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
1401	2025-12-22	Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27914-w PMID:41274951	研究论文	本研究通过比较多种深度学习模型，并采用缓解类别不平衡的策略，旨在提升基于结构MRI的阿尔茨海默病分类性能	提出了2D冠状面切片网格化方法，在保留96%诊断信息的同时显著降低计算需求；系统比较了十种深度学习架构，并验证了传统CNN在医学神经影像分类中的持续有效性；结合SMOTE、代价敏感学习和焦点损失等策略有效缓解了类别不平衡问题	模型在痴呆类别上的灵敏度较低（38%）；Vision Transformer和胶囊网络在该任务上表现不佳甚至完全失败；总体平衡准确率仍有提升空间	开发并评估用于阿尔茨海默病自动分类的深度学习模型，平衡诊断准确性与计算效率	阿尔茨海默病患者、轻度认知障碍患者和健康对照者的T1加权MRI扫描	数字病理学	阿尔茨海默病	结构MRI（sMRI），2D冠状面切片网格化方法	CNN, Vision Transformer, Capsule Network	图像	1346名独特患者的14,983张2D网格图像	NA	ECAResNet269, 以及其他九种深度学习架构（包括传统CNN、Vision Transformer、胶囊网络）	平衡准确率, 灵敏度, 特异性	标准临床硬件
1402	2025-12-22	Extreme cardiac MRI analysis under respiratory motion: Results of the CMRxMotion challenge 2025-Nov-22, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103883 PMID:41421267	研究论文	本文介绍了CMRxMotion挑战赛，旨在评估深度学习模型在呼吸运动伪影影响下的心脏磁共振图像分析和分割的鲁棒性	首次公开了包含受控呼吸运动伪影的心脏磁共振数据集，并组织了针对图像质量评估和心肌分割的挑战赛，推动了该领域的研究	数据集仅来自40名健康志愿者，可能无法完全代表临床患者群体的多样性，且呼吸运动伪影是受控诱导的，与实际临床情况可能存在差异	评估深度学习模型在呼吸运动伪影影响下的心脏磁共振图像分析和分割的鲁棒性	心脏磁共振图像，特别是包含呼吸运动伪影的cine序列	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	图像	320个心脏磁共振cine序列，来自40名健康志愿者	NA	NA	NA	NA
1403	2025-12-22	The need for better quality studies: A systematic scoping review of current utility of artificial intelligence in orthopaedics and research gaps in the knee joint 2025-Nov-21, The Knee DOI:10.1016/j.knee.2025.10.022 PMID:41274810	综述	本文通过系统范围综述评估了人工智能在膝关节疾病临床决策支持中的应用现状与研究空白	首次对过去16年间人工智能在膝关节骨科研究中的应用进行全面系统范围综述，明确了诊断与预测应用的比例及主要挑战	纳入研究可能存在发表偏倚，且仅关注英文文献，可能遗漏其他语言的重要研究	评估人工智能在膝关节骨科研究中的应用现状、识别研究空白并指导未来研究方向	涉及膝关节疾病的成人患者研究，包括骨关节炎和软组织损伤等	机器学习	骨关节炎	NA	深度学习, 传统机器学习	NA	从2761项研究中筛选出816项纳入分析	NA	NA	NA	NA
1404	2025-12-22	Targeting peptide-MHC complexes with designed T cell receptors and antibodies 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689381 PMID:41332722	研究论文	本文介绍了一种基于结构的深度学习框架ADAPT，用于设计靶向特定肽-MHC复合物的T细胞受体和抗体	开发了首个基于结构的深度学习框架ADAPT，用于从头设计靶向pMHC的TCR和抗体，并通过冷冻电镜结构验证了设计界面的原子级精度	未明确说明设计框架在更广泛pMHC靶点上的通用性验证规模，以及体内疗效数据尚未提供	开发计算设计方法以生成靶向特定肽-MHC复合物的新型T细胞受体和抗体	肽-MHC复合物、T细胞受体、抗体	计算生物学	肿瘤、自身免疫性疾病	深度学习、结构生物学、冷冻电镜	深度学习框架	蛋白质结构数据、序列数据	针对多种pMHC组合进行了设计评估（具体数量未明确）	NA	ADAPT（基于结构的深度学习框架）	结构验证精度（原子级界面准确性）	NA
