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
3081	2025-12-05	Gaze-Guided Medical Image Segmentation: A Training-Free Approach using SAM Foundation Model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253157 PMID:41337454	研究论文	本文提出了一种利用眼动数据作为隐式提示，结合SAM基础模型实现无需训练的医学图像分割方法	首次将眼动数据作为隐式提示引入SAM模型，用于医学图像分割，无需任务特定训练或标注数据，提供了一种自然、低成本的交互方式	研究仅在息肉分割和前列腺分割两个任务上验证，尚未扩展到更多医学图像类型和疾病；眼动数据的采集可能受设备限制	开发一种无需训练、资源高效的医学图像自动分割方法，以降低标注成本并实现近实时分割	医学图像（结肠镜图像中的息肉、MRI图像中的前列腺）	计算机视觉	结直肠癌, 前列腺癌	眼动追踪	基础模型	图像	Kvasir-SEG数据集和NCI-ISBI 2013数据集（具体样本数未在摘要中提供）	NA	SAM	NA	NA
3082	2025-12-05	Automated Wrist Ultrasound Image Bone Enhancement and Segmentation Using Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253133 PMID:41337456	研究论文	本研究提出了一种基于深度学习的自动手腕超声图像骨增强与分割框架，用于评估儿童手腕骨折	结合CLAHE图像增强技术与nnU-Net模型进行手腕超声图像中骨骼结构（如骨骺和干骺端）的自动分割，在儿科急诊环境中验证了可行性	研究样本量相对有限（74名受试者的训练数据和18名受试者的测试数据），且未详细讨论模型在不同超声设备或操作者间的泛化能力	开发一种自动分割手腕超声图像中骨骼结构的方法，以辅助儿科急诊中手腕损伤的严重性评估，减少X射线检查的需求	手腕超声图像中的骨骼结构，包括骨骺、干骺端和腕骨	计算机视觉	手腕骨折	超声成像	CNN	图像	74名受试者的16,865张训练图像和18名受试者的3,822张测试图像	PyTorch	nnU-Net	DICE分数	NA
3083	2025-12-05	A Deep Learning approach for Depressive Symptoms assessment in Parkinson's disease patients using facial videos 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253137 PMID:41337455	研究论文	本研究利用深度学习模型分析帕金森病患者的视频，以评估其抑郁症状的存在与严重程度	首次将ViViT、Video Swin Tiny和3D CNN-LSTM等深度学习模型应用于帕金森病患者面部视频的时空分析，以评估抑郁症状，并考虑了药物状态（ON/OFF）的影响	研究样本量相对有限（178名患者），且未明确说明模型的泛化能力或在不同人群中的验证情况	开发一种可扩展、非侵入性的方法，用于帕金森病患者抑郁症状的自动评估与监测	帕金森病患者	计算机视觉	帕金森病	面部视频分析	深度学习模型	视频	178名患者的1,875个视频	NA	ViViT, Video Swin Tiny, 3D CNN-LSTM	准确率, F1分数	NA
3084	2025-12-05	AI and Tomosynthesis for Breast Cancer Molecular Subtyping: A step toward precision medicine 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253140 PMID:41337459	研究论文	本研究探讨了结合人工智能与数字乳腺断层合成技术，用于非侵入性乳腺癌分子亚型分类的可行性	首次将深度学习模型应用于数字乳腺断层合成图像，以实现对侵袭性乳腺癌亚型（Luminal B2、HER2阳性和三阴性）的非侵入性分类	在区分Luminal B2亚型方面仍存在挑战，性能相对较低	开发一种基于人工智能和影像学的非侵入性方法，用于乳腺癌分子亚型分类，以支持精准医疗	乳腺癌患者，特别是侵袭性亚型（Luminal B2、HER2阳性、三阴性）	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	NA	NA	ResNet-101, Inception-v3	AUC	NA
3085	2025-12-05	ralphi: a deep reinforcement learning framework for haplotype assembly 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.17.638151 PMID:40027721	研究论文	本文提出了一种基于深度强化学习的新型单倍型组装框架ralphi，用于从测序读段中准确重建二倍体基因组的单倍型	首次将深度强化学习应用于单倍型组装问题，通过结合深度学习的表征能力和强化学习的决策优化，实现了对读段片段的精确分区	未明确说明模型在非人类基因组或高杂合度区域的泛化能力，且训练数据主要基于1000 Genomes Project的基因组	开发一种更准确、更高效的单倍型组装方法，以提升单倍型重建的准确性和连续性	二倍体基因组的单倍型组装	机器学习	NA	ONT测序	深度强化学习	序列数据	基于1000 Genomes Project基因组生成的多样化片段图拓扑数据集	PyTorch	NA	错误率, 单倍型区块长度	NA
