂采样和医生资源有限等挑战	H&E染色的子宫内膜增生病变和正常组织	数字病理学	子宫内膜癌	H&E染色	CNN	图像	NA	NA	ResNet-18	阳性预测值, F1分数	NA
812	2026-01-30	Deep learning in renal ultrasound: applications, challenges, and future outlook 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1730628 PMID:41602426	综述	本文系统总结了深度学习在肾脏超声中的应用、挑战及未来展望	系统综述了深度学习在肾脏超声关键任务（如分割、测量、功能预测和疾病诊断）中的应用，并评估了CNN和Transformer等模型的性能，同时指出了未来结合多模态数据、大模型技术、联邦学习和可解释人工智能的发展方向	数据质量、模型可解释性、泛化能力和临床整合方面仍存在挑战	增强肾脏超声工作流程的客观性和自动化，以改善肾脏疾病的诊断和分析	肾脏疾病，特别是慢性肾脏病（CKD）	数字病理学	肾脏疾病	NA	CNN, Transformer	图像	NA	NA	NA	NA	NA
813	2026-01-30	A two-stage deep learning prediction system for colon cancer microsatellite instability status using CT images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699430 PMID:41602410	研究论文	本研究构建了一个两阶段深度学习系统，利用CT图像自动预测结肠癌微卫星不稳定性状态，无需手动分割	提出了一种无需手动分割的两阶段深度学习系统，结合分割模型MSI-SAM和诊断模型，自动从CT图像中预测结肠癌MSI状态	样本量较小（108例），且结肠不同部位病例分布不均，可能影响模型泛化能力	开发一种基于CT图像的深度学习系统，用于自动识别结肠癌的微卫星不稳定性状态	结肠癌患者的增强CT扫描图像	计算机视觉	结肠癌	CT扫描	深度学习模型	图像	108例增强CT扫描（68例升结肠，14例横结肠，18例降结肠，8例乙状结肠；56例MSI-H，52例MSS）	NA	MSI-SAM	DSC, IoU, AUC, ACC, 敏感性, 特异性	NA
814	2026-01-30	Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1720244 PMID:41602444	研究论文	本研究提出了一种基于变分自编码器的双分支深度学习架构，用于从体表电位测量中直接重建心房内电信号图，以实现非侵入性心律失常映射	提出了一种基于变分自编码器的双分支深度学习架构，通过共享潜在表示同时优化体表电位自重建和心内电信号预测，相比传统的逆问题求解方法（如Tikhonov正则化）能更准确地保留波形形态和频谱内容	研究基于计算模型生成的合成数据集，未在真实患者数据上进行验证；数据集中某些心律失常类别（如异位活动和纤维化基质）的样本可能较少	开发一种非侵入性方法，从体表电位测量中估计心内电信号图，以减少对侵入性映射的依赖，并实现更安全、患者特异性的心房心律失常表征	心房内电信号图与体表电位测量对	机器学习	心血管疾病	计算模型模拟	VAE	电生理信号	680对BSPM-EGM数据对，由双心房计算模型生成，模拟了包括窦性心律、心房颤动、异位活动和纤维化基质在内的多种节律	NA	变分自编码器	相关性, 峰值检测精度, 频谱相干性, 空间电压映射, 相位映射	NA
815	2026-01-30	Development and validation of an LDCT-based deep learning radiomics nomogram for predicting postoperative recurrence of stage Ia lung adenocarcinoma 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1706104 PMID:41602433	研究论文	本研究开发并验证了一种基于LDCT的深度学习影像组学列线图，用于预测Ia期肺腺癌患者术后复发风险	首次结合深度学习特征、影像组学特征和临床数据构建列线图模型，用于预测Ia期肺腺癌术后复发，并在多中心数据上进行了验证	研究为回顾性设计，样本量相对有限，且仅针对Ia期肺腺癌患者	开发一种术前预测工具，以辅助临床医生优化Ia期肺腺癌患者的辅助治疗方案，实现个体化预后管理	Ia期肺腺癌患者	数字病理	肺癌	低剂量计算机断层扫描	深度学习, 机器学习	医学影像	中心1: 233例患者（训练集163例，内部验证集70例）；中心2: 89例患者（外部验证集）	NA	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
816	2026-01-30	The digital orchard: advanced data-driven technologies in apple breeding and genetic modification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1725617 PMID:41602532	系统文献综述	本文综述了先进数据驱动技术在加速苹果育种和基因修饰中的应用现状	提出了“数字育种”模型，整合高通量表型分析、机器学习/深度学习算法和基因组编辑三大技术支柱，并探讨了农业物联网、联邦学习和可解释AI等新兴前沿	存在标准化开放数据集缺乏和端到端系统验证不足等研究空白	加速苹果育种和基因修饰，应对气候变化、病原体演变和消费者需求	苹果（Malus × domestica）	机器学习	NA	高通量表型分析（HTP）、基因组编辑（CRISPR/Cas9）	机器学习（ML）、深度学习（DL）	图像（RGB-D、高光谱成像、LiDAR）、基因组数据	基于47项选定研究的分析	NA	NA	准确率（超过96%）、预测能力提升（高达18%）	NA
