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
1101	2025-11-10	An interpretable statistical approach to photovoltaic power forecasting using factor analysis and ridge regression 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22838-x PMID:41198787	研究论文	提出一种结合层次因子分析和岭回归的可解释光伏功率预测框架	通过层次因子分析将高维气象数据压缩为三个具有物理意义的二阶因子，结合岭回归提供系数级透明度和正则化	基于单参数岭模型在压缩空间中进行预测，可能无法完全捕捉复杂非线性关系	开发透明可解释的光伏功率预测方法	光伏电站发电功率	机器学习	NA	层次因子分析，岭回归	岭回归	时间序列数据，气象数据	土耳其阿德亚曼93.6 kWp电站2021年5月17日至2025年1月12日的15分钟测量数据	NA	层次因子分析结合岭回归	NA	NA
1102	2025-11-10	Optimization of deep learning-based faster R-CNN network for vehicle detection 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22828-z PMID:41198791	研究论文	本研究系统优化了Faster R-CNN模型在车辆检测任务中的关键超参数	系统评估了不同CNN架构、优化器、学习率和检测阈值对车辆检测性能的影响，提出了最优参数组合	仅针对车辆检测任务进行优化，未验证在其他物体检测任务中的泛化能力	优化深度学习目标检测模型的超参数以提高车辆检测性能	车辆检测	计算机视觉	NA	深度学习	Faster R-CNN	图像	NA	NA	VGG-16, ResNet-50, Inceptionv3	平均精确率-召回率	NA
1103	2025-11-10	Lightweight dual-stage feature refinement for black gram leaf disease classification using ConViTSE 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22847-w PMID:41198798	研究论文	提出一种轻量级混合深度学习架构ConViTSE，用于黑绿豆叶部病害分类	结合ConvMixer、Vision Transformer和Squeeze-Excitation模块，引入局部通道注意力优化(LCAR)和全局通道注意力优化(GCAR)模块	NA	开发自动化的黑绿豆叶部病害检测方法	黑绿豆叶部病害	计算机视觉	植物病害	深度学习	混合架构(ConvMixer, ViT, SE)	图像	NA	NA	ConViTSE(ConvMixer+Vision Transformer+Squeeze-Excitation)	准确率	NA
1104	2025-11-10	Transformer-based multiclass segmentation pipeline for basic kidney histology 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22814-5 PMID:41198807	研究论文	开发基于Transformer的多类别分割流程用于肾脏组织学分析	比较CNN和Transformer模型在模态/域偏移能力上的差异，并在严重肾损伤区域验证模型性能	数据不足时可能影响模型性能	探索深度学习模型在肾脏病理学中的多类别分割性能	肾脏全切片图像(WSI)	数字病理学	肾脏疾病	组织学分析	CNN, Transformer	图像	多中心收集的肾脏WSI	NA	UNet-ResNet18, M2F-Swin-B, Mask2Former	平均交并比(A-IoU), 每类交并比(IoU)	NA
1105	2025-11-10	Precision detection of micro-damage on conveyor belt surfaces using laser scanning and deep learning techniques 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22818-1 PMID:41198816	研究论文	提出一种结合激光扫描与深度学习的输送带表面微损伤高精度检测系统	融合激光增强成像与改进YOLOv7模型，通过F-ReLU激活函数、SPPFCSPC模块、EIoU损失函数和SE-Net注意力机制四项创新提升检测性能	未明确说明模型在极端工业环境下的泛化能力及对不同材质输送带的适应性	实现工业环境下输送带表面微损伤的早期精准检测	输送带表面微损伤	计算机视觉	NA	激光扫描技术	YOLO	图像	实验室测试台和焦化厂现场采集的综合性数据集	PyTorch	YOLOv7	mAP@0.5	NA
