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
3341	2025-12-07	PixlMap: A generalisable pixel classifier for cellular phenotyping in multiplex immunofluorescence images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317865 PMID:41335594	研究论文	本文提出了一种名为PixlMap的通用像素分类器，用于在多重免疫荧光图像中进行细胞表型分析，无需依赖准确的细胞边界分割	该方法创新性地利用人类视觉能力，仅基于核分割即可准确进行细胞表型分析，无需整个细胞分割，且训练仅需每种区室染色（核/细胞质/膜）的单个示例	未明确提及具体局限性，但暗示现有细胞分割方法存在信息丢失和数据污染问题	开发一种通用且易于使用的深度学习方法，用于细胞表型分析，以解决多重免疫荧光图像解释中的分析挑战	多重免疫荧光图像中的细胞	数字病理学	NA	多重免疫荧光成像	深度学习	图像	NA	商业深度学习图像分析平台	U-Net	与基于强度的表型分析方法在准确性上相当	NA
3342	2025-12-07	COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70036 PMID:41340910	研究论文	本研究通过构建波斯语Instagram评论数据集，比较了多种机器学习和深度学习方法在检测COVID-19相关虚假信息上的性能	首次针对波斯语COVID-19虚假信息建立了综合性能基准，并构建了包含27,000条标注评论的新数据集	研究仅聚焦于波斯语内容，未涵盖其他语言；数据集规模相对有限	检测社交媒体上的虚假信息，特别是非英语语言的COVID-19相关误导内容	Instagram平台上的波斯语评论	自然语言处理	COVID-19	文本挖掘，词嵌入	XGBoost, LSTM, CNN, KNN, BERT	文本	27,000条波斯语评论	TensorFlow, PyTorch, Scikit-learn	LSTM, CNN, BERT	准确率, 精确率, 召回率, F1分数	未明确指定
3343	2025-12-07	Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1699700 PMID:41341263	研究论文	本研究提出了一种基于Mamba的编码器-解码器架构，结合多尺度多扫描策略，用于在Sturge-Weber综合征患者的脑部MRI中自动检测软脑膜血管瘤	采用多尺度多扫描策略将3D体积转换为1D序列，以较低计算复杂度捕获长程依赖，并首次将Mamba架构应用于软脑膜血管瘤的自动检测	数据集规模较小（仅40名患者），且模型性能在SWS数据集上的Dice分数（78.67%）虽优于现有方法，但仍低于在BraTS数据集上的表现（91.53%）	研究Sturge-Weber综合征中软脑膜血管瘤的自动检测方法，以实现临床自动化诊断	Sturge-Weber综合征患者的脑部MRI图像	计算机视觉	Sturge-Weber综合征	MRI	Mamba	图像	40名SWS患者的T1增强MRI数据，并使用公共BraTS数据集进行预训练	NA	基于Mamba的编码器-解码器架构	Dice分数	NA
3344	2025-12-07	YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1707501 PMID:41341300	研究论文	本研究提出了一种名为YOLO-PLNet的轻量级实时检测模型，专为花生叶部病害的边缘设备部署而设计	在YOLO11n基础上，对主干网络和Neck结构进行轻量化改进，引入了轻量注意力增强卷积模块以降低计算开销，并融合通道-空间注意力机制来增强对小病灶和边缘模糊目标的特征表示，同时检测头采用渐进特征金字塔网络以提升多尺度检测性能	NA	实现花生叶部病害的早期准确检测，并平衡模型大小、实时检测精度与边缘设备部署需求	花生叶部病害	计算机视觉	NA	NA	CNN	图像, 视频	NA	NA	YOLO11n, YOLO-PLNet	mAP@0.5, mAP@0.5:0.95, 延迟, FPS, GPU使用率, 功耗	Jetson Orin NX平台, CSI摄像头实时视频输入, FP16精度, INT8精度
