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
2661	2025-12-17	Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.24.25330211 PMID:40666360	研究论文	本研究提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于预测县级层面的Covid-19病例和死亡数	结合了多源数据（历史病例、死亡数据、社交媒体情感分析）并开发了多层级、多尺度的注意力机制进行自适应时频分析，以捕捉时间序列数据中的时空动态	未明确提及模型在其他传染病或不同地理区域的泛化能力测试，以及社交媒体数据质量对预测结果的具体影响分析	提高传染病大流行的预测准确性，以增强公共卫生准备和应对策略	Covid-19大流行期间的县级病例和死亡数据	自然语言处理, 机器学习	传染病	社交媒体情感分析, 多源数据融合	Transformer	时间序列数据, 文本数据	三个Omicron变异波期间（2021年12月至2023年2月）的县级数据	NA	Transformer	中位数县级一致性准确率	NA
2662	2025-12-17	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-05-10, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	综述	本文综述了人工智能在生物医学多模态数据融合与分析中的应用、挑战及未来方向	全面概述了生物医学多模态表示学习方法，并提出了通过模型预训练和知识整合来适应深度学习方法的未来方向	NA	探讨人工智能在生物医学数据整合分析中的应用及挑战	分子、细胞、图像和电子健康记录等多模态生物医学数据集	机器学习	NA	NA	深度学习模型	多模态数据（包括分子、细胞、图像和电子健康记录）	NA	NA	NA	NA	NA
2663	2025-12-17	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Apr-29, ArXiv PMID:40395941	研究论文	本研究介绍了首个公开的专家标注肩部病理数据集ScopeMRI，并开发了一个深度学习框架，用于在标准MRI和MRA上检测Bankart病变	首次公开了专家标注的肩部病理数据集ScopeMRI，并针对临床诊断挑战性的Bankart病变，开发了结合CNN和Transformer的深度学习模型，在标准MRI上达到了与放射科医生解读MRA相当或更优的性能	外部验证仅展示了初步的泛化能力，需要更多独立医院数据进一步验证模型在不同成像协议下的鲁棒性	开发深度学习模型以在标准MRI上检测Bankart病变，减少对侵入性MRA的依赖	肩部MRI图像，包括标准MRI和MRI关节造影（MRA）	医学影像分析	肩部损伤（Bankart病变）	MRI成像	CNN, Transformer	3D医学影像（MRI）	586个肩部MRI（335个标准MRI，251个MRA），来自558名患者	NA	CNN, Transformer	AUC, 灵敏度, 特异性	NA
2664	2025-12-17	CellSAM: A Foundation Model for Cell Segmentation 2025-Feb-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.17.567630 PMID:38045277	研究论文	本文提出了一种名为CellSAM的通用细胞分割基础模型，该模型通过结合目标检测器和提示工程方法，能够在多种细胞成像数据上实现跨域泛化	基于Segment Anything Model (SAM)开发了一种提示工程方法，并结合自动细胞检测器CellFinder，构建了一个能够跨多种成像模态和细胞类型进行零样本和少样本学习的通用细胞分割模型	未明确提及模型在极端成像条件或高度异质性细胞样本上的性能限制	开发一个能够泛化到不同细胞成像数据的通用细胞分割模型	哺乳动物细胞、酵母和细菌的成像数据	数字病理学	NA	细胞成像	基础模型	图像	NA	NA	Segment Anything Model (SAM), CellFinder	人类水平性能	NA