1106	2025-11-10	A fused deep learning approach to transform drug repositioning 2025-Nov-06, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01712-x PMID:41198910	研究论文	提出一种融合知识图谱嵌入、预训练策略和推荐系统的统一深度学习框架UKEDR，用于解决药物重定位中的冷启动和网络表示问题	首次将知识图谱嵌入、预训练策略和推荐系统统一集成到药物重定位框架中，并提出语义相似性驱动的嵌入方法解决冷启动问题	未具体说明模型在更大规模数据集上的性能表现和计算效率	开发新型深度学习框架以改进药物重定位的准确性和泛化能力	现有药物和新化合物的治疗应用发现	机器学习	NA	深度学习，知识图谱嵌入	深度学习框架	网络表示数据，药物属性数据	NA	NA	UKEDR	NA	NA
1107	2025-11-10	ResNet-EfficientNet powered framework for high-precision cough-based classification of infectious diseases 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22874-7 PMID:41198921	研究论文	提出一种基于咳嗽声音的深度学习框架用于COVID-19分类	结合ResNet和EfficientNet预训练模型进行咳嗽声音分类，在COVID-19识别中表现出优越性能	NA	通过咳嗽声音实现COVID-19的早期诊断和分类	COVID-19患者和正常人的咳嗽声音	机器学习	传染病	声音分析	CNN, ResNet, EfficientNet	音频	NA	NA	1D-CNN, DS-CNN, EfficientNet v2, ResNet	准确率, 召回率, 精确率, 马修斯相关系数, F1分数, 假阳性率	NA
1108	2025-11-10	Real-time abnormal behaviour detection using energy-efficient YOLO-based framework 2025-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22888-1 PMID:41198944	研究论文	提出一种基于优化YOLO框架的实时异常行为检测系统	通过Adam优化器、直方图均衡化等技术增强YOLO网络，实现高精度实时异常行为检测	NA	开发高效的实时异常行为检测系统	公共场所的异常行为	计算机视觉	NA	深度学习，计算机视觉	YOLO	视频	NA	NA	YOLO	准确率	NA
1109	2025-11-10	Interpretable arrhythmia detection in ECG scans using deep learning ensembles: a genetic programming approach 2025-Nov-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01932-4 PMID:41198945	研究论文	本研究提出了一种基于深度学习和遗传编程的心律失常检测集成方法，并利用可解释人工智能技术提升临床应用的透明度	采用遗传编程方法构建深度学习集成模型，结合可解释人工智能技术提高心律失常检测和房颤复发预测的准确性和可解释性	两个数据集的患者特征和心律失常患病率存在差异，可能影响模型泛化能力	开发可解释的心律失常检测和房颤复发预测方法	心电图扫描数据	医疗人工智能	心血管疾病	心电图扫描	深度学习集成模型	心电图信号	两个数据集共2081名患者（数据集G：1172人，数据集L：909人）	NA	深度学习集成模型	ROC-AUC, 精确召回AUC	NA
1110	2025-11-10	Treatment decision support for esophageal cancer based on PET/CT data using deep learning 2025-Nov-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03223-0 PMID:41199255	研究论文	基于PET/CT数据开发深度学习模型支持食管癌治疗决策	提出结合卷积和Transformer组件的混合深度学习架构，通过定制化模块实现局部-全局表征学习	NA	提升食管癌治疗决策的准确性和避免过度治疗	食管癌患者的PET/CT影像数据	计算机视觉	食管癌	PET/CT成像	CNN, Transformer	医学影像	NA	NA	ConvNeXt, Vision Transformer, 自定义混合架构	AUCROC, F1分数, 平衡准确率	NA
1111	2025-11-10	PathViT: Automated disease classification from skeletal muscle histopathology 2025-Nov-06, The American journal of pathology DOI:10.1016/j.ajpath.2025.10.009 PMID:41205804	研究论文	开发基于Transformer的深度学习模型PathViT，用于骨骼肌组织病理学图像的自动化疾病分类	首次将Transformer架构应用于骨骼肌病理图像分类，相比传统方法和现有深度学习模型显著提升性能	仅针对特定疾病模型（ALS和糖尿病）进行验证，未涵盖更广泛的肌肉疾病类型	开发自动化骨骼肌病理图像分类方法以减少人工干预和提高诊断一致性	骨骼肌组织病理学图像，包括健康对照、肌萎缩侧索硬化症（ALS）和糖尿病模型	数字病理学	神经肌肉疾病,代谢性疾病	小麦胚芽凝集素（WGA）染色组织病理学成像	Transformer	图像	来自野生型和疾病模型（G93A*SOD1 ALS模型和Akita 1型糖尿病模型）的WGA染色骨骼肌图像，涵盖多种肌肉类型（股四头肌、腓肠肌、胫骨前肌、趾长伸肌、比目鱼肌）	NA	PathViT（基于Transformer的定制架构）	准确率	NA
