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
141	2025-11-15	DeepPlantAllergy: deep learning for explainable prediction of allergenicity in plant proteins 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf605 PMID:41236479	研究论文	开发基于深度学习的可解释性植物蛋白过敏性预测模型DeepPlantAllergy	结合CNN、BiLSTM和多头自注意力机制捕捉蛋白质序列的局部模式和长程依赖关系，并采用集成梯度方法识别致敏残基	主要针对研究较少的植物过敏原，可能对其他类型过敏原的预测效果有限	开发可解释的蛋白质过敏性预测模型	植物蛋白质序列	生物信息学	过敏性疾病	蛋白质序列分析	CNN, BiLSTM, MHSA	蛋白质序列数据	NA	NA	CNN-BiLSTM-MHSA混合架构	F1-score, AUC	NA
142	2025-11-15	Identification of key genes in pancreatic ductal adenocarcinoma with biologically informed deep neural network 2025-Oct-31, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-2025-218 PMID:41220726	研究论文	本研究使用生物信息学指导的深度神经网络识别胰腺导管腺癌中与预后和免疫微环境相关的关键基因	首次将P-NET（生物信息学指导的神经网络）模型应用于PDAC关键基因识别，并发现JAG1、MET和PLAU三个基因可能成为联合免疫治疗新靶点	研究基于五个独立PDAC队列的回顾性数据，需要进一步实验验证	识别与胰腺导管腺癌预后和免疫微环境相关的关键基因	胰腺导管腺癌患者基因表达数据	生物信息学	胰腺癌	深度学习，差异表达分析，生存分析，TIDE分析，CellPhoneDB分析，分子对接	深度神经网络	基因表达数据	五个独立PDAC队列的628个重要基因	NA	P-NET（生物信息学指导的神经网络）	生存分析，TIDE分析	NA
143	2025-11-15	Detecting Escherichia coli Contamination on Plant Leaf Surfaces Using UV-C Fluorescence Imaging and Deep Learning 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213352 PMID:41225902	研究论文	本研究利用UV-C荧光成像和深度学习技术检测植物叶片表面的大肠杆菌污染	首次将CSI-D+系统与多种深度学习模型结合用于检测不同浓度的大肠杆菌污染，并采用Eigen-CAM热图可视化模型响应	研究仅针对柑橘和菠菜叶片，样本种类有限；仅测试了8个浓度梯度	开发快速可靠的农产品表面大肠杆菌污染检测方法以增强食品安全	柑橘和菠菜叶片表面的大肠杆菌污染	计算机视觉	食源性疾病	UV-C荧光成像	CNN	荧光图像	8个柑橘叶片和12个菠菜叶片，每个浓度水平10个液滴，共8个浓度梯度(0-10 CFU/mL)	PyTorch	EfficientNetB7, ConvNeXtBase, YOLO11n, YOLO11s, YOLO11m, YOLO11l, YOLO11x	准确率	NA
144	2025-11-15	MRSliceNet: Multi-Scale Recursive Slice and Context Fusion Network for Instance Segmentation of Leaves from Plant Point Clouds 2025-Oct-31, Plants (Basel, Switzerland) DOI:10.3390/plants14213349 PMID:41225899	研究论文	提出一种用于植物点云叶片实例分割的多尺度递归切片与上下文融合网络MRSliceNet	受人类视觉认知启发，集成多尺度递归切片模块、上下文融合模块和实例感知聚类头，实现精确的叶片实例分离	NA	解决植物点云中叶片自动分割的挑战，实现自动化植物表型分析	植物叶片点云数据	计算机视觉	NA	LiDAR 3D传感技术	深度学习框架	点云数据	在两个具有挑战性的数据集上进行实验	NA	MRSliceNet（包含多尺度递归切片模块MRSM、上下文融合模块CFM、实例感知聚类头IACH）	AP（平均精度）	NA
145	2025-11-15	Deep Learning Network with Illuminant Augmentation for Diabetic Retinopathy Segmentation Using Comprehensive Anatomical Context Integration 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212762 PMID:41226054	研究论文	提出一种结合全面解剖背景整合和光照增强的深度学习网络用于糖尿病视网膜病变分割	创建首个系统整合DR病变与完整视网膜解剖结构的数据集，并创新性地采用基于光照的数据增强方法	在不同域数据集上表现不一致，泛化能力有待进一步提升	解决糖尿病视网膜病变分割中的域偏移和假阳性问题	糖尿病视网膜病变的视网膜图像	医学图像分割	糖尿病视网膜病变	深度学习，图像分割	DeepLabV3+	视网膜图像	IDRiD、DDR和TJDR三个数据集	NA	DeepLabV3+	AUC-PR, IoU, F1-score	NA