3086	2025-12-05	GLAM: Glomeruli Segmentation for Human Pathological Lesions using Adapted Mouse Model 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3046823 PMID:41323934	研究论文	本研究提出GLAM方法，利用小鼠模型进行人类肾脏病变的细粒度分割，通过零样本迁移学习和混合学习策略评估不同学习策略	首次针对人类病理肾小球病变的细粒度分割，结合小鼠模型进行迁移学习，并比较零样本迁移与混合学习策略	研究可能未全面覆盖所有类型的人类肾脏病变，且依赖于小鼠模型数据的可扩展性	开发一种深度学习模型，用于从动物模型迁移到人类应用的肾小球分割，特别关注病理病变	人类肾脏病变组织，特别是受不同病变影响的病理肾小球	数字病理学	肾脏疾病	深度学习分割技术	深度学习模型	图像数据	NA	NA	NA	NA	NA
3087	2025-12-05	Intelligent grading of sugarcane leaf disease severity by integrating physiological traits with the SSA-XGBoost algorithm 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698808 PMID:41169726	研究论文	本研究提出了一种基于生理特征和SSA-XGBoost算法的甘蔗叶片病害严重程度智能分级方法	结合生理特征（SPAD值、叶面温度、氮含量）与麻雀搜索算法优化XGBoost模型，实现高效、透明的甘蔗病害严重程度分级	未与基于图像的深度学习方法进行直接性能对比，且仅针对三种特定甘蔗病害进行验证	开发一种智能方法，用于准确评估甘蔗叶片病害严重程度，以支持早期预警和有效病害控制	感染褐条病、环斑病和花叶病的甘蔗叶片	机器学习	植物病害	植物营养分析仪（TYS-4N）测量	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	生理特征数据（SPAD值、叶面温度、氮含量）	从田间收集的感染三种病害、四个严重程度等级的甘蔗叶片数据	Scikit-learn, XGBoost	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	精确率, 召回率, F1分数, 准确率, PRFA综合评分	未明确说明
3088	2025-12-05	Identifying escaped farmed salmon from fish scales using deep learning 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf078 PMID:41311715	研究论文	本文利用深度学习技术，通过鱼鳞图像自动识别逃逸养殖鲑鱼，以解决传统方法劳动密集和时间消耗大的问题	首次在包含近90,000张鱼鳞图像的大型多样化数据集上训练和验证卷积神经网络，涵盖异质成像协议、数百条河流及自1930年代的时间序列数据，展示了模型在生态和方法学背景下的强泛化能力	未明确提及模型在极端环境或新型养殖技术下的适用性限制	开发一个自动化、高精度的工具，用于大规模监测逃逸养殖鲑鱼，以保护野生大西洋鲑鱼种群	挪威的逃逸养殖鲑鱼和野生大西洋鲑鱼	计算机视觉	NA	鱼鳞图像分析	CNN	图像	近90,000张鱼鳞图像，来自两个国家档案库，涵盖数百条河流和自1930年代的时间序列	NA	卷积神经网络	F1分数	NA
3089	2025-12-05	Scale-up Unlearnable Examples Learning with High-Performance Computing 2025, IS&T International Symposium on Electronic Imaging DOI:10.2352/ei.2025.37.12.hpci-184 PMID:41323016	研究论文	本文通过在高性能计算环境下扩展不可学习示例学习，探索批量大小对数据不可学习性的影响，以增强医疗数据安全	首次在Summit超级计算机上使用分布式数据并行训练扩展不可学习聚类方法，实现理论上无限资源下的不可学习示例性能提升	批量大小与不可学习性的关系因数据集而异，需针对不同数据集定制策略，且实验仅限于特定图像数据集	防止未经授权的深度学习模型学习，特别是在医疗AI诊断工具中保护敏感数据隐私和知识产权	医疗影像数据及其他图像数据集（如Pets、MedMNist、Flowers、Flowers102）	机器学习	NA	不可学习示例学习，不可学习聚类	深度学习模型	图像	多个数据集（Pets、MedMNist、Flowers、Flowers102），具体样本数量未在摘要中指定	PyTorch（基于DDP框架推断）	NA	准确性，不可学习性	Summit超级计算机，高性能GPU，分布式数据并行训练
3090	2025-12-05	Histolytics: A panoptic spatial analysis framework for interpretable histopathology 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.022 PMID:41328400	研究论文	本文介绍了Histolytics，一个用于可解释性组织病理学分析的开源Python框架	将全景分割与空间查询、形态学分析和基于图的分析相结合，提供高分辨率、可解释的组织特征量化方法	NA	开发一个可扩展的计算病理学框架，用于量化组织空间组织模式	宫颈和卵巢高级别浆液性癌的H&E染色全切片图像	数字病理学	宫颈癌,卵巢癌	H&E染色,全景分割	深度学习模型	图像	NA	Python	NA	NA	NA