3345	2025-12-07	Species-level detection of thrips and whiteflies on yellow sticky traps using YOLO-based deep learning detection models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1668795 PMID:41341315	研究论文	本研究评估了基于YOLO的深度学习检测模型在非显微RGB黄色粘虫板图像上实时进行物种级别检测蓟马和白粉虱的潜力与局限性	首次实现了在黄色粘虫板图像上对蓟马和白粉虱进行有效的物种级别检测，为针对性害虫控制策略提供了可能	研究仅针对特定类型的黄色粘虫板和有限害虫物种，未来需扩展至更多害虫种类、粘虫板类型和环境光照条件	开发一种实时、自动化的物种级别害虫监测系统，以减少农药使用并提高农业产量	蓟马（Frankliniella occidentalis 和 Thrips tabaci）和白粉虱（Trialeurodes vaporariorum 和 Bemisia tabaci）	计算机视觉	NA	深度学习图像检测	YOLO	图像	一个平衡且标注的图像数据集，包含在一种黄色粘虫板上捕获的害虫物种	NA	YOLO11, YOLO-NAS	mAP@50, F1@50, AP@50	NA
3346	2025-12-07	Deep-learning radiomics and hand-crafted radiomics utilizing contrast-enhanced MRI to predict early peritumoral recurrence after DEB-TACE with hepatocellular carcinoma: a two-center study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1642828 PMID:41341387	研究论文	本研究利用基于术前多期MRI的深度学习放射组学，预测肝细胞癌患者DEB-TACE后的早期瘤周复发	结合深度学习放射组学与手工放射组学特征，构建多中心预测模型，并比较不同瘤周区域影像特征的预测性能	回顾性研究设计，样本量相对有限（157例），仅基于MRI数据	预测肝细胞癌患者DEB-TACE后的早期瘤周复发	接受DEB-TACE治疗的肝细胞癌患者	数字病理学	肝细胞癌	多期磁共振成像	深度学习, 放射组学	MRI图像	157例患者（训练队列114例，外部验证队列43例）	NA	ResNet34	AUC, 校准曲线, NRI, DCA	NA
3347	2025-12-07	Preoperative prediction of aggressive endometrial cancer using multiparametric MRI-based deep transfer learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1694223 PMID:41341401	研究论文	本研究提出了一种基于多参数MRI和深度迁移学习模型的方法，用于术前预测子宫内膜癌的侵袭性	首次将多参数MRI序列（T2WI、ADC、CE-T1WI）的深度迁移学习特征与临床特征相结合，通过决策级融合策略构建联合模型，用于术前非侵入性预测子宫内膜癌侵袭性	回顾性单中心研究，样本量相对有限（n=207），且DWI序列因性能欠佳被排除在最优模型外	提高子宫内膜癌侵袭性的术前预测准确性，以支持个体化治疗规划	经病理证实的子宫内膜癌患者	数字病理	子宫内膜癌	多参数MRI（T2加权成像、扩散加权成像、表观扩散系数图、对比增强T1加权成像）	CNN	医学影像	207名患者（训练集144例，测试集63例）	NA	ResNet50, ResNet101, DenseNet121	AUC, 决策曲线分析, 校准曲线	NA
3348	2025-12-07	DTBind: A Mechanism-Driven Deep Learning Framework for Accurate Prediction of Drug-Target Molecular Recognition 2025, Research (Washington, D.C.) DOI:10.34133/research.1022 PMID:41341719	研究论文	本文介绍了一种名为DTBind的机制驱动深度学习框架，用于准确预测药物-靶标分子识别，包括结合发生、结合位点定位和结合亲和力估计	DTBind是一个统一的机制驱动框架，基于分子识别的共享机制决定因素，分层适应序列、结构和复合体级别的输入，克服了现有方法独立处理这些任务的局限性	NA	开发一个深度学习框架以准确预测药物-靶标分子识别，支持早期药物发现	药物-靶标分子识别，包括结合发生、结合位点定位和亲和力估计	机器学习	NA	深度学习，分子动力学模拟	深度学习模型	序列数据，结构数据，复合体数据	NA	NA	DTBind	准确性，泛化性	NA