146	2025-11-15	Correlation Study Between Neoadjuvant Chemotherapy Response and Long-Term Prognosis in Breast Cancer Based on Deep Learning Models 2025-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212763 PMID:41226055	研究论文	基于深度学习模型研究乳腺癌新辅助化疗反应与长期预后的相关性	开发可解释的深度学习模型整合多变量预测新辅助化疗后复发和转移，超越传统二元病理完全缓解评估	回顾性研究设计，样本量相对有限（832例患者）	预测乳腺癌患者新辅助化疗后的复发和转移风险	832例接受新辅助化疗的乳腺癌患者	机器学习	乳腺癌	NA	MLP, SVM, Random Forest, XGBoost	临床和病理变量	832例乳腺癌患者（2013-2022年）	PyTorch	多层感知器	AUC, 准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
147	2025-11-15	KINLI: Time Series Forecasting for Monitoring Poultry Health in Complex Pen Environments 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213180 PMID:41227514	研究论文	本文研究在复杂禽舍环境中使用时间序列预测方法监测家禽健康	利用包含火鸡养殖真实传感器数据的新数据集，在具有高方差、传感器缺陷和时间戳不可靠的挑战性数据条件下评估多种先进预测算法	数据存在传感器缺陷和时间戳不可靠问题，且仅针对火鸡养殖环境进行研究	开发准确的时间序列预测方法用于家禽健康监测	火鸡养殖场的传感器数据，包括采食量、饮水量和各种环境参数	机器学习	NA	传感器数据采集	Transformer, 时间序列基础模型	时间序列数据	来自火鸡养殖场的真实传感器数据集	NA	Transformer	预测准确性, 模型运行效率	NA
148	2025-11-15	EyeInvaS: Lowering Barriers to Public Participation in Invasive Alien Species Monitoring Through Deep Learning 2025-Oct-31, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15213181 PMID:41227512	研究论文	开发基于深度学习的入侵外来物种监测系统EyeInvaS，降低公众参与生态监测的门槛	构建了中国54种关键入侵物种的多类群图像数据集，开发了集成图像采集、识别、地理标记和数据共享的AI系统	识别精度受目标在画面中的占比和背景复杂度影响	通过深度学习技术降低公众参与入侵外来物种监测的专业门槛	中国54种关键入侵外来物种	计算机视觉	NA	深度学习	CNN	图像	1683个用户提交的监测数据	NA	EfficientNetV2	F1-score	NA
149	2025-11-15	Smart Total Knee Replacement: Recognition of Activities of Daily Living Using Embedded IMU Sensors and a Novel AI Model in a Cadaveric Proof-of-Concept Study 2025-Oct-31, Sensors (Basel, Switzerland) DOI:10.3390/s25216657 PMID:41228880	研究论文	本研究通过植入人工膝关节的IMU传感器和新型AI模型，在尸体概念验证实验中实现了日常活动识别	首次在人工膝关节中嵌入IMU传感器，并开发了新型多模态深度学习模型用于日常活动识别	基于单一尸体样本的概念验证研究，样本规模有限	开发智能人工膝关节系统，通过活动识别改善患者康复评估	植入IMU传感器的改良型后稳定型人工膝关节	医疗人工智能	膝关节疾病	惯性测量单元(IMU)传感技术	多模态深度学习模型	IMU传感器数据	1具尸体膝关节	NA	新型多模态深度学习架构	准确率,F1分数	NA
150	2025-11-15	Deep learning radiomics and 18F-FDG PET/CT imaging: mediastinal lymph node characteristics as predictors of metastasis in non-small cell lung cancer 2025-Oct-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-650 PMID:41234569	研究论文	本研究开发并验证了一种基于18F-FDG PET/CT的深度学习放射组学方法，用于区分非小细胞肺癌患者的良恶性淋巴结	首次将DenseNet121深度学习特征与传统放射组学特征相结合，证明两者具有互补性并能显著提高诊断准确性	回顾性研究设计，样本量相对有限（217个淋巴结），需要进一步前瞻性验证	开发能够准确区分非小细胞肺癌患者良恶性淋巴结的深度学习放射组学模型	非小细胞肺癌患者的纵隔淋巴结	医学影像分析	肺癌	18F-FDG PET/CT成像	ANN, ET, DenseNet121	医学影像（PET/CT图像）	185名非小细胞肺癌患者的217个高代谢淋巴结	NA	DenseNet121	AUC, 准确率, 敏感度, 特异度, F1分数	NA
