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
141	2025-10-02	An artificial intelligence model for early-stage breast cancer classification from histopathological biopsy images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1627876 PMID:41018739	研究论文	提出一种基于深度学习的模型，用于从组织病理学活检图像中分类早期乳腺癌	采用DenseNet121骨干网络结合多尺度特征融合策略，能够捕捉多个抽象层次的形态学特征	NA	开发人工智能模型用于乳腺癌的早期分类和亚型识别	乳腺癌组织病理学活检图像	数字病理学	乳腺癌	深度学习	DenseNet121	图像	公开可用的BreaKHis数据集，采用5折交叉验证
142	2025-10-02	The Rise of Artificial Intelligence in Orthopedics: A Bibliometric and Visualization Analysis 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S536633 PMID:41019150	文献计量分析	通过文献计量和可视化分析研究人工智能在骨科领域的应用进展与研究热点	首次系统分析2010-2024年间人工智能在骨科领域的研究趋势和热点主题	仅基于PubMed数据库，国际合作频率相对有限	调查人工智能在骨科领域的应用进展和现状	骨科领域相关学术文献	医学信息学	骨科疾病	文献计量分析，R软件	NA	文献数据	112篇相关文章
143	2025-10-02	Reshaping Anesthesia with Artificial Intelligence: From Concept to Reality 2025, Anesthesia and critical care (Houston, Tex.) PMID:41019310	综述	本文综述人工智能在麻醉学领域的应用现状与发展前景	系统分析从早期规则系统到机器学习、深度学习模型的演进，展示AI在生理参数监测、精准麻醉给药和风险预测等方面的创新应用	面临伦理担忧、临床疑虑、医疗系统间可复现性不足以及缺乏深入数据支持等障碍	探讨人工智能技术在麻醉学领域的应用潜力与发展方向	麻醉临床实践与患者管理	医疗人工智能	NA	机器学习、深度学习、自然语言处理	NA	生理监测数据、脑电图、超声影像、临床文本	NA
144	2025-10-02	Explainable AI and mobile imaging for non-destructive avocado ripeness and internal quality assessment to reduce food waste 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101196 PMID:41019612	研究论文	本研究结合智能手机成像和深度学习技术，开发了一种非破坏性评估鳄梨成熟度和内部质量的方法	首次将可解释AI与移动成像结合用于鳄梨质量评估，采用CNN残差回归模型和LIME技术提供模型解释	研究仅针对鳄梨单一水果，样本量相对有限（1400张图像），存储条件固定为室温	开发非破坏性水果质量评估方法以减少食物浪费	鳄梨的成熟度和内部质量	计算机视觉	NA	智能手机成像、深度学习、LIME可解释性技术	CNN ResNetR、支持向量机回归、随机森林、视觉变换器	图像	1400张鳄梨图像，采集自8天存储期
145	2025-10-02	Multidimensional quality evaluation and traceability study of Fritillariae Cirrhosae Bulbus from different sources 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1648434 PMID:41019711	研究论文	本研究通过多维分析方法评估不同来源川贝母的质量差异并建立深度学习溯源模型	首次整合非靶向代谢组学、生物碱定量、矿质营养元素分析和高光谱成像特征，构建基于ResNet深度学习模型的川贝母溯源系统	外部验证准确率为86.67%，仍有提升空间；样本来源相对有限	建立川贝母多维质量评价体系和准确溯源方法	来自不同产地和栽培方式的川贝母样本（色卡乡野生、八美镇组织培养、川主寺镇野生、安宏乡人工栽培）	数字病理	NA	非靶向代谢组学、生物碱定量分析、矿质营养元素分析、高光谱成像	ResNet深度学习模型、PLS-DA	代谢组学数据、化学分析数据、高光谱图像	来自四个不同来源的川贝母样本
