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
1381	2025-12-22	Ultrasound radiomics and deep learning for predicting antral follicle count and anti-Müllerian hormone 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33010-w PMID:41422297	研究论文	本研究开发了一种基于常规二维超声的AI框架，用于标准化辅助生殖技术中的卵巢储备评估，通过融合放射组学和深度学习模型来预测窦卵泡计数和抗缪勒管激素水平	首次提出结合放射组学和深度学习（基于ResNet50）的融合模型，利用常规二维超声图像标准化卵巢储备评估，克服了传统AFC评估的观察者间变异性和AMH检测的局限性	研究为回顾性设计，样本量相对有限（共395名患者），且仅来自两家附属医院，外部验证队列规模较小（n=94）	开发一个AI驱动的框架，以标准化辅助生殖技术中的卵巢储备评估，并实现个性化的卵巢刺激方案优化	395名不孕症女性患者	数字病理学	生殖系统疾病	常规二维超声成像	CNN	图像	395名患者（训练队列210人，内部测试队列91人，外部测试队列94人）	NA	ResNet50	R², AUC, 敏感性, 特异性	NA
1382	2025-12-22	An AI-driven multi-omics framework identifies lactylation-mediated therapeutic targets to overcome drug resistance in ovarian cancer 2025-Dec-20, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01150-x PMID:41422325	研究论文	本研究开发了一个AI驱动的多组学框架，用于识别卵巢癌中与乳酸化相关的基因、分层患者药物反应并建立预后标志	首次将乳酸化生物学与AI驱动的多组学分析整合，开发了一个精准肿瘤学框架，以发现可药物靶点并增强患者分层	传统分析方法往往无法整合多组学的复杂性，限制了可操作的乳酸化相关弱点的发现	开发一个AI驱动的多组学框架，以识别卵巢癌中乳酸化相关的治疗靶点并克服耐药性	卵巢癌患者的多组学数据，包括转录组、表观基因组、药物基因组、突变和临床结果数据	机器学习	卵巢癌	多组学分析，包括转录组学、表观基因组学、药物基因组学、突变分析	VAE, LSTM, MLP	多组学数据（转录组、表观基因组、药物基因组、突变、临床结果）	来自TCGA、GDSC和独立卵巢癌队列的数据	NA	变分自编码器, 长短期记忆网络, 多层感知器	精确度	NA
1383	2025-12-22	Forging Online Community Among People in Recovery From Substance Use: Natural Language Processing and Deep-Learning Analysis of The Phoenix App User-Generated Data 2025-Dec-19, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/68438 PMID:41418282	研究论文	本研究利用自然语言处理和深度学习方法分析The Phoenix应用程序中用户生成的数据，以探索其在物质使用恢复过程中的社区支持作用	首次结合BERT主题建模和VADER情感分析来评估物质使用恢复应用程序的用户体验，揭示了该平台在促进积极社交连接方面的独特性	样本量有限且未与其他恢复论坛进行直接比较分析，需要更大数据集验证结果	评估The Phoenix应用程序在物质使用恢复过程中的核心用途和情感基调	The Phoenix应用程序的用户生成帖子	自然语言处理	物质使用障碍	自然语言处理, 深度学习	BERT, VADER	文本	17617条帖子	NA	Bidirectional Encoder Representation from Transformers	主题一致性得分, 情感分析均值与标准差	NA
1384	2025-12-22	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2025-Dec-19, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究利用卫星衍生的臭氧剖面数据，开发基于混合注意力的深度学习模型来预测边界层臭氧浓度	提出了结合注意力机制与卷积门控循环结构的ConvBiGRU-AttentionNet模型，并引入经验模态分解（EMD）进行多尺度时间特征提取	未明确说明模型在处理极端气象事件或长期预测中的泛化能力，且依赖特定卫星数据产品	提高边界层臭氧浓度的预测精度，以应对空气污染和气候变化挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI臭氧监测仪器）	RNN, CNN, GRU, LSTM, GRU-CNN, LSTM-CNN, ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	臭氧剖面数据	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能分数	NA