3349	2025-12-07	Predicting cardiovascular disease risk using retinal optical coherence tomography imaging 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1624550 PMID:41341807	研究论文	本研究利用视网膜光学相干断层扫描（OCT）成像和深度学习技术，预测未来心血管疾病事件的风险	首次将自监督变分自编码器（VAE）用于从高维3D OCT图像中提取低维潜在表征，并结合临床数据训练随机森林分类器，以识别心血管疾病高风险个体；同时采用了一种新的模型可解释性方法揭示了脉络膜层的关键预测作用	研究样本量相对有限（共2846名参与者），且仅基于UK Biobank数据，可能缺乏外部验证和人群多样性	探索视网膜OCT成像作为预测未来心血管疾病事件的附加成像技术的潜力	UK Biobank中的参与者，包括612名在成像后五年内发生心肌梗死或中风的患者，以及2234名无心血管疾病的对照者	数字病理学	心血管疾病	光学相干断层扫描	VAE, Random Forest	图像	2846名参与者（612例患者，2234名对照）	NA	变分自编码器	AUC, 灵敏度, 特异性, 准确率	NA
3350	2025-12-07	Deep learning-assisted widefield endothelial imaging in Descemet membrane endothelial keratoplasty 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1715673 PMID:41341834	研究论文	本研究评估了一种深度学习算法，用于在Descemet膜内皮角膜移植术后，通过宽场镜面显微镜图像自动评估图像质量并检测中央、旁中央和周边区域低角膜内皮细胞密度	首次将深度学习算法应用于宽场镜面显微镜图像，实现自动图像质量评估和低内皮细胞密度检测，扩展了内皮评估范围至旁中央和周边区域	研究样本量相对较小（53只眼），且仅针对特定疾病（FECD和PBK），可能限制结果的普适性	评估深度学习算法在DMEK术后宽场镜面显微镜图像中自动评估图像质量和检测低内皮细胞密度的应用	DMEK术后患者的角膜内皮细胞	计算机视觉	角膜内皮营养不良	宽场镜面显微镜成像	CNN	图像	53只眼（43名受试者），共1,362张图像	NA	SqueezeNet	AUC	NA
3351	2025-12-06	Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study 2025-12-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253513 PMID:41346133	研究论文	本研究评估了深度学习重建算法在常规临床CT扫描中相比迭代重建算法，能否在维持或提升图像质量的同时降低辐射剂量	首次在单中心、大规模回顾性研究中，系统评估了深度学习重建算法在四种不同CT协议（胸部、头部、胸腹盆肿瘤学、下肢CTA）中降低辐射剂量的一致性和有效性，证实了其广泛的临床应用潜力	研究为回顾性、单中心设计，可能存在选择偏倚，且图像质量评估仅基于子样本（200名患者）	评估深度学习重建算法在降低CT扫描辐射剂量方面的有效性和一致性	接受CT扫描的患者	医学影像	NA	计算机断层扫描	深度学习重建算法	CT图像	总人群13,060名患者，图像质量评估子样本200名患者（每组每个协议25名）	NA	NA	主观图像质量评估，标准化信噪比，对比噪声比	NA
3352	2025-12-06	Digital profile of children's hearts: automated echocardiogram strain analysis facilitates earlier detection of cardiac dysfunction 2025-Dec-05, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf952 PMID:41347951	研究论文	本文提出了一种名为Motion-Echo的半监督深度学习框架，用于自动化超声心动图应变分析，旨在提高儿童心脏功能障碍的早期检测能力	开发了一个大规模、供应商无关的半监督深度学习框架，整合了上下文补偿和运动估计模块，适用于不同图像质量和人群的超声心动图应变分析	NA	通过标准化和自动化超声心动图应变分析，提高儿童心脏功能评估的准确性并实现心脏功能障碍的早期检测	儿童和成人的超声心动图数据	数字病理学	心血管疾病	超声心动图	深度学习	图像	11096例儿童和11297例成人超声心动图	NA	Motion-Echo	平均绝对误差, Pearson相关系数, AUC	NA