2665	2025-12-17	Challenges and Opportunities in the Clinical Translation of High-Resolution Spatial Transcriptomics 2025-01, Annual review of pathology DOI:10.1146/annurev-pathmechdis-111523-023417 PMID:39476415	综述	本文综述了高分辨率空间转录组学技术在临床转化中的挑战与机遇，重点讨论了其工作原理、在疾病机制识别和个性化治疗指导方面的潜力，以及临床研究设计的指导	强调了空间转录组学技术如何以亚细胞分辨率数字化基因表达，并结合多模态读数和深度学习方法来全面理解组织生物学和病理学	讨论了高分辨率空间转录组学技术快速转化中仍存在的挑战	探讨空间转录组学技术在临床病理学中的转化应用，以推动个性化医疗	常规收集和存档的临床样本（如组织切片）	数字病理学	NA	空间转录组学技术, 下一代测序	深度学习	基因表达数据, 组织图像	NA	NA	NA	NA	NA
2666	2025-12-17	Relationship between Artificial Intelligence-Based Cell Detection and Cytomorphological Variations Induced by Cell Processing Solutions: Usefulness of Data Augmentation in Artificial Intelligence Cytology 2025, Acta cytologica IF:1.6Q3 DOI:10.1159/000547485 PMID:40690907	研究论文	本研究探讨了细胞处理溶液引起的细胞形态学变化与基于AI的细胞检测准确性之间的关系，并展示了数据增强在AI细胞学中的有效性	首次系统分析了细胞处理溶液诱导的细胞形态学变化对AI细胞检测的影响，并验证了数据增强技术在此背景下的改进效果	研究仅使用MKN45人胃癌细胞系，未涵盖其他细胞类型或临床样本，可能限制结果的普适性	评估细胞处理溶液引起的细胞形态学变化如何影响AI细胞检测准确性，并探索数据增强技术的应用价值	MKN45人胃癌细胞，包括未处理细胞及四种不同细胞处理溶液处理的细胞	数字病理学	胃癌	Papanicolaou染色，HSB（色调、饱和度、亮度）值分析	深度学习模型	图像	MKN45细胞样本，包括未处理组和四种处理组	NA	NA	细胞检测率	NA
2667	2025-12-17	A graph neural network-based approach for predicting SARS-CoV-2-human protein interactions from multiview data 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332794 PMID:40997149	研究论文	本文提出了一种基于多视图图神经网络的深度学习方法，用于预测SARS-CoV-2与人类蛋白质之间的相互作用	采用多视图图神经网络结合最优传输集成方法，扩展了实验验证的病毒-宿主相互作用数据，提高了预测准确性	初始实验数据集仅包含有限数量的高置信度相互作用，可能影响模型训练	开发准确的药物重定位模型，预测SARS-CoV-2与人类蛋白质的相互作用	SARS-CoV-2病毒蛋白质与人类宿主蛋白质	机器学习	COVID-19	深度学习方法，多视图图神经网络，最优传输集成	图神经网络	蛋白质序列数据、基因本体术语、物理相互作用信息	472个高置信度预测相互作用，涉及280个宿主蛋白质和27个SARS-CoV-2蛋白质	NA	图神经网络	ROC-AUC, 平均精度	NA
2668	2025-12-17	Better Image Filter for Pansharpening 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637675 PMID:41343325	研究论文	本文提出了一种基于深度学习的对称框架，用于寻找比传统调制传递函数定制图像滤波器更优的图像滤波器，以提升全色锐化性能	提出一对基于深度学习的对称框架，嵌入可学习的各向异性高斯图像滤波器和任意图像滤波器，以模拟最优图像滤波器，同时捕获图像间的细微偏移并保持全局变形场的平滑性	未明确提及具体的数据集规模限制或计算资源需求，可能依赖于特定卫星数据的可用性	改进全色锐化方法中的图像滤波器，以提升传统和深度学习方法的性能与泛化能力	多光谱图像和全色图像的全色锐化处理	计算机视觉	NA	深度学习	深度学习框架	图像	多种卫星数据集上的广泛实验，但未指定具体样本数量	深度学习框架（未指定具体名称如TensorFlow或PyTorch）	对称框架（未指定具体架构如CNN或Transformer）	全色锐化性能、泛化能力（未指定具体指标如准确率或AUC）	NA