151	2025-11-15	Deep learning-based classification of pleural malignancy using medical thoracoscopic images 2025-Oct-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-588 PMID:41234571	研究论文	本研究开发了一种基于深度学习的模型，用于对胸腔镜图像中的胸膜恶性肿瘤进行分类	首次将深度学习应用于胸腔镜图像进行胸膜恶性肿瘤分类，即使在没有明显肿瘤结节的情况下仍保持高准确率	研究基于单中心数据，模型性能可能受限于样本来源的多样性	开发基于深度学习的胸膜恶性肿瘤分类模型并评估其诊断性能	426例接受医疗胸腔镜检查患者的胸膜图像	计算机视觉	肺癌	医疗胸腔镜	CNN	图像	426名患者的4,932张胸腔镜图像（2,093张良性，2,839张恶性）	TensorFlow, Keras	InceptionV3	准确率, 精确率, 召回率, F1分数, ROC-AUC, Grad-CAM	NA
152	2025-11-15	Incremental prognostic value of solid component volume ratio and entropy for pathological stage IA invasive lung adenocarcinoma after surgery 2025-Oct-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-838 PMID:41234597	研究论文	本研究评估基于深度学习的定量参数对病理IA期浸润性肺腺癌术后复发的增量预后价值	首次将深度学习定量参数（实性成分体积比和熵）与传统测量方法比较，并证明其在预测IA期肺腺癌复发中的优越性	研究为回顾性设计，需要前瞻性验证	评估深度学习定量参数对病理IA期浸润性肺腺癌术后复发的预后价值	病理IA期浸润性肺腺癌患者	数字病理	肺癌	CT影像分析, 深度学习, 放射组学	深度学习模型	医学影像	2,117例病理IA期浸润性肺腺癌患者	NA	NA	Harrell一致性指数, ROC曲线, 净重分类改善指数, 综合判别改善指数, 校准曲线, 决策曲线分析	NA
153	2025-11-15	A deep learning-based prognostic prediction model for distal cholangiocarcinoma incorporating the metabolism-inflammation marker monocyte-to-high-density lipoprotein cholesterol ratio 2025-Oct-31, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-968 PMID:41234827	研究论文	开发基于深度学习的远端胆管癌预后预测模型，整合新型代谢炎症标志物单核细胞与高密度脂蛋白胆固醇比值	首次将MHR这一新型炎症代谢生物标志物与深度学习相结合构建远端胆管癌预后预测模型	单中心回顾性研究，样本量有限（188例患者）	研究MHR在远端胆管癌患者中的预后价值并构建预测模型	接受根治性胰十二指肠切除术的远端胆管癌患者	数字病理学	胆管癌	临床病理数据分析，深度学习	随机森林，LASSO回归，Cox比例风险模型	临床病理记录，实验室检测数据	188例患者	NA	列线图（Nomogram）	AUC，疾病无进展生存期，总生存期	NA
154	2025-11-15	FISM: harnessing deep learning and reinforcement learning for precision detection of microaneurysms and retinal exudates for early diabetic retinopathy diagnosis 2025-Oct-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00485-2 PMID:41168809	研究论文	提出一种结合深度学习和强化学习的FISM模型，用于精确检测糖尿病视网膜病变的微动脉瘤和视网膜渗出物	首次将Segment Anything Model (SAM)架构应用于眼底图像分割，并集成强化学习实现自适应注意力机制	仅使用单一数据集进行验证，缺乏多中心外部验证	开发高精度的糖尿病视网膜病变早期诊断模型	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底图像分析	深度学习,强化学习	图像	超过13,000张带标注的眼底图像	PyTorch	Segment Anything Model (SAM),Transformer	准确率,精确率,召回率,F1分数,AUC,特异性,Dice系数,IoU	NA
155	2025-11-15	AI-based detection of MRI-invisible prostate cancer with nnU-Net 2025-Oct-30, The Canadian journal of urology DOI:10.32604/cju.2025.068853 PMID:41220354	研究论文	开发基于nnU-Net自适应神经网络的AI图像识别系统，用于检测MRI不可见的前列腺癌	首次将nnU-Net应用于MRI不可见前列腺癌的检测，针对PI-RADS评分≤3的疑难病例	回顾性研究，样本量相对较小（150例患者），仅来自单一医疗中心	开发AI系统辅助临床医生检测MRI不可见的前列腺癌	经病理证实具有临床意义前列腺癌但术前MRI阴性的患者	数字病理	前列腺癌	多参数MRI（T2WI、DWI、ADC序列）	CNN	医学影像	150例患者，1475张MRI图像	nnU-Net	nnU-Net	Dice相似系数, 灵敏度, 特异性, 假阳性率, 假阴性率	NA