3353	2025-12-06	Attention-Guided Deep Learning of Chemical Exchange Saturation Transfer Magnetic Resonance Imaging to Differentiate Between Tumor Progression and Radiation Necrosis in Brain Metastasis 2025-Dec-05, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.040 PMID:41348074	研究论文	本研究开发了一种基于注意力引导深度学习的化学交换饱和转移磁共振成像方法，用于区分脑转移瘤中的肿瘤进展与放射性坏死	提出了一种结合新型注意力机制的三维Transformer模型，并首次将多模态化学交换饱和转移MRI与T1/T2映射及常规结构MRI结合用于该诊断任务	样本量相对有限（93例患者，230个病灶），且需依赖组织病理学或长期随访影像确认结果，可能引入选择偏倚	解决脑转移瘤立体定向放射外科治疗后放射性坏死与肿瘤进展的鉴别诊断难题	接受立体定向放射外科治疗的脑转移瘤患者（共93例，包含230个病灶）	数字病理学	脑转移瘤	化学交换饱和转移磁共振成像，T1/T2映射，常规结构MRI	Transformer	磁共振图像	93例患者（230个病灶），其中训练集47例患者（184个病灶），独立测试集46例患者（46个病灶）	NA	三维Transformer模型	AUC（受试者工作特征曲线下面积）	NA
3354	2025-12-06	Radiological Image and Text-Based Medical Concept Detection in Social Networks Using Hybrid Deep Learning 2025-Dec-05, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02311-y PMID:41348245	研究论文	本研究利用混合深度学习模型，从社交媒体中的放射学图像及其相关评论中自动检测和分类医学概念	首次将深度学习模型应用于从社交媒体收集的放射学数据，进行多标签医学概念分类	未提及具体的数据偏差或模型泛化能力限制	通过自动分配相关医学概念，对社交媒体上的放射学图像进行多标签分类	社交媒体上的放射学图像及其相关评论	计算机视觉	NA	深度学习	CNN, 前馈神经网络	图像, 文本	使用ImageCLEF 2019数据集和自定义数据集Rdpd_Test_Ds	NA	VGG-19, DenseNet-121, ResNet-101, Xception, Efficient-B7	精确率, 召回率, F1分数	NA
3355	2025-12-06	Bioinformatics and artificial intelligence in genomic data analysis: current advances and future directions 2025-Dec-05, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-025-02314-x PMID:41348251	综述	本文全面综述了人工智能（特别是机器学习和深度学习）在基因组数据分析中的应用、当前进展与未来方向	系统整合了AI在基因组分析全流程（从变异检测到多组学整合和个性化医疗）的应用，并批判性评估了可解释AI和联邦学习等新兴技术	面临数据标准化、计算成本高、算法可解释性不足以及隐私和算法偏见等伦理挑战	探讨人工智能如何变革基因组数据分析，并解决传统生物信息学方法的关键局限	2010年至2024年间发表的同行评审研究，涵盖PubMed、Scopus和Google Scholar数据库	生物信息学, 机器学习	NA	下一代测序	机器学习, 深度学习	基因组数据	NA	NA	NA	准确性	NA
3356	2025-12-06	An automated classification of brain white matter inherited disorders (Leukodystrophy) using MRI image features 2025-Dec-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2336 PMID:41285048	研究论文	本研究提出了一种基于MRI图像特征的自动化分类方法，用于诊断脑白质遗传性疾病（脑白质营养不良症）	首次将深度学习CNN模型（特别是InceptionV3）应用于3D脑MRI图像，对五种主要脑白质营养不良亚型进行自动化分类，并系统比较了传统机器学习与深度学习方法的表现	研究样本量相对较小（115例患者），仅包含五种主要亚型，可能无法涵盖所有脑白质营养不良变异类型	开发可靠的自动化工具，辅助神经科医生进行脑白质营养不良症的鉴别诊断	115名确诊脑白质营养不良症患者的脑部MRI图像，涵盖五种主要亚型	医学影像分析	脑白质营养不良症	脑部MRI成像	传统机器学习算法, CNN	3D MRI图像	115例患者	NA	InceptionV3	准确率, 精确率, 召回率, 特异性, F1分数, AUC	NA