2669	2025-12-16	Smartphone-based detection of COVID-19 and associated pneumonia using thermal imaging and a transfer learning algorithm 2025-Dec, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300486 PMID:38253344	研究论文	本研究开发了一种基于智能手机的热成像应用，通过深度学习算法分析人体背部热图像，用于COVID-19及其相关肺炎的检测	首次将智能手机热成像与迁移学习算法结合，实现非侵入式、便携式的COVID-19及肺炎筛查，突破传统影像技术（如X光、CT）的医院限制	研究未明确样本来源及规模细节，且热成像技术可能受环境温度、个体差异等因素影响，需进一步临床验证	开发一种便携、低成本的COVID-19及肺炎筛查工具，适用于医院外环境	人体背部热图像	计算机视觉	COVID-19及肺炎	热成像技术	深度学习算法（基于迁移学习）	热图像	NA	NA	NA	灵敏度, 特异度	NA
2670	2025-12-15	Modernizing pathology and oncology education: integrating genomics, artificial intelligence, and clinical relevance into medical training 2025-Dec-13, Journal of the National Cancer Institute DOI:10.1093/jnci/djaf358 PMID:41390932	评论	本文主张对病理学和肿瘤学教育进行现代化改革，强调整合基因组学、人工智能和临床相关性到医学培训中	提出从内容传授向以临床推理和数据素养为基础的概念整合转变，并系统性地将下一代测序、数字病理、人工智能评估、大型语言模型应用等新兴能力纳入医学教育框架	未提供具体的课程实施案例或实证数据来验证所提议改革方案的有效性	探讨如何改革病理学和肿瘤学教育，使其适应基因组学和人工智能时代的需求	医学教育体系、病理学和肿瘤学培训课程、医学生和住院医师	数字病理	肿瘤	下一代测序、数字病理、人工智能、大型语言模型	NA	NA	NA	NA	NA	NA	NA
2671	2025-12-15	A novel deep learning based spatial ensemble approach and segment anything model for landslide risk assessment in Chamoli district of Garhwal Himalayas 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01958-4 PMID:41381540	研究论文	本研究提出了一种用于滑坡风险评估的新型“空间集成”方法，并结合Segment Anything Model（SAM）在Garhwal Himalayas的Chamoli地区进行应用	提出了创新的“空间集成”方法，生成两种不同类型的“滑坡阻抗复合图”，并结合最先进的SAM模型自动检测建筑物，实现了滑坡风险评估的逐步创新方法	NA	开发一种新颖的滑坡风险评估方法，结合深度学习和机器学习技术	Garhwal Himalayas的Chamoli地区的滑坡风险区域	计算机视觉	NA	深度学习，机器学习	DenseNet, MLPNN, XGBoost, SAM	空间数据，图像数据	NA	NA	DenseNet神经网络	准确性，精确度	NA
2672	2025-12-15	Designing a residual-enhanced hybrid Prophet-LSTM framework for urban air pollution forecasting in Beijing 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27510-y PMID:41381676	研究论文	本研究提出了一种用于北京城市空气质量预测的残差增强混合Prophet-LSTM框架，旨在准确预测PM2.5浓度	提出了一种结合Prophet统计可解释性和LSTM非线性学习能力的残差增强混合预测框架，通过Prophet捕获长期趋势和季节性，LSTM建模残差中的复杂非线性依赖	未明确讨论模型在其他城市或污染物上的泛化能力，以及实时预测中的计算效率限制	开发一种数据驱动的混合框架，用于城市空气质量预测，以减轻空气污染对公共健康和城市可持续性的不利影响	北京空气质量数据集中的PM2.5浓度时间序列数据	机器学习	NA	时间序列分析，特征选择基于相关性分析	Prophet, LSTM	时间序列数据	NA	NA	Prophet+LSTM	MAE, RMSE	NA
