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
161	2025-10-04	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	开发基于深度学习的计算流程，利用多中心组织学图像进行儿童肉瘤亚型分类	采用SAMPLER-based WSI表示方法，结合多尺度特征和先进ViT基础模型，显著提升分类性能并大幅降低模型大小和训练时间	研究仅基于867张全切片图像，样本量相对有限，且仅来自三个医疗中心	开发准确分类儿童肉瘤亚型的计算方法，减少诊断变异性和提高诊断可及性	儿童肉瘤组织学切片图像，包括横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤和尤文氏肉瘤	数字病理学	儿童肉瘤	组织学成像、深度学习	CNN、ViT（包括UNI、CONCH基础模型）	全切片图像（WSI）	867张全切片图像，来自三个医疗中心和儿童肿瘤学组（COG）
162	2025-10-04	Continuous Reaching and Grasping with a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals 2025-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325551 PMID:40321282	研究论文	提出一种基于运动想象的脑机接口范式，通过增加“点击”信号实现机械臂的连续抓取控制	将计算机鼠标机制引入运动想象范式，增加额外输出信号，提高脑机接口系统的自由度	脑电信号信噪比低和空间分辨率有限	开发能够同时控制移动和点击的脑机接口系统，实现连续抓取任务	健康受试者和中风患者	脑机接口	中风	脑电信号处理，深度学习	DL	EEG信号	健康受试者和中风幸存者（具体数量未明确说明）
163	2025-10-04	Continuous Reaching and Grasping With a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3611821 PMID:40966144	研究论文	提出一种基于运动想象的脑机接口范式，通过增加点击信号实现机器人手臂的连续抓取控制	将计算机鼠标机制引入运动想象范式，增加点击信号作为额外自由度，实现连续控制而非离散动作选择	脑电信号信噪比低和空间分辨率有限	开发能同时控制移动和点击的脑机接口系统，用于复杂任务执行	健康受试者和中风幸存者	脑机接口	中风	脑电信号处理，深度学习	DL	EEG信号	健康受试者和中风患者（具体数量未明确说明）
164	2025-10-04	Tomato seedling stem and leaf segmentation method based on an improved ResNet architecture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1571445 PMID:40978790	研究论文	提出基于改进ResNet架构的番茄幼苗茎叶点云分割方法	通过集成瓶颈模块和下采样技术优化传统残差块，结合曲率特征和几何特性设计专用卷积层，并采用自适应平均池化提升泛化能力	NA	提高番茄植株表型特征分割精度和效率	番茄幼苗的茎和叶点云数据	计算机视觉	NA	3D点云技术	改进的ResNet架构（X-ResNet）	点云数据	NA
165	2025-10-04	Reduced Biquaternion Dual-Branch Deraining U-Network via Multi-Attention Mechanism 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3612841 PMID:41004362	研究论文	提出一种基于简化双四元数的双分支去雨U型网络，通过多注意力机制提升图像去雨性能	首次在去雨任务中应用简化双四元数值神经网络，并在RQ域扩展自注意力和卷积注意力机制	未明确说明模型在真实场景中的泛化能力限制	开发更有效的图像去雨方法以提升视觉任务在雨天的性能	雨天图像中的雨纹、雨雾、雨滴等退化现象	计算机视觉	NA	深度学习，简化双四元数神经网络	U-Net，双分支网络，自注意力机制，卷积注意力机制	图像	多种雨天数据集（雨纹/雨雾/雨滴/真实雨天）
166	2025-10-04	Three-dimensional ultrastructural characterization of Drosophila melanogaster hygrosensilla across humidity conditions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314841 PMID:41021596	研究论文	本研究通过整合湿度控制、快速冷冻保存和连续块面扫描电镜技术，对果蝇湿度感受器的三维超微结构进行了表征	开发了结合精确湿度控制和深度学习分割的三维结构分析方法，首次揭示了不同湿度条件下感受器宽度的系统性差异和腔室特异性结构适应	研究主要关注结构特征，湿度感知的具体分子机制仍需进一步验证	探究昆虫湿度感受器的结构基础和工作机制	黑腹果蝇（Drosophila melanogaster）的湿度感受器	生物传感	NA	连续块面扫描电镜（SBF-SEM）、深度学习分割、快速冷冻保存	深度学习分割模型	三维电子显微镜图像	在不同湿度条件下处理的果蝇湿度感受器样本
167	2025-10-04	Alzheimer's disease classification using a hybrid deep learning approach with multi-layer U-net segmentation and XAI driven analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332572 PMID:41021656	研究论文	提出一种结合多层级U-Net分割和可解释AI的混合深度学习方法来分类阿尔茨海默病	采用多层级U-Net进行灰质分割，结合多尺度EfficientNet与SVM的混合分类方法，并集成显著性图定量分析增强模型可解释性	尚未在公开阿尔茨海默病MRI数据集上验证，需要进一步集成更先进的可解释AI技术	开发高精度、可解释的阿尔茨海默病自动诊断方法	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	数字病理	阿尔茨海默病	MRI影像分析	U-Net, EfficientNet, SVM	医学影像	NA
168	2025-10-04	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	专门针对表格医疗数据设计，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在医疗数据上的应用	NA	开发深度学习框架以提升2型糖尿病的预测准确性	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（卷积神经网络）	表格医疗数据	PID数据集和德国法兰克福医院糖尿病数据集
169	2025-10-04	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	首次使用Boruta算法进行特征选择，并比较了四种机器学习模型在肺炎克雷伯菌肝脓肿鉴别诊断中的性能	回顾性研究设计，样本量相对有限（201例患者）	开发肺炎克雷伯菌肝脓肿的机器学习鉴别诊断模型	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（134例K-PLA，67例非K-PLA）
