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
8281	2025-10-06	Decomposition-reconstruction-optimization framework for hog price forecasting: Integrating STL, PCA, and BWO-optimized BiLSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324646 PMID:40577402	研究论文	本研究构建了一个集成STL分解、PCA降维和BWO优化的BiLSTM混合预测模型，用于生猪价格时间序列预测	提出了创新的'分解-重构-优化'框架，将时序分解、特征降维和智能优化算法协同集成	NA	提高生猪价格时间序列预测的准确性	生猪价格时间序列数据及其影响因素	机器学习	NA	时间序列分析，特征工程	BiLSTM, LSTM, Prophet, ARIMA	时间序列数据	NA	NA	BiLSTM	MAE, RMSE, MAPE, R²	NA
8282	2025-10-06	Reirradiation for recurrent glioblastoma: the significance of the residual tumor volume 2025-Aug, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05042-9 PMID:40310485	研究论文	本研究探讨再程放疗治疗复发性胶质母细胞瘤的疗效，重点关注残留肿瘤体积对预后的影响	首次通过深度学习自动分割管道量化残留肿瘤体积，并证实其为总体生存期的独立预测因子	单中心回顾性研究，样本量有限（71例患者）	评估再程放疗治疗复发性胶质母细胞瘤的疗效并确定预后因素	71例复发性CNS WHO 4级IDH野生型胶质母细胞瘤患者	数字病理	胶质母细胞瘤	深度学习自动分割，影像学随访	深度学习	医学影像	71例患者	NA	NA	风险比，p值	NA
8283	2025-10-06	Patient-Specific Deep Learning Tracking Framework for Real-Time 2D Target Localization in Magnetic Resonance Imaging-Guided Radiation Therapy 2025-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.10.021 PMID:39461599	研究论文	提出基于患者特异性训练的深度学习框架，用于MRI引导放疗中的实时2D目标定位	结合图像配准变换器和自动分割CNN两种深度学习模型，采用患者特异性训练策略实现精准实时跟踪	研究主要针对胸腹部和盆腔目标，需要每个患者单独训练模型	开发磁共振成像引导放疗中的实时肿瘤跟踪系统	219名患者的1,400,000多帧cine MRI图像和额外35名患者的7500帧手动标注图像	医学影像分析	肿瘤放疗	磁共振成像	Transformer, CNN	2D cine MRI图像	254名患者，总计超过1,407,500帧MRI图像	NA	图像配准变换器, 自动分割卷积神经网络	Dice相似系数, 50%和95% Hausdorff距离, 目标质心在头尾方向的均方根误差	NA
8284	2025-10-06	Fully Automated Online Adaptive Radiation Therapy Decision-Making for Cervical Cancer Using Artificial Intelligence 2025-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.04.012 PMID:40252932	研究论文	本研究开发了基于人工智能的在线自适应放射治疗决策模型，用于宫颈癌放射治疗中自动识别需要重新规划的治疗阶段	首次提出将机器学习和深度学习模型应用于宫颈癌在线自适应放射治疗的决策支持，实现了基于多模态特征的自动化触发判断	样本量相对有限（24名患者），模型性能在包含剂量数据时略有下降，需要进一步的外部验证	开发人工智能模型辅助宫颈癌在线自适应放射治疗的决策过程	宫颈癌患者放射治疗数据	医疗人工智能	宫颈癌	扇形束计算机断层扫描（FBCT），放射治疗计划评估	支持向量机（SVM），孪生网络（Siamese network）	医学影像（CT图像），轮廓数据，剂量数据	24名宫颈癌患者的671个治疗阶段，其中588个用于模型开发，83个用于独立测试	NA	LASSO特征选择，支持向量机分类器，孪生网络架构	AUC，准确率，精确率，召回率	NA
8285	2025-10-06	Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions 2025-Jul, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.03.060 PMID:40174466	研究论文	评估大型语言模型ChatGPT在急诊胸部X光片急性胸科疾病判读中的准确性	首次系统评估大型语言模型在急诊放射学中诊断急性胸科疾病的潜力	对某些细微病变（如肺不张和肺气肿）的诊断准确性较低	探索大型语言模型在急诊放射学中的临床应用价值	急诊科常见的急性胸科疾病胸部X光片	自然语言处理	胸科疾病	胸部X光成像	大型语言模型	医学图像	NIH胸部X光数据集的1400张图像，涵盖7种病理类别	NA	ChatGPT 4.0 with X-Ray Interpreter add-on	灵敏度, 特异度, 准确率	NA
