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
5301	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
5302	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
5303	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
5304	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
5305	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
5306	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
5307	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
5308	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
5309	2025-12-04	Dispersion based recurrent neural network model for methane monitoring in Albertan tailings ponds 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127748 PMID:41187672	研究论文	本研究开发了一种基于扩散的循环神经网络模型，用于监测阿尔伯塔省尾矿池的甲烷排放	提出了一种结合扩散模型的循环神经网络方法，能够同时预测甲烷排放量和浓度，并利用反向扩散建模识别活跃尾矿池	NA	评估阿尔伯塔油砂尾矿池的甲烷排放潜力并进行未来预测	阿尔伯塔油砂尾矿池的甲烷排放	机器学习	NA	扩散建模	循环神经网络	NA	NA	NA	Dispersion based Recurrent Neural Network	NA	NA
5310	2025-12-04	A cross-city transferable convolutional neural network framework for assessing street-scale flood risks in urban networks 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127977 PMID:41242263	研究论文	本研究提出了一种基于卷积神经网络的AI驱动框架，用于评估城市街道尺度的洪水风险，通过整合水文气象、地形和城市形态数据	该框架展示了强大的空间可转移性，能够跨城市（从深圳到香港）应用，并强调了深度学习在城市洪水风险评估中的创新潜力	NA	评估城市街道尺度的洪水风险，为不同城市区域制定定制化的洪水缓解策略	城市洪水风险，特别是针对深圳和香港的街道网络	计算机视觉	NA	卷积神经网络	CNN	水文气象、地形和城市形态数据	NA	NA	卷积神经网络	NA	NA
5311	2025-12-04	Integration of Dose Surface Maps and Genetic Data Identifies the Lower Posterior Rectum as a Key Region for Toxicity after Prostate Cancer Radiotherapy 2025-Dec-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-2102 PMID:41081635	研究论文	本研究结合直肠剂量表面图和遗传数据，识别了前列腺癌放疗后直肠毒性的关键区域	首次将直肠剂量表面图与遗传数据结合，通过体素级Cox比例风险模型识别了基因型驱动的毒性模式，特别是发现下后直肠区域为关键风险区域	研究样本仅来自REQUITE研究的1,293名患者，可能无法完全代表所有人群；且仅分析了三个候选SNP，未涵盖全基因组范围	识别直肠区域中影响剂量-毒性关系的遗传变异，以优化前列腺癌放疗的个性化治疗	前列腺癌患者	数字病理学	前列腺癌	深度学习直肠轮廓分割，剂量表面图生成，体素级Cox比例风险模型	深度学习模型	医学图像（直肠剂量表面图），遗传数据（SNP）	1,293名前列腺癌患者	NA	NA	P值，风险比	NA
5312	2025-12-04	Analysis of the impact of irradiance and temperature on photovoltaic production: A statistical and machine learning approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103716 PMID:41323109	研究论文	本研究结合统计分析和深度学习技术，探讨了太阳辐照度和环境温度对光伏发电量的影响	采用基于自编码器的模型捕捉复杂的非线性关系，并引入了新的交互项以增强对联合环境变化的敏感性	NA	评估环境因素对光伏发电量的影响，并优化光伏系统在多变气候条件下的性能	光伏发电系统及其产量	机器学习	NA	统计分析和深度学习	自编码器	环境参数数据（如辐照度、温度）和光伏发电量数据	NA	NA	自编码器	准确度，泛化能力	NA
5313	2025-12-04	WMC-Leafset: A dataset of wax gourd and Mangalore cucumber plants for leaf miner and pest infestation diseased object detection 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112231 PMID:41323749	研究论文	本文介绍了一个用于检测冬瓜和芒格洛尔黄瓜叶片上潜叶虫和害虫侵染的新数据集WMC-Leafset	填补了公开数据集中缺乏芒格洛尔黄瓜和冬瓜品种的空白，提供了包含复杂田间背景、重叠叶片、多角度和多距离拍摄的图像，支持对象级别的多病害检测	未提及模型的具体性能评估或与其他数据集的直接比较	促进可持续农业实践，通过早期病害检测提高作物产量和粮食安全	受潜叶虫和害虫侵染的冬瓜和芒格洛尔黄瓜植株叶片，以及健康叶片	计算机视觉	植物病害	图像采集	对象检测模型	图像	3200张图像	NA	NA	NA	NA
5314	2025-12-04	A comprehensive dataset of agarwood tree (Aquilaria Malaccensis) leaf images for disease analysis in Brunei Darussalam 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112227 PMID:41323752	研究论文	本文介绍了一个用于沉香树病害分析的叶片图像数据集，旨在支持基于人工智能的植物病害自动识别	首次为具有重要商业和生态价值的沉香树构建了一个大规模、高分辨率、包含多种病害和虫害类别的叶片图像数据集	数据集仅来源于文莱的三个种植园，可能无法完全代表其他地理区域的病害情况	开发用于沉香树病害和虫害自动识别的AI模型，以支持可持续农业和精准植物健康管理	沉香树（Aquilaria Malaccensis）的叶片	计算机视觉, 数字病理学	植物病害	图像采集	深度学习模型	图像	5472张叶片图像，分为14个类别（8种病害、5种虫害、1类健康叶片）	NA	NA	NA	NA