1385	2025-12-22	Statistical uncertainty-aware dual-path dilated convolution fusion framework for Monte Carlo dose denoising: Enhancing accuracy and efficiency in radiotherapy planning 2025-Dec-19, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105700 PMID:41421253	研究论文	本文提出了一种统计不确定性感知的双路径扩张卷积融合深度学习框架，用于提高蒙特卡罗剂量去噪的准确性和效率	通过将统计不确定性图显式整合到三通道卷积神经网络中，并结合标准与扩张卷积的双路径结构，同时提取局部解剖特征和全局上下文信息	研究仅基于69个临床IMRT计划，且噪声水平为模拟生成，可能未覆盖所有临床场景	提高放射治疗计划中蒙特卡罗剂量计算的准确性和计算效率	头颈、脑和肺部肿瘤的临床IMRT计划	数字病理	肺癌	基于GPU的蒙特卡罗模拟	CNN	图像	69个临床IMRT计划，涵盖三个肿瘤部位（头颈、脑、肺），每个计划生成六个噪声水平	NA	双路径扩张卷积融合架构	平均剂量误差, 伽马通过率, 剂量体积直方图分析	基于GPU的蒙特卡罗引擎
1386	2025-12-22	A cone-beam photon-counting CT dataset for spectral image reconstruction and deep learning 2025-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06246-4 PMID:41413072	研究论文	本文介绍了一个用于光谱图像重建和深度学习的锥束光子计数CT数据集	提供了首个公开可用的真实锥束光子计数CT数据集，包含多能量原始投影数据，填补了该领域数据稀缺的空白	数据集仅基于15个核桃样本，样本多样性有限，且扫描条件为特定能量阈值（15 keV和30 keV）	促进光谱CT图像处理算法的公平和可重复比较，支持数据驱动方法的发展与验证	核桃样本	计算机视觉	NA	光子计数CT	NA	图像	15个核桃样本，共172,800张原始投影图像	NA	NA	NA	NA
1387	2025-12-22	Storage tank detection in remote sensing images based on circular bounding boxes and large selective kernel 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27919-5 PMID:41413105	研究论文	本文提出了一种基于圆形边界框和大选择性核的遥感图像储罐检测新方法，旨在提高检测精度并支持甲烷排放监测	引入了圆形边界框以匹配储罐的典型圆形形状，稳定了小目标的IoU计算；并集成了大选择性核（LSK）模块，动态调整感受野以有效利用上下文信息	未明确提及，但可能包括对非典型形状储罐的适应性、在极端成像条件下的泛化能力，以及计算效率的潜在影响	提高遥感图像中储罐检测的准确性，以支持石油和天然气行业的甲烷排放监测和环境可持续性工作	遥感图像中的储罐（storage tanks）	计算机视觉	NA	遥感成像	CNN	图像	总计3568张图像，包含46075个储罐目标，数据集包括DIOR、NWPUU_RESISC45、NWPU VHR-10、TGRS-HRRSD以及一个自建数据集	PyTorch（基于YOLO-v10框架推断）	YOLO-v10（集成圆形边界框和LSK模块）	精确率（precision）、召回率（recall）、平均精度均值（mAP@0.5）	NA
1388	2025-12-22	A multi-scale adaptive framework for high-precision rail track damage detection via StarNet and bidirectional feature pyramid network 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27827-8 PMID:41413097	研究论文	本研究提出了一种改进的轨道损伤检测框架SNBF-YOLO，通过集成StarNet和BiFPN模块，以解决小目标、复杂背景和多尺度损伤的检测难题	提出了SNBF-YOLO框架，集成了StarNet模块以自适应扩大感受野增强特征表示，并利用BiFPN优化双向多尺度特征融合	研究受限于数据集的规模和多样性，可能影响其在更复杂条件（如雨、雪或严重腐蚀）下的泛化能力	开发一种高精度、鲁棒的铁路轨道损伤实时检测方法，以提高运输安全性	铁路轨道损伤，包括细微裂纹和缺失紧固件	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLOv10n, StarNet, BiFPN	精确率, 召回率, mAP	NA
1389	2025-12-22	MRI-based deep learning and radiomics pipeline for myxoid liposarcoma: a feasibility study in a rare sarcoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27217-0 PMID:41408069	研究论文	本研究评估了一种结合深度学习和放射组学的自动化MRI流程，用于非侵入性评估黏液样脂肪肉瘤的可行性	首次在黏液样脂肪肉瘤中应用基于3D U-Net的自动分割和放射组学特征进行肿瘤分级预测	样本量较小（48例患者），为回顾性多中心研究，分类错误多发生在边界性或组织学异质性病例中，需要更大规模的前瞻性验证	评估自动化MRI流程在黏液样脂肪肉瘤非侵入性肿瘤评估中的可行性	经组织学确认的黏液样脂肪肉瘤患者	数字病理学	软组织肉瘤	MRI	CNN	图像	48例患者	NA	3D U-Net	Dice相似系数, AUC, F1分数, 平衡准确率	NA
