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
4941	2025-12-07	Trends and applications of variational autoencoders in medical imaging analysis 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102647 PMID:41100999	综述	本文综述了2018年至2024年间变分自编码器在医学影像分析中的趋势与应用	通过文献计量分析揭示了VAE在医学影像中的研究趋势，并强调了深度学习工作流程标准化的重要性	NA	分析变分自编码器在医学影像分析中的应用趋势与潜力	118篇Web of Science数据库中的相关文章	医学影像分析	NA	NA	变分自编码器	医学影像	NA	NA	变分自编码器	NA	NA
4942	2025-12-07	ESAM2-BLS: Enhanced segment anything model 2 for efficient breast lesion segmentation in ultrasound imaging 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102654 PMID:41130123	研究论文	提出了一种名为ESAM2-BLS的增强型深度学习模型，用于高效分割超声图像中的乳腺病灶	通过引入适配器模块定制和微调预训练的SAM2模型，专门针对乳腺超声图像的独特挑战（如斑点噪声、低对比度边界、阴影伪影和各向异性分辨率）进行优化，显著提高了分割准确性，特别是对于低对比度和小病灶区域	NA	解决乳腺超声图像中病灶区域分割的挑战，提供高效的自动化分割解决方案	乳腺超声图像中的病灶区域	计算机视觉	乳腺癌	超声成像	深度学习模型	图像	超过1600名患者的两组数据集	NA	SAM2, ESAM2-BLS	Dice分数	NA
4943	2025-12-07	Multistain multicompartment automatic segmentation in renal biopsies with thrombotic microangiopathies and other vasculopathies 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102658 PMID:41167096	研究论文	本文开发了一种用于肾活检中血栓性微血管病及其他血管病变的自动多染色多区域分割流程	开发了覆盖六个关键区域（动脉、小动脉、肾小球、皮质、髓质、被膜/其他）的自动多染色分割流程，并发布了集成QuPath的开源端到端工具包NePathTK	小动脉区域的分割性能相对较低（Dice系数为0.553），且模型在泛化到其他染色方法或更广泛的血管病变类型时可能存在限制	开发一种能够泛化于不同染色方法并捕获严重形态学扭曲的自动组织分割方法，以支持肾活检的大规模分析	来自七个中心的158例肾活检样本，包括血栓性微血管病（TMA）和类似病变（Mimickers）	数字病理学	肾脏疾病	多染色全玻片图像分析	CNN, Transformer	图像	158例肾活检样本（训练集79例，验证集26例，测试集53例）	PyTorch, QuPath	U-Net, FPN, DeepLabV3+, Mask2Former, SegFormer, SegNeXt, ResNet-34, DenseNet-121, EfficientNet-v2-S, ConvNeXt-Small, Swin-v2-B	Dice系数, 准确率	NA
4944	2025-12-07	CDANet: A context-detail aware network for marine oil spill detection in SAR imagery 2025-Dec-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140683 PMID:41349300	研究论文	本研究提出了一种用于SAR图像海洋溢油检测的上下文-细节感知网络（CDANet），并构建了一个综合性的SAR溢油数据集	提出了CDANet网络，通过整合Mamba状态空间模型、多尺度交叉注意力机制和扩张正交特征融合策略，同时捕获全局语义和局部细节	未明确说明模型在极端天气条件或极高海况下的检测性能	开发准确高效的海洋溢油检测技术	合成孔径雷达（SAR）图像中的海洋溢油	计算机视觉	NA	合成孔径雷达（SAR）成像	深度学习模型	SAR图像	基于Sentinel-1和GF-3数据构建的综合数据集，包含多年份、多地理区域、多溢油形态和多极化模式	NA	CDANet（整合Mamba状态空间模型、多尺度交叉注意力机制、扩张正交特征融合）	精确率，F1分数	NA
4945	2025-12-07	Novel deep learning solutions with layered recurrent neural networks for nonlinear stiff Dahl hysteresis model in piezoelectric actuator 2025-Nov-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108378 PMID:41349175	研究论文	本文提出了一种基于分层循环神经网络的新深度学习方法，用于建模压电执行器中的非线性刚性Dahl迟滞模型	采用结合Levenberg-Marquardt优化技术的反向传播循环神经网络来近似Dahl迟滞模型的解，提高了对驱动幅度和频率变化的响应能力	依赖于合成生成的数据，可能未完全反映真实世界的复杂性；训练稳定性和可解释性仍需进一步改进	开发一种深度学习方法以更准确地建模压电执行器的非线性迟滞行为，提升其在高性能精密定位应用中的潜力	压电执行器及其相关的Dahl迟滞模型	机器学习	NA	数值积分（Adams时间积分方案）	RNN, BP-RNN	时间序列数据（位移时间序列）	通过四种不同激励输入（单位幅度正弦波、带直流偏移的正弦波、阻尼瞬态、阻尼谐波）系统变化参数生成的合成数据	NA	分层循环神经网络	均方误差, 直方图分析, 回归分析	NA
4946	2025-12-07	[Design and validation of a multimodal model integrating text and imaging data for intelligent assessment of psychological stress in college students] 2025-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.11.23 PMID:41311092	研究论文	本研究提出了一种整合社交媒体文本和图像数据的多模态模型，用于自动评估大学生的心理压力水平	通过结合文本情感建模（使用Bi-LSTM）和图像情感建模（使用U-Net）的多模态融合预测模块，实现了跨模态语义协作，以自动识别轻度、中度和重度三种心理压力水平	样本量相对较小（仅252个样本用于训练和测试），且数据来源于广东省多所大学，可能限制了模型的泛化能力	开发智能心理健康服务，支持高等教育机构中大学生心理压力的自动化评估	大学生	自然语言处理,计算机视觉	心理健康问题	深度学习	Bi-LSTM, U-Net	文本,图像	252个样本（来自1577名学生的社交媒体数据，经过清洗后随机选取）	NA	Bi-LSTM, U-Net	准确率, F1分数	NA
