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
1081	2025-12-05	Deep learning-based object detection of restorative dental instruments with potential implications for workflow automation and infection control in dental supply units 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30774-z PMID:41339466	研究论文	本研究提出了一种基于深度学习的自动化检测与分类修复性牙科器械的概念验证方法	首次将YOLOv8模型应用于标准化托盘上修复性牙科器械的自动化检测与分类，并与前代YOLO模型进行性能比较	需要在更多样化的临床环境中进行进一步验证，以确保模型的泛化能力	支持牙科供应单元的工作流程自动化和感染控制	标准化托盘上的修复性牙科器械	计算机视觉	NA	深度学习	CNN	图像	1000张图像，包含14000个标注实例，涵盖14个器械类别	PyTorch	YOLOv8, YOLOv5, YOLOv6, YOLOv7	精确度, 召回率, mAP@0.5, mAP@[0.5:0.95]	NA
1082	2025-12-05	Automatic rib fracture detection on postmortem CT data using deep learning 2025-Dec-04, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03669-x PMID:41339543	研究论文	本文评估了深度学习模型nnDetection在死后CT扫描数据上自动检测肋骨骨折的性能，并分析了临床与死后CT成像之间的领域偏移因素	首次将深度学习模型应用于死后CT扫描数据进行肋骨骨折检测，并系统性地识别了临床与死后CT数据之间的领域偏移主要因素	样本量相对较小（仅50例死后CT扫描），且未探索更先进的技术来克服领域偏移因素	评估深度学习模型在死后CT数据上自动检测肋骨骨折的性能，并识别临床与死后CT成像之间的领域偏移因素	死后CT扫描数据和临床CT扫描数据中的肋骨骨折	计算机视觉	肋骨骨折	CT扫描	深度学习模型	CT图像	50例死后CT扫描（24%女性；平均年龄61岁，范围19-96岁）和660例临床CT扫描（36%女性；平均年龄55岁，范围21-94岁）	nnDetection	nnDetection	平均灵敏度, 平均精确度（在0.1交并比下）	NA
1083	2025-12-05	Improving prediction region accuracy in marine animal movement with temporal fusion transformer 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29520-2 PMID:41339653	研究论文	本研究利用时序融合变换器（TFT）神经网络，基于434头南象海豹的卫星追踪数据，预测其7天内的移动位置并填补数据缺失，以提升海洋动物移动预测的准确性	首次将时序融合变换器（TFT）应用于海洋动物移动预测，相比传统状态空间模型，将定位误差降低15%，并显著缩小预测区域范围（预测任务缩小5倍，插补任务缩小30-40%）	模型在训练数据未覆盖的新地理区域应用时，性能下降约30%，表明将学习到的模式迁移到陌生环境存在挑战	提升海洋动物移动预测的准确性，以支持保护工作和生态系统管理	南象海豹的卫星追踪数据	机器学习	NA	卫星追踪	TFT（时序融合变换器）	时序数据	434头南象海豹的追踪数据	NA	Temporal Fusion Transformer	定位误差，预测区域效率	NA
1084	2025-12-05	Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography 2025-Dec-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07438-5 PMID:41340110	研究论文	本研究评估了基于CBCT数据训练的深度学习模型在分析全景X光片上上颌第三磨牙与上颌窦底位置关系的有效性	利用CBCT数据训练的深度学习模型分析全景X光片，以客观评估上颌第三磨牙与上颌窦底的位置关系，减少对CBCT成像的依赖	研究仅使用了1,054张全景X光图像，样本量相对有限；且模型在三分类问题上的准确率（约68-69%）低于二分类问题（约89-91%）	评估深度学习模型在全景X光片上识别上颌第三磨牙与上颌窦底位置关系的性能，并比较不同深度学习架构的分类效果	上颌第三磨牙与上颌窦底的位置关系	计算机视觉	口腔疾病	锥形束计算机断层扫描（CBCT），全景X光摄影（PR）	CNN	图像	1,054张全景X光图像	NA	VGG16, VGG19, ResNet50, ResNet101, GoogleNet	准确率, 混淆矩阵	NA
1085	2025-12-05	Comprehensive review on learning models of leukemia detection based on morphological information 2025-Dec-04, Leukemia & lymphoma IF:2.2Q3 DOI:10.1080/10428194.2025.2583449 PMID:41340531	综述	本文系统回顾了基于形态学信息的白血病检测中的人工智能方法，包括图像采集、预处理、分割和分类技术	对白血病检测中的人工智能方法进行了全面系统的回顾，涵盖了从传统图像处理到深度学习框架的多种技术，并指出了现有问题和未来方向	作为综述文章，未提出新的实验模型或算法，主要基于现有文献进行分析和总结	回顾和总结基于人工智能的白血病检测方法，以促进该领域的进一步发展	白血病检测中的人工智能方法，包括图像采集、预处理、分割和分类模型	数字病理学	白血病	外周血涂片显微镜检查、流式细胞术、骨髓活检成像、高级成像技术	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
