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
4381	2025-12-17	CellSAM: a foundation model for cell segmentation 2025-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02879-w PMID:41360960	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）开发了针对细胞分割的提示工程方法，并训练了自动检测细胞的CellFinder检测器，实现了单一模型在多种成像模态和细胞类型上的通用分割能力	未明确说明模型在极端成像条件或高度重叠细胞场景下的性能限制，也未详细讨论计算效率方面的局限性	开发一个能够泛化到多种细胞成像数据的通用细胞分割模型	哺乳动物细胞、酵母和细菌的显微图像	数字病理学	NA	细胞成像	基础模型	图像	NA	NA	Segment Anything Model（SAM）	零样本性能、少样本学习性能	NA
4382	2025-12-17	Development of multi-sensing technologies for high-throughput morphological, physiological, and biochemical phenotyping of drought-stressed watermelon plants 2025-Dec, Plant physiology and biochemistry : PPB IF:6.1Q1 DOI:10.1016/j.plaphy.2025.110577 PMID:41046739	研究论文	本研究开发了一种结合RGB、短波红外高光谱、多光谱荧光成像和热成像的全自动多模态高通量植物表型系统，用于分析干旱胁迫下西瓜植物的形态、生理和生化特征	整合了多种成像模态（RGB、SWIR高光谱、多光谱荧光、热成像）于一个全自动平台，实现了对干旱胁迫下植物表型的早期、全面分析，并应用先进机器学习和深度学习模型提升特征提取与分类能力	未明确提及系统在非实验室环境或大规模田间应用中的验证情况，以及成本效益分析	开发高通量植物表型技术，用于早期检测干旱胁迫并评估植物健康，以支持作物抗旱性和精准农业	干旱胁迫下的西瓜植物（Citrullus lanatus）	机器视觉	NA	RGB成像、短波红外高光谱成像、多光谱荧光成像、热成像	机器学习、深度学习	图像（RGB、高光谱、多光谱荧光、热成像）	未明确提及具体样本数量	NA	NA	预测准确性	NA
4383	2025-12-17	Utilizing deep learning algorithms for the early identification and categorization of skin cancer 2025-Dec, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100576 PMID:41386841	研究论文	本研究利用深度学习算法对皮肤癌进行早期识别和分类	结合EfficientNet-B0、VGG16和Inception-V3三种模型进行皮肤癌早期检测，并计划将模型集成到移动平台以提高可访问性	研究仅使用PH2和ISIC数据集，样本规模有限，且模型尚未在实际移动平台部署验证	通过图像处理和深度学习技术实现皮肤癌的早期识别与分类	皮肤癌图像数据，特别是黑色素瘤	计算机视觉	皮肤癌	图像处理	CNN	图像	PH2和ISIC数据集，具体样本数未明确	NA	EfficientNet-B0, VGG16, Inception-V3	准确率	NA
4384	2025-12-17	DeepBovC2H2-ZF: deep learning-guided prediction and molecular dynamics validation of C2H2 zinc finger transcription factors in Bovidae 2025-Dec, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100620 PMID:41386884	研究论文	本研究开发了一个名为DeepBovC2H2-ZF的深度学习框架，用于预测牛科动物中的C2H2锌指转录因子，并通过分子动力学模拟验证了其预测结果	开发了首个专门针对牛科动物C2H2锌指转录因子预测的深度学习框架，结合了分子动力学模拟进行功能验证	模型仅基于蛋白质序列信息，可能未考虑其他调控因素；在牛科动物以外的物种中泛化能力未经验证	开发一个计算工具，用于全基因组范围内识别牛科动物中的C2H2锌指转录因子	牛科动物中的C2H2锌指转录因子	生物信息学	NA	蛋白质序列分析, 分子对接, 分子动力学模拟	深度学习	蛋白质序列	经过整理的已验证C2H2-ZF和非C2H2-ZF转录因子数据集	NA	NA	准确率, 灵敏度, 特异性	NA
4385	2025-12-17	Early diagnosis of transient ischemic attack facilitated by SERS-based artificial intelligence sensors 2025-Nov-27, Mikrochimica acta DOI:10.1007/s00604-025-07699-5 PMID:41307575	研究论文	本研究开发了一种基于荷叶/铜/二氧化硅/银多层膜的表面增强拉曼散射检测平台，结合人工智能算法，用于早期诊断短暂性脑缺血发作	结合SERS多层膜传感器与多种深度学习模型，实现了对TIA血清炎症标志物的高特异性检测，其中LightGBM模型准确率达99.64%	未提及样本量的具体限制或外部验证的广泛性	通过SERS与人工智能技术提高短暂性脑缺血发作的早期诊断准确率	短暂性脑缺血发作患者与健康对照者的血清样本	机器学习	心血管疾病	表面增强拉曼散射	LightGBM, ANN, 1D-CNN, BiLSTM, Transformer, AlexNet	血清SERS光谱	TIA患者与健康对照者的血清样本（具体数量未明确）	NA	LightGBM, ANN, 1D-CNN, BiLSTM, Transformer, AlexNet4	准确率	NA