4947	2025-12-07	An Integrated Model Combined Conventional Radiomics and Deep Learning Features to Predict Early Recurrence of Hepatocellular Carcinoma Eligible for Curative Ablation: A Multicenter Cohort Study 2025 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001764 PMID:40338065	研究论文	本研究开发并验证了一个结合深度学习影像组学和传统影像组学特征的模型（DLRR），用于预测肝细胞癌根治性消融后的早期复发	首次将深度学习影像组学与传统影像组学特征整合到一个模型中，用于预测肝细胞癌消融后的早期复发，并采用多中心队列进行验证	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于CT影像	开发一个非侵入性模型，以准确预测肝细胞癌患者根治性消融后的早期复发，从而辅助制定精准治疗计划	肝细胞癌患者	数字病理学	肝细胞癌	对比增强计算机断层扫描	CNN, 机器学习模型	医学影像	288名患者（来自3家医院）	PyTorch, Scikit-learn	ResNet-18	AUC, NRI, IDI	NA
4948	2025-12-07	A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea 2025-Nov, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2025.111104 PMID:40930433	研究论文	本研究开发了一个模块化、可扩展的基因组注释流程，整合了短读长和长读长测序技术，用于非经典模式生物如Schmidtea mediterranea的基因组注释	开发了一个灵活、可扩展的基因组注释流程，整合了短读长（Illumina）和长读长（PacBio）测序技术，结合参考基因组和从头组装方法，并利用DeepSplice深度学习预测提高剪接位点检测准确性	未明确说明流程在更广泛物种或更大数据集上的性能验证或计算资源需求	开发一个适用于非经典模式生物、能处理基因组变异和选择性剪接事件的基因组注释流程	Schmidtea mediterranea（地中海涡虫）的无性繁殖品系	基因组学	NA	短读长测序（Illumina），长读长测序（PacBio）	深度学习	基因组序列数据	NA	NA	DeepSplice	剪接位点检测准确性	NA
4949	2025-12-07	MolP-PC: a multi-view fusion and multi-task learning framework for drug ADMET property prediction 2025-Nov, Chinese journal of natural medicines IF:4.0Q1 DOI:10.1016/S1875-5364(25)60945-9 PMID:41260779	研究论文	本文提出了一种名为MolP-PC的多视图融合与多任务学习框架，用于精确预测药物的ADMET性质	整合了1D分子指纹、2D分子图和3D几何表示，采用注意力门控融合机制和多任务自适应学习策略，以克服数据稀疏性和信息丢失问题	模型在预测分布容积（VD）时存在低估倾向，对高组织分布化合物的分析有改进空间	开发一个高效且可解释的框架，用于药物ADMET性质预测，以支持早期药物开发中的分子优化和风险评估	药物分子及其ADMET性质	机器学习	NA	多视图融合、多任务学习	深度学习框架	1D分子指纹、2D分子图、3D几何表示	NA	NA	MolP-PC	NA	NA
4950	2025-12-07	A Critical Review of Deep Learning Technique and Its Applications in Clinical Cytology 2025 Oct-Dec, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_136_25 PMID:41341475	综述	本文对深度学习技术在临床细胞学中的应用进行了批判性回顾	系统性地总结了深度学习在细胞学领域的潜力与挑战，强调了其在癌症筛查、疾病分类、生物标志物预测等多方面的应用前景	未提供具体实验数据或模型性能比较，主要基于文献综述，缺乏原创性研究验证	探讨深度学习技术在临床细胞学中的应用潜力与实施障碍	深度学习技术在细胞学领域的应用	数字病理学	癌症	NA	NA	图像	NA	NA	NA	NA	NA
4951	2025-12-07	Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy 2025-Aug-01, AIDS (London, England) DOI:10.1097/QAD.0000000000004220 PMID:40643081	评论	本文探讨了人工智能在美国CDC HIV干预中的变革潜力，强调在创新与健康隐私之间取得平衡	提出了AI在HIV预防中的综合应用框架，包括机器学习、深度学习和生成式AI，并强调与公共卫生策略（如PEPFAR）的对齐	未提供具体实证数据或案例研究，主要基于理论分析和愿景展望	探索AI在HIV预防和治疗中的潜在应用，以推动更公平的健康结果	美国CDC的HIV干预策略及相关公共卫生系统	机器学习	HIV	机器学习（ML）、深度学习（DL）、生成式AI（Gen AI）	NA	复杂HIV相关数据集	NA	NA	NA	NA	NA
4952	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
4953	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
4954	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
4955	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
4956	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
4957	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
4958	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
4959	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
4960	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