1086	2025-12-05	Feasibility study on automated cytokinesis-block micronucleus assay analysis in cytogenetic biodosimetry using YOLOv5 object detection 2025-Dec-04, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2025.2588409 PMID:41342911	研究论文	本研究探讨了使用YOLOv5对象检测技术自动化分析细胞遗传学生物剂量学中的胞质分裂阻滞微核试验的可行性	首次将基于深度学习的对象检测（YOLOv5）应用于细胞遗传学生物剂量学中的微核分析，以实现快速、可靠的自动化检测	研究仍处于初步阶段，训练图像数量较少，可能通过数据增强进一步改进模型	应用深度学习对象检测技术分析微核，以加速细胞遗传学生物剂量学中的剂量估计，支持辐射应急医学中的快速分诊	健康志愿者的外周血样本，经0、2和3 Gy照射处理	计算机视觉	辐射损伤	细胞培养、全玻片成像	CNN	图像	来自健康志愿者的外周血样本，具体数量未明确说明	YOLOv5	YOLOv5	分类性能、剂量-响应曲线比较	NA
1087	2025-12-05	Artificial inteligence reading of cystometric traces provides good correlation with human diagnosis 2025-Dec-04, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06097-z PMID:41342912	研究论文	本研究评估了人工智能在膀胱测压图解读中与人类专家诊断的相关性，旨在自动化尿动力学研究	结合基于图像的CNN-VGG16深度学习和基于小波的机器学习方法，并集成异常检测处理伪影，提高了诊断准确性	研究为单中心回顾性观察性设计，样本量有限，且未提供基于图像方法的定量指标	评估人工智能在膀胱测压图中检测逼尿肌过度活动的诊断准确性，并处理伪影	2023年接受膀胱测压的成人患者的测压图	机器学习	下尿路功能障碍	膀胱测压	CNN, 机器学习	图像, 信号	517个膀胱测压图（200个用于训练，317个用于测试）	NA	VGG16	准确率, 特异性, 敏感性	NA
1088	2025-12-05	Deep learning-based framework for comprehensive quantification of thigh and calf muscles and adipose tissues from MRI 2025-Dec-04, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01308-5 PMID:41342972	研究论文	本研究提出了一种基于深度学习的框架，用于从MRI中自动量化大腿和小腿的肌肉及脂肪组织	开发了一个3D Attention-Res-V-Net级联模型，首次实现了对下肢13块大腿肌肉和9块小腿肌肉的细粒度量化，并公开了高质量专家标注数据集	样本量较小（仅25名参与者），且部分肌肉内脂肪组织（IntraMAT）的误差范围较大（最高达58.8%）	开发自动化工具以量化下肢肌肉和脂肪组织，用于神经肌肉、肌肉骨骼和代谢性疾病的病理变化表征	亚洲印度糖尿病前期研究中的25名参与者（平均年龄40.5岁，64%男性）的大腿和小腿MRI数据	数字病理学	代谢性疾病	轴向两点Dixon磁共振成像	CNN	MRI图像	25名参与者	NA	Attention-Res-V-Net	Dice相似系数, 相对误差	NA
1089	2025-12-05	Glioblastoma survival prediction through MRI and clinical data integration with transfer learning 2025-Dec-04, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03548-1 PMID:41343123	研究论文	本研究通过整合多模态MRI数据和临床变量，利用深度学习模型进行胶质母细胞瘤患者的生存预测	采用预训练的U-Net模型进行自动分割和特征提取，结合编码器潜在空间的高维特征与临床变量，并通过PCA降维提升计算效率，相比传统影像组学方法能捕获更复杂的成像模式	未在摘要中明确说明研究的局限性	准确预测胶质母细胞瘤患者的总生存期，以推进个性化治疗和改善临床试验设计	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI	U-Net, 随机森林, XGBoost, 多层感知机	图像, 临床数据	BraTS2020数据集和IRCCS Besta专有数据集	NA	U-Net	F1分数, AUC, 准确率	NA