146	2025-10-02	Deep-broad learning network model for precision identification and diagnosis of grape leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1611301 PMID:41019747	研究论文	提出结合宽度学习与深度学习的ABLSS模型，用于葡萄叶片病害的精准识别与诊断	融合宽度学习网络与深度学习技术，引入LTM机制和SENet注意力机制，结合扩张空间金字塔池化和特征金字塔网络提升小病斑识别能力	NA	实现葡萄叶片病害的快速、精准、高效识别与诊断	葡萄叶片病害	计算机视觉	植物病害	深度学习、宽度学习、图像分割	ABLSS（基于BLS优化的深度学习网络）、U-Net	图像	NA
147	2025-10-02	IMNM: integrated multi-network model for identifying pepper leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1558349 PMID:41019742	研究论文	提出一种集成多网络模型IMNM用于识别辣椒叶片病害	结合改进ResNet、动态卷积网络和渐进式原型网络构建集成模型，具备强大的跨作物泛化能力	NA	开发高效准确的作物叶片病害智能识别方法	辣椒叶片病害（健康、病毒病、叶枯病、褐斑病、叶点霉病）	计算机视觉	植物病害	深度学习	集成多网络模型（改进ResNet、DCN、PPN）	图像	五类典型辣椒叶片样本，并在苹果、小麦和水稻叶片上进行跨物种验证
148	2025-10-02	YOLO-LF: application of multi-scale information fusion and small target detection in agricultural disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1609284 PMID:41019758	研究论文	提出改进的YOLO-LF模型用于农业病害检测，通过多尺度信息融合和小目标检测技术提升检测性能	引入CSPPA模块增强多尺度特征融合，SEA模块强化上下文和局部信息的注意力机制，LGCK模块提高对小病灶区域的敏感性	NA	提高农业病害检测中复杂背景下小目标检测的准确性和效率	农作物病害	计算机视觉	农业病害	深度学习	YOLO-LF（基于YOLO改进模型）	图像	Plant Pathology 2020 - FGVC7和Plant Pathology 2021 - FGVC8数据集
149	2025-10-02	Avoidance behaviours of farmed Atlantic salmon (Salmo salar L.) to artificial sound and light: a case study of net-pen mariculture in Norway 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1657567 PMID:41019777	研究论文	研究养殖大西洋鲑对人工声音和光照的回避行为，为水产养殖设备设计提供依据	首次系统研究商业网箱养殖环境下大西洋鲑对不同频率声音和不同深度光照强度的行为反应，并采用深度学习自动分析鱼群分布模式	仅针对挪威网箱养殖环境，未考虑其他养殖条件或鱼种	探究养殖大西洋鲑对人工声音和光照的行为反应，为水产养殖设备设计提供指导	养殖大西洋鲑（Salmo salar L）	水产养殖行为学	NA	声纳数据采集，深度学习图像处理	深度学习	声纳图像数据	商业网箱中的成年养殖大西洋鲑
150	2025-10-02	Evaluation of the impact of AI-driven personalized learning platform on medical students' learning performance 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1610012 PMID:41020237	研究论文	评估基于Coze平台的AI驱动个性化学习对医学生学习成效的影响	首次将动态学习路径优化、情感感知支持和BERT模型资源推荐整合应用于医学教育个性化学习平台	样本量较小（40人），缺乏长期效果验证，存在伦理风险需要进一步评估	评估AI个性化学习平台在医学教育中的应用价值，为教育数字化转型提供实证依据	40名全日制医学本科生	自然语言处理	NA	自然语言处理（NLP），BERT模型，情感计算	BERT	文本，平台日志，测试成绩，问卷调查	40名医学本科生（实验组20人，对照组20人）