1405	2025-12-22	Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy 2025-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.19.25340277 PMID:41332849	研究论文	本研究首次提出了一个整合放射学、病理学和深度学习的定量框架，用于评估肾细胞癌患者在接受免疫检查点抑制剂治疗后进行肾切除术后的反应	首次整合放射学、病理学和深度学习模型，系统评估肾细胞癌患者免疫检查点抑制剂治疗后的反应，并区分免疫介导的病理回归变化与凝固性坏死	回顾性研究设计，样本量相对有限（99例患者），需要在更大规模的前瞻性研究中验证	评估肾细胞癌患者接受免疫检查点抑制剂治疗后进行肾切除术的反应，以指导术后适应性治疗策略	局部晚期或转移性肾细胞癌患者，在接受至少一个周期含免疫检查点抑制剂的双联疗法后进行肾切除术	数字病理学	肾细胞癌	深度学习方法	深度学习模型	放射学影像、病理学图像	99例患者（66例减瘤性肾切除术，33例新辅助肾切除术）	NA	NA	风险比, 置信区间, p值	NA
1406	2025-12-22	A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma 2025-Nov-18, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102452 PMID:41260205	研究论文	本研究通过整合深度学习基线PET/CT生物标志物与多组学数据，构建了一个用于弥漫性大B细胞淋巴瘤的预后指数模型	首次将nnUNet深度学习框架应用于DLBCL的PET/CT分析，并整合了DNA/RNA测序数据、临床因素和LymphPlex遗传亚型，开发了新型多模态预后模型	研究样本主要来自特定患者群体，外部验证和前瞻性验证尚需进一步开展	提高弥漫性大B细胞淋巴瘤的预后预测精度并推进个体化治疗	1,024名新诊断的弥漫性大B细胞淋巴瘤患者	数字病理学	淋巴瘤	PET/CT成像，DNA测序，RNA测序	深度学习	医学影像，基因组数据，转录组数据	1,024名DLBCL患者	nnUNet	nnUNet	预后区分能力（具体指标未明确说明）	NA
1407	2025-12-22	Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network 2025-Nov-13, The Knee DOI:10.1016/j.knee.2025.10.028 PMID:41238423	研究论文	本研究提出了一种基于深度神经网络的方法，用于从膝关节磁共振成像中自动检测内侧副韧带撕裂	首次使用深度神经网络解决膝关节内侧副韧带撕裂的自动检测问题，并比较了自定义CNN、预训练VGG19特征提取及迁移学习三种场景的性能	数据集仅来自单一医院的60名患者，样本多样性有限，未来需要在更广泛人群中验证模型的鲁棒性	开发自动检测膝关节内侧副韧带撕裂的方法，以提高诊断准确性和效率	膝关节磁共振成像图像	计算机视觉	膝关节损伤	磁共振成像	CNN, 预训练模型	图像	3575张膝关节MRI图像，来自60名患者	NA	自定义CNN, VGG19	准确率, 损失值, AUC	NA
1408	2025-12-22	Deep Learning Enables Fast and Accurate Quantification of MRI-Guided Near-Infrared Spectral Tomography for Breast Cancer Diagnosis 2025-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3574727 PMID:40440147	研究论文	本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描图像重建方法，用于乳腺癌诊断	提出了一种深度学习驱动的MR引导3D NIRST图像重建系统，显著提高了重建速度和诊断准确性	研究基于合成数据训练的网络，并在38例临床检查中验证，样本量相对有限	提高乳腺癌诊断的特异性和敏感性	乳腺异常患者的临床成像数据	医学影像分析	乳腺癌	MRI引导的近红外光谱断层扫描	深度学习模型	合成数据及临床MRI与NIRST数据	38例临床成像检查	NA	NA	敏感性, 特异性, 诊断准确率, ROC曲线下面积	NA