170	2025-10-04	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	本研究开发了一种结合乳腺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值解释方法结合，构建可解释的复发预测模型，突破了传统方法仅依赖临床病理因素的局限	研究为单中心回顾性分析，样本量相对有限（140例患者），需要更大规模的前瞻性验证	开发能够准确预测乳腺导管原位癌保乳术后长期复发的机器学习模型	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、机器学习	梯度提升机(GBM)、LASSO回归	医学图像、临床数据	140例患者（训练集100例，验证集40例）
171	2025-10-04	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	本文综述了生成式AI和基础模型在癌症诊疗领域的应用现状与发展前景	系统阐述了基于通用AI和生成式AI的基础模型在肿瘤学中的革命性应用潜力	存在多重障碍可能阻碍通用AI和生成式AI的临床转化	探讨基础模型在癌症诊断和治疗中的应用与挑战	癌症诊疗领域中的AI技术应用	机器学习	癌症	生成式AI、基础模型、深度学习	基础模型	多模态医疗数据	NA
172	2025-10-04	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，为卵裂期胚胎选择提供非侵入性方法	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能的非侵入性预测	初步研究样本量有限，需更大规模验证	开发基于拉曼光谱和机器学习的卵裂期胚胎选择方法，减少延长培养对后代的影响	第3天胚胎培养液样本	机器学习	生殖医学	拉曼光谱	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份第3天培养液样本（来自78对夫妇）
173	2025-10-04	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深度学习模型的乳腺癌复发预测框架	结合临床可解释的放射组学特征与神经网络构建可解释预测模型	使用私有内部数据集，缺乏外部验证	通过早期预测乳腺癌复发改善患者生存率和治疗结果	乳腺癌患者	数字病理	乳腺癌	放射组学特征提取	深度学习神经网络	数字乳腺X线影像	私有内部数据集（具体样本量未明确说明）
174	2025-10-04	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	比较多种机器学习和深度学习技术在BraTS数据集上对脑肿瘤分类的性能	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的深度学习模型	仅使用单一数据集进行评估，未在其他数据集上验证结果的普适性	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
175	2025-10-04	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分类工具，提高正畸诊断效率和客观性	正畸患者的咬合关系分类	计算机视觉	口腔错颌畸形	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）
176	2025-10-04	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DeepEPI深度学习框架，通过整合CNN和Transformer模块从基因组序列预测增强子-启动子相互作用	首次将CNN与Transformer结合用于EPI预测，通过多头注意力机制提取转录因子相互作用，提供可解释性分析	未明确说明模型在不同细胞类型间的泛化能力及计算资源需求	开发能够从基因组序列预测增强子-启动子相互作用的深度学习模型	基因组序列中的增强子和启动子区域	生物信息学	NA	深度学习，DNA序列编码	CNN-Transformer混合模型	基因组序列数据	6个细胞系的数据集
177	2025-10-04	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	重点探讨了人工智能和机器学习在结肠癌影像分析中的整合应用及其诊断准确性	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	评估结肠癌检测、分期和治疗规划的影像技术	结肠癌的影像学分析和分期	数字病理学	结肠癌	结肠镜检查、CT、MRI、内镜超声、组织病理学分析	深度学习算法	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
178	2025-10-04	Deep learning-based approach for phenotypic trait extraction and computation of tomato under varying water stress 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1660593 PMID:41031303	研究论文	本研究开发了一种基于深度学习的番茄表型性状提取和参数计算框架，用于监测不同水分胁迫条件下的番茄生长状况	将自适应核卷积(AKConv)集成到YOLOv11n骨干网络的C3模块中，并设计了基于P2层的重新校准特征金字塔检测头	植株高度测量的平均相对误差为6.9%，叶柄计数的误差为10.12%	开发高效监测番茄水分胁迫的表型分析框架	番茄植株	计算机视觉	NA	深度学习，目标检测，几何分析	YOLOv11n，随机森林，支持向量机，逻辑回归，决策树，K近邻，朴素贝叶斯，梯度提升	图像	NA
179	2025-10-04	Swin-YOLO-SAM: a hybrid Transformer-based framework integrating Swin Transformer, YOLOv12, and SAM-2.1 for automated identification and segmentation of date palm leaf diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1666374 PMID:41031307	研究论文	提出一种基于Transformer的混合框架，用于枣椰树叶部病害的自动识别与分割	集成Swin Transformer、YOLOv12和SAM-2.1的混合Transformer架构，在低标注场景下实现高精度病害检测与分割	未明确说明模型计算复杂度及在移动设备上的部署可行性	开发自动化植物病害诊断系统，提升精准农业中的病害监测效率	枣椰树叶部病害（真菌、细菌和虫害相关疾病）	计算机视觉	植物病害	深度学习	Swin Transformer, YOLOv12, SAM-2.1, Vision Transformer (ViT)	图像	13,459张棕榈叶图像
180	2025-10-04	Ecological suitability evaluation of traditional village locations in Jiangxi Province based on multi-model integration using artificial intelligence 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332375 PMID:41032510	研究论文	基于人工智能多模型集成方法评估江西省传统村落选址的生态适宜性	首次将多种机器学习和深度学习模型集成应用于传统村落生态适宜性评价，构建了综合适宜性指数(CSI)	研究范围仅限于江西省413个传统村落，未涵盖其他地区	评估传统村落选址的生态适宜性并分析祖先的生态智慧	江西省413个传统村落选址点	机器学习	NA	随机森林、支持向量机、梯度提升决策树、卷积神经网络、多层感知器	多模型集成	空间栅格数据	413个传统村落选址点