3091	2025-12-04	A multi-task deep learning model based on transformer for simultaneously evaluating the TVB-N and TVC contents of chicken breasts using two different hyperspectral imaging 2025-Dec-25, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146725 PMID:41106264	研究论文	本研究开发了一种基于Transformer的多任务深度学习模型，结合双高光谱成像技术，用于同时预测鸡胸肉的总挥发性盐基氮和总活菌数含量	提出了一种新颖的多任务交错组Transformer模型，首次将双高光谱成像数据集成到多任务学习中，有效利用双光谱源的互补信息，在预测精度和稳定性上超越了现有CNN和Transformer模型，同时计算成本降低了50%	研究仅针对鸡胸肉进行，未涉及其他肉类或食品类型；模型在工业环境中的大规模实时应用效果仍需进一步验证	开发一种可靠、无损的鸡肉新鲜度批量检测方法，用于肉类质量评估的工业应用	鸡胸肉	计算机视觉	NA	高光谱成像	Transformer	高光谱图像	NA	NA	多任务交错组Transformer模型	决定系数	NA
3092	2025-12-04	Characterization of a Novel Mutansucrase (MUT-I) from Leuconostoc pseudomesenteroides G29: Enzymatic Properties and Product Analysis 2025-Dec-03, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c03636 PMID:41258707	研究论文	本研究对来自Leuconostoc pseudomesenteroides G29的新型突变蔗糖酶MUT-I进行了生化表征，包括其酶学性质、产物分析及其在α-葡聚糖工程中的应用潜力	首次对G29菌株的MUT-I酶进行详细生化表征，揭示了其双功能特性（合成葡聚寡糖和引入α-1,3分支），并利用AlphaFold 3深度学习工具识别了关键催化残基	研究主要基于体外实验，未涉及体内应用或大规模生产验证	表征新型突变蔗糖酶MUT-I的酶学性质，评估其在合成结构明确的α-葡聚糖方面的应用潜力	来自Leuconostoc pseudomesenteroides G29的突变蔗糖酶MUT-I及其合成的α-葡聚糖产物	生物化学与酶工程	NA	酶学表征、产物分析、深度学习结构预测	深度学习模型	酶学实验数据、结构预测数据	单一酶蛋白（重组MUT-I）及其产物	AlphaFold 3	AlphaFold 3	酶活性参数（Km、kcat）、产物结构分析（链接类型、分子量、热稳定性）	NA
3093	2025-12-04	Deep learning model for activity cliffs prediction: a comprehensive approach to protein kinase inhibitors 2025-Dec-03, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00721-1 PMID:41331397	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3094	2025-12-04	Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study 2025-Dec-03, BJOG : an international journal of obstetrics and gynaecology DOI:10.1111/1471-0528.70103 PMID:41332358	研究论文	本研究利用低场MRI对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局	开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，并首次揭示了晚期妊娠宫颈表型可能影响分娩结局	研究样本仅包括首次尝试阴道分娩的晚期妊娠妇女，可能限制了结果的普遍性	通过低场MRI技术自动化测量宫颈参数，并探索其与人口统计学和分娩结局的相关性	晚期妊娠（36-41周）的妇女	数字病理学	NA	低场MRI，2D T2加权Turbo-Spin-Echo序列	3D深度学习分割网络	MRI图像	97名晚期妊娠妇女	NA	NA	图像重建质量，分割质量，评分者间变异性	0.55T Freemax MRI扫描仪
3095	2025-12-04	Assessing the robustness of deep learning based brain age prediction models across multiple EEG datasets 2025-Dec-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3639477 PMID:41329579	研究论文	本研究通过系统评估深度学习模型在多个EEG数据集上的脑年龄预测性能，探讨了数据集偏移对模型泛化能力的影响	首次在脑年龄预测任务中系统评估深度学习模型对多个EEG数据集的泛化能力，并测试了1805种超参数配置	模型性能在不同数据集间差异显著，部分情况下R²出现负值，表明模型泛化能力仍受数据集特性限制	评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性和泛化能力	五个不同的EEG数据集	机器学习	NA	脑电图（EEG）	深度学习模型	EEG信号	五个EEG数据集（具体样本数未说明）	NA	NA	Pearson相关系数, R²	NA