1390	2025-12-22	MultiCell: geometric learning in multicellular development 2025-Dec-15, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02983-x PMID:41398502	研究论文	本文介绍了一种名为MultiCell的几何深度学习方法，用于准确捕捉细胞间高度复杂的相互作用，并在果蝇胚胎发生过程中实现可解释的四维形态序列对齐和单细胞行为预测	提出了一种统一的图数据结构，将多细胞数据表示为颗粒状和泡沫状物理图像，结合细胞相互作用和细胞连接网络，实现了单细胞精度的动态多细胞发育过程数据驱动定量研究	NA	理解和预测在复杂发育过程中活体组织内每个细胞随时间的行为	多细胞发育过程，特别是果蝇胚胎发生中的细胞	机器学习	NA	几何深度学习	几何深度学习模型	图数据	NA	NA	NA	NA	NA
1391	2025-12-22	CLIP-Guided Generative network for pathology nuclei image augmentation 2025-Dec-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103908 PMID:41421266	研究论文	提出一种基于CLIP引导的生成数据增强方法，用于病理细胞核图像分割与分类	结合预训练的病理CLIP文本与图像编码器，通过多模态条件图像生成器合成逼真的组织病理学图像，解决了传统GAN在多类数据增强中缺乏可扩展性的问题	未明确说明生成图像与真实图像在临床诊断中的等效性验证，且可能受限于文本描述生成的准确性	提升基于深度学习的细胞核分割与分类模型性能，通过生成数据增强解决标注数据不足的问题	病理细胞核图像及其分割掩码	数字病理学	NA	生成对抗网络（GAN），视觉-语言基础模型（CLIP）	GAN	图像，文本	多个公开可用的病理细胞核数据集，具体数量未明确说明	PyTorch（基于代码仓库推断）	多模态条件图像生成器，高分辨率图像判别器，CLIP图像编码器	定性分析，定量分析（具体指标未明确说明）	NA
1392	2025-12-22	Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification 2025-Dec-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108451 PMID:41420941	研究论文	提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs）	通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互	NA	开发一种适用于特征顺序任意且空间关系最小的一维数据分类的深度学习架构	来自医学诊断、政治学、合成数据、化学计量学和医疗保健等不同领域的五个基准数据集	机器学习	NA	NA	CNN	一维数据	NA	NA	Twisted Convolutional Networks (TCNs)	NA	NA
1393	2025-12-22	An explainable hybrid CNN-LSTM framework for accurate sequence-based classification of RNA N6-methyladenosine (m6A) modification 2025-Dec-05, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100383 PMID:41354216	研究论文	本文提出了一种结合CNN-LSTM和SHAP的可解释性混合框架，用于准确分类RNA N6-甲基腺苷（m6A）修饰位点	将CNN-LSTM混合模型与SHAP特征选择相结合，提升预测性能并增强模型可解释性，通过特征贡献量化识别RNA序列中最具信息性的特征	未明确提及模型在更大规模或不同物种数据集上的泛化能力，以及计算资源消耗的具体分析	提高RNA m6A修饰位点的准确分类，并增强模型的可解释性以提供生物学洞见	RNA序列中的N6-甲基腺苷（m6A）修饰位点	自然语言处理	NA	RNA序列分析	CNN, LSTM	序列数据	NA	TensorFlow, PyTorch, Keras	CNN-LSTM混合架构	准确率, 灵敏度, 特异性, MCC	NA
1394	2025-12-22	A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性	研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限	开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底	来自八个医疗中心的2165名患者的眼底图像	计算机视觉	视网膜疾病	眼底成像	深度学习模型	图像	2165名患者（训练和验证集）和769名患者（外部测试集）	PyTorch, Scikit-learn	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet	准确率, AUC, 召回率, ROC分析, Dice相似系数	NA