2673	2025-12-15	Competitive swarm reinforcement learning improves stability and performance of deep reinforcement learning 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27498-5 PMID:41381742	研究论文	本文提出了一种名为竞争性群体强化学习的新框架，旨在解决深度强化学习中的稳定性问题	受进化计算中基于群体优化的启发，通过多样化的代理群体探索环境，共享样本池并降低超参数敏感性	NA	提高深度强化学习的稳定性和性能	强化学习代理	机器学习	NA	强化学习	深度强化学习	环境交互数据	NA	NA	NA	平均回报	NA
2674	2025-12-15	A deep learning approach to predict the results of root coverage procedures based on intraoral photographs: a retrospective study 2025-Dec-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07250-1 PMID:41382163	研究论文	本研究基于口内照片，利用深度学习模型预测根覆盖手术的结果	首次提出基于YOLO-v8的深度学习模型，用于自动标注牙周关键点并预测最大根覆盖效果，减少牙周医生主观偏差的影响	研究为回顾性设计，样本量有限（963颗牙齿），且仅验证了6个月术后结果，缺乏长期随访数据	建立能准确预测根覆盖手术结果的深度学习模型，以辅助手术规划和医患沟通	患有牙龈退缩的牙齿，基于口内照片进行分析	计算机视觉	牙周病	口内摄影	CNN	图像	963颗牙齿（408张口内照片）用于模型构建，114颗牙齿（50张口内照片）用于验证	PyTorch	YOLO-v8	平均径向误差, 标准径向误差	NA
2675	2025-12-15	Real-time deep learning-based image guiding and automated left ventricular measurements to reduce test-retest variability 2025-Dec-07, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003783 PMID:41360622	研究论文	本研究评估了结合实时深度学习引导和自动测量对左心室容积和应变测量变异性的影响	首次将实时深度学习引导工具与自动测量相结合应用于超声心动图，以降低测试-重测变异性	样本量较小（n=47），且仅针对混合心脏病理患者，结果可能无法推广到所有人群	评估AI辅助超声心动图在减少左心室测量变异性方面的效果	混合心脏病理患者	计算机视觉	心血管疾病	超声心动图	深度学习	图像	47名患者	NA	NA	变异系数	NA
2676	2025-12-15	Data-efficient and accurate rapeseed leaf area estimation by self-supervised vision transformer for germplasms early evaluation 2025-Dec-05, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01478-2 PMID:41351115	研究论文	本研究提出了一种基于自监督视觉变换器的数据高效框架，用于从智能手机拍摄的RGB图像中准确估算油菜叶面积，以支持早期种质资源评估	采用DINOv2自监督学习方法在多样化的非油菜公共植物数据集上预训练Vision Transformer骨干网络，并结合新颖的Canopy-Mix数据增强技术和混合损失函数来处理叶片遮挡问题	未明确说明模型在更广泛环境条件或不同生长阶段下的泛化能力，且依赖智能手机采集的图像质量	开发一种数据高效且准确的油菜叶面积估算方法，以支持早期高通量表型分析和育种加速	油菜叶片	计算机视觉	NA	智能手机RGB图像采集	Vision Transformer (ViT)	图像	未明确说明具体样本数量，但使用了大型聚合的非油菜公共植物数据集进行预训练，以及自定义油菜数据集进行微调	PyTorch (基于DINOv2方法推断)	Vision Transformer (ViT)	决定系数 (R²), 皮尔逊相关系数 (r)	NA