1090	2025-12-05	Graph-based deep reinforcement learning for haplotype assembly with Ralphi 2025-Dec-03, Genome research IF:6.2Q1 DOI:10.1101/gr.280569.125 PMID:41238397	研究论文	本文介绍了一种基于图结构深度强化学习的新型单倍型组装框架Ralphi，用于从读段比对数据中准确重建二倍体基因组的两个单倍型	首次将深度强化学习与图表示学习相结合用于单倍型组装问题，通过片段图拓扑结构设置强化学习奖励目标	训练数据主要基于1000基因组计划的基因组数据，可能对其他种群或特殊基因组的泛化能力有限	开发更准确、更长的单倍型组装方法，以理解不同变异组合对表型的影响	二倍体基因组的单倍型组装	机器学习	NA	读段比对，深度强化学习	深度强化学习	基因组测序读段比对数据，片段图	基于1000基因组计划基因组构建的多样化片段图拓扑数据集	NA	NA	错误率，单倍型区块长度	NA
1091	2025-12-05	Towards real-time non-invasive detection of hyperlipidemia through finger pulse image analysis using deep learning 2025-Dec-03, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae212a PMID:41259810	研究论文	本研究利用深度学习技术分析手指脉搏图像，开发了一种非侵入性、高性价比的高脂血症检测方法	首次提出通过分析手指脉搏图像波形模式来检测高脂血症，并开发了定制的CNN模型，实现了高精度的非侵入性诊断	样本量相对较小（81名患者和65名对照组），且研究为单中心，需要更大规模的多中心验证	开发一种非侵入性、实时的高脂血症检测方法，替代传统的侵入性血液检测	高脂血症患者和健康对照者的手指脉搏图像波形	计算机视觉	心血管疾病	脉搏图像采集与分析	CNN	图像	81名高脂血症患者和65名健康对照者，每组选取700个单脉搏波周期	TensorFlow, Keras	自定义CNN, VGG16	准确率, 精确率, 召回率, F1分数	NA
1092	2025-12-05	PSMA PET Evaluation with a Deep Learning Platform Compared with a Standard Image Viewer and Histopathology 2025-Dec-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.270242 PMID:41101977	研究论文	本研究评估了深度学习分割软件aPROMISE与标准图像查看器ISP在PSMA PET/CT评估中的性能，并与组织病理学进行对比	首次将深度学习分割软件aPROMISE应用于PSMA PET/CT评估，并与标准图像查看器及组织病理学进行系统性比较	研究为回顾性分析，样本量相对较小（96例患者），且未详细说明深度学习模型的训练细节	评估深度学习软件在PSMA PET/CT图像评估中的性能，以提升前列腺癌诊断的标准化和可重复性	96例前列腺切除术后生化持续或复发的患者，接受PSMA放射性引导手术	数字病理学	前列腺癌	PSMA PET/CT成像	深度学习分割模型	医学图像（PET/CT）	96例患者	NA	NA	Cohen κ值，一致性率，主要差异比例	NA
1093	2025-12-05	Patterns of interspecific variation in labial microarchitecture among anthropoid primates and the evolution of the hominin lips 2025-Dec-03, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70103 PMID:41334680	研究论文	本研究首次系统性地调查了15种灵长类动物（包括人类）的唇部微观结构，揭示了人类唇部在肌肉、脂肪和结缔组织比例及解剖配置上的独特特征	首次对灵长类动物唇部微观结构进行系统组织学和形态计量学研究，并应用深度学习分割技术量化组织成分	未提供直接的功能性证据	研究灵长类动物唇部微观结构的种间变异，探讨人类唇部特征的演化及其与面部表情和言语进化的关联	15种灵长类物种，包括人类、非人大型猿类、猴科、卷尾猴科和狐猴科	NA	NA	组织学染色（Masson三色染色）、深度学习分割、手动标注	NA	组织切片图像	15种灵长类物种	NA	NA	NA	NA
1094	2025-12-05	Enhancing digital pathology workflows: computational blur detection for H&E image quality control in preclinical toxicology 2025-Dec-03, Journal of histotechnology IF:0.6Q4 DOI:10.1080/01478885.2025.2585615 PMID:41334851	研究论文	本文介绍了一种集成计算模型MiQC，用于检测和量化H&E染色全玻片图像中的失焦区域，以增强数字病理工作流程中的图像质量控制	结合局部二值模式和基于DeepFocus的深度学习算法，开发了生产化的计算模型MiQC，用于自动识别WSI中的模糊区域，并通过热图辅助技术员审查，显著提高了图像质量控制的效率和可扩展性	未明确提及模型在多样化病理样本或不同扫描仪设置下的泛化能力评估	提升临床前毒理学中数字病理工作流程的图像质量控制效率和自动化水平	H&E染色的全玻片图像	数字病理	NA	数字成像	深度学习算法	图像	未明确指定具体样本数量，但涉及常规工作流程中的WSI	未明确指定	DeepFocus	未明确指定具体指标，但提及扫描仪焦点分数和审查时间减少	未明确指定
