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
2821	2025-12-22	Soybean yield estimation and lodging discrimination based on lightweight UAV and point cloud deep learning 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100028 PMID:41415158	研究论文	本研究利用轻量级无人机和点云深度学习模型，结合空间结构与颜色信息融合，实现了大豆产量估算和倒伏等级判别	提出了新的点云深度学习模型SoyNet和SoyNet-Res，并引入了两种数据级融合方法，有效整合了空间结构和颜色信息，克服了传统统计特征忽略结构信息的局限	NA	优化大豆育种表型研究，通过深度学习模型同时进行产量估算和倒伏等级判别	大豆冠层	计算机视觉	NA	无人机平台、交叉环绕倾斜路线摄影、运动结构恢复与多视图立体视觉技术	深度学习	点云数据	NA	NA	SoyNet, SoyNet-Res	均方根误差, F1分数, 准确率top-2, 准确率top-3	NA
2822	2025-12-22	A scalable and efficient UAV-based pipeline and deep learning framework for phenotyping sorghum panicle morphology from point clouds 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100050 PMID:41415167	研究论文	本文提出了一种基于无人机和深度学习的高粱穗形态表型分析框架，包括3D重建、模拟数据集生成和新型多任务模型SegVoteNet	开发了结合无人机视频采集与NeRF的3D点云重建流程，并提出了SegVoteNet模型，通过分割结果优化目标检测，无需微调即可在真实数据上实现高性能	未明确说明模型在极端环境条件下的泛化能力，且实际应用中可能受无人机飞行条件和数据采集质量限制	开发可扩展的高粱穗形态表型分析方法，以支持育种和商业应用	高粱冠层和穗部形态	计算机视觉	NA	无人机视频采集, Neural Radiance Fields (NeRF), 3D模拟	深度学习, 语义分割, 3D检测	点云数据	NA	PyTorch	SegVoteNet, VoteNet, PointNet++	Mean Average Precision (mAP) @ 0.5 Intersection Over Union (IOU)	NA
2823	2025-12-22	Spotibot: Rapid scoring of B otrytis lesions on rose petals using deep learning and mobile computing 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100029 PMID:41415171	研究论文	本研究开发了Spotibot软件，利用深度学习和移动计算技术，自动检测玫瑰花瓣上的灰霉病病变，以快速、客观地评估抗病性	首次开发了结合深度学习和移动计算的快速、用户友好的应用程序，用于玫瑰花瓣图像分析，以筛选灰霉病抗性和易感性	NA	开发一种准确、快速、客观的表型分析工具，用于玫瑰育种选择和发现新的抗性或易感基因	玫瑰花瓣上的灰霉病病变	计算机视觉	灰霉病	NA	实例分割模型	图像	NA	NA	NA	F1分数, Spearman Rank相关系数	移动计算
2824	2025-12-22	Automated 3D Segmentation of Plant Organs via the Plant-MAE: A Self-Supervised Learning Framework 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100049 PMID:41415170	研究论文	本研究开发了一种基于自监督学习的点云分割框架Plant-MAE，用于自动化三维植物器官分割，以支持作物表型参数估计	创新性地将自监督学习范式应用于植物表型领域，并引入了基于核的点卷积嵌入模块和基于注意力机制的多角度特征提取块（MAFEB）	未明确提及具体局限性，但暗示了现有方法在点云数据标注方面的挑战	实现可靠且自动化的三维植物器官分割，以提取器官水平的表型性状	植物器官的点云数据	计算机视觉	NA	自监督学习	自监督学习框架	点云数据	多个点云数据集，具体数量未明确说明	NA	Plant-MAE, PointNet++, point transformer, Point-M2AE	精确率, 召回率, F1分数, IoU	NA
2825	2025-12-22	FreezeNet: A Lightweight Model for Enhancing Freeze Tolerance Assessment and Genetic Analysis in Wheat 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100061 PMID:41415164	研究论文	本研究开发了一种名为FreezeNet的轻量级深度学习模型，用于基于图像的表型分析准确量化小麦冻害，并识别与耐冻性相关的遗传位点	开发了轻量级深度学习模型FreezeNet，首次将图像表型分析与GWAS结合，识别出8个新的耐冻性QTL，并通过基因渗入验证了其功能	研究仅基于220份小麦种质，样本规模相对有限；模型在更广泛环境或品种中的泛化能力未充分验证	开发准确评估小麦耐冻性的方法并识别关键遗传因子，以指导耐冻小麦品种选育	小麦幼苗期的冻害表型及220份小麦种质	计算机视觉	NA	图像表型分析，全基因组关联分析	CNN	图像	220份小麦种质	NA	FreezeNet	与传统目测评分相关性，遗传力	NA