3096	2025-12-04	A Multi-degradation Fundus Image Restoration Network Guided by Frequency Prompt 2025-Dec-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3639308 PMID:41329577	研究论文	本文提出了一种多退化眼底图像恢复网络（MFR-Net），通过频率感知提示学习统一处理复杂退化场景	提出了一种集成频率感知提示学习的全合一恢复框架，能够全面提取不同退化成分的频率域特征，并通过设计的提示生成和交互模块注入主干网络，同时结合无监督域适应以增强模型领域泛化能力	NA	开发一种能够处理多组分退化的眼底图像恢复方法，以提高临床诊断中图像质量	眼底图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	MFR-Net	定量指标	NA
3097	2025-12-04	Accurate Protein-Protein Interaction Prediction: Based on Multiview Heterogeneous Graph Autoencoders and Random Masking 2025-Dec-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3632083 PMID:41329588	研究论文	本文提出了一种基于多视图异构图自编码器和随机掩码的蛋白质-蛋白质相互作用预测模型MEGAE，旨在通过整合蛋白质的物理化学性质、结构细节和序列数据，实现高精度的PPI及相互作用位点预测	创新性地引入了多视图随机掩码训练策略，在重建过程中引入受控随机性以增强微环境嵌入的鲁棒性，并利用图神经网络从局部氨基酸相互作用到全局信号网络连接捕获多层次关系	未明确提及模型的计算复杂度或对大规模数据集的扩展性限制	实现高精度的蛋白质-蛋白质相互作用及其相互作用位点的预测	蛋白质-蛋白质相互作用及其相互作用位点	机器学习	NA	深度学习，图神经网络	自编码器，图神经网络	序列数据，结构数据，物理化学性质数据	NA	NA	向量量化自编码器，图神经网络	准确率	NA
3098	2025-12-04	Ultrasound of lung parenchyma - current state and future 2025-Dec-02, The British journal of radiology DOI:10.1093/bjr/tqaf288 PMID:41330697	综述	本文综述了胸部超声在评估肺实质方面的当前应用、诊断局限性及未来发展趋势	探讨了深度学习增强胸部超声辅助诊断的新兴领域，并强调了COVID-19大流行如何扩展了肺实质超声从诊断到监测的应用范围	缺乏关于能力评估和教育的共识	提供胸部超声在肺实质评估中的当前使用和诊断局限性的概述，并展望未来发展	肺实质的超声评估	数字病理学	肺癌	胸部超声	深度学习	超声图像	NA	NA	NA	NA	NA
3099	2025-12-04	A multicenter validation study of 3D V-Net-based segmentation model for adrenal glands: Cross-protocol generalization from abdominal CT to chest CT 2025-Dec-02, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发了一种基于3D V-Net的肾上腺分割模型，并在多中心数据集上验证了其从腹部CT到胸部CT的泛化能力	该研究首次利用3D V-Net开发了肾上腺分割模型，并成功验证了其在跨协议（从腹部CT到胸部CT）和多中心数据集上的泛化性能	研究未明确提及模型在更广泛疾病类型或不同扫描参数下的性能，且外部验证队列样本量相对较小	建立并验证一个基于深度学习的肾上腺自动分割模型，以辅助医学影像诊断	肾上腺	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练集5660例腹部CT扫描，验证集包括来自同一机构的6126例和外部机构的931例胸部CT扫描	NA	3D V-Net	Dice相似系数	NA
3100	2025-12-04	The regulatory code of injury-responsive enhancers enables precision cell-state targeting in the CNS 2025-Dec-02, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-025-02131-w PMID:41331142	研究论文	本文研究了哺乳动物中枢神经系统中损伤诱导的转录程序如何通过增强子编码，并利用深度学习模型揭示其细胞类型特异性机制	通过单核转录组学和染色质可及性分析识别损伤诱导的细胞类型特异性增强子，并利用深度学习模型解析其整合通用刺激响应元件与细胞身份程序的架构	研究主要基于小鼠脊髓挫伤模型，可能无法完全代表其他损伤类型或物种的中枢神经系统反应	解码损伤响应增强子的调控原则，以设计能够靶向疾病相关细胞状态的序列	小鼠脊髓挫伤后的中枢神经系统细胞，特别是胶质细胞和反应性星形胶质细胞	机器学习	中枢神经系统损伤	单核转录组学, 染色质可及性分析, 深度学习	深度学习模型	转录组数据, 染色质可及性数据	数千个损伤诱导的细胞类型特异性增强子	NA	NA	NA	NA