8286	2025-10-06	Systems and synthetic biology for plant natural product pathway elucidation 2025-Jun-24, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.115715 PMID:40382775	综述	本文总结了系统和合成生物学在植物天然产物代谢途径解析与工程化中的应用进展	整合多种系统生物学策略与深度学习技术，提出代谢工程未来发展方向包括代谢区室工程和AI整合	NA	阐明植物天然产物的复杂生物合成途径并提升其生产潜力	植物代谢途径及天然产物	合成生物学	NA	共表达分析、基因簇鉴定、代谢物分析、深度学习、全基因组关联研究、蛋白质复合物鉴定	深度学习	基因组数据、代谢组数据、表达谱数据	NA	NA	NA	NA	NA
8287	2025-10-06	Sentiment Analysis Using a Large Language Model-Based Approach to Detect Opioids Mixed With Other Substances Via Social Media: Method Development and Validation 2025-Jun-19, JMIR infodemiology IF:3.5Q1 DOI:10.2196/70525 PMID:40536906	研究论文	本研究开发了一种基于大型语言模型的方法，通过分析YouTube评论中的情感来检测阿片类药物与其他物质混合使用的情况	首次将GPT-3.5 Turbo等大型语言模型应用于阿片类药物混合使用的情感分析，相比传统机器学习模型性能提升3.26%	数据仅来源于YouTube平台，可能无法代表所有社交媒体用户；依赖用户自我报告信息，可能存在报告偏差	通过社交媒体数据分析阿片类药物使用模式和相关风险因素，改善医疗应对和干预策略	YouTube平台上关于阿片类药物混合使用体验的用户评论	自然语言处理	阿片类药物滥用	情感分析，机器学习	深度学习模型，Transformer模型，大型语言模型	文本	2020年12月至2024年3月期间的YouTube评论	NA	GPT-3.5 Turbo	F1-score	NA
8288	2025-10-06	Evaluation of Spectral Imaging for Early Esophageal Cancer Detection 2025-Jun-19, Cancers IF:4.5Q1 DOI:10.3390/cancers17122049 PMID:40563697	研究论文	评估高光谱成像转换方法SAVE在食管癌早期检测中的效果	提出并评估了Spectrum-Aided Vision Enhancer (SAVE)高光谱成像转换方法，与传统白光成像相比显著提升了食管癌病变检测性能	NA	评估高光谱成像技术在食管癌早期检测中的效果	食管癌病变（正常组织、异型增生和鳞状细胞癌）	计算机视觉	食管癌	高光谱成像	深度学习目标检测模型	内窥镜图像	包含正常、异型增生和鳞状细胞癌类别的标记内窥镜图像数据集	NA	YOLOv9, YOLOv10, YOLO-NAS, RT-DETR, Roboflow 3.0	F1分数, 精确度, 灵敏度, 置信区间	NA
8289	2025-10-06	A Hybrid Deep Learning Framework for Accurate Cell Segmentation in Whole Slide Images Using YOLOv11, StarDist, and SAM2 2025-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060674 PMID:40564490	研究论文	提出一种集成YOLOv11、StarDist和SAM2的混合深度学习框架，用于全切片图像中的细胞分割	首次将目标检测、几何建模和提示分割三种互补方法集成到统一框架中，通过协同作用提升细胞分割性能	仅在256×256图像块上评估，未验证在全切片级别的大规模应用效果	开发精确的细胞分割方法以推进计算病理学的定量分析	全切片图像中的细胞结构	数字病理学	NA	全切片成像	CNN, 基于提示的分割模型	图像	包含高分辨率细胞级标注的256×256图像块数据集	NA	YOLOv11, StarDist, SAM2	Dice系数, IoU, F1分数, 精确率, 召回率	NA
8290	2025-10-06	An Innovative Artificial Intelligence Classification Model for Non-Ischemic Cardiomyopathy Utilizing Cardiac Biomechanics Derived from Magnetic Resonance Imaging 2025-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060670 PMID:40564486	研究论文	提出一种基于心脏生物力学的AI分类模型，用于非缺血性心肌病的早期诊断和亚型区分	首次将心室内压力梯度衍生的生物力学标记与深度学习相结合，通过双路径混合架构捕捉传统形态学模型忽略的细微生物力学功能障碍	需要多中心数据验证，生物力学参数提取依赖特定MRI序列	开发用于非缺血性心肌病亚型分类的人工智能模型	非缺血性心肌病患者	医学影像分析	心血管疾病	心脏磁共振成像	CNN-LSTM, MLP	影像, 时间序列数据	1196名患者（训练集），137名患者（外部验证）	NA	双路径混合架构，CNN-LSTM编码器，MLP编码器	AUC	NA