4386	2025-12-17	Deep Learning-Assisted Automated Diagnosis of Osteoporosis Based on Computed Tomography Scans: Systematic Review and Meta-Analysis 2025-Nov-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77155 PMID:41284986	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了基于CT扫描的深度学习模型在骨质疏松症诊断中的性能	首次对基于CT扫描的深度学习模型在骨质疏松症诊断中的性能进行系统综述与荟萃分析，并识别了影响模型性能的关键因素，如DenseNet变体、多切片输入、3D架构和CT作为参考标准	纳入研究间存在显著的异质性，外部验证有限，且缺乏完整的端到端流程，这限制了所提模型的普适性	调查基于CT扫描的深度学习模型在诊断骨质疏松症方面的诊断性能	接受CT扫描的成年参与者	计算机视觉	骨质疏松症	计算机断层扫描（CT）	深度学习模型	CT图像	24项研究，包含来自29,808名参与者的CT图像	NA	DenseNet, 3D架构	灵敏度, 特异性, 曲线下面积	NA
4387	2025-12-17	Development of a deep learning model for guiding treatment decisions of acute variceal bleeding in patients with cirrhosis 2025-Nov-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i41.111361 PMID:41257275	研究论文	本研究开发了一种基于深度学习的AI-AVB模型，用于预测肝硬化患者急性静脉曲张出血的治疗效果，并指导治疗决策	开发了一种新的AI模型，相比传统风险分层方法，在预测六周治疗失败和一年死亡率方面表现出更优的性能，并能有效识别可能从预防性TIPS中受益的高风险患者	研究基于回顾性多中心队列，可能存在选择偏倚；模型在外部验证中的性能略有下降，需要进一步前瞻性验证	开发人工智能模型以指导肝硬化患者急性静脉曲张出血的治疗决策，并识别适合预防性经颈静脉肝内门体分流术的患者	肝硬化合并急性静脉曲张出血的患者	数字病理学	肝硬化	深度学习	深度学习模型	临床基线数据	3090名患者（1227名接受内镜静脉曲张结扎加药物治疗，1863名接受预防性TIPS）	NA	NA	AUC	NA
4388	2025-12-17	Integrating AI with Biosensors and Voltammetry for Neurotransmitter Detection and Quantification: A Systematic Review 2025-Nov-02, Biosensors DOI:10.3390/bios15110729 PMID:41294740	系统综述	本文系统综述了人工智能与生物传感器和伏安法结合用于复杂生物流体中神经递质检测和定量的研究	整合人工智能方法（如机器学习和深度学习）以克服传统生物传感器在神经递质信号解卷积和实时监测中的局限性	传感器稳定性不足和神经递质间相互作用复杂性等挑战仍然存在	评估和综合人工智能在改进神经递质自动检测和定量方面的应用研究	复杂生物流体（如脑脊液）中的神经递质	机器学习	神经退行性疾病	伏安法	机器学习, 模式识别, 深度学习	信号数据	NA	NA	NA	NA	NA
4389	2025-12-17	Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation 2025-Sep, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101253 PMID:40919103	研究论文	本文通过整合可解释深度学习与多组学数据，筛选肝细胞癌进展性诊断生物标志物，覆盖“炎症-癌症”转化过程	结合可解释深度学习与多组学分析，系统性识别肝细胞癌从炎症到癌症转化过程中的诊断生物标志物	NA	筛选肝细胞癌的进展性诊断生物标志物，以覆盖“炎症-癌症”转化过程	肝细胞癌及其相关的炎症-癌症转化过程	机器学习	肝细胞癌	多组学	深度学习	多组学数据	NA	NA	NA	NA	NA
4390	2025-12-17	A Review on Deep Learning Methods for Glioma Segmentation, Limitations, and Future Perspectives 2025-08-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11080269 PMID:40863479	综述	本文全面综述了用于胶质瘤分割的深度学习方法，分析了其局限性并展望了未来研究方向	首次系统性地将80多种先进模型分为CNN、纯Transformer和混合架构三类进行评估，并特别关注模型在临床实际部署中的适用性，引入了基于鲁棒性、效率和肿瘤区域分割完整性的适用性分析	作为综述文章，主要基于已有文献进行分析，未提出新的分割模型或算法	评估深度学习模型在胶质瘤MRI图像分割中的性能，并分析其在临床环境中的适用性	胶质瘤的MRI图像	数字病理学	胶质瘤	磁共振成像	CNN, Transformer	图像	基于BraTS数据集的基准测试	NA	CNN-based, Pure Transformer, Hybrid CNN-Transformer	分割准确性, 计算效率	NA
4391	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
4392	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
4393	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
4394	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
4395	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
4396	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
4397	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
4398	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
4399	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
4400	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