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
801	2025-07-30	Machine Learning Framework for Ovarian Cancer Diagnostics Using Plasma Lipidomics and Metabolomics 2025-Jul-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26146630 PMID:40724878	研究论文	开发了一种结合脂质组学和代谢组学的机器学习框架，用于卵巢癌的早期诊断	整合了脂质组学和NMR代谢组学数据，系统评估了特征选择方法和机器学习架构，识别出最优生物标志物组合	临床实施需要进一步的标准化	开发卵巢癌早期诊断的机器学习方法	229名受试者的血浆样本，包括103名浆液性卵巢癌患者、107名良性病例和19名健康对照	机器学习	卵巢癌	HPLC-MS, NMR	CNN, XGBoost, SVM-RFE	代谢组学数据	229名受试者（103名卵巢癌患者，107名良性病例，19名健康对照）
802	2025-07-30	Harnessing Multi-Omics and Predictive Modeling for Climate-Resilient Crop Breeding: From Genomes to Fields 2025-Jul-10, Genes IF:2.8Q2 DOI:10.3390/genes16070809 PMID:40725465	综述	本文综述了利用多组学技术和预测模型开发气候适应性作物品种的当前策略和未来方向	整合多组学技术和预测模型，加速气候适应性作物的育种过程	面临计算瓶颈、性状复杂性、数据标准化和公平数据共享等技术、生物和伦理挑战	开发气候适应性作物品种，确保农业在环境变化中的可持续性	作物品种及其分子网络	农业生物技术	NA	基因组学、转录组学、蛋白质组学、代谢组学、表型组学	机器学习、深度学习、多组学辅助基因组选择	多组学数据、环境数据	NA
803	2025-07-30	Hybrid Attention-Enhanced Xception and Dynamic Chaotic Whale Optimization for Brain Tumor Diagnosis 2025-Jul-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070747 PMID:40722439	research paper	提出一种结合Xception模型和混合注意力机制的新型脑肿瘤分类技术，通过动态混沌鲸鱼优化算法优化超参数，并开发了一种新颖的学习率调度器	整合Xception模型与混合注意力机制，采用动态混沌鲸鱼优化算法优化超参数，开发动态学习率调度器，并根据图像大小调整批处理大小和层冻结方法	未提及具体的数据集样本多样性或模型在真实临床环境中的验证情况	提高脑肿瘤分类的准确性和效率，以辅助医疗专业人员进行早期检测和治疗规划	脑肿瘤图像	digital pathology	brain tumor	deep learning, transfer learning, ensemble learning	Xception, hybrid attention mechanism	image	未明确提及具体样本数量，但使用了基准数据集进行验证
804	2025-07-30	Deep Learning-Based Detection of Separated Root Canal Instruments in Panoramic Radiographs Using a U2-Net Architecture 2025-Jul-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141744 PMID:40722496	research paper	本研究开发并评估了一种基于U-Net架构的深度学习模型，用于在全景X光片中自动检测和分割分离的根管器械	首次将U-Net架构应用于全景X光片中分离根管器械的自动检测与分割，并在多成像系统中验证了其鲁棒性	样本量相对较小（仅191例符合严格纳入标准），建议进行多中心研究以验证模型的普适性	提高分离根管器械在全景X光片中的检测准确性，辅助临床诊断和治疗规划	全景X光片中的分离根管器械	digital pathology	dental disease	deep learning	U-Net	image	191张符合严格纳入标准的全景X光片（来自36800张回顾性审查的影像）
805	2025-07-30	In Silico Discovery and Sensory Validation of Umami Peptides in Fermented Sausages: A Study Integrating Deep Learning and Molecular Modeling 2025-Jul-09, Foods (Basel, Switzerland) DOI:10.3390/foods14142422 PMID:40724243	研究论文	本研究结合元基因组学和深度学习，高效发现发酵香肠中的潜在鲜味肽	整合深度学习和分子建模技术，从发酵香肠中高效发现并验证鲜味肽	研究仅针对发酵香肠中的鲜味肽，未涉及其他食品或功能肽	开发一种基于元基因组学和深度学习的高通量功能肽发现与验证策略	发酵香肠中的鲜味肽	机器学习	NA	元基因组学、分子对接、分子动力学模拟	深度学习模型	基因组数据、分子结构数据	NA