1112	2025-11-10	The Utility of Artificial Intelligence and Deep Learning to Automate and Accelerate Follicle Counts in Human Ovarian Tissue 2025-Nov-06, Biology of reproduction IF:3.1Q2 DOI:10.1093/biolre/ioaf250 PMID:41206485	研究论文	开发了一种基于人工智能的方法，通过深度学习自动计数人类卵巢组织切片中的卵泡	首次整合DeepLabV3+分割和Faster R-CNN目标检测模型，实现卵巢组织全玻片图像中卵泡的自动化计数	分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分仅为0.27，表明模型性能有待提升	开发自动化卵泡计数方法以提高生育力保存研究和临床决策的准确性和可重复性	人类卵巢组织中的卵泡	数字病理学	生殖系统疾病	组织切片成像	CNN	图像	47名患者的1,857张全玻片图像，包含8,300个标注卵泡	NA	DeepLabV3+, Faster R-CNN	Dice系数, 灵敏度, 阳性预测值, COCOmetric	NA
1113	2025-11-10	Mechanism-Aware Deep Learning for Polar Reaction Prediction 2025-Nov-05, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c16838 PMID:41123925	研究论文	提出一种机制感知的深度学习框架PMechRP用于极性反应预测，结合多种模型架构和ArrowFinder机制预测模型	使用PMechDB极性基元步骤数据集捕获电子流动和机制细节，开发直接预测箭头推动机制的ArrowFinder模型，提出结合Chemformer集成和两阶段Siamese框架的混合流程	NA	提高化学反应预测的准确性和可解释性，提供机制洞察	极性化学反应	机器学习	NA	深度学习	Transformer, 图神经网络, Siamese网络	化学反应数据	PMechDB数据集和组合生成的反应数据	NA	Chemformer, 两阶段Siamese架构	预测准确率	NA
1114	2025-11-10	Multi-Regional deep learning models for identifying dental restorations and prosthesis in panoramic radiographs 2025-Nov-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07138-0 PMID:41194095	研究论文	本研究开发了一种基于深度学习的自动化方法，用于在全景X光片中识别多种牙科修复体和假体	首次使用多区域人群数据集训练深度学习模型，增强了模型的泛化能力和鲁棒性	仅使用了2,235张全景X光片，样本量相对有限	开发自动化牙科修复体和假体识别系统以提高临床诊断效率	牙科修复体（牙冠、牙桥、种植体）和牙科治疗（填充物、根管治疗、根管桩）	计算机视觉	牙科疾病	全景X光成像	YOLOv11, Faster R-CNN, ViT	医学图像	2,235张来自三个不同牙科学院的患者全景X光片	NA	YOLOv11, Faster R-CNN, Vision Transformer	准确率, 精确率, F1分数, 平均精度均值, 交并比	NA
1115	2025-11-10	Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review 2025-Nov-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03243-w PMID:41194211	综述	本文通过范围综述系统评估人工智能在预测心脏直视手术结果中的应用现状与挑战	首次对心脏直视手术AI预测研究进行系统性范围综述，识别出机器学习模型在风险分层中的优势及临床转化的关键障碍	纳入研究以回顾性分析为主（89.06%），模型验证方法不一致，前瞻性数据有限，患者群体多样性不足	评估人工智能在预测心脏直视手术结果中的性能表现，识别数据质量、算法偏见和临床适用性方面的研究空白	64篇关注心脏直视手术并应用AI方法的研究文献	机器学习	心血管疾病	AI预测建模	逻辑回归,随机森林,XGBoost,深度学习,混合模型	临床数据	64项研究	NA	NA	预测性能指标	NA