2826	2025-12-22	XFruitSeg-A general plant fruit segmentation model based on CT imaging 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100055 PMID:41415184	研究论文	本研究提出了一种基于CT成像的通用植物果实分割深度学习模型XFruitSeg，用于精确分割果实内部组织	提出了首个针对植物果实CT图像的通用深度学习分割模型，集成了大卷积核网络RepLKNet、多尺度跳跃连接、深度监督机制、轮廓特征学习分支以及优化的复合损失函数	模型仅在橙子、山竹和榴莲三种果实上进行了评估，尚未在所有12个品种上全面验证	开发一种高精度的植物果实内部组织分割方法，以支持表型分析	植物果实的CT图像	计算机视觉	NA	CT成像	深度学习	图像	包含12种植物果实品种的高分辨率图像数据集，其中橙子、山竹和榴莲有精确标注用于评估	NA	U-Net, RepLKNet	Dice系数, mIoU	NA
2827	2025-12-22	Dynamic maize true leaf area index retrieval with KGCNN and TL and integrated 3D radiative transfer modeling for crop phenotyping 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100004 PMID:41415943	研究论文	本研究提出了一种结合三维辐射传输模型和知识引导深度学习的新方法，用于动态反演玉米真实叶面积指数，以提升作物表型分析的准确性	开发了结合三维冠层结构物理的知识引导卷积神经网络架构，并利用迁移学习技术进行跨时间适应，显著提高了叶面积指数反演的精度和稳定性	方法依赖于合成数据集进行预训练，可能受限于模拟数据与真实田间条件之间的差异，且跨年验证仅覆盖两年数据，长期普适性有待进一步验证	通过集成三维辐射传输建模和深度学习，提高玉米真实叶面积指数的动态反演精度，以支持作物生长状态评估和产量预测	玉米作物	计算机视觉	NA	三维辐射传输建模, 遥感散射模型	CNN, LSTM, RNN	合成数据集, 田间测量数据	2021年田间测量数据用于微调, 2022-2023年数据集用于跨年验证	NA	知识引导卷积神经网络, PROSAIL, 随机森林	R, RMSE	NA
2828	2025-12-22	A deep learning-based micro-CT image analysis pipeline for nondestructive quantification of the maize kernel internal structure 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100022 PMID:41415948	研究论文	本文提出了一种基于深度学习的微CT图像分析流程，用于无损量化玉米籽粒的内部结构	提出了名为CSFTU-Net的改进U-Net架构，集成了CBAM和SE注意力机制，并使用focal-Tversky损失函数及边界平滑项，显著提高了玻璃质与粉质胚乳的分割能力	未明确说明模型在不同玉米品种或成像条件下的泛化能力，也未讨论计算效率或处理大规模数据的可行性	开发一种无损、自动化的方法来量化玉米籽粒的内部结构，以支持玉米育种和加工研究	玉米籽粒的微CT图像	计算机视觉	NA	微CT扫描	CNN	图像	未明确说明	未明确说明	U-Net, CSFTU-Net	分割准确性	未明确说明
2829	2025-12-22	CVRP: A rice image dataset with high-quality annotations for image segmentation and plant phenomics research 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100025 PMID:41415951	研究论文	本文介绍了一个名为CVRP的高质量水稻图像数据集，用于图像分割和植物表型组学研究	创建了一个包含多品种、多视角、高标注质量的水稻图像公开数据集，并设计了半自动标注流程	未明确说明数据集的样本数量及标注的具体耗时	为作物图像分析和植物表型组学研究提供高质量标注数据集，促进精准农业和育种模型发展	水稻植株图像，包括231个地方品种和50个现代栽培品种	计算机视觉	NA	深度学习模型辅助的半自动标注	语义分割模型	图像	来自281个水稻品种（231个地方品种 + 50个现代栽培品种）的图像	未明确说明	未明确指定具体架构，但评估了四种SOTA语义分割模型	未明确说明	未明确说明
2830	2025-12-22	Segmenting vegetation from UAV images via spectral reconstruction in complex field environments 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100021 PMID:41415944	研究论文	提出一种基于光谱重建的弱监督方法，用于复杂田间环境下的植被分割	通过光谱重建技术降低数据采集成本，并结合植被指数理论增强植被信息，实现无需人工标注的弱监督分割	未明确说明方法在极端光照或天气条件下的鲁棒性，且数据集规模相对有限	开发一种低成本、高效的田间植被分割方法，以应对复杂环境挑战	无人机采集的田间植被遥感图像	计算机视觉	NA	光谱重建，植被指数	CNN, 注意力机制	图像	2358对无人机RGB-多光谱图像样本	未明确指定，但开源代码暗示可能基于PyTorch或TensorFlow	SRCNet, SRANet	平均交并比	NA