817	2026-01-30	JAK-centric explainable few-shot gene-expression diagnosis framework for alopecia via MultiPLIER priors and relation-style set-to-set comparison 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1753206 PMID:41602548	研究论文	本研究提出了一种基于JAK-STAT信号通路、结合MultiPLIER先验知识和关系式集合比较的可解释少样本深度学习框架，用于区分斑秃和雄激素性脱发，并识别了关键的生物标志物	提出了一种结合生物学先验知识（MultiPLIER潜变量）和关系式集合比较的可解释少样本深度学习分类器，作为列线图的替代方案，能够在样本量有限的情况下实现稳健诊断并保持机制可解释性	研究主要基于转录组数据，临床验证样本量相对有限，且框架在更广泛疾病类型中的应用仍需进一步验证	开发一种可解释的少样本基因表达诊断框架，以区分斑秃和雄激素性脱发，并识别可靠的生物标志物	斑秃和雄激素性脱发患者的头皮样本	机器学习	脱发	bulk RNA-seq, 单细胞RNA-seq, RT-qPCR, Western blot	深度学习分类器	基因表达数据	未明确指定具体数量，但提及使用了独立样本进行验证	未明确指定	Relation-style set-to-set comparator, 浅层头部网络	未明确指定	NA
818	2026-01-30	Improving early liver metastasis detection in colorectal cancer using a weighted ensemble of ResNet50 and swin transformer: a KHCC study 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1700292 PMID:41602601	研究论文	本研究开发了一种新颖的加权集成深度学习模型，用于结直肠癌患者早期肝转移的预测	提出了一种结合ResNet50和Swin Transformer的加权软投票集成学习方法，有效解决了在具有挑战性的数据集上单一模型性能接近随机的问题，通过架构多样性提升了医学图像分析的性能	研究未提及模型在不同患者亚群或不同医疗机构数据上的泛化能力验证，也未讨论模型对罕见或非典型转移模式的识别能力	开发AI驱动的监测框架，以改善结直肠癌患者早期肝转移的检测	结直肠癌患者的医学图像	计算机视觉	结直肠癌	医学影像分析	CNN, Transformer, 集成学习	图像	1628张来自结直肠癌患者的医学图像	NA	ResNet50, MobileNetV2, DenseNet121, CNN-LSTM, Swin Transformer	准确率, 灵敏度, 特异性, AUC	NA
819	2026-01-30	Assessing the effectiveness of machine learning and deep learning in differentiating neuroimmunological diseases: a systematic review and meta-analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1579206 PMID:41602983	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习和深度学习在区分神经免疫性疾病中的诊断性能	首次对AI在神经免疫性疾病鉴别诊断中的应用进行系统综述和荟萃分析，比较了ML与DL模型的性能差异	研究存在显著的异质性，且主要依赖MRI数据，缺乏临床和流行病学数据的整合	评估机器学习和深度学习技术在区分神经免疫性疾病中的诊断效果，并识别最有效的方法	神经免疫性疾病，特别是多发性硬化与视神经脊髓炎谱系疾病	机器学习	神经免疫性疾病	MRI	机器学习, 深度学习	图像	19篇符合纳入标准的研究，涉及4470篇初始检索文章	NA	NA	准确率, 灵敏度, 特异性	NA
820	2026-01-30	Machine learning in developing a predictive model for chronic hydrocephalus following aneurysmal subarachnoid hemorrhage 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1651694 PMID:41602996	研究论文	本研究利用机器学习算法结合深度学习和影像组学技术，开发了一个用于预测动脉瘤性蛛网膜下腔出血后慢性脑积水风险的列线图模型	整合了3D-Unet自动分割模型来精确量化血肿体积，并结合影像组学特征与临床数据，构建了一个临床-放射学列线图预测模型	研究为单中心回顾性研究，样本量相对有限（共180例患者纳入分析），可能存在选择偏倚	预测动脉瘤性蛛网膜下腔出血患者发生慢性脑积水的风险	动脉瘤性蛛网膜下腔出血患者	数字病理学	心血管疾病	影像组学，CT扫描	3D-Unet, LASSO回归, 逻辑回归	影像，临床数据	180例患者（从初始410例患者中筛选）	NA	3D-Unet	Dice相似系数, 交并比, 豪斯多夫距离, 平均对称表面距离, AUC, 校准曲线, 精确率-召回率曲线, 决策曲线分析, 临床影响曲线	NA