2677	2025-12-15	Mechanistic Insights into Anti-Melanogenic Effects of Fisetin: PKCα-Induced β-Catenin Degradation, ERK/MITF Inhibition, and Direct Tyrosinase Suppression 2025-Dec-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311739 PMID:41373883	研究论文	本研究揭示了黄酮类化合物非瑟酮通过激活PKCα、抑制ERK/MITF通路及直接抑制酪氨酸酶，从而减少黑色素生成的多靶点作用机制	首次系统阐明非瑟酮通过PKCα诱导β-catenin降解、ERK/MITF抑制及直接酪氨酸酶抑制的三重抗黑色素生成机制，并整合深度学习CNN评分进行分子对接验证	研究仅基于体外人类黑色素瘤细胞模型，未进行动物实验或临床试验验证	探究非瑟酮的抗黑色素生成作用机制及其在色素沉着疾病治疗中的应用潜力	人类黑色素瘤细胞	计算生物学	色素沉着疾病	分子对接、深度学习CNN评分、细胞毒性检测、蛋白质印迹	CNN	分子结构数据、细胞实验数据	未明确样本数量，使用人类黑色素瘤细胞系	NA	NA	NA	NA
2678	2025-12-15	Evaluation of Model Performance and Clinical Usefulness in Automated Rectal Segmentation in CT for Prostate and Cervical Cancer 2025-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233090 PMID:41374471	研究论文	本研究开发了一种基于深度学习的性别感知两阶段管道，用于在盆腔CT图像中自动分割直肠，以提升前列腺癌和宫颈癌放疗计划中的分割准确性和临床实用性	通过结合性别分类模型与性别感知的U-Net分割网络，显式建模了男女性别间的解剖差异，从而提高了直肠分割的解剖一致性和性能	研究仅基于186名患者的数据进行内部验证，缺乏外部验证集，且样本量相对有限	评估自动直肠分割模型在盆腔CT图像中的性能及其在前列腺癌和宫颈癌放疗计划中的临床实用性	186名前列腺癌或宫颈癌患者的盆腔CT扫描图像	数字病理	前列腺癌,宫颈癌	CT扫描	CNN,U-Net	图像	186名患者（前列腺癌和宫颈癌）	NA	U-Net	Dice相似系数,豪斯多夫距离,平均表面距离,准确率,AUC	NA
2679	2025-12-15	MS-Detector: A Hierarchical Deep Learning Method to Detect Muscle Strain Using Bilateral Symmetric Ultrasound Images of the Body 2025-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233087 PMID:41374468	研究论文	本研究开发并评估了MS-Detector，一种基于对称性感知的两阶段深度学习模型，利用双侧B型超声图像自动检测肌肉拉伤，为临床医生提供一致的二次阅读决策支持工具	提出了一种结合YOLOv5检测器和Siamese CNN的分层深度学习框架，利用双侧对称性超声图像来过滤假阳性，提高肌肉拉伤检测的精确度	研究数据集规模有限（559对双侧图像），未来需评估模型在不同扫描仪和中心的泛化能力，并探索概率融合和病变分级	开发一个自动检测肌肉拉伤的深度学习模型，以减少超声诊断中的主观性差异	肌肉拉伤患者的双侧B型超声图像	计算机视觉	肌肉拉伤	B型超声成像	CNN, YOLO	图像	559对双侧超声图像，来自86名患者	PyTorch	YOLOv5, Siamese CNN	mAP, 召回率, 精确率, F1分数, F2分数	NA
2680	2025-12-15	Intraocular Cytokine Level Prediction from Fundus Images and Optical Coherence Tomography 2025-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s25237382 PMID:41374757	研究论文	本研究旨在利用深度学习模型从眼底彩色照片和光学相干断层扫描图像预测眼内细胞因子浓度	首次系统比较了基于眼底照片和OCT的深度学习模型在眼内细胞因子预测中的应用	预测性能普遍较差，所有方法的平均R值均低于零，数据集规模较小	探索视网膜图像与眼内细胞因子谱之间的关系，并预测细胞因子浓度	139名患者（152只眼睛）的176个房水样本，涉及多种眼部疾病	计算机视觉	年龄相关性黄斑变性, 眼内炎, 白内障, 视网膜静脉阻塞, 糖尿病性黄斑水肿	眼底彩色照相, 光学相干断层扫描	CNN	图像, 临床数据	139名患者（152只眼睛）的176个房水样本	AutoGluon	ResNet18	决定系数R	NA