2831	2025-12-22	The blessing of Depth Anything: An almost unsupervised approach to crop segmentation with depth-informed pseudo labeling 2025-Mar, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100005 PMID:41415954	研究论文	本文提出了一种几乎无监督的作物分割方法DepthCropSeg，利用深度信息生成伪标签训练分割模型	首次利用Depth Anything V2视觉基础模型生成高质量伪作物掩码，实现接近全监督性能的几乎无监督作物分割	依赖深度图生成伪掩码的质量，且需要人工筛选可靠图像	开发无需人工像素级标注的作物分割方法	作物图像	计算机视觉	NA	深度图生成与处理	语义分割模型	图像	17199张图像来自六个公共植物分割源，筛选后1378张图像用于训练	NA	NA	NA	NA
2832	2025-12-22	A review of light-field imaging in biomedical sciences 2025, Med-X DOI:10.1007/s44258-025-00070-6 PMID:41409575	综述	本文综述了光场成像在生物医学科学中的应用，包括其理论基础、核心实现及在显微、介观和内窥镜中的进展	光场成像作为一种新兴范式，通过单次快照捕获空间和角度信息，实现高速体积采集，特别适用于捕捉快速生物动态	存在成像速度、空间分辨率和景深之间的基本权衡，尽管压缩感知、深度学习和元光学等进展正在解决这些限制	概述光场成像的理论基础，并调查其在生物医学成像技术中的核心实现和潜力	光场成像技术在显微、介观和内窥镜等生物医学成像领域的应用	生物医学光学	NA	光场成像	NA	体积信息（空间和角度光组件）	NA	NA	NA	NA	NA
2833	2025-12-22	DeepKinome: quantitative prediction of kinase binding affinity by a compound using deep learning based regression model 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1698891 PMID:41415030	研究论文	本文介绍了DeepKinome，一个基于20层卷积神经网络的深度学习回归模型，用于预测小分子化合物与激酶之间的定量结合亲和力	开发了DeepKinome模型，通过深度学习回归方法预测激酶结合亲和力，并利用可解释人工智能分析揭示了影响预测的关键氨基酸序列，这些序列与已知激酶磷酸化位点一致	模型训练数据仅来自L1000数据库的234种激酶和163种化合物，数据规模和多样性可能有限	预测小分子化合物与激酶之间的定量结合亲和力，以促进激酶抑制和化合物结合的理解	激酶和小分子化合物	机器学习	NA	深度学习回归	CNN	定量结合亲和力数据	234种激酶和163种化合物	NA	20层卷积神经网络	RMSE, R2, Pearson's correlation coefficient, acceptance interval ratio	NA
2834	2025-12-22	Comprehensive evaluation and clinical implications of kernel extreme learning machine long short term memory transformer framework 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ELRA9110 PMID:41415105	研究论文	本文提出了一种结合KELM、LSTM和Transformer的混合深度学习模型，用于提高阿尔茨海默病的诊断和预测准确性	首次将KELM、LSTM和Transformer三种架构集成到一个联合模型中，以捕捉非线性关联、时间动态和全局特征依赖	研究主要基于ADNI数据库，外部验证队列规模有限，可能影响模型的广泛适用性	开发并验证一个混合深度学习模型，以增强阿尔茨海默病的诊断和预测准确性	阿尔茨海默病患者，包括从轻度认知障碍到阿尔茨海默病的转化预测	机器学习	阿尔茨海默病	深度学习	KELM, LSTM, Transformer	临床数据	训练和验证集2,149名受试者（来自ADNI数据库），外部测试集1,012名受试者	NA	KELM-LSTM-Transformer	准确率, 召回率, AUC	NA
2835	2025-12-22	An ensemble heterogeneous transformer model for an effective diagnosis of multiple plant diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1693095 PMID:41415655	研究论文	本文提出了一种集成异构Transformer模型，用于有效诊断多种植物病害	结合了U-Net和Swin Transformer V2进行分割，以及CoAtNet及其变体进行分类，并采用基于Levy Flight Honey Badger Algorithm的元启发式融合策略动态加权分类器输出，提高了模型的鲁棒性和可解释性	未提及模型在真实田间环境下的泛化能力或计算资源需求	准确识别植物中的多种病害，以支持可持续农业	植物叶片图像	计算机视觉	植物病害	图像分割与分类	Transformer, CNN	图像	54,305张图像，涵盖38个类别	NA	U-Net, Swin Transformer V2, CoAtNet	准确率, 精确率, 召回率, 特异性, F1分数	NA