3357	2025-12-06	Towards improved fake news detection using a hybrid RoBERTa and metadata enhanced XGBoost model 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29942-y PMID:41345495	研究论文	本文提出了一种结合RoBERTa特征提取与XGBoost分类器的混合模型，用于提升假新闻检测性能	提出了一种新颖的混合框架，将基于Transformer的特征提取（RoBERTa嵌入）与集成学习分类器（XGBoost）相结合，并整合了TF-IDF分词和元数据处理，以同时捕捉语言和上下文特征	未明确说明模型在不同语言或跨领域数据集上的泛化能力，也未讨论计算资源消耗和实时检测效率	开发一个鲁棒且可扩展的假新闻检测系统，以应对在线平台上的错误信息传播问题	在线新闻文本及其相关元数据	自然语言处理	NA	自然语言处理（NLP）、深度学习	Transformer, XGBoost	文本、元数据	基于PolitiFact和GossipCop两个数据集进行训练和评估	NA	RoBERTa, XGBoost	准确率、精确率、召回率、F1分数	NA
3358	2025-12-06	Deep learning-driven ultra-stretchable kirigami metamaterials: towards surface texture modulation via buckling 2025-Dec-03, Soft matter IF:2.9Q2 DOI:10.1039/d5sm00933b PMID:41246961	研究论文	本文提出了一种基于深度学习的剪纸超材料创新设计策略，用于预测复杂非线性本构关系并实现可编程的机械响应	利用深度学习技术预测剪纸结构的复杂非线性力学行为，并提出了基于几何对称性破坏的可编程设计框架，显著扩展了剪纸的设计空间	未明确说明模型在极端应变条件下的泛化能力以及实际制造工艺对预测性能的影响	增强剪纸超材料的功能性，深入探究几何对称性破坏对屈曲行为的影响机制，并实现基于功能需求的机械性能预测与功能配置	镶嵌切割剪纸结构（tessellated cutting kirigami structures）	机器学习	NA	深度学习	NA	力学性能数据（推测为应力-应变关系等）	NA	NA	NA	准确率（94.29%）	NA
3359	2025-12-06	OpenLM: an open-source pixel super-resolution platform for lens-free microscopy with applications in bacterial growth monitoring and deep learning-based bacterial detection 2025-Dec-02, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc00719d PMID:41170835	研究论文	本文介绍了OpenLM，一个开源的无透镜显微镜平台，集成了像素超分辨率算法，用于细菌生长监测和基于深度学习的细菌检测	开发了一个低成本、易于复制的开源无透镜显微镜平台，结合像素超分辨率技术和多角度LED照明，显著提高了分辨率并保持了大视场，同时提供了用户友好的图形界面	NA	开发一个实用且可扩展的工具，用于细菌监测和其他生物医学应用	细菌生长和早期菌落形成	数字病理	NA	无透镜显微镜，像素超分辨率技术，多角度LED照明	YOLO	图像	NA	NA	YOLO	NA	Raspberry Pi相机和板卡
3360	2025-12-06	Deep-learning prediction of breast cancer hormone receptor status from CEM: a preliminary study 2025-Dec-02, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00653-3 PMID:41329305	研究论文	本研究探索了利用深度学习从对比增强乳腺X线摄影图像中预测乳腺癌激素受体状态的可行性	首次将ResNet-18模型应用于对比增强乳腺X线摄影图像，通过加权交叉熵损失和温度缩放校准处理类别不平衡问题	数据集规模较小且具有特定采集协议，可能影响模型的广泛泛化能力	开发一种非侵入性的深度学习方法，用于从对比增强乳腺X线摄影图像中预测乳腺癌的激素受体状态	105名浸润性乳腺癌患者的对比增强乳腺X线摄影肿瘤裁剪图像	数字病理学	乳腺癌	对比增强乳腺X线摄影	CNN	图像	105名患者（训练集68例，验证集16例，独立测试集21例）	PyTorch	ResNet-18	准确率, AUROC, 平衡准确率, 马修斯相关系数, 精确率-召回率曲线下面积	NA