8291	2025-10-06	A Deep Learning and Explainable AI-Based Approach for the Classification of Discomycetes Species 2025-Jun-18, Biology DOI:10.3390/biology14060719 PMID:40563969	研究论文	本研究提出了一种结合深度学习和可解释人工智能的盘菌物种分类方法	首次将EfficientNet-B0模型与Grad-CAM、Score-CAM等可解释AI技术结合用于盘菌物种分类，实现了高精度且可解释的分类结果	使用的数据集规模有限，未来需要更大规模数据集进行验证	开发准确可靠的盘菌物种自动分类系统	盘菌物种	计算机视觉	NA	深度学习，可解释人工智能	CNN	图像	NA	NA	EfficientNet-B0, EfficientNet-B4, MobileNetV3-L, ShuffleNet	准确率, F1分数, AUC	NA
8292	2025-10-06	An Efficient Algorithm for Small Livestock Object Detection in Unmanned Aerial Vehicle Imagery 2025-Jun-18, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15121794 PMID:40564345	研究论文	提出一种基于YOLOv7的高效牲畜检测算法LSNET，用于无人机影像中的小型牲畜目标检测	引入低层预测头(P2)检测小目标，移除深层预测头(P5)减少下采样影响，提出大核注意力空间金字塔池化模块(LKASPP)，并使用WIoU v3损失函数替代CIoU	NA	解决无人机影像中牲畜目标小而密集导致的识别错误问题，提高牲畜检测精度	放牧牲畜	计算机视觉	NA	无人机影像采集	YOLO	图像	来自内蒙古呼伦贝尔草原陈巴尔虎旗的无人机影像数据集	NA	YOLOv7,LSNET	mAP	NA
8293	2025-10-06	Deep Learning Applications in Dental Image-Based Diagnostics: A Systematic Review 2025-Jun-18, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13121466 PMID:40565492	系统综述	系统回顾深度学习在牙科影像诊断中的应用，评估AI模型的性能并分析其局限性与临床应用潜力	首次系统评估牙科AI模型的整体诊断准确率（82%），并全面分析ANN和CNN在多种牙科疾病诊断中的表现	存在数据偏差、成本问题、技术要求、伦理问题以及小样本数据集性能下降等挑战	识别牙科AI模型，评估其性能，分析不足并讨论未来在牙科临床实践中的应用潜力	牙科影像诊断AI模型	计算机视觉	牙科疾病	深度学习	ANN, CNN	牙科影像	947篇文献中筛选20篇进行荟萃分析	NA	人工神经网络，卷积神经网络	诊断准确率	NA
8294	2025-10-06	Machine and Deep Learning for the Diagnosis, Prognosis, and Treatment of Cervical Cancer: A Scoping Review 2025-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121543 PMID:40564863	综述	本文对机器学习和深度学习在宫颈癌预测、诊断和预后中的应用进行了范围综述	系统梳理了2015-2025年间153项关于ML和DL在宫颈癌领域应用的研究，首次全面总结了该领域的研究现状和发展趋势	需要更多证据验证这些人工智能方法在宫颈癌早期检测、预后和治疗管理中的有效性和可重复性	探索机器学习和深度学习在宫颈癌预测、诊断和预后中的应用	宫颈癌相关研究	机器学习	宫颈癌	机器学习，深度学习	NA	图像	153项研究	NA	NA	NA	NA
8295	2025-10-06	Enhancing Hippocampal Subfield Visualization Through Deep Learning Reconstructed MRI Scans 2025-Jun-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121523 PMID:40564843	研究论文	本研究通过深度学习重建的MRI扫描比较T2 TSE DRB序列与标准T2 TSE序列在海马体分割和体积测量中的表现	首次系统评估深度学习重建的DRB序列在海马体亚区可视化中的临床应用价值，并证明其在保持诊断准确性的同时显著缩短图像采集时间	样本量较小（36名受试者），仅针对癫痫患者群体进行研究	评估深度学习重建MRI序列在海马体病理评估中的效果和效率	癫痫患者的海马体亚区结构	医学影像分析	癫痫	MRI, 深度学习图像重建	深度学习重建模型	MRI图像	36名受试者（平均年龄39±14岁，21名男性，15名女性）	FreeSurfer	NA	体积测量准确性, z值, 效应大小, 图像采集时间减少率	NA
8296	2025-10-06	Fuzzy Optimized Attention Network with Multi-Instance Deep Learning (FOAN-MIDL) for Alzheimer's Disease Diagnosis with Structural Magnetic Resonance Imaging (sMRI) 2025-Jun-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121516 PMID:40564837	研究论文	提出一种结合模糊优化注意力网络与多实例深度学习的系统，用于基于结构磁共振成像的阿尔茨海默病诊断	提出模糊樽海鞘群算法优化注意力权重，结合多实例学习池化过程生成全局加权脑图像	未明确说明样本规模和数据平衡性问题	改进阿尔茨海默病早期诊断的判别特征识别能力	轻度认知障碍患者和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	结构磁共振成像	注意力网络,多实例深度学习	医学影像	ADNI和AIBL两个数据集（具体数量未说明）	NA	模糊优化注意力网络,多实例深度学习	灵敏度,特异性,准确率	NA