156	2025-11-15	Feasibility of Multimodal Deep Learning for Automated Staging of Familial Exudative Vitreoretinopathy Using Color Fundus Photographs and Fluorescein Angiography 2025-Oct-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212752 PMID:41226045	研究论文	评估多模态深度学习在家族性渗出性玻璃体视网膜病变自动分期中的可行性	首次构建多模态FEVR数据集并系统比较CNN、Transformer和多模态融合方法，提出CRD-Net实现最优性能	研究基于确认队列，模型对中间分级的识别能力有限（AUC < 0.70）	开发自动化的家族性渗出性玻璃体视网膜病变分期系统	家族性渗出性玻璃体视网膜病变患者	数字病理	视网膜疾病	彩色眼底照相，荧光素血管造影	CNN, Transformer	图像	涵盖FEVR 0-5期和激光术后病例的多模态数据集	NA	ResNet, CRD-Net, Transformer	准确率, 召回率, 精确率, 宏F1, Cohen's κ, ROC/AUC	NA
157	2025-11-15	Automated Multi-Class Classification of Retinal Pathologies: A Deep Learning Approach to Unified Ophthalmic Screening 2025-Oct-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212745 PMID:41226037	研究论文	开发并验证了一个统一的深度学习框架，用于从眼底照片自动分类多种视网膜病变	突破了传统单疾病模型的局限，创建了能够同时分类九种不同视网膜疾病的综合筛查工具	数据集相对较小（1841张图像），仅包含九种疾病类别	开发一个统一的深度学习框架，用于视网膜病变的多类别自动分类	眼底照片中的视网膜病变	计算机视觉	视网膜病变	眼底摄影	CNN	图像	1841张眼底照片，涵盖九个类别	NA	ResNet-152, EfficientNetV2, YOLOv11	准确率, 宏平均F1分数, AUC	NA
158	2025-11-15	Automated Detection of Lumbosacral Transitional Vertebrae on Plain Lumbar Radiographs Using a Deep Learning Model 2025-Oct-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14217671 PMID:41227066	研究论文	开发并验证基于深度学习的AI模型，用于在普通腰椎X光片上自动检测腰骶移行椎	首次将深度学习技术应用于腰骶移行椎的自动检测，通过比较多种架构选择最优模型	研究为回顾性观察研究，样本量相对有限（3116张X光片）	开发自动检测腰骶移行椎的AI模型以减少诊断错误	腰椎侧位X光片中的腰骶移行椎	计算机视觉	脊柱疾病	X射线成像	CNN	图像	3116张站立腰椎侧位X光片	PyTorch	ResNet-50, DINOv2, CLIP (ViT-B/32)	准确率, 灵敏度, 特异性, AUC	NA
159	2025-11-15	Hardness and Surface Roughness of 3D-Printed ASA Components Subjected to Acetone Vapor Treatment and Different Production Variables: A Multi-Estimation Work via Machine Learning and Deep Learning 2025-Oct-29, Polymers IF:4.7Q1 DOI:10.3390/polym17212881 PMID:41228641	研究论文	首次结合机器学习和深度学习分析丙酮蒸汽处理与3D打印参数对ASA组件硬度和表面粗糙度的综合影响	首次在技术文献中应用多种机器学习和深度学习策略研究3D打印ASA组件的后处理效果	仅研究了特定范围的蒸汽处理时间、层厚度和填充率参数	通过机器学习方法优化3D打印ASA组件的硬度和表面质量性能	丙烯腈苯乙烯丙烯酸酯(ASA)3D打印组件	机器学习	NA	3D打印, 丙酮蒸汽处理	SVR, 1D-CNN, GB, RNN	实验测量数据	4种蒸汽处理时间×3种层厚度×3种填充率=36种参数组合	NA	一维卷积神经网络, 循环神经网络	预测误差	NA
160	2025-11-15	Applications of artificial intelligence in diagnosis and treatment planning of orthodontics: a narrative review 2025-Oct-28, The Saudi dental journal DOI:10.1007/s44445-025-00077-0 PMID:41148504	综述	本文综述了人工智能在正畸诊断和治疗计划中的应用现状与发展前景	系统总结了人工智能在正畸领域的多种应用场景，包括标志点识别、错颌畸形分类、治疗计划制定等，并强调了临床监督的重要性	需要更多临床试验来验证和优化这些模型的准确性和可靠性	探讨人工智能在正畸学各领域的相关性和应用价值	正畸诊断和治疗计划相关研究	数字病理	口腔疾病	深度学习	深度学习模型	二维和三维解剖结构数据	NA	NA	NA	准确性	NA