806	2025-07-30	RIS-UNet: A Multi-Level Hierarchical Framework for Liver Tumor Segmentation in CT Images 2025-Jul-09, Entropy (Basel, Switzerland) DOI:10.3390/e27070735 PMID:40724451	research paper	提出了一种名为RIS-UNet的多层次分层框架，用于CT图像中的肝脏肿瘤分割	结合了2.5D网络整合层间空间信息，设计了Res-Inception-SE模块以增强特征表示，并采用混合损失函数解决类别不平衡问题	未提及在更广泛数据集上的泛化能力或临床实际应用中的表现	提高肝脏CT图像中肿瘤分割的准确性和效率	肝脏CT图像中的肿瘤	digital pathology	liver cancer	deep learning	RIS-UNet (结合了2.5D网络、Res-Inception-SE模块)	CT图像	LiTS17数据集（具体样本数量未提及）
807	2025-07-30	Diagnostic, Therapeutic, and Prognostic Applications of Artificial Intelligence (AI) in the Clinical Management of Brain Metastases (BMs) 2025-Jul-08, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15070730 PMID:40722321	research paper	本文探讨了人工智能（AI）在脑转移瘤（BMs）临床管理中的诊断、治疗和预后应用	AI通过早期病变检测、精确影像分割和非侵入性分子特征分析，革新了BM的诊断方法，并在手术中和术后放疗规划中提供了个性化治疗的可能	数据可用性和变异性、决策可解释性以及伦理、法律和监管问题限制了AI在BM日常临床管理中的广泛应用	探索AI在脑转移瘤临床管理中的应用潜力，以优化诊断、治疗和预后	脑转移瘤（BMs）患者	digital pathology	brain metastases	machine learning (ML), deep learning (DL), augmented reality (AR)	ML, DL	imaging, genomic, radiomic	NA
808	2025-07-30	Machine Learning and Deep Learning Hybrid Approach Based on Muscle Imaging Features for Diagnosis of Esophageal Cancer 2025-Jul-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15141730 PMID:40722480	研究论文	本研究结合肌肉影像特征与传统食管影像特征，构建深度学习诊断模型，用于食管癌的诊断	创新性地将肌肉影像特征与食管影像特征结合，构建多模态融合模型，提升诊断准确性	N分期预测模型的准确率仍有提升空间，需进一步优化	开发基于CT影像的食管癌病理亚型、T分期和N分期的预测模型	1066名接受根治性食管切除术的患者	数字病理	食管癌	CT成像	2D和3D神经网络、逻辑回归（LR）、支持向量机（SVM）、多层感知器（MLP）	影像	1066名患者的CT影像数据
809	2025-07-30	AI-Prediction of Neisseria gonorrhoeae Resistance at the Point of Care from Genomic and Epidemiologic Data 2025-Jul-08, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13141643 PMID:40724667	研究论文	开发了一种混合机器学习和深度学习框架，用于实时预测淋病奈瑟菌的抗生素耐药性	结合临床变量和基因组单元ig构建预测管道，使用CatBoost模型和三层神经网络，显著提高了耐药性预测的准确率	需要在资源匮乏的环境中进行进一步验证以确认其普适性和鲁棒性	提高淋病奈瑟菌抗生素耐药性的实时预测能力	3786株淋病奈瑟菌分离株	机器学习	淋病	机器学习（ML）、深度学习（DL）、全基因组关联研究（GWAS）	CatBoost、三层神经网络	临床元数据、表型耐药性数据、基因组数据	3786株淋病奈瑟菌分离株
810	2025-07-30	Hybrid Deep Learning Framework for High-Accuracy Classification of Morphologically Similar Puffball Species Using CNN and Transformer Architectures 2025-Jul-05, Biology DOI:10.3390/biology14070816 PMID:40723375	研究论文	本文提出了一种基于深度学习的混合框架，用于高精度分类形态相似的马勃菌物种	结合CNN和Transformer架构的混合深度学习框架，首次应用于马勃菌物种的高精度分类	研究仅针对8种马勃菌物种，可能无法推广到其他真菌分类	开发一种能够准确分类形态相似马勃菌物种的深度学习模型	8种生态和分类学上重要的马勃菌物种	计算机视觉	NA	深度学习	CNN, Transformer (包括ConvNeXt-Base, Swin Transformer, ViT, MaxViT, EfficientNet-B3)	图像	1600张图像（每种200张），分为训练集70%、验证集15%和测试集15%