5315	2025-12-04	YSED: Yemeni speech emotion dataset 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112233 PMID:41323760	研究论文	本文介绍了首个也门阿拉伯语语音情感数据集YSED，用于支持基于深度学习的也门方言语音情感识别研究	创建了首个专门针对也门阿拉伯语方言的语音情感数据集，填补了该方言在语音情感识别研究中的数据空白	数据集规模相对较小（1432条有效录音），情感类别仅限于五种基本情绪，参与者年龄范围有限（15-45岁）	为也门阿拉伯语方言的语音情感识别研究提供高质量的数据资源	也门阿拉伯语方言的语音情感数据	自然语言处理	NA	模拟诱导录音方法	NA	音频	71名也门志愿者（37男34女），年龄15-45岁，最终包含1432条有效语音录音	NA	NA	Fleiss' Kappa系数	NA
5316	2025-12-04	Development and validation of a multi-modal MRI-based deep learning framework for differentiation of intraspinal tumors (ISMF-Net) 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103636 PMID:41324009	研究论文	本研究开发并验证了一个基于多模态MRI和临床数据的深度学习框架ISMF-Net，用于区分不同类型的椎管内肿瘤	提出了一个集成多序列MRI特征和临床数据的深度学习框架ISMF-Net，用于椎管内肿瘤的鉴别诊断，并通过观察者研究验证了模型辅助对放射科医生诊断性能的提升	研究为回顾性设计，且转移瘤（MET）的诊断性能相对较低	开发并验证一个基于MRI的深度学习模型，以辅助椎管内肿瘤的鉴别诊断	被诊断为椎管内肿瘤（ISTs）的患者，包括神经鞘瘤（SCN）、脑膜瘤（MNG）、星形细胞瘤（AST）、室管膜瘤（EPN）和转移瘤（MET）	数字病理学	椎管内肿瘤	脊柱MRI，包括矢状位T1加权（T1W）、T2加权（T2W）、T2脂肪抑制（T2FS）和轴位T2W序列	深度学习模型	多模态MRI图像和临床数据	来自中国三家医院的1004名患者（内部数据集723名，外部测试集281名）	NA	ISMF-Net	微平均准确率（micro-ACC），F1分数，准确率，敏感性，特异性	NA
5317	2025-12-04	A non-invasive MRI-based multimodal fusion deep learning model (MF-DLM) for predicting overall survival in bladder cancer: a multicentre retrospective study 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103640 PMID:41324013	研究论文	本研究开发并验证了一种基于MRI的多模态融合深度学习模型，用于预测膀胱癌患者的总生存期	提出了一种利用交叉注意力机制融合三维深度学习特征、三维影像组学特征、形态学MRI特征和临床特征的多模态融合深度学习模型，用于非侵入性地预测膀胱癌预后	研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	开发并验证一个非侵入性模型，用于准确预测膀胱癌患者的总生存期，以指导个性化治疗	膀胱癌患者	数字病理学	膀胱癌	磁共振成像	深度学习模型	图像, 临床数据	来自中国8家机构的1131名膀胱癌患者（训练集697人，内部验证集174人，外部测试集260人）	NA	改进的3D ResNet50	C-index	NA
5318	2025-12-04	Geometric Deep Learning for the Rubik's Cube Group 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3599009 PMID:40839500	研究论文	本文提出了一种基于几何深度学习的新型神经网络架构，用于解决魔方问题，该架构通过利用魔方领域的对称性来提升性能	首次在魔方问题中引入几何深度学习原则，设计了一个显式利用对称性的神经网络架构，并基于严格的群论分析进行验证	未明确说明模型在更复杂或更大规模组合问题上的泛化能力，以及计算资源的具体需求	开发一种能够有效利用对称性来提升魔方问题求解效率和泛化能力的神经网络模型	魔方（Rubik's Cube）及其状态空间	机器学习	NA	几何深度学习，群论分析	神经网络	组合状态数据	NA	NA	对称不变模型	泛化能力，问题解决效率	NA
5319	2025-12-04	IRPruneDeXt: Efficient Infrared Small Target Detection via Musical Wavelet-Regularized Channel Pruning 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3594958 PMID:40844941	研究论文	本文提出了一种基于小波结构正则化和多维音乐尺度软通道剪枝的高效红外小目标检测模型IRPruneDeXt	首次将网络剪枝概念引入红外小目标检测领域，并创新性地提出小波结构正则化多维音乐尺度软通道剪枝方法，通过小波域权重表示和音乐尺度反馈效应实现高效剪枝	未明确说明模型在极端低信噪比环境下的鲁棒性，且剪枝过程可能对特定目标形态敏感	提升红外小目标检测模型的效率与精度，解决现有深度学习模型参数冗余和计算成本高的问题	红外图像中的微弱小目标	计算机视觉	NA	红外成像	深度学习	红外图像	多个广泛使用的基准数据集（未指定具体数量）	NA	U-net	IoU, nIoU, 参数量, FLOPs	NA
5320	2025-12-04	Extrapolation Convolution for Data Prediction on a 2-D Grid: Bridging Spatial and Frequency Domains With Applications in Image Outpainting and Compressed Sensing 2025-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3598745 PMID:40844942	研究论文	本文提出了一种外推卷积框架，用于解决图像修复和压缩感知任务中传统卷积神经网络在外推能力上的局限性	提出了外推卷积框架，将缺失数据预测建模为深度学习架构内的线性预测问题，并应用于图像外绘和傅里叶域压缩感知MRI重建	未明确说明模型的计算复杂度和训练时间，也未讨论在更广泛数据集或不同模态图像上的泛化能力	提升卷积神经网络在图像外推任务中的性能，特别是在图像外绘和压缩感知MRI重建中的应用	二维网格数据，具体为图像数据和MRI频率域信号	计算机视觉	NA	深度学习，压缩感知MRI	CNN，编码器-解码器网络	图像，频率域信号	NA	NA	EC-DecNet, FDRN	峰值信噪比, 结构相似性指数, 核初始距离/弗雷歇初始距离	NA