1409	2025-12-22	Next-generation antiviral peptides: AI-driven design, translational delivery platforms, and future therapeutic directions 2025-Nov, Virus research IF:2.5Q3 DOI:10.1016/j.virusres.2025.199642 PMID:41106780	综述	本文综述了抗病毒肽作为下一代治疗药物的研究进展，重点关注AI驱动的设计、新型递送策略及临床转化应用	整合了AI驱动的抗病毒肽从头设计、新型递送平台（如纳米颗粒、水凝胶）以及未来方向（如CRISPR/mRNA递送）的全面视角	NA	提供抗病毒肽研究的综合视角，强调AI驱动发现、递送策略和转化应用	抗病毒肽	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, GANs, 大语言模型, 强化学习	NA	NA	NA	NA	NA	NA
1410	2025-12-22	AI in Prostate MRI: A Task-Based Review 2025-Nov, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0062 PMID:41415644	综述	本文基于任务对前列腺MRI中的人工智能应用进行了全面回顾	以任务为导向系统梳理了AI在前列腺MRI中的临床应用，涵盖了从分割到监测的多个关键环节	目前仅有少数AI工具商业化可用，且综述未深入讨论具体算法的技术细节	概述AI在前列腺MRI中的临床应用现状与潜力	前列腺MRI图像及相关AI算法	数字病理学	前列腺癌	MRI	深度学习	图像	NA	NA	NA	NA	NA
1411	2025-12-22	Field phenotyping for soybean density tolerance using time-series prediction and dynamic modeling 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100083 PMID:41416187	研究论文	本研究提出了一种结合时空深度学习与动态建模的创新方法，利用无人机高通量表型技术量化冠层参数的动态变化，以揭示大豆耐密植性状的关键调控机制	首次将时空深度学习与动态性状建模相结合，显著提高了叶面积指数估计的时间连续性和稳定性，相比传统单时间点预测方法，能更精确地量化不同生长阶段的冠层发育速率	研究基于中国东北特定黑土区域的两年田间试验，其结论在其他土壤类型或气候区域的普适性有待验证	开发一种高精度、可解释的表型分析框架，用于有效筛选耐密植的大豆品种，以实现高产稳产	208个大豆品种在高低两种种植密度（50万株/公顷和30万株/公顷）下的冠层动态性状	计算机视觉，机器学习	NA	无人机高通量表型技术，多光谱无人机影像	时空残差网络（ST-ResNet），长短期记忆网络（LSTM），随机森林（RF）	多光谱图像，地面真实数据	208个大豆品种，在2022-2023年进行两年田间试验，每个生长季采集15-18次无人机影像	NA	ST-ResNet, LSTM, RF	决定系数（R²），均方根误差（RMSE），相关系数（r）	NA
1412	2025-12-22	FSEA: Incorporating domain-specific prior knowledge for few-shot weed detection 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100086 PMID:41416189	研究论文	本研究提出了一种结合领域先验知识的少样本杂草检测框架FSEA，旨在解决田间条件下难以收集大规模平衡训练数据的问题	提出了少样本增强注意力网络，通过通道注意力特征融合模块、特征增强模块和针对植物遮挡优化的损失函数，将植物检测的领域特定先验知识融入少样本学习	研究仅针对特定作物和杂草物种进行验证，可能未涵盖所有田间环境下的多样性	开发一种能够快速适应新杂草物种的少样本学习框架，以提升精准杂草控制的实用性	常见作物和杂草物种（如甜菜、甘蔗、稗草等）以及较少见的杂草物种（如马齿苋、亚洲铜叶草等）	计算机视觉	NA	深度学习	Faster R-CNN	图像	每个物种仅使用30个样本进行训练，共涉及10个物种	PyTorch	Faster R-CNN	mAP	NA