1116	2025-11-10	A 2D-digital spectral sensing method for rapid antibiotic detection in water 2025-Nov-05, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2025.123279 PMID:41202958	研究论文	提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法	开发新型光谱成像系统与组合化学探针，将复杂样本信息转化为具有二维全息光谱特征的图像，并构建端到端定量分析的深度学习模型	未明确说明模型在不同水质环境中的泛化能力及长期稳定性验证	建立高效低成本的水体抗生素快速监测技术	水体中的抗生素污染物	计算机视觉	NA	光谱成像技术、组合化学探针	CNN	二维数字光谱图像	NA	NA	Digital Spectral Convolutional Neural Network (DSCNN)	R值(0.85-0.93), 检测限(1.94 mg/L)	NA
1117	2025-11-10	MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging 2025-Nov-04, Shoulder & elbow IF:1.5Q3 DOI:10.1177/17585732251392203 PMID:41199812	研究论文	本研究开发了一种用于肩关节MRI图像自动分割的深度学习算法，并与CT扫描进行对比验证	首次证明通过AI增强的MRI在肩关节成像中可以达到与CT相当的解剖定义精度	样本量相对较小（64例患者），且为回顾性研究	评估MRI是否能够替代CT作为肩关节前向不稳患者首选的成像方式	肩关节前向不稳患者的影像学数据	医学影像分析	肩关节疾病	MRI, CT, 深度学习分割	深度学习算法	医学影像	64例患者（39例T1脂肪抑制MRI，25例VIBE MRI关节造影）	NA	NA	Dice相似系数, Spearman相关系数	NA
1118	2025-11-10	Chick embryo development assessment and fertility detection using pixel-wise hyperspectral image analysis and deep learning 2025-Nov-03, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106064 PMID:41205430	研究论文	本研究利用高光谱成像和深度学习技术开发了一种无损检测鸡蛋受精状态和胚胎发育阶段的方法	首次将像素级高光谱图像分析与深度学习相结合用于鸡蛋受精检测和胚胎发育评估	研究仅使用白壳鸡蛋，样本多样性有限，且仅监测了前四天的孵化过程	提高家禽孵化效率，实现受精状态和胚胎发育阶段的早期准确检测	白壳鸡蛋的受精状态和胚胎发育阶段	计算机视觉	NA	线扫描高光谱成像，全透射高光谱图像采集	ANN,DNN,CNN,随机森林	高光谱图像	受精和未受精鸡蛋在孵化前四天每天采集图像	NA	人工神经网络，深度神经网络，卷积神经网络	F1-score	NA
1119	2025-11-10	3D Swin Transformer for patient-specific proton dose prediction of brain cancer patients 2025-Nov-02, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.43969 PMID:41178022	研究论文	本研究开发了一种基于3D Swin Transformer的深度学习模型，用于脑癌患者质子治疗的体素级剂量预测	首次将3D Swin Transformer集成到UNet架构中，用于脑癌质子治疗的剂量预测，实现了解剖结构感知的精确剂量分布预测	研究为回顾性分析，样本量有限（206例），需要前瞻性验证和临床部署优化	开发精确的质子放疗剂量预测模型，提高脑癌治疗计划的质量和一致性	206例原发性脑肿瘤患者	医学影像分析	脑癌	双能计算机断层扫描（CT）	Transformer, UNet	CT影像，剂量计划，临床轮廓	206例患者（训练集186例，测试集20例）	NA	3D Swin Transformer, UNet	3D伽马分析（3%/3 mm），平均绝对误差（MAE），临床靶区覆盖率（V95%），剂量体积直方图（DVH）	NA
1120	2025-11-10	Deep learning super-resolution for dental CBCT using micro-CT reference and edge loss function 2025-Nov-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106209 PMID:41187827	研究论文	本研究利用深度学习超分辨率技术提升牙科CBCT图像质量，通过微CT参考图像和边缘损失函数改善根管结构可视化	提出结合高斯和中值滤波与Sobel边缘检测的边缘损失函数，并首次在牙科CBCT超分辨率中同时评估ESRGAN和HAT两种架构	牙冠区域存在伪影需要进一步优化，临床样本量有限（48颗离体牙）	通过深度学习超分辨率技术提升牙科CBCT图像的空间分辨率	48颗离体人类牙齿的CBCT和微CT配对图像	计算机视觉	牙科疾病	CBCT, 微CT	GAN, Transformer	医学图像	48颗离体人类牙齿	PyTorch, TensorFlow	ESRGAN, HAT	PSNR, SSIM, 专家视觉评估, 三维重建	NA