811	2025-07-30	Entropy-Regularized Attention for Explainable Histological Classification with Convolutional and Hybrid Models 2025-Jul-03, Entropy (Basel, Switzerland) DOI:10.3390/e27070722 PMID:40724439	研究论文	提出了一种结合注意力和熵正则化的统一框架，以提高组织学图像分类的可解释性	引入了注意力分支和基于熵的正则化器CAM Fostering，改进了Grad-CAM可视化，同时保持了分类性能	仅在六种骨干架构和五个H&E染色数据集上进行了验证，可能在其他架构和数据集上的效果未知	提高组织学图像分类模型的可解释性	组织学图像	数字病理学	非霍奇金淋巴瘤	深度学习	CNN, ViT, ResNet-50, DenseNet-201, EfficientNet-b0, ResNeXt-50, ConvNeXt, CoatNet-small	图像	五个H&E染色数据集
812	2025-07-30	RGCN-BA: relational graph convolutional network with batch awareness for single-cell RNA sequencing clustering 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf378 PMID:40728858	研究论文	本文提出了一种名为RGCN-BA的深度学习框架，用于单细胞RNA测序数据的聚类和批次效应校正	RGCN-BA首次将细胞聚类和批次效应校正整合到一个统一的模型中，利用关系图卷积网络处理批次信息	NA	提高单细胞RNA测序数据分析的准确性和效率	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	关系图卷积网络(RGCN)	基因表达数据	NA
813	2025-07-30	Locality blended next-generation reservoir computing for attention accuracy 2025-Jul-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0273597 PMID:40720789	研究论文	本文扩展了一种机器学习算法——下一代储层计算（NGRC），用于预测由Ikeda映射生成的合成数据，Ikeda映射是一种非线性光学腔注入激光束的模型	通过强调局部相位空间中设计的简单多项式模型，并在区域间混合这些模型，提出了一种称为局部混合下一代储层计算的新方法，从而在较小数据集上实现优于深度学习方法的性能，并提供了新的可解释性水平	NA	扩展下一代储层计算（NGRC）算法，以预测非线性光学腔模型（Ikeda映射）生成的时间序列数据	由Ikeda映射生成的合成数据	机器学习	NA	下一代储层计算（NGRC）	局部混合下一代储层计算	时间序列数据	NA
814	2025-07-30	Deep Learning-Based Detection of Ocular Surface Squamous Neoplasia from Ocular Surface Images 2025-Jul, Ocular oncology and pathology IF:0.9Q4 DOI:10.1159/000543766 PMID:40726605	研究论文	本研究探讨了人工智能模型在利用裂隙灯图像检测眼表鳞状上皮瘤（OSSN）中的应用	首次应用深度学习算法（MobileNetV2、Xception和DenseNet121）对OSSN进行三元分类（OSSN、非OSSN眼表病变和正常眼表）	研究为回顾性观察研究，样本量相对较小（n=634），且仅使用单一成像模式（裂隙灯图像）	探索人工智能在眼表鳞状上皮瘤检测中的应用潜力	眼表鳞状上皮瘤（OSSN）、非OSSN眼表病变（OOSD）和正常眼表图像	计算机视觉	眼表鳞状上皮瘤	深度学习	MobileNetV2、Xception、DenseNet121	图像	634张裂隙灯图像（OSSN组163张，OOSD组202张，正常组269张）
815	2025-07-30	Multi-level channel-spatial attention and light-weight scale-fusion network (MCSLF-Net): multi-level channel-spatial attention and light-weight scale-fusion transformer for 3D brain tumor segmentation 2025-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-354 PMID:40727355	研究论文	提出了一种名为MCSLF-Net的新型3D脑肿瘤分割网络，结合了多级通道-空间注意力机制和轻量级尺度融合模块，以提高分割精度和计算效率	整合了多级通道-空间注意力机制(MCSAM)和轻量级尺度融合模块(LSFU)，在保持网络紧凑设计的同时增强边界特征，平衡全局上下文信息和局部细粒度特征	未明确提及具体局限性，但可能面临与其他3D医学图像分割方法类似的挑战，如对小样本数据的泛化能力	开发一种新型3D分割框架，解决精确边界描绘、鲁棒多尺度特征表示和计算效率之间的平衡问题	脑胶质瘤的3D MRI图像分割	数字病理	脑胶质瘤	3D磁共振成像(MRI)	MCSLF-Net（基于CNN的3D分割网络）	3D医学图像	BraTS 2019、BraTS 2020和BraTS 2021数据集（具体样本数量未提及）