151	2025-10-02	DiabetesXpertNet: An innovative attention-based CNN for accurate type 2 diabetes prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330454 PMID:41026707	研究论文	提出一种基于注意力机制的CNN模型DiabetesXpertNet，用于准确预测2型糖尿病	专门针对表格医学数据设计，结合动态通道注意力模块和上下文感知特征增强器，改进了传统CNN在医疗数据上的局限性	NA	提高2型糖尿病的早期预测准确率和可解释性	2型糖尿病患者数据	机器学习	糖尿病	深度学习、互信息和LASSO回归特征选择	CNN with attention mechanism	表格医学数据	PID数据集和德国法兰克福医院糖尿病数据集
152	2025-10-02	Establishment of a Machine Learning-Based Predictive Model for Klebsiella pneumoniae Liver Abscess 2025, Infection and drug resistance IF:2.9Q2 DOI:10.2147/IDR.S545440 PMID:41030238	研究论文	本研究建立了基于机器学习的肺炎克雷伯菌肝脓肿预测模型	首次结合临床特征和超声特征，使用Boruta算法筛选关键预测变量，并比较四种机器学习模型在K-PLA诊断中的性能	回顾性研究设计，样本量有限（201例患者），需外部验证确认模型泛化能力	开发肺炎克雷伯菌肝脓肿的机器学习诊断模型	201例细菌性肝脓肿患者（134例K-PLA，67例非K-PLA）	机器学习	肝脓肿	Boruta特征选择算法，5折交叉验证	Deep Learning-Fully Connected Neural Network, Distributed Random Forest, Gradient Boosting Machine, Generalized Linear Model	临床数据，超声特征，实验室检查结果	201例患者（中位年龄57岁，男性136例）
153	2025-10-02	Integrating deep learning features from mammography with SHAP values for a machine learning model predicting over 5-year recurrence of breast ductal carcinoma In Situ post-lumpectomy 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1681072 PMID:41030436	研究论文	开发结合乳腺X线摄影深度学习特征和临床病理数据的可解释机器学习模型，用于预测乳腺导管原位癌保乳术后5年以上复发风险	首次将乳腺X线摄影的深度学习特征与SHAP值解释结合，创建可解释的预测模型，突破了传统方法仅依赖临床病理因素的局限	回顾性单中心研究，样本量相对有限（140例患者），需要外部验证	预测乳腺导管原位癌患者保乳术后长期复发风险	140例来自哈尔滨医科大学附属肿瘤医院的乳腺导管原位癌患者（2011-2020年）	数字病理	乳腺癌	数字乳腺X线摄影、pyradiomics特征提取、LASSO回归、SHAP值分析	梯度提升机(GBM)及其他15种机器学习算法	医学图像（乳腺X线摄影）、临床病理数据	140例患者（训练集100例，验证集40例）
154	2025-10-02	General artificial intelligence for the diagnosis and treatment of cancer: the rise of foundation models 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf015 PMID:41030612	综述	探讨基础模型在癌症诊断和治疗中的应用与挑战	首次系统阐述生成式AI和通用AI驱动的基础模型在肿瘤学领域的变革潜力	存在多重障碍可能阻碍通用AI和生成式AI的临床转化	分析基础模型在肿瘤学中的应用前景和限制因素	基础模型在癌症诊疗中的应用场景	人工智能	癌症	生成式AI、通用AI、机器学习、深度学习	基础模型	多模态医疗数据	NA
155	2025-10-02	Embryo selection at the cleavage stage using Raman spectroscopy of day 3 culture medium and machine learning: a preliminary study 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1608318 PMID:41030854	研究论文	本研究探索结合拉曼光谱与机器学习预测第3天胚胎培养结果，为卵裂期胚胎筛选提供非侵入性方法	首次将拉曼光谱与机器学习结合用于第3天胚胎培养液分析，实现卵裂期胚胎发育潜力的非侵入性预测	初步研究样本量有限（172个样本），需更大规模验证	开发基于拉曼光谱和机器学习的非侵入性胚胎筛选方法，避免延长胚胎培养可能带来的衰老风险	第3天人类胚胎培养液样本	机器学习	生殖医学	拉曼光谱分析	多层感知机、人工神经网络、门控循环单元、线性判别分析等12种机器学习模型	光谱数据	172个第3天培养液样本，来自78对夫妇