2836	2025-12-22	Anatomically refined entorhinal cortex segmentation improves MRI-based early diagnosis of Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1682106 PMID:41415891	研究论文	本研究开发了一种结合专家解剖学修正与深度学习的精细化内嗅皮层分割框架，用于提升基于MRI的阿尔茨海默病早期诊断	通过手动修正FreeSurfer生成的内嗅皮层标签，去除前嗅周皮层延伸等解剖学不一致区域，并利用修正后的标签训练nnU-Net模型，实现了更精确、可扩展的内嗅皮层分割	NA	提升基于磁共振成像的阿尔茨海默病早期诊断的敏感性和特异性	阿尔茨海默病神经影像学倡议1期（ADNI1）的磁共振成像数据	数字病理学	阿尔茨海默病	磁共振成像	nnU-Net	图像	NA	nnU-Net	nnU-Net	组间区分度, 诊断阶段区分能力	NA
2837	2025-12-21	Beyond diagnosis: deep-learning-based analysis of hospitalization using abdominal radiographs in the emergency department 2025-Dec-20, Abdominal radiology (New York) DOI:10.1007/s00261-025-05347-3 PMID:41420745	研究论文	本研究开发了基于腹部X光片的深度学习模型，用于预测急诊科腹痛患者的住院风险	首次将深度学习应用于腹部X光片分析，结合图像和临床特征预测住院需求，相比放射科医生显著提高了敏感性和F1分数	模型在外部验证中性能下降（AUROC从0.70降至0.60），特异性较低（0.43），且需要进一步改进才能临床实施	提高腹部X光片在急诊科的临床效用，通过预测住院需求来辅助筛查	2021年8月至12月期间接受腹部X光检查的急诊科成年腹痛患者	数字病理学	NA	腹部X光摄影	随机森林分类器	图像, 临床数据	内部验证1,585名患者，外部验证112名患者	NA	DenseNet201	AUROC, 敏感性, 特异性, F1分数	NA
2838	2025-12-21	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2025-Dec-20, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究开发并评估了基于深度学习的模型，用于从标准化口外照片中估计牙齿的CIELAB颜色坐标，以体内分光光度测量为参考标准，为修复牙科中的临床比色选择提供实用和验证支持	首次利用多种CNN架构结合预处理照片和解剖位置信息，从口外照片中高精度估计牙齿CIELAB颜色坐标，并与临床分光光度计测量结果进行对比验证	研究样本量相对有限（102名参与者），且前牙的估计精度高于后牙，可能受图像质量和光照条件影响	开发并评估基于人工智能的模型，以支持修复牙科中临床比色选择的准确性和一致性	从102名参与者获取的1031张标记和裁剪的牙齿图像，以及对应的体内CIELAB颜色坐标	计算机视觉	NA	分光光度测量（VITA Easyshade V），标准化口外摄影	CNN	图像	102名参与者的1031张牙齿图像	NA	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R2）, 基于ΔE ≤ 2临床阈值的估计准确率	NA
2839	2025-12-21	A teacherless lightweight classification framework for benign and malignant pulmonary nodules based on GAS 2025-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的轻量级分类框架，用于区分肺结节的良恶性	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级模型，参数量仅119,245个，占用空间仅0.45 MB	NA	开发一种轻量级、高效的计算框架，用于肺结节的良恶性分类	肺结节（良性 vs 恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge、郑州市第九人民医院数据集	PyTorch	GAS（Ghost-Attention Separation）网络	NA	NA
2840	2025-12-21	Frog vocal sacs-inspired soft acoustic system with continuously tunable resonance for sound emission and stethoscopic sensing 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz5930 PMID:41406220	研究论文	本文提出了一种受青蛙鸣囊启发的、具有连续可调谐共振特性的柔性声学系统，用于声音发射和听诊传感	受青蛙鸣囊启发，设计了一种集成激光诱导石墨烯（LIG）与可变形腔体的共振可调石墨烯声学器件（RAGSD），实现了从922.12到1762.90赫兹的连续频率调谐，并建立了动态连续可调的电-机-声学模型	未明确说明	克服柔性热声器件在低频发射和传感方面的限制，开发用于个性化声音输出和心脏声音敏感觉察的智能可穿戴听诊系统	柔性声学器件、心脏声音信号	机器学习	心血管疾病	激光诱导石墨烯（LIG）技术	深度学习算法	声音信号	健康志愿者和患者（具体数量未明确）	NA	AuscNet-H	准确率	NA