1095	2025-12-05	Machine learning models for predicting response to epidermal growth factor receptor tyrosine kinase inhibitors in non-small cell lung cancer brain metastases: a systematic review and meta-analysis 2025-Dec-03, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04148-w PMID:41335187	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测非小细胞肺癌脑转移患者对表皮生长因子受体酪氨酸激酶抑制剂治疗反应方面的性能	首次对用于预测EGFR-TKI在非小细胞肺癌脑转移中反应的机器学习模型进行了系统性的性能评估和荟萃分析	纳入研究多为小型回顾性数据集，且缺乏外部验证，限制了模型在临床实践中的直接应用	评估机器学习模型在预测非小细胞肺癌脑转移患者对EGFR-TKI治疗反应方面的预测性能	非小细胞肺癌脑转移患者	机器学习	肺癌	NA	逻辑回归, 决策树, 深度学习	临床数据	1322名肺癌脑转移患者	NA	DL-Cox	AUC, 准确率, 灵敏度, 特异性, 诊断比值比	NA
1096	2025-12-05	Laparoscopic augmented reality navigation system based on deep learning and SLAM 2025-Dec-03, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03487-8 PMID:41335230	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1097	2025-12-05	HypoChainer: a Collaborative System Combining LLMs and Knowledge Graphs for Hypothesis-Driven Scientific Discovery 2025-Dec-03, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3633887 PMID:41336152	研究论文	本文提出了HypoChainer，一个结合LLMs和知识图谱的协作可视化框架，用于增强假设驱动的科学发现	通过整合人类专业知识、LLM驱动的推理和知识图谱，提出一个三阶段协作框架，以解决传统假设驱动研究中的认知限制和LLM幻觉问题	仅通过案例研究和专家访谈进行评估，缺乏大规模实证验证	增强假设驱动的科学发现，特别是在生物学领域，通过视觉化协作系统整合预测、知识和推理	科学发现过程，特别是生物学中的假设生成和验证	自然语言处理, 机器学习	NA	检索增强生成（RAG）, 图神经网络（GNNs）	LLM, GNN	知识图谱, 文本	NA	NA	NA	NA	NA
1098	2025-12-05	Physics-Driven Neural Compensation For Electrical Impedance Tomography 2025-Dec-03, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3639647 PMID:41336161	研究论文	提出一种名为PhyNC的无监督深度学习框架，用于解决电阻抗断层成像中的逆问题病态性和灵敏度分布不均问题	将EIT物理原理融入无监督深度学习框架，通过动态分配神经表示能力至低灵敏度区域，实现准确且平衡的电导率重建	未明确说明框架在其他成像模态中的具体适应性和泛化性能验证	提升电阻抗断层成像的重建质量和鲁棒性	电阻抗断层成像的电导率重建	机器学习	NA	电阻抗断层成像	深度学习	模拟数据和实验数据	NA	NA	PhyNC	细节保持和抗伪影能力	NA
1099	2025-12-05	Usefulness of Data Simulation for Training Deep Learning Denoising Algorithms in Infrared Spectral Histology 2025-Dec-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02174 PMID:41337468	研究论文	本研究探讨了使用模拟数据训练深度学习模型，用于临床应用中石蜡包埋组织切片的红外光谱图像去噪	提出了一种基于模拟线性生成模型的方法，结合不同波段形状和噪声类型，以增强训练数据多样性并提高模型泛化能力	模拟光谱的具体配置显著影响模型性能，且效果取决于模拟数据的特性	研究模拟数据在训练深度学习去噪算法中的有效性，以加速红外光谱成像去噪技术的开发	石蜡包埋组织切片的红外光谱图像	数字病理学	NA	傅里叶变换红外光谱	CNN	图像	NA	NA	ResUNet-1D-CNN	NA	NA
1100	2025-12-05	MallaNet residual branch merge convolutional neural network with homogeneous filter capsules for Devanagari character recognition 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30871-z PMID:41339442	研究论文	本研究提出了一种名为MallaNet的深度学习模型，用于提高Devanagari手写字符识别的准确性和效率	引入了优化的残差块、精炼的均匀滤波器胶囊层和合并层，以捕获多尺度特征并保持空间层次结构，同时显著减少了模型参数	未明确提及模型在其他脚本或更大数据集上的泛化能力，也未讨论计算资源的具体需求	开发一个鲁棒的深度学习模型，以实现Devanagari手写字符的高精度识别，支持文档数字化和文化保护	Devanagari手写字符	计算机视觉	NA	NA	CNN	图像	92,000张图像，涵盖46个类别	NA	MallaNet, BMCNNwHVCs	准确率, 宏平均F1分数	NA