156	2025-10-02	Advancing breast cancer relapse prediction with radiomics and neural networks: a clinically interpretable framework 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1593806 PMID:41030950	研究论文	开发基于放射组学和神经网络的乳腺癌复发预测框架	提出临床可解释的深度学习模型，整合多种放射组学特征实现高精度复发预测	使用私有内部数据集，缺乏外部验证	通过放射组学特征预测乳腺癌复发风险	乳腺癌患者	数字病理	乳腺癌	放射组学特征提取	神经网络	数字乳腺X线影像	私有内部数据集（具体样本量未说明）
157	2025-10-02	Comparative analysis of machine learning techniques on the BraTS dataset for brain tumor classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1596718 PMID:41030946	研究论文	本研究比较多种机器学习和深度学习技术在BraTS数据集上的脑肿瘤分类性能	发现传统机器学习方法（随机森林）在脑肿瘤分类任务中优于多种先进深度学习模型	仅使用单一数据集（BraTS 2024）进行评估，未在其他数据集上验证结果	评估不同机器学习技术在脑肿瘤MRI图像分类中的相对性能	脑肿瘤MRI图像	计算机视觉	脑肿瘤	机器学习，深度学习	随机森林，CNN，VGG16，VGG19，ResNet50，Inception-ResNetV2，EfficientNet	医学图像（MRI）	BraTS 2024数据集
158	2025-10-02	Development and evaluation of a deep learning model for occlusion classification in intraoral photographs 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20140 PMID:41031041	研究论文	开发并评估用于口内照片咬合分类的深度学习模型	首次将深度学习技术应用于口内照片的咬合分类，实现自动化诊断	模型性能在不同咬合子类型间存在差异，需要进一步验证临床适用性	开发基于深度学习的咬合自动分类工具，提高正畸诊断效率和客观性	口内照片中的咬合关系分类	计算机视觉	口腔疾病	深度学习	Swin Transformer	图像	6100名患者的7200张口内照片（5000张45°侧视图，2200张90°侧视图）
159	2025-10-02	DeepEPI: CNN-transformer-based model for extracting TF interactions through predicting enhancer-promoter interactions 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf221 PMID:41031058	研究论文	提出基于CNN-Transformer混合模型的DeepEPI框架，通过预测增强子-启动子相互作用来提取转录因子相互作用	首次将CNN与Transformer模块结合用于EPI研究，通过多头注意力机制提取有生物学意义的TF-TF相互作用	未明确说明模型在不同细胞类型间的泛化能力	开发深度学习框架研究增强子-启动子相互作用及其调控机制	基因组序列中的增强子-启动子相互作用	生物信息学	NA	DNA序列编码（OneHot编码和DNA2Vec编码）	CNN-Transformer混合模型	基因组序列数据	6个细胞系的数据
160	2025-10-02	Advancements in Image-Based Analyses for Morphology and Staging of Colon Cancer: A Comprehensive Review 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/9214337 PMID:41031243	综述	本文系统回顾了基于图像的结肠癌形态学分析和分期技术的最新进展，重点关注人工智能和机器学习在影像分析中的应用	全面评估AI辅助影像技术在结肠癌检测和分期中的诊断准确性，深度学习算法在5年生存率预测方面达到超过90%的准确率	存在观察者间变异性、数据集偏差、监管问题以及缺乏标准化AI验证协议等挑战	探索基于图像的结肠癌形态学和分期分析方法，提升早期检测和治疗个性化水平	结肠癌的影像学特征和分期评估	数字病理	结肠癌	结肠镜检查、CT、MRI、内镜超声、组织病理学分析、AI和机器学习算法	深度学习	医学影像	基于PubMed、Scopus和IEEE Xplore数据库过去十年发表的同行评审研究