1413	2025-12-22	Volumetric Deep Learning-Based Precision Phenotyping of Gene-Edited Tomato for Vertical Farming 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100095 PMID:41416190	研究论文	本研究利用CRISPR-Cas9系统开发了适用于垂直农业的番茄新品种，并提出了一种基于体积深度学习的表型分析方法，通过叶绿素荧光成像数据自动识别基因编辑突变体	首次将三维深度学习框架应用于叶绿素荧光成像数据的自动特征提取，结合时间特性分析，实现了对垂直农业定制番茄植株的高精度分类，超越了传统机器学习方法	未明确说明模型在其他作物或性状上的泛化能力验证情况，且样本规模可能有限	开发适用于垂直农业系统的番茄基因编辑品种，并建立高效的非破坏性表型分析技术	通过CRISPR-Cas9编辑SP基因的番茄植株	计算机视觉	NA	CRISPR-Cas9基因编辑，叶绿素荧光成像	深度学习，CNN	三维叶绿素荧光成像数据	未明确说明具体样本数量，涉及三倍决定性突变体和SP基因编辑植物	未明确说明	未明确指定具体架构，但提及了1D-CNN作为对比方法	分类准确率	NA
1414	2025-12-22	Analysis of Wheat Spike Morphological Traits by 2D Imaging 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100096 PMID:41416197	研究论文	本研究开发了一个名为Speakerphone的深度学习流程，用于通过2D成像精确获取小麦穗部表型性状，并分析其与产量的关系	开发了深度学习流程Speakerphone，实现了高精度的小麦穗部分割（mIoU达0.948），并首次系统提取了45个穗部表型，揭示了穗形态与千粒重及产量的相关性	研究仅基于中国河北赵县的221个小麦品种，样本地理来源相对有限，且依赖于2D成像，可能无法完全捕捉三维形态特征	开发高精度小麦穗部表型获取方法，并分析穗形态性状与产量性状（如千粒重和穗产量）的相关性	小麦穗部形态	计算机视觉	NA	2D成像	深度学习	图像	来自中国河北赵县不同地区的221个小麦品种	NA	NA	平均交并比（mIoU）, 皮尔逊相关系数	NA
1415	2025-12-22	RsegNet: An Advanced Methodology for Individual Rubber Tree Segmentation and Structural Parameter Extraction from UAV LiDAR Point Clouds 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100090 PMID:41416207	研究论文	本文提出了一种名为RsegNet的优化方法，用于从无人机LiDAR点云中分割单个橡胶树并提取其结构参数	提出了优化的双通道聚类方法（RsegNet），设计了CosineU-Net网络通过计算空间和位置特征的余弦相似度来解决枝叶重叠问题，并集成了多类关联和背景分类以处理背景干扰	NA	改进橡胶树点云分割和结构参数提取，以支持精准农业和精细化种植园管理	橡胶树	计算机视觉	NA	无人机LiDAR点云	深度学习网络	点云数据	自建数据集及FOR-instance森林数据集的五个区域	NA	CosineU-Net, RsegNet	F-score	NA
1416	2025-12-22	ChatLeafDisease: a chain-of-thought prompting approach for crop disease classification using large language models 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100094 PMID:41416205	研究论文	本研究开发了一个基于GPT-4o和思维链提示的训练免费框架ChatLeafDisease，用于作物病害分类	提出了一个无需训练的LLM框架，结合思维链提示和病害描述数据库，实现了高准确率的作物病害分类	研究仅针对六种番茄病害进行测试，未涉及更广泛的作物种类或病害类型	探索利用大型语言模型进行作物病害分类的方法	番茄叶片病害	自然语言处理	作物病害	思维链提示	GPT-4o, Gemini, CLIP	文本描述	六种番茄病害	NA	GPT-4o, Gemini, CLIP	分类准确率	NA