1395	2025-12-22	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Dec, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生	首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物	研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证	探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	脑深部电刺激记录、传感式DBS设备记录	深度神经网络	神经电生理信号	NA	NA	NA	NA	NA
1396	2025-12-22	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异	数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证	评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	IoU, Dice系数	NA
1397	2025-12-22	MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013810 PMID:41397026	研究论文	本文提出了一种名为MAGNET的多视图图自编码器框架，通过细胞-基因注意力模块整合细胞外部相互作用与内部基因调控，用于从空间转录组学数据重建细胞间相互作用网络	开发了细胞-基因注意力模块，将细胞的外部环境与内部基因活动在统一表示中连接起来，克服了现有方法将两者分开处理的限制	未明确说明模型在处理更大规模或更复杂组织样本时的计算效率及可扩展性	从空间转录组学数据中准确推断细胞间相互作用网络	空间转录组学数据中的细胞及其相互作用	计算生物学	乳腺癌	空间转录组学	图自编码器	空间转录组学数据	基准数据集（seqFISH、MERFISH、STARMAP）及一个乳腺癌数据集	未明确指定	多视图图自编码器	平均精度	NA
1398	2025-12-22	Deep-Learning-Assisted SICM for Enhanced Real-Time Imaging of Nanoscale Biological Dynamics 2025-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202501080 PMID:41078001	研究论文	本文提出了一种结合深度学习与扫描离子电导显微镜（SICM）的集成框架，通过选择性跳过扫描线来提高SICM的实时成像速度	开发了部分卷积神经网络（Partial-CNN）模型，用于从欠采样数据中重建完整图像，显著提高了SICM的时间分辨率（减少30-63%的采集时间）	未明确提及该方法在极端动态条件或不同细胞类型中的泛化能力限制	提高扫描离子电导显微镜（SICM）的实时成像能力，以捕捉纳米尺度的生物动态过程	活细胞的纳米尺度动态成像	计算机视觉	NA	扫描离子电导显微镜（SICM）	CNN	图像	NA	NA	Partial-CNN	多种定量指标（具体未列出，但涉及图像质量评估）	NA
1399	2025-12-22	Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study 2025-Dec, Bioelectromagnetics IF:1.8Q3 DOI:10.1002/bem.70038 PMID:41416407	研究论文	本文提出了一种行星健康影响评估框架，结合专家知识和人工智能技术，以射频电磁场暴露为案例研究，探索构建知识图谱的方法	首次将行星健康视角引入射频电磁场影响评估，结合专家构建的知识图谱与基于自然语言处理和深度学习的AI工具，探索间接生态介导的健康影响路径	AI工具生成的图谱精度和上下文敏感性有限，需要大量专家验证，目前无法替代专家判断	开发一个行星健康影响评估框架，整合直接和生态介导的健康影响路径	射频电磁场暴露对生物体的直接健康影响及通过生态后果对人类健康的间接影响	自然语言处理	NA	自然语言处理, 深度学习	NA	文本	12位专家参与构建知识图谱	NA	NA	NA	NA
1400	2025-12-22	REECAP: Contrastive learning of retinal aging reveals genetic loci linking morphology to eye disease 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340555 PMID:41332846	研究论文	本文提出REECAP框架，通过对比学习优化视网膜基础模型，生成与年龄相关的图像表征，用于GWAS研究，以揭示眼病遗传位点	利用对比学习引导视网膜基础模型沿年龄轴对齐图像表征，生成多变量衰老表型用于GWAS，发现了传统疾病标签GWAS未检测到的遗传位点，并通过条件图像合成将遗传变异与解剖变化关联	研究仅基于UK Biobank的特定人群数据，可能缺乏多样性；未详细讨论模型在其他数据集或眼病中的泛化能力	探索深度学习基础模型在连接组织形态与疾病遗传结构方面的潜力，以发现和解释眼病相关遗传位点	UK Biobank参与者的视网膜眼底图像	计算机视觉	眼病	对比学习, 基因组关联研究	基础模型	图像	87,478张眼底图像来自52,742名UK Biobank参与者	NA	RETFound	NA	NA