816	2025-07-30	Deep learning for predicting the occurrence of tipping points 2025-Jul, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.242240 PMID:40727414	research paper	本文开发了一种深度学习算法，用于预测未训练系统中临界点的发生	该算法不仅优于传统方法，还能准确预测不规则采样的时间序列和实证时间序列中的临界点	NA	预测临界点的发生，以减轻风险、预防灾难性故障和恢复退化系统	时间序列数据	machine learning	NA	deep learning	NA	time series	NA
817	2025-07-30	Novel Snapshot-Based Hyperspectral Conversion for Dermatological Lesion Detection via YOLO Object Detection Models 2025-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070714 PMID:40722406	研究论文	提出了一种基于快照的超光谱转换方法，通过YOLO目标检测模型提高皮肤病变检测的准确性	提出了一种新型的光谱辅助视觉增强器（SAVE），能够一步将标准RGB图像转换为模拟窄带成像表示，并结合YOLO模型提升检测性能	YOLOv8和YOLOv5在WLI模式下表现较差，尽管SAVE有所改善，但仍不及YOLOv10和YOLOv9	提高皮肤病变检测的准确性和实时性	皮肤病变（包括皮肤纤维瘤、苔藓样病变和软纤维瘤）	计算机视觉	皮肤疾病	光谱辅助视觉增强器（SAVE）	YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv5	图像	三种病变类别的白光成像（WLI）和SAVE模态数据
818	2025-07-30	Quantitative Measures of Pure Ground-Glass Nodules from an Artificial Intelligence Software for Predicting Invasiveness of Pulmonary Adenocarcinoma on Low-Dose CT: A Multicenter Study 2025-Jun-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13071600 PMID:40722670	研究论文	本研究评估了基于深度学习的AI软件在低剂量CT上预测纯磨玻璃结节（pGGNs）肺腺癌侵袭性的诊断性能	首次使用商业AI软件的定量测量来预测pGGNs的侵袭性，并比较了AI与放射科医师在测量上的一致性	研究仅基于三个医疗中心的数据，可能缺乏更广泛的代表性	评估AI软件在低剂量CT上预测肺腺癌侵袭性的诊断性能	纯磨玻璃结节（pGGNs）	数字病理	肺癌	低剂量CT（LDCT）	深度学习	图像	388个pGGNs（训练队列198个，测试队列99个，外部验证队列91个）
819	2025-07-30	Analysis of Microbiome for AP and CRC Discrimination 2025-Jun-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070713 PMID:40722405	研究论文	本研究利用机器学习和合成数据技术分析微生物组数据，以区分腺瘤性息肉(AP)和结直肠癌(CRC)患者	采用合成数据生成技术解决微生物组数据不平衡问题，并结合深度学习特征提取和机器学习分类器进行疾病区分	样本量相对较小(148个样本)，且仅针对AP和CRC两种疾病	探索机器学习在微生物组数据分析中的应用，提高疾病分类准确性	61名患者(16名AP患者和46名CRC患者)的148个微生物组样本	机器学习	结直肠癌	Synthetic Data Vault Python库，高斯Copula合成器	逻辑回归模型，支持向量机(SVM)，深度学习分类器	微生物操作分类单元(OTU)计数数据	148个样本(34个AP样本，114个CRC样本)
820	2025-07-30	Deep Learning Spinal Cord Segmentation Based on B0 Reference for Diffusion Tensor Imaging Analysis in Cervical Spondylotic Myelopathy 2025-Jun-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070709 PMID:40722401	研究论文	本研究提出了一种基于深度学习的脊髓DTI图像自动分割方法，旨在解决颈椎病性脊髓病变(CSM)诊断中手动分割的局限性	提出了名为SCS-Net的新型深度学习模型，采用经典U型架构和轻量级特征提取模块，有效缓解训练数据稀缺问题，并支持八区域脊髓分割	研究样本仅来自单一中心的89名CSM患者，可能存在样本代表性不足的问题	开发AI驱动的脊髓DTI图像自动分割方法以辅助CSM诊断	颈椎病性脊髓病变(CSM)患者的脊髓DTI图像	数字病理	颈椎病性脊髓病变	DTI(弥散张量成像)	U-Net架构的SCS-Net	医学影像	89名CSM患者