8297	2025-10-06	Can AI-Based ChatGPT Models Accurately Analyze Hand-Wrist Radiographs? A Comparative Study 2025-Jun-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121513 PMID:40564836	研究论文	评估基于ChatGPT的大型语言模型在手部腕部X光片上预测骨龄和识别生长阶段的有效性	首次系统评估通用GPT模型在骨龄预测任务中的表现，探索其作为传统方法和CNN模型的替代方案	样本量较小(仅90张X光片)，模型预测存在偏差，尚不能替代临床检查	评估LLM-based聊天机器人在骨龄预测和生长阶段识别中的效果	手部腕部X光片	医学影像分析	生长发育评估	X射线成像	LLM, ChatGPT	X光图像	90张匿名手部腕部X光片(30张来自每个生长阶段，男女各半)	NA	GPT-4o, GPT-o4-mini-high, GPT-o1-pro	Pearson相关系数, 平均绝对误差, 准确率, Bland-Altman分析, Cohen's kappa	NA
8298	2025-10-06	Hierarchical Swin Transformer Ensemble with Explainable AI for Robust and Decentralized Breast Cancer Diagnosis 2025-Jun-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12060651 PMID:40564466	研究论文	提出一种结合分层Swin Transformer集成与可解释AI的联邦学习系统，用于稳健的去中心化乳腺癌诊断	首次将四种分层Swin Transformer变体与随机森林元学习器集成，并采用联邦学习框架保护数据隐私，同时集成Grad-CAM提供可解释性	未明确说明模型在异构数据分布环境下的性能表现	开发一种安全、可解释且具有强泛化能力的乳腺癌诊断AI系统	乳腺癌医学影像数据	计算机视觉	乳腺癌	深度学习，联邦学习	Transformer, Random Forest	医学影像	五个基准数据集：BreakHis、BUSI、INbreast、CBIS-DDSM和组合数据集	PyTorch	Swin Transformer Tiny, Swin Transformer Small, Swin Transformer Base, Swin Transformer Large	F1分数, PR AUC, Matthews相关系数	未明确指定，但支持实时Web应用部署
8299	2025-10-06	ViSwNeXtNet Deep Patch-Wise Ensemble of Vision Transformers and ConvNeXt for Robust Binary Histopathology Classification 2025-Jun-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121507 PMID:40564828	研究论文	提出ViSwNeXtNet集成框架，结合多种视觉Transformer模型用于组织病理学二元分类	首次将ConvNeXt、Swin和ViT三种Transformer架构进行补丁级集成，并采用INCA特征选择方法	目前仅支持二元分类，需要多中心验证和可解释性AI技术集成	开发稳健的组织病理学图像分类方法以提高肠上皮化生的诊断准确性	H&E染色组织切片中的肠上皮化生病变	数字病理学	胃癌前病变	H&E染色	Transformer, CNN	图像	自定义数据集：516例肠上皮化生病例和521例对照病例；GasHisSDB数据集：20,160个正常和13,124个异常图像块	NA	ConvNeXt-Tiny, Swin-Tiny, ViT-Base	准确率, 灵敏度, F1分数	NA
8300	2025-10-06	Enhancing Heart Disease Diagnosis Using ECG Signal Reconstruction and Deep Transfer Learning Classification with Optional SVM Integration 2025-Jun-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15121501 PMID:40564822	研究论文	本研究提出了一种集成ECG信号分割与迁移学习分类的深度学习框架，旨在提高心脏疾病诊断性能	提出创新的ECG分割算法，集成自适应预处理、基于直方图的导联分离和鲁棒点跟踪技术，专注于从噪声和重叠的多导联图像中自动精确重建单个ECG导联	NA	通过ECG信号重建和深度迁移学习分类增强心脏疾病诊断	12导联标准ECG图像	机器学习	心血管疾病	ECG信号分析	CNN, SVM	图像	NA	NA	VGG16, VGG19, ResNet50, InceptionNetV2, GoogleNet	准确率, 召回率, 精确率, F1分数	NA