1417	2025-12-22	Panoptic segmentation for complete labeling of fruit microstructure in 3D micro-CT images with deep learning 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100087 PMID:41416198	研究论文	本文开发了一种基于深度学习的3D全景分割模型，用于在X射线微CT图像中自动标记苹果和梨果实组织的微观结构	首次将3D全景分割（结合语义和实例分割）应用于植物果实组织的微观结构分析，无需复杂的样本制备，显著提升了自动化标记的完整性	尽管评估了多种增强方法，但未能在标准数据集训练模型的基础上进一步提升测试性能；苹果组织中的薄壁血管分割仍具挑战性	加速和改进苹果和梨果实组织在X射线微CT图像中的微观结构表征	苹果和梨果实的微观组织结构，包括薄壁细胞、孔隙、维管束和石细胞簇等特征	计算机视觉	NA	X射线微计算机断层扫描	深度学习模型	3D图像	苹果和梨果实组织样本（具体数量未明确说明）	NA	3D全景分割模型	聚合Jaccard指数, Dice相似系数	NA
1418	2025-12-22	Soybean yield estimation and lodging discrimination based on lightweight UAV and point cloud deep learning 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100028 PMID:41415158	研究论文	本研究利用轻量级无人机和点云深度学习模型，结合空间结构与颜色信息融合，实现了大豆产量估算和倒伏等级判别	提出了新的点云深度学习模型SoyNet和SoyNet-Res，并引入了两种数据级融合方法，有效整合了空间结构和颜色信息，克服了传统统计特征忽略结构信息的局限	NA	优化大豆育种表型研究，通过深度学习模型同时进行产量估算和倒伏等级判别	大豆冠层	计算机视觉	NA	无人机平台、交叉环绕倾斜路线摄影、运动结构恢复与多视图立体视觉技术	深度学习	点云数据	NA	NA	SoyNet, SoyNet-Res	均方根误差, F1分数, 准确率top-2, 准确率top-3	NA
1419	2025-12-22	A scalable and efficient UAV-based pipeline and deep learning framework for phenotyping sorghum panicle morphology from point clouds 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100050 PMID:41415167	研究论文	本文提出了一种基于无人机和深度学习的高粱穗形态表型分析框架，包括3D重建、模拟数据集生成和新型多任务模型SegVoteNet	开发了结合无人机视频采集与NeRF的3D点云重建流程，并提出了SegVoteNet模型，通过分割结果优化目标检测，无需微调即可在真实数据上实现高性能	未明确说明模型在极端环境条件下的泛化能力，且实际应用中可能受无人机飞行条件和数据采集质量限制	开发可扩展的高粱穗形态表型分析方法，以支持育种和商业应用	高粱冠层和穗部形态	计算机视觉	NA	无人机视频采集, Neural Radiance Fields (NeRF), 3D模拟	深度学习, 语义分割, 3D检测	点云数据	NA	PyTorch	SegVoteNet, VoteNet, PointNet++	Mean Average Precision (mAP) @ 0.5 Intersection Over Union (IOU)	NA
1420	2025-12-22	Spotibot: Rapid scoring of B otrytis lesions on rose petals using deep learning and mobile computing 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100029 PMID:41415171	研究论文	本研究开发了Spotibot软件，利用深度学习和移动计算技术，自动检测玫瑰花瓣上的灰霉病病变，以快速、客观地评估抗病性	首次开发了结合深度学习和移动计算的快速、用户友好的应用程序，用于玫瑰花瓣图像分析，以筛选灰霉病抗性和易感性	NA	开发一种准确、快速、客观的表型分析工具，用于玫瑰育种选择和发现新的抗性或易感基因	玫瑰花瓣上的灰霉病病变	计算机视觉	灰霉病	NA	实例分割模型	图像	NA	NA	NA	F1分数, Spearman Rank相关系数	移动计算